【正文】 e(d,39。 % eye(n) returns the nbyn identity matrix 單位矩陣[m,n]=size(d)。diamond39。,3)。 %將圖像數(shù)據(jù)寫入到圖像文件中figure(8),subplot(3,2,4),imshow(d),title(39。 %建立預(yù)定義的濾波算子，average指定算子的類型，3為相應(yīng)的參數(shù)d=im2bw(round(filter2(h,d)))。39。 %將圖像數(shù)據(jù)寫入到圖像文件中figure(8)。 d=(double(b)=T)。 %換成雙精度數(shù)值T=round(g_max(g_maxg_min)/3)。subplot(3,2,1),imshow(b),title(39。 %將真彩色圖像轉(zhuǎn)換為灰度圖像imwrite(b,39。 %將數(shù)組filepath,filename水平地連接成單個(gè)字符串，并保存于變量jpg中a=imread(39。,39。39。)。 dw=I(PY1:PY2,:,:)。amp。amp。%IY為原始圖像I中截取的縱坐標(biāo)在PY1：PY2之間的部分 %end橫向掃描 %begin縱向掃描 Blue_x=zeros(1,x)。 while ((Blue_y(PY2,1)=40)amp。 while ((Blue_y(PY1,1)=120)amp。 %換成雙精度數(shù)值 %begin橫向掃描tic %計(jì)算tic與toc之間程序的運(yùn)行時(shí)間 Blue_y=zeros(y,1)。從對(duì)象中移除小對(duì)象39。)。 %對(duì)圖像實(shí)現(xiàn)閉運(yùn)算，閉運(yùn)算也能平滑圖像的輪廓，但與開運(yùn)算相反，它一般融合窄的缺口和細(xì)長(zhǎng)的彎口，去掉小洞，填補(bǔ)輪廓上的縫隙。se=strel(39。 %圖像的腐蝕figure(4),imshow(I3)。)se=[1。)。I2=edge(I1,39。figure(2),subplot(1,2,2),imhist(I1)。 %將真彩色圖像轉(zhuǎn)換為灰度圖像figure(2),subplot(1,2,1),imshow(I1)。title(39。參考文獻(xiàn)[1] [2] [3] 程序附錄：function [d]=main(jpg)I=imread(39。 一是對(duì)于彩色車牌的識(shí)別具有局限性，有些車牌不是藍(lán)色底的，例如我們的校車就是黃色底的。把每一幅相減后的圖的0值個(gè)數(shù)保存，即為識(shí)別出來的結(jié)果。所以建立字符模板庫也極為方便。在實(shí)際設(shè)計(jì)模板的時(shí)候，是根據(jù)各區(qū)域形狀固有的特點(diǎn)，突出各類似區(qū)域之間的差別，并將容易由處理過程引起的噪聲和位移等因素都考慮進(jìn)去，按照一些基于圖象不變特性所設(shè)計(jì)的特征量來構(gòu)建模板，就可以避免上述問題。綜合模板匹配的這些優(yōu)點(diǎn)我們將其用為車牌字符識(shí)別的主要方法。而大小歸一是指在長(zhǎng)度和寬度方向上分別乘以一個(gè)比例因子，使其等于標(biāo)準(zhǔn)模塊的字符大小，本文采用的大小歸一的方法是分別從水平投影和垂直投影兩個(gè)方向上對(duì)字符象素的大小進(jìn)行歸一化處理。將得到的車牌區(qū)域圖像進(jìn)行二值化處理后，對(duì)圖像進(jìn)行垂直投影，投影圖上有明顯的類似于峰谷的波形起伏變化， 通過對(duì)投影圖上的波形從左向右進(jìn)行掃描，根據(jù)谷和峰的特征就可以判斷出每個(gè)字符的位置；計(jì)算垂直峰，檢測(cè)合理的字符高寬比。均值濾波是典型的線性濾波算法，指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素。圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為兩個(gè)數(shù)值，通常為0或255，使整個(gè)圖像呈現(xiàn)出明顯的黑白效果。使用統(tǒng)計(jì)彩色像素點(diǎn)的方法分割出車牌區(qū)域，確定車牌底色藍(lán)色RGB對(duì)應(yīng)的灰度范圍，然后統(tǒng)計(jì)在行方向的顏色范圍內(nèi)的像素點(diǎn)數(shù)量，確定車牌在行方向的區(qū)域。數(shù)學(xué)形態(tài)學(xué)用具有一定形態(tài)的機(jī)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的，能有效的去除噪聲，保留圖像原有信息的同時(shí)提取的邊緣比較平滑，提取的圖像骨架也比較連續(xù)，斷點(diǎn)少。車牌圖像的灰度圖的車牌部分是一個(gè)水平度很高的長(zhǎng)方形圖樣，在原圖中比較集中，且灰度值和周圍圖樣有明顯差異，因此很容易用邊緣檢測(cè)來對(duì)圖像進(jìn)行分割。本文采用經(jīng)典的Roberts邊緣檢測(cè)算子來對(duì)圖像進(jìn)行邊緣檢測(cè)。因此，在進(jìn)行對(duì)汽車牌照的定位及字符識(shí)別之前需要先對(duì)車輛圖像進(jìn)行邊緣檢測(cè)處理，提高圖像的質(zhì)量，使其易于后面的分割和識(shí)別。通過該公式轉(zhuǎn)換的灰度圖能夠比較好地反應(yīng)原圖像的亮度信息。 對(duì)于將彩色圖像轉(zhuǎn)換成灰度圖像時(shí)， 目前比較主流的灰度化方法叫平均值法，公式為： H=++ 公式中H表示灰度圖的亮度值；R代表彩色圖像紅色分量值；G代表色彩圖像綠色分量值；B代表彩色圖像藍(lán)色分量值?，F(xiàn)在字符識(shí)別的常用方法有模板匹配法和神經(jīng)網(wǎng)絡(luò)模型法。字符識(shí)別部分要求照片清晰，但由于該系統(tǒng)的攝像頭長(zhǎng)時(shí)間在室外工作，加上光照條件、攝像頭角度和距離、車輛自身?xiàng)l件以及車輛的行駛速度的影響，想拍出較理想的圖片很困難。 第三章 各模塊的實(shí)現(xiàn)車牌識(shí)別系統(tǒng)包括圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等模塊，本文主要研究圖像預(yù)處理、車牌定位和字符分割三個(gè)模塊。在許多國(guó)際一流學(xué)術(shù)刊物上，（尤其是信息科學(xué)刊物），都可以看到MATLAB的應(yīng)用。在歐美大學(xué)里，諸如應(yīng)用代數(shù)、數(shù)理統(tǒng)計(jì)、自動(dòng)控制、數(shù)字信號(hào)處理、模擬與數(shù)字通信、時(shí)間序列分析、動(dòng)態(tài)系統(tǒng)仿真等課程的教科書都把MATLAB作為內(nèi)容。 (5)MATLAB應(yīng)用程序接口(API) 這是MATLAB為用戶提供的一個(gè)函數(shù)庫，使得用戶能夠在MATLAB環(huán)境中使用c程序或FORTRAN程序，包括從MATLAB中調(diào)用于程序(動(dòng)態(tài)鏈接)，讀寫MAT文件的功能。利用它既可以進(jìn)行小規(guī)模端程，完成算法設(shè)計(jì)和算法實(shí)驗(yàn)的基本任務(wù)，也可以進(jìn)行大規(guī)模編程，開發(fā)復(fù)雜的應(yīng)用程序。（4）構(gòu)作了Notebook 。（2）開發(fā)了與外部進(jìn)行直接數(shù)據(jù)交換的組件，打通了MATLAB進(jìn)行實(shí)時(shí)數(shù)據(jù)分析、處理和硬件開發(fā)的道路。Mathcad因其提供計(jì)算、圖形、文字處理的統(tǒng)一環(huán)境而深受中學(xué)生歡迎。自從第1版發(fā)行以來，已有眾多的科技工作者加入到MATLAB的開發(fā)隊(duì)伍中，并為形成今天約MATLAB系統(tǒng)做出了巨大的貢獻(xiàn)。在美國(guó)的一些大學(xué)里，MATLAB正在成為對(duì)數(shù)值線性代數(shù)以及其他一些高等應(yīng)用數(shù)學(xué)課程進(jìn)行輔助教學(xué)的有益工具。新的版本集中了日常數(shù)學(xué)處理中的各種功能，包括高效的數(shù)值計(jì)算、矩陣運(yùn)算、信號(hào)處理和圖形生成等功能。 設(shè)計(jì)原理汽車牌照自動(dòng)識(shí)別技術(shù)是一項(xiàng)利用車輛的動(dòng)態(tài)視頻或靜態(tài)圖像進(jìn)行牌照號(hào)碼、牌照顏色自動(dòng)識(shí)別的模式識(shí)別技術(shù)。從目前一些產(chǎn)品的性能來看，車牌識(shí)別系統(tǒng)的識(shí)別率和識(shí)別速度都有待提高?！　∧壳?，以色列的Hi一Teeh公司研制的多種see/CarSystem，適用于幾個(gè)不同國(guó)家的車牌識(shí)別。同時(shí)代，還誕生了面向被盜車輛的第一個(gè)實(shí)時(shí)自動(dòng)車牌監(jiān)測(cè)系統(tǒng)。在車牌識(shí)別系統(tǒng)研究中，許多的新技術(shù)和新方法被不斷地提出并應(yīng)用，例如圖像處理技術(shù)、模糊數(shù)學(xué)理論、神經(jīng)元網(wǎng)絡(luò)算法等等，也有人將一些傳統(tǒng)方式和高新技術(shù)相結(jié)合來進(jìn)行應(yīng)用，但到目前為止，由于各種客觀的不利環(huán)境因素存在，還沒有一種解決辦法可以作為最有效的銀彈，來解決應(yīng)用中的所有技術(shù)難題，它們?cè)谙到y(tǒng)的準(zhǔn)確性和實(shí)時(shí)性方面雖都有其自己的解決辦法和設(shè)計(jì)方案，但健壯性和魯棒性均達(dá)不到理想要求。圖像分析的內(nèi)容分為特征提取、圖像分割、符號(hào)描述、和圖像的檢測(cè)與匹配。直方圖修正、灰度變換、強(qiáng)化圖像輪廓等都是常用的手段。本課題圖像處理分為以下幾方面：其目的是將模擬形式的圖像通過數(shù)字化設(shè)備變?yōu)閿?shù)字計(jì)算機(jī)可用的離散的圖像數(shù)據(jù)。智能交通系統(tǒng)，是在當(dāng)代科學(xué)技術(shù)高速發(fā)展的背景下產(chǎn)生的。車牌識(shí)別系統(tǒng)主要包括了圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等五大核心部分。因?yàn)檐嚺铺?hào)的重要地位，我們第一個(gè)想到就是設(shè)法利用車牌號(hào)來對(duì)車輛進(jìn)行管理，所以車牌提取應(yīng)運(yùn)而生，用來提高汽車的安全管理水平及管理效率。此外，智能交通系統(tǒng)，簡(jiǎn)稱ITS（Intelligent Traffic System）已成為現(xiàn)代社會(huì)道路交通發(fā)展趨勢(shì)。車牌號(hào)識(shí)別系統(tǒng)是基于圖像處理技術(shù)的基礎(chǔ)進(jìn)行研究的。采用某些處理技術(shù)來突出圖像中的某些信息,削弱或消除某些無關(guān)信息,從而有目的地強(qiáng)調(diào)圖像的整體或局部特征，讓觀察者能看到更加直接、清晰的分析和處理圖像。圖像分割就是把圖像中需要的那一個(gè)部分分割出來。技術(shù)的核心是通過對(duì)拍到的車牌圖像進(jìn)行分析，在非人工千預(yù)的情況下自動(dòng)獲取車牌信息，從而確定車輛牌號(hào)。早在上世紀(jì)70年代，英國(guó)就在實(shí)驗(yàn)室中完成了實(shí)時(shí)車牌檢測(cè)系統(tǒng)，的廣域檢測(cè)和開發(fā)。日本對(duì)車牌圖像的獲取也做了大量的研究，并為系統(tǒng)產(chǎn)業(yè)化做了大量工作。我國(guó)做得較好的產(chǎn)品是中科院自動(dòng)化研究所的漢王眼，另外，亞洲視覺科技有限公司、深圳市吉通電子有限公司以及上海交通大學(xué)、清華大學(xué)等高校都做過類似的研究。車牌自動(dòng)識(shí)別系統(tǒng)應(yīng)用