2024年6月2日发(作者：)
精品实验项目 字符识别预处理的设计
与实现
专 业：电子信息工程
* 名： * *
学 号：**********
指导老师：***
1
目录
一、 实验类型：设计性实验 ................................................................................................... 3
二、 实验目的 ........................................................................................................................... 3
三、 实验设备： 扫描仪、安装有MATLAB软件的计算机 ................................................... 3
四、 实验内容及原理 ............................................................................................................... 3
（1）字符图像的获取 ............................................................................................................. 3
（2）字符图像预处理 ............................................................................................................. 3
（3）字符图像分割 ................................................................................................................. 3
（4）函数的作用 ..................................................................................................................... 4
五、 实验步骤 ........................................................................................................................... 8
1.载入车牌图像： ................................................................................................................... 8
2.将彩图转换为灰度图并绘制直方图： ............................................................................... 9
3. 用roberts算子进行边缘检测： ................................................................................... 10
4.图像实施腐蚀操作： ......................................................................................................... 10
5.平滑图像 ............................................................................................................................. 11
6. 删除二值图像的小对象 ................................................................................................... 12
7.车牌定位 ............................................................................................................................. 12
8.字符分割与识别 ................................................................................................................. 14
9.车牌识别： ......................................................................................................................... 20
六、 思考题............................................................................................................................. 27
2
一、 实验类型
：
设计性实验
二、 实验目的
1. 掌握图像的获取、预处理和分割的原理及MATLAB实现方法。
2. 掌握使用扫描仪和计算机获取数字图像的方法，理解扫描仪的原理。
3. 自学一种字符图像的分割算法并用MATLAB编程实现该算法。
三、 实验设备
：
扫描仪、安装有MATLAB软件的计算机
四、 实验内容及原理
（1）字符图像的获取
用扫描仪获取图像是字符图像处理常用的数字化过程的方法之一。以办公设备中常用的
台式扫描仪为例，其主要性能指标有x、y方向的分辨率、色彩分辨率（色彩位数）、扫描幅
面和接口方式等，这些指标都可以从扫描仪的说明手册中获得。分辨率的单位是dpi（Dot Per
Inch），意思是每英寸的像素点数。
扫描仪工作时，首先由可移动带状光源将光线照在欲输入的图稿上，并沿y方向扫描稿
件，产生表示图像特征的反射光或透射光。照射到原稿上的光线经反射后穿过一个很窄的缝
隙，形成沿x方向的光带，经光学系统采集和过滤成RGB三色光带分别照射到RGB分量
的CCD上，CCD将光信号转换为模拟电信号。内部电路的A/D变换器将模拟电信号转变
为数字电子信号输送给计算机。将稿件全部扫描一遍，一幅完整的图像就输入到计算机中去
了。
（2）字符图像预处理
根据扫描仪扫描的文档实际情况，有选择地用MATLAB编程实现字符图像倾斜校正、
滤波、灰度化、二值化和归一化等图像预处理。根据具体需要，还可进行图像的正交变换、
边缘提取、形态学和图像细化等操作。
（3）字符图像分割
通过查找资料，自学字符图像分割的常用算法，根据原始扫描图像的实际情况，设计一
种字符图像分割的方法并用MATLAB编程实现，并绘制流程图。
车辆
字符分割
图像采集
字符识别
图像预处理
输出车牌号码
车牌的定位
3
图1 流程图
（4）函数的作用
e
功能：对图像实现腐蚀操作，即膨胀操作的反操作。
用法：IM2 = imerode(IM,SE)
IM2 = imerode(IM,NHOOD)
IM2 = imerode(IM,SE,PACKOPT,M)
IM2 = imerode(...,PADOPT)
IM2 = imerode(IM,SE) 腐蚀灰度，二值，压缩二值图像IM，返回IM2。参数SE为由strel
函数返回的结构元素或者结构元素对象组。
IM2 = imerode(IM,NHOOD)腐蚀图像IM，这里NHOOD是定义结构元素邻域0和1的矩阵。
IM2 = imerode(...,PADOPT)指出输出图像的大小（是否与输入图像大小一致）。
te
功能：对图像实现膨胀操作。
用法：IM2 = imdilate(IM,SE)
IM2 = imdilate(IM,NHOOD)
IM2 = imdilate(IM,SE,PACKOPT)
IM2 = imdilate(...,PADOPT)
IM2 = imdilate(IM,SE) 膨胀灰度，二值，压缩二值图像IM，返回IM2。参数SE为由strel
函数返回的结构元素或者结构元素对象组。
IM2 = imdilate(IM,NHOOD)膨胀图像IM，这里NHOOD是定义结构元素邻域0和1的矩阵。
IM2 = imdilate(IM,SE,PACKOPT)定义IM是否是一个压缩的二值图像。
IM2 = imdilate(...,PADOPT)指出输出图像的大小。
4
功能：用于膨胀腐蚀及开闭运算等操作的结构元素对象(本论坛随即对膨胀腐蚀等操作进行
讲解)。
用法：SE = strel(shape,parameters)
创建由指定形状shape对应的结构元素。其中shape的种类有
‘arbitrary'，'pair'，'diamond'，'periodicline'，'disk'，'rectangle'
'line'，'square'，'octagon
参数parameters一般控制SE的大小。
BW = edge(I)
采用灰度或一个二值化图像I作为它的输入，并返回一个与I相同大小的二值化图像BW，
在函数检测到边缘的地方为1，其他地方为0。
BW = edge(I,'sobel') 自动选择阈值用Sobel算子进行边缘检测。
BW = edge(I,'sobel',thresh) 根据所指定的敏感度阈值thresh，用Sobel算子进行边缘
检测，它忽略了所有小于阈值的边缘。当thresh为空时，自动选择阈值。
BW = edge(I,'sobel',thresh,direction) 根据所指定的敏感度阈值thresh，在所指定的
方向direction上，用Sobel 算子进行边缘检测。Direction可取的字符串值为
horizontal(水平方向)、vertical(垂直方向)或both(两个方向)。
[BW,thresh] = edge(I,'sobel',...) 返回阈值
BW = edge(I,'prewitt') 自动选择阈值用prewitt算子进行边缘检测。
BW = edge(I,'prewitt',thresh) 根据所指定的敏感度阈值thresh，用prewitt算子进行
边缘检测，它忽略了所有小于阈值的边缘。当thresh为空时，自动选择阈值。
BW = edge(I,'prewitt',thresh,direction) 根据所指定的敏感度阈值thresh，在所指定
的方向direction上，用prewitt算子进行边缘检测。Direction可取的字符串值为
horizontal(水平方向)、vertical(垂直方向)或both(两个方向)默认方向为both。
BW = edge(I,'roberts') 自动选择阈值用roberts算子进行边缘检测。
BW = edge(I,'roberts',thresh) 根据所指定的敏感度阈值thresh，用Roberts算子进行
边缘检测，它忽略了所有小于阈值的边缘。当thresh为空时，自动选择阈值。
e
功能：对图像实现闭运算，闭运算也能平滑图像的轮廓，但与开运算相反，它一般融合窄的
缺口和细长的弯口，去掉小洞，填补轮廓上的缝隙。
5
用法：IM2 = imclose(IM,SE)
IM2 = imclose(IM,NHOOD)
用法和imopen相同。
功能：对图像实现开运算，开运算一般能平滑图像的轮廓，消弱狭窄的部分，去掉细的突出。
用法：IM2 = imopen(IM,SE)
IM2 = imopen(IM,NHOOD)
IM2 = imopen(IM,SE)用 结构元素SE实现灰度图像或二值图像的IM的形态开运算。SE可
以是单个结构元素对象或者结构元素对象数组。
IM2 = imopen(IM,NHOOD)用结构元素strel（NHOOD）执行开运算。
open
功能：删除小面积对象
格式：
BW2 = bwareaopen(BW,P,conn)
作用：
删除二值图像BW中面积小于P的对象，默认情况下conn使用8邻域。
和toc函数
这两个函数一般配合使用，tic表示计时的开始，toc表示计时的结束。
格式如：
tic
任意表达式
toc
t=toc
al
6
功能：用于建立预定义的滤波算子，其语法格式为：
h = fspecial(type)
h = fspecial(type，para)
其中type指定算子的类型，para指定相应的参数；
type的类型有：
1、'average'
averaging filter
为均值滤波，参数为hsize代表模板尺寸，默认值为【3，3】。
'disk'
circular averaging filter
为圆形区域均值滤波，参数为radius代表区域半径，默认值为5.
'gaussian'
Gaussian lowpass filter
为高斯低通滤波，有两个参数，hsize表示模板尺寸，默认值为【3 3】，sigma为滤波器的
标准值，单位为像素，默认值为0.5.
'prewitt'
Prewitt horizontal edge-emphasizing filter
用于边缘增强，大小为【3 3】，无参数
'sobel'
Sobel horizontal edge-emphasizing filter
用于边缘提取，无参数
9. filter2
J = filter2(h,I);使用指定的滤波器h对I进行滤波，结果保存在J中
函数功能：计算二值图像中对象的总面积。
调用格式：
total = bwarea(BW)
估算二值图像BW中对象的总面积。 返回的total是一个标量， 它的值大致地反映了和图
像中on像素的个数。由于对于不同像素类型， 度量标准不同， 因此结果可能并不十分精
7
确。BW可以是数值类型（整型、浮点型）或者逻辑类型。对于数值类型， 像素值不为0被
视为on。返回值total是double类型的。
功能：函数求和
sum(x,2)表示矩阵x的横向相加，求每行的和，结果是列向量。
而缺省的sum(x)就是竖向相加，求每列的和，结果是行向量。
A>0的结果是得到一个逻辑矩阵，大小跟原来的A一致，
A中大于零的元素的位置置为1，小于等于零的位置置为0。
所以横向求和以后，就是求A中每行大于零的元素个数。
12. round
功能：四舍五入
调用格式：Y = round(X)
在matlab中round也是一个四舍五入函数。
五、 实验步骤
1.载入车牌图像：
I=imread('');
figure(1),imshow(I);title('original image')；%将车牌的原图显示出来，结果如下
：
8
2.将彩图转换为灰度图并绘制直方图：
I1=rgb2gray(I);%将彩图转换为灰度图
figure(2),subplot(1,2,1),imshow(I1);title('gray image');
figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');%绘制灰度图的直方图
结果如下所示：
9
3. 用roberts算子进行边缘检测：
I2=edge(I1,'roberts',0.18,'both');%选择阈值0.18，用roberts算子进行边缘检测
figure(3),imshow(I2);title('roberts operator edge detection image')；
结果如下：
4.图像实施腐蚀操作：
se=[1;1;1];
I3=imerode(I2,se);%对图像实施腐蚀操作，即膨胀的反操作
figure(4),imshow(I3);title('corrosion image');
10
5.平滑图像
se=strel('rectangle',[25,25]);%构造结构元素以正方形构造一个se
I4=imclose(I3,se);%
图像聚类、填充图像
figure(5),imshow(I4);title('smothing image');
结果如下所示：
11
6. 删除二值图像的小对象
I5=bwareaopen(I4,2000);%
去除聚团灰度值小于2000的部分
figure(6),imshow(I5);title('remove the small objects');
%用imshow函数显示滤波后图像
结果如下所示 ：
7.车牌定位
[y,x,z]=size(I5);%返回I5各维的尺寸，存储在x,y,z中
myI=double(I5);%将I5转换成双精度
tic %tic表示计时的开始，toc表示计时的结束
Blue_y=zeros(y,1);%产生一个y*1的零阵
for i=1:y
for j=1:x
if(myI(i,j,1)==1)
%如果myI(i,j,1)即myI的图像中坐标为(i,j)的点值为1，即该点为车牌背景颜色蓝色
%则Blue_y(i,1)的值加1
Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计
end
12
end
end
[temp MaxY]=max(Blue_y);%Y方向车牌区域确定
%temp为向量yellow_y的元素中的最大值，MaxY为该值的索引
PY1=MaxY;
while ((Blue_y(PY1,1)>=5)&&(PY1>1))
PY1=PY1-1;
end
PY2=MaxY;
while ((Blue_y(PY2,1)>=5)&&(PY2 PY2=PY2+1; end IY=I(PY1:PY2,:,:); %行方向车牌区域确定 %%%%%% 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 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 PX2=x; while ((Blue_x(1,PX2)<3)&&(PX2>PX1)) 13 PX2=PX2-1; end PX1=PX1-1;%对车牌区域的校正 PX2=PX2+1; dw=I(PY1:PY2-8,PX1:PX2,:); t=toc; figure(7),subplot(1,2,1),imshow(IY),title('Line direction areas');%行方向车牌区 域确定 figure(7),subplot(1,2,2),imshow(dw),title('positioning color images');%定位后 的车牌区域如下所示： 8.字符分割与识别 1) 车牌的进一步处理 对分割出的彩色车牌图像进行灰度转换、二值化、均值滤波、腐蚀膨胀以及字符分割以从车 牌图像中分离出组成车牌号码的单个字符图像，对分割出来的字符进行预处理（二值化、归 一化），然后分析提取，对分割出的字符图像进行识别给出文本形式的车牌号码。代码如下： imwrite(dw,'');%将彩色车牌写入dw文件中 a=imread('');%读取车牌文件中的数据 14 b=rgb2gray(a);%将车牌图像转换为灰度图 imwrite(b,'gray licence ');%将灰度图像写入文件中 figure(8);subplot(3,2,1),imshow(b),title('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,'binary licence '); subplot(3,2,2),imshow(d),title('before filtering binary licence plate') %均值滤波前 % 滤波 h=fspecial('average',3); %建立预定义的滤波算子，average为均值滤波，模板的尺寸为3*3 d=im2bw(round(filter2(h,d)));%使用指定的滤波器h对h进行d即均值滤波 imwrite(d,'after average licence '); subplot(3,2,3),imshow(d),title('after average licence plate') % 某些图像进行操作 % 膨胀或腐蚀 % se=strel('square',3); % 使用一个3X3的正方形结果元素对象对创建的图像进行膨胀 % 'line'/'diamond'/'ball'... se=eye(2); % eye(n) returns the n-by-n identity matrix 单位矩阵 [m,n]=size(d);%返回矩阵b的尺寸信息， 并存储在m,n中 if bwarea(d)/m/n>=0.365 %计算二值图像中对象的总面积与整个面积的比是否大于0.365 d=imerode(d,se);%如果大于0.365则图像进行腐蚀 elseif bwarea(d)/m/n<=0.235 %计算二值图像中对象的总面积与整个面积的比是否小于 0.235 d=imdilate(d,se);%如果小于则实现膨胀操作 end imwrite(d,'expansion or corrosion the licence '); 15 subplot(3,2,4),imshow(d),title('expansion or corrosion the licence plate')； 运行结果如下所示： 2) 字符分割 在汽车牌照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定位的基础 上进行字符的分割，然后再利用分割的结果进行字符识别。字符识别的算法很多，因为车 牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为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。一般分割出来的字符要进行 进一步的处理，以满足下一步字符识别的需要。但是对于车牌的识别，并不需要太多的处 理就已经可以达到正确识别的目的。在此只进行了归一化处理，然后进行后期处理。 % 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 %首先创建子函数qiege与getword，而后调用子程序，将车牌的字符分割开并且进行归一 化处理 d=qiege(d); 16 [m,n]=size(d); subplot(3,2,5),imshow(d),title(n) k1=1;k2=1;s=sum(d);j=1; while j~=n while s(j)==0 j=j+1; end k1=j; while s(j)~=0 && j<=n-1 j=j+1; end k2=j-1; if k2-k1>=round(n/6.5) [val,num]=min(sum(d(:,[k1+5:k2-5]))); d(:,k1+num+5)=0; % 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 if wide d(:,[1:wide])=0; d=qiege(d); 17 else temp=qiege(imcrop(d,[1 1 wide m])); [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); % 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); figure(9); subplot(2,7,1),imshow(word1),title('1'); subplot(2,7,2),imshow(word2),title('2'); subplot(2,7,3),imshow(word3),title('3'); subplot(2,7,4),imshow(word4),title('4'); subplot(2,7,5),imshow(word5),title('5'); subplot(2,7,6),imshow(word6),title('6'); 18 subplot(2,7,7),imshow(word7),title('7'); [m,n]=size(word1); % 商用系统程序中归一化大小为 40*20,此处演示 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(2,7,8),imshow(word1),title('1'); subplot(2,7,9),imshow(word2),title('2'); subplot(2,7,10),imshow(word3),title('3'); subplot(2,7,11),imshow(word4),title('4'); subplot(2,7,12),imshow(word5),title('5'); subplot(2,7,13),imshow(word6),title('6'); subplot(2,7,14),imshow(word7),title('7'); imwrite(word1,''); imwrite(word2,''); imwrite(word3,''); imwrite(word4,''); imwrite(word5,''); imwrite(word6,''); imwrite(word7,''); 运行结果如下： 19 9.车牌识别： 模板匹配是图象识别方法中最具代表性的基本方法之一，它是将从待识别的图象或图 象区域f(i,j)中提取的若干特征量与模板T(i,j)相应的特征量逐个进行比较，计算它们 之间规格化的互相关量，其中互相关量最大的一个就表示期间相似程度最高，可将图象 归于相应的类。也可以计算图象与模板特征量之间的距离，用最小距离法判定所属类。 此处采用相减的方法来求得字符与模板中哪一个字符最相似，然后找到相似度最大 的输出。汽车牌照的字符一般有七个，大部分车牌第一位是汉字，通常代表车辆所属省 份，紧接其后的为字母与数字。车牌字符识别与一般文字识别在于它的字符数有限，汉 字共约50多个，大写英文字母26个，数字10个。为了实验方便，结合本次设计所选汽 车牌照的特点，只建立了7个数字26个字母与10个数字的模板。其他模板设计的方法 与此相同。 首先取字符模板，接着依次取待识别字符与模板进行匹配，将其与模板字符相减，得 到的0越多那么就越匹配。把每一幅相减后的图的0值个数保存，即为识别出来的结果。 识别的流程图如下所示： 20 建立自动识别的代码表 读取分割出来的字 第一个字符与模板中 的汉字模板进行匹配 第二个字符与模板中 的字母模板进行匹配 后5个字符与模板中的字 母与数字模板进行匹配 待识别字符与模板字符相减，值越小相似度 越大，找到最小的一个即为匹配的最好的 识别完成，输出此模板对应值 源代码如下： liccode=char(['0':'9' 'A':'Z' '苏豫陕鲁京辽浙']); %建立自动识别字符代码表 SubBw2=zeros(40,20); l=1; for I=1:7 ii=int2str(I); t=imread([ii,'.jpg']); SegBw2=imresize(t,[40 20],'nearest'); SegBw2=double(SegBw2)>20; if l==1 %第一位汉字识别 kmin=37; kmax=43; elseif l==2 %第二位 A~Z 字母识别 kmin=11; kmax=36; else l>=3 %第三位以后是字母或数字识别 21 kmin=1; kmax=36; end for k2=kmin:kmax fname=strcat('字符模板',liccode(k2),'.jpg'); SamBw2 = imread(fname); SamBw2=double(SamBw2)>1; for i=1:40 for j=1:20 SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j); end end % 以上相当于两幅图相减得到第三幅图 Dmax=0; for k1=1:40 for l1=1:20 if ( SubBw2(k1,l1) > 0 | SubBw2(k1,l1) <0 ) Dmax=Dmax+1; end end end Error(k2)=Dmax; end Error1=Error(kmin:kmax); MinError=min(Error1); findc=find(Error1==MinError); Code(l*2-1)=liccode(findc(1)+kmin-1); Code(l*2)=' '; 22 l=l+1; end figure(10),imshow(dw),title (['车牌号码:', Code],'Color','b'); 通过以上的方法，我对另外一幅图像进行了检测，也有较好的识别效果。下面是对另一幅车 牌照的检测，结果如下所示： 23 24 25 26 六、 思考题 1.扫描仪是图像信号输入设备。它对原稿进行光学扫描，然后将光学图像传送到光电转换器 27 中变为模拟电信号，又将模拟电信号变换成为数字电信号，最后通过计算机接口送至 计算机中。在扫描仪获取图像的过程中，有两个元件起到关键作用。一个是CCD，它光 信号转换成为电信号；另一个是A/D变换器，它将模拟电信号变为数字电信号。 2.在字符图像预处理中采用了字符图像倾斜校正、滤波、灰度化、二值化和归一化等图像预 处理方法。 3.字符分割的方法有python 、vb、javascript、asp ：split php是explode。 28
发布评论