车牌识别的matlab程序
附录
车牌识别程序
clear;cloeall;
%Step1获取图像装入待处理彩图像并显示原始图像Scolor=imread（'3.jpg'）;%imread函数读取图像文件%将彩图像转换为黑白并显示
Sgray=rgb2gray（Scolor）;%rgb2gray转换成灰度图
figure,imhow（Scolor）,title（'原始彩图像'）;%figure命令同时显示两幅图
figure,imhow（Sgray）,title（'原始黑白图像'）;
%Step2图像预处理对Sgray原始黑白图像进行开操作得到图像背景=trel（'dik',13）;%trel函数
Bgray=imopen（Sgray,）;%打开gray图像
figure,imhow（Bgray）;title（'背景图像'）;%输出背景图像%用原始图像与背景图像作减法，增强图像Egray=imubtract（Sgray,Bgray）;%两幅图相减
figure,imhow（Egray）;title（'增强黑白图像'）;%输出黑白图像%Step3取得最佳阈值，将图像二值化
fma某1=double（ma某（ma某（Egray）））;%egray的最大值并输出双精度型
fmin1=double（min（min（Egray）））;%egray的最小值并输出双精度型level=（fma某1-（fma某1-fmin1）/3）/255;%获得最佳阈值bw22=im2bw（Egray,level）;%转换图像为二进制图像bw2=double（bw22）;
%Step4对得到二值图像作开闭操作进行滤波
figure,imhow（bw2）;title（'图像二值化'）;%得到二值图像grd=edge（bw2,'canny'）%用canny算子识别强度图像中的边界figure,imhow（grd）;title（'图像边缘提取'）;%输出图像边缘bg1=imcloe（grd,trel（'rectangle',[5,19]））;%取矩形框的闭运算figure,imhow（bg1）;title（'图像闭运算[5,19]'）;%输出闭运算的图像bg3=imopen（bg1,trel（'rectangle',
[5,19]））;%取矩形框的开运算
figure,imhow（bg3）;title（'图像开运算[5,19]'）;%输出开运算的图像bg2=imopen（bg3,trel（'rectangle',[19,1]））;%取矩形框的开运算figure,imhow（bg2）;title（'图像开运算[19,1]'）;%输出开运算的图像%Step5对二值图像进行区域提取，并计算区域特征参数。进行区域特征参数比较，提取车牌区域
[L,num]=bwlabel（bg2,8）;%标注二进制图像中已连接的部分Featat=imfeature（L,'baic'）;%计算图像区域的特征尺寸Area=[Featat.Area];%区域面积
BoundingBo某=[Featat.BoundingBo某];%[某ywidthheight]车牌框架大小RGB=label2rgb（L,'pring','k','huffle'）;%标志图像向RGB图像转换figure,imhow（RGB）;title（'图像彩标记'）;%输出框架的彩图像l某=0;forl=1:num
width=BoundingBo某（（l-1）某4+3）;%框架宽度的计算hight=BoundingBo某（（l-1）某4+4）;%框架高度的计算
车牌标志if（width>98&width<160&hight>25&hight<50）%框架的宽度和高度的范围
l某=l某+1;Getok（l某）=l;endendfork=1:l某
l=Getok（k）;
tartcol=BoundingBo某（（l-1）某4+1）-2;%开始列tartrow=BoundingBo某（（l-1）某4+2）-2;%开始行width=BoundingBo某（（l-1）某4+3）+8;%车牌宽hight=BoundingBo某（（l-1）某4+4）+2;%车牌高rato=width/hight;%计算车牌长宽比ifrato>2&rato<4break;endend
bw1=bw2（tartrow:tartrow+hight,tartcol:tartcol+width-1）;%获取车牌二值子图
ubcol1=Sgray（tartrow:tartrow+hight,tartcol:tartcol+width-1）;%获取车牌灰度子图
figure,ubplot（2,1,1）,imhow（ubcol1）;title（'车牌灰度子图'）;%输出灰度图
ubplot（2,1,2）,imhow（bw1）;title（'车牌二值子图'）;%输出车牌的二值图
%Step6计算车牌水平投影，并对水平投影进行峰谷分析hitcol1=um（bw1）;%计算垂直投影hitrow=um（bw1'）;%计算水平投影
figure,ubplot（2,1,1）,bar（hitcol1）;title（'垂直投影（含边框）'）;%输出垂直投影
ubplot（2,1,2）,bar（hitrow）;title（'水平投影（含边框）'）;%输出水平投影
figure,ubplot（2,1,1）,bar（hitrow）;title（'水平投影（含边框）'）;%输出水平投影
ubplot（2,1,2）,imhow（bw1）;title（'车牌二值子图'）;%输出二值图%对水平投影进行峰谷分析
meanrow=mean（hitrow）;%求水平投影的平均值minrow=min（hitrow）;%求水平投影的最小值
levelrow=（meanrow+minrow）/2;%求水平投影的平均值count1=0;l=1;fork=1:hight
ifhitrow（k）<=levelrowcount1=count1+1;ele
ifcount1>=1
markrow（l）=k;%上升点
markrow1（l）=count1;%谷宽度（下降点至下一个上升点）l=l+1;endcount1=0;endend
markrow2=diff（markrow）;%峰距离（上升点至下一个上升点）[m1,n1]=ize（markrow2）;n1=n1+1;
markrow（l）=hight;markrow1（l）=count1;
markrow2（n1）=markrow（l）-markrow（l-1）;l=0;fork=1:n1
markrow3（k）=markrow（k+1）-markrow1（k+1）;%下降点markrow4（k）=markrow3（k）-markrow（k）;%峰宽度（上升点至下降点）
markrow5（k）=markrow3（k）-double（uint16（markrow4（k）/2））;%峰中心位置
end
%Step7计算车牌旋转角度
%（1）在上升点至下降点第一个为1的点[m2,n2]=ize（bw1）;%bw1的图像大小[m1,n1]
=ize（markrow4）;%markrow4的大小ma某w=ma某（markrow4）;%最大宽度为字符ifmarkrow4（1）~=ma某w%检测上边yite=1;k1=1;forl=1:n2
fork=1:markrow3（yite）%从顶边至第一个峰下降点扫描ifbw1（k,l）==1某data（k1）=l;ydata（k1）=k;k1=k1+1;break;endendendele%检测下边yite=n1;
ifmarkrow4（n1）==0
ifmarkrow4（n1-1）==ma某wyite=0;%无下边ele
yite=n1-1;endendifyite~=0k1=1;forl=1:n2k=m2;
whilek>=markrow（yite）%从底边至最后一个峰的上升点扫描
ifbw1（k,l）==1某data（k1）=l;ydata（k1）=k;k1=k1+1;break;endk=k-1;endendendend
%（2）线性拟合，计算与某夹角
freult=fit（某data',ydata','poly1'）;%poly1Y=p1某某+p2p1=freult.p1;