【正文】 。它的第 1版 (DoS 版本 )發(fā)行于 1984 年，經(jīng)過(guò) 10 余年的不斷改進(jìn)，現(xiàn)今已推出它的WindoM 98NT 版本 ( 版 )。車(chē)牌自動(dòng)識(shí)別系統(tǒng)第 32 頁(yè) 共 48 頁(yè) 應(yīng) 用于這些系統(tǒng)，可以解決通緝車(chē)輛的自動(dòng)稽查問(wèn)題，可以解決車(chē)流高峰期因出入口車(chē)流瓶頸造成的路橋卡口、停車(chē)場(chǎng)交通堵塞問(wèn)題，可以解決因工作人員作弊造成的路橋卡口、高速公路、停車(chē)場(chǎng)應(yīng)收款流失的問(wèn)題，還可以以最簡(jiǎn)單的方式完成交通部門(mén)的車(chē)輛信息聯(lián)網(wǎng)，解決數(shù)據(jù)統(tǒng)計(jì)自動(dòng)化，模糊查詢(xún)的問(wèn)題。我國(guó)做得較好的產(chǎn)品是中科院自動(dòng)化研究所的 漢王眼 ，另外，亞洲視覺(jué)科技有限公 司、深圳市吉通電子有限公司以及上海交通大學(xué)、清華大學(xué)等高校都做過(guò)類(lèi)似的研究。日本對(duì)車(chē)牌圖像的獲取也做了大量的研究，并為系統(tǒng)產(chǎn)業(yè)化做了大量工作。早在上世紀(jì) 70年代，英國(guó)就在實(shí)驗(yàn)室中完成了 實(shí)時(shí)車(chē)牌檢測(cè)系統(tǒng)，的廣域檢測(cè)和開(kāi)發(fā)。技術(shù)的核心是通過(guò)對(duì)拍到的車(chē)牌圖像進(jìn)行分析，在非人工千預(yù)的情況下自動(dòng)獲取車(chē)牌信息，從而確定車(chē)輛牌號(hào)。圖像分割就是把圖像中需要的那一個(gè)部分分割出來(lái)。采用某些處理技術(shù)來(lái)突出圖像中的某些信息 ,削弱或消除某些無(wú)關(guān)信息 ,從而有目的地強(qiáng)調(diào)圖像的整體或局部特征，讓觀(guān)察者能看到更加直接、清晰的分析和處 理圖像。 車(chē)牌號(hào)識(shí)別系統(tǒng)是基于圖像處理技術(shù)的基礎(chǔ)進(jìn)行研究的。 此外，智能交通系統(tǒng)，簡(jiǎn)稱(chēng) ITS（ Intelligent Traffic System） 已成為現(xiàn)代社會(huì)道路交通發(fā)展趨勢(shì)。因?yàn)檐?chē)牌號(hào)的重要地位，我們第一個(gè)想到就是設(shè)法利用車(chē)牌號(hào)來(lái)對(duì)車(chē)輛進(jìn)行管理，所以車(chē)牌提取應(yīng)運(yùn)而生，用來(lái)提高汽車(chē)的安全管理水平及管理效率。車(chē)牌識(shí)別系統(tǒng)主要包括了圖像采 集、圖像預(yù)處理、車(chē)牌定位、字符分割、字符識(shí)別等五大核心部分。智能交通系統(tǒng)，是在當(dāng)代科學(xué)技術(shù)高速發(fā)展的背景下產(chǎn)生的。本課題圖像處理分為以下幾方面： 其目的是將模擬形式的圖像通過(guò)數(shù)字化設(shè)備變?yōu)閿?shù)字計(jì)算機(jī)可用的離散的圖像數(shù)據(jù)。直方圖修正、灰度變換、強(qiáng)化圖像輪廓等都是常用的手段。 圖像分析的內(nèi)容分為特征提取、圖像分割、符號(hào)描述、和圖像的檢測(cè)與匹配。在車(chē)牌識(shí)別系統(tǒng)研究中，許多的新技術(shù)和新方法被不斷地提出并應(yīng)用，例如圖像處理技術(shù)、模糊數(shù)學(xué)理論、神經(jīng)元網(wǎng)絡(luò)算法等等，也有人將一些傳統(tǒng)方式和高新技術(shù)相結(jié)合來(lái)進(jìn)行應(yīng)用，但到目前為止，由于各種客觀(guān)的不利環(huán)境因素存在，還沒(méi)有一種解決辦法可以作為最有效的 銀彈，來(lái)解決應(yīng)用中的所有技術(shù)難題，它們?cè)谙到y(tǒng)的準(zhǔn)確性和實(shí)時(shí)性方面雖都有其自己的解決辦法和設(shè)計(jì)方案，但健壯性和魯棒性均達(dá)不到理想要求。同時(shí)代，還誕生了面向被盜車(chē)輛的第一個(gè)實(shí)時(shí)自動(dòng)車(chē)牌監(jiān)測(cè)系統(tǒng)。 目前，以色列的 Hi 一 Teeh 公司研制的多種 seeCarSystem，適用于幾個(gè)不同國(guó)家的車(chē)牌識(shí)別。從目前一些產(chǎn)品的性能來(lái)看，車(chē)牌識(shí)別系統(tǒng)的識(shí)別率和識(shí)別速度都有待提高。 設(shè)計(jì)原理 汽車(chē)牌照自動(dòng)識(shí)別技術(shù)是一項(xiàng)利用車(chē)輛的動(dòng)態(tài)視頻或靜態(tài)圖像進(jìn)行牌照號(hào)碼、牌照顏色自動(dòng)識(shí)別的模式識(shí)別技術(shù)。新的版本集中了日常數(shù)學(xué)處理中的各種功能，包括高效的數(shù)值計(jì)算、矩陣運(yùn)算、信號(hào)處理和圖形生成等功能。在美國(guó)的一些大學(xué)里， MATLAB 正在成為對(duì)數(shù)值線(xiàn)性代數(shù)以及其他一些高等應(yīng)用數(shù)學(xué)課程進(jìn)行輔助教學(xué)的有益工具。自從第 1版發(fā)行以來(lái)，已有眾多的科技工作者加入到 MATLAB的開(kāi)發(fā)隊(duì)伍中，并為形成今天約 MATLAB 系統(tǒng)做出了巨大的貢獻(xiàn)。Mathcad 因其提供計(jì)算、圖形、文字處理的統(tǒng)一環(huán)境而深受中學(xué)生歡迎。（ 2）開(kāi)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(kāi)發(fā)的道路。（ 4）構(gòu)作了 Notebook 。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(kāi)發(fā)復(fù)雜的應(yīng)用程序。 (5)MATLAB 應(yīng)用程序接口 (API) 這是 MATLAB 為用戶(hù)提供的一個(gè)函數(shù)庫(kù)，使得用戶(hù)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(xiě) MAT 文件的功能。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(shū)都把 MATLAB 作為內(nèi)容。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。 第三章 各模塊的實(shí)現(xiàn) 第 32 頁(yè) 共 48 頁(yè) 車(chē)牌識(shí)別系統(tǒng)包括圖像采集、圖像預(yù)處理、車(chē)牌定位、字符分割、字符識(shí)別等模塊，本文主要研究圖像預(yù)處理、車(chē)牌定位和字符分割三個(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(chē)輛自身?xiàng)l件以及車(chē)輛的行駛速度的影響，想拍出較理想的圖片很困難?，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。 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 。 通過(guò)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 。因此，在進(jìn)行對(duì)汽車(chē)牌照的定位及字符識(shí)別之前需要先對(duì)車(chē)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。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)。車(chē)牌圖像的灰度圖的車(chē)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?chē)鷪D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。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 。 使用統(tǒng)計(jì)彩色像素點(diǎn)的方法分割出車(chē)牌區(qū)域，確定車(chē)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(chē)牌在行方向的區(qū)域。 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 。均值濾波是典型的線(xiàn)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?chē)呐R近像素。將得到的車(chē)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(lèi)似于峰谷的波形起伏變化 ， 通過(guò)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 。 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。綜合模板匹配的這些優(yōu)點(diǎn)我們將其用為車(chē)牌字符識(shí)別的主要方法。在實(shí)際設(shè)計(jì)模板的時(shí)候，是根據(jù)各區(qū)域形狀固有的特點(diǎn)，突出各類(lèi)似區(qū)域之間的差別，并將容易由處理過(guò)程引起的噪聲和位移等因素都考慮進(jìn)去，按照一些基于圖象不變特性所設(shè)計(jì)的特征量來(lái)構(gòu)建模板，就可以避免上述問(wèn)題。所以建立字符模板庫(kù)也極為方便。把每一幅相減后的圖的 0值個(gè)數(shù)保存，即為識(shí)別出來(lái)的結(jié)果。 一是對(duì)于彩色車(chē)牌的識(shí)別具有局限性，有些車(chē)牌不是藍(lán)色底的，例如我們的校車(chē)就是黃色底的。 第 33 頁(yè) 共 48 頁(yè) 23 參考文獻(xiàn) [1] 許錄平 .數(shù)字圖像處理 .科學(xué)出版社 [2] 樓順天 . 程序設(shè)計(jì)語(yǔ)言 .西安電子科技大學(xué)出版社 [3] .baidu 網(wǎng)站 第 32 頁(yè) 共 48 頁(yè) 程序附錄： function [d]=main(jpg) I=imread(39。title(39。 %將真彩色圖像轉(zhuǎn)換為灰度圖像 figure(2),subplot(1,2,1),imshow(I1)。 figure(2),subplot(1,2,2),imhist(I1)。 I2=edge(I1,39。)。) se=[1。 %圖像的腐蝕 figure(4),imshow(I3)。 se=strel(39。 %對(duì)圖像實(shí)現(xiàn)閉運(yùn)算，閉運(yùn)算也能平滑圖像的輪廓，但與開(kāi)運(yùn)算相反，它一般融合窄的缺口和細(xì)長(zhǎng)的彎口， 去掉小洞，填補(bǔ)輪廓上的縫隙。)。從對(duì)象中移除小對(duì)象 39。 %換成雙精度數(shù)值 第 33 頁(yè) 共 48 頁(yè) 25 %begin 橫向掃描 tic %計(jì)算 tic 與 toc 之間程序的運(yùn)行時(shí)間 Blue_y=zeros(y,1)。 while ((Blue_y(PY1,1)=120)amp。 while ((Blue_y(PY2,1)=40)amp。 %IY 為原始圖像 I 中截取的縱坐標(biāo)在 PY1： PY2 之間的部分 %end 橫向掃描 第 32 頁(yè) 共 48 頁(yè) %begin 縱向掃描 Blue_x=zeros(1,x)。amp。amp。 dw=I(PY1:PY2,:,:)。)。39。,39。 %將數(shù)組 filepath,filename水平地連接成單個(gè)字符串，并保存于變量 jpg 中 a=imread(39。 %將真彩色圖像轉(zhuǎn)換為灰度圖像 imwrite(b,39。subplot(3,2,1),imshow(b),title(39。 %換成雙精度數(shù)值 T=round(g_max(g_maxg_min)3)。 d=(double(b)=T)。 %將圖像數(shù)據(jù)寫(xiě)入到圖像文件中 figure(8)。 39。 %圖像的腐蝕 第 32 頁(yè) 共 48 頁(yè) elseif bwarea(d)mn= %計(jì)算二值圖像中對(duì)象的總面積 d=imdilate(d,se)。 %將圖像數(shù)據(jù)寫(xiě)入到圖像文件中 figure(8),subplot(3,2,5),imshow(d),title(39。 %返回矩陣 b的尺寸信息， 并存儲(chǔ) 在 m、 n中。j=1。amp。 d(:,k1+num+5)=0。flag=0。wide=0。 else temp=qiege(imcrop(d,[1 1 wide m]))。 if two_thirdsally2 flag=1。 end end 第 32 頁(yè) 共 48 頁(yè) % 分割出第二個(gè)字符 [word2,d]=getword(d)。 % 分割出第六個(gè)字符 [word6,d]=getword(d)。)。 figure(11),imshow(word3),title(39。439。)。 figure(15),imshow(word7),title(39。 %返回矩陣 b的尺寸信息， 并存儲(chǔ)在 m、 n中 。 word4=imresize(word4,[40 20])。 figure(16), subplot(3,7,8),imshow(word1),title(39。239。)。 subplot(3,7,12),imshow(word5),title(39。639。)。 imwrite(word2,39。39。)。 imwrite(word6,39。39。:39。:39。])。939。Z39。 l=1。.jpg39。)。 if l==1 %第一位漢字識(shí)別 kmin=37。 else l=3 %第三位以后是字母或數(shù)字識(shí)別 kmin=1。,liccode(k2),39。%讀取圖片文件中的數(shù)據(jù) SamBw2=double(SamBw2)1。 end end end Error(k2)=Dmax。 Code(l*21)=liccode(findc(1)+kmin1)。 end figure(5),imshow(dw),title ([39。,39。flag=0。 wide=0。 end temp=qiege(imcrop(d,[1 1 wide m]))。 n1m1y2 d(:,[1:wide])=0。 end else word=qiege(imcrop(d,[1 1 wide m]))。flag=1。 top=1。 % init while sum(d(top,:))==0 amp。amp。 leftn left=left+1。 end dd=rightleft。例如第 3 章的第 4 個(gè)插圖標(biāo)記為“圖 34”。 1． 3 插圖的形式 插圖一般有四種形式，即手繪圖、屏幕抓圖、掃描圖、文件插圖。 繪圖所用圖例應(yīng)注意規(guī)范。微調(diào)線(xiàn)條位置、長(zhǎng)短