【正文】 end dd=rightleft。amp。 top=1。 end 46 else word=qiege(imcrop(d,[1 1 wide m]))。 end temp=qiege(imcrop(d,[1 1 wide m]))。flag=0。 end figure(11),imshow(dw),title ([39。 end end end Error(k2)=Dmax。F:\字符模板 \39。)。 %建立自動(dòng)識(shí)別字符代碼表 SubBw2=zeros(40,20)。939。39。)。 imwrite(word1,39。539。)。 word5=imresize(word5,[40 20])。 subplot(5,7,7),imshow(word7),title(39。439。)。 41 end end % 分割出第二個(gè)字符 [word2,d]=getword(d)。 else temp=qiege(imcrop(d,[1 1 wide m]))。flag=0。amp。 [m,n]=size(d)。 if bwarea(d)/m/n= d=imerode(d,se)。 % 使用一個(gè) 3X3 的正方形結(jié)果元素對(duì)象對(duì)創(chuàng)建的圖像進(jìn) 行膨脹 % 39。 imwrite(d,39。subplot(3,2,2),imshow(d),title(39。 g_min=double(min(min(b)))。 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,:,:)。%Y 方向車牌區(qū)域確定 PY1=MaxY。title(39。,[25,25])。1]。,39。灰度圖 39。F: 車牌圖片 .jpg39。另外，對(duì)候選區(qū)的搜索時(shí)，按單一法則進(jìn)行搜索，當(dāng)車牌傾斜角稍大，就會(huì)出現(xiàn)誤定位，最終導(dǎo)致識(shí)別錯(cuò)誤，因此，在以后的學(xué)習(xí)和工作中還需進(jìn)一步改進(jìn)。最簡單的計(jì)算絕對(duì)差值的公式如下： ? ?? ? ?? Nm Nn ji nmTnmSjiD 1 1 , ),(),(),( （ ） 在字符比較標(biāo)準(zhǔn)時(shí)，模板匹配法對(duì)字符圖像的缺損、污跡有較強(qiáng)的免疫力，而且具有較大的識(shí)別率；但是，在字符旋轉(zhuǎn)、變形的等情況下，識(shí)別效果較差。顯然，字符識(shí)別模塊也要具有較高的處理速度和效率，滿足實(shí)時(shí)性的要求 [16]。這三個(gè)部分所使用的漢字都有相應(yīng)的規(guī)定：地區(qū)簡稱部分使用一個(gè)代表省?。ㄊ?、自治區(qū) ）簡稱的漢字；發(fā)牌機(jī)關(guān)代號(hào)部分使用大寫英文字母；編碼部分混合使用大寫英文字母和數(shù)字。 字符識(shí)別技術(shù)將字符圖像轉(zhuǎn)換為字符碼，它是模式識(shí)別技術(shù)應(yīng)用最成功的分支之一。字符的特征可以分為結(jié)構(gòu)特征和統(tǒng)計(jì)特征 [15]構(gòu)特征主要有骨架、輪廓、筆畫等。 該方法，較好地解決了，漢字的不連通問題、字符的粘連問題、噪聲的干擾問題以及車牌的前 2個(gè)字符和后面 5個(gè)字符之間存在的小圓點(diǎn)問題，雖然程序的執(zhí)行時(shí)間較水平投影法長，但實(shí)踐證明還是行之有效的。為了克服水平投影法對(duì)解決漢字不連通問題的不足，本文將該列與字符分割的起始列作差，其差值再與另一固定閾值（本文設(shè)定為車牌圖像寬度的九分之一）作比較。 （ 1）脫色、泥點(diǎn)、反光等原因使車牌圖像質(zhì)量下降，存在嚴(yán)重噪聲。 26 圖 車牌定位 3． 2 本章小結(jié) 本章主要討論了車牌定位的相關(guān)問題。 (3) 開運(yùn)算和閉運(yùn)算 此外，數(shù)學(xué)形態(tài)學(xué)中還有開運(yùn)算和閉運(yùn)算，這兩種運(yùn)算實(shí)際上是膨脹和腐蝕的組合運(yùn)算。 在二值化圖像分析中，數(shù)學(xué)形態(tài)學(xué)方法具有明顯的優(yōu)勢(shì)。然后，對(duì) ),( yxg 在水平方向上做直方圖投影，一般情況下在直方圖中會(huì)有一個(gè)被兩個(gè)波谷包圍的一個(gè)波峰區(qū)域，此區(qū)域擁有直方圖上的最大峰值且占據(jù)了直方圖的 24 大部分寬度，判定此波峰區(qū)域?yàn)檐嚺频乃骄ㄎ粎^(qū)域。然后，再對(duì)得到的行區(qū)域進(jìn)行列掃描，同樣可以大致確定車牌的開始列和結(jié)束列。 23 其跳變特征在很大程度上標(biāo)示了車牌的位置信息。 3． 1 常用的車牌定位算法 車輛牌照的定位問題是在復(fù)雜背景下的圖像分割和目標(biāo)提取問題。 21 圖 reborts 算子的邊緣檢測 22 2． 5 本章小 結(jié) 本章主要介紹了車牌識(shí)別系統(tǒng)中所要用到的相關(guān)的圖像預(yù)處理技術(shù)。 Canny 算法按照以下步驟對(duì)圖像進(jìn)行處理： (1)用高斯濾波器平滑圖像 高斯函數(shù)的一階微分是對(duì)理想濾波器的很好近似。 18 圖 車牌二值化圖像 2． 4 邊緣檢測 邊緣是指圖像灰度發(fā)生劇烈變化的邊界，它是圖像分割的基礎(chǔ) [7]。如在一幅 RGB 圖像中，如果圖像中每一個(gè)像素的 R、 G、 B 分量都相等，即 R=G=B，則該圖像將會(huì)表現(xiàn)出灰度圖像的特征。這就導(dǎo)致在對(duì)彩色圖像進(jìn)行圖像處理時(shí)，會(huì)占用更多的存儲(chǔ)空間，并且會(huì)極大的降低系統(tǒng)的處理速度。上述所說的這些在展開識(shí)別過程以前，為了弱化、甚至消除對(duì)識(shí)別結(jié)果不利的因素，而采取的對(duì)車牌圖像的前期處理工作，被稱之為車牌圖像的預(yù)處理過程。車牌識(shí)別系統(tǒng)的結(jié)構(gòu)如圖 所示 。然而現(xiàn)代化交通系統(tǒng)不斷提高的快節(jié)奏，將對(duì)車牌定位的準(zhǔn)確率和實(shí)時(shí)性提出更高的要求。字符的提取是復(fù)雜背景下目標(biāo)提取問題，在復(fù)雜的背景中字符區(qū)域往往只占圖像的小部分。文章中對(duì) 90 張相片進(jìn)行了測試，結(jié)果表明，基于模板匹配的車牌識(shí)別方法的整體識(shí)別率為約 60%，證明該方法是有效的，可行的。)。 x=whx (:,1)。 圖 數(shù)據(jù)采集系統(tǒng)原理框圖 A/D卡的采集、存儲(chǔ)和顯示程序 A/D卡的采集的基本原理： 運(yùn)行時(shí)的數(shù)據(jù)并送給 PC機(jī)，通過運(yùn)行在 PC機(jī)上的特定軟件對(duì)這些數(shù)據(jù)進(jìn)行分析，以此判斷當(dāng)前運(yùn)行設(shè)備的狀況，進(jìn)而采取相應(yīng)措施。另外提供 4 路脈沖信號(hào)的測量 ,信號(hào)輸入幅度也是177。 由于 PCI 總線只有 133MB/s 的帶寬，對(duì)聲卡、網(wǎng)卡、視頻卡等絕大多數(shù)輸入/輸出 設(shè)備顯得綽綽有余，但對(duì)性能日益強(qiáng)大的顯卡則無法滿足其需求。隨著對(duì)更高性能的要求， 1993 年又提出了 64bit 的 PCI總線，后來又提出把 PCI 總線的頻率提升到 66MHz。目前廣泛采用的是 32bit、33MHz 的 PCI 總線， 64bit 的 PCI 插槽更多是應(yīng)用于服務(wù)器產(chǎn)品。 Intel在 20xx 年春季的 IDF 上，正式公布了旨在取代 PCI 總線的第三代 I/O 技術(shù)，該規(guī)范由 Intel 支持的 AWG(Arapahoe Working Group)負(fù)責(zé)制定。 10 V ,輸入信號(hào)頻率≤ 5 MHz ,比較電平為 1 V。當(dāng)前常用的數(shù)據(jù)采集裝置，在其系統(tǒng)軟件設(shè)計(jì)中，多采用單任務(wù)順序機(jī)制。 y=whx (:,2)。 title(39。 關(guān)鍵詞 ： 汽車牌照，圖像處理 ，字符識(shí)別，模板匹配 11 Number and Character Recognition of License Plate Based on the Part of Image Processing Abstract Vehicle License Plate Recognition plays an important role in Automatic Recognition System, which has promising future in the intelligent transportation systems. Vehicle License Plate Automatic Recgnition is one of important research subjects of Image Dealing and the important parts of the research on intelligence of transportation management and implementation. Vehicle License Plate Automatic Recognition mostly includes four important parts. These are preprocess, Vehicle License Location, Character Segmentation and Character Recognition. This paper is about the recognition of the located Vehicle License Plate based on the part of image processing. We use the match template method,through AD algorithm to determine the similarity between the plate characters and template characters, to recognize plate license characters from the plex background image. 90 images were tested and the results show that the integral recognition rate is 60% and the method is accurate and fast. Key Words: Vehicle License, Charater Recognition, Image Processing, Match Template 12 1 引言 1． 1 車牌識(shí)別技術(shù)的研究背景 車牌是識(shí)別技術(shù) [1]是計(jì)算機(jī)視覺和模式識(shí)別技術(shù)在現(xiàn)代智能交通系統(tǒng)中的一項(xiàng)重要的研究課題，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。由于背景的復(fù)雜性，背景紋理及顏色的復(fù)雜不確定性，這些問題給提取字符區(qū)域帶來較大困難。因而進(jìn)一步加深車牌定位的研究是非常必要的。 圖 車牌識(shí)別系統(tǒng)結(jié)構(gòu)圖 預(yù)處理 車牌定位 字符切割 字符識(shí)別 14 1． 5 論文內(nèi)容安排 本文共分為六章。 在車牌識(shí)別領(lǐng)域，圖像的 預(yù)處理過程主要包括的內(nèi)容有圖像的灰度化處理、圖像二值化、邊緣檢測以及圖像平滑等等。其在速度上的影響對(duì)于車牌識(shí)別系統(tǒng)的實(shí)時(shí)性要求來說，是絕對(duì)不可容忍的。因此，圖像的灰度化問題就轉(zhuǎn)化為如何調(diào)整彩色圖像中像素的三個(gè)分量，使得 R=G=B 的問題。邊緣檢測是數(shù)字圖像處理和計(jì)算機(jī)視覺中的基本問題，其目的是標(biāo)識(shí)數(shù)字圖像中亮度變化明顯的點(diǎn)。用一維高斯函數(shù)： )2(2 222 1 ??? xeG ?? () 構(gòu)造高斯濾波器，分別按行和列對(duì)原始圖像 ),( yxf 進(jìn)行卷積操作，得到平滑圖像 ),( yxg 。在車牌識(shí)別系統(tǒng)中，車牌圖像的預(yù)處理是其基礎(chǔ)。在實(shí)際的應(yīng)用中，由于所獲取的車牌圖像的信噪比不高，圖像有可能會(huì)出現(xiàn)傾斜等情況，二值化后的圖像更是會(huì)出現(xiàn)字符的斷裂、變形等。因此，可基于車牌 邊緣圖像的統(tǒng)計(jì)特征進(jìn)行車牌的識(shí)別，即車牌識(shí)別的統(tǒng)計(jì)直方圖方法。由此就完成了對(duì)車牌的粗定位。 對(duì)垂直方向的精定位過程和水平精定位相似，同樣需要對(duì)粗定位圖像作垂直方向上的差分直方圖投影。 (1) 膨脹運(yùn)算 膨脹運(yùn)算就是擴(kuò)張物體的邊界，將與物體接觸的所有背景點(diǎn)也合并到物體中，使得邊界向外部擴(kuò)充。對(duì)于二值化圖像 A 和結(jié)構(gòu)元素 B 來說， A 在 B 下的開運(yùn)算可以記為BA? ，其定義是： BBABA ??? )(? （ ） 即 A 在 B 下的開運(yùn)算是 B 先對(duì) A 進(jìn)行腐蝕運(yùn)算，結(jié)果再進(jìn)行膨脹運(yùn)算。車輛牌照的自動(dòng)定位是車牌識(shí)別系統(tǒng)中的關(guān)鍵環(huán)節(jié)，車牌定位的成功與否直接決定了車輛牌照能否實(shí)現(xiàn)。 （ 2）邊框和鉚釘容易造成分割不準(zhǔn)確。若大于閾值， 則說明第一個(gè)字符分割結(jié)束。如下圖 、 。在字符識(shí)別中，骨架特征在字符的結(jié)構(gòu)特征中占有重要地位，它還可以進(jìn)一步分為字符的特征點(diǎn)、端點(diǎn)、交叉點(diǎn)、轉(zhuǎn)折點(diǎn)等。其基本思想是：從包含字符的模式樣本的點(diǎn)陣圖形中提取出描述該字符的特征，然后根據(jù)一定的判決規(guī)則，判定該樣本所屬的模式類別。因此，整體字符集又可以細(xì)化為漢字集、字母集和字母數(shù)字集。 5． 3 基于模板匹配的字符識(shí)別算法 模板匹配法 [17]是模式識(shí)別領(lǐng)域最典型的算法之一，它先在待測圖像中提取出若干特征，再用這些特征與標(biāo)準(zhǔn)模板中的相應(yīng)特征進(jìn)行比對(duì)，利用一定的判決規(guī)則判定待測模板的分類。 圖 32 5． 4 實(shí)驗(yàn)分析 本章是在車牌已分割 好的字符的基礎(chǔ)上，采用模板匹配法進(jìn)行字符識(shí)別。 6 設(shè) 計(jì)評(píng)述