一：GUI界面预览
二：选择图片
使用uigetfile函数打开一个模态对话框，其中列出了当前文件夹中的文件。
在这里选择或输入文件的名称。选择文件点击打开时，uigetfile将返回文件名。
如果点击取消或窗口关闭按钮(X)，uigetfile将返回0。
对应的GUI界面如下：
三：预处理
（1）灰度化
使用Rgb2gray函数将RGB图像或颜色图转换为灰度图，图像预处理的第一步是图像灰度化处理。该步骤使图像占用空间减少。
灰度化处理结束后输出灰度化图像与灰度直方图：
对应的GUI界面如下：
（2）边缘检测
使用edge函数进行边缘检测，在使用edge函数时可以指定要检测的边缘的方向。Sobel和Prewitt方法可以检测垂直方向和/或水平方向的边缘。
Roberts方法可以检测与水平方向成45度角和/或135度角的边缘。
经过分析和实践，使用Sobel方法效果较好，该函数的第三个参数为二值化阈值，把比该值大的置为1
为了在GUI中方便调试，我们把边缘检测的阈值设定为一个变量edit2_aa，该变量的值可以通过GUI中的文本框进行设定，如下所示：
对应的GUI界面如下：
四：车牌定位
（1）图像腐蚀
使用imerode()函数进行图像腐蚀，来去除上一步边缘检测后遗留的噪声点，J=imerode(I,SE)腐蚀灰度图像、二值图像或压缩二值图像I，返回腐蚀图像J。
其中SE是结构元素对象或结构元素对象的数组，由strel或offsetstrel函数返回。本列中由strel函数返回结构元素SE。
为方便在GUI中进行调试，矩形结构元素的行数由GUI中可编辑文本框输入，默认为2，列数固定为1
对应的GUI界面如下：
可以发现经过图像腐蚀后，去除了除车牌外的干扰点
（2）平滑处理
使用imclose函数，即闭运算：用结构元素对图像先膨胀，再腐蚀。对图像进行平滑处理，闭运算可以用来融合窄的缺口和细长的弯口，去掉小洞，填补轮廓上的缝隙
本部分的结构元素采用一个大小为[nn]的矩形结构，其中矩形结构的行数及列数由GUI的可编辑文本框进行设定
对应的GUI界面如下：
可以发现经过平滑处理后，覆盖的区域跟车牌区域吻合度更好了，便于车牌的定位和切割
（3）移除对象
使用bwareaopen函数可以用于从二值图像中删除小对象。该函数使用格式为BW2=bwareaopen(BW,P)从二值图像BW中删除少于P个像素的所有连通分量（对象）并生成另一个二值图像BW2。此运算称为面积开运算。
为GUI方便调试，我将bwareaopen函数的第二个参数，通过GUI可编辑文本框输入，并进行调试
对应的GUI界面如下：
由于前一步的平滑处理后并没有小区域，所以对此步而言，效果并不明显。
（4）定位剪切
对应的GUI界面如下：
可以发现通过前面的边缘处理、图像腐蚀、平滑处理、移除对象等操作，图像裁剪效果较好。
五：车牌识别
（1）灰度处理
对原图像进行车牌定位，并把车牌裁剪出来后，要重新进行灰度处理，便于后续的操作。
对应的GUI界面如下：
（2）?直方图均衡化
使用histeq函数进行直方图均衡化来增强对比度其函数使用格式为J=histeq(I,n)其中I为变换灰度图像，J为输出灰度图像，它具有n个bin的直方图大致平坦。为方便调试，我们将n的值通过GUI的可编辑文本框进行输入
对应的GUI界面如下：
（3）二值化图像
使用imbinarize函数进行二值化，通过阈值化将二维灰度图像或三维体二值化，该函数通过将所有高于全局阈值的值替换为1，并将所有其他值设置为0，从二维或三维灰度图像I创建二值图像。
在默认情况下，imbinarize使用Otsu方法，该方法选择特定阈值来最小化阈值化的黑白像素的类内方差
imbinarize(I,T)使用阈值T从图像I创建二值图像。T可以是指定为标量亮度值的全局图像阈值，也可以是指定为亮度值矩阵的局部自适应阈值，为方便调试，我们将T的值通过GUI的可编辑文本框进行输入。
对应的GUI界面如下：
（4）移除对象
使用bwareaopen函数可以用于从二值图像中删除小对象。该函数使用格式为BW2=bwareaopen(BW,P)从二值图像BW中删除少于P个像素的所有连通分量（对象）并生成另一个二值图像BW2。此运算称为面积开运算。
为GUI方便调试，我将bwareaopen函数的第二个参数，通过GUI可编辑文本框输入，并进行调试
进行此步骤的目的是去除裁剪后车牌的白边和噪声点、干扰点等对后续字符切割造成干扰的信息
对应的GUI界面如下：
?通过对比，可以明显的观察到，经