【正文】 一切即將結束，一切又即將開始。大學里四年的光陰似是一閃而過，卻成就了我人生的蛻變與轉折?！狈?，標明原模塊是定義時規(guī)定的端口名，`include ． /clkgen． v ∥時鐘生成器`include ． /alu． v ∥ALU 運算器∥…alualu0( ． o_alu_z( zbus) ， i_alu_x( xbus) ，． i_alu_y( ybus) ) ∥模塊端口連接即可實現括號中的連接信號與被引用模塊的端口相對應。 i + + )r_alu_opc［i］ = 0。對于類的成員函數可通過域區(qū)分符在類體外進行定義，不過事先需要在類體內進行聲明，然后將類定義作為頭文件。以運算器ALU 模塊中的簡化程序為例，對實現Verilog 和C ++ 程序的編寫方式加以說明。若某一模塊有3 種不同類型的接口input_ in、output_ out 和inout_ io，輸入口_ in和輸出口_ out 屬于單向口，可由相應的連接端持續(xù)賦值即可。由于兩者執(zhí)行結構的不同，如在處理非阻塞賦值語句的時候，則需要考慮兩種語言的語句執(zhí)行情況，以保證兩者語義的一致性。 Verilog 與C ++ 的對比分析在設計的過程中需要對兩種語言做必要的對比分析，以使Verilog 和C ++ 能夠更好的相互配合，保證所設計的邏輯電路具有描述的一致性。為此，C ++ 在類中提供了三種數據類型: 公有數據( public data ) 、私有數據( private data ) 和受保護型數據( protecteddata)。從系統設計( 虛擬機) 入手，用C ++ 來搭建所需要的系統模型。 sign) 。 longitude_decimal, amp。 SetCursor ( : : LoadCursor( NU LL, IDC_CROS S) ) 。車牌提取、字符分割和字符識別部分由計算機或DSP處理器組成，可以完成對車牌的識別。提出的算法均已在軟件平臺上正確實現，并使用大量從各種不同環(huán)境下的具采集有代表性的車輛圖像作為算法測試數據源對算法進行測試，研究了車牌自動識別系統是一個以微處理器為核心，基于圖像處理、模式識別、神經網絡等技術的高度智能的電子系統，主要由攝像頭、視頻采集接口、輔助照明裝置、計算機和識別軟件組成。作者首先使用Sobel邊緣檢測算子，并根據經驗和合理的推理選取閾值對圖像進行二值化，然后利用形態(tài)學的閉運算和開運算，對二值圖像進行處理，通過膨脹將鄰近的邊緣凝聚成一個連通的整體，用某個形狀的結構對圖像進行腐蝕，濾除細碎的邊緣，然后對圖像進行進一步聚類，并根據相關準則進行篩選，得到車牌區(qū)域。膨脹是將與目標物體接觸的所有背景點合并到物體中的過程，結果是使目標增大，孔洞縮小，可填補目標物體中的空洞，形成連通域。然后對橫向分割出來的車牌子圖像應用一個縱向的邊界抽取模板作運算，再作縱向累加直方圖并平滑，這樣得到直方圖的許多峰，最后對這些峰的寬度進行從小到大的排序，應用相應的規(guī)則來確定車牌所處的位置。下面介紹幾種具有代表性的方法。車牌定位作為車牌處理流程的前端步驟，具有相當重要的作用，定位的好壞將直接影響到車牌識別的有效性和準確率。后一種算法的特點是首先計算二值化閾值把車牌灰度圖像轉化為二值圖像；然后，用快速區(qū)域標號算法對車牌二值圖像進行連通性分析得到字符的候選區(qū)域；接著，從車牌二值化圖像中定位出大間隔的位置；然后，結合車牌大間隔的位置特征修正和補齊字符區(qū)域，得到最終的字符區(qū)域。有統計表明，車牌圖像面積的20%~30%是字符區(qū)域，其余的是車牌的底色區(qū)域。前一個算法的特點是采用水平定位和豎直定位相結合，首先采用高帽變換突出了車牌區(qū)域，實現了車牌的水平定位；然后通過小波變換對車牌區(qū)域進行特征提取，實現了車牌的豎直定位；最后根據得到的車牌水平位置和豎直位置信息，從原始圖像中提取出車牌。其次，圖像的亮度不同。車牌自動識別系統的軟件部分包括車牌提取、字符分割和字符識別等三個算法，即從背景復雜的含有車牌的圖像中提取出車牌圖像，然后對提取的車牌圖像進行必要的預處理、分離出單個字符，接著提取字符的特征并與標準字符進行比對，得到待識別車牌的車牌號碼，并與車牌數據庫進行連接以便確定該車輛的狀態(tài)。圖像采集的工作過程是：首先在攝像機前方檢測點設置一傳感器，當汽車通過檢測點時，傳感器向主機發(fā)出信號，系統即自動攝下車輛的圖像，并將圖像輸入計算機。計算機內的軟件模塊從輸入圖像中找到牌照的位置，對牌照作字符分割，得到各個字符的點陣數據。本人主要完成的工作包括：（1）車牌定位算法。（2）在顏色組合方面，汽車牌照的底色和字符顏色通常是對比度較強的兩種顏色。目前車牌自動識別技術大量應用智能園區(qū)的障礙是識別率的提高和經濟成本的降低。通常用于電子警察系統、道路監(jiān)控系統。通常用于高速公路卡口專用車道。車輛牌照識別是計算機視覺與模式識別技術在智能交通領域應用的重要研究課題之一。因此對圖像采集裝置部分進行精心的設計和研究，可以得到魯棒性較強的車牌識別系統，但這樣卻導致了大量硬件的使用和系統復雜化，也增加了系統成本。為了解決好車牌自動識別過程中的處理速度這個“瓶頸”問題，使用計算機分布式結構進行處理是一種可行的選擇方案，但實施起來難度較大。到目前為止，國內外的許多專家和學者對車牌自動識別技術進行了廣泛的研究，先后提出了許多新的、快速的算法，并不斷對其進行改進。綜上所述，車牌識別技術是未來交通領域必不可少的技術，現在進行車牌識別技術的研究和應用開發(fā)是具有相當的理論價值和現實意義的。那么，準確無誤的車牌識別，對于確定車輛身份，建立相應的數據庫管理系統起到至關重要的作用。搭建了一個基于c/c++語言的算法演示平臺，該平臺集成了我們算法研究的結果，以及一些通用的數學算法，該平臺是完全開放的，可以自由在其基礎上增加新的算法并可方便的觀察算法結果。日益擁堵的城市交通需要更先進、更有效的交通管理、控制。研究了兩種車牌定位方法，分別是基于高帽變換和小波變換的車牌定位方法與基于投影法和數學形態(tài)學的車牌定位方法。本章首先就本課題提出的背景和意義進行一個闡述；隨后比較詳細的介紹本文涉及的車牌識別技術在國內外的現狀和特點；然后介紹車牌識別技術的應用情況，接著介紹中國汽車牌照的基本特點；然后回顧了本人在課題中所完成的工作；最后對本文的基本結構作了一個說明。如今市場上已經出現了一些車牌識別系統，它們在系統規(guī)定的條件和環(huán)境下車牌的識別效果比較良好，但一旦條件發(fā)生比較大的變化，或者在一些比較特殊的環(huán)境下，比如說霧天、雨天和晚上等拍攝圖像質量較差的環(huán)境下，這些系統出現識別率迅速下降和拒識等等一系列問題，系統的通用性比較差。雖然近年來也先后出現了一些實際應用，但受到一些因素的限制一直未能推廣開來。還有就是基于邊緣檢測的方法。然而，對于車牌識別系統而言，以上的算法都是針對圖像后期處理，對整個系統的性能并不起決定性作用。車牌自動識別系統（LPR）是ITS的一個非常重要的發(fā)展方向，它在交通控制與監(jiān)視中有多種應用，比如可以對車輛進行自動登記、驗證、監(jiān)視、報警，其應用場合包括：高速公路，橋梁，隧道等收費管理系統；城市交通車輛管理，電子警察，海關邊境交通監(jiān)控；智能小區(qū)、智能停車場管理；車牌驗證，車流統計，移動和車載系統等等。目前車牌識別系統的適用領域主要包括一下幾個方面：（1）高速公路收費、監(jiān)控管理的應用車輛的自動放行：此項功能針對如特種車輛（如軍車、警車）、預交費車輛（如辦理月、年繳費卡）以及其他授權免費通行的車輛。只要將其車牌資料輸入數據庫，系統就會處于自動檢測狀態(tài)，24小時不停地對所有經過車輛自動進行識別、比較、處理；尤其可以使用于城市機動車輛的檔案管理工作、特殊的交通管理工作。（3）智能小區(qū)、智能停車場管理的應用車牌自動識別技術作為車輛識別的先進技術手段，在智能園區(qū)中可用于以下幾個方面：車輛出、入園識別：園區(qū)的業(yè)主入住時，將自己的汽車進行登記，其車牌信息將記錄在計算機數據庫中。X3 X4 X5 X6 X7這個格式排列，但是有一些特殊類型的車牌略有差別。如圖11所示：目前國內汽車牌照主要有六種類型：（1）大型民用汽車所用的黃底黑字牌照；（2）小型民用汽車所用的藍底白字牌照；（3）軍隊或武警專用汽車的白底紅字、黑字牌照；（4）使、領館等外籍汽車的黑底白字牌照；（5）試車和臨時牌照的白底紅字，且數字前分別有“試”和“臨時”字標志；（6）汽車補用牌照是白底黑字。車牌自動識別系統是一個以微處理器為核心，基于圖像處理、模式識別、神經網絡等技術的高度智能的電子系統，主要由攝像頭、視頻采集接口、輔助照明裝置、計算機和識別軟件組成。車牌提取、字符分割和字符識別部分由計算機或DSP處理器組成，可以完成對車牌的識別。（2）圖像處理部分主要涉及數字圖像的處理過程，一般使用嵌入式的硬件系統，比如說可以采用DSP處理器來集成系統，這樣的系統安裝和使用比較方便，應用范圍更廣。由于從攝像機前端得到的原始圖像是從不同的環(huán)境和針對不同的車輛拍下的，因此在質量上有相當大的差別。它的成功與否直接影響到后續(xù)的步驟，并最終使我們系統的速度和識別率受到影響。之所以要歸一化，是因為有的車牌圖像的大小各異，我們必須把它們轉化為統一大小的車牌；還有就是車牌原先的顏色搭配不同，有的車牌是黃底黑字，轉換為灰度圖像過后字符的灰度值比車牌預處理定位字符的位置分割字符車牌圖像字符圖像車牌背景的灰度值要小，而有的車牌是藍底白字，轉換為灰度圖像過后就是字符亮而背景比較暗。即使車牌上字符出現一定的粘連，但是一般來說還是可以找到一個或者多個沒有粘連的字符的。在這一章，我們將介紹兩種車牌定位的算法，分別是基于高帽變換和小波變換的車牌提取方法與基于投影法和數學形態(tài)學的車牌提取方法。車牌自身具有很多的固有特征，這些特征對于不同的國家是不同的。如前文所述，盡管車牌圖像的背景較為復雜，可能包含了行人、建筑和其他車輛等干擾因素，但車牌區(qū)域具有較為穩(wěn)定的特征，即存在若干各等高且水平排列的字符，字符色和牌照底色的灰度值存在明顯的跳變，車牌區(qū)域存在豐富的邊緣特征，因此被廣泛應用于車牌的定位研究中。根據車牌區(qū)域的特征設計了一個處理函數，使用該函數對原始圖像進行處理后，突出圖像中的豎直邊緣，并適當調節(jié)參數，使車牌區(qū)域的特征得以放大，在此基礎上提取車牌的位置。這種算法考慮了車牌的傾斜角度，能夠有效的確定文字區(qū)域。同時，采用在實際環(huán)境中采集到的360幅圖像對這兩種車牌定位算法進行實驗，實驗結果證明這兩種車牌定位算法是十分有效的。一個典型的車牌自動識別系統通常由車輛檢測、圖像采集、車牌提取、字符分割和字符識別等部分組成，其中，車輛檢測模塊一般使用地感線圈，它可以檢測當前是否有車輛通過。: SetCur