matlab 识别车牌字符

2744557306

本文为大家介绍了对于matlab解决
这段代码实现了一些基本的图像处理步骤，以及灰度图像的阈值处理（二值化）过程，并对代码的各个部分进行解释：

1.读取图像和显示原始图像：

1.    PS = imread('1.jpg');; u/ r) I/ s2 U$ N) a! Y1 G7 b
   
2.    subplot(1,2,1);
   9 ]+ I* |( b0 K6 @' {' Z2 X
3.    imshow(PS);$ n& d2 B& i; a7 C$ c) R
   
4.    title('原图');

复制代码

2.imread('1.jpg') 读取名为 '1.jpg' 的图像文件，并将其存储在变量 PS 中。
0 q. C1 T! h) D) o" c8 K1 Q3.subplot(1,2,1) 将图像显示区域分成 1 行 2 列，当前处于第 1 个子图。
0 a/ r" }  t4 I5 d4.imshow(PS) 显示图像 PS。
5 X. }' M. g& ~: o( C1 h, a$ B5.title('原图') 设置子图的标题为 '原图'。


6.将图像转换为灰度图像：

1.    p = rgb2gray(PS);: r% S- w3 _- p3 u( T( i. s
   
2.    subplot(1,2,2);1 `: o- D6 }9 ?8 ^% J. W3 ~
   
3.    imshow(p);5 |2 L+ Y& T* D3 k
   
4.    title('原灰度图');

复制代码

7.rgb2gray(PS) 将彩色图像 PS 转换为灰度图像，并将其存储在变量 p 中。
8.subplot(1,2,2) 在原先分割的图像显示区域中，当前处于第 2 个子图。
9.imshow(p) 显示灰度图像 p。
3 C; [- f" k" v6 b10.title('原灰度图') 设置子图的标题为 '原灰度图'。
) H5 _  P7 @" ~) h- T6 P$ M8 t; ?

11.计算原灰度图像的灰度直方图并绘制：

1.    [m, n] = size(p);
     A( F( P# e6 [/ s
2.    GP = zeros(1,256);
   % M2 ^, v1 w; c* M6 ?8 t1 s
3.    for k = 0:255\" _# I) }& ^5 A. o+ M/ Y
   
4.        GP(k+1) = length(find(p == k)) / (m * n);
   7 f5 X7 U6 t+ z0 H
5.    end
   5 y6 Z\" p% v& L9 s% F* X
6.    figure;
   ; [/ ~$ N' ~; O2 V
7.    subplot(1,2,1);
   * Y2 c$ S8 T+ D& d
8.    bar(0:255, GP, 'g');
   ) [9 [' Y$ F0 Q# ?+ N
9.    title('原灰度直方图');

复制代码

12.[m, n] = size(p) 获取灰度图像 p 的尺寸。
0 ~& H% J0 {# n! e6 K13.GP = zeros(1,256) 初始化一个长度为 256 的数组，用于存储灰度直方图。
/ m2 T! ?4 Y6 e+ R0 o14.for k = 0:255 对每一个灰度级别（0-255）进行循环处理。
15.length(find(p == k)) / (m * n) 计算灰度级别 k 在图像中的像素占比。
6 `( m! @" q% m" R$ Z16.bar(0:255, GP, 'g') 绘制灰度直方图，横轴是灰度级别，纵轴是像素占比。


/ ]% h& S+ L1 o17.寻找灰度直方图中的双峰，并计算阈值进行二值化：

1. max_index = [];
   \" ]$ E1 S1 v  ~) W( u8 G% h4 g
2.    for i = 3:length(GP)-2
   2 n( x) r' N. _8 ]\" r: \
3.        if ((GP(i) >= GP(i+1)) & (GP(i) >= GP(i-1))) & ((GP(i+1) >= GP(i+2)) & (GP(i-1) >= GP(i-2)))
   ( c9 ?* r1 }$ l) |2 \
4.            max_index(end+1) = i - 1;
   8 J. s: v' }& o1 O! F* T( s, [. f' i3 [
5.        end
   ) G/ n0 _& L1 m/ S* ?5 p
6.    end5 Q0 t: K! C7 @+ \
   
7.    possible = GP(max_index);
   # M* W8 L) ^+ N; @/ W
8.    [max_value, index] = max(possible);
   & E' ^% t; ~! w$ |6 q
9.    TT = max_index(index) - 2;
   2 {' j; g6 J' L/ T, J& L: X1 T3 r
10. 
    6 o; @2 u- i0 f% q& F) e# B
11.    R = zeros(m, n);
    ) s7 x; I& W2 M: w# c: X# k
12.    for i = 1:m4 p+ p/ G& j0 i/ i# s7 [2 X
    
13.        for j = 1:n0 C3 Q2 M4 p! S6 V4 N6 @7 q4 [
    
14.            if p(i, j) < TT2 s  v5 v\" q+ D\" c$ W
    
15.                R(i, j) = 0;
    , {* ^+ z+ ^& H2 p9 z: M0 {
16.            else/ x+ |- E9 t8 c; _# F4 J/ w
    
17.                R(i, j) = 256;
    ' t# x. b' r7 l2 r5 w3 U
18.            end# P8 L8 Q( {) z. ^* T! ?4 j) z\" ?
    
19.        end
    % R5 W9 k7 [3 Z6 v' i0 b+ J2 g4 D7 L: E
20.    end
    1 O) W  l  t; T' N  a
21.    subplot(1,2,2);  F$ n/ @2 Q. d
    
22.    imshow(R);
    3 w8 M( k7 s0 z\" i& S
23.    title('二值图');

复制代码

18.代码首先寻找灰度直方图中的双峰（双峰往往对应于两个主要的灰度区域），找到这些双峰的峰顶位置。
19.然后选择灰度直方图双峰之间的谷底位置作为阈值 TT。
20.接下来，通过一个嵌套循环，将灰度图像 p 根据阈值 TT 进行二值化处理，将像素值小于阈值的设为 0，大于等于阈值的设为 256。
21.最后，将二值化后的图像 R 显示在第二个子图中，标题为 '二值图'。
5 E+ N4 B- {2 k/ G. v  \6 C
这段代码的核心是对灰度直方图的分析以及基于双峰寻找的阈值处理（二值化），将图像转换为只有两个值（0 或 256）的二值图像。

' f7 A2 |  T+ W- Z; V

. S+ J- G0 d# m5 D) X, W

7 [8 U& ?3 t- _9 n, @! x! N7 @