【正文】 居民小區(qū)物業(yè)管理 以 及重要部門的 安保 管理 。 該系統(tǒng)采用車牌識(shí)別技術(shù) 可 實(shí)現(xiàn)對(duì)重點(diǎn)車輛的自動(dòng)識(shí)別、快速報(bào)警處理，不僅可以有效防止機(jī)動(dòng)車輛被盜，而且為公安、監(jiān)察機(jī)關(guān)對(duì)犯罪嫌疑人所駕駛的車輛 進(jìn)行 自動(dòng)監(jiān)控、跟蹤提供了 有效 手段。 （ 5） 路橋、隧道等卡口的自動(dòng)收費(fèi)系統(tǒng)。還提供一個(gè)可以對(duì)車輛信息實(shí)時(shí)采集的公共平臺(tái)，使各管理部門間能夠協(xié)調(diào)統(tǒng)一的對(duì)車輛及道路情況進(jìn)行監(jiān)控管理，從根木上解決了目前全國(guó)交通及公安系統(tǒng)信息采集的多渠道、事件信息收集的單一性以及互 不溝通、互不兼容的信息管理方式。圖 1． 1 為車牌識(shí)別系統(tǒng)流程： 圖 1． 1 車牌識(shí) 別系統(tǒng)流程 其工作流程是：當(dāng)系統(tǒng)發(fā)現(xiàn)有車輛通過時(shí)，觸發(fā)圖像采集部分工作，通過對(duì)車輛進(jìn)行抓拍，獲取車輛的前視或后視圖。 車牌字符分割技術(shù)是指將定位后的車牌區(qū)域分割成單個(gè)字符區(qū)域。吳進(jìn)軍 、杜樹新 等提出了 一種 車牌字符分割新方法 [3]， 首先將 車牌圖像上的第三個(gè)字符 定位 ，再進(jìn)行字符區(qū)域的分裂 與 合并， 然后 針對(duì)字符缺損情 況，進(jìn)行字符區(qū)域擴(kuò)展， 并 對(duì)字符區(qū)域高度進(jìn)行調(diào)整，最終實(shí)現(xiàn)車牌字符的分割。 以上的算法在特定的情況下可以較好的將車牌字符分割出來，但我國(guó)由于環(huán)境 、 道路或人為因素 造成 車牌污染嚴(yán)重，使得在 對(duì) 車牌預(yù)處理后，會(huì)出現(xiàn)不同程度的噪聲， 對(duì) 車牌字符的正確分割 有很大影響，使得車牌中字符可能存在的粘連、斷裂情況；另外，我國(guó)車牌的種類繁多，僅底色就有黑，藍(lán)，黃，白等 ， 字符分割技術(shù)仍需要進(jìn)一步改進(jìn)。 （ 2） 給出了應(yīng)用投影法對(duì)車牌圖像進(jìn)行分割的方法。 本文主要就車牌字符的分割方法展開研究， 結(jié)構(gòu) 安排 如下： 第一章為緒論。 第三章為車牌圖像的預(yù)處理。 第五章為 圖形用戶 界面的設(shè)計(jì) 給出將車牌圖像進(jìn)行字符分割的各個(gè)步驟 用 圖形 用戶 界面的形式展示出來，使得效果更直觀， 使用更方便 。這里圖像 的概念 是比較廣義的，例如照片、 圖畫 、動(dòng)畫 、視頻 等等。 二值圖像又稱黑白圖像，是指 圖像的每個(gè)像素只能是黑或白，沒有中間的過渡。 若灰度圖像的像素都是 unit8 型或 unit16 型，則它們的整數(shù)值范圍分別是 [0,255]和[0,65535]。 數(shù)學(xué)形態(tài)學(xué)的基本思想是用具有一定的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀，以達(dá)到對(duì)圖像分析和識(shí)別的目的。有人稱數(shù)學(xué)形態(tài)學(xué)在理論上是嚴(yán)謹(jǐn)?shù)?，在基本觀念上卻是簡(jiǎn)單 和優(yōu)美的 [7]。換句話說，用 B 來膨脹 A 得到的集合是 ^B 位移與 A 至少有一個(gè)非零元素相交時(shí) B 的原點(diǎn)位置的集合。它的定義為： ()A B A B B? ? ? 上式的簡(jiǎn)單集合解釋為： AB是 B 在 A 內(nèi)完全匹配的平移的并集。 開運(yùn)算和閉運(yùn)算都可以除去比結(jié)構(gòu)元素小的特定圖像細(xì)節(jié)，同時(shí)能保證不使全局發(fā)生失真 。圖像灰度化后 可以 使處理運(yùn)算量大大減少，這樣處理過程就變得更加簡(jiǎn)單和省時(shí)。(, )f i j 為輸出圖像 數(shù)據(jù) 。 下面介紹幾種常用的二值化方法： （） 全局閾值法 ： 在分割過程中，對(duì)車牌圖像的每個(gè)像素值采用相同的閾值，就是 全局 閾值 算法 。這是1980 年由日本的大津提出，故又稱為大津 閾 值算法，在判別與最小二乘原理的基礎(chǔ)上推導(dǎo)出來的 [11]。 由于實(shí)際應(yīng)用中，全局閾值法已可以滿足本文車牌字符分割的要求，因此本文采用了大律法（ Otsu法） 。 圖 為二值化后車牌圖像； 圖 圖像的二值化 在圖像中，由于獲取圖像的設(shè)備會(huì)產(chǎn)生噪聲，在圖像傳輸過程中也會(huì)存在噪聲， 而車牌本生也會(huì)有噪聲， 這就使得我們獲得的圖像都夾雜著或多或少的噪聲。加性噪聲和原圖像 數(shù)據(jù) 是加的關(guān)系，可用表達(dá)式 33 來表示。在去噪時(shí)，我們需要根據(jù)噪聲 的 特點(diǎn)采取相應(yīng)的方法去噪。在時(shí)域上去噪的方法有很多 種 ，比如：均值濾波、順序?yàn)V波、自適應(yīng)濾波等濾波方法。 開運(yùn)算和閉運(yùn)算都可以除去比定義的結(jié)構(gòu)元素小的特定圖像細(xì)節(jié)，同時(shí)能保證不使 圖像 全局發(fā)生失真。因此本文根據(jù) 其 邊框與字符間有空隙的特點(diǎn)， 對(duì)于垂直邊框， 先找到 車牌正中間的 一個(gè)字符， 向右找到第四個(gè)間隙即為車牌的最 右 端，找到第一個(gè)字符位置，向左尋找即可找到車牌最左端位置；對(duì)于水平方向的邊框 ，先找到車牌水平方向的最中間，向車牌的上下方向分別尋找車牌字符與邊框之間的間隙，即可找到車牌的上下位置。 圖 為計(jì)算出的車牌 列 方向像素值： 圖 行、 列 方向累計(jì)像素值 車牌圖像的預(yù)處理 去除車牌水平方向的邊框與去除垂直方向邊框的方法類似。 圖 為計(jì)算列方向的累計(jì)像素值： 圖 車牌列方向累計(jì)像素值 由圖可見：在字符之間的像素值 理想情況下為零，實(shí)際情況可能有些許噪聲，但只要噪聲不大，已可據(jù)此實(shí)現(xiàn)字符的分割。 車牌字符分割方法 Step4： :計(jì)算出車牌區(qū)域 垂直方向上的 二值 投影圖找到波谷點(diǎn)，從而根據(jù) 這些 波谷點(diǎn)來對(duì)整個(gè)車牌字符進(jìn)行分割， 并且 拋棄掉字符與字符之間的間隙。 Step2： 用 Otsu算法確定車牌區(qū)域的二 閾值（即采用全局閾值），然后根據(jù)此閾值 將圖像二值化。 圖 固定邊界法分割的圖像 由于此方法是根據(jù)車牌的標(biāo)準(zhǔn)，用固定的位置去分割車牌，所以就要求車牌的左右位置很精確，否則會(huì)導(dǎo)致分割時(shí)將應(yīng)保留的部分切開，從而使分割錯(cuò)誤。 Step2： 用 Otsu算法確定車牌區(qū)域的二 之花 閾值（即采用全局閾值） ，然后根據(jù)此閾值將圖像二值化。 Step6：重復(fù)利用上一步驟的方法找到其他字符的左右端，然后將字符逐一分割。 目前 軟件開發(fā)環(huán)境與應(yīng)用程序都采用圖形用戶界面， 現(xiàn)在 流行的開發(fā)工具 大 都可以進(jìn)行圖形用戶界面的設(shè)計(jì)。 主界面上有幾個(gè)按鈕，分別起到了：圖片灰度化、圖 片二值化、開運(yùn)算、閉運(yùn)算 、去除圓點(diǎn)、去除邊緣、計(jì)算行像素、計(jì)算列像素、投影法分割、邊界法分割、改進(jìn)法分割以及退出鍵，這些按 鍵在菜單里都有與之相對(duì)應(yīng)的功能鍵 且有與之對(duì)應(yīng)的快捷鍵 ，并且有一幫助鍵，提供了對(duì)該界面的一些使用幫助。 其中幫助鍵可打開一個(gè)與本 GUI 使用方法有關(guān)的 txt 文本。 圖 打開圖片后的界面 當(dāng)使用者點(diǎn)擊界面上的“灰度化”按鍵或預(yù)處理菜單鍵下的“灰度化” 菜單鍵時(shí)會(huì)將打開的車牌圖像進(jìn)行灰度化處理，并將灰度化后的圖像顯示出來（如圖 所示）。 圖 退出系統(tǒng)時(shí)的界面 總結(jié)和展望 第六章 總結(jié)和展望 本文論述了針對(duì)在路口 對(duì)車輛管理 的車牌識(shí)別系統(tǒng) ， 根據(jù)圖片特征提出了一個(gè)行之有效的 車牌 分割方法。 主要研究探討了車牌字符分割前的預(yù)處理以及字符分割方法。對(duì) 于第一種方法，主要優(yōu)點(diǎn) 是再二值化很好的情況下，可以很好地把字符分割開來，但對(duì)于二值化并預(yù)處理后仍然有字符粘連的情況會(huì)導(dǎo)致字符無法分割。總結(jié)和展望 車牌自動(dòng)識(shí)別系統(tǒng)的重 要性和實(shí)用價(jià)值已經(jīng)越來越明顯，也受到了更多的重視。國(guó)內(nèi)出現(xiàn)的智能交通系統(tǒng)的識(shí)別率都不是很高，離實(shí)際應(yīng)用要求還有一段距離。 在車牌識(shí)別系統(tǒng)的性能指標(biāo)中，識(shí)別率和識(shí)別速度難以同時(shí)提高，除了處理技術(shù)的原因外，還受到拍攝設(shè)備、計(jì)算機(jī)硬件設(shè)備等性能的限制。參考文獻(xiàn) 參考文獻(xiàn) [1]張?jiān)苿?，張長(zhǎng)水 ． 利用 Hough 變換和先驗(yàn)知識(shí)的車牌字符分割算法 .清華大學(xué)自動(dòng)化系信息處理研究所，計(jì)算機(jī)學(xué)報(bào)， 2020,27(1)： 130 [2]遲曉君，孟慶春 ． 基于投影特征值的車牌字符分割算法 .計(jì) 算機(jī)應(yīng)用研究， 2020， 7(1)：256257。 [6 趙海燕，馬駟良，顧玲嘉．基于最小面積法進(jìn)行的車牌字符分割 .長(zhǎng)春理工大學(xué)學(xué)報(bào)，2020， 29(3)： 4547。 [10]李云． 車牌定位與字符分割算法的研究及實(shí)現(xiàn) ． 成都： 電子科技大學(xué) ， 2020:2123。 I=imread(39。 subplot(2,2,1)。 %%%%%%%%%%二值化圖像 %%%%%%%% I1 = rgb2gray(I)。 subplot(2,2,2)。 imshow(I1)。,fix(y/45))。開運(yùn)算后圖像 39。,fix(y/140))。閉運(yùn)算后圖像 39。 附錄 for i=1:y for j=1:x if(I4(i,j,1)==1) Y1(i,1)= Y1(i,1)+1。),xlabel(39。)。amp。(Py1y)) Py1=Py1+1。將二值圖像上下邊框去除后圖像 39。 for j=1:x for i=1:y if(Z1(i,j,1)==1) X1(1,j)= X1(1,j)+1。),xlabel(39。)。(x1x)) x1=x1+1。(x1x)) x1=x1+1。(x02)) x0=x01。(x01)amp。%將二值圖像左右邊框去除 figure(5)。%將二值圖像垂直邊框去除后圖像顯示出來 Px0=1。 for j=1:x for i=1:y if(Z2(i,j,1)==1) X1(1,j)= X1(1,j)+1。 x2=fix(x*128/409)。去除圓點(diǎn)后圖像 39。amp。 while (((X1(1,Px1)=10)amp。((a/y)=))) 附錄 Px1=Px1+1。 subplot(1,7,i)。 subplot(1,7,i)。%將標(biāo)準(zhǔn)子圖顯示出來 Px0=Px1。 autonomous, cabled, or portable receivers with hydrophones (piezoelectric sensors)。 piezoelectric sensors。標(biāo)準(zhǔn)子圖 39。%將二值化圖像分割后顯示出來 %%%%%%變換為標(biāo)準(zhǔn)子圖 %%%%%%%% Z4=imresize(Z3,[88 40])。 end Z3=Z2(:,Px0:Px1,:)。(Px1x))||((Px1x)amp。%找到待分割字符左邊的位置 end Px1=Px0。 %%%%%%%%%%%%%對(duì)圖像分割 %%%%%%%%%%%%%% y=fix(x*90/409)。 end end figure(6)。 Z2=double(Z2)。 %%%%%%%%%再次計(jì)算列方向像素 %%%%%%%%% [y,x,z]=size(Z2)。將二值圖像垂直邊框去除后圖像 39。i~=2) x0=x01。 while ((X1(1,x0)5)amp。%找到第一個(gè)字符的位置 for i=1:2 while (i~=2) while ((X1(1,x0)=5)amp。 while ((X1(1,x1)15)amp。 for i=1:5 while (i~=5) while ((X1(1,x1)=15)amp。),ylabel(39。 附錄 plot(0:x1,X1),title(39。%將二值圖像上下邊框去除后圖像顯示出來 [y,x,z]=size(Z1)。%將二值圖像上下邊框去除 figure(3)。%找到去除邊框后上邊的位置 end while ((Y1(Py1,1)=30)amp。 Py1=fix(y/2)+1。),ylabel(39。 plot(Y1,0:y1),title(39。 I4=double(I3)。%取菱形結(jié)構(gòu)的閉運(yùn)算 subplot(2,2,4)。 SE=strel(39。%取圓盤形的開運(yùn)算 subplot(2,2,3)。%計(jì)算 I1 的大小 %%%%%%%%%對(duì)圖像進(jìn)行開閉運(yùn)算 %%%%%%%% SE=strel(39。車牌二值化后圖像 39。 I1=im2bw(I1,h)。提取車牌后圖像 39。)。 clc。 [8]章毓晉．圖象處理和分析．清華大學(xué)出版社， 2020： 254277。 [4]王興玲 ． 最大類間方差車牌字符分割的模板匹配算法 ， 計(jì)算機(jī)工程， 2020， 32(19)：193195。 (1)本文提出的車牌字符分割方法雖然 速度上有優(yōu)勢(shì) ，但 分割效果受到環(huán)境的影響還很大，如何提高分割效果 將是下一步工作的重點(diǎn)。 而國(guó)外的車牌中只有數(shù)字和字母，識(shí)別起來很容易，故國(guó)外的車牌識(shí)別算法有很高的識(shí)別正確率 其次，現(xiàn)在的 出現(xiàn)的 車牌識(shí)別算法多是針對(duì)某一固定場(chǎng)景 提出 的，這就使得車牌識(shí)別算法可移植性不高， 為了使系統(tǒng)有更大的應(yīng)用范圍，需要 研究出一個(gè)移植能力很強(qiáng)的車牌識(shí)別算法?，F(xiàn)在國(guó)內(nèi)外已經(jīng)出現(xiàn)了智能交通系統(tǒng)。 由于 車牌 在垂直方向上的投影必然在字符間的間隙處取得局部最小值，并且這個(gè)位置應(yīng)滿足 標(biāo) 準(zhǔn) 牌照的字符書寫格式、字符尺寸和一些其他條件。 (2)在字符分割過程中，先給出了垂直投影法和固定邊界法兩種方法，在分析了兩種方法的優(yōu)缺點(diǎn)并考慮到車牌二值化過程中可能有字符粘連的情況 ，給出了一種基于垂直投影法 與邊界法 相結(jié)合的車牌字符分割方法。 另外， 本文論述了車牌識(shí)別系統(tǒng)的工作原理及組成并詳細(xì)地就其中的重要步驟之一：車牌的分割進(jìn)行了研究。 圖形用戶 界面設(shè)計(jì) 圖 灰度化打開的界