آموزش کامل پروژه تشخیص پلاک خودرو ایرانی با متلب

سلام. برای شما پروژه تشخیص پلاک خودرو ایرانی با متلب به همراه آموزش را آماده کردیم. این پروژه پردازش تصویر با متلب را از دست ندهید !

پروژه تشخیص پلاک خودرو ایرانی با متلب

پردازش تصویر ، همیشه یکی از مباحث پرطرفدار و البته پیچیده در دنیای مهندسان بوده است و در موارد زیادی کاربرد دارد. همینطور که میدانید از پردازش تصویر بیشتر برای شناسائی پلاک خودرو های متخلف استفاده میشود. همچنین میشود در مباحث پیچیده تر پردازش تصویر ، در زمینه پردازش تصویر چهره افراد استفاده کرد. ما در این پروژه میخواهیم یک برنامه شناسائی پلاک خودرو های ایرانی با نرم فزار متلب را بنویسیم.

همچنین ببینید : تشخیص شماره پلاک خودرو با متلب و پردازش تصویر

آموزش تشخیص پلاک خودرو ایرانی

در فایل دانلودی ، فایلی به نام Demo قرار دارد. این فایل پروژه تشخیص خودرو در نرم افزار متلب است. برای تست پروژه میتوانید تصویری را که میخواهد انتخاب کنید تا تست انجام شود. ما 9 عدد تصویر را برای تست در فایل قرار داده ایم.

در این قسمت از کد ، روبروی IN آدرس تصویر را انتخاب کنید.سپس برنامه را اجرا کنید تا تشخیص پلاک را ببینید.

%% Read Image
In    = 8;                              % select a number between 1 to 9
Im    = imread(fullfile('.', 'DataBase', strcat(num2str(In), '.jpg'))); % read image
I     = im2double(rgb2gray(Im));        % rgb to gray
% figure();imshow(I)

سورس کد کامل پردازش تصویر پلاک خودرو :

%% clear command windows
clc
clear all
close all
%% Read Image
In    = 8;                              % select a number between 1 to 9
Im    = imread(fullfile('.', 'DataBase', strcat(num2str(In), '.jpg'))); % read image
I     = im2double(rgb2gray(Im));        % rgb to gray
% figure();imshow(I)
%% Sobel Masking 
SM    = [-1 0 1;-2 0 2;-1 0 1];         % Sobel Vertical Mask
IS    = imfilter(I,SM,'replicate');     % Filter Image Using Sobel Mask
IS    = IS.^2;                          % Consider Just Value of Edges & Fray Weak Edges
% figure();imshow(IS)
%% Normalization
IS    = (IS-min(IS(:)))/(max(IS(:))-min(IS(:))); % Normalization
% figure();imshow(IS)
%% Threshold (Otsu)
level = graythresh(IS);                 % Threshold Based on Otsu Method
IS    = im2bw(IS,level);
% figure();imshow(IS)
%% Histogram
S     = sum(IS,2);                      % Edge Horizontal Histogram
% figure();plot(1:size(S,1),S)
% view(90,90)
%% Plot
% figure()
% subplot(1,2,1);imshow(IS)
% subplot(1,2,2);plot(1:size(S,1),S)
% axis([1 size(IS,1) 0 max(S)]);view(90,90)
%% Plate Location
T1    = 0.35;                           % Threshold On Edge Histogram
PR    = find(S > (T1*max(S)));          % Candidate Plate Rows
%% Masked Plate
Msk   = zeros(size(I));
Msk(PR,:) = 1;                          % Mask
MB    = Msk.*IS;                        % Candidate Plate (Edge Image)
% figure();imshow(MB)
%% Morphology (Dilation - Vertical)
Dy    = strel('rectangle',[80,4]);      % Vertical Extension
MBy   = imdilate(MB,Dy);                % By Dilation
MBy   = imfill(MBy,'holes');            % Fill Holes
% figure();imshow(MBx)
%% Morphology (Dilation - Horizontal)
Dx    = strel('rectangle',[4,80]);      % Horizontal Extension
MBx   = imdilate(MB,Dx);                % By Dilation
MBx   = imfill(MBx,'holes');            % Fill Holes
% figure();imshow(MBy)
%% Joint Places
BIM   = MBx.*MBy;                       % Joint Places
% figure();imshow(BIM)
%% Morphology (Dilation - Horizontal)
Dy    = strel('rectangle',[4,30]);      % Horizontal Extension
MM    = imdilate(BIM,Dy);               % By Dilation
MM    = imfill(MM,'holes');             % Fill Holes
% figure();imshow(MM)
%% Erosion
Dr    = strel('line',50,0);             % Erosion
BL    = imerode(MM,Dr);
% figure();imshow(BL)
%% Find Biggest Binary Region (As a Plate Place)
[L,num] = bwlabel(BL);                  % Label (Binary Regions)               
Areas   = zeros(num,1);
for i = 1:num                           % Compute Area Of Every Region
[r,c,v]  = find(L == i);                % Find Indexes
Areas(i) = sum(v);                      % Compute Area    
end 
[La,Lb] = find(Areas==max(Areas));      % Biggest Binary Region Index
%% Post Processing
[a,b]   = find(L==La);                  % Find Biggest Binary Region (Plate)
[nRow,nCol] = size(I);
FM      = zeros(nRow,nCol);             % Smooth and Enlarge Plate Place
T       = 10;                           % Extend Plate Region By T Pixel
jr      = (min(a)-T :max(a)+T);
jc      = (min(b)-T :max(b)+T);
jr      = jr(jr >= 1 & jr <= nRow);
jc      = jc(jc >= 1 & jc <= nCol);
FM(jr,jc) = 1; 
PL      = FM.*I;                        % Detected Plate
% figure();imshow(FM)
% figure();imshow(PL)
%% Plot
imshow(Im); title('Detected Plate')
hold on
rectangle('Position',[min(jc),min(jr),max(jc)-min(jc),...
max(jr)-min(jr)],'LineWidth',4,'EdgeColor','r')
hold off

برای مشاهده توضیحات روی دوره مورد نظر کلیک کنید.