基于图像的自动识别技术

车牌预处理过程的好坏直接影响到车牌图像进行后期处理过程，比如车牌字符分割等。车牌预处理也是尽可能的消除噪声，减少后期处理带来的不必要的麻烦。 输入的车牌是24Bit的BMP真彩色图像，车牌照有黄底黑字，蓝底白字等颜色，为了将这些车牌图像一并处理，就要先将车牌进行灰度化处理，然后进行二值化（黑白）处理。

% 读取待处理的图像，将其转化为二值图像
I = imread（‘car.jpg‘）; 
I2 = rgb2gray（I）;
I4 = im2bw（I2 0.2）;
% 去除图像中面积过小的、可以肯定不是车牌的区域
bw = bwareaopen（I4 500）;
% 为定位车牌，将白色区域膨胀，腐蚀去无关的小物件
se = strel（‘disk‘15）;
bw = imclose（bwse）;
bw = imfill（bw[1 1]）;
% 查找连通域边界
[BL] = bwboundaries（bw4）;
imshow（label2rgb（L @jet [.5 .5 .5]））
hold on
% 找出所有连通域中最可能是车牌的那一个
for k = 1:length（B）
 boundary = B{k};
 plot（boundary（:2）boundary（:1）‘w‘‘LineWidth‘2）
end
% 找到每个连通域的质心
stats = regionprops（L‘Area‘‘Centroid‘）;
% 循环历遍每个连通域的边界
for k = 1:length（B）
  % 获取一条边界上的所有点
  boundary = B{k};
  % 计算边界周长
  delta_sq = diff（boundary）.^2;    
  perimeter = sum（sqrt（sum（delta_sq2）））;
  % 获取边界所围面积
  area = stats（k）.Area;
  % 计算匹配度
  metric = 27*area/perimeter^2;
  % 要显示的匹配度字串
  metric_string = sprintf（‘%2.2f‘metric）;
  % 标记出匹配度接近1的连通域
  if metric >= 0.9 && metric <= 1.1
    centroid = stats（k）.Centroid;
    plot（centroid（1）centroid（2）‘ko‘）;
    % 提取该连通域所对应在二值图像中的矩形区域
    goalboundary = boundary; 
    s = min（goalboundary [] 1）;
    e = max（goalboundary [] 1）;
  goal = imcrop（I4[s（2） s（1） e（2）-s（2） e（1）-s（1）]）; 
  end
  % 显示匹配度字串
  text（boundary（12）-35boundary（11）+13...
    metric_string‘Color‘‘g‘...
‘FontSize‘14‘FontWeight‘‘bold‘）;
end
goal = ~goal;
goal（256256） = 0;
figure;
imshow（goal）;
w = imread（‘P.bmp‘）;
w = ~w;
C=real（ifft2（fft2（goal）.*fft2（rot90（w2）256256）））;
thresh = 240;
figure;
imshow（C > thresh）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件         206  2005-11-05 17:13  3.12  基于图像的车牌自动识别技术\P.bmp
     文件       61837  2005-10-28 22:59  3.12  基于图像的车牌自动识别技术\car.jpg
     文件        1649  2012-02-14 22:08  3.12  基于图像的车牌自动识别技术\ex1.m
     文件       24064  2011-09-26 20:01  3.12  基于图像的车牌自动识别技术\程序运行说明.doc
     目录           0  2017-11-28 12:05  3.12  基于图像的车牌自动识别技术\