一、簡介

1 在進行圖像處理任務(wù)之前，首先要明確處理對象和處理流程 處理對象：新能源車牌和藍色車牌 處理流程： 2 由于要對藍色和新能源車牌進行識別，而且新能源車牌是漸變色，所以直接通過設(shè)定閾值的方法去識別兩種車牌并沒有單獨識別藍色車牌的可靠性高。這里，我根據(jù)車牌字符的特征進行車牌位置定位： 2.1 根據(jù)字符特征初步找出車牌位置 2.2 根據(jù)車牌長寬比進行初步篩選 我們可以用最小外接矩形算法框出上一步已選出的區(qū)域，然后根據(jù)車牌長寬比設(shè)定閾值，將滿足閾值的矩形篩選出來，當(dāng)然但還是會存在一部分干擾區(qū)域。

2.3 對矩形內(nèi)像素進行顏色統(tǒng)計 通過對初步篩選后剩余區(qū)域分別進行像素的顏色統(tǒng)計，我們即可準(zhǔn)確找出車牌位置，與此同時車牌的類型（新能源或藍牌）也可以在這里判斷出來

3 傾斜校正 這一步是為后面垂直投影法分割字符和模板匹配做準(zhǔn)備

簡單來講，使用霍夫線算法檢測車牌上下邊框所在直線，計算這條直線傾斜角度，之后對車牌進行旋轉(zhuǎn)即可。當(dāng)然復(fù)雜點的方法可以具體看我的源程序，具體效果如下圖：

4 二值化、形態(tài)學(xué)處理、字符識別 4.1 二值化和形態(tài)學(xué)處理這里就不在贅述，很多博客已經(jīng)講的非常清晰 4.2 字符分割 在這里需要對字符進行準(zhǔn)確的分割，在分割之前還是可能會有干擾，需要再次分割出車牌字符的準(zhǔn)確位置。這里我的方法是：先向左投影，設(shè)定閾值，切割出上下邊界，同理在切割出左右邊界。但是這只適用于車牌邊框明顯的情況下，所以我不建議你使用這個方法，慎用?。?！ 到這里就可以使用垂直投影法進行字符分割，這里需要注意的是新能源車牌有八位，藍牌有七位 分割結(jié)果如下圖所示： 4.3 字符識別 這里使用模板匹配，因為新能源車牌字符和藍牌字符不一致，所以要制作兩套字符模板。另外需要注意的是，根據(jù)《中華人民共和國機動車號牌》序號編碼規(guī)則，26個英文字符中“I“、”O(jiān)“不能使用，所以不存在"1"和"I"、"0"和"O"字符混淆的問題

二、源代碼

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % resize的目標(biāo)尺寸650*X % 調(diào)參 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% clear ; se1 = strel ( ’rectangle’ ,[ 15 15 ]);                                 %創(chuàng)建一個平坦的矩形結(jié)構(gòu) se2 = strel ( ’rectangle’ ,[ 12 20 ]);                                 %創(chuàng)建一個平坦的矩形結(jié)構(gòu) se3 = strel ( ’rectangle’ ,[ 12 15 ]); imgraw = imread ( ’C:UserslenovoDesktoplicenseplate