图像检测与处理技术在汽车牌照中的运用人工智能墨染锦年的博客-

在汽车牌照识别中，主要是将牌照部分突出显示出来，去除其他的无效干扰信息。车牌区域的识别是基于以下思想的：分析图像，使用pixval函数来获得牌照的背景色的红、绿、蓝分量亮度值和坐标；通过统计算法找出车牌的范围；通过修剪得到最终图像。

Matlab代码：

clc clear filename='car.jpg'; %图片的路径 I=im2gray(filename);%调用自编函数读取图像，如果为彩色图像自动转化为灰度图象； tic   %计时开始 [height,width]=size(I); %预处理                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                              I_edge=zeros(height,width); %产生h*w的double类零矩阵 for i=1:width-1 %对每一列进行遍历 I_edge(:,i)=abs(I(:,i+1)-I(:,i));%每列的值赋为原图像中左右两列相减的绝对值(即梯度)  end  I_edge=(255/(max(max(I_edge))-min(min(I_edge))))*(I_edge-min(min(I_edge))); % 归一化处理(0~255) [I_edge,y1]=select(I_edge,height,width); %%%调用select函数，用以选择图像的某个区域  BW2 = I_edge;% %%%%%%%%%%%%%%%%一些形态学处理 SE=strel('rectangle',[10,10]);%创建10*10的建构元素 IM2=imerode(BW2,SE);%腐蚀 IM2=bwareaopen(IM2,20);%删除小面积 IM3=imdilate(IM2,SE);%膨胀  %先腐蚀再膨胀,进行了开运算,消除小物体 %%%%%%%%%%%%%%%%%%投影以粗略估计车牌位置 p_h=projection(double(IM3),'h'); %调用projection函数,水平方向 if(p_h(1)>0)     p_h=[0,p_h]; end p_v=projection(double(IM3),'v'); %调用projection函数,垂直方向 if(p_v(1)>0)     p_v=[0,p_v]; end %%%%%% p_h=double((p_h>5));%水平方向 p_h=find(((p_h(1:end-1)-p_h(2:end))~=0)); len_h=length(p_h)/2; %%%%% p_v=double((p_v>5));%垂直方向 p_v=find(((p_v(1:end-1)-p_v(2:end))~=0)); len_v=length(p_v)/2; %%%%%%%%%%% %%%%%%%%%%%%%%%%%粗略计算车牌候选区 k=1; for i=1:len_h     for j=1:len_v         s=IM3(p_h(2*i-1):p_h(2*i),p_v(2*j-1):p_v(2*j)); if(mean(mean(s))>0.1)             p{k}=[p_h(2*i-1),p_h(2*i)+1,p_v(2*j-1),p_v(2*j)+1];             k=k+1;         end     end end k=k-1; %%%%%%%%%%%%%%进一步缩小车牌候选区 for i=1:k    edge_IM3=double(edge(double(IM3(p{i}(1):p{i}(2),p{i}(3):p{i}(4))),'canny')); [x,y]=find(edge_IM3==1);    p{i}=[p{i}(1)+min(x),p{i}(2)-(p{i}(2)-p{i}(1)+1-max(x)),...          p{i}(3)+min(y),p{i}(4)-(p{i}(4)-p{i}(3)+1-max(y))];    p_center{i}=[fix((p{i}(1)+p{i}(2))/2),fix((p{i}(3)+p{i}(4))/2)]; p_ratio(i)=(p{i}(4)-p{i}(3))/(p{i}(2)-p{i}(1)); end %%%%%%%%%%%%%%%%%%%%%%%%%%%%% %对上面参数和变量的说明：p为一胞元，用于存放每个图像块的左上和右下两个点的坐标； %存放格式为：p{k}=[x1,x2,y1,y2]；x1,x2分别为行坐标，y1,y2为列坐标 %p_center为一胞元,用于存放每个图像块的中心坐标,p_center{k}=[x,y];x,y分别为行,列坐标 %p_ratio为一矩阵，用来存放图像块的长宽比例 %%%%%%%%%%合并临近区域%%%%%%% %如果有多个区域则执行合并 if k>1     n=0;     ncount=zeros(1,k); for i=1:k-1 %%%需要调整if条件中的比例         %%%需要调整         %检查是否满足合并条件         if(abs(p{i}(1)+p{i}(2)-p{i+1}(1)-p{i+1}(2))<=height/30&&abs(p{i+1}(3)-p{i}(4))<=width/15)             p{i+1}(1)=min(p{i}(1),p{i+1}(1));             p{i+1}(2)=max(p{i}(2),p{i+1}(2));             p{i+1}(3)=min(p{i}(3),p{i+1}(3));             p{i+1}(4)=max(p{i}(4),p{i+1}(4)); %向后合并             n=n+1; ncount(n)=i+1;         end     end     %如果有合并，求出合并后最终区域     if(n>0)         d_ncount=ncount(2:n+1)-ncount(1:n); %避免重复记录临近的多个区域。         index=find(d_ncount~=1);         m=length(index); for i=1:m             pp{i}=p{ncount(index(i))}; %重新记录合并区域的比例             pp_ratio(i)=(pp{i}(4)-pp{i}(3))/(pp{i}(2)-pp{i}(1));              end         p=pp; %更新区域记录         p_ratio=pp_ratio; %更新区域比例记录         clear pp;clear pp_ratio; %清除部分变量     end end k=length(p); %更新区域个数 %%%%%%%%%%%%%%合并结束%%%%%%%%%%%%%%%%%%%%% %%%%%%%%根据区域比例判断是否为车牌区域%%%%%%%%%%%% m=1;T=0.6*max(p_ratio); for i=1:k     if(p_ratio(i)>=T&p_ratio(i)<20)         p1{m}=p{i};         m=m+1;     end end p=p1;clear p1; k=m-1; %更新区域数 %%%%%%%%%%%判定结束%%%%%%%%%%%%%%%%%%%%%   toc                                  %计时结束   clear edge_IM3;clear x; clear y; % 清空部分变量   %%%%%%%%%%%%%%%%显示 figure(1) imshow(I);title('原始图像') figure(2) imshow(IM2);title('腐蚀后图像') figure(3) imshow(IM3);title('灰度膨胀后图像') %%%%%%%%%%%%%%%%%显示 figure(4) for i=1:k     subplot(1,k,i);     index=p{i}; imshow(I(index(1)-2:index(2),index(3):index(4)));title('车牌图像') end %存储车牌图像     if(k==1) imwrite(I(index(1)-2:index(2),index(3):index(4)),'cp.jpg'); End              %将指定的图象文件转化为灰度图象  其中的各个子函数介绍如下。 1.I=im2gray(filename)将指定的彩色图像转化为灰度图像。 %将指定的图象文件转化为灰度图象 function I=im2gray(filename)   colortype=imfinfo(filename); %用于获取位图相关信息colortype=colortype.ColorType; %获取图象颜色类型   %类型判断 switch(colortype) case 'truecolor' %如果是彩图         I=rgb2gray(imread(filename)); %imread读取数据，把彩图转化为灰度图像     case 'indexed' %如果是索引图         [I,map]=imread(filename);         I=ind2gray(I,map); %索引图像转化为灰度图像     Otherwise                        %其他类型         I=imread(filename); end clear filename;clear colortype; %清除变量 %%%%%%%图像格式用处和区别: %1. 彩图(true color)表示为一个3通道矩阵,可以最自由的表现色彩,需要的空间最大,也是现在各种数码相机最常见的输出格式,比如一般jpg图像导入matlab看都是3通道矩阵。 %2. 灰度图表示为一个矩阵,是图像处理最常用的默认图像类型,这是因为它是一个最简单的二维数据结构,适于做数学运算。如果试验新算法的时候,一定先在灰度图像上做,做好了再考虑往彩图推广。 %3. 索引图(indexed)由索引矩阵和color map两部分组成。其中索引矩阵也是一个普通的二维矩阵,只不过其中的每一个数值不代表灰度,而代表color map中的一个index。而图像的显示效果,由color map决定:它是彩色的,图像就是彩色的,;它是灰度的,图像就是灰度的。当然,一般还是用来表示彩色啦。这种方式比真彩图的颜色表达能力弱,不过更省空间,像早期的256色图就是这种格式。 %4. 二值图一般不独立出现。它更像是一种数学处理的结果,凡是对图像的像素进行了二分类,分类结果都可以用二值图表示:比如图像分割。 2.[y,y1]=select(ImageData,h,w)用以选择图像的某个区域。 function [y,y1]=select(ImageData,h,w)%取得最佳阈值将图像二值化   thr=0.5;delta=0.05;   y=(ImageData>=thr*mean(max(ImageData))); BW2=bwareaopen(y,10); %删除小面积对象 SE=strel('square',15); %创建15*15正方形 IM2=imdilate(BW2,SE); %膨胀灰度，二值，压缩二值图像BW2，返回IM2 IM3=imerode(IM2,SE); %将IM2图像实现图像腐蚀灰度，返回腐蚀图像IM3  %1.开运算(先腐蚀后膨胀的过程):利用它可以消除小物体,在纤细点处分离物体,平滑较大物体边界,但同时并不明显改变原来物体的面积。OPEN(X,B) %2.闭运算(先膨胀后腐蚀的过程):利用它可以填充物体内细小空洞,连接临近物体、平滑其边界,但同时并不明显改变原来物体的面积。CLOSE(X,B) average=sum(sum(IM3))/(h*w); %将图像二值化 while(average<0.03||average>0.08) if(average<0.03)         thr=thr-delta; else         thr=thr+delta;     end     y=(ImageData>=thr*mean(max(ImageData)));%求向量元素的平均值     BW2=bwareaopen(y,10);%再一次删除小面积     IM2=imdilate(BW2,SE);%膨胀     IM3=imerode(IM2,SE);%腐蚀     average=sum(sum(IM3))/(h*w);%求灰度的平均值 end y1=y; y=IM3; 3.y=projection(I,s)用于对图像的水平和垂直方向进行投影。 function y=projection(I,s) if(s=='h') %水平投影     y=sum(I'); end if(s=='v') %垂直投影     y=sum(I); end 

图1 彩色图像

图2 灰度处理后的原始图像

图3 腐蚀处理后图像

图4 灰度膨胀后图像

图5 最终处理得到的车牌图像