【正文】 b=rgb2gray(a)。 jpg=strcat(filepath,filename)。39。) imwrite(dw,39。行方向合理區(qū)域 39。%對(duì)車(chē)牌區(qū)域的校正 PX2=PX2+2。 while ((white_x(1,PX2)3)amp。 while ((white_x(1,PX1)3)amp。 end IY=I(PY1:PY2,:,:)。 end PY2=MaxY。%temp為向量 white_y的元素中的最大值， MaxY為該值 的索引（ 在向量中的位置） PY1=MaxY。 myI=double(I5)。title(39。平滑圖像的輪廓 39。,[40,40])。腐蝕后圖像 39。1]。title(39。,39?；叶葓D直方圖 39?；叶葓D 39。)。)。她嚴(yán)肅的教學(xué)態(tài)度，嚴(yán)謹(jǐn)?shù)闹螌W(xué)精神，精益求精的工作作風(fēng)深深地感染和激勵(lì)著我。 盡管人們?cè)趫D像匹配方面做了很多的研究，但是，迄今為止沒(méi)有哪種方法是適合所有圖像的，本文中提到的方法都有它的前提條件，因此，對(duì)于特定的圖像匹配，最主要的是分析這幅圖像的特性，針對(duì)這幅特定的圖像的特點(diǎn)，制定適合它的方案，以達(dá)到最好的匹配效果。 每幅圖像的匹配是任意的，所以我們要對(duì)字符進(jìn)行固定大?。? X= imresize(x,[40 20])。 20 從實(shí)驗(yàn)現(xiàn)象可以看出，實(shí)驗(yàn)出來(lái)的圖片效果和真實(shí)的圖片非常接近。 5 本文主要工作總結(jié) 研究結(jié)果 本文首先從數(shù)字圖像匹配技術(shù)在圖像處理中的地位出發(fā)，從各個(gè)方面介紹了圖像匹配技術(shù)的重要性。 高級(jí)特征算法 使用高級(jí)特征的算法。所以這種算法抗噪聲，抗干擾的能力比較差，只能適用于 兩幅圖像具有相同的外界條件的情況下作精細(xì)的匹配川。 直接匹配法 15 直接利用原始圖像的像素值進(jìn)行匹配。而將車(chē)牌區(qū)域二值化后，由于字符顏色與車(chē)牌底色的強(qiáng)烈色彩反差，字符與底色呈現(xiàn)兩極化。標(biāo)準(zhǔn)字符不包含字符“ I”，故可以不考慮這種情況。 分割方法實(shí)現(xiàn)方式雖然各式各樣，但歸結(jié)起來(lái)總是基于幾個(gè)基本點(diǎn)： (1)車(chē)牌區(qū)域的垂直投影呈現(xiàn)明顯的波峰和波谷，波峰即為字符區(qū)域，波谷基本 上都是字符間的間隙。牌照矩形區(qū)域內(nèi)的顏色一定是限定的四種色彩之一，特征明顯。 車(chē)牌定位 車(chē)牌定位方法的出發(fā)點(diǎn)是通過(guò)車(chē)牌區(qū)域的特征來(lái)判斷車(chē)牌，所利用的車(chē)牌的特征主要包括： (1)車(chē)牌區(qū)域的幾何特征，即在某個(gè)相對(duì)固定的拍照位置拍得的圖像上車(chē)輛牌照子圖像區(qū)域 l 每度和寬度一定，并且寬高比例一定。分辨率過(guò)高時(shí)，整個(gè)識(shí)別系統(tǒng)的處理時(shí)間會(huì)明顯增多，特別是在車(chē)牌分割，車(chē)牌二值化的處理中時(shí)間會(huì)顯著增加。盡管規(guī)范車(chē)牌對(duì)光的散射能力較強(qiáng)，但人工光照的方位角度不會(huì)影響車(chē)牌的亮度。實(shí)際工程中攝像方位相對(duì)于車(chē)輛行駛的方向一般是正上方、左側(cè)和右側(cè)，攝像角度一般在 15～30 度之間。背景中與車(chē)牌區(qū)域特征相似區(qū)域的大小反映了背景的噪聲程度。光照對(duì)圖像質(zhì)量影響很大。車(chē)牌附近環(huán)境惡劣。根據(jù)中華人民共和國(guó)公共安全行業(yè)標(biāo)準(zhǔn)對(duì)機(jī)動(dòng)車(chē)輛牌照的有關(guān)規(guī)定，車(chē)牌的規(guī)格、顏色和適用范圍各有不同。視頻觸發(fā)方式不需借助線圈、紅外或其他硬件車(chē)輛檢測(cè)器。 。車(chē)牌識(shí)別系統(tǒng)于是出現(xiàn)了兩種產(chǎn)品形式 ,一種是軟硬件一體，或者用硬件實(shí)現(xiàn)了識(shí)別功能的模塊，形成一個(gè)全硬件的車(chē)牌識(shí)別器，例如 DSP。另外，紅外照明裝置提供的是不變的光，所抓拍的圖像都是一樣的，不論是在一天中最明亮的時(shí)候 ,還是在一天中最暗的時(shí)候，唯一的例外是在白天，有時(shí)會(huì)看到一些牌照周?chē)募?xì)節(jié)，這是因?yàn)榍缋侍鞖庀绿?yáng)光的外光波的影響。自然光技術(shù)路線與人眼感習(xí)慣一致，并且真彩色圖像能夠反映車(chē)輛及其周?chē)h(huán)境真實(shí)的圖像信息，不僅可以用來(lái)識(shí)別汽車(chē)牌照，而且可以用來(lái)識(shí)別車(chē)牌顏色、車(chē)流量、車(chē)型、車(chē)體顏色等車(chē)輛特征。路線系統(tǒng)中車(chē)輛圖像的采集方式?jīng)Q定了車(chē)牌識(shí) 別的技術(shù)路線。 （ 3）完善的系統(tǒng)功能。當(dāng)多功能的系統(tǒng)操作使得網(wǎng)絡(luò)出差錯(cuò)時(shí)，后臺(tái)管理系統(tǒng)應(yīng)能保護(hù)圖像數(shù)據(jù)不會(huì)丟失，同時(shí)便于事后人工排查。例如，在高速 公路收費(fèi)中車(chē)牌識(shí)別系統(tǒng)的作用之一是減少通行時(shí)間，處理速度是這一類(lèi)應(yīng)用減少通行時(shí)間，避免車(chē)道堵車(chē)的有力保障。然后，還需要得到實(shí)際通過(guò)的車(chē)輛圖像以及正確的人工識(shí)別結(jié)果，之后便可以統(tǒng)計(jì)出以下識(shí)別率 （ 1）自然交通流量的識(shí)別率 =全牌正確識(shí)別總數(shù) /實(shí)際通過(guò)的車(chē)輛總數(shù)； （ 2)人工可識(shí)別車(chē)牌的百分率 =人工正確讀取的車(chē)牌總數(shù) /實(shí)際通過(guò)的車(chē)輛總數(shù)； （ 3）系統(tǒng)可識(shí)別車(chē)牌的識(shí)別率 =全牌正確識(shí)別總數(shù) /人工正確讀取的車(chē)牌總數(shù)； 這三個(gè)指標(biāo)決定了車(chē)牌識(shí)別系統(tǒng)的識(shí)別率，諸如可信度、誤識(shí)率等都是車(chē)牌識(shí)別過(guò)程中的中間結(jié)果。 10 車(chē)牌識(shí)別系統(tǒng)評(píng)價(jià)的指標(biāo) 從技術(shù)上評(píng)價(jià)一個(gè)車(chē)牌識(shí)別系統(tǒng)有三個(gè)指標(biāo)，即識(shí)別率、識(shí)別速度和后臺(tái)管理系統(tǒng)。第四章主要介紹了 區(qū)域法的討論與研究。 本文內(nèi)容與組織結(jié)構(gòu) 本文主要從討論與研究出發(fā)，然后通過(guò)各種分割技術(shù)的模擬仿真進(jìn)行一個(gè)對(duì)比，找出每種分割技術(shù)適合分割的圖片，搞清楚在分割什么樣的圖片時(shí)，應(yīng)該用什么樣的分割技術(shù)，使得所分割的效果達(dá)到最佳。所使用的特征基元有點(diǎn)特征 (明顯點(diǎn)，角點(diǎn)，邊緣點(diǎn)等 )，邊緣線段等。 基于圖象特征的匹配方法可以克服利用圖象灰度信息進(jìn)行匹配的缺點(diǎn)，由于圖象的特征點(diǎn)比較象素點(diǎn)要少很多，大大減少了匹配過(guò)程的計(jì)算量 。 基于特征的匹配所處理的圖像一般包含的特征有顏色特征、紋理特征、形狀特征、空間位置特征等。 最經(jīng)典的灰度匹配法是歸一化的灰度匹配 法，其基本原理是逐像素的把一個(gè)以一定大小的實(shí)時(shí)圖像窗口的灰度矩陣，與參考圖像的所有可能的窗口灰度陣列，按某種相似性度量方法進(jìn)行搜索比較的匹配方法，從理論上說(shuō)就是采用圖像相關(guān)技術(shù)。 圖像匹配主要可分為以灰度為基礎(chǔ)的匹配和以特征為基礎(chǔ)的匹配。 (4) 字符分割 :即從定位得到的車(chē)牌圖像中分離出單個(gè)字符 (包括漢字、字 母和數(shù)字等 )的圖像，以便于字符識(shí)別。 (2) 圖像預(yù)處理部分 :需要對(duì)采集到的圖像進(jìn)行圖 像增強(qiáng)、平滑、恢復(fù)等操作，目的是突出車(chē)牌的主要特征，以便更好地提取車(chē)牌。該系統(tǒng)能夠從一幅圖像中自動(dòng)提取車(chē)輛牌照，進(jìn)行字符分割，進(jìn)而對(duì)分割出的字符圖像進(jìn)行識(shí)別。 關(guān)鍵詞 ： .字符識(shí)別 DIGITAL IMAGE DIVISION OF TECHNICAL DISCUSSIONS AND STUDIES Author: Tutor: (College of Information Science and Technology, Hunan Agricultural University, Changsha 410128, China) Abstract: The license plate recognition system,developed in recent years,has an important application in the intelligent traffic surveillance and the same time, based on the image and character recognition technology,the license plate character recognition system is a hot area of research in the application of pattern recognition at home and key technology of License plate character recognition system includes digital image processing,license plate location,license plate character segmentation and character recognition technology. Key Words: plate recognition 6 1 緒論 研究背景 隨著社會(huì)經(jīng)濟(jì)的發(fā)展 ,車(chē)輛的數(shù)量在急劇的增加 ,交通問(wèn)題日益突出 ,這使得智能交通 (Intelligent Transportation System,簡(jiǎn)稱(chēng) ITS)系統(tǒng)成為研究的熱點(diǎn)領(lǐng)域 ,受到了廣泛的關(guān)注。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。1 湖 南 農(nóng) 業(yè) 大 學(xué) 全日制普通本科生畢業(yè)論文 車(chē)牌圖像的字符匹配設(shè)計(jì)與實(shí)現(xiàn) Vehicle images character matching design and implementation 學(xué)生姓名 ： 學(xué) 號(hào)： 年級(jí)專(zhuān)業(yè)及班級(jí)： 2021級(jí)信息工程（ 1）班 指導(dǎo)老師及職稱(chēng)： 學(xué) 院： 信息科學(xué)技術(shù)學(xué)院 湖南對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體在文中均作了明確的說(shuō)明并表示了謝意。 車(chē)牌字符識(shí)別系統(tǒng) LRP(License Plate Recognition)的關(guān)鍵技術(shù)包括數(shù)字圖像處理、車(chē)牌定位、車(chē)牌字符分割和字符識(shí)別技術(shù)。 研究的主要內(nèi)容 車(chē)牌識(shí)別系統(tǒng)是以特定目標(biāo)一一車(chē)輛牌照為對(duì)象的專(zhuān)用計(jì)算機(jī)視覺(jué)系統(tǒng)。下面簡(jiǎn)述各部分的7 主要功能： (1)圖像采集部分 :當(dāng)系統(tǒng)發(fā)現(xiàn)有車(chē)輛通過(guò)時(shí) (通過(guò)檢測(cè)器檢測(cè)或是通過(guò)視頻中運(yùn)動(dòng)目標(biāo)的檢測(cè) )，觸發(fā)圖像采集系統(tǒng)，一般采用 CCD 攝像機(jī)攝取車(chē)牌前視圖或后視圖，由光照檢測(cè)裝置控制現(xiàn)場(chǎng)的光照，位置檢測(cè)裝置控制攝像機(jī)的拍攝角度。在車(chē)牌定位過(guò)程中，由于采集到的圖像中軍牌區(qū)域經(jīng)常是傾斜的，為避免后續(xù)的字符分割和字符識(shí)別的失敗，必須對(duì)車(chē)牌行傾斜校正。其實(shí)質(zhì)是在基元相似性的條件下，運(yùn)用匹配準(zhǔn)則的最佳搜索問(wèn)題。 灰度匹配通過(guò)利用某種相似性度量，如相關(guān)函數(shù)、協(xié)方差函數(shù)、差平方和、差絕對(duì)值和等測(cè)度極值，判定兩幅圖像中的對(duì)應(yīng)關(guān)系。 特征匹配是指通過(guò)分別提取兩個(gè)或多個(gè)圖像的特征（點(diǎn)、線、面等特征），對(duì)特征進(jìn)行參數(shù)描述，然后運(yùn)用所描述的參數(shù)來(lái)進(jìn)行匹配的一種算法。 常用的特征提取與匹配方法有：統(tǒng)計(jì)方法、幾何法、模型法、信號(hào)處理法、邊界特征法、傅氏形狀描述法、幾何參數(shù)法、形狀不變矩法等。所以基于圖象特征的匹 配在實(shí)際中的應(yīng)用越來(lái)越廣泛。 基于區(qū)域分割方法，區(qū)域分割的實(shí)質(zhì)就是把具有某種似性質(zhì)的像素連通起來(lái)，從而構(gòu)成最終的分割區(qū)域．它利用了圖像的局部空間信息，可有效的克服其它方法存在的圖像分割空間不連續(xù)的缺點(diǎn)，但它通常會(huì)造成圖像的過(guò)度分割．在此類(lèi)方法中，如果從全圖出發(fā)，按區(qū)域?qū)傩蕴卣饕恢碌臏?zhǔn)則，決定每個(gè)像元的區(qū)域歸屬，形9 成 區(qū)域圖，這常稱(chēng)之為區(qū)域生長(zhǎng)的分割方法；如果從像元出發(fā)，按區(qū)域?qū)傩蕴卣饕恢碌臏?zhǔn)則，將屬性接近的連通像元聚集為區(qū)域是區(qū)域增長(zhǎng)的分割方法；若綜合利用上述兩種方法，就是分裂 — 合并的方法．區(qū)域生長(zhǎng)法的基本思想是將具有相似性質(zhì)的象素合起來(lái)構(gòu)成區(qū)域，具體做法是選給定圖像中要分割的目標(biāo)物體內(nèi)的一個(gè)小塊或者說(shuō)種子區(qū)域，再在種子區(qū)域的基礎(chǔ)上不斷將其周?chē)南笏攸c(diǎn)以一定的規(guī)則加人其中，達(dá)到最終將代表該物體的所有象素點(diǎn)結(jié)合成一個(gè)區(qū)域的目的，該方法的關(guān)鍵是要選擇合適的生長(zhǎng)或相似準(zhǔn)則．生長(zhǎng)準(zhǔn)則一般可分為 3種：基于區(qū)域灰度差