如果不考慮做單片機或者硬體方面的題目,那麼可以做有關數字圖像處理方向的。車牌識别是一個比較老的題目,而且很多關于圖像處理的相關教材或者實驗書上都會有車牌識别的工程案例。那麼如果想要繼續做車牌識别的話,可以從改進原有識别率不高的字元識别算法入手,也可以将原有常用的車牌識别系統做一個GUI界面,加上第一次識别時間記錄和第二次識别時間記錄作為模拟車輛的入庫和出庫時間,以時間內插補點可以作為車輛的停車費用的計算依據。經過改良優化後的車牌識别系統就又可以作為全新的畢業設計題目了。
在入手這個題目以前可以先學一學MATLAB中GUI相關的知識,可以以圖三作為GUI設計參考,加上車牌識别系統,加上時間處理子產品就基本完成了整個設計。是以主要的部分還是車牌識别系統,有能力的同學可以選擇一個最佳的車牌識别方案,本系統所采用的識别字元方案使用的是模闆對比,是一個比較傳統的做法,實作起來簡單是他的優點,但是識别的效率比較低,可以滿足基本識别要求了。
圖一圖二所示為車牌字元的模闆作為比對用。
![](https://img.laitimes.com/img/_0nNw4CM6IyYiwiM6ICdiwiI2EzX4xSZz91ZsAzNfRHLGZkRGZkRfJ3bs92YsAjMfVmepNHLwkFVNJzZ61UeVpHW1x2RlBnVyQWQClGVF5UMR9Fd4VGdsATNfd3bkFGazxycykFaKdkYzZUbapXNXlleSdVY2pESa9VZwlHdssmch1mclRXY39CXldWYtlWPzNXZj9mcw1ycz9WL49zZuBnL1kTZ0UGOlZjMhN2M2gDN4gzMhRDOzcjMhVWM3YjNzY2Lc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
微信:18840806605
圖一:車牌漢字字元模闆
微信:18840806605
圖二:車牌英文及數字字元模闆
圖三所示為車輛入庫的界面,會呈現取得的帶車輛車牌的車牌,經過車牌定位切割後獲得車牌圖像,經車牌字元識别後獲得車輛号牌字元,當識别成功後顯示此時的入庫時間。
微信:18840806605
圖三:系統車輛入庫界面
那麼當系統無法擷取的車牌資訊時,會提示檢測車牌失敗的資訊,且無法獲得入庫時間資訊。
微信:18840806605
圖五:車輛車牌過遠識别失敗
微信:18840806605
圖六:車輛車牌識别成功
字元識别算法允許車牌在一定的傾斜角範圍内都能識别成功。
微信:18840806605
圖七:車牌在一定傾角範圍内識别也可以成功
出庫時,首先要求是車輛為庫内車輛,若車輛不是庫内車輛則無法出庫,也不符合車輛出入庫系統的基本邏輯。當車輛車牌識别成功且車輛為庫内車輛時,則顯示出庫時間,并計算車輛出庫時間與車輛入庫時間的時間差以得到車輛在庫内的停車費用。
微信:18840806605
圖七:可自定義計費規則
那麼當車輛沒有入庫資訊時,若要出庫則彈出如圖八所示對話框。
圖八:車輛未在庫内提示
車牌定位代碼:
function platerect = platelocation(I)
%carparkenter第113行調用
%carparkout第105行調用
%這個函數 定位車牌,
%I 原始圖像
%platerect 傳回的車牌區域
platerect = [];
grayI=rgb2gray(I); %灰階圖像
[height,width] = size(grayI);%新的圖像尺寸
% SobelI = double(grayI);
hx = [-1 0 1;-2 0 2;-1 0 1];
gradx=filter2(hx,grayI,'same');
%hx為濾波器.grayI為要濾波的資料,這裡将hx放在grayI上,一個一個移動進行模闆濾波,'sama'表示從左上角開始;
gradx=abs(gradx); %計算圖像的sobel水準梯度
%abs()計算的是數值的絕對值和複數的幅值
% figure
% imshow(gradx,[]);
% title('圖像的sobel水準梯度');
hy = hx';
grady=filter2(hy,grayI,'same');
grady=abs(grady); %計算圖像的sobel垂直梯度
% figure
% imshow(grady,[]);
% title('圖像的sobel垂直梯度');
grad = gradx + 0.3*grady;
grad = uint8(mat2gray(grad)*255);
%函數mat2gray()可以把任意任意類型圖像矩陣轉換為取值範圍為[0,1]的歸一化double類數組
%uint8的範圍是0-255
% figure
% imshow(grad)
% title('綜合邊緣檢測');
level =graythresh(grad);
edgeI = im2bw(grad,level);
%函數graythresh使用最大類間方差法找到圖檔的一個合适的門檻值
%再利用im2bw(将灰階圖像轉換為二值圖像)函數,将找到的門檻值輸入,就可以把原圖變為一個二值圖
% figure
% imshow(edgeI)
% title('邊緣二值化');
% I2=edge(I1,'sobel',0.1,'vertical');%水準方向sobel濾波
se=[1;1;1];
bwfilterIedge=imerode(edgeI,se); %腐蝕,删除雜點砸線
%imerode函數其中edgeI是待處理的圖像,se是結構元素對象
se=strel('rectangle',[4,18]);
%建立一個寬4長18的矩形
bwfilterIedge=imclose(edgeI,se); %閉操作,其實就是先膨脹再腐蝕,使車牌區域連接配接起來
% figure
% imshow(bwfilterIedge)
% title('邊緣檢測形态學處理')
%顔色檢測
[h,s,v] = rgb2hsv(I);
%H參數表示色彩資訊,即所處的光譜顔色的位置。
%該參數用一角度量來表示,紅、綠、藍分别相隔120度。互補色分别相差180度。
%純度S為一比例值,範圍從0到1,它表示成所選顔色的純度和該顔色最大的純度之間的比率。
%S=0時,隻有灰階。 V表示色彩的明亮程度,範圍從0到1。有一點要注意:它和光強度之間并沒有直接的聯系
h = h.*180;
blueI = zeros(height,width);%白色檢測結果
%生成0矩陣
for i = 1:height
for j = 1:width
if (h(i,j) >= 100 && h(i,j) <= 124 && s(i,j) >= 0.25 && v(i,j) >= 0.3 ) %藍色
blueI(i,j) = 1;
end
end
end
blueI = logical(blueI);
%logical(x)将把x中的非0的值 變成1,把所有的數值0值變成邏輯0 。
% figure
% imshow(blueI)
% title('藍色檢測')
se=strel('rectangle',[10,15]);
bwfilterIcolor=imclose(blueI,se); %閉操作,其實就是先膨脹再腐蝕,使車牌區域連接配接起來
% figure
% imshow(bwfilterIcolor)
% title('藍色檢測形态學處理')
%邊緣 &&顔色結合
bwfilterI = bwfilterIedge & bwfilterIcolor;
% figure
% imshow(bwfilterI)
% title('邊緣&&顔色檢測結合')
[L,num] = bwlabel(bwfilterI,8);%計算連通區域
% [L,num] = bwlabel(BW,n)這裡num傳回的就是BW中連通區域的個數,n為4連通或8連通,num為連通區域個數
STATS = regionprops(L,'BoundingBox','Centroid','Orientation');%取得每個連通區域的特性
%regionprops即用來度量圖像區域屬性的函數
fitstas = [];%适合的檢測目标
for i=1:num
sta = STATS(i);
if (sta.Orientation < -30 || sta.Orientation > 30)%判斷角度不能太大
%'Orientation':是标量,與區域具有相同标準二階中心矩的橢圓的長軸與x軸的交角(度)。
%本屬性隻支援二維标注矩陣。
continue
end
% disp(sta.MajorAxisLength)
% disp(sta.MinorAxisLength)
if checkplatesize(sta.BoundingBox(4),sta.BoundingBox(3)) == 1
%調用checkplatesize函數
%BoundingBox:是1行ndims(L)*2列的向量,即包含相應區域的最小矩形。
%BoundingBox 形式為 [ul_corner, width],
%這裡 ul_corner 以 [x y z ...] 的坐标形式給出邊界盒子的左上角、
%boxwidth 以 [x_width y_width ...] 形式指出邊界盒子沿着每個維數方向的長度
fitstas = [fitstas;sta] ;
end
end
% figure
% imshow(I)
% for i=1:length(fitstas)
% sta = fitstas(i);
% rectangle('Position',sta.BoundingBox,'EdgeColor','r','LineWidth',2);%檢測的矩形框,藍色
% end
% title('可疑車牌檢測')
%選擇一個最合适的出來
beststa = selectbest(fitstas,bwfilterI);%選出的最佳
%調用selectbest函數
bdetect = 0;
% figure
% imshow(I)
if isempty(beststa)
bdetect = 0;
% title('沒檢測出車牌')
else
bdetect = 1;
% rectangle('Position',beststa.BoundingBox,'EdgeColor','r','LineWidth',2);%檢測的矩形框,藍色
% title('最終車牌檢測')
end
if bdetect == 1
platerect = beststa.BoundingBox;%車牌區域
% plateI = imcrop(I,beststa.BoundingBox);%截取出來
% % [pathstr, name, ext] = fileparts(strfullname);
% % imwrite(plateI,[name,'.bmp'])
% figure
% imshow(plateI)
% title('最終剪切後的車牌')
end
字元切割代碼:
function [charimglist,bwplateimg] = charcut(plateI)
%carparkerenter第127行調用
%carparkout第121行調用
%這個函數對車牌,進行分割
%plateI 是傳入的車牌圖檔
%charimglist 存放着分割出的7個字元
%bwplateimg 車牌區域二值化等預處理後的圖
grayplateI = rgb2gray(plateI);%轉為灰階圖像
grayplateI= imadjust(grayplateI,stretchlim(grayplateI));
%灰階變換,圖像增強對比度
% figure
% imshow(grayplateI)
% title('車牌灰階圖像')
th = graythresh(grayplateI);
%graythresh這個函數中,是使用最大類間方差法找到圖檔的一個合适的門檻值
d = im2bw(grayplateI,th);
%利用im2bw(将灰階圖像轉換為二值圖像)函數,将找到的門檻值輸入,就可以把原圖變為一個二值圖
minarea = round(size(d,1)*size(d,2)*0.001);
%r=size(A,1)該語句傳回的時矩陣A的行數, c=size(A,2) 該語句傳回的時矩陣A的列數。
%round函數是一個四舍五入的函數
d=bwareaopen(d,minarea); %删除面積過小的區域
%删除二值圖像d中面積小于minarea的對象,預設情況下使用8鄰域
%調用qiege.m
d = qiege(d);
% figure
% imshow(d)
% title('車牌二值圖像')
theta=60:120;
% bw 表示需要變換的圖像,theta 表示變換的角度
% 傳回值 r 表示的列中包含了對應于 theta中每一個角度的 Radon 變換,(每個角度下每個線曆經的白點數)
% 向量 xp 包含相應的沿 x軸的坐标
[r,xp]=radon(d,theta);
[value,index] = max(r(:));%找出白點最多的
[y,x]=ind2sub(size(r),index); %這個對應的偏移和角度
%ind2sub把數組或者矩陣的線性索引轉化為相應的下标
x = theta(1)+x-1;
d=imrotate(d,90-x); % 旋轉圖像
% figure
% imshow(d)
% title('旋轉後的車牌二值圖像')
% 去除上下邊框
% STEP 1 黑白跳變小于門檻值則被視為背景
% 上面 2/5
[m,n] = size(d);
y1=13; % y1: 跳變門檻值
for i=1:round(m/5*2)
count=0;jump=0;temp=0;
for j=1:n
%這一次的點是temp,上一次的點是jump,然後比較是否跳變了。
if d(i,j)==1
temp=1;
else
temp=0;
end
if temp==jump
count=count;
else
count=count+1; %跳變加1
end
jump=temp; %儲存這一次的值
end
if count<y1 %如果跳變很小,那麼要去除
d(i,:)=0;
end
end
% 下面 2/5
for i=3*round(m/5):m
count=0;jump=0;temp=0;
for j=1:n
%這一次的點是temp,上一次的點是jump,然後比較是否跳變了。
if d(i,j)==1
temp=1;
else
temp=0;
end
if temp==jump
count=count;
else
count=count+1; %跳變加1
end
jump=temp;
end
if count<y1 %如果跳變很小,那麼要去除
d(i,:)=0;
end
end
minarea = round(size(d,1)*size(d,2)*0.001);
d=bwareaopen(d,minarea); %删除面積過小的區域
d = qiege(d);
bwplateimg = d;
% figure
% imshow(d)
% title('去除上下邊界後')
%尋找連通區域
[L,num] = bwlabel(d,8);%計算連通區域
%傳回一個和d大小相同的L矩陣,包含了标記了d中每個連通區域的類别标簽,8連通
STATS = regionprops(L,'BoundingBox');%取得每個連通區域的特性
%存放字元矩形
vecRects = [];
for i=1:num
sta = STATS(i);
height = sta.BoundingBox(4);
%BoundingBox中的四個參數[x,y,width,height]
width = sta.BoundingBox(3);
charAspect= width/height;%寬高比
hratio = height/size(d,1);%和車牌的高度比例
if (charAspect>0.05 && charAspect<0.85 && hratio>0.5)
rect = sta.BoundingBox;
vecRects = [vecRects;rect];%存儲起來
end
end
xs = vecRects(:,1);%每個矩形的左x
[sortxs,sortindex] = sort(xs);%從小到大排序,也就是從左到右吧
%sortx值,sortindex索引
vecRects = vecRects(sortindex,:);%矩形重新排序
vecnum = size(vecRects,1);%矩形個數,n=1行尺寸,n=2列尺寸
specIndex = getspecificindex(vecRects,size(d,2));%尋找城市字元位置
%調用getspecificindex函數
rectSpe = vecRects(specIndex,:);%城市字元位置
chineserect = GetChineseRect(rectSpe);%漢字字元位置
%調用GetChineseRect函數
%重新建構下字元矩形位置
resultvecRects = chineserect;
for i = specIndex:vecnum %從城市字元後面找6個出來
r = vecRects(i,:);
resultvecRects = [resultvecRects;r];%存到resultvecRects内
if size(resultvecRects,1) >= 7 %最多總共7個矩形
break
end
end
% %周遊顯示切割出的每個字元
% figure
% charnum = size(resultvecRects,1);
% for i=1:charnum
% charimg = imcrop(d,resultvecRects(i,:));
% subplot(1,charnum,i);
% imshow(charimg)
% strtitle = sprintf('%d',i);
% title(strtitle)
% end
% set(gcf,'name','字元分割結果')
charnum = size(resultvecRects,1);
charimglist = {};
for i=1:charnum
charimg = imcrop(d,resultvecRects(i,:));
%imcrop是一個函數,在MATLAB中,該函數用于傳回圖像的一個裁剪區域
charimglist = [charimglist,charimg];%字元存到數組内
% strname = sprintf('%d.bmp',i);
% imwrite(charimg,strname)
end
字元識别代碼:
function [platenum] = charrec(charimglist)
%carparkenter第134行調用
%carparkout第128行調用
% charimglist 7個字元圖清單
% platenum 識别的車牌
load ('../train/chinesechar.mat') %漢字識别
load ('../train/char.mat')%字母識别
load ('../train/charnum.mat') %字母數字識别
platenum = '';%車牌号碼
%第一個字
word1 = charimglist{1};
xx = getwordfeature(word1);
%調用getwordfeature()函數
samplenum = size(chinesetraindata,2);%樣本的個數
xx = repmat(xx,[1,samplenum]);%平鋪開samplenum列
err = chinesetraindata-xx;%相減,以便看誤差最小的
tmp = sum(abs(err));
[minvalue,minindex] = min(tmp);%找出誤差最小的那個
index = chinesetrainlabels(minindex);%最小的那個對應的類别
character = chinesecharnames{index};%找出對應的字元
% platenum(1) = character;%存入platenum中
platenum = sprintf('%s%s',platenum,character);
%第二個字
word2 = charimglist{2};
xx = getwordfeature(word2);
samplenum = size(chartraindata,2);%樣本的個數
xx = repmat(xx,[1,samplenum]);%平鋪開samplenum列
err = chartraindata-xx;%相減,以便看誤差最小的
tmp = sum(abs(err));
[minvalue,minindex] = min(tmp);%找出誤差最小的那個
index = chartrainlabels(minindex);%最小的那個對應的類别
character = charnames{index};%找出對應的字元
% platenum(2) = character;%存入platenum中
platenum = sprintf('%s%s',platenum,character);
%34567用字母數字分類器
for i=3:7
word = charimglist{i};
xx = getwordfeature(word);
samplenum = size(charnumtraindata,2);%樣本的個數
xx = repmat(xx,[1,samplenum]);%平鋪開samplenum列
err = charnumtraindata-xx;%相減,以便看誤差最小的
tmp = sum(abs(err));
[minvalue,minindex] = min(tmp);%找出誤差最小的那個
index = charnumtrainlabels(minindex);%最小的那個對應的類别
character = charnumnames{index};%找出對應的字元
% platenum(i) = character;%存入platenum中
platenum = sprintf('%s%s',platenum,character);
end