【正文】 right=1right=right1。endwhile sum(d(bottom,:))==0 amp。 % （qiege子程序）function e=qiege(d)[m,n]=size(d)。flag=1。 wide=n2 wide=wide+1。%子程序：（getword子程序）function [word,result]=getword(d)word=[]。 l=l+1。 for k1=1:32 for l1=1:16 if ( SubBw2(k1,l1) 0 | SubBw2(k1,l1) 0 ) Dmax=Dmax+1。字符模板\39。： 這個(gè)參數(shù),是默認(rèn)的， 即改變圖像尺寸時(shí)采用最近鄰插值算法 SegBw2=double(SegBw2)20。%轉(zhuǎn)換為串 t=imread([ii 39。:39。魯陜蘇渝京39。039。)。imwrite(word3,39。739。)。subplot(3,7,9),imshow(word2),title(39。 %對(duì)圖像做縮放處理，高40，寬20word3=imresize(word3,[40 20])。)。figure(12),imshow(word4),title(39。139。d=qiege(d)。 d=qiege(d)。y2=。 while s(j)~=0 amp。 %切割[m,n]=size(d)。其中m中存儲(chǔ)的是行數(shù)，n中存儲(chǔ)的是列數(shù)if bwarea(d)/m/n= %計(jì)算二值圖像中對(duì)象的總面積 d=imerode(d,se)。line39。39。39。 %返回矩陣b的尺寸信息， 并存儲(chǔ)在m、n中。)。)。定位剪切后的彩色車牌圖像39。 end %end縱向掃描 PX1=PX12。 end end end PX1=1。(PY11)) PY1=PY11。[y,x,z]=size(I5)。title(39。腐蝕后圖像39。title(39?；叶葓D直方圖39。)。讓我們用科學(xué)知識(shí)來(lái)武裝自己的頭腦，用高科技技術(shù)來(lái)描繪未來(lái)的憧憬和期盼。 本設(shè)計(jì)雖然只對(duì)藍(lán)底白字車牌進(jìn)行分割識(shí)別，對(duì)黑底白字車牌原則上整個(gè)算法可直接適用，對(duì)白底黑字車牌、黃底黑字車牌，需要對(duì)車牌定位算法進(jìn)行調(diào)整，并將圖像反轉(zhuǎn)，而車牌字符的分割算法仍然行之有效。從開(kāi)始的收費(fèi)輔助系統(tǒng)演變過(guò)來(lái)的車牌識(shí)別技術(shù)現(xiàn)在運(yùn)用的領(lǐng)域是越來(lái)越廣。為滿足下一步字符識(shí)別的需要，將分割后的字符歸一化。本文中對(duì)圖像進(jìn)行了腐蝕、平滑處理，腐蝕和平滑都具有濾波的作用，腐蝕是對(duì)圖像內(nèi)部做濾波處理，平滑是對(duì)噪聲進(jìn)行濾波。在本文中根據(jù)采集到的圖像本身的特點(diǎn)，對(duì)它進(jìn)行了灰度化的處理。其他模板設(shè)計(jì)的方法與此相同。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類。 字符分割后的圖像 由于數(shù)碼相機(jī)拍攝的汽車圖像大小不一樣， 所以得到的牌照上的字符大小就不一樣，為了便于字符的識(shí)別，需要對(duì)字符進(jìn)行歸一化處理。濾波則是為了除去圖像噪聲。 平滑圖像的輪廓 車牌字符分割是車牌自動(dòng)識(shí)別系統(tǒng)中的重要步驟，這一模塊的正確性受到很多因素的影響，最大問(wèn)題是二值化不徹底使投影圖像中字符間的波谷不夠分明；其次，車牌污損、反光、光照不均等原因使車牌圖像交差，存在大量噪聲；再次，車牌邊框和鉚釘也會(huì)造成分割不正確；還有車牌的前兩個(gè)字符和后面五個(gè)字符之間的間隔符（小圓點(diǎn)）對(duì)字符識(shí)別有影響；車牌旋轉(zhuǎn)對(duì)水平分割有較大影響。所以我們要對(duì)照片進(jìn)行車牌定位和分割。robert39。title(39?；叶然瓦吘墮z測(cè)的MATLAB程序如下：I=imread(39。 在MATLAB中我們可以調(diào)用im2gray函數(shù)對(duì)圖像進(jìn)行灰度化處理。由彩色轉(zhuǎn)換為灰度的過(guò)程叫做灰度化處理。而每個(gè)分量有255種值可取，這樣一個(gè)像素點(diǎn)可以有,1600多萬(wàn)（255*255*255）的顏色的變化范圍。字符識(shí)別部分可以分為字符分割與特征提取和單個(gè)字符識(shí)別兩個(gè)模塊。被分離出的車牌區(qū)域圖像，系統(tǒng)并不能直接對(duì)其進(jìn)行識(shí)別，還需要將車牌上的每一個(gè)字符都獨(dú)立的完整的分割出來(lái)，即從車牌區(qū)域圖像中將車牌上所包含的每一個(gè)字符都切分出來(lái)，使其成為不具有任何相關(guān)性的單個(gè)字符圖像，再由系統(tǒng)分別對(duì)每個(gè)字符進(jìn)行識(shí)別，在對(duì)字符進(jìn)行切分時(shí)，要注意保證每個(gè)字符的完整度。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(guò)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)。這些工具箱都是由該領(lǐng)域內(nèi)的學(xué)術(shù)水平很高的專家編寫的，所以用戶無(wú)需編寫自己學(xué)科范圍內(nèi)的基礎(chǔ)程序，而直接進(jìn)行高、精、尖的研究。由于MATLAB的程序不用編譯等預(yù)處理，也不生成可執(zhí)行文件，程序?yàn)榻忉寛?zhí)行，所以速度較慢。（3）MATLAB既具有結(jié)構(gòu)化的控制語(yǔ)句（如for循環(huán)、while循環(huán)、break語(yǔ)句和if語(yǔ)句），又有面向?qū)ο缶幊痰奶匦?。MATLAB用更直觀的、符合人們思維習(xí)慣的代碼，代替了C和FORTRAN語(yǔ)言的冗長(zhǎng)代碼。 國(guó)際學(xué)術(shù)界，MATLAB 已經(jīng)被確認(rèn)為準(zhǔn)確、可靠的科學(xué)計(jì)算標(biāo)準(zhǔn)軟件。 車牌自動(dòng)識(shí)別系統(tǒng)擁有廣闊的應(yīng)用前景，但若在每個(gè)街口都裝配一套全新的車輛探測(cè)器的硬件系統(tǒng)則投資巨大，所以急需一個(gè)純軟件實(shí)行的車牌自動(dòng)識(shí)別系統(tǒng)來(lái)最大限度的減少費(fèi)用，而純軟件的設(shè)計(jì)，不僅投資小而且靈活性高，適合我國(guó)的國(guó)情。該系統(tǒng)能夠測(cè)量和統(tǒng)計(jì)很多交通流指標(biāo)參數(shù)，如總的服務(wù)流率，總行程時(shí)間，總的流入量流出量，車型及車流組成，日車流量，小時(shí)/分鐘車流量，車流高峰時(shí)間段，平均車速，車輛密度等?，F(xiàn)代交通的飛速發(fā)展以及車牌識(shí)別系統(tǒng)應(yīng)用范圍的日益拓寬給車牌識(shí)別系統(tǒng)提出了更高的要求。就位數(shù)而言，有七位數(shù)字的，有武警車九位數(shù)字的，有軍車、前兩位字符上下排列的等，所以也造成了處理的難度。因而進(jìn)一步加深車牌定位的研究是非常必要的。到目前為止，在眾多的車牌自動(dòng)識(shí)別方法中還沒(méi)有一個(gè)可以達(dá)到理想的效果，因此對(duì)車牌識(shí)別技術(shù)的研究意義重大。車牌識(shí)別系統(tǒng)將獲取的車輛圖像進(jìn)行一系列的處理后，以字符串的形式輸出結(jié)果，這樣不但數(shù)據(jù)量小，便于存儲(chǔ)，操作起來(lái)也更容易，因此車牌識(shí)別系統(tǒng)的便捷性是人工車牌識(shí)別所不能比擬的，它蘊(yùn)藏著很大的經(jīng)濟(jì)價(jià)值和發(fā)展空間，對(duì)車牌識(shí)別技術(shù)的研究是非常有的意義的。采用某些處理技術(shù)來(lái)突出圖像中的某些信息,削弱或消除某些無(wú)關(guān)信息,從而有目的地強(qiáng)調(diào)圖像的整體或局部特征，讓觀察者能看到更加直接、清晰的分析和處理圖像。也是智能交通系統(tǒng)的核心技術(shù)，產(chǎn)生于60年代。其目標(biāo)在于將現(xiàn)金的計(jì)算機(jī)處理技術(shù)、數(shù)據(jù)通信技術(shù)、自動(dòng)控制技術(shù)等綜合應(yīng)用于地面交通管理體系，從而建立起一種高效、準(zhǔn)確、實(shí)時(shí)的交通管理系統(tǒng)。公路交通基礎(chǔ)建設(shè)的不斷發(fā)展和車輛管理體制的不斷完善，為以視覺(jué)監(jiān)控為基礎(chǔ)的智能交通系統(tǒng)的實(shí)際應(yīng)用打下了良好基礎(chǔ)。在80年代，由于城市交通問(wèn)題日益嚴(yán)重，美國(guó)和歐洲許多國(guó)家投入了大量的人力和物力，建立了自動(dòng)化高速公路網(wǎng)，安裝了攝像、雷達(dá)探測(cè)系統(tǒng)和光纖網(wǎng)絡(luò)，簡(jiǎn)歷智能交通系統(tǒng)。直方圖修正、灰度變換、強(qiáng)化圖像輪廓等都是常用的手段。在車牌識(shí)別系統(tǒng)中最為重要的兩個(gè)技術(shù)是車牌定位和車牌字符識(shí)別，這兩個(gè)技術(shù)的好壞直接影響到整個(gè)車牌識(shí)別系統(tǒng)的實(shí)時(shí)性和準(zhǔn)確性。 國(guó)內(nèi)外的發(fā)展?fàn)顩r從20世紀(jì)90年代初，國(guó)外就已經(jīng)開(kāi)始了對(duì)汽車牌照自動(dòng)識(shí)別的研究，其主要途徑就是對(duì)車牌的圖像進(jìn)行分析，自動(dòng)提取車牌信息，確定汽車牌號(hào)。 車牌字符識(shí)別是在車牌準(zhǔn)確定位的基礎(chǔ)上，對(duì)車牌上的漢字、字母、數(shù)字進(jìn)行有效確認(rèn)的過(guò)程，其中漢字識(shí)別是一個(gè)難點(diǎn)，許多國(guó)外的LPR系統(tǒng)也往往是因?yàn)闈h字難以識(shí)別而無(wú)法打入中國(guó)市場(chǎng)，因而探尋好的方法解決字符的識(shí)別也是至關(guān)重要的。 國(guó)內(nèi)做得較好的產(chǎn)品主要是中科院自動(dòng)化研究所漢王公司的“漢王眼”，此外國(guó)內(nèi)的亞洲視覺(jué)科技有限公司、深圳市吉通電子有限公司、中智交通電子系統(tǒng)有限公司等都有自己的產(chǎn)品，另外西安交通大學(xué)的圖像處理與識(shí)別研究室、上海交通大學(xué)的計(jì)算機(jī)科學(xué)與工程系、清華大學(xué)、浙江大學(xué)等都做過(guò)類似的研究。因此，研究高速、準(zhǔn)確的定位與識(shí)別算法是當(dāng)前的主要任務(wù)，而圖像處理技術(shù)的發(fā)展與攝像設(shè)備、計(jì)算機(jī)性能的提高都會(huì)促進(jìn)車牌識(shí)別技術(shù)的發(fā)展，提高車牌識(shí)別系統(tǒng)的性能。這也為交通誘導(dǎo)系統(tǒng)提供必要的交通流信息。 設(shè)計(jì)原理車牌識(shí)別系統(tǒng)的攝像頭通過(guò)對(duì)經(jīng)過(guò)指定區(qū)域的機(jī)動(dòng)車輛進(jìn)行拍照，因?yàn)檎掌瑫?huì)受到光照、拍攝位置和車輛行駛速度的影響，導(dǎo)致拍攝的圖片不能準(zhǔn)確的確定汽車的車牌。在許多國(guó)際一流學(xué)術(shù)刊物上，（尤其是信息科學(xué)刊物），都可以看到 MATLAB 的應(yīng)用。MATLAB給用戶帶來(lái)的是最直觀、最簡(jiǎn)潔的程序開(kāi)發(fā)環(huán)境。（4）語(yǔ)法限制不嚴(yán)格，程序設(shè)計(jì)自由度大。 （8）功能強(qiáng)勁的工具箱是MATLAB的另一重大特色。下表列出了MATLAB的核心部分及其工具箱等產(chǎn)品系列的主要應(yīng)用領(lǐng)域。圖像預(yù)處理：該單元是指車牌識(shí)別系統(tǒng)對(duì)拍攝的汽車圖片進(jìn)行灰度化和邊緣檢測(cè)等處理。字符識(shí)別：車牌字符識(shí)別是最為關(guān)鍵的一步，前面對(duì)車牌圖像所做的處理都是為了完成最終的識(shí)別。字符識(shí)別部分要求照片清晰，但由于該系統(tǒng)的攝像頭長(zhǎng)時(shí)間在室外工作，加上光照條件、攝像頭角度和距離、車輛自身?xiàng)l件以及車輛的行駛速度的影響，想拍出較理想的圖片很困難。而灰度圖像是R、G、B三個(gè)分量相同的一種特殊的彩色圖像，每一個(gè)像素點(diǎn)的變化范圍為255種，所以在數(shù)字圖像處理種一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像以使后續(xù)的圖像的計(jì)算量變得少一些?；叶葓D像就是只有強(qiáng)度信息而沒(méi)有顏色信息的圖像，存儲(chǔ)灰度圖像只需要一個(gè)數(shù)據(jù)矩陣，矩陣每個(gè)元素表示對(duì)應(yīng)位置像素的灰度值。： 邊緣是指圖像灰度發(fā)生空間突變或者在梯度方向上發(fā)生突變的像素的集合。39。灰度圖39。,39。車牌的定位和分割是從經(jīng)過(guò)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。本文車牌部分的分割采用的是利用車牌彩色信息的彩色分割法。濾波方法有多種，本文采取的濾波方法為均值濾波。歸一化處理的目的就是使車牌字符同標(biāo)準(zhǔn)模塊里面的字符特征一樣。然而，通常情況下用于匹配的圖象各自的成像條件存在差異，產(chǎn)生較大的噪聲干擾，或圖象經(jīng)預(yù)處理和規(guī)格化處理后，使得圖象的灰度或像素點(diǎn)的位置發(fā)生改變。 首先取字符模板，接著依次取待識(shí)別字符與模板進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。因?yàn)椴噬珗D像包含著大量的顏色信息，不但在存儲(chǔ)上開(kāi)銷很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度，因此將彩色圖像轉(zhuǎn)化為灰度圖像，以縮短處理速度。這樣可以把字符與字符之間的雜色點(diǎn)去除，只有白色的字符和黑色的背景存在，這樣有利于的字符分割進(jìn)行。 最后將分割出來(lái)的字符運(yùn)用模板匹配的方法與模板字符進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。它在車輛過(guò)路、過(guò)橋全自動(dòng)不停車收費(fèi)，交通流量控制指標(biāo)的測(cè)量，車輛自動(dòng)識(shí)別，高速公路上的事故自動(dòng)測(cè)報(bào)，不停車檢查，車輛定位，汽車防盜，稽查和追蹤車輛違規(guī)、違法行為，維護(hù)交通安全和城市治安，防止交通堵塞，提高收費(fèi)路橋的服務(wù)速度，緩解交通緊張狀況等方面有重要作用，有重要的現(xiàn)實(shí)應(yīng)用意義。 因此，本設(shè)計(jì)提出的車牌字符的分割算法實(shí)驗(yàn)證明是準(zhǔn)確、有效、可行的。再此感謝我的老師和同學(xué)。I1=rgb2gray(I)。)。robert算子邊緣檢測(cè)39。)。平滑圖像的輪廓39。 %返回I5各維的尺寸，并存儲(chǔ)在變量y、x、z中myI=double(I5)。 end PY2=MaxY。