【正文】 %將圖像數(shù)據(jù)寫入到圖像文件中 figure(8),subplot(3,2,5),imshow(d),title(39。... se=eye(2)。square39。,3)。)。 %換成雙精度數(shù)值 g_min=double(min(min(b)))。 %讀取圖 片文件中的數(shù)據(jù) b=rgb2gray(a)。39。行方向合理區(qū)域 39。 while ((Blue_x(1,PX2)3)amp。 end IY=I(PY1:PY2,:,:)。%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。title(39。 %構(gòu)造結(jié)構(gòu)元素，以長(zhǎng)方形構(gòu)造一個(gè) se I4=imclose(I3,se)。 I3=imerode(I2,se)。both39。)。 figure(1),imshow(I)。使我心靈的天平永遠(yuǎn)傾向執(zhí)著奮斗。實(shí)驗(yàn)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(jiǎn)化了二值化處理過程，提高了后續(xù)處 理的速度。 總之，盡管目前牌照字符的識(shí)別率還不理想，但是只要在分割出的字符的大小、位置的歸一化，以及嘗試提取分類識(shí)別能力更好的特征值和設(shè)計(jì)分類器等環(huán)節(jié)上再完善，進(jìn)一步提高識(shí)別率是完全可行的。其難點(diǎn)在于噪聲合字符粘連，斷裂對(duì)字符的影響，因此必須先將定位后的車牌進(jìn)一步處理。本文采用的是車牌顏色與數(shù)學(xué)形態(tài)學(xué)相結(jié)合的定位方法。 由于攝像部分多工作于開放性的戶外環(huán)境下，再加之車輛牌照的自然光照條件、拍攝時(shí)攝像機(jī)、整潔度與牌照的角度和距離以及車輛行駛速度等因素的影響，牌照?qǐng)D像可能出現(xiàn)歪斜、缺損和模糊等嚴(yán)重缺陷，因此需要對(duì)原始的圖像進(jìn)行識(shí)別前的預(yù)處理。所以建立字符模板庫(kù)也極為方便。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 [16]。當(dāng) 在字符切割時(shí) ,往往都是由于閾值取得不完善 ， 導(dǎo)致字符切割的不準(zhǔn)確 。 也就是將這 256 個(gè)亮度等級(jí)的灰度圖像通過一個(gè)適當(dāng)值的選取，從而獲得依舊可以反映圖像局部和整體特征的二值化圖像 [13]。處理過程圖如圖36腐蝕后的圖像， 圖 37平滑圖像的輪廓，圖 38從對(duì)象中移除小對(duì)象后圖像所示。車牌的定位和分割是從經(jīng)過圖像預(yù)處理后的灰度圖像中確定牌照位置，并將車牌部分從整個(gè)圖像中分割出來(lái)，從而進(jìn)行字符識(shí)別。,39?；叶葓D 39。39。因此，在對(duì)汽車牌照進(jìn)行定位的時(shí)候及字符識(shí)別之前需要先對(duì)車輛的圖像進(jìn)行邊緣檢測(cè)處理，從而提高圖像的質(zhì)量，以便于后面的識(shí)別和分割。 當(dāng)將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像時(shí) ， 就現(xiàn)在而言用的比較多的灰度化方法為平均值法 ， 公式為 ： H=++[11] 在公式中， H 表示灰度圖中的亮度值 ； R 代表彩色圖像中紅色分量值 ； G 則代表 色彩圖像中綠色分量值 ； B 是 代表彩色圖像中藍(lán)色分量值 。所以 說 對(duì)與尺寸為m*n的一個(gè)彩色圖像來(lái)說 ， 存儲(chǔ) m*n*3的多維數(shù)組 [10]。 車牌定位和車牌分割是整個(gè)系統(tǒng)的關(guān)鍵，其作用是在經(jīng)圖像預(yù) 處理后的灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個(gè)圖象中分割出來(lái)，供字符識(shí)別子系統(tǒng)識(shí)別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識(shí)別系統(tǒng)的識(shí)別率。輸出結(jié)果：輸出識(shí)別結(jié)果，并進(jìn)行數(shù)據(jù)存儲(chǔ)。綜上所述，這些處理均是圖像預(yù)處理的工作。在 LPR 系統(tǒng)產(chǎn)品的性能指標(biāo)中，識(shí)別速度和識(shí)別率難以同時(shí)提高的原因是有圖像處理技術(shù)不夠成熟，和受到計(jì)算機(jī)攝像設(shè)備等性能因素的限制。 MATLAB 包含兩個(gè)部分 ：各種可選和核心部分的工具箱。例如 ， 在 MATLAB 里 ， 用戶無(wú)需對(duì)矩陣預(yù)定義就可使用。以下簡(jiǎn)單介紹一下 MATLAB 的主要特點(diǎn) [8]： （ 1） 語(yǔ)言簡(jiǎn)潔緊湊 ， 使用方便靈活 ， 庫(kù)函數(shù)極其豐富。 在工業(yè)部門和設(shè)計(jì)研究單位 ， MATLAB 都被認(rèn)作為進(jìn)行高效開發(fā)、研究的首選的軟件工具。而車牌識(shí)別系統(tǒng)就通過對(duì)機(jī)動(dòng)車輛的照片進(jìn)行圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等技術(shù)手段，從而得到清晰的機(jī)動(dòng)車牌照的照片，從而提高現(xiàn)代智能交通的管理效率，可以說車牌識(shí)別系統(tǒng)對(duì)于現(xiàn)代智能交通至關(guān)重要。 (4)對(duì)運(yùn)營(yíng)管理、安全檢查、養(yǎng)路費(fèi)交納，這些情況實(shí)行不停車檢查。 其存在的市場(chǎng)價(jià)值是非常大的 ， 有足夠大的能量 的社會(huì)效益和經(jīng)濟(jì)效益。 此外，還有兩種特別的科技被用在車牌的識(shí)別中，無(wú)線射頻技術(shù)和條形碼識(shí)別技術(shù)。所以對(duì)字符識(shí)別的進(jìn)一步研究也需要同時(shí)具有必要性和緊迫性。國(guó)外的相關(guān)研究有： (1)J Barroso 提出基于掃描的行高頻分析的方法； (2) . 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 4 Lancaster 提出的類字符分析的方法等 [5]。根據(jù)實(shí)際情況可以得出，許多學(xué)者開始在鑒于車牌圖像的本身特征基礎(chǔ)上研究車牌的定位技術(shù)，并且先后提出了些有效的定位方法，以減小由于種種主、客觀因素而對(duì)車牌定位準(zhǔn)確 度的影響 [4]。 在圖像應(yīng)用和研究中 ,人們僅僅對(duì)圖像的某些部分感到興趣。在美國(guó)、歐洲、日本等這些發(fā)達(dá)國(guó)家的帶動(dòng)下，世界各國(guó)也都開始簡(jiǎn)歷智能交通系統(tǒng)。 智能交通的系統(tǒng)中，車 牌自動(dòng)識(shí)別系統(tǒng)是一個(gè)非常重要的發(fā)展方向。分割采用和車牌定位是利用的數(shù)學(xué)形態(tài)法來(lái) 確定車牌的位置，然后利用車牌彩色信息彩色的分割法來(lái)完成車牌部位的分割。車牌識(shí)別系統(tǒng)中主要包括了五大核心部分，分別是圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等。智能的交通系統(tǒng)，就是在當(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)是一項(xiàng)科學(xué)技術(shù)含量很高的，并且具有多種技術(shù)結(jié)合的產(chǎn)品，主要有數(shù)字圖像處理、計(jì)算機(jī)視 覺、模式識(shí)別、數(shù)字視頻處理等技術(shù)組成。 改善圖像的質(zhì)量是圖像增強(qiáng)的主要目的。車牌識(shí)別系統(tǒng)是把獲取的車輛圖像來(lái)進(jìn)浙江萬(wàn)里學(xué)院本科畢業(yè)論文 3 行一系列的分析處理之后，并以字符串的形式得出輸出結(jié)果，所以不但數(shù)據(jù)量變小，易于存儲(chǔ)，操作更容易，得出車牌識(shí)別系統(tǒng)便捷絕對(duì)是人工車牌識(shí)別所不能媲美的，它包含著很大的經(jīng)濟(jì)價(jià)值和發(fā)展前景，因此車牌識(shí)別技術(shù)的研究是非常有的必要的。到現(xiàn)在為止，在眾多的車牌自動(dòng)識(shí)別系統(tǒng)中還沒有一個(gè)可以完全達(dá)到理想的效果，所以對(duì)車牌識(shí)別技術(shù)的研究意義重大。因而進(jìn)一步加深車牌定位的研究是必要的。所以根據(jù)數(shù)字而言，有七個(gè)字位的，但是也存在有九位數(shù)字的武警車 ，還有軍車、前兩位字符上下排列的等，這樣對(duì)車牌識(shí)別系統(tǒng)的要求要變的很高?，F(xiàn)代交通飛速的發(fā)展和車牌識(shí)別系統(tǒng)的應(yīng)用范圍不斷的加寬，這樣人們對(duì)車牌識(shí)別系統(tǒng)就提出了更嚴(yán)格的要求。該系統(tǒng)能夠統(tǒng)計(jì)和測(cè)量許多 交通流指標(biāo)的參數(shù)，如總行程時(shí)間，總的流入量流出量，總的服務(wù)流率，日車流量，車型及車流組成，車流高峰時(shí)間段，小時(shí) /分鐘車流量，車輛密度，平均車速等。這為發(fā)現(xiàn)、追蹤和防范涉及車輛的犯罪，保護(hù)車輛的安全有著重大作用，保障城市治安及交通安全。 Mathcad 是因?yàn)樘峁┝宋淖痔幚?、?jì)算、圖形的統(tǒng)一環(huán)境中而深受中學(xué)生歡迎。 MATLAB 的最為突出的一個(gè)特點(diǎn)就是簡(jiǎn)潔。由于 MATLAB 是用 C 語(yǔ)言編寫的 ， MATLAB 提供了和 C 語(yǔ)言幾乎一樣多的運(yùn)算符 ， 靈活使用 MATLAB 的運(yùn)算符將使程序變得極為簡(jiǎn)短。 （ 7） MATLAB 也是有缺點(diǎn)的，它與其他的高級(jí)程序相比較 ， 程序的執(zhí)行速度很慢。而學(xué)科性工具箱是專業(yè)性比較強(qiáng)的 ， 如control、 toolbox、 signal processing toolbox、 munication toolbox 等。 圖像采集：該單元是指道路上安裝的攝像頭在檢測(cè)到有車輛通過的同時(shí)進(jìn)行拍照并借助網(wǎng)絡(luò)傳送到汽車自動(dòng)識(shí)別系統(tǒng)。系統(tǒng)并不能直接識(shí)別被分離出的車牌區(qū)域圖像，還需要將車牌上的任何一個(gè)字符都要完整的獨(dú)立的分割出來(lái)，就是說從車牌區(qū)域中圖像上將車牌里所包含的任意字符都切分出來(lái)，將他們變成沒有任何相關(guān)性的獨(dú)立字符圖像，之后由系統(tǒng)對(duì)每個(gè)字符進(jìn)行分開識(shí)別，在切分字符時(shí)，需注意保證所有字符的準(zhǔn)確完整度。字符識(shí)別部分可以分為特征提取與單個(gè)字符識(shí)別和字符分割兩個(gè)模塊。并且每個(gè)所知分量有 255種值可取 ，所以說 這樣任意的像素點(diǎn)可以有 1600多萬(wàn)的顏色的變化。而彩色轉(zhuǎn)變?yōu)榛叶鹊倪^程就叫做灰度化處理。 在 MATLAB 中我們可以調(diào)用 im2gray 函數(shù)對(duì)圖像來(lái)進(jìn)行灰度化處理。 Roberts 算子是一種 比較 最簡(jiǎn)單的算子，是一種利用局部差分算子尋找邊緣的算子，他采用對(duì)角線方向相鄰兩象素之差近似梯度幅值檢測(cè)邊緣。) I1=rgb2gray(I)。)。robert 算子邊緣檢測(cè) 39。本文采用的是用數(shù)學(xué)形態(tài)學(xué)來(lái)進(jìn)行圖像處理和模式識(shí)別。 圖 39車牌對(duì)位的圖像 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 19 對(duì)定位后的彩色車牌的進(jìn)一步處理 定位后車牌圖像是彩色的，會(huì)占用較大的存儲(chǔ)空間，加重計(jì)算機(jī)負(fù)擔(dān)。 圖 310 車牌的進(jìn)一步處理 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 20 字符分割與歸一化 圖 311 字符分割和歸一化流程圖 字符分割 在汽車牌照自動(dòng)識(shí)別的過程中，字符分割有著承前啟后的作用。 圖 313 字符歸一化后的圖像 字符的識(shí)別 字符的識(shí)別目前用于車牌字符識(shí)別 (OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡(luò)的 OCR算法。 圖 314 字符識(shí)別流程圖 字符識(shí)別采用 相減的方法，對(duì)所分割出來(lái)的字符與模板中字符進(jìn)行匹配，找出最大相似度的字符進(jìn)行輸出。 圖 315 識(shí)別結(jié)果 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 24 4 實(shí)驗(yàn)結(jié)果和分析 本文以 為實(shí)驗(yàn)平臺(tái)，以攝取的彩色車牌照片為對(duì)象進(jìn)行實(shí)驗(yàn)。圖像中的車輛牌照是具有比較明顯特征的一塊圖像區(qū)域，這個(gè)特征表現(xiàn)在于近似與水平的矩形區(qū)域內(nèi)，其中的字符串全部是按水平方向排列的；在整體圖像中的位置較為固定。最后還用了 bwareaopen來(lái)去除對(duì)象中不相干的小對(duì)象。把每一幅相減后的圖的 0 值個(gè)數(shù)保存，然后找數(shù)值最大的，即為識(shí)別出來(lái)的結(jié) 果。 本文對(duì)車牌識(shí)別系統(tǒng)的軟件部分進(jìn)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(shí)別等方面進(jìn)行了系統(tǒng)的分析。 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 27 致 謝 大學(xué)的學(xué)習(xí)生活即將結(jié)束，在此，我要感謝所有曾經(jīng)教導(dǎo)過我的老師和關(guān)心過我的同學(xué)，他們?cè)谖页砷L(zhǎng)過程中給予了我很大的幫助。 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 28 參考文獻(xiàn) [1]吳斌 .車牌識(shí)別系統(tǒng)的研究 [D].大連：大連理工大學(xué) ,2021 [2]王立強(qiáng) .車牌自動(dòng)識(shí)別技術(shù)的算法與實(shí)踐 [J].河北 ：廊坊師范學(xué)院學(xué)報(bào)（自然科學(xué)版） 2021 [3]郭燕斌 .應(yīng)用于公路收費(fèi)站系統(tǒng)的車牌識(shí)別 [D].成都：電子科技大學(xué)， 2021 [4]丁芝娟 .基于圖 像處理的車牌識(shí)別系統(tǒng)設(shè)計(jì)與應(yīng)用 [D].長(zhǎng)安： 長(zhǎng)安大學(xué)， 2021 [5]肖啟 .高速鐵路 CFG 樁復(fù)合地基的沉降特性研究 [D].成都： 航西南交通大學(xué)2， 010 [6]董然 .基于 J2ME 的車牌識(shí)別系統(tǒng)的研究 [D].山西 ：太原理工大學(xué)， 2021 [7]龔小兵 .基于 BP 神經(jīng)網(wǎng)絡(luò)的車輛牌照自動(dòng)識(shí)別系統(tǒng)的研究 [D].武漢：武漢理工大學(xué)， 2021 [8]張光輝 .矩形截面復(fù)合材料夾芯薄壁桿件的解耦分析與求解 [D].重慶 :重慶交通大學(xué)， 2021 [9]仝瑞金 .封閉截面復(fù)合材料夾芯薄壁桿件的數(shù)值方法研究 [D].重慶：重慶交通大 學(xué)， 2021 [10]孫先波 .基于邏輯規(guī)則的智能交通信號(hào)控制系統(tǒng)研究 [D] .武漢：武漢理工大學(xué)， 2021 [11]徐建閩，賀敬凱．車型與車牌自動(dòng)識(shí)別技術(shù)分析．交通與計(jì)算機(jī)． 2021， 20(2)：711 [12]王廣宇．車輛牌照識(shí)別系統(tǒng)綜述．鄭州輕工業(yè)學(xué)院學(xué)報(bào) (自然科學(xué)報(bào) )． 2021，16(2): 4750. [13]劉肅平，陳強(qiáng)．?dāng)?shù)字圖像處理技術(shù)在車牌識(shí)別中的應(yīng)用．計(jì)算機(jī)與現(xiàn)代化． 2021(8)： 119121 [14] Srivastava, Deepesh Kumar. Vehicular Number Plate Recognition using Edge Detection and Characteristic Analysis of National Number Plates [J]． International Journal of Computer Applications, 2021, 45(24). [15]ShyangLih, Chang Automatic license plate recognition [J]. IEE