lpcseg.m

实用原则的基础上不仅可以提高汽车车牌上汉字、英文字母和 数字的识别率

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 字符分割模块算法
% 定位剪切后的彩色车牌图像－－灰度－－二值化－－统一到黑底白字－－去除上下边框
% －－切割出最小范围－－滤波－－形态学处理－－分割出7个字符

% 去除上下边框算法：
% 1.黑白跳变小于阈值则被视为背景；2.连续白线大于某阈值则该白线被认为是背景
% 3.单行白色大于阈值则被认为是背景，考虑FLAG的值；
% 4.做完以上处理后，上边1/2 中搜索连续两条黑线，认为该黑线以上为背景；在下边1/2 中搜索连续两条黑线，认为该黑线以下为背景
% 归一化为 40*20 ，商用系统程序中归一化为 32*16 ，此处仅演示作用
function [d]=lpcseg(jpg)
I=imread('car1.jpg');
I1=rgb2gray(I);
I2=edge(I1,'robert',0.15,'both');
se=[1;1;1];
I3=imerode(I2,se);
se=strel('rectangle',[25,25]);
I4=imclose(I3,se);
I5=bwareaopen(I4,2000);
[y,x,z]=size(I5);
myI=double(I5);
tic
 white_y=zeros(y,1);
 for i=1:y
    for j=1:x
             if(myI(i,j,1)==1) 
                white_y(i,1)= white_y(i,1)+1; 
            end  
     end       
 end
 [temp MaxY]=max(white_y);
 PY1=MaxY;
 while ((white_y(PY1,1)>=5)&&(PY1>1))
        PY1=PY1-1;
 end    
 PY2=MaxY;
 while ((white_y(PY2,1)>=5)&&(PY2<y))
        PY2=PY2+1;
 end
 IY=I(PY1:PY2,:,:);
 white_x=zeros(1,x);
 for j=1:x
     for i=PY1:PY2
            if(myI(i,j,1)==1)
                white_x(1,j)= white_x(1,j)+1;               
            end  
     end       
 end
  
 PX1=1;
 while ((white_x(1,PX1)<3)&&(PX1<x))
       PX1=PX1+1;
 end    
 PX2=x;
 while ((white_x(1,PX2)<3)&&(PX2>PX1))
        PX2=PX2-1;
 end
 PX1=PX1-1;
 PX2=PX2+1;
  dw=I(PY1:PY2-8,PX1:PX2,:);
 t=toc; 
figure(1),subplot(3,2,1),imshow(dw),title('定位剪切后的彩色车牌图像')
imwrite(dw,'dw.jpg');
[filename,filepath]=uigetfile('dw.jpg','输入一个定位裁剪后的车牌图像');
jpg=strcat(filepath,filename);
a=imread(jpg);
%figure(1);subplot(3,2,1),imshow(a),title('1.定位剪切后的彩色车牌图像')
b=rgb2gray(a);
imwrite(b,'2.车牌灰度图像.jpg');
figure(1);subplot(3,2,2),imshow(b),title('2.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,'3.车牌二值图像.jpg');
figure(1);subplot(3,2,3),imshow(d),title('3.车牌二值图像')

% 旋转
rotate=0;
d=imread('3.车牌二值图像.jpg');
bw=edge(d);
[m,n]=size(d);
theta=1:179;
% bw 表示需要变换的图像，theta 表示变换的角度
% 返回值 r 表示的列中包含了对应于 theta中每一个角度的 Radon 变换结果
% 向量 xp 包含相应的沿 x轴的坐标
[r,xp]=radon(bw,theta);
i=find(r>0);
[foo,ind]=sort(-r(i));
k=i(ind(1:size(i)));
[y,x]=ind2sub(size(r),k);
[mm,nn]=size(x);
if mm~=0 && nn~=0
    j=1;
    while mm~=1 && j<180 && nn~=0
        i=find(r>j);
        [foo,ind]=sort(-r(i));
        k=i(ind(1:size(i)));
        [y,x]=ind2sub(size(r),k);
        [mm,nn]=size(x);
        j=j+1;
    end
    if nn~=0
        if x   % Enpty matrix: 0-by-1 when x is an enpty array.
            x=x;
        else  % 可能 x 为空值
            x=90; % 其实就是不旋转
        end
        d=imrotate(d,abs(90-x)); % 旋转图像
        rotate=1;
    end
end
imwrite(d,'4.Radon 变换旋转后的二值图像.jpg');
figure(1),subplot(3,2,4),imshow(d),title('4.Radon 变换旋转后的二值图像')

% 统一到白底黑字
[m,n]=size(d);
% flag=0 表示原来就是白底黑字，否则表示原来是黑底白字
flag=0;
c=d([round(m/3):m-round(m/3)],[round(n/3):n-round(n/3)]);
if sum(sum(c))/m/n*9>0.5
    d=~d;flag=1;
end
% 对反色后的图像预处理，整列几乎为白的认为是背景
if flag==1
    for j=1:n
        if sum(sum(d(:,j)))/m>=0.95
            d(:,j)=0;
        end
    end
    % 对以上处理后的图像再处理
    % 在左边 1/2 处找连续两条黑线，认为该黑线左边为背景；在右边 1/2 处找连续两条黑线，认为该黑线右边是背景
    % 左边 1/2
    jj=0;
    for j=1:round(n/2)
        if sum(sum(d(:,[j:j+0])))==0
            jj=j;
        end
    end
    d(:,[1:jj])=0;
    % 右边 1/2
    for j=n:-1:round(n/2)
        if sum(sum(d(:,[j-0:j])))==0
            jj=j;
        end
    end
    d(:,[jj:n])=0;
end
imwrite(d,'5.统一成黑底白字.jpg');
figure(1),subplot(3,2,5),imshow(d),title('5.背景色统一成黑底白字')
figure(2),subplot(5,1,1),imshow(d),title('5.黑底白字的二值车牌图像')

% 去除上下边框
% STEP 1  黑白跳变小于阈值则被视为背景
% 上面 2/5
y1=10;  % y1: 跳变阈值
for i=1:round(m/5*2)
    count=0;jump=0;temp=0;
    for j=1:n
        if d(i,j)==1
            temp=1;
        else
            temp=0;
        end
        if temp==jump
            count=count;
        else
            count=count+1;
        end
        jump=temp;
    end
    if count<y1
        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
        if d(i,j)==1
            temp=1;
        else
            temp=0;
        end
        if temp==jump
            count=count;
        else
            count=count+1;
        end
        jump=temp;
    end
    if count<y1
        d(i,:)=0;
    end
end
imwrite(d,'6.黑白跳变小于某阈值的行则被视为背景.jpg');
figure(2),subplot(5,1,2),imshow(d),title('6.黑白跳变小于某阈值的行则被视为背景')

% STEP 2  单行白色大于阈值则被认为是背景，考虑 FLAG 的值
% 上面 2/5
y2=round(n/2); % y2: 阈值
for i=1:round(m/5*2)
    if flag==0
        temp=sum(d(i,:));y2=round(n/2);
        if temp>y2
            d(i,:)=0;
        end
    else
        temp=m-sum(d(i,:));y2=m-round(n/2);
        if temp<y2
            d(i,:)=0;
        end
    end
end
% 下面 2/5
for i=round(3*m/5):m
    if flag==0
        temp=sum(d(i,:));y2=round(n/2);
        if temp>y2
            d(i,:)=0;
        end
    else
        temp=m-sum(d(i,:));y2=m-round(n/2);
        if temp<y2
            d(i,:)=0;
        end
    end
end
imwrite(d,'7.单行白色点总数大于某阈值则该行被认为是背景.jpg');
figure(2),subplot(5,1,3),imshow(d),title('7.单行白色点总数大于某阈值则该行被认为是背景')
% STEP 3  单行白色大于阈值则被认为是背景，考虑 FLAG 的值
% 上面 2/5
y2=round(n/2); % y2: 阈值
for i=1:round(m/5*2)
    if flag==0
        temp=sum(d(i,:));y2=round(n/2);
        if temp>y2
            d(i,:)=0;
        end
    else
        temp=m-sum(d(i,:));y2=m-round(n/2);
        if temp<y2
            d(i,:)=0;
        end
    end
end
% 下面 2/5
for i=round(3*m/5):m
    if flag==0
        temp=sum(d(i,:));y2=round(n/2);
        if temp>y2
            d(i,:)=0;
        end
    else
        temp=m-sum(d(i,:));y2=m-round(n/2);
        if temp<y2
            d(i,:)=0;
        end
    end
end
imwrite(d,'8.单行白色点总数大于某阈值则该行被认为是背景.jpg');
figure(2),subplot(5,1,4),imshow(d),title('8.单行白色点总数大于某阈值则该行被认为是背景')
%  STEP 4 做完以上处理后，上边 1/2 中搜索连续两条黑线，认为该黑线以上为背景；
% 在下边 1/2 中搜索连续两条黑线，认为该黑线以下为背景
% 上边 1/2
for i=1:round(m/2)
    if sum(sum(d([i,i+0],:)))==0
        ii=i;
    end
end
d([1:ii],:)=0;
% 下边 1/2
for i=m:-1:round(m/2)
    if sum(sum(d([i-0:i],:)))==0
        ii=i;
    end
end
d([ii:m],:)=0;
imwrite(d,'9.搜索上下两条黑线后的结果.jpg');
figure(2),subplot(5,1,5),imshow(d),title('9.搜索上下两条黑线后的结果')

% 反旋转
if rotate==1
    d=imrotate(d,-abs(x-90));
end
imwrite(d,'10.反旋转去毛刺后.jpg');
figure(3),subplot(3,2,1),imshow(d),title('10.反旋转去毛刺后')
% 切割处最小范围
d=qiege(d);e=d;
imwrite(d,'11.切割处最小范围.jpg');
figure(3),subplot(3,2,2),imshow(d),title('11.切割处最小范围')
figure(3),subplot(3,2,3),imshow(d),title('11.均值滤波前')

% 滤波
h=fspecial('average',3);
d=im2bw(round(filter2(h,d)));
imwrite(d,'12.均值滤波后.jpg');
figure(3),subplot(3,2,4),imshow(d),title('12.均值滤波后')

% 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'...