【正文】 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)。) %最終車牌 X=[]。 flag=logical(sum_y)。 for j=1:size(I_plate,2) sum_y=sum(I_plate(:,j))。 figure,imshow(I_plate),title(39。 T=round(g_max(g_maxg_min)/3)。 y2=last_point(2)4。 %和最小的點為車牌的左 上角 last_point=location_of_1(b,:)。 a=i。 end end end mini=inf。 for i=1:size(I_final,1) %尋找二值圖像中白的點的位置 for j=1:size(I_final,2) if I_final(i,j)==1。形態(tài)濾波后圖像 39。填充后圖像 39。rectangle39。 subplot(3,2,4),imshow(I_erode),title(39。 se=[1。)?；叶葓D像 39。原始圖像 39。39。 在車輛牌照字符識別系統(tǒng)的研究領域，近幾年已經出現了許多切實可行的識別技術和方法，從這些新技術和方法中可以看到兩個明顯的趨勢：一是單一的人工選取合適的算法和其他指標已經不能取得很好 的結果。 通過本次車牌識別的設計，我也對數字圖像處理技術的原理及 MATLAB 編程技術有了更進一步的了解。 對于識別錯誤情況的分析得到，主要原因有以下幾點： （ 1） 汽車牌照上外界干擾，如在牌照周圍添加飾物； （ 2） 采用不同的邊緣檢測算子將會使牌照字符的分割失敗，導致識別錯誤； （ 3） 某些字符具有相似性，字符識別結果可能發(fā)生混淆的情況。由于車牌采集的信息都是些彩色圖片，含有大量的數據信息，因此我們還要對其進行灰度化處理。,char))。 end index=find(Compare==(min(Compare)))。))。chaamp。 %創(chuàng)建字母與數字識別模板庫 for i=2:7 for j=1:34 Im=eval(strcat(39。839。639。439。239。Z39。X39。V39。T39。R39。P39。M39。L39。J39。G39。E39。C39。A39。 Compare(j)=sum(sum(abs(Differ)))。.jpg39。 %創(chuàng)建漢字識別模板庫 for j=1:15 Im=Char_1。晉 39。吉 39。蘇 39。藏 39。皖 39。湘 39。瓊 39。 程序分析 char=[]。所以建立字符模板庫也極為方便。由于我們制作的模板是 32*16 像素點的規(guī)格，為了方便后面的模板匹配，我們就將分割的圖片進行 32*16 像素點的歸一化處理，最后結果如圖 44 所示。39。 %歸一化為 32*16 的大小，以便模板匹配 eval(strcat(39。imshow(char)。 %進行粗分割 for i=1:size(char,1) %這兩個 for 循環(huán)對分割字符的上下進行裁剪 if sum(char(i,:))~=0 top=i。 for j=1:size(I_plate,2) sum_y=sum(I_plate(:,j))。如圖 43 所示 24 字符分割 此部分是將前面分割出的車牌的 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，轉換為邏輯 1，記錄下所有列和在 0 與 1 轉換的列，即為需要切割的列，共有 14 列，可切出 7 個字符。 figure,imshow(I_plate),title(39。 T=round(g_max(g_maxg_min)/3)。 y2=last_point(2)4。 %和最小的點為車牌的左上角 last_point=location_of_1(b,:)。 a=i。 end end end mini=inf。 for i=1:size(I_final,1) %尋找二值圖像中白的點的位置 for j=1:size(I_final,2) if I_final(i,j)==1。 22 牌照定位 觀察經過預處理后得到的圖像發(fā)現車牌位置有明顯的矩形圖樣，通過對矩形區(qū)域的定位即可獲得具體的車牌位置。 對其實現閉運算如圖 42（ c）， 先膨脹后腐蝕的過程稱為閉運算，具有填充物體內細小空洞，連接鄰近物體和平滑邊界的作用。sobel39。經過一階的導數的邊緣檢測，所求的一階導數高于某個閾值，則確定該點為邊緣點，這樣會導致檢測的邊緣點太多。形態(tài)濾波后圖像 39。)。 I_close=imclose(I_erode,se)。)。 I_erode=imerode(I_edge,se)。)。)。 19 車牌圖像預處理 車牌圖像的預處理包括了邊緣檢測、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?；叶葓D像 39。)。)。 車牌圖像灰度化首先將通過 MATLAB 將原始圖片通過函數 imread 讀入并且輸出如圖 41（ a） 所示 ， 然后對讀入的圖像通過 rgb2gray 進行 灰度處理如圖 41（ b） 所示。 圖 33 車牌識別系統(tǒng)字符識別流程圖 識別完成，輸出此模板對應值 讀取分割且歸一化的出來的字符 將切割字符與模板庫進行模板匹配 待識別字符與模板字符相減，值越小相似度越大，找到最小的一個即為匹配的最好的 建立識別樣本庫 17 4 運用 MATLAB 實現車牌識別 本次設計使用 640*480 的彩色 JPG 格式圖片，以 MATLAB 軟件為平臺，采用編寫代碼程序實現車牌定位、車牌字符分割、車牌字符識別。 本文采用 基于模板匹配的字符識別 ，它 的基本過程是：首先我們要建立字符識別樣本庫，然后把歸一化的字符圖像與模板中的字符相減， 找到差別點最少的模板為對應模板。 模板匹配是 字符 識別方法中最具代表性的基本方法之一， 模板匹配的方法是 從圖像區(qū)域 (, )f i j 或待識別的圖像中提取 出 若干特征量 ，在逐個比較提取出的特征量 與模板(, )Ti j 相應的特征量，計算它們之間的互相關量，其中期間相似程度最高 就是 互相關量最大的一個， 這樣就可以將圖像分為很多類型 。模板圖像和待測圖像的相關測度計算式為 11001 1 1 1220 0 0 0( , ) ( , )( , )( , ) ( , )MMiiM M M Mi j i jg i j f k i l jL k lg i j f k i l j????? ? ? ?? ? ? ????????? ? ? ? （ 313） 上式對互相關進行了歸一化，這在多目標的檢測中，有利于多個模板互相關結果的比較和判斷。它們在 D上的差值測度有如下三種計算方式： ( , )m a x | ( , ) ( , ) |x y DL f x y g x y??? （ 310） | ( , ) ( , ) |DL f x y g x y d x d y???? （ 311） 2[ ( , ) ( , ) ]DL f x y g x y d x d y???? （ 312） 采用以上三種方式計算出的結果越小，說明模板和子區(qū)域相似程度越高。匹配可以在空域中進行，也可以在頻率域等變換域進行；在空域中進行匹配的是目標圖像本身，在變換域進行匹配的是目標的一些特征量。是把根據已知模式到另外一幅圖中尋找相應模式的處理方法就叫做模板匹配。它 的理論依據是 數學上的決策理論， 而且統(tǒng)計識別的 統(tǒng)計學識別模型 都是根據數學上的決策理論建立的 。 70 年代主要研究文字識別的基本理論和研制高性能的文字識別機，并著 14 重于漢字識別的研究 [18]。為了減輕人們的勞動，提高處理效率， 50年代開始探討一般字符識別方法，并研制出光學 字符 識別器。歸一化處理的目的就是使車牌字符同標準模塊里面的字符特征一樣。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果進行字符識別。 二值化的處理過程是通過閾值化對圖像進行處理的 [17]。不同的閾值設定方法對一幅圖像進行處理會產生不同的二值化處理結果。二值圖像是指整幅圖像畫面內僅黑、白二值的圖像，每一個像素取兩個離散數值（ 0 或 1），其中 0 代表黑色， 1 代表白色。一般情況下，這些噪聲在研究對象中一般都是無用的信息，而且還會對研究對象造成干擾，極大降低了圖像質量，影響圖像分割、圖像識別等后繼工作的進行。 使用同一結構元素對圖像先進行膨脹運算，然后對結果進行腐蝕運算的運算方法成為閉運算，閉運算的符號為 ? 。膨脹運算會使圖像的區(qū)域進行擴張。 形態(tài)學圖像處理 數學形態(tài)學以形態(tài)為基礎對圖像進行分析，其基本思想是用具有一定形態(tài)的結構元素去度量和提取圖像中的對應形狀以達到對圖像分析和識別的目的。通常，一個核對垂直邊緣響應最大，而另一個核則對水平邊緣響應最大 ， 兩個卷積的最大值作為該點的輸出值 ， 運算結果是一幅邊緣幅度圖像。 其中邊緣檢測的算子有很多，如 Roberts 算子、 Sobel 算子、Prewitt 算子、 Zerocross 算子、 Log 算子 以及 Canny 算子 。圖像中每一個像素的顏色值（由 RGB 三 原色表示）直接存放在圖像矩陣中，由于每一像素的顏色需由 R、 G、 B 三個分量來表示，因此 RGB 圖像的圖像矩陣與其他類型的圖像矩陣不同，是一個三維矩陣，可用 MN3 表示， M、 N 分別表示圖像的行、列數，三個 M N 的二維矩陣分別表示各個像素的 R、 G、 B 三個顏色分量。二值圖像通常用于文字、線條圖的掃描識別（ OCR）和掩模圖像的存儲。灰度圖像矩陣元素的取值范圍通常為 [0,255]，因此其數據類型一般為 8 位無符號整數，這就是人們經常提到的 256 級灰度圖像。 第三步是對前面分割出的字符進 行識別，運用的是模板匹配字符識別算法，這過程是 把切割出的字符與庫里的漢字和字符的模板做減法運算，找到差別點最少的模板為對應模板，輸出該模板對應的字符，最后識別出車牌。汽車牌照識別的第一步首先要通過圖像預處理（邊緣檢測、腐蝕、填充、濾波）之后正確的從原始圖像中分割出車牌區(qū)域， 其過程是將灰度圖像以 sobel 算子檢測邊緣；再對邊緣圖像進行腐蝕，去除掉細的，間斷的邊緣；對剩下的區(qū)域進行閉合以填充圖像，此時車牌區(qū)域形成了一個大的連通域；在調用 bwareaopen 函數去掉小的連通域，此時整個二值圖像只剩下了車牌區(qū)域。 BMP、 HDF、 JPEG、 PCX、TIFF、 XWD 等格式 都是 可以在 MATLAB 中進行操作的圖像文件 格式 [9]。 MATLAB 的圖像處理工具箱提供了一整套用于圖像處理、分析、可視化和算法開發(fā)的工具。在 MATLAB 中大多數圖像用二維數組double（ 64 位）浮點型、或 uint8（ 8 位無符號整數）、 uint16（ 16 位無符號整數）存儲的，以減少圖像的存儲量。 圖像數字化儀 圖像顯示設備 圖像處理計算機 7 MATLAB 是一種基于向量（數組）而不是標量的高級語言，因而從本質上就提供了對圖像的支持。 圖 21 數字圖像處理 MATLAB 在數字圖像處理中的應用 MATLAB 軟件是 matrixamp。數字圖像處理系統(tǒng)基本由三個部分組成：計算機、圖像數字化儀和圖像顯示設備。數字化坐標值稱為取樣，它確 6 定了圖像的空間分辨率；數字化幅度值稱為量化，它確定了圖像的幅度分辨率。 一般情況下只考慮平面、單色、靜止圖像，此時圖像可表示為一個二維函數： ( , )I f x y? （ 21） 數字圖像及其表示 傳統(tǒng)意義上的圖像是連續(xù)的，即式（ 21）中的 x y f、 、 是連續(xù)的，表示的物體輻射能量在空間上的連續(xù)分布，連續(xù)圖像也稱為模擬圖像。因此，數字圖像可以理解為圖像的數字表示，是空間和時間的非連續(xù)函數（信號），是為了便于計算機處理的一種圖像表示形式。在其自然的形式下，圖像并不能直接由計算機進行分析。 第 3章主要簡述了車牌識別技術的原理以及 基于 MATLAB的車牌識