【正文】 思維功能和組織建立起來的數(shù)學模 型 ， 雖然現(xiàn)在神經(jīng)網(wǎng)絡正在迅速發(fā) 展 ， 但總 體來說應用還是相對復雜的。使圖像字符大小跟模板圖像大小一 致 ， Matlab提供一個改變圖像 大 小 的函 數(shù) imresize(I， Size， Model) ， Model是插值運算 方 法 ， 這里選 用 ， nearest39。字符識別步驟如 下 : 建立模板字庫表 后 5 個字符 與 模 版 中 的字 母 與 數(shù)字模極進行匹配 待識別字符 與 模板字符相喊，值越小相似度 越大，找到 最 小 的一個即為匹配的最好的 識別完 成 ， 輸 出 此 模板對應值 圖 字符匹配框圖 字符匹配 的 準確度是車牌識別中的關(guān)鍵部分，所以首先要簡歷精準有效的模 板 字 庫 衰 ， 便 于 切割完的字符與庫中內(nèi)容相比 較 ， 接下來是讀取切割的字 符 ， 從 第一個字 符開始一次與庫中字符相比較 匹 配 ， 切割后的字符特征值與庫中模板字符相減，找到 值最小的那個就是匹配得最恰當?shù)淖址? :0. 39。 4 仿 真 結(jié) 果及分析 4. 1 車牌定位及圖 像 讀取及其圖像處理 車牌定位后系統(tǒng)邊緣檢測的仿真結(jié)果圖 如 下 圖 所 示 : 21 1mumu 39。圃圖 ，凹 陰陽 結(jié)果分 析 : 圖像車牌區(qū)域提取就是從原圖中截取含車牌的部 分 ，即 RGB 圖 像 ，然 后進行字符的切割與識別。仿真的結(jié)果也使得 車 咽牌mM部M 分從 原圖被準確的提取出來了 ，達到了車 牌 定位及圖像 讀取及其圖像處理的目的。 4. 3 車牌字符識別及其圖像處理 圖像經(jīng)上述處理后再進行 識 別，次 圖像和原圖有一定的差 異 ， 其字符相似度曲線 成一定規(guī) 律 ， 其曲線圖如下 圖 所 示 : 39。0。 圖 字 符識別結(jié)果圖 結(jié)果分 析 :字符 識 別是這樣一個過程，根據(jù)建立 的 模板字符 庫 將分割出來 的 字符 和 模板庫中的字符一一匹 配 ， 將 切割的字符和模板相減得到一 個 差 值 ， 差 值越小表明 字 符匹配程度越高。 (2) 在車牌定位我們采用 基 于 灰度跳變的定位方法，采用先對圖像進行預處 理 ， 再進行二值化操作的方法 。 (4) 用 MATLAB 編程運行結(jié)果可以得出，本設計采用的圖像預處理、邊緣檢測、 開閉運算子、車牌長寬比特征識 別 等 對車牌的定位都 是 非 常有效的，而本設計提出的 二次水平 投 影分析和閥值技術(shù)有效檢測了車牌圖像的上下左右邊 框 、旋轉(zhuǎn) 角 度 ， 準確 實現(xiàn)的車牌字符的分 割 ， 對 多個車牌進行實 驗 ，均 有 很高的正確率。39。)。 figure(2) ， subplot(1， 2， 1) ， irnshow(I1) 。title(39。 ， 0. 15， 39。title(39。 I3=imerode(I2， se) 。 se=strel (39。 figure(5) ， imshow( I4) 。title(39。 tlC Blue_y=zeros(y， 1)。 while ((Blue_y(PY1， 1)=5)amp。 while ((Blue_y(PY2， 1)=5)amp。 燦燦燦 X方向燦燦燦燦 % Blue_x=zeros(l， x) 。amp。amp。 25 PY1=PY1+45。 figure(7) ， subplot(1， 2， 1) ， imshow(IY)， title(39。39。 39。 dw. jpg39。 .jpg39。 圖像 ， ) g_max=double(max(max(b))) 。 d= (double(b)=T)。 figure(8) 。average39。4. 均值濾波后 .jpg39。 square39。 /39。. se=eye(2)。 end imwri te (d， 39。 5. 膨脹或腐蝕處理后 ， ) %尋找連續(xù)有文字的塊，若長度 大 于 某闌值，則認為該塊有兩 個 字 符組成，需要分割 26 d=qiege(d) 。s=sum(d) 。 while s(j)=O amp。 if k2kl=round(n/6. 5) [val， num]=min (sum (d(:， [kl+5: k25]) ) ) 。y2=。 left=1。 d=qiege(d) 。 two_thirds=sum (sum (temp ([round (m/3) : 2*round (m/3)]， :)))。d=qiege(d)。 %分割出第五個字符 [word5， d]=getword(d) 。 139。)。 subplot(5， 7， 4) ， imshow(word4) ， title(39。 539。)。 [m， n] =size(word1) 。 word4=imresize (word4， [40 20]) 。 subplot(5， 7， 15)， imshow(word1)， title(39。239。)。 subplot(5， 7， 19) ， imshow(word5)， title(39。639。)。2. jpg39。)。 imwrite(word5， 39。6. jpg39。)。9A39。 28 1=1。])。 if 1==1 %第一位漢字識別 kmin=37: kmax=40。 kmax=36。.jpg39。 end end %以上相 當 于 兩幅圖相減得到第三幅圖 Drnax=O。 MinError=rnin(Error1) 。 1=1+1。第二步車牌分割 ， })。 subplot(6， 7， 18) ， imshow(word4)。 subplot(6， 7， 22 : 42)， imshow(39。第三步識別結(jié)果為 Code]， 39。) 。y2=0. 5 。amp。 if widey1 amp。 %切割出最小范圍 else word= [] 。 if sum(sum(d))=O 。 end %end end end result=d 。left=l。 top=m top=top+l。 end while sum(d(:， left))==O amp。amp。 e=imcrop(d， [left top dd hh])。 end dd=rightleft。 left=n left=left+l。amp。 % init while sum(d(top， :))==0 amp。 30 top=l。 flag=l 。 end else word=qiege (imcrop (d， [1 1 wide m] )) 。 n1/m1y2 d( :， [1: wide]) =0。 end temp=qiege (imcrop (d， [1 1 wide m])) 。 wide=O。flag=0。 39。) 。 subplot(6， 7， 20) ， imshow(word6)。 subplot(6， 7， 16) ， imshow(word2) 。 第一步車牌定位 ， )， 29 xlabel ( {39。 Code(1*21) =liccode(findc(1)+krninl) 。 end end end end Error(k2) =Drnax。 SamBw2 = irnread(fname)。字符模板 \39。 kmax=36。nearest39。 t=irnread([ii， 39。Z蘇豫陜魯 ， ])。039。 imwrite(word7， 39。) 。39。 imwrite(word3， 39。)。 subplot(5， 7， 21) ， imshow(word7)， title(39。)。439。 subplot(5， 7， 17) ， imshow(word3)， title(39。)。 word6=imresize (word6， [40 20]) 。 word2=imresize (word2， [40 20]) 。 739。 subplot(5， 7， 6) ， imshow(word6)， title(39。)。 339。 subplot(5， 7， 2) ， imshow(word2)， title(39。 %分割出第七個字符 [word7， d]=getword(d) 。 27 %分割出第三個字符 [word3， d]=getword(d) 。word1=temp。 [m， n]=size(temp) 。 while sum(d(:， wide+1))=0 wide=wide+1。word1= [] 。 %分割 end end %再切割 d=qiege(d) 。 j=n1 j= j+1。 while F=n while s(j)==0 j= j+l。 figure， subplot(2， 1， 1) ， imshow(d)， title(n) kl=1。 ) 。 if bwarea(d) /m/n=O. 365 d=imerode(d， se) 。 /39。 %使用一 個 3汩的正方形結(jié)果元 素對象對創(chuàng)建的圖像進 行膨脹 % 39。 figure(8) ， subplot(3， 2， 4) ， imshow(d)， title(39。 d=im2bw(round(filter2(h，d))) 。 2. 車牌二值圖像 ， ) figure(8) ， subplot(3， 2， 3)， imshow(d)， title(39。2. 車牌二值圖像 .jpg39。 T=round(g_max(g_maxg_min) / 2)。 figure(8) 。 b=rgb2gray(a) 。 jpg=strcat(filepath， filename) 。 [filename， filepathJ =uigetfile(39。 figure(7) ， subplot(1， 2， 2)， imshow(d時 ， title(39。 dw=I(PY1:PY28， PX1:PX2， :)。 end PX1=PX1+5 end PX2=x。 end end end PX1=1。(PY2y)) PY2=PY2+1。(PY11)) PYl=PYl1。%藍色像素點統(tǒng)計