车牌定位matlab程序：通过hsv彩色分割方式定位车牌

最近看了《基于数字图像处理的车牌识别研究》这篇论文，对车牌识别知识讲的很仔细，推荐。

1.（摘自《基于数字图像处理的车牌识别研究》）

通过对大量车牌图像的分析，可以发现对于具有某种目标色的像素，可以直接通过对H、s、v三分量设定一个范围来把它们过滤出来，无需进行较复杂的色彩距离计算， 这样可以在色彩分割时节省大量的时间。这种过滤对蓝色和黄色车牌特别有效，但对于黑色和白色的过滤效果不是很理想。这是因为对于纯色的黑色和白色，它们的色调和饱和度没有意义，所以和其它颜色相比缺少了两个过虑指标。

根据这篇论文所讲的步骤想要写程序，开始居然是无从下手。通过参考各种车牌识别matlab程序，才写出来第一个程序。此程序是针对蓝色车牌的识别，识别效果还不错，通过HSV颜色空间分割确实可行。

通过先验知识，汽车车牌的HSV值可由下表确定：

2.蓝色车牌HSV彩色分割定位Matlab程序：

clear all;clc;[Im,Path]=uigetfile('*jpg','选择图片');Image=imread([Path,Im]);Image=im2double(Image);s=size(Image,2)I=rgb2hsv(Image);[y,x,z]=size(I);Blue_y = zeros(y, 1);p=[0.56 0.71 0.4 1 0.3 1 0];for i = 1 : y    for j = 1 : x        hij = I(i, j, 1);        sij = I(i, j, 2);        vij = I(i, j, 3);        if (hij>=p(1) && hij<=p(2)) &&( sij >=p(3)&& sij<=p(4))&&...                (vij>=p(5)&&vij<=p(6))            Blue_y(i, 1) = Blue_y(i, 1) + 1;         end    endend[~, MaxY] = max(Blue_y);Th = p(7);PY1 = MaxY;while ((Blue_y(PY1,1)>Th) && (PY1>0))    PY1 = PY1 - 1;endPY2 = MaxY;while ((Blue_y(PY2,1)>Th) && (PY2<y))    PY2 = PY2 + 1;endPY1 = PY1 - 2;PY2 = PY2 + 2;if PY1 < 1    PY1 = 1;endif PY2 > y    PY2 = y;endIt=Image(PY1:PY2,:,:);subplot(231),imshow(It);IY = I(PY1:PY2, :, :);subplot(232),imshow(IY);I2=im2bw(IY,0.5);subplot(233),imshow(I2);[y1,x1,z1]=size(IY);Blue_x=zeros(1,x1);for j = 1 : x1    for i = 1 : y1        hij = IY(i, j, 1);        sij = IY(i, j, 2);        vij = IY(i, j, 3);        if (hij>=p(1) && hij<=p(2)) &&( sij >=p(3)&& sij<=p(4))&&...                (vij>=p(5)&&vij<=p(6))            Blue_x(1, j) = Blue_x(1, j) + 1; %              bw1(i, j) = 1;        end    endendPY1,PY2[~, MaxX] = max(Blue_x);Th = p(7);PX1 = MaxX;while ((Blue_x(1,PX1)>Th) && (PX1>0))    PX1 = PX1 - 1;endPX2 = MaxX;while ((Blue_x(1,PX2)>Th) && (PX2<x1))    PX2 = PX2 + 1;endIta=Image(PY1:PY2,PX1:PX2,:);subplot(234),imshow(Ita);IX = I(PY1:PY2, PX1:PX2, :);subplot(235),imshow(IX);I3=im2bw(IX,0.5);subplot(236),imshow(I3);

3.效果展示

（1）

（2）

（3）

不过改进空间还是很大，对于蓝色车辆、深蓝色车辆以及图片中蓝色较多的图片，识别效果还是不行。