MAAB大作业

基于M A T L A B识别图片中的文字知识点：图像识别图像处理计算机视觉

实验目的：以MATLAB为工具，识别图片中的文字。

问题描述：

交通是一个十分重要的问题，红绿灯上的摄像头可以辨别车主的身份。现在，我们是否能够用matlab设计一个图像识别的系统，通过车牌号的来识别相应的数字。问题分析及模型建立：

第一步：确定车牌号的区域

对于一张图像

在matlab中，在处理图像元素时用（x,y,z）三坐标的形式表达的灰度集时，其中，x和y是空间坐标，z是f 在坐标（x,y）处的值，就可以表达图像在该坐标轴上的点。再将，将f(x,y)的数值简单地显示为一个矩阵，就可以定量地表达了一幅数值图像。

矩阵中的每个元素称为像素。

所以，如果我们想要截取一段车牌号的图像，我们就可以扫描图像每一个点的像素。然后我们进行恢复处理，算子边缘检测，腐蚀，闭操作，删除小对象得到

我们就可以利用RGB的值找到白色区域的边界，然后我们利用边界，截取我们的原图像就可以得到我们所需要的车牌号的区域了。

第二步：进行文字的分割

在进行分割之前，就需要将我们所获得的车牌号的区域的图像进行进一步的处理，突出我们需要的文字部分。

灰度处理

彩色的图片占用的空间比较大，处理会花费很长的时间，先将图片进行灰度处理二值化

再将图片二值化，将图片的256个灰度级强制减少到只有{0，255}2个灰度级，更加方便了后续的

文字识别识别。

均值滤波

均值滤波是对是对图像进行局部平均, 以平均值来代表该像素点的灰度值。矩形滤波器对这个二维矢量的每一个分量进行独立的平滑处理。获得一张比较干净清晰的图像。

腐蚀和膨胀

腐蚀可以分割独立的图像元素，膨胀用于连接相邻的元素，更加利于图像的分割进行完图像的预处理，就可以开始图像的切割了

首先进行边缘的切割，处理完后的图像为黑底白字。其中黑色为0，白色1为。这样我们就可以从四个边缘进行扫描，若行或者列像素之和0的话，就为背景，这样就可以继续向内推移，直到和不为0的位置为止。这样就进行了边缘的切割。接下来，先进行文字的切割，文字和字母、数字在长度和宽度上有较大的差别，所以需要单独的拿出来。因为号码是平铺过来的，所以我们进行列的扫描。先从最左边进行扫描，若列像素之和不为0的话，则说明有文字，直到和为0的时候停止。但是如果扫描出来的宽度太小的话就说明背景可能有白色区域干扰。这时，应该将刚刚扫描出来的区域置黑，再次进行扫描，截取图像。同理，数字和字母可同样按着上面的方式扫描，截取。

截取后的图像

模板的配对

所有的文字数字和字母都截取下来后，我们需要将所得的图片统一的量化为同样大小的图像方便比对。

统一量化后的图像

完成了这部的操作之后，就需要建立一个小型的模板库。将车牌号常见的文字、十个数字和26个英文字母存储为上面同样大小的二值化图片，并且以对应字符的名称命名。

将所有的模板放在一起，按照一定的顺序排列。然后，我们就可以调用我们已经切割好的图片和模板内部的图片进行相减，寻找差别最小的图片进行匹配，这样就可以识别出车牌号上的字符了。

问题求解：

matlab代码：

主函数

function [d]=main(jpg)

close all

clc

I=imread('Car.jpg');%读入车牌图像Car.jpg

I1=rgb2gray(I);

I2=edge(I1,'roberts',0.15,'both');

se=[1;1;1];

I3=imerode(I2,se);

se=strel('rectangle',[25,25]);

I4=imclose(I3,se);

I5=bwareaopen(I4,2000);

figure(1),imshow(I5);title('从对象中移除小对象');

[y,x,z]=size(I5);%图像以（y,x,z）表达灰度集，x,y为坐标，z为对应位置的

值

myI=double(I5);%转化为双精度,便于确定范围

tic % 测定算法执行的时间，开始计时

Blue_y=zeros(y,1);

for i=1:y

for j=1:x

if(myI(i,j,1)==1)

% 寻找y轴方向的白色区域

Blue_y(i,1)= Blue_y(i,1)+1; % 是蓝色区域的则进行计数

end

end

end

[temp MaxY]=max(Blue_y);%Y方向车牌区域确定 temp(最多点数):所有行中，最多的累积

PY1=MaxY;

while ((Blue_y(PY1,1)>=5)&&(PY1>1))

PY1=PY1-1;

end %Y轴方向的上限

PY2=MaxY;

while ((Blue_y(PY2,1)>=5)&&(PY2

PY2=PY2+1;

end %Y轴方向的的下限

IY=I(PY1:PY2,:,:);

%%%%%% X方向 %%%%%%%%%

Blue_x=zeros(1,x);%进一步确定x方向的车牌区域

for j=1:x

for i=PY1:PY2 %只需要扫描PY1:PY2 的部分，简化程序

if(myI(i,j,1)==1)

Blue_x(1,j)= Blue_x(1,j)+1; end

end

end

PX1=1;

while ((Blue_x(1,PX1)<3)&&(PX1

PX1=PX1+1;

end %确定x轴的右边界

PX2=x;

while ((Blue_x(1,PX2)<3)&&(PX2>PX1))

PX2=PX2-1;

end %确定x轴的左边界

PX1=PX1-1;%对车牌区域的校正

PX2=PX2+1;

dw=I(PY1:PY2-8,PX1:PX2,:); %确定图片的截取区域

t=toc; % 读取程序的运行时间

a=imread('dw.jpg'); %读入已经截取好的图像

A=size(a);

if length(A)==3

b=rgb2gray(a);

else

b=a;

end

figure(8);subplot(3,2,1),imshow(b),title('1.车牌灰度图像') g_max=double(max(max(b)));

g_min=double(min(min(b)));

T=round(g_max-(g_max-g_min)/3); % T 为二值化的阈值

[m,n]=size(b);

d=(double(b)>=T); % d:二值图像

imwrite(d,'2.车牌二值图像.jpg');

figure(8);subplot(3,2,2),imshow(d),title('2.车牌二值图像') figure(8),subplot(3,2,3),imshow(d),title('3.均值滤波前') % 滤波

h=fspecial('average',3); %进行均值滤波

imwrite(d,'4.均值滤波后.jpg');

figure(8),subplot(3,2,4),imshow(d),title('4.均值滤波后') % 某些图像进行操作

% 膨胀或腐蚀

se=eye(2); % eye(n)可返回一个2*2单位矩阵

[m,n]=size(d);%图像为二值图像，x,y为坐标

if bwarea(d)/m/n>=0.365 %计算二值图像中对象的总面积

d=imerode(d,se); %实现图形的腐蚀

elseif bwarea(d)/m/n<=0.235

d=imdilate(d,se);%实现图像的膨胀

end

imwrite(d,'5.膨胀或腐蚀处理后.jpg');

figure(8),subplot(3,2,5),imshow(d),title('5.膨胀或腐蚀处理后')

% 寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割

d=qiege(d); %截掉边界黑色的部分

[m,n]=size(d); %图像已经切割的图像的坐标

figure,subplot(2,1,1),imshow(d),title(n)

k1=1;

k2=1;

s=sum(d);

j=1;

while j~=n

while s(j)==0

j=j+1;

end %扫过的地方全为黑色，则向右移动，直到不是停止

k1=j; %确定截图的左边界

while s(j)~=0 && j<=n-1

j=j+1;

end %继续扫描，扫过的地方不全为黑色，向右移动，直到不是停止 k2=j-1; %确定截图的右边界

if k2-k1>=round(n/6.5)

[val,num]=min(sum(d(:,[k1+5:k2-5])));

d(:,k1+num+5)=0; % k1+num+5列的位置赋值为黑色，分割

end

end

% 再切割

d=qiege(d);

% 切割出 7 个字符

y1=10;y2=0.25;flag=0;word1=[];

while flag==0

[m,n]=size(d);

left=1;wide=0;

while sum(d(:,wide+1))~=0

wide=wide+1;

end %扫过的地方不全为黑色，向右移动，直到不是停止

if wide

d(:,[1:wide])=0; %将此片区域全部转化为黑色，继续进行切割

d=qiege(d);

else

temp=qiege(imcrop(d,[1 1 wide m])); %返回已经切割好的区域

[m,n]=size(temp);

all=sum(sum(temp));

two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:)));

if two_thirds/all>y2

flag=1;word1=temp; % WORD 1

end

d(:,[1:wide])=0;d=qiege(d);

end

end

% 分割出第二个字符

[word2,d]=getword(d);%getword的函数与上面类似，字母、数字和文字在一些细节上需要去区分

% 分割出第三个字符

[word3,d]=getword(d);

% 分割出第四个字符

[word4,d]=getword(d);

% 分割出第五个字符

[word5,d]=getword(d);

% 分割出第六个字符

[word6,d]=getword(d);

% 分割出第七个字符

[word7,d]=getword(d);

subplot(5,7,1),imshow(word1),title('1'); subplot(5,7,2),imshow(word2),title('2'); subplot(5,7,3),imshow(word3),title('3'); subplot(5,7,4),imshow(word4),title('4'); subplot(5,7,5),imshow(word5),title('5'); subplot(5,7,6),imshow(word6),title('6'); subplot(5,7,7),imshow(word7),title('7'); [m,n]=size(word1);

% 将生成的图片归一化大小为 40*20

word1=imresize(word1,[40 20]);

word2=imresize(word2,[40 20]);

word3=imresize(word3,[40 20]);

word4=imresize(word4,[40 20]);

word5=imresize(word5,[40 20]);

word6=imresize(word6,[40 20]);

word7=imresize(word7,[40 20]);

subplot(5,7,15),imshow(word1),title('1'); subplot(5,7,16),imshow(word2),title('2');

subplot(5,7,17),imshow(word3),title('3');

subplot(5,7,18),imshow(word4),title('4');

subplot(5,7,19),imshow(word5),title('5');

subplot(5,7,20),imshow(word6),title('6');

subplot(5,7,21),imshow(word7),title('7');

imwrite(word1,'1.jpg');

imwrite(word2,'2.jpg');

imwrite(word3,'3.jpg');

imwrite(word4,'4.jpg');

imwrite(word5,'5.jpg');

imwrite(word6,'6.jpg');

imwrite(word7,'7.jpg');

liccode=char(['0':'9' 'A':'Z' '苏豫陕鲁晋']); %建立自动识别字符代码表SubBw2=zeros(40,20); %40*20的零矩阵

l=1;

for I=1:7

ii=int2str(I); %int2str整型转换字符串

t=imread([ii,'.jpg']);

SegBw2=imresize(t,[40 20],'nearest'); %改变图片的大小

if l==1 %第一位汉字识别

kmin=37;

kmax=41; %模板中汉字所在的位置

elseif l==2 %第二位 A~Z 字母识别

kmin=11;

kmax=36; %模板中数字所在的位置

else l>=3 %第三位以后是字母或数字识别

kmin=1;

kmax=36; %模板中字母所在的位置

end

for k2=kmin:kmax

fname=strcat('字符模板\',liccode(k2),'.jpg');

SamBw2=imread(fname);

Error(k2)=sum(sum(abs(SegBw2-SamBw2)));

%将现有字符逐个与模板字符相减，认为相减误差最小的现有字符与该模板字符匹配

end

Error1=Error(kmin:kmax);

MinError=min(Error1);

findc=find(Error1==MinError);%寻找最匹配的字符

Code(l*2-1)=liccode(findc(1)+kmin-1);%将上述找到的字符位置与liccode中的字符链接上

Code(l*2)=' ';%在字符之间加空格

l=l+1;

end

figure(10),imshow(a),title (['车牌号码:', Code],'Color','b'); 函数getword

function [word,result]=getword(d)

word=[];flag=0;y1=8;y2=0.5;

while flag==0

[m,n]=size(d);

wide=0;

while sum(d(:,wide+1))~=0 && wide<=n-2

wide=wide+1;

end

temp=qiege(imcrop(d,[1 1 wide m]));

[m1,n1]=size(temp);

if widey2

d(:,[1:wide])=0;

if sum(sum(d))~=0

d=qiege(d); % 切割出最小范围

else word=[];flag=1;

end

else

word=qiege(imcrop(d,[1 1 wide m]));

d(:,[1:wide])=0;

if sum(sum(d))~=0;

d=qiege(d);flag=1;

else d=[];

end

end

end

%end

result=d;

qiege函数

function e=qiege(d)

[m,n]=size(d);

top=1; %下端

bottom=m; %下端

left=1; %左端

right=n; % 右端

while sum(d(top,:))==0 && top<=m %如果矩阵d的第top行的和为0的话

top=top+1;

end

while sum(d(bottom,:))==0 && bottom>=1 %如果矩阵d的第bottom行的和为0的话

bottom=bottom-1;

end

while sum(d(:,left))==0 && left<=n %如果矩阵d的第left列的和为0的话

left=left+1;

end

while sum(d(:,right))==0 && right>=1 %如果矩阵d的第right列的和为0的话

right=right-1;

end

dd=right-left; %切割的宽度

hh=bottom-top; %切割的高度

e=imcrop(d,[left top dd hh]); %返回该截取的区域

结果分析：

1，这种垂直扫描的方式，图像的中车的牌照需要接近水平，如果倾斜的比较厉害，很难只截取车牌号的区域。

2，扫描字符的时候，如果扫描左右结构的字符时，比如“沪”，则会截出‘氵’和‘户’两个部分，就无法匹配字符。

3，如果遇到受污染很严重的图片，就难切割图片的和模板中的图片匹配。

参考文献

[1]艾冬梅，李艳晴,张丽静，刘琳MATLAB与数学实验[M]机械工业出版社

[2]Rafael C.Gonzalez Richard E.Woods 数字图像处理[M]电子工业出版社

[3]樊昀，王润生.从图像中提取文字[J] .国防科技大学学报,2002,24 (1) :59-62.

[4] 邹浩，余龙，邹勇博，刘宇童，和振乔，李少梅.基于MATLAB的图片中

文字的提取及识别[J]. 西安电子科技大学电子工程学院，西安，710126