MATLAB大作业

基于MATLAB识别图片中的文字

知识点：图像识别 图像处理 计算机视觉

实验目的：以MATLAB为工具，识别图片中的文字。

问题描述：

交通是一个十分重要的问题，红绿灯上的摄像头可以辨别车主的身份。现在，我们是否能够用matlab设计一个图像识别的系统，通过车牌号的来识别相应的数字。

问题分析及模型建立：

第一步：确定车牌号的区域

对于一张图像

在matlab中，在处理图像元素时用（x,y,z）三坐标的形式表达的灰度集时，其中，x和y是空间坐标，z是f 在坐标（x,y）处的值，就可以表达图像在该坐标轴上的点。再将，将f(x,y)的数值简单地显示为一个矩阵，就可以定量地表达了一幅数值图像。

矩阵中的每个元素称为像素。

所以，如果我们想要截取一段车牌号的图像，我们就可以扫描图像每一个点的像素。然后我们进行恢复处理，算子边缘检测，腐蚀，闭操作，删除小对象得到

我们就可以利用RGB的值找到白色区域的边界，然后我们利用边界，截取我们的原图像就可以得到我们所需要的车牌号的区域了。

第二步：进行文字的分割

在进行分割之前，就需要将我们所获得的车牌号的区域的图像进行进一步的处理，突出我们需要的文字部分。

灰度处理 彩色的图片占用的空间比较大，处理会花费很长的时间，先将图片进行灰度处理

二值化

再将图片二值化，将图片的256个灰度级强制减少到只有{0， 255}2个灰度级，更加方便了后续的文字识别识别。

均值滤波

均值滤波是对是对图像进行局部平均, 以平均值来代表该像素点的灰度值。矩形滤波器对这个二维矢量的每一个分量进行独立的平滑处理。获得一张比较干净清晰的图像。

腐蚀和膨胀

腐蚀可以分割独立的图像元素，膨胀用于连接相邻的元素，更加利于图像的分割

进行完图像的预处理，就可以开始图像的切割了

首先进行边缘的切割，处理完后的图像为黑底白字。其中黑色为0，白色1为。这样我们就可以从四个边缘进行扫描，若行或者列像素之和0的话，就为背景，这样就可以继续向内推移，直到和不为0的位置为止。这样就进行了边缘的切割。

接下来，先进行文字的切割，文字和字母、数字在长度和宽度上有较大的差别，所以需要单独的拿出来。因为号码是平铺过来的，所以我们进行列的扫描。先从最左边进行扫描，若列像素之和不为0的话，则说明有文字，直到和为0的时候停止。但是如果扫描出来的宽度太小的话就说明背景可能有白色区域干扰。这时，应该将刚刚扫描出来的区域置黑，再次进行扫描，截取图像。同理，数字和字母可同样按着上面的方式扫描，截取。

截取后的图像

模板的配对

所有的文字数字和字母都截取下来后，我们需要将所得的图片统一的量化为同样大小的图像方便比对。 统一量化后的图像

完成了这部的操作之后，就需要建立一个小型的模板库。将车牌号常见的文字、十个数字和26个英文字母存储为上面同样大小的二值化图片，并且以对应字符的名称命名。

将所有的模板放在一起，按照一定的顺序排列。然后，我们就可以调用我们已经切割好的图片和模板内部的图片进行相减，寻找差别最小的图片进行匹配，这样就可以识别出车牌号上的字符了。

问题求解：

matlab代码：

主函数

function [d]=main(jpg)

close all

clc

I=imread('Car.jpg');%读入车牌图像Car.jpg

I1=rgb2gray(I);

I2=edge(I1,'roberts',0.15,'both');

se=[1;1;1];

I3=imerode(I2,se);

se=strel('rectangle',[25,25]);

I4=imclose(I3,se);

I5=bwareaopen(I4,2000);

figure(1),imshow(I5);title('从对象中移除小对象');

[y,x,z]=size(I5);%图像以（y,x,z）表达灰度集，x,y为坐标，z为对应位置的值

myI=double(I5);%转化为双精度,便于确定范围

tic % 测定算法执行的时间，开始计时

Blue_y=zeros(y,1);

for i=1:y

for j=1:x

if(myI(i,j,1)==1)

% 寻找y轴方向的白色区域

Blue_y(i,1)= Blue_y(i,1)+1; % 是蓝色区域的则进行计数

end

end

end

[temp MaxY]=max(Blue_y);%Y方向车牌区域确定 temp(最多点数):所有行中，最多的累积

PY1=MaxY;

while ((Blue_y(PY1,1)>=5)&&(PY1>1))

PY1=PY1-1;

end %Y轴方向的上限

PY2=MaxY;

while ((Blue_y(PY2,1)>=5)&&(PY2

PY2=PY2+1;

end %Y轴方向的的下限 IY=I(PY1:PY2,:,:);

%%%%%% X方向 %%%%%%%%%

Blue_x=zeros(1,x);%进一步确定x方向的车牌区域

for j=1:x

for i=PY1:PY2 %只需要扫描PY1:PY2 的部分，简化程序

if(myI(i,j,1)==1)

Blue_x(1,j)= Blue_x(1,j)+1;

end

end

end

PX1=1;

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

PX1=PX1+1;

end %确定x轴的右边界

PX2=x;

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

PX2=PX2-1;

end %确定x轴的左边界

PX1=PX1-1;%对车牌区域的校正

PX2=PX2+1;

dw=I(PY1:PY2-8,PX1:PX2,:); %确定图片的截取区域

t=toc; % 读取程序的运行时间 a=imread('dw.jpg'); %读入已经截取好的图像

A=size(a);

if length(A)==3

b=rgb2gray(a);

else

b=a;

end

figure(8);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 为二值化的阈值

[m,n]=size(b);

d=(double(b)>=T); % d:二值图像

imwrite(d,'2.车牌二值图像.jpg');

figure(8);subplot(3,2,2),imshow(d),title('2.车牌二值图像')

figure(8),subplot(3,2,3),imshow(d),title('3.均值滤波前')

% 滤波

h=fspecial('average',3); %进行均值滤波

imwrite(d,'4.均值滤波后.jpg');

figure(8),subplot(3,2,4),imshow(d),title('4.均值滤波后')

% 某些图像进行操作

% 膨胀或腐蚀 se=eye(2); % eye(n)可返回一个2*2单位矩阵

[m,n]=size(d);%图像为二值图像，x,y为坐标

if bwarea(d)/m/n>=0.365 %计算二值图像中对象的总面积

d=imerode(d,se); %实现图形的腐蚀

elseif bwarea(d)/m/n<=0.235

d=imdilate(d,se);%实现图像的膨胀

end

imwrite(d,'5.膨胀或腐蚀处理后.jpg');

figure(8),subplot(3,2,5),imshow(d),title('5.膨胀或腐蚀处理后')

% 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

d=qiege(d); %截掉边界黑色的部分

[m,n]=size(d); %图像已经切割的图像的坐标

figure,subplot(2,1,1),imshow(d),title(n)

k1=1;

k2=1;

s=sum(d);

j=1;

while j~=n

while s(j)==0

j=j+1;

end %扫过的地方全为黑色，则向右移动，直到不是停止 k1=j; %确定截图的左边界

while s(j)~=0 && j<=n-1

j=j+1;

end %继续扫描，扫过的地方不全为黑色，向右移动，直到不是停止

k2=j-1; %确定截图的右边界

if k2-k1>=round(n/6.5)

[val,num]=min(sum(d(:,[k1+5:k2-5])));

d(:,k1+num+5)=0; % k1+num+5列的位置赋值为黑色，分割

end

end

% 再切割

d=qiege(d);

% 切割出 7 个字符

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

while flag==0

[m,n]=size(d);

left=1;wide=0;

while sum(d(:,wide+1))~=0

wide=wide+1;

end %扫过的地方不全为黑色，向右移动，直到不是停止

if wide