接着昨天的工作繼續。定位的過程有些是基於車牌的顏色進行定位的，自己則根據數字圖像一些形態學的方法進行定位的。
合着代碼進行相關講解。
1.相對彩色圖像進行灰度化，然后對圖像進行開運算。再用小波變換獲取圖像的三個分量。考慮到車牌的豎直分量較為豐富，選用豎直分量進行后續操作。注意下，這里的一些參數可能和你的圖片大小有關，所以要根據實際情況調整。
Image=imread('D:\1_2學習\圖像處理\車牌識別\matlab_car_plate-recognization\car_example\car0.jpg');%獲取圖片 im=double(rgb2gray(Image)); im=imresize(im,[1024,2048]);%重新設置圖片大小 [1024,2048] % % 灰度拉伸 % % im=imadjust(Image,[0.15 0.9],[]); s=strel('disk',10);%strei函數 Bgray=imopen(im,s);%打開sgray s圖像 % % figure,imshow(Bgray);title('背景圖像');%輸出背景圖像 % %用原始圖像與背景圖像作減法，增強圖像 im=imsubtract(im,Bgray);%兩幅圖相減 % figure,imshow(mat2gray(im));title('增強黑白圖像');%輸出黑白圖像 [Lo_D,Hi_D]=wfilters('db2','d'); % d Decomposition filters [C,S]= wavedec2(im,1,Lo_D,Hi_D); %Lo_D is the decomposition low-pass filter % decomposition vector C corresponding bookkeeping matrix S isize=prod(S(1,:));%元素連乘 % cA = C(1:isize);%cA 49152 cH = C(isize+(1:isize)); cV = C(2*isize+(1:isize)); cD = C(3*isize+(1:isize)); % cA = reshape(cA,S(1,1),S(1,2)); cH = reshape(cH,S(2,1),S(2,2)); cV = reshape(cV,S(2,1),S(2,2)); cD = reshape(cD,S(2,1),S(2,2));
獲取結果
2. 對上面過程中獲取的圖像進行邊沿豎直方向檢測，再利用形態學的開閉運算擴大每個豎直方向比較豐富的區域。最后對不符合區域進行篩選。部分代碼：
I2=edge(cV,'sobel',thresh,'vertical');%根據所指定的敏感度閾值thresh，在所指定的方向direction上， a1=imclearborder(I2,8); %8連通 抑制和圖像邊界相連的亮對象 se=strel('rectangle',[10,20]);%[10,20] I4=imclose(a1,se); st=ones(1,8); %選取的結構元素 bg1=imclose(I4,st); %閉運算 bg3=imopen(bg1,st); %開運算 bg2=imopen(bg3,[1 1 1 1]'); I5=bwareaopen(bg2,500);%移除面積小於2000的圖案 I5=imclearborder(I5,4); %8連通 抑制和圖像邊界相連的亮對象 figure,imshow(I5);title('從對象中移除小對象');
獲取的篩選結果：
我們接下來目的就是從這些待選區域中挑選出車牌區域。
3 這里我們就要利用一些關於車牌的先驗知識。2007 年實施的車牌標准規定，車前車牌長440mm，寬140mm。其比例為440 /140 ≈3.15 。根據圖像像素的大小，這里選取篩選條件為寬在70到250之間，高在15到70之間，同時寬高比例應大於0.45，就可以比較准確的得到車牌的大致位置。當然，這里寬高值也是根據你的圖像大小進行設置的，大小不一樣，值略有區別。
%利用長寬比進行區域篩選 [L,num] = bwlabel(I5,8);%標注二進制圖像中已連接的部分,c3是形態學處理后的圖像 Feastats =regionprops(L,'basic');%計算圖像區域的特征尺寸 Area=[Feastats.Area];%區域面積 BoundingBox=[Feastats.BoundingBox];%[x y width height]車牌的框架大小 RGB = label2rgb(L,'spring','k','shuffle'); %標志圖像向RGB圖像轉換 lx=1;%統計寬和高滿足要求的可能的車牌區域個數 Getok=zeros(1,10);%統計滿足要求個數 for l=1:num %num是彩色標記區域個數 width=BoundingBox((l-1)*4+3); hight=BoundingBox((l-1)*4+4); rato=width/hight;%計算車牌長寬比
%利用已知的寬高和車牌大致位置進行確定。 if(width>70 & width<250 & hight>15 & hight<70 &(rato>3&rato<8)&((width*hight)>Area(l)/2))%width>50 & width<1500 & hight>15 & hight<600 Getok(lx)=l; lx=lx+1; end end startrow=1;startcol=1; [original_hihgt original_width]=size(cA);
當然，這個只是初步確定，經常出現的結果是好幾個待選區域都滿足要求。通過觀察它的直方圖發現車牌區域的直方圖多波峰波谷，變化大，而一般的區域變化較不明顯。因此根據它的方差，波峰波谷值數量來確定車牌區域。實驗結果表明效果還是挺不錯的。
for order_num=1:lx-1 %利用垂直投影計算峰值個數來確定區域 area_num=Getok(order_num); startcol=round(BoundingBox((area_num-1)*4+1)-2);%開始列 startrow=round(BoundingBox((area_num-1)*4+2)-2);%開始行 width=BoundingBox((area_num-1)*4+3)+2;%車牌寬 hight=BoundingBox((area_num-1)*4+4)+2;%車牌高 uncertaincy_area=cA(startrow:startrow+hight,startcol:startcol+width-1); %獲取可能車牌區域 image_binary=binaryzation(uncertaincy_area);%圖像二值化 histcol_unsure=sum(uncertaincy_area);%計算垂直投影 histcol_unsure=smooth(histcol_unsure)';%平滑濾波 histcol_unsure=smooth(histcol_unsure)';%平滑濾波 average_vertical=mean(histcol_unsure); figure,subplot(2,1,1),bar(histcol_unsure); subplot(2,1,2),imshow(mat2gray(uncertaincy_area)); [data_1 data_2]=size(histcol_unsure); peak_number=0; %判斷峰值個數 for j=2:data_2-1%判斷峰值個數 if (histcol_unsure(j)>histcol_unsure(j-1))&(histcol_unsure(j)>histcol_unsure(j+1)) peak_number=peak_number+1; end end valley_number=0; %判斷波谷個數 for j=2:data_2-1 if (histcol_unsure(j)<histcol_unsure(j-1))&(histcol_unsure(j)<histcol_unsure(j+1)) &(histcol_unsure(j)<average_vertical) %波谷值比平均值小 valley_number=valley_number+1; end end %peak_number<=15 if peak_number>=7 & peak_number<=18 &valley_number>=4 & (startcol+width/2)>=original_width/6 &(startcol+width/2)<=5*original_width/6.... &(startrow+hight/2)>=original_hihgt/6 & (startrow+hight/2)<=original_hihgt*5/6 %進一步確認可能區域 select_unsure_area(count)=area_num; standard_deviation(count)=std2(histcol_unsure);%計算標准差 count=count+1; end end correct_num_area=0; max_standard_deviation=0; if(count<=2) %僅有一個區域 correct_num_area=select_unsure_area(count-1); else for num=1:count-1 if(standard_deviation(num)>max_standard_deviation) max_standard_deviation=standard_deviation(num); correct_num_area=select_unsure_area(num); end end end
獲取區域：
定位大概就這么多。這里說明一下，上面一些參數和你的圖片規格有關系，不是你隨便拿來一張就可以識別的，要根據你的實際進行調整。大概就這么多，歡迎交流，轉載請注明出處，謝謝。