close all

clc

t测定算法执行的时间

[fn,pn]=uigetfile('timg1,jpg','选择图片')  %读入图片

I=imread([pn,fn]);

figure,imshow(I);title('原始图像'显示原始图像

Im1=rgb2gray(I);

figure(2),

subplot(1,2,1),

imshow(Im1);

title('灰度图');

figure(2),

subplot(1,2,2),

imhist(Im1);

title('灰度图的直方图'显示图像的直方图

Tiao=imadjust(Im1,[0.19,0.78],[0,1]);  %调整图片

figure(3),

subplot(1,2,1),

imshow(Tiao);title('增强灰度图');

figure(3),

subplot(1,2,2),

imhist(Tiao);

title('增强灰度图的直方图');

Im2=edge(Tiao,'Roberts','both');  %使用sobel算子进行边缘检测

figure(4),

imshow(Im2);

title('sobel算子实现边缘检测')

se=[1;1;1];

Im3=imerode(Im2,se);

figure(5),

imshow(Im3);

title('腐蚀效果图');

se=strel('square',40);%'rectangle',[25,25]/'diamond',25/

Im4=imclose(Im3,se);

figure(6),

imshow(Im4);

title('平滑图像的轮廓');

Im5=bwareaopen(Im4,1500);

figure(7),

imshow(Im5);

title('移除小对象');

[y,x,z]=size(Im5);  %返回Im5各维的尺寸，并存储在变量y、x、z中

Im6=double(Im5); %将Im5换成双精度数值

 开始横向扫描

tic  %tic计时开始，toc结束，计算tic与toc之间程序的运行时间

Blue_y=zeros(y,1); %产生y*1的全0矩阵

for i=1:y %逐行扫描

 如果Im6图像中坐标为(i,j)的点值为1,即为移除小对象的白色区域， 

 则y*1列矩阵的相应像素点的元素值加1，

   end    

end

 [temp MaxY]=max(Blue_y);%temp为向量Blue_y的矩阵中的最大值，MaxY为该值的索引（最大值在向量中的位置）

%返回包含最大元素的列，即白色区域最宽的列

%Y方向车牌区域确定

figure(8),subplot(1,2,1),

plot(0:y-1,Blue_y),title('行方向白色像素点累计'),xlabel('行数'),ylabel('个数');

PY1=MaxY;

while ((Blue_y(PY1,1)>=120)&&(PY1>1))

end

PY2=MaxY;

while ((Blue_y(PY2,1)>=40)&&(PY2end

IY=I(PY1:PY2,:,:);

%IY为原始图像I中截取的纵坐标在PY1：PY2之间的部分

%横向扫描完成，开始纵向扫描

Blue_x=zeros(1,x);%进一步确定x方向的车牌区域

for j=1:x %逐列扫描

 根据Im5的x值确定

     end       

end

figure(8),subplot(1,2,2),

plot(0:x-1,Blue_x),title('列方向白色像素点累计'),xlabel('列数'),ylabel('个数');

PX1=1;

while ((Blue_x(1,PX1)<3)&&(PX1end

PX2=x;

while ((Blue_x(1,PX2)<3)&&(PX2>PX1))

end

 纵向扫描

PX1=PX1-2;%对车牌区域的校正

PX2=PX2+2;

dw=I(PY1:PY2,PX1:PX2,:);

t=toc;

figure(9),subplot(1,2,1),imshow(IY),title('垂直方向合理区域');

figure(9),subplot(1,2,2),imshow(dw),title('定位剪切后的彩色车牌图像')

将图像写入图形文件中

b=rgb2gray(a);

imwrite(b,'车牌灰度图像

figure(10);

subplot(3,2,1),

imshow(b),

title('1.车牌灰度图像')

g_max=double(max(max(b)));

g_min=double(min(min(b)));

T=round(g_max-(g_max-g_min)/3);  %T为设定的二值化的阈值,返回一个四舍五入的整数值

[m,n]=size(b);

d=(double(b)>=T); %d为二值图像

imwrite(d,'车牌二值图像

figure(10);

subplot(3,2,2),

imshow(d),

title('2.车牌二值图像')

figure(10),

subplot(3,2,3),

imshow(d),

title('3.均值滤波前')

h=fspecial('average',3);%建立预定义的滤波算子，average为均值滤波，模板尺寸为3*3

d=imbinarize(round(filter2(h,d))); %im2bw,使用指定的滤波器h对h进行d即均值滤波

imwrite(d,'均值滤波后

figure(10),

subplot(3,2,4),

imshow(d),

title('4.均值滤波后')

se=eye(2);%单位矩阵

[m,n]=size(d); %d为二值图像,返回信息矩阵

if bwarea(d)/m/n>=0.365%二值图像中对象的总面积与整个面积的比大于0.365

 进行腐蚀

elseif bwarea(d)/m/n<=0.235%二值图像中对象的总面积与整个面积的比值小于0.235

 进行膨胀

end

imwrite(d,'膨胀或腐蚀处理后

figure(10),

subplot(3,2,5),

imshow(d),

title('5.膨胀或腐蚀处理后

d=qiege(d); %切割，寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割

[m,n]=size(d);

k1=1;k2=1;s=sum(d);j=1;

while j~=n

end

d=qiege(d);

y1=10;y2=0.25;flag=0;word1=[];

while flag==0

 扫过的地方不全为黑色，向右移动，直到不是停止

 如果wide小于y1时，从数值判断没有切好，认为是左干扰 

 将此片区域全部转化为黑色，

 重新切割

 返回已经切割好的区域

 统计切割区域所有元素

 统计切割区域1/3至2/3行所有元素

end

[word2,d]=getword(d); %分割出第二个字符

[word3,d]=getword(d); %分割出第三个字符

[word4,d]=getword(d); %分割出第四个字符

[word5,d]=getword(d); %分割出第五个字符

[word6,d]=getword(d); %分割出第六个字符

[word7,d]=getword(d); %分割出第七个字符

word1=imresize(word1,[40 20]);%模板字符大小统一为40*20，为字符辨认做准备

word2=imresize(word2,[40 20]);

word3=imresize(word3,[40 20]);

word4=imresize(word4,[40 20]);

word5=imresize(word5,[40 20]);

word6=imresize(word6,[40 20]);

word7=imresize(word7,[40 20]);

figure(11);

subplot(2,7,1),imshow(word1),title('1');

subplot(2,7,2),imshow(word2),title('2');

subplot(2,7,3),imshow(word3),title('3');

subplot(2,7,4),imshow(word4),title('4');

subplot(2,7,5),imshow(word5),title('5');

subplot(2,7,6),imshow(word6),title('6');

subplot(2,7,7),imshow(word7),title('7');

liccode=char(['0':'9' 'A':'Z' '辽粤豫鄂鲁陕京津苏浙']);

%建立自动识别字符代码表，将t'0':'9' 'A':'Z' '鲁陕苏豫'多个字符串组成一个字符数组，每行对应一个字符串，字符数不足的自动补空格

SubBw2=zeros(40,20);%40*20的零矩阵

l=1;

for I=1:7

 整型转换字符串

 改变图片的大小

 将灰度图转化为二值图像，double产生0-255的灰度值

 第一位汉字识别

 模板中汉字所在的位置

 第二位字母识别

 字母位置

 第三位后字母或数字识别

 字符模板

 将模板转换为二值图，double产生0-255的灰度值

 相当于两幅图相减得第三幅图

 模板对应的字符模板进行匹配选择

end

msgbox(Code,'识别结果')

function [word,result]=getword(d) %定义分割字符用函数（1）

word=[];flag=0;y1=8;y2=0.5;

while flag==0

 用于返回图像的一个裁剪区域

 用于返回图像的一个裁剪区域

 宽度过小，或长大于宽的两倍

 中所有元素之和

 切割出最小范围

 划分出的temp进行切割

 切割完后该区域变为黑色

end

result=d;

f定义分割字符用函数（2）

[m,n]=size(d);

top=1;bottom=m;left=1;right=n; %inte

while sum(d(top,:))==0 && top<=m

end

while sum(d(bottom,:))==0 && bottom>=1

end

while sum(d(:,left))==0 && left<=n

end

while sum(d(:,right))==0 && right>=1

end

dd=right-left;

hh=bottom-top;

e=imcrop(d,[left top dd hh]);

//字符实别需要字符图库，没有对照图库是识别不了的下载本文