【正文】 。 MathWorks 公司于 2021 年推出 版本， 版在繼承和發(fā)展其原有的數(shù)值計(jì)算和圖形可視能力的同時(shí)，出現(xiàn)了以下幾個(gè)重要變化：（ 1）推出了 SIMULINK。這是一個(gè)交互式操作的動(dòng)態(tài)系統(tǒng)建模、仿真、分析集成環(huán)境。它的出現(xiàn)使人們有可能考慮許多以前不得不做簡(jiǎn)化假設(shè)的非線性因素、隨機(jī)因素，從而大大提高了人們對(duì)非線性、隨機(jī)動(dòng)態(tài)系統(tǒng)的認(rèn)知能力。（ 2）開發(fā)了與外部進(jìn)行直接數(shù)據(jù)交換的組件，打通了 MATLAB 進(jìn)行實(shí)時(shí)數(shù)據(jù) 分析、處理和硬件開發(fā)的道路。（ 3）推出了符號(hào)計(jì)算工具包。 1993 年 MathWorks 公司從加拿大滑鐵盧大學(xué)購(gòu)得 Maple 的第 32 頁(yè) 共 48 頁(yè) 使用權(quán)，以 Maple 為“引擎”開發(fā)了 Symbolic Math Toolbox 。 MathWorks公司此舉加快結(jié)束了國(guó)際上數(shù)值計(jì)算、符號(hào)計(jì)算孰優(yōu)孰劣的長(zhǎng)期爭(zhēng)論，促成了兩種計(jì)算的互補(bǔ)發(fā)展新時(shí)代。（ 4）構(gòu)作了 Notebook 。 MathWorks 公司瞄準(zhǔn)應(yīng)用范圍最廣的 Word ，運(yùn)用 DDE 和 OLE，實(shí)現(xiàn)了 MATLAB 與 Word 的無(wú)縫連接，從而為專業(yè)科技工作者創(chuàng)造了融科學(xué)計(jì)算、圖形可視 、文字處理于一體的高水準(zhǔn)環(huán)境。 MTALAB 系統(tǒng)由五個(gè)主要部分組成，下面分別加以介紹。 (1)MATALB 語(yǔ)言體系 MATLAB 是高層次的矩陣數(shù)組語(yǔ)言．具有條件控制、函數(shù)調(diào)用、數(shù)據(jù)結(jié)構(gòu)、輸入輸出、面向?qū)ο蟮瘸绦蛘Z(yǔ)言特性。利用它既可以進(jìn)行小規(guī)模端程，完成算法設(shè)計(jì)和算法實(shí)驗(yàn)的基本任務(wù)，也可以進(jìn)行大規(guī)模編程，開發(fā)復(fù)雜的應(yīng)用程序。 (2)MATLAB 工作環(huán)境這是對(duì) MA 丁 LAB 提供給用戶使用的管理功能的總稱．包括管理工作空間中的變量據(jù)輸入輸出的方式和方法，以及開發(fā)、調(diào)試、管理 M文件的各種工具。 (3)圖形句相系統(tǒng)這是 MATLAB 圖形系統(tǒng)的基礎(chǔ)，包括完成 2D 和3D數(shù)據(jù)圖示、圖像處理、動(dòng)畫生成、圖形顯示等功能的高層 MATLAB 命令，也包括用戶對(duì)圖形圖像等對(duì)象進(jìn)行特性控制的低層 MATLAB 命令，以及開發(fā) GUI 應(yīng)用程序的各種工具。 (4)MATLAB 數(shù)學(xué)函數(shù)庫(kù)這是對(duì) MATLAB 使用的各種數(shù)學(xué)算法的總稱．包括各種初等函數(shù)的算法，也包括矩陣運(yùn)算、矩陣分析等高層次數(shù)學(xué)算法。 (5)MATLAB 應(yīng)用程序接口 (API) 這是 MATLAB 為用戶提供的一個(gè)函數(shù)庫(kù)，使得用戶能夠在 MATLAB 環(huán)境中使用 c程序或 FORTRAN 程序，包括從 MATLAB中調(diào)用于程序 (動(dòng)態(tài)鏈接 )，讀寫 MAT 文件的功能?？梢? 看出 MATLAB 是一個(gè)功能十分強(qiáng)大的系統(tǒng)，是集數(shù)值計(jì)算、圖形管理、程序開發(fā)為一體的環(huán)境。除此之外， MA 丁 LAB還具有根強(qiáng)的功能擴(kuò)展能力，與它的主系統(tǒng)一起，可以配備各種各樣的工具箱，以完成一些特定的任務(wù)。用戶可以根據(jù)自己的工作任務(wù)，開發(fā)自己的工具箱。在歐美大學(xué)里，諸如應(yīng)用代數(shù)、數(shù)理統(tǒng)計(jì)、自動(dòng)控制、數(shù)字信號(hào)處理、模擬與數(shù)字通信、時(shí)間序列分析、動(dòng)態(tài)系統(tǒng)仿真等課程的教科書都把 MATLAB 作為內(nèi)容。這幾乎成了九十年代教科書與舊版書籍的區(qū)別性標(biāo)志。在那里， MATLAB 是攻讀學(xué)第 33 頁(yè) 共 48 頁(yè) 7 位的大學(xué)生、碩士生、博士生必須掌握的基本工具。在國(guó)際學(xué)術(shù)界， MATLAB 已經(jīng)被確認(rèn)為準(zhǔn)確、可靠的科學(xué)計(jì)算標(biāo)準(zhǔn)軟件。在許多國(guó)際一流學(xué)術(shù)刊物上，（尤其是信息科學(xué)刊物），都可以看到 MATLAB 的應(yīng)用。在設(shè)計(jì)研究單位和工業(yè)部門，MATLAB 被認(rèn)作進(jìn)行高效研究、開發(fā)的首選軟件工具。如美國(guó) National Instruments 公司信號(hào)測(cè)量、分析軟件 LabVIEW， Cadence 公司信號(hào)和通信分析設(shè)計(jì)軟件 SPW 等，或者直接建筑在 MATLAB 之上，或者以 MATLAB 為主要支撐。又如 HP 公司的 VXI 硬件， TM 公司的 DSP， Gage 公司的各種硬卡、 儀器等都接受MATLAB 的支持。 第三章 各模塊的實(shí)現(xiàn) 第 32 頁(yè) 共 48 頁(yè) 車牌識(shí)別系統(tǒng)包括圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等模塊，本文主要研究圖像預(yù)處理、車牌定位和字符分割三個(gè)模塊。 設(shè)計(jì)方案 ： 該系統(tǒng)主要是由圖像處理和字符識(shí)別兩部分組成。其中圖像處理部分包括 圖像預(yù)處理、邊緣提取模塊、 牌照的定位以及分割 模塊。字符識(shí)別部分可以分為字符分割與特征提取和單個(gè)字符識(shí)別兩個(gè)模塊。 字符識(shí)別部分要求照片清晰，但由于該系統(tǒng)的攝像頭長(zhǎng)時(shí)間在室 外工作，加上光照條件、攝像頭角度和距離、車輛自身?xiàng)l件以及車輛的行駛速度的影響，想拍出較理想的圖片很困難。因此，我們要對(duì)攝像頭拍攝的圖片進(jìn)行預(yù)處理，主要包括圖片灰度化和圖片邊緣提取 等。 車牌定位和車牌分割是整個(gè)系統(tǒng)的關(guān)鍵，其作用是在經(jīng)圖象預(yù)處理后的灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個(gè)圖象中分割出來(lái)，供字符識(shí)別子系統(tǒng)識(shí)別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識(shí)別系統(tǒng)的識(shí)別率。 車牌識(shí)別系統(tǒng)的最終目的就是將不清楚的車牌照片進(jìn)行識(shí)別，輸出清晰的圖片?，F(xiàn)在 字符識(shí)別的常用 方法有模板匹配法和神經(jīng)網(wǎng)絡(luò)模型法。 ： 汽車圖像樣本目前大都是通過攝像機(jī)、數(shù)碼相機(jī)等設(shè)備拍攝獲取的，因而預(yù)處理前的圖像都是彩色圖像。彩色圖像包含著大量的顏色信息，不但在存儲(chǔ)上開銷很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度。由于圖像的每個(gè)象素都具有三個(gè)不同的顏色分量 ， 存在許多與識(shí)別無(wú)關(guān)的信息 ， 不便于進(jìn)一步的識(shí)別工作， 因此在對(duì)圖像進(jìn)行識(shí)別等處理中，經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。 對(duì)于將彩色圖像轉(zhuǎn)換成灰度圖像時(shí) ， 目前比較主流的灰度化方法叫平均值第 33 頁(yè) 共 48 頁(yè) 9 法 ， 公式 為 ： H=++ 公式中 H 表示灰度圖的亮度值 ； R 代表彩色圖像紅色分量值 ； G 代表色彩圖像綠色分量值 ； B代表彩色圖像藍(lán)色分量值 。 RGB 三分量前的系數(shù)為經(jīng)驗(yàn)加權(quán)值 。加權(quán)系數(shù)的取值建立在人眼的視覺模型之上 。 對(duì)于人眼較為敏感的綠色取較大的權(quán)值 ； 對(duì)人眼較為不敏感的藍(lán)色則取較小的權(quán)值 。 通過該公式轉(zhuǎn)換的灰度圖能夠比較好地反應(yīng)原圖像的亮度信息 。 在 MATLAB 中我們可以調(diào)用 im2gray 函數(shù)對(duì)圖像進(jìn)行灰度化處理。 ： 邊緣是指圖像灰度發(fā)生空 間突變或者在梯度方向上發(fā)生突變的像素的集合。用攝像機(jī)采集到的機(jī)動(dòng)車圖像由于受到噪聲干擾以及車輛本身的影響，使得獲得的圖像質(zhì)量不理想。因此，在進(jìn)行對(duì)汽車牌照的定位及字符識(shí)別之前需要先對(duì)車輛圖像進(jìn)行邊緣檢測(cè)處理，提高圖像的質(zhì)量，使其易于后面的分割和識(shí)別。通過良好的邊緣檢測(cè)可以大幅度的降低噪聲、分離出復(fù)雜環(huán)境中的車輛圖像、保留完好的車牌字符信息，方便后面的車牌精確定位與字符識(shí)別。 由于車牌識(shí)別系統(tǒng)攝像頭安裝位置固定以及機(jī)動(dòng)車車牌的固有屬性，我們可以發(fā)現(xiàn)機(jī)動(dòng)車車牌圖像都處在水平的矩形區(qū)域，在圖像中位置較為固 定，車牌中字符都是按水平方向排列。因?yàn)橛羞@些明顯的特征，經(jīng)過適當(dāng)?shù)膱D像變換，可以清晰的呈現(xiàn)出車牌的邊緣。本文采用經(jīng)典的 Roberts 邊緣檢測(cè)算子來(lái)對(duì)圖像進(jìn)行邊緣檢測(cè)。 第 32 頁(yè) 共 48 頁(yè) 圖 原圖 圖 灰度圖 第 33 頁(yè) 共 48 頁(yè) 11 圖 Robert算子邊緣檢測(cè) 車牌定位和分割 該系統(tǒng)的攝像頭 拍攝的圖片是整個(gè)機(jī)動(dòng)車的圖片，而只有車牌部分是對(duì)系統(tǒng)有用的。所以我們要對(duì)照片進(jìn)行車牌定位和分割。車牌的定位和分割是從經(jīng)過圖像預(yù)處理后的灰度圖像中確定牌照位置，并將車牌部分從整個(gè)圖像中分割出來(lái)，從而進(jìn)行字符識(shí)別 。車牌圖像的灰度圖的車牌部分是一個(gè)水平度很高的長(zhǎng)方形圖樣，在原圖中比較集中，且灰度值和周圍圖樣有明顯差異，因此很容易用邊緣檢測(cè)來(lái)對(duì)圖像進(jìn)行分割。車牌定位和分割的準(zhǔn)確度直接關(guān)系到最后的字符識(shí)別的質(zhì)量。 第 32 頁(yè) 共 48 頁(yè) 圖 車牌定位 機(jī)動(dòng)車圖像經(jīng)過灰度化和邊緣檢測(cè)的處理后，邊緣得到了加強(qiáng)，牌照區(qū)域已經(jīng)非常明顯。本文采用的是用數(shù)學(xué)形態(tài)學(xué)來(lái)進(jìn)行圖像處理和模式識(shí)別。數(shù)學(xué)形態(tài)學(xué) 用具有一定形態(tài)的機(jī)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí) 別的目的，能有效的去除噪聲，保留圖像原有信息的同時(shí)提取的邊緣比較平滑，提取的圖像骨架也比較連續(xù)，斷點(diǎn)少 ?，F(xiàn)在我們將經(jīng)過預(yù)處理的圖像進(jìn)行圖像腐蝕以及去除雜質(zhì)，就可以得到相對(duì)準(zhǔn)確的車牌位置。 對(duì)圖像進(jìn)行圖像腐蝕 除去圖像雜質(zhì) 通過計(jì)算尋找 X 和 Y方向車牌的區(qū)域 完成車牌定位 對(duì)定位后的彩色車牌的進(jìn)一步處理 第 33 頁(yè) 共 48 頁(yè) 13 圖 圖 平滑圖像的輪廓 第 32 頁(yè) 共 48 頁(yè) 圖 車牌分割 車牌字符分割 是車牌自動(dòng)識(shí)別系統(tǒng)中的重要步驟 ， 這一模塊的正確性受到很多因素的影響 ， 最大問題是二值化不徹底使投影圖像中字符間的波谷不夠分明 ；其次 ， 車牌污損、反光、光照不均等原因使車牌圖像交差 ， 存在大量噪 聲 ； 再次 ，車牌邊框和鉚釘也會(huì)造成分割不正確 ； 還有車牌的前兩個(gè)字符和后面五個(gè)字符之間的間隔符 （ 小圓點(diǎn) ） 對(duì)字符識(shí)別有影響 ； 車牌旋轉(zhuǎn)對(duì)水平分割有較大影響。 本文車牌部分的分割采用的是利用車牌彩色信息的彩色分割法。 使用統(tǒng)計(jì)彩色像素點(diǎn)的方法分割出車牌區(qū)域，確定車牌底色藍(lán)色 RGB 對(duì)應(yīng)的灰度范圍，然后統(tǒng)計(jì)在行方向的顏色范圍內(nèi)的像素點(diǎn)數(shù)量，確定車牌在行方向的區(qū)域。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計(jì)列方向藍(lán)色像素點(diǎn)的數(shù)量，最終確定完整的車牌區(qū)域。 第 33 頁(yè) 共 48 頁(yè) 15 圖 對(duì)定位后的彩色車牌的進(jìn)一步處理 定位 后車牌圖像是彩色的，會(huì)占用較大的存儲(chǔ)空間，加重計(jì)算機(jī)負(fù)擔(dān)。且車輛圖片不可避免存在噪聲，所以要對(duì)圖像進(jìn)行灰度化，二值化以及濾波處理。 圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為兩個(gè)數(shù)值 ， 通常為 0或 255， 使整個(gè)圖像呈現(xiàn)出明顯的黑白效果 。 也就是將 256個(gè)亮度等級(jí)的灰度圖像通過適當(dāng)?shù)拈T限值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像 。 濾波則是為了除去圖像噪聲。濾波方法有多種，本文采取的濾波方法為均值濾波。均值濾波是典型的線性濾波算法， 指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素。再用模板中的 全體像素的平均值來(lái)代替原來(lái)像素值 。 圖 第 32 頁(yè) 共 48 頁(yè) 字符分割與歸一化 圖 字符分割和歸一化流程圖 字符分割 在汽車牌照自動(dòng)識(shí)別過程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識(shí)別。將得到的車牌區(qū)域圖像進(jìn)行二值化處理后 ， 對(duì)圖像進(jìn)行垂直投影 ， 投影圖上有明顯的類似于峰谷的波形起伏變化 ， 通過對(duì)投影圖上的波形從左向右進(jìn)行掃描 ， 根據(jù)谷和峰的特征就可以判斷出每個(gè) 字符的位置 ； 計(jì)算垂直峰 ， 檢測(cè)合理的字符高寬比 。 在字符切割時(shí) ,往往由于閾值取得不好 ， 導(dǎo)致字符切割不準(zhǔn)確 ， 針對(duì)這種情況 ， 可以對(duì)切割出的字符寬度進(jìn)行統(tǒng)計(jì)分析 ， 用以指導(dǎo)切割 ， 對(duì)因錯(cuò)誤切割過寬的字符進(jìn)行分裂處理。 [m， n]=size（ d），逐排檢查有沒有白色像素點(diǎn)，設(shè)置 1=jn1，若圖像兩邊 s（ j） =0， 則切割，去除圖像兩邊多余的部分 切割去圖像上下多余的部分 根據(jù)圖像的大小，設(shè)置一閾值，檢測(cè)圖像的 X 軸，若寬度等于這一閾值則切割，分離出七個(gè)字符 歸一化切割出來(lái)的字符圖像的大小為 40*20，與模板中字符圖像的大小相匹配 第 33 頁(yè) 共 48 頁(yè) 17 圖 字符分割后的圖像 字符歸一化處理 由于數(shù)碼相機(jī)拍攝的汽車圖像大小不一樣 ， 所以得到的牌照上的字符大小就不一樣 ， 為了便于字符的識(shí)別 ， 需要對(duì)字符進(jìn)行歸一化處理 。 歸一化處理的目的就是使車牌字符同標(biāo)準(zhǔn)模塊里面的字符特征一樣 。 而大小歸一是指在長(zhǎng)度和寬度方向上分別乘以一個(gè) 比例因子 ， 使其等于標(biāo)準(zhǔn)模塊的字符大小 ， 本文采用的 大小歸一的方法是分別從水平投影和垂直投影兩個(gè)方向上對(duì)字符象素的大小進(jìn)行歸一化處理。 圖 字符的識(shí)別 字符的識(shí)別目前用于車牌字符識(shí)別 (OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡(luò)的 OCR算法?；谀０迤ヅ涞?OCR的基本過程是 :首先對(duì)待識(shí)別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。模板匹配的主要第 32 頁(yè) 共 48 頁(yè) 特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，當(dāng)字符較規(guī)整時(shí) 對(duì)字符圖像的 缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率相當(dāng)高。綜合模板匹配的這些優(yōu)點(diǎn)我們將其用為車牌字符識(shí)別的主要方法。 模板匹配是圖象識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖象或圖象區(qū)域 f(i,j)中提取的若干特征量與模板 T(i,j)相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖象歸于相應(yīng)的類。也可以計(jì)算圖象與模板特征量之間