【正文】 算子 Prewitt 邊緣檢測(cè) 算子對(duì)噪聲有抑止作用，抑止噪聲的原理是通過像素平均。邊緣大多存在于圖像中的背景與物體之間、 基元與基元之間、物體與物體之間。 圖 2 汽車牌照?qǐng)D像 圖 3 汽車牌照灰度化圖像 （ 2） 邊緣檢測(cè) 在本次設(shè)計(jì)中，邊緣檢測(cè)的目的是解決在何處進(jìn)行有色點(diǎn)對(duì)搜索的問題。 由于人眼對(duì)綠色的敏感度最高，對(duì)紅色的敏感度次之，對(duì)藍(lán)色的敏感度最差，因此使 GW RW BW 將得到較合理的灰度圖像?；叶然褪鞘共噬?R,G,B 分量值相等的過程。如果先對(duì)圖像進(jìn)行邊緣檢測(cè)，再在檢測(cè)區(qū)中進(jìn)行有色點(diǎn)對(duì)的搜索，這無疑可及大的減少計(jì)算量，提高計(jì)算效率和速度，正好也可以有效的解決運(yùn)算速度和運(yùn)算精度的矛盾。最后，再用圖像形態(tài)學(xué)的方法對(duì)這些有色點(diǎn)對(duì)進(jìn)行開運(yùn)算，就可以復(fù)現(xiàn)完整的汽車牌照區(qū)域。這一過程可分為四個(gè)部分：有色點(diǎn)對(duì)搜索，字符區(qū)填充，汽車牌照區(qū)復(fù)現(xiàn)，汽車牌照區(qū)粗定位。以前的處理思路是盡量將彩色圖像轉(zhuǎn)換成較簡(jiǎn)單的灰白圖像來處理，甚至再轉(zhuǎn)換成更簡(jiǎn)單的黑白二值圖像來處理。 總結(jié)與展望。充分利用了車牌區(qū)域所具有的特征，并且很武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 5 符合人識(shí)別汽車牌照的過程，具有較強(qiáng)的可行性。對(duì)汽車牌照自動(dòng)識(shí)別系統(tǒng)的關(guān)鍵技術(shù)及技術(shù)難點(diǎn)進(jìn)行了分析和對(duì)比。后者具有較快的識(shí)別速度，尤其對(duì)二值圖像識(shí)別速度更快，能很好的滿足實(shí)時(shí)性的要求，應(yīng)用比較多。 國(guó)內(nèi)汽車牌照定位的算法也比較豐富，具體有基于彩色圖像信息的算法，基于灰度聚類的算法，基于紋理特征的算法， 基于邊緣檢測(cè)的算法。其中較理想的定位算法多采用純粹的數(shù)學(xué)形態(tài)學(xué)方法。 車牌識(shí)別系統(tǒng)的技術(shù)方案 汽車牌照識(shí)別技術(shù)主要分為 3 部分：汽車牌照定位、汽車牌照分割、汽車牌照字符識(shí)別。 這些產(chǎn)品能夠適應(yīng)多個(gè)國(guó)家的車牌，但是由于我國(guó)車牌形狀大小不一，顏色多種多樣以及還包括漢字的特點(diǎn)，所以這些產(chǎn)品不太適合我國(guó)的情況。 國(guó)內(nèi)外研究現(xiàn)狀 針對(duì)汽車牌照自動(dòng)識(shí)別系統(tǒng)的研究，國(guó)外起步較早， 20 世紀(jì) 80 年代就有大量相關(guān)研究，取得的 成果也比較多。其中，關(guān)于聲音、文字、圖像等信息的識(shí)別能力就遠(yuǎn)遠(yuǎn)沒有達(dá)到人腦的識(shí)別水平。近期目標(biāo)是人工智能逐步接近并達(dá)到人腦的智力水平。 車牌識(shí)別系統(tǒng)是智能交通系統(tǒng)中不可或缺的核心組成部分。對(duì)車牌的制作、安裝、維護(hù)都要求由制定部門統(tǒng)一進(jìn)行管理。 license plate location。先通過顏色識(shí)別來初步確定車牌的所在區(qū)域，再結(jié)合車牌的 形狀特征以及紋理特征精確定位。 本次畢業(yè)設(shè)計(jì) 所研究的車牌識(shí)別系統(tǒng) 可廣泛應(yīng)用于交通監(jiān)控、公路收費(fèi)、停車收費(fèi)、汽車防盜、違章管理中。是圖像處理和模式識(shí)別技術(shù)研究的熱點(diǎn)，應(yīng)用也越來越普遍。 汽車牌照定位： 在本次設(shè)計(jì)的系統(tǒng)中對(duì)車牌定位的算法包括三個(gè)過程，即顏色識(shí)別、形狀識(shí)別、紋理識(shí)別。 關(guān)鍵 詞 ： 車牌識(shí)別 ；汽車牌照定位；字符分割；字符識(shí)別 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 2 Abstract License plate recognition system is an integral part of the core ponent of the Intelligent Transportation Systems. It is a research hotspot of image processing and pattern recognition techniques, applications are increasingly mon. The graduation project of the license plate recognition system can be widely used in traffic monitoring, highway fees, parking fees, car alarm, illegal management. Car license plate recognition system involved in core technologies include the vehicle license positioning, car license segmentation and vehicle license plate character recognition technology. Of these technologies and algorithms are discussed in detail, and improvements have been made part of the algorithm. License plate location: license plate location algorithm in the design of the system includes three processes that color recognition, shape recognition, texture recognition. First color recognition to determine the license plate area, bined with the shape feature and texture feature of the license plate precise positioning. License plate character segmentation: segmentation algorithm is based on the spacing between characters identify vehicle license segmentation, a single character. License plate character recognition: This article by using the template matching method will be to identify the characters split normalized to the template font size, enter it in the character recognition module to match, in order to identify the license plate characters, letters and numbers. KeyWords: license plate recognition。為此，我國(guó)交管部門對(duì)汽車車牌的管理非常重視，并制定了一套嚴(yán)格的管理法規(guī)。該技術(shù)可廣泛應(yīng)用 于交通監(jiān)控、公路收費(fèi)、停車收費(fèi)、汽車防盜、違章管理中。 一般的說，人工智能的發(fā)展分近期很遠(yuǎn)期兩個(gè)目標(biāo)。 目前，人工智能的技術(shù)水平仍處于實(shí)現(xiàn)近期目標(biāo)的較低階段。這必將有助于推動(dòng)人工智能及模式識(shí)別技術(shù)的發(fā)展。 如今，車牌識(shí)別系統(tǒng)的研究技術(shù)在國(guó)外已經(jīng)比較成熟， 例如匈牙利的 Adaptive Recognitiong 公司， 新加坡的 Optasia 公司研制開發(fā)的 VLPRS，以色列的 HiTech 公司研制開發(fā)的 See/Car System。除此之外， 西安交通大學(xué)的圖像處理與識(shí)別研究室、 華武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 4 南理工大學(xué)、浙江大學(xué) 以及上海交通大學(xué)的計(jì)算機(jī)科學(xué)與工程系都做過關(guān)于 車牌識(shí)別系統(tǒng)研究。國(guó)外汽車牌照多為長(zhǎng)方形的，少數(shù)為正方形的，車號(hào)多為單排的，少數(shù)為雙排的，因此，國(guó)外的車牌識(shí)別算法比較復(fù)雜。國(guó)外還有基于神經(jīng)網(wǎng)絡(luò)的方法、基于邊緣特征的方法、基于彩色特征的方法等。前者具有較強(qiáng)的容錯(cuò)能力，但需提取大量特征，識(shí)別速度較慢，很難滿足實(shí)時(shí)性要求。 畢業(yè)設(shè)計(jì)的主要工作如下： 查找及閱讀有關(guān)車牌識(shí)別技術(shù)研究的文獻(xiàn)資料，對(duì)汽車牌照自動(dòng)識(shí)別系統(tǒng)研究的國(guó)內(nèi)外現(xiàn)狀，背景及意義進(jìn)行了分析和闡述。 汽車牌照自動(dòng)識(shí)別系統(tǒng)的關(guān)鍵及難點(diǎn)在于車牌的定位，本文 通過顏色識(shí)別，形狀識(shí)別以及紋理識(shí)別相結(jié)合來實(shí)現(xiàn)車牌的定位。再將分割出來的字符通過模板匹配的方法進(jìn)行字符識(shí)別。 圖 1 系統(tǒng)流程圖 開始 輸入彩色汽車牌照?qǐng)D片 車輛圖像的預(yù)處理 車牌區(qū)域定位 汽車牌照字符分割 車牌字符的識(shí)別 輸出字符識(shí)別結(jié)果 結(jié)束 將彩色 車輛圖像灰度化 邊緣檢測(cè) 二值化 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 6 2 汽車牌照區(qū)域粗定位 由于圖像處理的計(jì)算量和 信息量非常大，為了提高計(jì)算速度和減少中間存儲(chǔ)空間。 本系統(tǒng)中汽車牌照區(qū)域的粗定位 ，就是通過對(duì)彩色顏色的識(shí)別來初步確定汽車牌照的所在區(qū)域。這樣的有色點(diǎn)對(duì)（ A,B）間的區(qū)域就可認(rèn)為是汽車牌照內(nèi)的白色字符區(qū)， 而其所在的位置也相應(yīng)就是夾雜少量白色區(qū)域的藍(lán)色汽車牌照區(qū)所在的位置。而且，由于數(shù)據(jù)量較大，利用彩色圖像所面臨的最大問題就是如何解決運(yùn) 算速度與運(yùn)算精度的矛盾。在 RGB顏色模型中，如果 R=G=B，則顏色（ R,G,B）表示一種黑白顏色， R=G=B 的值稱為灰度值。 RW ，GW ， BW 取不同的值時(shí)，加權(quán)平均法就會(huì)形成不同的灰度圖像。 汽車牌照?qǐng)D片以及灰度化之后的圖片如下所示。當(dāng)圖像中各個(gè)像素的灰度級(jí)用來反映各像素符合邊緣像素要求的程度時(shí)，這種圖像被稱為邊緣圖像或邊緣。 Roberts 算子邊緣定位準(zhǔn)確，但是對(duì)噪聲敏感，適用于邊緣明顯而且噪聲較少的圖像分割。和利用 Prewitt 算子的方法一樣，圖像中的每個(gè)點(diǎn)都用這兩個(gè)核進(jìn)行卷積。 ?????????? ???121000121 , ?????????????101202101 圖 5 Sobel邊緣檢測(cè)算子 ④ Krisch 邊緣 檢測(cè) 算子 Krisch 邊緣算子則具有 8 個(gè)卷積核。 它定義 算式如下 ： 22222 ),(y fx fyxf ??????? (2) )),1(()),((),( yxffyxffyxf xxxx ??? ),1(),(2),1( yxfyxfyxf ????? 寫成模板格式就是： ? ?121 ? 同樣， ),( yxfyy 可以簡(jiǎn)化為： ? ?T121 ? 由 xxf 和 yyf 可形成 4 鄰域和 8 鄰域內(nèi)的無方向性算子： Laplcian4 鄰域算子：?????????????0101410102 Laplcian8 鄰域算子：?????????????1111811112 由于 Laplacian 算子是一個(gè)二階導(dǎo)數(shù)，它將在邊緣處產(chǎn)生一個(gè)陡峭的零交叉，它是一個(gè)線性的、移不變的算子，它的傳遞函數(shù)在頻率域空間的原點(diǎn)為零。 圖 6 車 牌邊緣提取圖片 (3) 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 10 （ 3） 二值化 經(jīng)過邊緣檢測(cè)后，汽車牌照?qǐng)D像信息大大減少。 圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為 0 或 255，即將整個(gè)圖像呈現(xiàn)出顯著的黑白效果。 圖 7 車牌 邊緣 二值化圖像 （ 4）點(diǎn)對(duì)搜索 由于顏色判斷屬于模糊判斷，為了適應(yīng)大多數(shù)情況，提高算法的精確度，這里進(jìn)行如下定義：設(shè)某一點(diǎn)的紅綠藍(lán)色分量分別為 bgr CCC , 。其中， 2f =， 2T =200，S = bC + gC + rC 。 武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 11 步驟 2：若 p(0,0)為藍(lán)色而 p(0,2)為白色，則認(rèn)為 p(0,2)為疑似有色點(diǎn)對(duì)的起始 值 。若是記下坐標(biāo)值 x[n]=i， y1[n]=j，j=j+1，轉(zhuǎn)至步驟 4，繼續(xù)搜索該疑似有色點(diǎn)對(duì)的終止值。如果是，則認(rèn)為找到該疑似有色點(diǎn)對(duì)的終止值，并成功找到一個(gè)有色點(diǎn)對(duì)，記下坐標(biāo)值 x[n]=i， y2[n]=j，而該有色點(diǎn)對(duì)的坐標(biāo)為 ((x[n],y1[n]),(x[n],y2[n]))，且 n=n+1，轉(zhuǎn)至步驟 3，繼續(xù)尋找下一個(gè)有色點(diǎn)對(duì)。 步驟 5：退出有色點(diǎn)對(duì)搜索程序。 其效果就是將字符區(qū)用黑色直線填充起來。 形態(tài)學(xué)一般指生物學(xué)中研究動(dòng)物和植物結(jié)構(gòu)的一個(gè)分支。 （ 1） 膨脹 膨 脹 的 運(yùn) 算 符 為 ? ， A 用 B 來 膨 脹 寫 作 A ? B ， 其 定 義 為 ：武漢理工大學(xué)畢業(yè)設(shè)計(jì)（論文） 12 ?????? ?????? ?????????? ABxBA X ?^| ，上式表明用 B 膨脹 A 的過程是，先對(duì) B 做關(guān)于原點(diǎn)的反射，再將反射后的圖像平移 x，這里 A 與 B 反射后的圖像的交集不為空集。 （ 2） 腐蝕 腐蝕的運(yùn)算符為 ? ， A 用 B 來腐蝕寫作 A? B，其定義為： ? ?? ?ABxBA X ??? | 。 （ 3）原點(diǎn)不包含在結(jié)構(gòu)元素中時(shí)的膨脹和腐蝕 以 上討論時(shí)都假設(shè)原點(diǎn)包含在結(jié)構(gòu)元素中（即原點(diǎn)屬于結(jié)構(gòu)元素）。但對(duì)腐蝕運(yùn)算來說 ，如果原點(diǎn)不包含在結(jié)構(gòu)元素中，則有兩種可能，或者是 ABA ?? ，或