數字圖像處理技術大作業報告《車牌圖像字符分割》

目錄1課題任務及要求……………………31.1任務……………………………31.2要求……………………………31.3任務……………………………32第I類圖片處理……………………42.1第一種方法…………………42.2第二種方法…………………52.3關鍵代碼………………………73第II類圖片處理……………………93.1第一種方法…………………93.2第二種方法………………103.3第三種方法………………113.3關鍵代碼……………………124第III類圖片處理…………………164.1第一種方法………………164.2關鍵代碼…………………175心得體會………………19課題任務及要求1.1任務使用MATLAB從提供的車牌圖像中完成至少10幅圖像的車牌字符分割1.2要求成績為中者至少完成II類文件夾中3幅圖像的分割；成績為良者至少完成II類文件夾中4幅圖像的分割；成績為優者除了完成II類文件夾中4幅圖像的分割外，還需完成III類文件夾中1幅圖像的分割；1.3評價優：各字符完整，字符彼此及字符與其它分割物無粘連，車牌區域除字符外其它分割物少或者無。良：各字符完整，字符間有少許粘連，但不影響辨識。中：字符不太完整，或者車牌區域有較多非字符分割物，或者字符粘連較多。差：字符不完整或缺字符，字符粘連較多，無法完整辨識車牌。第I類圖片處理2.1第一種方法2.1.1處理步驟A、讀入原始圖像B、預處理i、灰度化ii、求閾值iii、二值化C、求垂直投影D、把車牌的邊緣噪聲背景變為黑色E、去除左右兩邊的噪聲F、背景處理G、去除孤立噪聲H、字符分割I、運行顯示分割結果2.1.2分割效果截圖A、魯JD9309號車牌如圖1所示。圖1魯JD9309號車牌分割結果B、黑G77777號車牌如圖2所示。圖2黑G77777號車牌分割結果C、魯ENB911號車牌如圖3所示。圖3黑ENB911號車牌分割結果2.2第二種方法2.2.1處理步驟A、讀入原始圖像B、預處理i、邊緣檢測（Sobel算子）ii、膨脹化iii、旋轉矯正iv、灰度化v、二值化vi、去除孤立噪聲C、水平和垂直投影（去除車牌以外的區域）D、去掉上下邊框和柳釘E、去除左右邊框（投影法）F、去除字符左右背景（投影法）G、分割字符（垂直投影法）H、運行顯示分割結果2.2.2分割效果截圖A、川A99999號車牌如圖4所示。圖4川A99999號車牌分割結果B、川R87979號車牌如圖5所示。圖5川R87979號車牌分割結果2.3關鍵代碼2.3.1第一種方法%對車牌進行再處理，把邊緣噪聲背景變為黑色，便于下一步的分割以及識別forx=1:m%對圖片從上往下進行掃描count=0;forz=1:n-1ifbw(x,z)*bw(x,z+1)==0ifbw(x,z)==1||bw(x,z+1)==1count=count+1;endendendifcount<11%跳變次數小于11次（跳變就是從0到1或者從1到0）bw(x,1:n)=0;end;end……%字符分割X=[];%用來存放水平分割線的橫坐標flag=0;forj=1:size(bw,2)sum_y=sum(bw(:,j));iflogical(sum_y)~=flag%列和有變化時，記錄下此列X=[Xj];flag=logical(sum_y);endendfigureforn=1:7char=bw(:,X(2*n-1):X(2*n)-1);%進行粗分割fori=1:size(char,1)%這兩個for循環對分割字符的上下進行裁剪ifsum(char(i,:))~=0top=i;breakendendfori=1:size(char,1)ifsum(char(size(char,1)-i,:))~=0bottom=size(char,1)-i;breakendendchar=char(top:bottom,:);subplot(2,4,n);imshow(char);end2.3.2第二種方法……%分割字符（垂直投影法）[height,Twidth]=size(I6);Cwidth=Twidth*47/409;%單一字符間距Cspace=Twidth*12/409;%字符間距SecThspace=Twidth*34/409;%第二個和第三個字符間距projection=sum(I6,1);figure;fori=1:7ifi==1k=(floor(Twidth-Cwidth));%切換到最后一個字符起始列k=k-1;else%自右向左逐列掃描k=(floor(k-Cwidth-Cspace));%切換字符的起始列end%對特殊情況置一處理ifk<=0k=1;end%取當前字符fprintf('第%d字符起始列的大概位置:%d\n',i,k);fprintf('列投影值:%d\n',projection(1,k));character=I6(:,k:ceil(k+Cwidth)+1);subplot(178-i);imshow(character);%第二個和第三個字符之間的空格特殊處理ifi==5k=k-SecThspace+Cspace;endend第II類圖片處理3.1第一種方法3.1.1處理步驟A、讀入原始圖像B、對圖像亮度調節C、圖像預處理i、灰度化ii、求閾值iii、二值化iv、求垂直投影D、圖像再處理i、把邊緣噪聲變為黑色ii、對圖像左右兩邊消除噪聲iii、背景處理E、字符分割F、運行顯示分割結果3.1.2分割效果截圖A、蒙A16777號車牌如圖6所示。圖6蒙A16777號車牌分割結果B、遼B57368號車牌如圖7所示。圖7遼B57368號車牌分割結果C、鄂K9M555號車牌如圖8所示。圖8鄂K9M555號車牌分割結果3.2第二種方法3.2.1處理步驟A、讀入原始圖像B、預處理i、將RGB圖像轉化為灰度圖像C、去除邊框干擾i、去除左側邊框干擾ii、去除右側邊框干擾D、二值化E、形態學濾波處理F、字符分割G、運行顯示分割結果3.2.2分割效果截圖A、魯A88888號車牌如圖9所示。圖9魯A88888號車牌分割結果3.3第三種方法3.3.1處理步驟A、讀入原始圖像B、圖像預處理i、將RGB圖像轉化為灰度圖像ii、二值化iii、形態學濾波處理C、去除圖像頂端和低端的不感興趣區域D、分割字符按行累積量E、分割字符F、運行顯示分割結果3.3.2分割效果截圖A、晉F21696號車牌如圖10所示。圖10晉F21696號車牌分割結果3.4關鍵代碼3.3.1第一種方法%對車牌進行再處理，把邊緣噪聲背景變為黑色，便于下一步的分割以及識別forx=1:m%對圖片從上往下進行掃描count=0;forz=1:n-1ifbw(x,z)*bw(x,z+1)==0ifbw(x,z)==1||bw(x,z+1)==1count=count+1;endendendifcount<11%跳變次數小于11次（跳變就是從0到1或者從1到0）bw(x,1:n)=0;end;end……%字符分割X=[];%用來存放水平分割線的橫坐標flag=0;forj=1:size(bw,2)sum_y=sum(bw(:,j));iflogical(sum_y)~=flag%列和有變化時，記錄下此列X=[Xj];flag=logical(sum_y);endendfigureforn=1:7char=bw(:,X(2*n-1):X(2*n)-1);%進行粗分割fori=1:size(char,1)%這兩個for循環對分割字符的上下進行裁剪ifsum(char(i,:))~=0top=i;breakendendfori=1:size(char,1)ifsum(char(size(char,1)-i,:))~=0bottom=size(char,1)-i;breakendendchar=char(top:bottom,:);subplot(2,4,n);imshow(char);end3.3.2第二種方法%去除邊框干擾[r,s]=size(CuDingWeiErZhi);%size函數的行數返回第一個輸出變量，將數組的列返回到第二個輸出變量YuJingDingWei=double(CuDingWeiErZhi);%;CuDingWeiErZhiX2=zeros(1,s);%產生1行s列全零數組fori=1:rforj=1:sif(YuJingDingWei(i,j)==1)X2(1,j)=X2(1,j)+1;%白色像素點統計endendend[temp,MaxX]=max(X2);%去除左側邊框干擾[g,h]=size(YuJingDingWei);ZuoKuanDu=0;YouKuanDu=0;KuanDuYuZhi=5;whilesum(YuJingDingWei(:,ZuoKuanDu+1))~=0ZuoKuanDu=ZuoKuanDu+1;endifZuoKuanDu<KuanDuYuZhi%認為時左側干擾YuJingDingWei(:,[1:ZuoKuanDu])=0;%給圖像d中1到KuanDu寬度間的點賦值為零YuJingDingWei=QieGe(YuJingDingWei);%值為零的點會被切割endsubplot(2,2,3),imshow(YuJingDingWei),title('去除左側邊框的二值車牌圖像')%去除右邊邊框干擾[e,f]=size(YuJingDingWei);%上一步裁剪了一次，所以需要再次獲取圖像大小d=f;whilesum(YuJingDingWei(:,d-1))~=0YouKuanDu=YouKuanDu+1;d=d-1;endifYouKuanDu<KuanDuYuZhi%認為時右側干擾YuJingDingWei(:,[(f-YouKuanDu):f])=0;%YuJingDingWei=QieGe(YuJingDingWei);%值為零的點會被切割endsubplot(2,2,4),imshow(YuJingDingWei),title('車牌二值圖像')3.3.3第三種方法%去除圖像頂端和底端的不感興趣區域Y1=zeros(y1,1);fori=1:y1forj=1:x1if(I3(i,j,1)==1)Y1(i,1)=Y1(i,1)+1;endendendPy1=1;Py0=1;while((Y1(Py0,1)<20)&&(Py0<y1))Py0=Py0+1;endPy1=Py0;while((Y1(Py1,1)>=20)&&(Py1<y1))Py1=Py1+1;endI2=I2(Py0:Py1,:,:);subplot(3,2,6);imshow(I2),title('目標車牌區域');%分割字符按行積累量X1=zeros(1,x1);forj=1:x1fori=1:y1if(I3(i,j,1)==1)X1(1,j)=X1(1,j)+1;endendendfigure(5);plot(0:x1-1,X1),title('列方向像素點灰度值累計和'),xlabel('列值'),ylabel('累積像素量');Px0=1;Px1=1;第III類圖片處理4.1第一種方法4.1.1處理步驟A、讀入原始圖像B、圖像預處理i、轉化為灰度圖像ii、Canny算子邊緣檢測iii、腐蝕圖像iv、聚類、填充v、形態學濾波處理C、車牌定位i、車牌粗定位（找到行列像素累計和最大，然后同時自增和自減）1）、確定車牌行的起始位置2）、確定車牌列的起始位置ii、車牌精定位（分割并裁剪車牌字符串部分）1）、對粗定位得到的車牌進行預處理2）、去除邊框干擾（包括左邊框和右邊框）3）、最后得到形態學濾波后的車牌二值圖像D、車牌字符分割E、運行顯示分割結果4.1.2分割效果截圖A、粵A3Y347號車牌如圖11所示。圖11粵A3Y347號車牌分割結果B、云AU7526號車牌如圖12所示。圖12云AU7526號車牌分割結果4.2關鍵代碼%去除邊框干擾[r,s]=size(CuDingWeiErZhi);%size函數的行數返回第一個輸出變量，將數組的列返回到第二個輸出變量YuJingDingWei=double(CuDingWeiErZhi);%;CuDingWeiErZhiX2=zeros(1,s);%產生1行s列全零數組fori=1:rforj=1:sif(YuJingDingWei(i,j)==1)X2(1,j)=X2(1,j)+1;%白色像素點統計endendend[temp,MaxX]=max(X2);%去除左側邊框干擾[g,h]=size(YuJingDingWei);ZuoKuanDu=0;YouKuanDu=0;KuanDuYuZhi=5;whilesum(YuJingDingWei(:,ZuoKuanDu+1))~=0ZuoKuanDu=ZuoKuanDu+1;endifZuoKuanDu<KuanDuYuZhi%認為時左側干擾YuJingDingWei(:,[1:ZuoKuanDu])=0;%給圖像d中1到KuanDu寬度間的點賦值為零YuJingDingWei=QieGe(YuJingDingWei);%值為零的點會被切割endsubplot(2,2,3),imshow(YuJingDingWei),title('去除左側邊框的二值車牌圖像')%去除右邊邊框干擾[e,f]=size(YuJingDingWei);%上一步裁剪了一次，所以需要再次獲取圖像大小d=f;whilesum(YuJingDingWei(