車牌識(shí)別附源代碼

1、車牌識(shí)別電子 1301 孫洪江 2013234020113一、目的與要求車牌定位系統(tǒng)的目的在于正確獲取整個(gè)圖像中車牌的區(qū)域，并識(shí)別出車牌號(hào)。通過設(shè)計(jì)實(shí)現(xiàn)車牌識(shí)別系統(tǒng)，能夠提高學(xué)生分析問題和解決問題的能力， 還能培養(yǎng)一定的科研能力二、設(shè)計(jì)原理：牌照自動(dòng)識(shí)別是一項(xiàng)利用車輛的動(dòng)態(tài)視頻或靜態(tài)圖像進(jìn)行牌照號(hào)碼、牌照顏色自動(dòng)識(shí)別的模式識(shí)別技術(shù)。其硬件基礎(chǔ)一般包括觸發(fā)設(shè)備、 攝像設(shè)備、照明設(shè) 備、圖像采集設(shè)備、識(shí)別車牌號(hào)碼的處理機(jī)等，其軟件核心包括車牌定位算法、 車牌字符分割算法和光學(xué)字符識(shí)別算法等。某些牌照識(shí)別系統(tǒng)還具有通過視頻圖 像判斷車輛駛?cè)胍曇暗墓δ芊Q之為視頻車輛檢測(cè)。一個(gè)完整的牌照識(shí)別系統(tǒng)應(yīng)包 括

2、車輛檢測(cè)、圖像采集、牌照識(shí)別等幾部分。當(dāng)車輛檢測(cè)部分檢測(cè)到車輛到達(dá)時(shí) 觸發(fā)圖像采集單元，采集當(dāng)前的視頻圖像。牌照識(shí)別單元對(duì)圖像進(jìn)行處理，定位 出牌照位置，再將牌照中的字符分割出來進(jìn)行識(shí)別，然后組成牌照號(hào)碼輸出。三、詳細(xì)設(shè)計(jì)步驟：為了進(jìn)行牌照識(shí)別，需要以下幾個(gè)基本的步驟：a. 牌照定位，定位圖片中的牌照位置；b. 牌照字符分割，把牌照中的字符分割出來；c. 牌照字符識(shí)別，把分割好的字符進(jìn)行識(shí)別，最終組成牌照號(hào)碼。牌照識(shí)別過程中，牌照顏色的識(shí)別依據(jù)算法不同，可能在上述不同步驟實(shí)現(xiàn)， 通常與牌照識(shí)別互相配合、互相驗(yàn)證。(1 ) 牌照定位：自然環(huán)境下，汽車圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)

3、確地確定牌照區(qū)域是整個(gè)識(shí)別過程的關(guān)鍵。首先對(duì)采集到的視頻圖像進(jìn)行 大范圍相關(guān)搜索，找到符合汽車牌照特征的若十區(qū)域作為候選區(qū)， 然后對(duì) 這些侯選區(qū)域做進(jìn)一步分析、評(píng)判，最后選定一個(gè)最佳的區(qū)域作為牌照區(qū) 域，并將其從圖象中分割出來。(2)牌照字符分割完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個(gè)字符，然后進(jìn)行識(shí)別。字 符分割J股采用垂直投影法。由丁字符在垂直方向上的投影必然在字符問或字符 內(nèi)的間隙處取得局部最小值的附近，并且這個(gè)位置應(yīng)滿足牌照的字符書寫格式、 字符、尺寸限制和一些其他條件。利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車圖像中的 字符分割有較好的效果。(3)牌照字符識(shí)別：字符識(shí)別方法目前主要有基丁模

4、板匹配算法和基丁人工神經(jīng)網(wǎng)絡(luò)算法?；∧０迤ヅ渌惴ㄊ紫葘⒎指詈蟮淖址祷?，并將其尺寸大小縮放為字符數(shù)據(jù)庫中 模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果?；∪斯?神經(jīng)元網(wǎng)絡(luò)的算法有兩種：一種是先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別出結(jié)果。 實(shí)際應(yīng)用中，牌照識(shí)別系統(tǒng)的識(shí)別率與牌照 質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(zhì)量會(huì)受到各種因素的影響，如生銹、污損、油 漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等； 實(shí)際拍攝過程也會(huì)受到環(huán)境亮度、拍攝亮度、車輛速度等等因素的影

5、響。這些影 響因素不同程度上降低了牌照識(shí)別的識(shí)別率，也正是牌照識(shí)別系統(tǒng)的困難和挑戰(zhàn) 所在。為了提高識(shí)別率，除了不斷的完善識(shí)別算法，還應(yīng)該想辦法克服各種光照 條件，使采集到的圖像最利丁識(shí)別。四、各個(gè)功能模塊的主要實(shí)現(xiàn)程序1.載入車牌圖像：I=imread('car1.jpg');figure(1),imshow(I);title('original image'); %務(wù)車牌的原圖顯示出來，結(jié)果如下：2.將彩圖轉(zhuǎn)換為灰度圖并繪制直方圖:I1=rgb2gray(I);%將彩圖轉(zhuǎn)換為灰度圖figure(2),subplot(1,2,1),imshow(I1);titl

6、e('gray image');figure(2),subplot(1,2,2),imhist(I1) ;title('結(jié)果如下所示：灰度圖直方圖');%繪制灰度圖的直方圖3.用roberts算子進(jìn)行邊緣檢測(cè)：I2=edge(I1,'roberts',0.18,'both');% 選擇閾值 0.18,用 roberts 算子進(jìn)行邊緣檢測(cè)figure(3),imshow(I2);title('roberts operator edge detection image');結(jié)果如下：4. 圖像實(shí)施腐蝕操作：se=1;1

7、;1;I3=imerode(I2,se);%對(duì)圖像實(shí)施腐蝕操作，即膨脹的反操作 figure(4),imshow(I3);title('corrosion image');5. 平滑圖像se=strel('rectangle',25,25);%構(gòu)造結(jié)構(gòu)元素以正方形構(gòu)造一個(gè)seI4=imclose(I3,se);figure(5),imshow(I4);title('smothing image');結(jié)果如下所示：D BW、giMk 口 Wig 日理*'! 4 -r trH以 n 6. 刪除二值圖像的小對(duì)象I5=bwareaopen(I4,

8、2000);%去除聚團(tuán)灰度值小丁 2000的部分figure(6),imshow(I5);title('remove the small objects'); %用 imshow 函數(shù)顯小濾波后圖像結(jié)果如下所示：7. 車牌定位y,x,z=size(I5);% 返回I5各維的尺寸，存儲(chǔ)在 x,y,z中myI=double(I5);% 將I5轉(zhuǎn)換成雙精度tic %tic表示計(jì)時(shí)的開始，toc表示計(jì)時(shí)的結(jié)束Blue_y=zeros(y,1);%產(chǎn)生一個(gè) y*1 的零陣for i=1:yfor j=1:xif(myI(i,j,1)=1)Blue_y(i,1)= Blue_y(i,1)+

9、1;%藍(lán)色像素點(diǎn)統(tǒng)計(jì)endendendtemp MaxY=max(Blue_y);%Y 方向車牌區(qū)域確定PY1=MaxY;while (Blue_y(PY1,1)>=5)&&(PY1>1)PY1=PY1-1;endPY2=MaxY;while (Blue_y(PY2,1)>=5)&&(PY2<y)PY2=PY2+1;endIY=I(PY1:PY2,:,:);Blue_x=zeros(1,x);%進(jìn)一步確定 x方向的車牌區(qū)域for j=1:xfor i=PY1:PY2if(myI(i,j,1)=1)Blue_x(1,j)= Blue_x(1

10、,j)+1;endendendPX1=1;while (Blue_x(1,PX1)<3)&&(PX1<x)PX1=PX1+1;endPX2=x;while (Blue_x(1,PX2)<3)&&(PX2>PX1)PX2=PX2-1;endPX1=PX1-1;%對(duì)車牌區(qū)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('Linedirectionareas');figure(7),subplot(1,

11、2,2),imshow(dw),title('positioning color images');8. 字符分割與識(shí)別對(duì)分割出的彩色車牌圖像進(jìn)行灰度轉(zhuǎn)換、二值化、均值濾波、腐蝕膨脹以及字符分割以從車牌圖像中分離出組成車牌號(hào)碼的單個(gè)字符圖像，對(duì)分割出來的字符進(jìn)行預(yù)處理(二值化、歸一化)，然后分析提取,對(duì)分割出的字符圖像進(jìn)行識(shí)別給出文本形式的車牌號(hào)碼。代碼如下:imwrite(dw,'dw.jpg');%將彩色車牌寫入dw文件中a=imread('dw.jpg');%讀取車牌文件中的數(shù)據(jù)b=rgb2gray(a);% 將車牌圖像轉(zhuǎn)換為灰度圖imwr

12、ite(b,'gray licence plate.jpg');%將灰度圖像寫入文件中figure(8);subplot(3,2,1),imshow(b),title('車牌灰度圖像')g_max=double(max(max(b);g_min=double(min(min(b);T=round(g_max-(g_max-g_min)/3); % T為二值化的閾值m,n=size(b);d=(double(b)>=T); % d:.值圖像imwrite(d,'binary licence plate.jpg');subplot(3,2,2)

13、,imshow(d),title('before filtering binary licence plate')h=fspecial('average',3);d=im2bw(round(filter2(h,d);%使用指定的濾波器h對(duì)h進(jìn)行d即均值濾波imwrite(d,'after average licence plate.jpg');單位矩陣subplot(3,2,3),imshow(d),title('after average licence plate') se=eye(2); % eye(n) returns t

14、he n-by-n identity matrixm,n=size(d);%返回矩陣b的尺寸信息，并存儲(chǔ)在 m,n中if bwarea(d)/m/n>=0.365 %計(jì)算二值圖像中對(duì)象的總面積與整個(gè)面積的比是否大于0.365d=imerode(d,se);%如果大于0.365則圖像進(jìn)行腐蝕elseif bwarea(d)/m/n<=0.235 %計(jì)算二值圖像中對(duì)象的總面積與整個(gè)面積的比是否小于0.235d=imdilate(d,se);%如果小于則實(shí)現(xiàn)膨脹操作endimwrite(d,'expansion or corrosion the licence plate.jpg

15、');subplot(3,2,4),imshow(d),title('expansion or corrosion the licence plate');運(yùn)行結(jié)果如下所示：9. 字符分割在汽車牌照自動(dòng)識(shí)別過程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎(chǔ) 上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識(shí)別。字符識(shí)別的算法很多，因?yàn)檐?牌字符間間隔較大，不會(huì)出現(xiàn)字符粘連情況，所以此處采用的方法為尋找連續(xù)有文字的塊,若長度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。一般分割出來的字符要進(jìn)行 進(jìn)一步的處理，以滿足下一步字符識(shí)別的需要。但是對(duì)于車牌的識(shí)別，并不需要太

16、多的處 理就已經(jīng)可以達(dá)到正確識(shí)別的目的。在此只進(jìn)行了歸一化處理，然后進(jìn)行后期處理。%尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割9首先創(chuàng)建子函數(shù) qiege與getword ,而后調(diào)用子程序，將車牌的字符分割開并且進(jìn)行歸一 化處理d=qiege(d);m,n=size(d);subplot(3,2,5),imshow(d),title(n)k1=1;k2=1;s=sum(d)；j=1;while j=nwhile s(j)=0j=j+1;endk1=j;while s(j)=0 && j<=n-1j=j+1;endk2=j-1;if k2-k1

17、>=round(n/6.5)val,num=min(sum(d(:,k1+5:k2-5);d(:,k1+num+5)=0; % 分割endendd=qiege(d);y1=10;y2=0.25;flag=0;word1=;while flag=0m,n=size(d);left=1;wide=0;while sum(d(:,wide+1)=0wide=wide+1;endif wide<y1d(:,1:wide)=0;d=qiege(d);elsetemp=qiege(imcrop(d,1 1 wide m);m,n=size(temp);all=sum(sum(temp);two

18、_thirds=sum(sum(temp(round(m/3):2*round(m/3),:);if two_thirds/all>y2flag=1;word1=temp; % WORD 1endd(:,1:wide)=0;d=qiege(d);endendword2,d=getword(d);word3,d=getword(d);word4,d=getword(d);word5,d=getword(d);word6,d=getword(d);word7,d=getword(d);figure(9);subplot(2,7,1),imshow(word1),title('1

19、9;);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');subplot(2,7,7),imshow(word7),title('7');m,n=size

20、(word1);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');

21、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,'1.jpg');imwrite(word2,'2.jpg

22、');imwrite(word3,'3.jpg');imwrite(word4,'4.jpg');imwrite(word5,'5.jpg');imwrite(word6,'6.jpg');imwrite(word7,'7.jpg');運(yùn)行結(jié)果如下：s W茶®D 3I10. 車牌識(shí)別：模板匹配是圖象識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間

23、相似程度最高，可將圖象歸于相應(yīng)的類。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類。此處采用相減的方法來求得字符與模板中哪一個(gè)字符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，緊接其后的為字母與數(shù)字。車牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約50多個(gè)，大寫英文字母 26個(gè)，數(shù)字10個(gè)。為了實(shí)驗(yàn)方便，結(jié)合本次設(shè)計(jì)所選汽車牌照的特點(diǎn)，只建立了7個(gè)數(shù)字26個(gè)字母與10個(gè)數(shù)字的模板。其他模板設(shè)計(jì)的方法與此相同。首先取字符模板，接著依次取待識(shí)別字符與模板進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。把每一幅相

24、減后的圖的0值個(gè)數(shù)保存，即為識(shí)別出來的結(jié)果源代碼如下：liccode=char('0':'9' 'A':'Z''蘇豫陜魯京遼浙');% 建立自動(dòng)識(shí)別字符代碼表SubBw2=zeros(40,20);l=1;for I=1:7ii=int2str(I);t=imread(ii,'.jpg');SegBw2=imresize(t,40 20,'nearest');SegBw2=double(SegBw2)>20;if l=1%kmin=37;kmax=43;elseif l=2%k

25、min=11;kmax=36;else l>=3%kmin=1;第一位漢字識(shí)別第二位AZ字母識(shí)別第三位以后是字母或數(shù)字識(shí)別kmax=36;endfor k2=kmin:kmaxfname=strcat('字符模板 ',liccode(k2),'.jpg');SamBw2 = imread(fname);SamBw2=double(SamBw2)>1;for i=1:40for j=1:20SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);endend%以上相當(dāng)于兩幅圖相減得到第三幅圖Dmax=0;for k1=1:40for l

26、1=1:20if ( SubBw2(k1,l1) > 0 | SubBw2(k1,l1) <0 )Dmax=Dmax+1;endendendError(k2)=Dmax;endError1=Error(kmin:kmax);MinError=min(Error1);findc=find(Error1=MinError);Code(l*2-1)=liccode(findc(1)+kmin-1);Code(l*2)=''l=l+1;endfigure(10),imshow(dw),title ('車牌號(hào)碼:',Code,'Color',&

27、#39;b');File Edit View Insert Too Is Desktop Window Help車牌號(hào)碼一灣A 0 4 S 8 90W五、設(shè)計(jì)體會(huì)以前老課程設(shè)計(jì)不僅是對(duì)前面所學(xué)知識(shí)的一種檢驗(yàn)，而且也是對(duì)自己能力的一種提高。在以后的工作、 基礎(chǔ)比較差，一但是在設(shè)計(jì)過程是覺得自己什么東西都不會(huì)，什么東西都不懂，而且又急于求成，結(jié)果造成什么都沒學(xué)好, 還是什么都不會(huì)。通過這次課程設(shè)計(jì)，我才明白學(xué)習(xí)是一個(gè)長期積累的過程， 生活中都應(yīng)該不斷的學(xué)習(xí)，努力提高自己知識(shí)和綜合素質(zhì)，特別是對(duì)于我， 定不能太過于心急，要靜下心來慢慢的研究。雖然這個(gè)設(shè)計(jì)做的也不太好， 中所學(xué)到的東西是這次課

28、程設(shè)計(jì)的最大收獲和財(cái)富，使我終身受益六、參考文獻(xiàn)：1 楊萬山等，基于BP神經(jīng)網(wǎng)絡(luò)的工程圖紙圖形符號(hào)的識(shí)別，微型電腦應(yīng)用，Vol.16 ,No.2,20002 王年、李婕、任彬、汪炳權(quán).多層次汽車車牌照定位分割方法.安徽大學(xué)學(xué)報(bào)，1999(6)Vol.23.No.23 崔 江、王友仁.車牌自動(dòng)識(shí)別方法中的關(guān)鍵技術(shù)研究.計(jì)算機(jī)測(cè)量與控制，2003.11(4)4 許志影、李晉平.MATLA敬其在圖像處理中的應(yīng)用.計(jì)算機(jī)與現(xiàn)代化，2004(4)源代碼如下:新建文件夾0.jpg');figure(1),imshow(I);title('原始車牌');%將車牌的原圖顯示出來I1=r

29、gb2gray(I);%將彩圖轉(zhuǎn)換為灰度圖原始車牌');灰度圖直方圖');選擇閾值0.18 ,用roberts算子進(jìn)行邊緣檢測(cè) 邊緣檢測(cè)圖像');figure(2),subplot(1,2,1),imshow(I1);title(' figure(2),subplot(1,2,2),imhist(I1);title(' I2=edge(I1,'roberts',0.18,'both');% figure(3),imshow(I2);title(' se=1;1;1; I3=imerode(I2,se);% 對(duì)圖像實(shí)

30、施腐蝕操作，即膨脹的反操作 figure(4),imshow(I3);title('腐蝕后圖像');se=strel('rectangle',25,25);%構(gòu)造結(jié)構(gòu)元素以正方形構(gòu)造一個(gè)seI4=imclose(I3,se);%圖像聚類、填充圖像figure(5),imshow(I4);title('閉運(yùn)算后圖像');I5=bwareaopen(I4,2000);% 去除聚團(tuán)灰度值小于 2000的部分figure(6),imshow(I5);title('去除后圖像');y,x,z=size(I5);% 返回I5各維的尺寸，存儲(chǔ)在

31、x,y,z中myI=double(I5);% 將I5轉(zhuǎn)換成雙精度tic %tic表示計(jì)時(shí)的開始，toc表示計(jì)時(shí)的結(jié)束Blue_y=zeros(y,1);% 產(chǎn)生一個(gè) y*1 的零陣for i=1:yfor j=1:xif(myI(i,j,1)=1)%如果myI(i,j,1) 即myI的圖像中坐標(biāo)為(i,j) 的點(diǎn)值為1,即該點(diǎn)為車牌背景顏色藍(lán)色% 則 Blue_y(i,1) 的值加 1Blue_y(i,1)= Blue_y(i,1)+1;%藍(lán)色像素點(diǎn)統(tǒng)計(jì)endendendtemp MaxY=max(Blue_y);%Y 方向車牌區(qū)域確定%temp為向量yellow_y的元素中的最大值，Max洌

32、該值的索引PY1=MaxY;while (Blue_y(PY1,1)>=5)&&(PY1>1)PY1=PY1-1;endPY2=MaxY;while (Blue_y(PY2,1)>=5)&&(PY2<y)PY2=PY2+1;endIY=I(PY1:PY2,:,:);%行方向車牌區(qū)域確定Blue_x=zeros(1,x);% 進(jìn)一步確定x方向的車牌區(qū)域for j=1:xfor i=PY1:PY2if(myI(i,j,1)=1)Blue_x(1,j)= Blue_x(1,j)+1;endendendPX1=1;while (Blue_x(1,

33、PX1)<3)&&(PX1<x)PX1=PX1+1;endPX2=x;while (Blue_x(1,PX2)<3)&&(PX2>PX1)PX2=PX2-1;end PX1=PX1-1;%對(duì)車牌區(qū)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('車牌行方向');% 行方向車牌區(qū)域確定figure(7),subplot(1,2,2),imshow(dw),title('車牌區(qū)域

34、9;);%定位后的車牌區(qū)域如下所示：imwrite(dw,'dw.jpg');%將彩色車牌寫入dw文件中a=imread('dw.jpg');%讀取車牌文件中的數(shù)據(jù)b=rgb2gray(a);% 將車牌圖像轉(zhuǎn)換為灰度圖 figure(8);subplot(3,2,1),imshow(b),title('車牌灰度圖像')g_max=double(max(max(b); g_min=double(min(min(b); T=round(g_max-(g_max-g_min)/3); % T為二值化的閾值m,n=size(b); d=(double(b

35、)>=T); % d:二值圖像subplot(3,2,2),imshow(d),title('二值化圖像')%勻值濾波前 %濾波 h=fspecial('average',3); 9建立預(yù)定義的濾波算子，average為均值濾波，模板的尺寸為 3*3 d=im2bw(round(filter2(h,d);%使用指定的濾波器h對(duì)h進(jìn)行d即均值濾波subplot(3,2,3),imshow(d),title('濾波后圖像')se=eye(2); % eye(n) returns the n-by-n identity matrix單位矩陣m,n

36、=size(d);% 返回矩陣b的尺寸信息，并存儲(chǔ)在m,n中if bwarea(d)/m/n>=0.365 %計(jì)算二值圖像中對(duì)象的總面積與整個(gè)面積的比是否大于0.365d=imerode(d,se);% 如果大于0.365則圖像進(jìn)行腐蝕elseif bwarea(d)/m/n<=0.235 %計(jì)算二值圖像中對(duì)象的總面積與整個(gè)面積的比是否小于0.235 d=imdilate(d,se);%如果小于則實(shí)現(xiàn)膨脹操作end subplot(3,2,4),imshow(d),title('膨脹或腐蝕圖像');d=qiege(d); m,n=size(d); subplot(3

37、,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;endk2=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endend%再切割d=qiege(d);%切割出7個(gè)字符y1=10;y2=0.25;flag=0;word1=;while flag=0m,n=size(d);lef

38、t=1;wide=0;while sum(d(:,wide+1)=0wide=wide+1;endif wide<y1 %認(rèn)為是左側(cè)干擾d(:,1:wide)=0;d=qiege(d);elsetemp=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>y2flag=1;word1=temp; % WORD 1endd(:,1:wide)=0;d=qiege(d);endend

39、%分割出第二個(gè)字符word2,d=getword(d);%分割出第三個(gè)字符word3,d=getword(d);%分割出第四個(gè)字符word4,d=getword(d);%分割出第五個(gè)字符word5,d=getword(d);%分割出第六個(gè)字符word6,d=getword(d);%分割出第七個(gè)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(word

40、3),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');subplot(2,7,7),imshow(word7),title('7');m,n=size(word1);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');subp