简易车牌识别与人脸定位（Matlab）

淩亂°似流年 2022-05-16 03:07 240阅读 0赞

数字图像处理的期末课程设计，大概花了一个周末吧...matlab还是很强大的。

然后当我弄完这个课程设计时，我发现好像可以给它冠以一个停车位管理系统的名字，故......（手动滑稽）

PS：完整工程下载及实验报告文档：[https://download.csdn.net/download/weixin\_41918712/10604238][https_download.csdn.net_download_weixin_41918712_10604238]

--------------------

# **系统功能描述** #

本模拟停车位管理系统的功能是：系统对进入停车位的车辆进行车牌识别，将识别出来的车牌号显示出来；然后对车主进行人脸识别，框出车主照片的人脸部分作为车主信息的标记，记录在系统库中。车辆在库期间，系统使用者可以随意查看车辆与车主信息的获取过程及获取结果。而当车辆离开时，系统库将清除该车辆与车主的所有信息。

![70][]

--------------------

# **功能演示** #

（一）运行程序时弹出欢迎图片，持续时间为3秒。

![70 1][]

（二）待机情况下仅显示如图的组件。

![70 2][]

（三）车牌识别

![70 3][]

（四）下拉菜单可查看处理过程的图片

![70 4][]

（五）人脸定位

![70 5][]

（六）移动滑块可查看处理过程的图片

![70 6][]

--------------------

# **代码部分** #

参考博客：[https://blog.csdn.net/zhangquan2015/article/details/78994551][https_blog.csdn.net_zhangquan2015_article_details_78994551]

[ https://blog.csdn.net/u014571132/article/details/51569053][https_blog.csdn.net_u014571132_article_details_51569053]

PS：建立如下的几个文件夹，然后把代码都放在同样的目录下。

![70 7][]

测试图以及字符模板在百度云里（密码: etgs）：[https://pan.baidu.com/s/1Lu6X1hNfoAede-qrPNkTiQ][https_pan.baidu.com_s_1Lu6X1hNfoAede-qrPNkTiQ]

下面是程序了。

***slyarh\_main.m（主程序）***

function varargout = slyarh_main(varargin)
    gui_Singleton = 1;
    gui_State = struct('gui_Name',       mfilename, ...
                       'gui_Singleton',  gui_Singleton, ...
                       'gui_OpeningFcn', @slyarh_main_OpeningFcn, ...
                       'gui_OutputFcn',  @slyarh_main_OutputFcn, ...
                       'gui_LayoutFcn',  [] , ...
                       'gui_Callback',   []);
    if nargin && ischar(varargin{1})
        gui_State.gui_Callback = str2func(varargin{1});
    end
    if nargout
        [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
    else
        gui_mainfcn(gui_State, varargin{:});
    end
    function slyarh_main_OpeningFcn(hObject, eventdata, handles, varargin)
    handles.output = hObject;
    guidata(hObject, handles);
    function varargout = slyarh_main_OutputFcn(hObject, eventdata, handles) 
    varargout{1} = handles.output;
    
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ 启动画面 ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    ImageFile  = '.\字符模板\wel.png';
    ScreenSize = get(0,'ScreenSize');
    jImage     = im2java(imread(ImageFile));
    jfBounds   = num2cell([...
        (ScreenSize(3)-jImage.getWidth)/2 ...
        (ScreenSize(4)-jImage.getHeight)/2 ...
        jImage.getWidth ...
        jImage.getHeight]);
    jFrame     = javax.swing.JFrame;
    icon       = javax.swing.ImageIcon(jImage);
    label      = javax.swing.JLabel(icon);
    jFrame.getContentPane.add(label);
    jFrame.setUndecorated(true)
    jFrame.setBounds(jfBounds{:});
    jFrame.pack
    jFrame.show
    pause(3)
    jFrame.dispose
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏  ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ 背景和logo ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    h = handles.figure1; %创建一个Figure，并返回其句柄
    newIcon = javax.swing.ImageIcon('.\字符模板\logo.png')
    figFrame = get(h,'JavaFrame'); %取得Figure的JavaFrame。
    figFrame.setFigureIcon(newIcon); %修改图标
    ha=axes('units','normalized','pos',[0 0 1 1]);
    uistack(ha,'down');
    ii=imread('.\字符模板\bg1.png');
    %设置程序的背景图为beijing1.jpg
    image(ii);
    colormap gray
    set(ha,'handlevisibility','off','visible','off');
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏  ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ 停车 ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    function bt_in_Callback(hObject, eventdata, handles)
    [filename pathname]=uigetfile({'*.jpg';'*.png';'*.bmp'}, '正在拍摄入场的车辆~');
    I=imread([pathname '\' filename]);
    handles.I=I;
    guidata(hObject, handles);
    axes(handles.axes1);imshow(I);title('汽车靓照');
    axes(handles.axes11);imshow(I);title('汽车靓照');
    imwrite(I,'.\进车记录\原.jpg');
    set(handles.bt_new,'visible','on');
    set(handles.ui_in,'visible','off');
    set(handles.ui_out,'visible','on');
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ 进车 ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    I=handles.I;
    I1=rgb2gray(I);
    I2=edge(I1,'roberts',0.18,'both');
    imwrite(I1,'.\进车记录\灰度.jpg');
    imwrite(I2,'.\进车记录\边缘.jpg');
    se=[1;1;1];
    I3=imerode(I2,se);%腐蚀操作
    imwrite(I2,'.\进车记录\腐蚀.jpg');
    se=strel('rectangle',[25,25]);
    I4=imclose(I3,se);%图像聚类，填充图像
    I5=bwareaopen(I4,2000);%去除聚团灰度值小于2000的部分
    [y,x,z]=size(I5);%返回15各维的尺寸，存储在x,y,z中
    myI=double(I5);
    tic      %tic计时开始，toc结束
    Blue_y=zeros(y,1);%产生一个y*1的零针
    for i=1:y
        for j=1:x
            if(myI(i,j,1)==1)%如果myI图像坐标为（i，j）点值为1，即背景颜色为蓝色，blue加一
                Blue_y(i,1)=Blue_y(i,1)+1;%蓝色像素点统计
            end
        end
    end
    [temp MaxY]=max(Blue_y);
    %Y方向车牌区域确定
    %temp为向量yellow_y的元素中的最大值，MaxY为该值得索引
    PY1=MaxY;
    while((Blue_y(PY1,1)>=5)&&(PY1>1))
        PY1=PY1-1;
    end
    PY2=MaxY;
    while((Blue_y(PY2,1)>=5)&&(PY2<y))
        PY2=PY2+1;
    end
    IY=I(PY1:PY2,:,:);
    %X方向车牌区域确定
    Blue_x=zeros(1,x);%进一步确认x方向的车牌区域
    for j=1:x
        for i=PY1:PY2
            if(myI(i,j,1)==1)
                Blue_x(1,j)=Blue_x(1,j)+1;
            end
        end
    end
    PX1=1;
    while((Blue_x(1,PX1)<3)&&(PX1<x))
        PX1=PX1+1;
    end
    PX2=x;
    while((Blue_x(1,PX2)<3)&&(PX2>PX1))
        PX2=PX2-1;
    end
    PX1=PX1-1;%对车牌区域的矫正
    PX2=PX2+1;
    dw=I(PY1:PY2-8,PX1:PX2,:);
    t=toc;
    imwrite(dw,'.\进车记录\定位.jpg');
    b=rgb2gray(dw);%将车牌图像转换为灰度图
    g_max=double(max(max(b)));
    g_min=double(min(min(b)));
    T=round(g_max-(g_max-g_min)/3);%T为二值化的阈值
    [m,n]=size(b);
    d=(double(b)>=T);%d:二值图像
    imwrite(d,'.\进车记录\二值.jpg');
    % imwrite(d,'二值化.jpg');
    %均值滤波前
    %滤波
    h=fspecial('average',3);
    %建立预定义的滤波算子，average为均值滤波，模板尺寸为3*3
    d=im2bw(round(filter2(h,d)));%使用指定的滤波器h对h进行d即均值滤波
    imwrite(d,'.\进车记录\均值.jpg');
    % imwrite(d,'均值滤波.jpg');
    %某些图像进行操作
    %膨胀或腐蚀
    se=eye(2);%单位矩阵
    [m,n]=size(d);%返回信息矩阵
    if bwarea(d)/m/n>=0.365%计算二值图像中对象的总面积与整个面积的比是否大于0.365
        d=imerode(d,se);%如果大于0.365则进行腐蚀
    elseif bwarea(d)/m/n<=0.235%计算二值图像中对象的总面积与整个面积的比值是否小于0.235
        d=imdilate(d,se);%%如果小于则实现膨胀操作
    end
    imwrite(I2,'.\进车记录\膨胀.jpg');
    %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);
    [m,n]=size(d);
    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;
        end
        k2=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
        end
    end
    %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))~=0
            wide=wide+1;
        end
        if wide<y1 %认为是左干扰 
            d(:,[1:wide])=0;
            d=qiege(d);
        else
            temp=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>y2
                flag=1;word1=temp;%word1
            end
            d(:,[1:wide])=0;d=qiege(d);
        end
    end
    %分割出第二至七个字符
    [word2,d]=getword(d);
    [word3,d]=getword(d);
    [word4,d]=getword(d);
    [word5,d]=getword(d);
    [word6,d]=getword(d);
    [word7,d]=getword(d);
    [m,n]=size(word1);
    %商用系统程序中归一化大小为40*20
    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]);
    axes(handles.axes2);imshow(word1);
    axes(handles.axes3);imshow(word2);
    axes(handles.axes4);imshow(word3);
    axes(handles.axes5);imshow(word4);
    axes(handles.axes6);imshow(word5);
    axes(handles.axes7);imshow(word6);
    axes(handles.axes8);imshow(word7);
    imwrite(word1,'.\取码\1.jpg');
    imwrite(word2,'.\取码\2.jpg');
    imwrite(word3,'.\取码\3.jpg');
    imwrite(word4,'.\取码\4.jpg');
    imwrite(word5,'.\取码\5.jpg');
    imwrite(word6,'.\取码\6.jpg');
    imwrite(word7,'.\取码\7.jpg');
    liccode=char(['0':'9' 'A':'Z' '辽粤豫鄂鲁陕京津']);
    SubBw2=zeros(40,20);
    l=1;
    for I=1:7;
        ii=int2str(I);
        filename=strcat('.\取码\',ii);% 读取子文件夹的名字和路径
        t=imread(strcat(filename,'.jpg'));
        SegBw2=imresize(t,[40 20],'nearest');
        SegBw2=double(SegBw2)>20;
        if l==1 %第一位汉字识别
            kmin=37;
            kmax=43;
        elseif l==2 %第二位字母识别
            kmin=11;
            kmax=36;
        else l>=3   %第三位后字母或数字识别
            kmin=1;
            kmax=36;
        end
        for k2=kmin:kmax
            fname=strcat('字符模板\',liccode(k2),'.jpg');
            SamBw2=imread(fname);
            SamBw2=double(SamBw2)>1;
            for i=1:40
                for j=1:20
                    SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);
                end
            end
            %相当于两幅图相减得第三幅图
            Dmax=0;
            for k1=1:40;
                for l1=1:20
                    if(SubBw2(k1,l1)>0 | SubBw2(k1,l1)<0)
                        Dmax=Dmax+1;
                    end
                end
            end
            Error(k2)=Dmax;
        end
        Error1=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;
    end
    axes(handles.axes9);imshow(dw),title(['车牌号码：',Code],'Color','b');
    set(handles.text_out,'String',Code);
    imwrite(I1,'.\进车记录\直方.jpg');
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏  ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ 取车 ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    function bt_out_Callback(hObject, eventdata, handles)
    delete('.\进车记录\*.jpg') % 将删除指定目录上的所有.m文件
    axes(handles.axes1);cla reset;
    axes(handles.axes2);cla reset;
    axes(handles.axes3);cla reset;
    axes(handles.axes4);cla reset;
    axes(handles.axes5);cla reset;
    axes(handles.axes6);cla reset;
    axes(handles.axes7);cla reset;
    axes(handles.axes8);cla reset;
    axes(handles.axes9);cla reset;
    axes(handles.axes10);cla reset;
    axes(handles.axes11);cla reset;
    set(handles.bt_new,'visible','off');
    set(handles.ui_in,'visible','on');
    set(handles.ui_out,'visible','off');
    set(handles.text_out,'String','');
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏  ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ 退出 ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    function bt_exit_Callback(hObject, eventdata, handles)
    close(gcf);
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏  ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ 车主 ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    function bt_peo_Callback(hObject, eventdata, handles)
    % 载入图像
    [filename pathname]=uigetfile({'*.jpg';'*.png';'*.bmp'}, '请拍摄车主照~');
    Img=imread([pathname '\' filename]);
    %handles.Img=Img;
    guidata(hObject, handles);
    imwrite(Img,'.\进车记录\车主.jpg');
    %axes(handles.axes10);imshow(I);title('汽车靓照');
    if ndims(Img) == 3
        I=rgb2gray(Img);
    else
        I = Img;
    end
    BW = im2bw(I, graythresh(I)); % 二值化
    imwrite(I,'.\进车记录\车主灰度.jpg');
    imwrite(BW,'.\进车记录\车主二值.jpg');
    [n1, n2] = size(BW);
    r = floor(n1/10); % 分成10块，行
    c = floor(n2/10); % 分成10块，列
    x1 = 1; x2 = r; % 对应行初始化
    s = r*c; % 块面积
    for i = 1:11
        y1 = 1; y2 = c; % 对应列初始化
        for j = 1:11
            if (y2<=c || y2>=9*c) || (x1==1 || x2==r*10)
                % 如果是在四周区域
                    BW(x1:x2, y1:y2) = 0;      
            end
            y1 = y1+c; % 列跳跃
            y2 = y2+c; % 列跳跃
        end
        x1 = x1+r; % 行跳跃
        x2 = x2+r; % 行跳跃
    end
    imwrite(BW,'.\进车记录\车主识别.jpg');
    [L, num] = bwlabel(BW, 8); % 区域标记
    stats = regionprops(L, 'BoundingBox'); % 得到包围矩形框
    Bd = cat(1, stats.BoundingBox);
    [s1, s2] = size(Bd);
    mx = 0;
    for k = 1:s1
        p = Bd(k, 3)*Bd(k, 4); % 宽*高
        if p>mx && (Bd(k, 3)/Bd(k, 4))<1.8
            % 如果满足面积块大，而且宽/高<1.8
            mx = p;
            j = k;
        end
    end
    axes(handles.axes10);imshow(Img);%hold on;
    rectangle('Position', Bd(j, :), ...
        'EdgeColor', 'w', 'LineWidth', 1);title('车主已被识别~');
    
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏  ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ 查看属性 ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    function bt_new_Callback(hObject, eventdata, handles)
    val=get(handles.bt_new,'value');
    switch val
        case 1
            pic_show=imread('.\进车记录\原.jpg');%读取
            axes(handles.axes1);imshow(pic_show);title('汽车靓照');
        case 2
            pic_show=imread('.\进车记录\灰度.jpg');%读取
            axes(handles.axes1);imshow(pic_show);title('灰度图');
        case 3
            pic_show=imread('.\进车记录\腐蚀.jpg');%读取
            axes(handles.axes1);imshow(pic_show);title('腐蚀化');
        case 4
            pic_show=imread('.\进车记录\膨胀.jpg');%读取
            axes(handles.axes1);imshow(pic_show);title('膨胀化');
        case 5
            pic_show=imread('.\进车记录\边缘.jpg');%读取
            axes(handles.axes1);imshow(pic_show);title('边缘检测');
        case 6
            pic_show=imread('.\进车记录\二值.jpg');%读取
            axes(handles.axes1);imshow(pic_show);title('二值化');
        case 7
            pic_show=imread('.\进车记录\直方.jpg');%读取
            axes(handles.axes1);imhist(pic_show);title('灰度化直方图');
        case 8
            pic_show=imread('.\进车记录\均值.jpg');%读取
            axes(handles.axes1);imshow(pic_show);title('均值滤波处理');
        case 9
            pic_show=imread('.\进车记录\定位.jpg');%读取
            axes(handles.axes1);imshow(pic_show);title('车牌定位');
    end
    function bt_new_CreateFcn(hObject, eventdata, handles)%构造
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏  ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ 滑块 ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    function hua_peo_Callback(hObject, eventdata, handles)
    p = get(handles.hua_peo, 'Value');
    if(p>=0 && p<=0.2)
        peo_show=imread('.\进车记录\车主.jpg');%读取
        if ndims(peo_show) == 3
            I=rgb2gray(peo_show);
        else
            I = peo_show;
        end
        BW = im2bw(I, graythresh(I)); % 二值化
        [n1, n2] = size(BW);
        r = floor(n1/10); % 分成10块，行
        c = floor(n2/10); % 分成10块，列
        x1 = 1; x2 = r; % 对应行初始化
        s = r*c; % 块面积
        for i = 1:11
            y1 = 1; y2 = c; % 对应列初始化
            for j = 1:11
                if (y2<=c || y2>=9*c) || (x1==1 || x2==r*10)
                    % 如果是在四周区域
                    BW(x1:x2, y1:y2) = 0;
                end
                y1 = y1+c; % 列跳跃
                y2 = y2+c; % 列跳跃
            end
            x1 = x1+r; % 行跳跃
            x2 = x2+r; % 行跳跃
        end
        [L, num] = bwlabel(BW, 8); % 区域标记
        stats = regionprops(L, 'BoundingBox'); % 得到包围矩形框
        Bd = cat(1, stats.BoundingBox);
        [s1, s2] = size(Bd);
        mx = 0;
        for k = 1:s1
            p = Bd(k, 3)*Bd(k, 4); % 宽*高
            if p>mx && (Bd(k, 3)/Bd(k, 4))<1.8 % 如果满足面积块大，而且宽/高<1.8
                mx = p;
                j = k;
            end
        end
        axes(handles.axes10);imshow(peo_show);
        rectangle('Position', Bd(j, :), ...
            'EdgeColor', 'w', 'LineWidth', 1);title('车主已识别~');
    elseif(p>0.2 && p<=0.4)
        peo_show=imread('.\进车记录\车主.jpg');%读取
        axes(handles.axes10);imshow(peo_show);title('车主原照~');
    elseif(p>0.4 && p<=0.6)
        peo_show=imread('.\进车记录\车主灰度.jpg');%读取
        axes(handles.axes10);imshow(peo_show);title('车主照灰度化~');
    elseif(p>0.6 && p<=0.8)
        peo_show=imread('.\进车记录\车主二值.jpg');%读取
        axes(handles.axes10);imshow(peo_show);title('车主照二值化~');
    else
        peo_show=imread('.\进车记录\车主识别.jpg');%读取
        axes(handles.axes10);imshow(peo_show);title('车主照区域分割~');
    end
    
    function hua_peo_CreateFcn(hObject, eventdata, handles)
    %“※﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏  ﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏﹋﹏ ※”
    
    if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
        set(hObject,'BackgroundColor','white');
    end
    if isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
        set(hObject,'BackgroundColor',[.9 .9 .9]);
    end
    if isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
        set(hObject,'BackgroundColor',[.9 .9 .9]);
    end
    
    function uipanel1_CreateFcn(hObject, eventdata, handles)
    
    
    
    function text_out_Callback(hObject, eventdata, handles)
    
    function text_out_CreateFcn(hObject, eventdata, handles)
    
    if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
        set(hObject,'BackgroundColor','white');
    end

***qiege.m（子程序1）***

function e=qiege(d)
    [m,n]=size(d);
    top=1;
    bottom=m;
    left=1;
    right=n;
    while sum(d(top,:))==0 && top<=m
        top=top+1;
    end
    while sum(d(bottom,:))==0 && bottom>1
        bottom=bottom-1;
    end
    while sum(d(:,left))==0 && left<n
        left=left+1;
    end
    while sum(d(:,right))==0 && right>=1
        right=right-1;
    end
    dd=right-left;
    hh=bottom-top;
    e=imcrop(d,[left top dd hh]);

***getword.m（子程序2）***

function[word,result]=getword(d)
    word=[];
    flag=0;
    y1=8;
    y2=0.5;
    while flag==0
        [m,n]=size(d);
        wide=0;
        while sum(d(:,wide+1))~=0 && wide<=n-2
            wide=wide+1;
        end
        temp=qiege(imcrop(d,[1 1 wide m]));%用于返回图像的一个裁剪区域
        [m1,n1]=size(temp);
        if wide<y1 && n1/m1>y2
            d(:,[1:wide])=0;
            if sum(sum(d))~=0
                d=qiege(d);%切割出最小范围
            else word=[];flag=1;
            end
        else
            word=qiege(imcrop(d,[1 1 wide m]));
            d(:,[1:wide])=0;
            if sum(sum(d))~=0
                d=qiege(d);
                flag=1;
            else d=[];
            end
        end
    end
    result=d;

--------------------

✎﹏﹏₯㎕《晴天》童年的荡秋千...﹍﹍﹍﹍﹍﹍

[https_download.csdn.net_download_weixin_41918712_10604238]: https://download.csdn.net/download/weixin_41918712/10604238
[70]: /images/20220516/57322cdb6f644414beef7aef764011a9.png
[70 1]: /images/20220516/fa3ebe14eefb4d46818803be72c69373.png
[70 2]: /images/20220516/5d6966b122624b578841061807648e24.png
[70 3]: /images/20220516/f8ad3f362574486cacc41fdeac4eff5d.png
[70 4]: /images/20220516/67904e8d21864ddabc0bdf1573dffcb8.png
[70 5]: /images/20220516/4592cf7747b744519c0e9fc20f3913c4.png
[70 6]: /images/20220516/d8ba516359454bc083861345662759fb.png
[https_blog.csdn.net_zhangquan2015_article_details_78994551]: https://blog.csdn.net/zhangquan2015/article/details/78994551
[https_blog.csdn.net_u014571132_article_details_51569053]: https://blog.csdn.net/u014571132/article/details/51569053
[70 7]: /images/20220516/122a6d38ebe94983853def802cbcf059.png
[https_pan.baidu.com_s_1Lu6X1hNfoAede-qrPNkTiQ]: https://pan.baidu.com/s/1Lu6X1hNfoAede-qrPNkTiQ