【正文】 要包括五個部分。 車牌識別系統(tǒng)的出現(xiàn)能夠更無人化、數(shù)字化、智能化、 網(wǎng)絡化的對車輛進行管理。車輛牌照作為每一輛汽車的主要標識 ， 可以通過車輛牌照來識別 每一輛汽車 ，因此， 各類 車牌識別系統(tǒng) 應運而生。識別 系統(tǒng) 處理過程主要包括 獲取車輛源圖像、圖像 灰度化、圖像增強 去噪 、邊緣檢測、 車牌定位、車牌圖像預處理、車牌字符分割、字符識別 等部分 ，其中 車牌定位和字符識別 部分 是整個系統(tǒng) 設計 的核心和難點。在歐美許多發(fā)達國家，車輛識別 技術已經(jīng)廣泛的應用在交通管理的各個方面。 由于 我國車牌種類多，并且是由漢字 、 英文字母和數(shù)字組成， 這 給自動識別 系統(tǒng)的設計 帶來較大的難度。 車牌識別系統(tǒng)可以廣泛應用在高速公路自動收費、小區(qū)無人停車場、城市道路監(jiān)控、車輛流量統(tǒng)計等方面，本系統(tǒng)具有一定的實用價值。 車牌識別系統(tǒng)設計運用 了許許多多的知識， 但核心均是基于 圖像處理方面的相關原理對車牌圖像進行相應的處理，處理過程主要包 括灰度化、圖像增強、二值化、邊緣檢測、圖像分割、 圖像對比等部分。 車牌識別技術廣泛地 運用于 交通監(jiān)控和管理領域 ，可以這樣說，凡是需要車輛監(jiān)控的地方 都需要車牌識別技 術，例如收費站、停車場、交通路口等地方，它可以解決例如違章罰款、社會治安、 信息查詢等方面的問題，為社會和諧健康的發(fā)展做出巨大的貢獻。第一部分是 系統(tǒng)界面 的實現(xiàn)，主要介紹 了 系統(tǒng)界面 的功能和作用，以及本系統(tǒng) 的 界面。第五部分是對系統(tǒng)的測試，通過測試驗證了系統(tǒng)的可靠性和準確性，本系統(tǒng)完成了此次設計的目標，可以參加答辯。 MATLAB 圖像處理工具箱簡介 MATLAB 中的 Image Processing Toolbox?（圖像處理工具箱） ， 提供 許多的圖形工具和標準圖像處理函數(shù)，主要 用于進行圖 像分析、 識別、 可視化 等處理，本文中的圖像處理方法均是參照 MATLAB 中標準圖像處理函數(shù)而設計和編寫程序的，因此得到較好的圖像處理效果。 圖 11 帶有紅色通道柱狀圖的圖像 車輛源圖像 車輛圖像是本系統(tǒng)中最為基礎的物質材料，因此它也是車輛識別系統(tǒng)中最重要的，車輛圖像的質量關系著最后的識別結果，圖像的質量由許多因素決定的，拍照設備的性能，光照 是否充分，天氣是否晴朗等因素均能造成車牌圖 像的模糊， 拍照位置是否恰當、路面是否平整、汽車是否正對攝像設備 等 因素 造成了車牌圖像的傾斜， 總之車輛圖像必須經(jīng)過適當?shù)奶幚?，轉化成易于識別的形式 。本系統(tǒng) 主 要包括車牌灰度化、圖像增強、邊緣檢測、車牌定位、 車牌預處理、 分割車牌、字符分割、字符識別等部分，其 主要結構圖如圖 12 所示。 本文的 GUI界面設計 (1)在查閱有關書籍和資料的基礎上，熟悉 MATLAB 的使用方法，開始設計 GUI 界面。 (5)GUI 界面設計如圖 21 所示。 RGB 被稱為三基色是因為 R(紅 )、 G(綠 )、 B(藍 )三種顏色 的 光按不同比例混合可以形成自然界任何色彩的光， 所以，任意光的組成在數(shù)學形式上是 R、G、 B 三種分量百分比的和。 色調 表示顏色，顏色按波長可以分為紅橙黃綠青藍紫。 強度也稱之為亮度，它表示一種強弱程度，即人眼感受到彩色光的顏色的強弱程度，是由彩色光的能量決定的，與能量呈現(xiàn)正相關。一般先將各種圖像轉變成灰度圖像， 然后進行圖像處理， 因為灰度圖像是一種特殊的彩色圖像，它的 R、 G、 B 三個分量是完全一樣的，每一個像素點的變化范圍就減少為 255 種，這樣，圖像處理的計算量就變得比較少，從而節(jié)省處理時間和處理成本。 灰度顏色中的分量 R=G=B， 它們的取值 叫做灰度值。 (a) 車輛 RGB 彩色圖像 (b) 車輛灰度圖 圖 32 汽車灰度化前后圖像 車輛圖像增強 由于各種客觀因素的作用，例如光照、天氣、拍照設備等影響導致車輛圖像的質量比較低，為了得到更好的處理效果，往往首先對圖像進行圖像增強，即 將圖 像轉換成更易被處理的形式，以便從圖像中獲取更有用的信息 ，圖像增強技術廣泛的應用于圖像處理領域。 首先利用傅里葉變換將圖像 變換到頻率域，然后對 頻譜進行運算處理，然后再進行逆變換返回到空間域，得到增強的圖像。 g(x,y)=T[f(x,y)] (34) 圖 33 灰度拉伸 曲線 式 (34)中 f(x,y)為點 (x,y)的灰度 ， T 為映射函數(shù)， g(x,y)為變換后的灰度。 直方圖 表示灰度級出現(xiàn)的頻率，其對應的公式是式子（ 36） P(r)=nr/N (36) 式（ 36）中 nr 表示灰度級為 r 的像素個數(shù)， N 表示整幅圖像的像素個數(shù)。 在 [0,1]的區(qū)間任意取一個 r 值， 都對應著一個 s 值，且 s=T(r)， T(r)為變換函數(shù)。 MATLAB 中 J = histeq(I, n)函數(shù)可以對直方圖進行 均衡化的操作， n 為 均衡化后的級數(shù)， 本文中所用的缺省值 256，圖 35 和圖 36 為直方圖均衡化前后對比圖。如 S 為 3X3 鄰域，點 (m,n)位于 S 中 心，則 ? ? ?? ???? ??? 1 11 1 ),(91, ji jnimfyxf (38) (2)中值濾波 法 由于鄰域平均法會使圖像中的細節(jié)變得模糊，而中值濾波不僅能消除噪聲還會防止細節(jié)變的模糊 ，中值濾波是一種非線性濾波， 簡單的說就是取所有像素的中間值，圖像濾波后所得到的結果即為圖像中所有像素灰度的中值 ，它是通過減少圖像中某一鄰域內的 像素灰度值 的 差 別來實現(xiàn)濾波的。 MATLAB 軟件中用于維納濾波的函數(shù)為 Wiener2 函數(shù)，其采用的是基于像素的局部均值與方差的算法： ??? ?? 2,1 21 ),(1 nn nnaMN (39) 2, 21221),(1 ?? ?? ? ?? nn nnMN (310) 式 310 中 ? 是圖像中每個像素 的 n1*n2 鄰域 ，然后對每一個像素利用濾波器估計出其灰度值 ： )),((),( 212 2221 ???? ???? nnavnnb （ v2 是圖像中噪聲的方差） (311) 基于維納濾波的巨大的優(yōu)點， 本系統(tǒng)所用的即為維納濾波，在對濾波后的南京工程學院畢業(yè)設計說明書（論文） 14 灰度圖像進行較好的二值化處理。 圖像二值變換的原理是通過確定恰當?shù)?閾值來分割對象與背景，并且要確保變換后的圖像不丟失原來圖像的形狀信息，不產生額外的空缺。因此局部閾值法能夠比較準確地實現(xiàn)對象和圖像的分離，但仍然存在一些缺點，如圖像分割偶然性大，易出錯，易出現(xiàn)偽影現(xiàn)象，同時計算量大，速度慢。 Otsu 提出了最大類間方差法 (有時也稱之為大津法 )，該算法是通過方差最大化 來分割圖像的，假設閾值將圖像分割成對象和背景兩部分，因為 方差是灰度分布均勻性的一種度量，如果構成 圖像的兩部分差別越大，那么 方差值越大，圖像的分割效果越好，如果差別越小，圖像分割效果越差 。從最小灰度值到最大灰度值遍歷 t ，當 t使得值211200 )()( ?????? ????g 最大時 t即為分割的最佳閾值。記 )(kp 為灰度值 取 k 的頻率，則有： ??? kjifMNkp ),( 11)( (314) 假設用 灰度 值 t 為閾值分割出 的對象與背景 分別為： }),({ tjif ? 和}),({ tjif ? ，于是對象部分比例： ???? ti ipt 00 )()(? ， (315) 對象部分點數(shù)： 南京工程學院畢業(yè)設計說明書（論文） 16 ???? ti ipMNtN 00 )( )( (316) 背景部分比例： ????? 11 )()( mit ipt? (317) 背景部分點數(shù)： ????? 11 )()( mit iPMNtN (318) 對象均值： ???? ti tiipt 0 00 )(/)()( ?? (319) 背景均值： ? ???? 1 11 )(/)()( mit tiipt ?? (320) 總均值： )()()()( 1100 tttt ????? ?? (321) 運用 大津法 求取 最佳閾值 g 的公式為： ]))(()())(()([ 2112020mt0 ?????? ???? ?? ttttM axA r gg (322) 其中 )(0t? 表示對象 值 ， )(1t? 為對應的 概率， )(1t? 表示 背景值， )(0t? 為其對應的 概率， ?為總均值，根據(jù)方差的定義即得 式 322。 南京工程學院畢業(yè)設計說明書（論文） 17 、 對于車牌圖像，其本身的對象和背景灰度差距比較大，灰度直方圖有明顯的雙峰現(xiàn)象，在經(jīng)過圖像增強處理以后，這一特點更為明顯。subplot(3,3,3)。)。 邊緣檢測 邊緣檢測概述 邊緣是圖像分析的 重要依據(jù)， 是圖像局部亮度變化最顯著的部 分，是物體邊緣分界的地方， 是由于圖像局部特征的間斷性而產生的。 邊緣檢測方法 因為灰度變化是圖像物體中的邊緣主要表現(xiàn)，所以，邊緣檢測的基本原理是檢測圖像灰度的不連續(xù)性的地方。一階微分圖像的峰處就是圖像的邊緣點，同樣的由導數(shù)相關知識可知， 邊緣點存在于 二階微分圖像的零點處。 (3)小波多尺度邊緣檢測。 那么在眾多的邊緣算子 中 如何選擇是本系統(tǒng)研究的一個重點，下面將對 各種 算子進行比較和論證。 Sobel 算子 Roberts 算子告訴我們 ，采用 33? 鄰域可以避免在像素之間內插點上計算梯度。 45637210],[aaaajiaaaa 圖 41 Sobel 算子鄰域像素點 圖示 拉普拉斯算子 階躍邊緣二階 導數(shù)經(jīng)過平滑可以使其在邊緣點的取值為零。 ?????????????14142041412 (412) 南京工程學院畢業(yè)設計說明書（論文） 21 物體的邊緣 在 拉普拉斯算子 中對應著 零點 ， 理想狀況下 ，過零點的位置的精確度很高，但在實際生活中，由于存在許多噪聲的干擾，結果不是很精確。 這種方法的特點既平滑了圖像又降低了噪聲， 濾除了許多 噪聲點和較 小的組織 結構 。 Canny 具體實現(xiàn)過程： (1)圖像平滑 進行圖像平滑的 高斯 函數(shù)： 222( , ) e xp ( )2xyG x y ???? (413) 圖像卷積： ),(),(),( yxIyxGyxI G ?? (414) 其中： ? 是一個尺度參數(shù)， ? 越小，則函數(shù)越“集中”，即僅在一個很小的局部范圍內平滑， ? 越大，則表示圖像在一個較大的范圍內進行平滑， I(x,y)為原始圖像。sobel39。 (3)車牌內字符有多個，基本呈水平排列，在牌照的矩形區(qū)域內存在豐富的邊緣，呈現(xiàn)規(guī)則的紋理特征。檢測的 算子比較多，如前文介紹的 Roberts 邊緣算子、 Log算子、 Sobel 算子以及拉普拉斯 算子 。 基于小波變換的定位方法 小波變換 是將信號經(jīng)過各種形式的變換將信號進行分解成為子信號，由于這些子信號時域和頻域特性存在許多差異，因此可以對這些 子 信號進行時頻特性的檢測和分析。 (2)將 掃描每行時的黑白值改變的次數(shù)賦給 count[i],i 為 行號 ，變量bottomflag 作為 車牌下邊界是否找到 的標志 。 (5)在求出 top 和 bottom 后進行相減判定其差值，小于某臨界值 (由實驗得到 )時，重置 bottomflag，繼續(xù)搜索車牌。這樣就確定了一個臨時右邊界。 車牌上下 邊界 定位流程圖為圖 44所示，左邊界定位流程圖為圖 45 所示。amp。 字符分割 圖像分割 圖像分割是 基于某些 原則將一幅圖像或景物分為若干個特定的、具有獨特性質的部分或子集，并提取出感興趣目標的技術和過程。 本系統(tǒng) 采用的分割方法是利用灰度差來完成的，即利用 目標和背景之間的灰度差實現(xiàn) 分割的。 南京工程學院畢業(yè)設計說明書（論文） 30 本系統(tǒng) 采用的投影的