【正文】 安交通大學的圖像處理和識別實驗室、上海交通大學的計算機科學和工程系、清華大學人工智能國家重點實驗室、浙江大學自動化系等都做過類似的研究 [3]。我國車牌號的第一個是漢字：代表該車戶口所在省的簡稱：如川就是成都，粵就是廣州，京就是北京，渝就是重慶等，第二個是英文字母：它代表該車所在地的地市一級代碼，規(guī)律一般是這樣的， A 是省會， B 是該省第二大城市， C 是該省第三大城市，依此類推 ,車牌號的后五位是汽車的編號，一般為 5 位數(shù)字，即從 00001～ 99999，編號超過 10 萬時，就由 A、 B、 C 等英文字母代替，即 A 代表 10 萬， B 代表 11 萬， C 代表 12 萬，最后一個字母及 Z 代表 33 萬，英文字母中的 O 和 I 避而不用，以免和數(shù)字中的 0 和 1 混淆。 本文第 1 章主要介紹車牌識別技術的研究目的和意義 、 車牌識別技術的發(fā)展 以及 對 4 我國車牌的分析。 第 5 章主要是對 本 次設計和論文的總結(jié)。明暗程度和空間坐標都是連續(xù)變化的、計算機無法直接處理的圖像是模擬圖像。 圖像按波段多少來分，又可以分為單波段、多波段和超波段圖像。圖像離散化過程包括兩種處理：取樣和量化。連續(xù)圖像被取樣和量化后可以用一個 MN? 矩陣來表示，即 ( 0 , 0 ) ( 0 ,1 ) ( 0 , 1 )( 1 , 0 ) ( 1 ,1 ) ( 1 , 1 )( , )( 1 , 0 ) ( 1 ,1 ) ( 1 , 1 )f f f Nf f f Nf x yf M f M f M N?????????? ? ? ? (22) 此時等式右 邊的 ( , )f xy 被稱為數(shù)字圖像，矩陣中的每一個元素稱為像素。在執(zhí)行過程中，輸入圖像被逐行的讀入計算機。是由美國 mathworks 公司發(fā)布的主要面對科學計算、可視化以及交互式 程序設計 的高科技計算環(huán)境。這些開發(fā)工具在醫(yī)學、公安和國防、遙感遙測、生物技術、顯微鏡技術、半導體測試、圖像傳感器設計等圖像處理領域得到了廣泛的應用 [8]。例如：一個由 100 行和 50 列不同灰度值的點組成的圖像可以用一個 10050 的矩陣來存儲。 真彩色圖像、索引色圖像、灰度圖像、二值圖像都是 MATLAB 的圖像處理工具箱可以支持圖像類型 。 8 3 車牌識別系統(tǒng)的原理及方法 車牌識別系統(tǒng)簡述 車牌識別技術是基于計算機圖像處理為基礎，通過對原始圖像的預處理，對車牌進行定位，然后再對字符進行分割，最后對分割出的字符進行識別，再輸出識別的結(jié)果 [10]。 第二步是將前面車牌里的 7 個字符分割出來，其過程是 從左向右像按 列 計算每一列之和，沒有白點的列和為 0，有白點的列和非零，轉(zhuǎn)換為邏輯 1，記錄下所有列和在 0與 1 轉(zhuǎn)換的列，即為需要切割的列，共有 14 列，可切出 7 個字符。 （ 1） 灰度圖像 當一幅圖像有 灰度級時，通常稱該圖像為 k 比特圖像。 （ 2） 二值圖像 一幅二值圖像的二維矩陣僅由 0、 1 兩個值構(gòu)成， “ 0” 代表黑色， “ 1” 代表白色。 （ 3） RGB 彩色圖像 RGB 圖像用來表示彩色圖像。 通常，通過數(shù)碼相機拍照所獲 的 圖像是彩色圖像，在彩色圖像里， 如果 R=G=B，則圖像中的顏色都為一種灰度顏色，其中 R=G=B 的值叫做灰度值，圖像的灰度化 處理是指圖像由彩色轉(zhuǎn)換為灰度的過程 ， 灰度圖像中只包含了強度信息，而并沒有顏色信息。 Sobel 邊緣 算子 ： 1 2 1 1 0 1 0 0 0 2 0 2 1 2 1 1 0 1 圖 32 Sobel邊緣算子模板 如圖 32 所示，兩個卷積核形成了 Sobel 邊緣 算子。對數(shù)字圖像 { (, )}f i j 的每一個像素點考察它上、下、左、右相鄰點灰度的加權差，與之接近的鄰點權重大。 膨脹運算符號為 ? ，假設 A 為圖像集合，用 B 為結(jié)構(gòu)元素來對 A 進行膨脹，則記作 AB? ，定義為： 11 ?{ | [ ( ) }xA B x B A? ? ? ? （ 32） 其中 ?B 表示 B 的映像，即與 B 關于原點對稱的集合。 ，其定義為 : ? ?| ( ) xA B x B A? ? ? （ 33） 上式表明， 腐蝕的過程為結(jié)構(gòu)元素 B 平移 x 后，結(jié)構(gòu)元素 B 仍在集合 A 中的參考點的集合。 采集數(shù)字圖像過程中通常會會受到多種噪聲的污染。濾波，即在盡量保留 圖像細節(jié)特征的條件下對目標 圖 像的噪聲進行抑制，是圖像預處理中不可缺少的操作，其處理效果的好壞將直接響到后續(xù)圖像處理和分析的有效性和可靠性。所謂的二值 化處理就是將車牌圖像上的像素點的灰度值設置為 0 或 255，從而讓整張圖片變成黑白的效果，將灰 12 度圖片通過適當?shù)拈撝颠x取，從而將能在 灰度 圖像獲取可以反映圖像特征的二值化圖像。 車牌識別的下一步是分割出具體的車牌，具體過程 首先是將二值圖像中所有白色的點的坐標放入數(shù)組 location_of_1 中，對這些坐標進行計算，尋找 x 坐標與 y 坐標之和最大的點 a 與最小的點 b， a 即為車牌的左上角， b 為車牌的右下角。則設置閾值為 T 的結(jié)果可以得到一幅二值圖像 ? ?,Tf x y ，它由 0 , ( , )( , ) 1 , ( , )T f x y Tf x y f x y T??????? ? （ 35） 或者是 0 , ( , )( , ) 1 , ( , )T f x y Tf x y f x y T????? ?? ? （ 36） 定義。切割出單個字符后，放入 char_(i)中，并切 割 掉每個字符的上下的空白區(qū)域，完成精確切割。 字符識別 字符識別簡述 利用計算機自動識別字符 的技術，是 模式識別 應用的一個重要領域。 60 年代后期，出現(xiàn) 了多種字體和 手寫體 文字識別機，其識別精度和機器性能都基本上能滿足要求。分析部分包括基元選擇及結(jié)構(gòu)推理。 (3) 基于 BP神經(jīng)網(wǎng)絡的字符識別 ； 通常所說的 BP神經(jīng) 網(wǎng)絡模型，即誤差后向傳播神經(jīng)網(wǎng)絡，是神經(jīng)網(wǎng)絡中使用最廣泛的一類，網(wǎng)絡分為三層分別是輸入層，隱層還有輸入層，層與層之間多采用全互聯(lián)方式同一層單元之間不存在互連連接。如果相似程度足夠高，便認 為該部分與模板相同，該區(qū)域即是被檢目標。 （ 1）相似性度量 15 相似性度量有多種表示方法，其中最常用的是差值測度法和相關測度法。復雜區(qū)域的匹配常采用相關測度法 [19]。如果在空域進行處理，則是根據(jù)目標的形狀、灰度、紋理等特征刻畫一個目標的樣板，以此為模板在圖像中尋找與其相似甚至相同的部分。 但是一般 情況下用于 模板 匹配的圖像成像條件 都是不一樣的 ， 有些 圖像經(jīng) 過圖像 預處理后，圖像 中 的像素點或灰度的位置發(fā)生 了 改變 ，有些圖像還會有 較大的噪聲 干擾圖像的質(zhì)量 。所以我們在對比的時候為了提高效率和準確性，我們分別 對第一位和后六位分別識別。由于圖像產(chǎn)生了退化，所以在圖像處理之前必須進行灰度化和預處理，預處理包括 邊緣檢測、對邊緣圖像進行腐蝕、再對其進行閉運算、最后濾波移除小對象 等。 程序分析 I=imread(39。 imshow(I), title(39。 %對圖像 I 進行灰度處理 figure(2)。 18 結(jié)果分析 （ a） 車輛牌照原始圖像 （ b） 車牌灰度圖像 圖 41 車牌圖像灰度化 由圖 41(b)可知， 原始的 彩色圖像已經(jīng)轉(zhuǎn)換成了灰度圖像，灰度圖像的每一個像素的取值就是 256中灰度中的一種（ 0表示黑， 255表示白，從 0到 255亮度逐漸增加），也就是說灰度圖像只有亮度信息而沒有色彩 信息。 程序分析 I_edge=edge(I_gray,39。 imshow(I_edge),title(39。1。 imshow(I_erode),title(39。rectangle39。 imshow(I_close),title(39。 %去除聚團灰度值小于 2021 的部分 figure(6)。 邊緣檢測是為了對有意義的邊緣點進行分類，與這個點相聯(lián)系的灰度級必須比在這一點的背景上變換更有效，我們通過門限方法來決定一個值是否有效。一階導數(shù)的局部最大值對應二階導數(shù)的零交叉點，這樣通過找圖像強度的二階導數(shù)的零交叉點就能找到精確邊緣點。 結(jié)果分析 （ a） 車牌邊緣檢測圖像 （ b) 腐蝕后邊緣圖像 21 （ c） 填充后圖像 （ d） 形態(tài)濾波后的圖像 圖 42 車牌圖像預處理 本文通過對圖像進行腐蝕、膨脹如圖 42（ b）， 腐蝕是一種消除邊界點的過程，結(jié)果是使目標縮小，孔洞增大，因而可有效的消除孤立噪聲點。由此得到車牌圖像的初步定位，如圖 42（ d）所示。 程序分析 I_new=zeros(size(I_final,1),size(I_final,2))。 location_of_1=[location_of_1。 for i=1:size(location_of_1,1) %尋找所有白點中， x 坐標與 y 坐標的和最大，最小的兩個點的位置 temp=location_of_1(i,1)+location_of_1(i,2)。 b=i。 %坐標值修正 x2=last_point(1)4。 g_max=double(max(max(I_plate)))。 subplot(3,2,5),imshow(I_plate)。) %畫出最終車牌 結(jié)果分析 圖 43 車牌提取圖片 定位后車牌圖像是彩色的，會占用較大的存儲空間，加重計算機負擔，所以要對圖像進行二值化以及濾波處理。 程序分析 X=[]。 flag=logical(sum_y)。 break end 25 end char=char(top:bottom,:)。nearest39。,num2str(n),39。 %將分割的字符放入 Char_i 中 end 結(jié)果分析 圖 44 字符分割圖像 在汽車牌照自動識別過程中，字符分割有承前啟后的作用，它在前期牌照定位的基礎上進行字符的分割，然后再利用分割的結(jié)果進行字符識別。汽車牌照的字符一般有 7 個，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡稱；緊接其后的為字母與數(shù)字。制作出的漢字模板存儲在命名為 chinese 的文件夾中，字母與數(shù)字的模板 存儲在命名為 chaamp。貴 39?；?39。鄂 39。魯 39。京 39。黑 39。冀 39。遼 39。chinese\39。 Template=im2bw(Template)。 char=[char store1(index)]。B39。D39。F39。H39。K39。M39。N39。Q39。S39。U39。W39。Y39。039。339。539。739。939。,num2str(i)))。,num2str(j),39。 Differ=ImTemplate。 end figure,imshow(I),title(strcat(39。 在圖像采集的過程中，由于外界的干擾如光線等因素原因以及車主在車牌周圍的裝飾，還有生產(chǎn)廠家對車身的點綴容易給車牌的定位造成很大程度的影響， 因此需要對原始圖象進行識別前的預處理。正是由于牌照圖象的這些特點，再經(jīng)過適當?shù)膱D象變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣，于是對其邊緣提取，此處邊緣的提取采用的是 Sobel 算子。 29 5 總結(jié) 近年來我國 隨著社會經(jīng)濟 的高速 發(fā)展、汽車數(shù)量急劇增加，對交通管理的要求也日益提高， 而相應的人工管理方式以不能滿足實際的需要，微電子、通信和計算機技術在交通領域的應用極大地提高了交通管理的效率。 本次設計的研究以 MATLAB 軟件作為設計工具，通過對采集到的原始圖像進行預處理、車牌定位、字符分割以及字符識別才識別出圖像中的車牌。雖然本次設計出的車牌識別技術還存在很多不足之處，但是我在此次的畢業(yè)設計中學習到了很多知識，增加了我的學習能力，這對我來說是很大的鍛煉。 subplot(3,2,1)。 I_gray=rgb2gray(I)。 I_edge=edge(I_gray,39。邊緣檢測后圖像 39。1]。)。 I_close=imclose(I_erode,se)。 I_final=bwareaopen(I_close,2021)。 I_new=zeros(size(I_final,1),size(I_final,2))。 location_of_1=[location_of_1。 for i=1:size(location_of_1,1) %尋找所有白點中， x 坐標與 y 坐標的和最大，最小的兩個點的位置 temp=