【正文】 p)。 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 j~=n while s(j)==0 j=j+1。 figure,subplot(2,1,1),imshow(d),title(n) k1=1。 figure(8),subplot(3,2,5),imshow(d),title(39。 elseif bwarea(d)/m/n= d=imdilate(d,se)。ball39。line39。) % 某些圖像進(jìn)行操作 % 膨脹或腐蝕 % se=strel(39。 .jpg39。average39。 39。 .jpg39。 T=round(g_max(g_maxg_min)/2)。subplot(3,2,1),imshow(b),title(39。 imwrite(b,39。 a=imread(39。,39。39。)。 dw=I(PY1:PY28,PX1:PX2,:)。 end PX1=PX1+50。 end PX2=x。 end end end PX1=1。(PY2y)) 28 PY2=PY2+1。(PY11)) PY1=PY11。%藍(lán)色像素點統(tǒng)計 end end end [temp MaxY]=max(Blue_y)。 [y,x,z]=size(I5)。 figure(6),imshow(I5)。title(39。rectangle39。title(39。1。 figure(3),imshow(I2)。robert39。title(39。title(39。title(39。 I=imread(39。同時，感謝所有任課老師和所有同學(xué)在這四年來給自己的指導(dǎo)和幫助，是他們教會了我專業(yè)知識，教會了我如何學(xué)習(xí)，教會了我如何做人。 本設(shè)計雖然只對藍(lán)底白字車牌進(jìn)行分割識別，對黑底白字車牌原則上整個算法可直接適用，對白底黑字車牌、黃底黑字車牌，需要對車牌定位算法進(jìn)行調(diào)整，并將圖像反轉(zhuǎn)（ 0變 1 變 0），而車牌字符的分 割算法仍然行之有效。實驗表明本方法既保留了車牌區(qū)域的信息，又減少了噪聲的干擾，從而簡化了二值化處理過程，實驗表明本方法既保留了車牌區(qū)域的信息，又減少了噪聲的干擾，從而簡化了二值化處理過程，提高了后續(xù)處理的速度。由 圖 可 知，字符匹配識別的難易程度不一致，但總體能識別出漢字、字母和數(shù)字。 車牌字符分割及其圖像處理 對經(jīng)邊緣檢測掃描后的圖像經(jīng)字符切割后的圖像如下圖所示： 23 圖 字符分割及歸一化結(jié)果圖 結(jié)果分析： 從 MATLAB 編程運行結(jié)果看 ，便于 圖像進(jìn)行匹配識別，必須先將連續(xù)的字符切割成單個字符，并且在切割字符之前要將周邊空白切除掉。 22 4 仿真結(jié)果及分析 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 : 圖 圖像讀取及檢測結(jié)果圖 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(jìn)行字符的切割與識別。 字符匹配識別 字符匹配識別的是要前提要簡歷可以與之相比較的字庫表，再將已切割并進(jìn)行了歸一化處理的單個字符相比較，逐個字符進(jìn)行匹配比較，再將待識別的字符的特征值和模板字符相減，找到相減值為最小的那個即為匹配得最好的 字符。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 39。人工神經(jīng)網(wǎng)絡(luò)是模擬人腦思維功能和組織建立起來的數(shù)學(xué)模型，雖然現(xiàn)在神經(jīng)網(wǎng)絡(luò)正在迅速發(fā)展，但總體來說應(yīng)用還是相對復(fù)雜的。 在這之前還必須切除周邊空白， 由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個位置應(yīng)滿足牌照的字 符書寫格式、字符、尺寸限制和一些其他條件。但是，實際上，第二個第三個字符之間存在一個黑點，牌照 左右兩邊與圖像邊緣也都有一定的寬度，所以每個字符的寬度應(yīng)該小于 width/7。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙 17 處取得局部最小值的附近，并且這個位置應(yīng)滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。 根據(jù)經(jīng)驗值，車牌圖像中，字符面積與車牌面積之比在 (,)之間，因此計算字符面積與車牌面積比值，如果大于 ，如果小于 則對圖像進(jìn)行膨脹， 在這里結(jié)構(gòu)元素 Se 使用一個二維單位矩陣1001??????錯誤 !未找到引用源。 同時采集大的圖像噪點依然存在，因此可以通過處理圖像的低頻部分來銳化圖像。所以車牌就成功地被提取出來了。 垂直方向的分界線可用同樣的方法實現(xiàn)。 為原始圖像的寬度值，然后將二值圖像垂直投影到 x 軸。 車牌區(qū)域的邊界值計算 在將原始圖像進(jìn)行二值化，然后輪廓平滑處理后，圖像的每個點為兩個離散值中的一個，這兩個值代表開 (1)與關(guān) (0)，即只有黑與白的特殊灰度圖像，并且整個圖像只有兩個域 (如果有多個域需改變參數(shù)后重新進(jìn)行一此剔除干擾對象處理 )，全 1 的域即為車牌區(qū) 域，并且近似矩形，長寬比為 :1,也可以用這兩個特性去檢驗提取的區(qū)域是否為車牌區(qū)域。消除了 圖像的數(shù)字化誤差和噪聲對腳點的直接提取的影響。,[25,25])。 圖像平滑處理 得到車牌區(qū)域的圖像輪廓線后，由于圖像的數(shù)字化誤差和噪聲直接影響了腳點的提取，因此在腳點提取之前必須對圖像進(jìn)行平滑處理， Matlab 有一個圖像平滑處理 13 函數(shù) imclose(),它與開運算相反，融合窄的缺口和細(xì)長的彎口，去掉小洞， 填補輪廓上的縫隙。1。 其中結(jié)構(gòu)元素 Se又被形象成為刷子，用于測試輸入圖像，一般比待處理圖像小很多。利用它可以消除小而且無意義的物體。使用邊緣檢測，腐蝕效果如圖 : 圖 邊緣效果圖 從邊緣效果圖可以看出，經(jīng)過處理以后車牌的輪廓已經(jīng)非常明顯了，車牌區(qū)域及汽車標(biāo)志的邊緣呈現(xiàn)白色條紋，基本上達(dá)到了邊緣檢測的效果。適當(dāng)取門限 T，做如下判斷： ? ?,G x y T ,(x,y)為階躍狀邊緣點。 因此本課題使用了 Robert 算子。both39。經(jīng)過程序運行出來的灰度圖可以比較容易的識別出車牌的區(qū)域，達(dá)到了預(yù)期的灰度效果。例如藍(lán)色（ 255， 0， 0）與白色（ 255， 255， 255）在 R通道中并無區(qū)分，而在 G、 R 通道或是灰度圖象中數(shù)值相差很大。利用圖像工具箱的 Car_Image_RGB=imread(‘ Image_Name’ )。 4)Matlab 的可移 植性很好，基本上不做修改就可以在在各種型號的計算機和操作系統(tǒng)上運行。為了提高識別率，除了不斷的完善識別算法，還應(yīng)該想辦法克服各種光照條件，使采集到的圖像最利于識別?；谌斯ど窠?jīng)元網(wǎng)絡(luò)的算法有兩種： 一種是先對待識別字符進(jìn)行特征提取，然后用所獲得特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由 網(wǎng)絡(luò)自動實現(xiàn)特征提取直至識別出結(jié)果。 垂直投影法的原理是 由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近， 并且這個位置應(yīng)滿足牌照的字符書寫格式、字符、尺寸限制和一 些其他條件。 一般采用的方案是 首先對采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對這些侯選區(qū)域做進(jìn)一步分析、評判，最后選定一個最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來。 車牌號圖像識別要進(jìn)行 牌照號碼、顏色識別 。 三：車牌位置提取：通過運算得到圖像的邊緣，再計算邊緣圖像的投影面積，尋找谷峰點以大概確定車牌的位置，再計算連通域的寬高比，剔除不在閾值范圍內(nèi)的連通域，最后便得到了車牌區(qū)域。目前常用的方 法有：基于投影的方法和基于連通字符的提取等方法。這些領(lǐng)域的許多技術(shù)都可以應(yīng)用到車牌識別系統(tǒng)中，車牌識別技術(shù)的研究也必然推動這些相關(guān)學(xué)科的發(fā)展。系統(tǒng)一般由硬件和軟件構(gòu)成。 5）小區(qū)、校園車輛管理系統(tǒng)。 3）安防布控。目前車牌識別系統(tǒng)主要應(yīng)用于以下領(lǐng)域： 1）停車場管理系統(tǒng)。 目前我國有普通地方車牌號、武警車牌號、軍隊車牌號三種類型，普通地方車牌號又叫自選號牌車牌（如圖 1所示），自選號牌車牌尺寸是 520 ? ，即車牌長寬比為 :1，一共 7 個字符，每個字符的高寬比為 2:1。中國科學(xué)院自動化所的劉智勇等開發(fā)的系統(tǒng)在一個樣本量為 3180 的樣本集中，車牌定位準(zhǔn)確率為 %，切分準(zhǔn)確率為 %，這套系統(tǒng)后來應(yīng)用于漢王公司的車牌識別系統(tǒng)，取得了不錯的效果。發(fā)展到今日，國外對車牌檢測的研究已經(jīng)取 得了一些令人矚目的成就，識別率都在 80%以上，甚至有高于 90%。 3 國內(nèi)外有大量關(guān)于車牌識別方面的研究報道。雖然很多研究人員已對車牌識別進(jìn)行了較為深入的研究，但目前在車牌定位和字符分割這兩個關(guān)鍵環(huán)節(jié)還存在著有待解決的難題。 車牌號識別技術(shù)研究現(xiàn)狀和趨勢 目前，一些發(fā)達(dá)國家車牌識剮系統(tǒng)在實際交通系統(tǒng)中已經(jīng)成 功應(yīng)用，而我國的開發(fā)應(yīng)用進(jìn)展緩慢，基本停留在實驗室階段。 5）由于環(huán)境、道路或人為因 素造成汽車牌照污染嚴(yán)重，這種情況下國外發(fā)達(dá)國家不允許上路，而在我國仍可上路行駛。其他國家的汽車牌照格式，如尺寸大小，牌照上字符的排列等，通常只有一種。車牌識別系統(tǒng)的成功設(shè)計、開發(fā)和應(yīng)用具有相當(dāng)大的社會效益、經(jīng)濟效益和學(xué)術(shù)意義。國內(nèi)外學(xué)者對此已經(jīng)有了較多工作，但實際效果并不理想，尤其是對車牌自適應(yīng)性強、速度快、準(zhǔn)確率高的高速車牌定位方法還有待進(jìn)一步研究。 作為信息來源的自動檢測、圖像識別技術(shù)越來越受到人們的重視。微電子、通信和計算機技術(shù)在交通領(lǐng)域的應(yīng)用極大地提高了交通 管理效率。 關(guān)于車牌識別技術(shù)及定位系統(tǒng)研究，在我國已經(jīng)有了十幾年的發(fā)展歷程， 目前系統(tǒng)的應(yīng)用還處于起步階段，大規(guī)模投入使用的成熟系統(tǒng)還沒有出現(xiàn)，汽車牌照識別系統(tǒng)作為改進(jìn)交通管理的有效工具，技術(shù)水平仍需完善。而當(dāng)今許多實際應(yīng)用場合，如在繁忙交通路口臨時對欠稅費、報廢、掛失 等車輛的稽查，則監(jiān)視區(qū)域比較復(fù)雜，現(xiàn)有識別方法無法直接應(yīng)用；而且多數(shù)情況下，同時出現(xiàn)多輛汽車，背景有廣告牌、樹木、建筑物、斑馬線以及各種背景文字等，現(xiàn)有的識別方法也不能很好的適應(yīng)多變的環(huán)境 ，所以對車牌識別技術(shù)的研究依然是目前高科技領(lǐng)域的熱門課題之一。 3）牌照多樣性。 4）我國汽車牌照的底色和字符顏色多樣，藍(lán)底白字、黃底黑字、黑底白字、紅底黑字、綠底白字等多種。因而如何提高識別率和識別處理的實時性及實用性成了一個緊要的任務(wù)。不同汽車類型有不同的規(guī)格、大小和顏色，所以車牌的顏色多，且字符位數(shù)不統(tǒng)一，對處理造成了一定的困難。車牌字符的識別作為最終對車牌圖像的理解，可以借鑒光學(xué)字符識別的寶貴經(jīng)驗，相對于車牌定位和字符分割來說反而比較容易實現(xiàn)。同時代，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)。從車牌識別系統(tǒng)進(jìn)入中國以來，國內(nèi)有大量的學(xué)者在從事這方面的研究，提出了很多新穎快速的算法。國內(nèi)還有許多學(xué)者一直在進(jìn)行這方面的研究，并且取得了大量的研究成果。車輛牌照識別系統(tǒng)技術(shù)能夠從一幅車輛圖像中準(zhǔn)確定位出車牌區(qū)域，然后經(jīng)過字符切割和識別實現(xiàn)車輛牌照的自動識別。以車牌自動識別技術(shù)為基礎(chǔ)，與通信等其他高科技結(jié)合，對高速公路交通流狀況進(jìn)行自動監(jiān)測、自動布控，從而降低交通事故的發(fā)生率，確保交通順暢?？梢詫`章車輛進(jìn)行責(zé)任追究，也可以輔助進(jìn)行交通流量統(tǒng)計，交 通監(jiān)測和疏導(dǎo)。車牌識別系統(tǒng)是一特定目標(biāo)位對象的專用計算機系統(tǒng)，該系統(tǒng)能從一幅圖像中自動提取車牌圖像、自動分割自符，進(jìn)而對分割自符的圖像進(jìn)行圖像識別。 車牌識別學(xué)科主要有模式識別、人工智能、圖像處理、計算機視覺和信號處理等。 字符切割時完成車牌區(qū)域圖像的切分處理從而得到所需要的單個字符圖象。 二：圖像預(yù)處理 :對動態(tài)采集到的圖像進(jìn)行濾波，邊界增強等處理以克服圖像處理。 六：輸出結(jié)果：得到最后的汽車牌照，包括漢字、字母和數(shù)字。 原始 圖像 圖像預(yù)處 理 車牌 位置 提取 字符 分割 字符 識別 輸出 結(jié)果 7 （ 1） 牌照定位 : 自然環(huán)境下， 由于 汽車圖像背景復(fù)雜、光照不均勻 等原因 ，如何在自然背 景中準(zhǔn)確地確定牌照區(qū)域是整個識別過程的關(guān)鍵。 字符分割一般采用垂直投影法?；谀０迤ヅ渌惴ㄊ紫葘⒎指詈蟮淖址祷?,并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。這些影響因素不同程度上降低了牌照識別的識別率，也正是牌照識別系統(tǒng)的困難和挑戰(zhàn)所在。 3)Matlab 語言簡潔緊湊，使用方便靈活，庫函數(shù)豐富，并且內(nèi)部集成了很多工具箱，為程序開發(fā)提供現(xiàn)成模塊。因為使用 *.JPG 圖像時有 一個軟件開發(fā)聯(lián)合會組織制輸入車牌圖象 灰度校正 平滑處理 提取邊緣 9 定 、 有損壓縮格式，能夠?qū)D像壓縮在很小的儲存空間 ，而且 廣泛支持 Inter 標(biāo)準(zhǔn) ，是面前使用最廣的圖片保存和傳輸格式，大多數(shù)攝像設(shè)備都以 *.JPG 格式保存。 圖像