【车牌识别】基于matlab RGB车牌识别【含Matlab源码 1108期】

本文主要是介绍【车牌识别】基于matlab RGB车牌识别【含Matlab源码 1108期】，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

## 一、简介 RGB(red,green,blue)颜色空间最常用的用途就是显示器系统（计算机、电视机等都是采用RGB颜色空间来进行图像显示）。一般来说，电脑，电视机等是利用三个电子枪分别发射R分量，G分量，B分量的电子束，以此来激发屏幕上的RGB三种颜色的荧光粉，从而发出不同颜色、不同亮度的像素、进而组成了一幅图像；很明显，RGB颜色空间利用了物理学中的三原色叠加从而组成产生各种不同颜色的原理。在RGB颜色空间中，R、G、B三个分量的属性是独立的。也即是说，RGB颜色可以表示为（Red, Green, Blue)。其中，各个分量的数值越小，亮度越低。数值越大，亮度越高；如：（0,0,0）表示黑色，（255，255,255）表示白色； RGB颜色空间表示颜色的格式有RGB565,RGB555,RGB24,RGB32等； 其中，RGB565是使用16位表示一个像素：5位表示R，6位表示G，5位表示B； RGB555是另一种16位表示一个像素的方法：分别用5位来表示RGB分量；剩余一位不用； RGB24是使用24位表示一个像素：分别用8位表示RGB各个分量；这种方式最为常见； RGB32是使用32位来表示一个像素：分别用8位表示RGB各个分量；剩余8位为alpha通道，也就是用来表示图像的“透明度”。注意：在某些系统中，剩余的8位并没有使用； RGB色彩空间称为与设备相关的色彩空间,因为不同的扫描仪扫描同一幅图像，会得到不同色彩的图像数据；不同型号的显示器显示同一幅图像，也会有不同 的色彩显示结果。显示器和扫描仪使用的RGB空间与CIE 1931 RGB真实三原色表色系统空间是不同的，后者 是与设备无关的颜色空间。 ## 二、源代码 ```c %function carreco clc; clear all; %========================================================== %说明： % % %=========================================================== % ==============测定算法执行的时间，开始计时================= tic %=====================读入图片================================ [fn,pn,fi]=uigetfile('*.jpg','选择图片'); I=imread([pn fn]);figure,imshow(I);title('原始图像');%显示原始图像 chepailujing=[pn fn] I_bai=I; [PY2,PY1,PX2,PX1]=caitu_fenge(I); % I=rgb2hsv(I); % [PY2,PY1,PX2,PX1]=caitu_tiqu(I,I_bai);%用HSI模型识别蓝色，用rgb模型识别白色 %================分割车牌区域================================= %===============车牌区域根据面积二次修正====================== [PY2,PY1,PX2,PX1,threshold]=SEC_xiuzheng(PY2,PY1,PX2,PX1); %==============更新图片============================= Plate=I_bai(PY1:PY2,PX1:PX2,:);%使用caitu_tiqu %==============考虑用腐蚀解决蓝色车问题============= bw=Plate;figure,imshow(bw);title('车牌图像');%hsv彩图提取图像 %==============这里要根据图像的倾斜度进行选择这里选择的图片20090425686.jpg bw=rgb2gray(bw);figure,imshow(bw);title('灰度图像'); %================倾斜校正====================== qingxiejiao=rando_bianhuan(bw) bw=imrotate(bw,qingxiejiao,'bilinear','crop');figure,imshow(bw);title('倾斜校正');%取值为负值向右旋转 %============================================== bw=im2bw(bw,graythresh(bw));%figure,imshow(bw); bw=bwmorph(bw,'hbreak',inf);%figure,imshow(bw); bw=bwmorph(bw,'spur',inf);%figure,imshow(bw);title('擦除之前'); bw=bwmorph(bw,'open',5);%figure,imshow(bw);title('闭合运算'); bw = bwareaopen(bw, threshold);figure,imshow(bw);title('擦除'); %==================加入进度条================================ % h=waitbar(0,'程序运行中，请稍等......') % for i=1:10000 % waitbar(i/5000,h) % end % close(h); %wavplay(wavread('程序运行中.wav'),22000); %========================================================== bw=~bw;figure,imshow(bw);title('擦除反色'); %=============对图像进一步裁剪，保证边框贴近字体=========== bw=touying(bw);figure;imshow(bw);title('Y方向处理'); bw=~bw; bw = bwareaopen(bw, threshold); bw=~bw;%figure,imshow(bw);title('二次擦除'); [y,x]=size(bw);%对长宽重新赋值 %=================文字分割================================= fenge=shuzifenge(bw,qingxiejiao) [m,k]=size(fenge); %=================显示分割图像结果========================= figure; for s=1:2:k-1 subplot(1,k/2,(s+1)/2);imshow(bw( 1:y,fenge(s):fenge(s+1))); end %================ 给七张图片定位===============桂AV6388 han_zi =bw( 1:y,fenge(1):fenge(2)); zi_mu =bw( 1:y,fenge(3):fenge(4)); zm_sz_1 =bw( 1:y,fenge(5):fenge(6)); zm_sz_2 =bw( 1:y,fenge(7):fenge(8)); shuzi_1 =bw( 1:y,fenge(9):fenge(10)); shuzi_2 =bw( 1:y,fenge(11):fenge(12)); shuzi_3 =bw( 1:y,fenge(13):fenge(14)); %==========================识别==================================== %======================把修正数据读入============================== xiuzhenghanzi = imresize(han_zi, [110 55],'bilinear'); xiuzhengzimu = imresize(zi_mu, [110 55],'bilinear'); xiuzhengzm_sz_1= imresize(zm_sz_1,[110 55],'bilinear'); xiuzhengzm_sz_2 = imresize(zm_sz_2,[110 55],'bilinear'); xiuzhengshuzi_1 = imresize(shuzi_1,[110 55],'bilinear'); xiuzhengshuzi_2 = imresize(shuzi_2,[110 55],'bilinear'); xiuzhengshuzi_3 = imresize(shuzi_3,[110 55],'bilinear'); %============ 把0-9 , A-Z以及省份简称的数据存储方便访问==================== function fenge = shuzifenge(imfenge,qingxiejiao) [y,x]=size(imfenge); %===============用函数设定分割阈值======================== SS=x*y if SS<=20000 shedingyuzhi=4; elseif SS>20000&&SS<=30000 shedingyuzhi=4; elseif SS>30000&&SS<=50000 shedingyuzhi=4; elseif SS>50000&&SS<=80000 shedingyuzhi=4; else shedingyuzhi=4; end ganrao=SS/100; %========================================================= %定义数组histogram存储垂直方向的黑点数 histogram=sum(~imfenge); %=================文字分割============================= k=1; for h=1:x-1 if ((histogram(1,h)<=shedingyuzhi)&&(histogram(1,h+1)>shedingyuzhi))||((h==1)&&histogram(1,h)>shedingyuzhi) fenge(1,k)=h; k=k+1; elseif ((histogram(1,h)>shedingyuzhi)&&(histogram(1,h+1)<=shedingyuzhi))||((h==x-1)&&histogram(1,h)>shedingyuzhi) fenge(1,k)=h+1; k=k+1; end end k=k-1;%去掉多产生的一个K值 if k<10 msgbox('提取出错','警告'); wavplay(wavread('提取出错.wav'),22000); pause; end %============================================== if (sum(histogram(1,fenge(1,1):fenge(1,2)))<ganrao)||((fenge(1,2)-fenge(1,1))<(fenge(1,4)-fenge(1,3))/2) for i=3:k fenge(1,i-2)=fenge(1,i); end end [m n]=size(fenge); if n<14 msgbox('提取出错','警告'); wavplay(wavread('提取出错.wav'),22000); pause; end fenge=fenge(1,1:14); ``` ## 三、运行结果         ## 四、备注 版本：2014a

这篇关于【车牌识别】基于matlab RGB车牌识别【含Matlab源码 1108期】的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！