【正文】 。它的第 1版 (DoS 版本 )發(fā)行于 1984 年，經(jīng)過 10 余年的不斷改進，現(xiàn)今已推出它的WindoM 98NT 版本 ( 版 )。車牌自動識別系統(tǒng)第 32 頁 共 48 頁 應(yīng) 用于這些系統(tǒng)，可以解決通緝車輛的自動稽查問題，可以解決車流高峰期因出入口車流瓶頸造成的路橋卡口、停車場交通堵塞問題，可以解決因工作人員作弊造成的路橋卡口、高速公路、停車場應(yīng)收款流失的問題，還可以以最簡單的方式完成交通部門的車輛信息聯(lián)網(wǎng)，解決數(shù)據(jù)統(tǒng)計自動化，模糊查詢的問題。我國做得較好的產(chǎn)品是中科院自動化研究所的 漢王眼 ，另外，亞洲視覺科技有限公 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)等高校都做過類似的研究。日本對車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 70年代，英國就在實驗室中完成了 實時車牌檢測系統(tǒng)，的廣域檢測和開發(fā)。技術(shù)的核心是通過對拍到的車牌圖像進行分析，在非人工千預(yù)的情況下自動獲取車牌信息，從而確定車輛牌號。圖像分割就是把圖像中需要的那一個部分分割出來。采用某些處理技術(shù)來突出圖像中的某些信息 ,削弱或消除某些無關(guān)信息 ,從而有目的地強調(diào)圖像的整體或局部特征，讓觀察者能看到更加直接、清晰的分析和處 理圖像。 車牌號識別系統(tǒng)是基于圖像處理技術(shù)的基礎(chǔ)進行研究的。 此外，智能交通系統(tǒng)，簡稱 ITS（ Intelligent Traffic System） 已成為現(xiàn)代社會道路交通發(fā)展趨勢。因為車牌號的重要地位，我們第一個想到就是設(shè)法利用車牌號來對車輛進行管理，所以車牌提取應(yīng)運而生，用來提高汽車的安全管理水平及管理效率。車牌識別系統(tǒng)主要包括了圖像采 集、圖像預(yù)處理、車牌定位、字符分割、字符識別等五大核心部分。智能交通系統(tǒng)，是在當代科學(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數(shù)字化設(shè)備變?yōu)閿?shù)字計算機可用的離散的圖像數(shù)據(jù)。直方圖修正、灰度變換、強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、符號描述、和圖像的檢測與匹配。在車牌識別系統(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)合來進行應(yīng)用，但到目前為止，由于各種客觀的不利環(huán)境因素存在，還沒有一種解決辦法可以作為最有效的 銀彈，來解決應(yīng)用中的所有技術(shù)難題，它們在系統(tǒng)的準確性和實時性方面雖都有其自己的解決辦法和設(shè)計方案，但健壯性和魯棒性均達不到理想要求。同時代，還誕生了面向被盜車輛的第一個實時自動車牌監(jiān)測系統(tǒng)。 目前，以色列的 Hi 一 Teeh 公司研制的多種 seeCarSystem，適用于幾個不同國家的車牌識別。從目前一些產(chǎn)品的性能來看，車牌識別系統(tǒng)的識別率和識別速度都有待提高。 設(shè)計原理 汽車牌照自動識別技術(shù)是一項利用車輛的動態(tài)視頻或靜態(tài)圖像進行牌照號碼、牌照顏色自動識別的模式識別技術(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)值計算、矩陣運算、信號處理和圖形生成等功能。在美國的一些大學(xué)里， MATLAB 正在成為對數(shù)值線性代數(shù)以及其他一些高等應(yīng)用數(shù)學(xué)課程進行輔助教學(xué)的有益工具。自從第 1版發(fā)行以來，已有眾多的科技工作者加入到 MATLAB的開發(fā)隊伍中，并為形成今天約 MATLAB 系統(tǒng)做出了巨大的貢獻。Mathcad 因其提供計算、圖形、文字處理的統(tǒng)一環(huán)境而深受中學(xué)生歡迎。（ 2）開發(fā)了與外部進行直接數(shù)據(jù)交換的組件，打通了 MATLAB 進行實時數(shù)據(jù) 分析、處理和硬件開發(fā)的道路。（ 4）構(gòu)作了 Notebook 。利用它既可以進行小規(guī)模端程，完成算法設(shè)計和算法實驗的基本任務(wù)，也可以進行大規(guī)模編程，開發(fā)復(fù)雜的應(yīng)用程序。 (5)MATLAB 應(yīng)用程序接口 (API) 這是 MATLAB 為用戶提供的一個函數(shù)庫，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 (動態(tài)鏈接 )，讀寫 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、自動控制、數(shù)字信號處理、模擬與數(shù)字通信、時間序列分析、動態(tài)系統(tǒng)仿真等課程的教科書都把 MATLAB 作為內(nèi)容。在許多國際一流學(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 各模塊的實現(xiàn) 第 32 頁 共 48 頁 車牌識別系統(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模塊。 字符識別部分要求照片清晰，但由于該系統(tǒng)的攝像頭長時間在室 外工作，加上光照條件、攝像頭角度和距離、車輛自身條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?，F(xiàn)在 字符識別的常用 方法有模板匹配法和神經(jīng)網(wǎng)絡(luò)模型法。 對于將彩色圖像轉(zhuǎn)換成灰度圖像時 ， 目前比較主流的灰度化方法叫平均值第 33 頁 共 48 頁 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代表彩色圖像藍色分量值 。 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 。因此，在進行對汽車牌照的定位及字符識別之前需要先對車輛圖像進行邊緣檢測處理，提高圖像的質(zhì)量，使其易于后面的分割和識別。本文采用經(jīng)典的 Roberts 邊緣檢測算子來對圖像進行邊緣檢測。車牌圖像的灰度圖的車牌部分是一個水平度很高的長方形圖樣，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來對圖像進行分割。數(shù)學(xué)形態(tài)學(xué) 用具有一定形態(tài)的機構(gòu)元素去量度和提取圖像中的對應(yīng)形狀以達到對圖像分析和識 別的目的，能有效的去除噪聲，保留圖像原有信息的同時提取的邊緣比較平滑，提取的圖像骨架也比較連續(xù)，斷點少 。 使用統(tǒng)計彩色像素點的方法分割出車牌區(qū)域，確定車牌底色藍色 RGB 對應(yīng)的灰度范圍，然后統(tǒng)計在行方向的顏色范圍內(nèi)的像素點數(shù)量，確定車牌在行方向的區(qū)域。 圖像的二值化處理就是將圖像上的點的灰度置為兩個數(shù)值 ， 通常為 0或 255， 使整個圖像呈現(xiàn)出明顯的黑白效果 。均值濾波是典型的線性濾波算法， 指在圖像上對目標像素給一個模板，該模板包括了其周圍的臨近像素。將得到的車牌區(qū)域圖像進行二值化處理后 ， 對圖像進行垂直投影 ， 投影圖上有明顯的類似于峰谷的波形起伏變化 ， 通過對投影圖上的波形從左向右進行掃描 ， 根據(jù)谷和峰的特征就可以判斷出每個 字符的位置 ； 計算垂直峰 ， 檢測合理的字符高寬比 。 而大小歸一是指在長度和寬度方向上分別乘以一個 比例因子 ， 使其等于標準模塊的字符大小 ， 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方向上對字符象素的大小進行歸一化處理。綜合模板匹配的這些優(yōu)點我們將其用為車牌字符識別的主要方法。在實際設(shè)計模板的時候，是根據(jù)各區(qū)域形狀固有的特點，突出各類似區(qū)域之間的差別，并將容易由處理過程引起的噪聲和位移等因素都考慮進去，按照一些基于圖象不變特性所設(shè)計的特征量來構(gòu)建模板，就可以避免上述問題。所以建立字符模板庫也極為方便。把每一幅相減后的圖的 0值個數(shù)保存，即為識別出來的結(jié)果。 一是對于彩色車牌的識別具有局限性，有些車牌不是藍色底的，例如我們的校車就是黃色底的。 第 33 頁 共 48 頁 23 參考文獻 [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)計語言 .西安電子科技大學(xué)出版社 [3] .baidu 網(wǎng)站 第 32 頁 共 48 頁 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。 %對圖像實現(xiàn)閉運算，閉運算也能平滑圖像的輪廓，但與開運算相反，它一般融合窄的缺口和細長的彎口， 去掉小洞，填補輪廓上的縫隙。)。從對象中移除小對象 39。 %換成雙精度數(shù)值 第 33 頁 共 48 頁 25 %begin 橫向掃描 tic %計算 tic 與 toc 之間程序的運行時間 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 中截取的縱坐標在 PY1： PY2 之間的部分 %end 橫向掃描 第 32 頁 共 48 頁 %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)寫入到圖像文件中 figure(8)。 39。 %圖像的腐蝕 第 32 頁 共 48 頁 elseif bwarea(d)mn= %計算二值圖像中對象的總面積 d=imdilate(d,se)。 %將圖像數(shù)據(jù)寫入到圖像文件中 figure(8),subplot(3,2,5),imshow(d),title(39。 %返回矩陣 b的尺寸信息， 并存儲 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 共 48 頁 % 分割出第二個字符 [word2,d]=getword(d)。 % 分割出第六個字符 [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 %第一位漢字識別 kmin=37。 else l=3 %第三位以后是字母或數(shù)字識別 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 個插圖標記為“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)線條位置、長短