. function [d]=main(jpg)I=imread('car.jpg');figure(1),imshow(I);title('原图');I1=rgb2gray(I); %将真彩色图像转换为灰度图像figure(2),subplot(1,2,1),imshow(I1);title('灰度图');figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');I2=edge(I1,'robert',0.08,'both'); %高斯滤波器,方差为0.08 figure(3),imshow(I2);title('robert算子边缘检测')se=[1;1;1];I3=imerode(I2,se); %图像的腐蚀figure(4),imshow(I3);title('腐蚀后图像');se=strel('rectangle',[40,40]); %构造结构元素，以长方形构造一个seI4=imclose(I3,se); %对图像实现闭运算，闭运算也能平滑图像的轮廓，但与开运算相反，它一般融合窄的缺口和细长的弯口，去掉小洞，填补轮廓上的缝隙。
figure(5),imshow(I4);title('平滑图像的轮廓');I5=bwareaopen(I4,2000); %从二进制图像中移除所有少于p像素的连接的组件（对象），产生另一个二进制图像figure(6),imshow(I5);title('从对象中移除小对象');[y,x,z]=size(I5); %返回I5各维的尺寸，并存储在变量y、x、z中myI=double(I5); %换成双精度数值%begin横向扫描tic %计算tic与toc之间程序的运行时间Blue_y=zeros(y,1); %产生y*1的全0矩阵for i=1:yfor j=1:xif(myI(i,j,1)==1)%如果myI(i,j,1)即myI图像中坐标为(i,j)的点为蓝色%则Blue_y的相应行的元素white_y(i,1)值加1Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计endendend[temp MaxY]=max(Blue_y);%temp为向量white_y的元素中的最大值，MaxY 为该值的索引（在向量中的位置）PY1=MaxY;while ((Blue_y(PY1,1)>=120)&&(PY1>1))PY1=PY1-1;endPY2=MaxY;while ((Blue_y(PY2,1)>=40)&&(PY2<y))PY2=PY2+1;endIY=I(PY1:PY2,:,:);%IY为原始图像I中截取的纵坐标在PY1：PY2之间的部分%end横向扫描%begin纵向扫描Blue_x=zeros(1,x);%进一步确定x方向的车牌区域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,PX1)<3)&&(PX1<x))PX1=PX1+1;endPX2=x;while ((Blue_x(1,PX2)<3)&&(PX2>PX1))PX2=PX2-1;end%end纵向扫描PX1=PX1-2;%对车牌区域的校正PX2=PX2+2;dw=I(PY1:PY2,:,:);t=toc;figure(7),subplot(1,2,1),imshow(IY),title('行方向合理区域');figure(7),subplot(1,2,2),imshow(dw),title('定位剪切后的彩色车牌图像')imwrite(dw,'dw.jpg'); %将图像数据写入到图像文件中[filename,filepath]=uigetfile('dw.jpg','输入一个定位裁剪后的车牌图像');%读取jpg=strcat(filepath,filename); %将数组filepath,filename水平地连接成单个字符串，并保存于变量jpg中a=imread('dw.jpg'); %读取图片文件中的数据b=rgb2gray(a); %将真彩色图像转换为灰度图像imwrite(b,'1.车牌灰度图像.jpg'); %将图像数据写入到图像文件中figure(8);subplot(3,2,1),imshow(b),title('1.车牌灰度图像')g_max=double(max(max(b))); %换成双精度数值g_min=double(min(min(b))); %换成双精度数值T=round(g_max-(g_max-g_min)/3); % T 为二值化的阈值[m,n]=size(b); %返回矩阵b的尺寸信息，并存储在m、n中。
其中m中存储的是行数，n中存储的是列数。
d=(double(b)>=T); % d:二值图像imwrite(d,'2.车牌二值图像.jpg'); %将图像数据写入到图像文件中figure(8);subplot(3,2,2),imshow(d),title('2.车牌二值图像')figure(8),subplot(3,2,3),imshow(d),title('3.均值滤波前')% 滤波h=fspecial('average',3); %建立预定义的滤波算子，average指定算子的类型，3为相应的参数d=im2bw(round(filter2(h,d))); %转换为二值图像imwrite(d,'4.均值滤波后.jpg'); %将图像数据写入到图像文件中figure(8),subplot(3,2,4),imshow(d),title('4.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膨胀% 'line'/'diamond'/'ball'...se=eye(2); % eye(n) returns the n-by-n identity matrix 单位矩阵[m,n]=size(d); %返回矩阵b的尺寸信息，并存储在m、n中。
其中m中存储的是行数，n中存储的是列数if bwarea(d)/m/n>=0.365 %计算二值图像中对象的总面积d=imerode(d,se); %图像的腐蚀elseif bwarea(d)/m/n<=0.235 %计算二值图像中对象的总面积d=imdilate(d,se); %实现膨胀操作endimwrite(d,'5.膨胀或腐蚀处理后.jpg'); %将图像数据写入到图像文件中figure(8),subplot(3,2,5),imshow(d),title('5.膨胀或腐蚀处理后')% 寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割d=qiege(d); %切割[m,n]=size(d); %返回矩阵b的尺寸信息，并存储在m、n中。
其中m中存储的是行数，n中存储的是列数figure,subplot(2,1,1),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>=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 个字符y1=10;y2=0.25;flag=0;word1=[];while flag==0[m,n]=size(d);left=1;wide=0;while sum(d(:,wide+1))~=0wide=wide+1;endif wide<y1 % 认为是左侧干扰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% 分割出第二个字符[word2,d]=getword(d);% 分割出第三个字符[word3,d]=getword(d);% 分割出第四个字符[word4,d]=getword(d);% 分割出第五个字符[word5,d]=getword(d);% 分割出第六个字符[word6,d]=getword(d);% 分割出第七个字符[word7,d]=getword(d);figure(9),imshow(word1),title('1');figure(10),imshow(word2),title('2');figure(11),imshow(word3),title('3');figure(12),imshow(word4),title('4');figure(13),imshow(word5),title('5');figure(14),imshow(word6),title('6');figure(15),imshow(word7),title('7');[m,n]=size(word1); %返回矩阵b的尺寸信息，并存储在m、n中。