【正文】 者是 ABA ?? 。開啟的運算符為 “? ”， A 用 B 來開啟寫作 BA? ， 其定義為： ? ? BBABA ???? 。開啟運算可以把比結構元素小的突刺濾掉，切斷細長搭接而起到分離的作用。本系統(tǒng)，結構元素選用為 33 的矩形塊。腐蝕后，由于黑色區(qū)外沿也將隨之擴大，為了保證黑色區(qū)域不超過汽車牌照區(qū)域，再進行 12次腐蝕的逆運算，即膨脹 ? ?SX? ，把最終的黑色區(qū)縮為實際 汽 車牌 照區(qū)大小。 這一過程分為 3 步，即橫坐標第一次定位，縱坐標粗定位和橫坐標第二次定位。 步驟 2： j=j+1，計算第 j 列黑色點個數(shù)，是否超過閾值 1T 。是則 y1=i，轉至步驟 2；不是則 i=i1。 步驟 3：退出程序。 步驟 2： j=j+1，計算第 j 列 y1y2 間連續(xù)黑色點個數(shù)，并判斷是否超過閾值 3T 。最后，得到汽車牌照區(qū)域 4 個頂 點坐標（ x1,y1），（ x1,y2），（ x2,y1） 和 （ x2,y2） 。精定位過程由兩部分組成，即形狀識別和紋理識別。汽車牌照中字符寬度為 45mm，高度為 90mm，寬高比為 。 汽車牌照區(qū)紋理識別 汽車牌照區(qū)域紋理識別主要依據(jù)是汽車牌照區(qū)內(nèi)存在 7 個類字符區(qū)，從而在紋理上存在高頻的灰度變化特征。 武漢理工大學畢業(yè)設計（論文） 16 汽車牌照定位結果圖如圖 9 所示： 圖 10 汽車牌照定位 汽車牌照傾斜校正 由于汽車圖像的 攝制角度問題可能導致攝取的汽車牌照發(fā)生傾斜，這對后續(xù)的汽車牌照字符分割和字符識別都將造成困難，因此需要對汽車圖像進行校正，這里可通過圖像旋轉進行校正。 （ 1） Hough 變換 Hough 變換是利用圖像全局特性而將邊緣像素連接起來組成區(qū)域封閉邊界的一種方法。如果僅靠尋找汽車牌照邊框所形成的直線來判定汽車牌照傾斜角度的話，并不是很可靠。 圖 9 所示即為在汽車牌照定位過程中找到并復現(xiàn)的汽車牌照字符圖像。 先用 S 對 X 進行腐蝕處理 ? ?SX? ，黑色點將腐蝕周圍的白色點，并和附近的黑色點融合成黑色區(qū)。 （ 3）傾斜角度計算 在汽車牌照傾斜角度中，由于高低角很小，故可以忽略不計 ，但水平角需要準確得到。 (c) 將各列的均值連成一條直線。 圖 11 汽車牌照傾斜校正 對校正后的彩色汽車牌照進行灰度化和有色點對搜索，其結果圖如圖 11 和圖 12 所示。 圖 14 汽車牌照再定位圖像 圖 15 汽車牌照提取圖像 武漢理工大學畢業(yè)設計（論文） 19 4 汽車牌照字符分割 汽車牌照分割的目的是把汽車牌照內(nèi)的 7 個字符彼此分割開來，以用于字符識別。 由于字符分割及后面的字符識別都是基于二值圖像的。汽車牌照二值化圖像如圖 15 所示。 yy2=。 } pixels=curpixels。 for(j=0。 if(pixelscurpixels*pixels){ flag=1。 flag=0。j++){ if(*(dibNewm_pImgData+()*lineByte+j)==255) curpixels++。i){ curpixels=0。 } if(flag==0){ if(curpixelspixels) pixels=curpixels。 if(curpixelspixels*curpixels){ yy2=i。iyy2。j。i++){ if(*(dibNewm_pImgData+i*lineByte+j)==255) curpixels++。 } } else{ if(curpixelspixels) pixels=curpixels。 //建立一個新視圖，顯 示去除邊框結果 pFrameSendMessage(WM_COMMAND, ID_FILE_NEW)。 pView1OnInitialUpdate()。 =yy2yy1+1。i。 } } dibNew1ReplaceDib(size,pDibm_nBitCount,pDibm_lpColorTable,pDib_imgdata1)。 yy1=0。 flag=0。 for(i=0。 for(j=1。i。 flag=1。 } } else{ if(curpixelspixels) pixels=curpixels。 for(i=2。 char_xx1[0]=char_x1[0]char_gap/2。i++) { char_xx1[i]=max(char_x1[i]max(char_gap,char_widthchar_x2[i]+char_x1[i])/21,char_xx2[i1])。 //建立一個新視圖，顯示字符分割結果 pFrameSendMessage(WM_COMMAND, ID_FILE_NEW)。 pView2OnInitialUpdate()。 =char_xx2[6]char_xx1[0]+1。 for(i=0。j++){ if(i+char_xx1[0]=0amp。 } } } dibNew2ReplaceDib(size1,pDibm_nBitCount,pDibm_lpColorTable,pDib_imgdata2)。 } for(i=1。j++){ *(dibNew2m_pImgData+j*lineByte2+char_xx1[i]char_xx1[0])=255。j++){ *(dibNew2m_pImgData+j*lineByte2+char_xx1[6]char_xx1[0])=255。在本文中，采用了相對簡單一些的模板匹配法。 字符圖像規(guī)范化 因為不同的汽車圖像中的汽車牌照大小不一，導致分割后的字符的大小也相差很大，因此，預處理的第一步就需要進行 汽車牌照分割字符圖像的規(guī)范化，即字符圖像的規(guī)格化和歸一化。 字符圖像規(guī)格化之后，還需進一步進行字符歸一化處理，即將字符區(qū)的中心校正為 0。重心（ mmyx, ）得到后，做相應的平移變換即可將字符區(qū)的重心校正為 0。而圖像細化處理則能極大地消除字符圖像中的這些冗余信息。 （ 1） Hilditch 細化算法 Hilditch 細化算法如下：一幅圖像中的一個 33 區(qū)域，設 p 為被檢測的像素， f(p)為像素 p 的灰度值，其中 p 位于中心， 821 ..., ppp 為 p 的 8 領域像素，如圖 19 所示。 （ 2） HIT/MISS 細化算法 HIT/MISS 運算是一種基于形態(tài)學的細化算法，由于在細化的同時可以保持字符圖像的拓撲結構，因而更適合于本文所設計的系統(tǒng)。其中 0 為背景， 1為前景。其中 0 為背景， 1為前景。 圖 25 字符圖像細化結果 字符識別 模板匹配是圖像識別中最具代表性的方法之一。假設有兩組集合 A={ NAaaa , 21 ? }， B={ NBbbb , 21 ? }，則這兩組集合之間的HD 可以定義為： ? ? ? ?? ?ABdBAdM a xd hhH ,? 。 Hausdorff 1 0 1 1 1 1 0 1 1 1 1 0 1 1 1 1 0 1 1 1 1 0 1 1 1 1 0 1 1 1 武漢理工大學畢業(yè)設計（論文） 30 距離 Hd 取 ? ?BAdH , 和 ? ?ABdH , 的最大值。 （ 2） 基于改進 Hausdorff 距離的模板匹配 基于改進 Hausdorff 距離的模板匹配算法如下。 ③ 模板圖像上，以 yxP, 點為中心的 55 領域內(nèi)，搜索 1，尋找與 yxP, 最近的點，并計算 yxP, 和該點之間的距離，此距離是待識別圖像和模板圖像在該點的最小距離。 ⑥ 按照同樣的步驟可計算模板到字符的改進的 Hausdorff 距離 ? ?iTXD , 。 (2) 圖像圖片格式： Windows 下 BMP 格式，圖像尺寸 640480pixel， 24 位真彩色。 武漢理工大學畢業(yè)設計（論文） 33 圖 28 拍攝距離過遠圖片 圖 29 拍攝角度過偏圖片 圖 30 拍攝過于模糊圖片 (2)字符識別結果分析 字符識別方面實現(xiàn)了字符像素點分布特征的模板匹配算法，運算簡單，計算量小，具有較好的識別率。 武漢理工大學畢業(yè)設計（論文） 35 7 總結與展望 車牌識別系統(tǒng) 通過引入數(shù)字攝像技術和計算機信息管理技術，采用先進的圖像處理，模式識別和人工智能技術，通過對圖像的采集和處理，獲得更多的信息，從而達到更高的智能化管理程度。 不過， 由于個人能力 有限 和時間的限制， 對系統(tǒng)各個環(huán)節(jié)的研究還不夠深入徹底，所使用的算法還不夠精確和先進或者系統(tǒng) 本身還存在一定的問題，在考慮問題 時還不夠 全面 。 (2)本文設計的系統(tǒng)只能 對 單個的汽車牌照 圖片進行 處理，對于一幅圖像中有多個汽車拍照的圖片則不能識別 。 武漢理工大學畢業(yè)設計（論文） 36 參考文獻 [1] 馮偉興，唐墨，賀波編著 . Visual C++數(shù)字圖像模式識別技術詳解 .北京：機械工業(yè)出版社， 2020. [2] 種衍文，謝丹力，鄭翠花 .一種針對復雜背景的復合車牌定位算法 .計算機應用研究， 2020， 25(6)： 17411743. [3] 張愛明，許建龍，姜銳 .車牌自動識別系統(tǒng)關鍵技術研究 .浙江理工大學學報， 2020，30(1)： 96100. [4] 張永蔥，劉昌平等 .技術綜合集成在模式識別中應用 .計算機學報， 1995， 18(9)：678685. [5] 魏武，黃心漢等 .基于模板匹配和神經(jīng)網(wǎng)絡的車牌字符識別方法 .模式識別與人工智能， 2020， 14(1)： 123126. [6] 郭大波，陳禮民，盧朝陽，韓麗萍 .基于車牌底色識別的車牌定位方法 .計算機工程與設計， 2020， 4(5)： 8189. [7] 尹令 .車牌自動識別系統(tǒng)的研究及其在 VC++中的實現(xiàn)： [碩士論文 ]，湘潭：湘潭大學， 2020. [8] 宋加濤，劉濟林 .車輛牌照上英文和數(shù)字字符的結構特征分析及提取 .中國圖像圖形學報， 2020， 7A(3)： 945949. [9] 求是科技， 張宏林 ，蔡銳 編著 . Visual C++ 數(shù)字圖像模式識別技術及工程實踐 .北京：人民郵電出版社， 2020. [10] 馮偉興，梁洪，王臣業(yè)編著 . Visual C++數(shù)字圖像模式識別典型案例詳解 .北京：機械工業(yè)出版社， 2020. [11] 向世明著 . Visual C++ 數(shù)字圖像與圖形處理 .北京：電子工業(yè)出版社， 2020. [12] 鐘志光，盧君，劉偉榮著 . Visual C++.NET 數(shù)字圖像處理事例與解析 .北京：清華大學出版社， 2020. [13] 徐慧著 .Visual C++ 數(shù)字圖像實用工程案例精選 .北京：人民郵電出版社， 2020. [14] 路小波，包明，黃衛(wèi) .基于投影的車牌傾斜檢測方法 .交通運輸工程與信息學報，2020， 2(4)： 10－ 15. [15]盧雪松 .車牌照定位和分割算法的研究 ： [碩士論文」，內(nèi)蒙古 ： 內(nèi)蒙古工業(yè)大學，2020. [16] Swanson M D， Tewfik A H .Fast Progressively Refined Image of Electronic Imaging .1998， 7(3)： 443452. [17] Setchell J .Applications of Computer Vision to RoadTraffic Thesls. University of ， 1997， 6681. [18] Sahoo Survey of Thresholding Vision Graphics and Image . 武漢理工大學畢業(yè)設計（論文） 37 [19] .A Threshold Selection Method from Graylevel Trans ，Man Cyber . 1979， SMC9. [20] Brink A B .Gray level Thresholding of images using a correlation Recognition Letters. 1998， 9. [21] Rafael Image . 武漢理工大學畢業(yè)設計（論文） 38 致謝 本此畢業(yè)設計是在我的指導老師黃朝兵教授的指導下，歷時數(shù)月完成的