【正文】 Color39。%取誤差的最小值 findc=find（ Error1==MinError） 。 SamBw2 = imread（ fname） 。 kmax=36。 end SegBw1=sbw（ rowtop:rowbot,cleft:cright） 。 l=1。:39。.jpg39。Color39。 cleft=n2maxwidth。%查找最大值，即為最大字符寬度 %Step11 提取分割字符 ,并變換為 22行 ?14列標(biāo)準(zhǔn)子圖 l=1。 for k=1:n1 markcol3（ k） =markcol（ k+1） markcol1（ k+1） 。 end count1=0。%求垂直投影的平均值 mincol=min（ histcol） 。 %輸出垂直投影圖像 title（ [39。 sbw2=sbw（ rowtop:rowbot,:） 。 subplot（ 2,1,2） ,imshow（ sbw） 。 subplot（ 2,1,2） ,bar（ histrow） 。） 。%輸出車牌旋轉(zhuǎn)后的灰度圖像 title（ [39。%旋轉(zhuǎn)圖像 figure,subplot（ 2,1,1） ,imshow（ subcol） 。,39。,ydata39。 end end if ysite ~=0 k1=1。 k1=1。 l=0。%谷寬度（下降點至下一個上升點） l=l+1。%輸出二值圖 %對水平投影進行峰谷分析 meanrow=mean（ histrow） 。%輸出水平投影 figure,subplot（ 2,1,1） ,bar（ histrow） 。 %計算水平投影 figure,subplot（ 2,1,1） ,bar（ histcol1） 。） 。%車牌高 rato=width/hight。 hight25 amp。title（ 39。%[x y width height]車牌框架大小 RGB = label2rgb（ L, 39。） 。圖像開運算 [5,19]39。title（ 39。） %用 canny算子識別強度圖像中的邊界 figure,imshow（ grd） 。%獲得最佳閾值 bw22=im2bw（ Egray,level） 。%輸出背景圖像 %用原始圖像與背景圖像作減法，增強圖像 Egray=imsubtract（ Sgray,Bgray） 。 %Step2 圖像預(yù)處理 對 Sgray 原始黑白圖像進行開操作得到圖像背景 s=strel（ 39。） 。以前老是覺得自己什么東西都 不 會，什么東西都 不 懂， 而且又急于求成，結(jié)果造成什么都沒學(xué)好，還是什么都不會 。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。這里 采取的線性擬合的方法 ,計算出車牌上邊或下邊圖像值為 1 的點擬合直線與水平 X 軸的夾角。腐蝕是一種消除邊界點的過程，結(jié)果是使目標(biāo)縮小，孔洞增大，因而可有效的消除孤立噪聲點；膨脹是將與目標(biāo)物體接觸的 所有背景點合并到物體中的過程，結(jié)果是使目標(biāo)增大，孔洞縮小，可填補目標(biāo)物體中的空洞，形成連通域。 閾值處理的操作過程是先由用戶指定或通過算法生成一個閾值，如果圖像中某中像素的灰度值小于該閾值，則將該像素的灰度值設(shè)置為 0 或 255，否則灰度值設(shè)置為 255 或 0。主要應(yīng)用的為模板匹配方法。 實現(xiàn)功能 1）對圖像進行預(yù)處理，增加圖像的對比度； 2）根據(jù)圖像的顏色對車牌區(qū)域定位 3）對圖像進行旋轉(zhuǎn)、二值化操作，并進行水平投影操作，根據(jù)直方圖峰值和谷值對字符進行分割； 4）可采用模板匹配方法，對數(shù)字和字母進行識別，并輸出識別后的結(jié)果。這也為交通誘導(dǎo)系統(tǒng)提供必要的交通流信息。這種方式可以通過程序?qū)崿F(xiàn) 24小時工作，而且此過程保密性好，不會提醒黑名單車輛的死機。 車輛牌照識別技術(shù)推出以來，人們就對其進行了廣泛的研究。 車牌定位與字符識別技術(shù)是基于計算機圖像處理、模式識別等技術(shù)為基礎(chǔ)，通過對原圖像的處理，以及邊緣檢測技術(shù)實現(xiàn)對車牌的定位，然后對車牌圖像處理、歸一化處理、分割以及保存，最后進行分割圖像與模板庫的模板進行匹配，最后輸出匹配結(jié)果。車牌識別是對采集的車牌圖像進行灰度變換、邊緣檢測、腐蝕以及平滑處理，最后在取得的大對 像 中移除小對 像 ，由此提出了一種基于車牌紋理特征的車牌定位算法，最終實現(xiàn)對車牌的定位。 車牌識別技術(shù) (Vehicle License Plate Recognition， VLPR) 是指能夠檢測到受監(jiān)控路面的車輛并自動提取車輛牌照信息進行處理的技術(shù)。 2 車牌識別系統(tǒng)分 析 車牌識別現(xiàn)狀分析 模式識別 [1]是一門以應(yīng)用為基礎(chǔ)的學(xué)科，目的是將對 像 進行分類，這些對 像 與應(yīng)用領(lǐng)域有關(guān)，他們可以是圖像，信號波形或者是任何可測量且需要分類的對像，在機器視覺中，模式識別是非常重要的，機器視覺系統(tǒng)通過照相機捕捉圖像，然后通過分析生成圖像的描述信息。根據(jù)漢字的投影直方圖（ ProjectionHIStogram），選取浮動閡值，進行量化處理后，形成一個變長鏈碼，再用動態(tài)規(guī)劃法，求出與標(biāo)準(zhǔn)模式鏈碼的最小距離，實現(xiàn)細(xì)分 類，完成漢字省名的自動識別。將其傳送至相關(guān)部門，從而對其下發(fā)處罰通知書，實現(xiàn)對其處罰。 在交通管理過程中，通常采用視頻監(jiān)控方式對闖紅燈和超速等違章車輛進行監(jiān)督。 由于拍攝時的光照條件、牌照的整潔程度的影響，和攝像機的焦距調(diào)整、鏡頭的光學(xué)畸變所產(chǎn)生的噪聲都會不同程度地造成牌照字符的邊界模糊、細(xì)節(jié)不清、筆劃斷開或粗細(xì)不均，加上牌照上的污斑等缺陷，致使字符提取困難，進而影響字符識別的準(zhǔn)確性。進行區(qū)域特征參數(shù)比較，提取車牌區(qū)域 6） 計算車牌水平投影，并對水平投影進行峰谷分析 7） 計算車牌旋轉(zhuǎn)角度 8） 旋轉(zhuǎn)車牌后重新計算車牌水平投影，去掉車牌水平邊框，獲取字符高度 9） 計算車牌垂直投影，去掉車牌垂直邊框，獲取車牌及字符平均寬度 10） 計算車牌上每個字符中心位置，計算最大字符寬度 11） 提取分割字符 ,并變換為 22 行 ?14 列標(biāo)準(zhǔn)子圖 7 程序結(jié)果顯示 Step1 獲取圖像 裝入待處理彩色圖像并顯示原始 黑白 圖像 圖 11 原始彩色圖像 圖 12 原始黑白圖像 Step2 圖像預(yù)處理 對原始黑白圖像進行開操作得到圖像背景 圖 21 原始黑白圖像 圖 22 背景圖像 圖 23 增強黑白圖像 （原始黑白圖像與背景圖像相減） Step3 取得最佳閾值，將圖像二值化 二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像?？梢酝ㄟ^求梯度局部最大值對應(yīng)的點，并認(rèn)定為邊緣點，去除非局部最大值，可以檢測出精確的邊緣。 圖 51 圖像彩色標(biāo)記 2)計算 出包含所標(biāo)記的區(qū)域的最小寬和高，并根據(jù)先驗知識，比較誰的寬高比更接近實際車牌寬高比，將更接近的提取并顯示出來 。 結(jié)果圖 顯示結(jié)果為：除漢字外的字符 BB88888 8 結(jié)果總結(jié)及分析 實驗對車牌識別系統(tǒng)的軟件部分進行了研究，分別從圖像預(yù)處理、車牌定位、字符分割以及字符識別等方面進行了系統(tǒng)的分析。切割出來的數(shù)據(jù)要與數(shù)據(jù)庫的數(shù)據(jù)作比較，所以數(shù)據(jù)庫的數(shù)據(jù)尤為重要。 close all。%figure命令同時顯示兩幅圖 figure,imshow（ Sgray） ,title（ 39。title（ 39。%輸出黑白圖像 %Step3 取得最佳閾值，將圖像二值化 fmax1=double（ max（ max（ Egray））） 。） 。rectangle39。,[5,19]）） 。%取矩形框的開運算 figure,imshow（ bg2） 。） 。shuffle39。%框架寬度的計算 hight=BoundingBox（（ l1） *4+4） 。%開始列 startrow=BoundingBox（（ l1） *4+2） 2。%獲取車牌灰度子圖 figure,subplot（ 2,1,1） ,imshow（ subcol1） 。%輸出車牌的二值圖 %Step6 計算車牌水平投影，并對水平投影進行峰谷分析