【正文】 算量最小。robert39。同理對(duì)白底黑字的牌照可用R 通道，綠底白字的牌照可以用G 通道就可以明顯呈現(xiàn)出牌照區(qū)域的位置，便于后續(xù)處理。利用圖像工具箱的Car_Image_RGB=imread(‘Image_Name’)。在新的版本中也加入了對(duì)C，F(xiàn)ORTRAN，C++，JAVA的支持。MATLAB和Mathematica、Maple并稱(chēng)為三大數(shù)學(xué)軟件。MATLAB是一種用于算法開(kāi)發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高級(jí)技術(shù)計(jì)算語(yǔ)言和交互式環(huán)境。（2) Matlab語(yǔ)言簡(jiǎn)單，入門(mén)容易，程序設(shè)計(jì)不嚴(yán)格，自由度大，例如用戶無(wú)需對(duì)矩陣預(yù)定義即可使用。一個(gè)完整的車(chē)牌識(shí)別系統(tǒng)應(yīng)包括車(chē)輛檢測(cè)、圖像采集、圖像預(yù)處理、車(chē)牌定位、字符分割、字符識(shí)別等單元。本文主要講述我完成這次課設(shè)所經(jīng)歷的三個(gè)階段：總體方案設(shè)計(jì)、相關(guān)資料查詢、軟件實(shí)現(xiàn)。技術(shù)的核心包括車(chē)牌定位算法、車(chē)牌字符分割算法和光學(xué)字符識(shí)別算法等。C programming language。車(chē)牌識(shí)別主要經(jīng)過(guò)牌照定位，即定位圖片中的牌照位置；牌照字符分割，就是把牌照中的字符分割出來(lái)；牌照字符識(shí)別，也就是把分割好的字符進(jìn)行識(shí)別，最終組成牌照號(hào)碼。 桂林電子科技大學(xué)課程設(shè)計(jì)（論文）報(bào)告用紙 第 3 頁(yè) 共3頁(yè)課程設(shè)計(jì)(論文)說(shuō)明書(shū)題 目： 基于Matlab車(chē)牌識(shí)別 院 （系）： 信息與通信學(xué)院 專(zhuān) 業(yè)： 通信工程 摘 要近幾年，車(chē)牌識(shí)別系統(tǒng)作為智能交通的一個(gè)重要方向越來(lái)越受到重視。關(guān)鍵詞：Matlab；c語(yǔ)言；定位；分割；識(shí)別；Abstract In recent years, the license plate recognition system as an important direction of the intelligent transportation is more and more attention. License plate recognition system can be used in the highway speeding car park management system management system of urban intersection electronic police district vehicle management system and other fields.In this paper, based on Matlab, using c language programming to realize the license plate recognition. License plate recognition is mainly through the license plate localization, namely, positioning image of license plate location。 Positioning。一個(gè)完整的車(chē)牌識(shí)別系統(tǒng)應(yīng)包括車(chē)輛檢測(cè)、圖像采集、車(chē)牌識(shí)別等幾部分。在介紹我本次課程設(shè)計(jì)的設(shè)計(jì)原理的同時(shí)，也側(cè)重同時(shí)記錄了我是如何對(duì)于設(shè)計(jì)過(guò)程中遇到的問(wèn)題進(jìn)行分析和解決的。本次課設(shè)的目標(biāo)就是基于matlab和c語(yǔ)言編程，通過(guò)對(duì)車(chē)輛檢測(cè)，還有采集車(chē)輛圖片，和圖像預(yù)處理，以及對(duì)車(chē)牌的定位，和字符的分割，最后對(duì)字符進(jìn)行識(shí)別，最終可以實(shí)現(xiàn)車(chē)牌的識(shí)別。 （3)Matlab語(yǔ)言簡(jiǎn)潔緊湊，使用方便靈活，庫(kù)函數(shù)豐富，并且內(nèi)部集成了很多工具箱，為程序開(kāi)發(fā)提供現(xiàn)成模塊。除了矩陣運(yùn)算、繪制函數(shù)/數(shù)據(jù)圖像等常用功能外，MATLAB還可以用來(lái)創(chuàng)建用戶界面及與調(diào)用其它語(yǔ)言（包括C，C++和FORTRAN）編寫(xiě)的程序。它在數(shù)學(xué)類(lèi)科技應(yīng)用軟件中在數(shù)值計(jì)算方面首屈一指。可以直接調(diào)用,用戶也可以將自己編寫(xiě)的實(shí)用程序?qū)氲組ATLAB函數(shù)庫(kù)中方便自己以后調(diào)用，此外許多的MATLAB愛(ài)好者都編寫(xiě)了一些經(jīng)典的程序，用戶可以直接進(jìn)行下載就可以用。即可將圖像讀取出來(lái)，這樣讀取得到的是RGB圖像，RGB圖像分別用紅、藍(lán)、綠三個(gè)色度值為一組代表每個(gè)像素的顏色，因此Car_Image_RGB是一個(gè)mn3的數(shù)組，m、n表示圖像像素的行、列數(shù)。原圖、灰度圖及其直方圖見(jiàn)圖2與圖3。,39。因此本課題使用了Robert算子。適當(dāng)取門(mén)限T，做如下判斷：G(x,y)T,(x,y)為階躍狀邊緣點(diǎn)。由彩色轉(zhuǎn)換為灰度的過(guò)程叫做灰度化處理。原始黑白圖像39。,13)。背景圖像39。title(39。Car_Image_Perform=imclose(Car_Image_Erode,Se)。,[25,25])。經(jīng)區(qū)域確定了，即可將車(chē)牌的四個(gè)邊界值確定下來(lái)。Zero_Col=zeros(1,x)。amp。amp。剪切得到的圖像如下。 同時(shí)采集大的圖像噪點(diǎn)依然存在，因此可以通過(guò)處理圖像的低頻部分來(lái)銳化圖像。圖9 車(chē)牌區(qū)域圖像濾波前效果圖10車(chē)牌區(qū)域圖像濾波后效果腐蝕已經(jīng)在在上文介紹，膨脹剛好與腐蝕相反，運(yùn)算規(guī)則是輸出圖像的像素值是輸入圖像鄰域中的最大值，在一個(gè)二值圖像中，只要一個(gè)像素值為1，則相應(yīng)的輸出像素值為1。if bwarea(License_Image_Gray_2)/m/n= License_Image_Gray_2=imerode(License_Image_Gray_2,Se)。這樣，如果平均分配每個(gè)字符在牌照中占據(jù)的寬度，那么每個(gè)字符寬度為：width/7（width 為車(chē)牌圖像的寬度）。切割線同樣采用投影法Wide=0。End切割的字符時(shí)候符合比例要求采用if((Level1WideLevel2)amp。 else Word=[]。圖13 經(jīng)切割的七個(gè)字符目前字符識(shí)別的方案有使用神經(jīng)網(wǎng)絡(luò)和模板匹配法進(jìn)行比對(duì)。由于圖像采集時(shí)圖像的像素值不一樣，經(jīng)切割出來(lái)的字符的大小也不會(huì)不一樣，所以在進(jìn)行匹配前必須先進(jìn)行字符圖像歸一化。圖14 經(jīng)歸一化后的七個(gè)字符字符識(shí)別步驟如下，建立模板字庫(kù)表讀取分割出來(lái)的字符第一個(gè)字符與模板中的漢字模板進(jìn)行匹配第二個(gè)字符與模板中的字母模板進(jìn)行匹配待識(shí)別字符與模板字符相減，值越小相似度越大，找到最小的一個(gè)即為匹配的最好的識(shí)別完成，輸出此模板對(duì)應(yīng)值后5個(gè)字符與模板中的字母與數(shù)字模板進(jìn)行匹配圖15 字符匹配流程匹配方法采用將目標(biāo)圖像與模板圖像逐點(diǎn)做差，得到第三幅圖像，程序?qū)崿F(xiàn)如下：for ii=1:40 or jj=1:20 Word_Image_Diff(ii,jj)=Word_Image(ii,jj)Word_Image_Code(ii,jj)。做完這次車(chē)牌識(shí)別課程設(shè)計(jì)后，我感覺(jué)它的工作量的確很大，差不多花費(fèi)了我數(shù)周的時(shí)間一遍遍地改參數(shù)、看圖像。這本書(shū)內(nèi)容豐富，自成一體，里面的許多內(nèi)容與教材形成了互補(bǔ)。第三，為了完成車(chē)牌識(shí)別系統(tǒng)，我從網(wǎng)上找了不少源代碼進(jìn)行比較，這也鍛煉了我讀程序的能力。調(diào)試的過(guò)程非常麻煩，因?yàn)橛械膮?shù)只能對(duì)某一幅圖像有用，對(duì)其它圖像根本識(shí)別沒(méi)法識(shí)別，所以為了使盡量多的圖像能被識(shí)別，我著實(shí)花了不少功夫。在做這個(gè)課程設(shè)計(jì)之前，我本以為車(chē)牌識(shí)別比較簡(jiǎn)單，但是接觸以后才發(fā)現(xiàn)限制車(chē)牌識(shí)別的因素很多，要想識(shí)別任意圖像是非常困難的。)。)?；叶葓D39?；叶葓D直方圖39。,39。title(39。1]。腐蝕后圖像39。,[40,40])。平滑圖像的輪廓39。title(39。myI=double(I5)。%temp為向量white_y的元素中的最大值，MaxY為該值的索引（ 在向量中的位置） PY1=MaxY。 end PY2=MaxY。 end IY=I(PY1:PY2,:,:)。 while ((Blue_x(1,PX1)3)amp。 while ((Blue_x(1,PX2)3)amp。%對(duì)車(chē)牌區(qū)域的校正 PX2=PX2+2。行方向合理區(qū)域39。)imwrite(dw,39。39。jpg=strcat(filepath,filename)。b=rgb2gray(a)。figure(8)。g_min=d