【正文】 數(shù)在任一方向上的導(dǎo)數(shù)與圖像的卷積的原理， 是先平滑后 求卷積 。在我國，車牌主要有下列特征： (1)車牌有一個連續(xù)或由于磨損而不連續(xù)的邊框 。 基于彩色分割的定位方法 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 25 此車牌 定位方法主要是對彩色圖像進行操作的，主要采用的是多層感知器對彩色圖像進行定位。 (4)在找到 車牌底后，對于黑白值改變的次數(shù) toptest 的行，確定車牌上邊界。 (5) 如果 AreaCount28*height,再計算左邊界右邊的 2 個字符區(qū)域的 黑白跳變次數(shù) 賦給 temparray,如果 temparray7*plateheight， 則左邊界定位錯誤，重置標(biāo)志為 leftflag=0，繼續(xù)尋找左邊界。amp。本文前述的傾斜校正及二值化工作為車牌字符分割工作的順利進行打下堅實的基礎(chǔ)。 (3)根據(jù) 字符先驗知識進行分割校正 根據(jù)第 (2)步的結(jié)果，若字符區(qū)域個數(shù) Tempwordcount7， 表示 字符區(qū)域需要合并。amp。 (3)字符結(jié)構(gòu)變形導(dǎo)致變成團狀，字符缺失，斷裂 。它的研究的對象是基元，就像文章中的字、詞、短語和句子，這些構(gòu)成了一遍文章，所以在這里我們研究的是字符的組成結(jié)構(gòu)，這種方法也被 稱為句法模式識 別，這種識別方法容易識別變化的字符和 區(qū)分相似的字符。因為太大，模板匹配所需時間就長，太小，包含的有用信息就會減少，表達的內(nèi)容就不夠完整。 車牌識別系統(tǒng)的測試 本次設(shè)計的 車牌識別系統(tǒng)是一個 比較完整的軟件系統(tǒng)，是一個可以被運用于實際生活中的軟件系統(tǒng)，系統(tǒng)設(shè)計完成后 ， 對界面效果，各個模塊 ，軟件性能各個方面 進行了詳細的檢測，并根據(jù)檢測結(jié)果做出相應(yīng)的完善與修改，最終，軟件系統(tǒng)能夠 正常運行 ，功能能夠基本實現(xiàn)。但是在測試中，會發(fā)現(xiàn)有些功能是不完善或是有必要修正的。 模塊功能測試 模塊功能測試，就是為了檢查在模塊中有沒有不能實現(xiàn)或?qū)崿F(xiàn)有問題的功能，或是運行是否穩(wěn)定以及能否反復(fù)使用。軟件測試在軟件最終形成過程中占有重要的地位，任何軟件必須通過測試，才能去發(fā)現(xiàn)錯誤，才能去更正錯誤，軟件測試者的主要工作是找出軟件的缺陷，然后軟件設(shè)計者根據(jù)測試 的結(jié)果做出相應(yīng)的改進，直至滿足軟件消費者的需求。模板匹配法包括以下 創(chuàng)建字符模板 、 字符匹配 兩 大步驟 ，簡述如下： 創(chuàng)建字符模板 匹配模板用來比對從車牌分割出來的字符圖像。但也存在比較明顯的缺點，如果 模式比較復(fù)雜 ，則提取模式的特征比較困難，而且只注重局南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 33 部，忽略整體，因此，只適合模式簡單的目標(biāo)。 本次設(shè)計是車牌識別系統(tǒng)，主要 識別的 是汽車牌照上的字符，由于眾多客觀條件的制約導(dǎo)致字符識別率比較低，例如： (1)圖像質(zhì)量差， 分辨率太低 。amp。 的 規(guī) 格， 首先算出 車牌中第二個和第三個字符之間的圓點分割符的位置 ， 用 i 表示車牌二值圖像的列， [i1,i2]表示圓點分割符 所在字符之間的區(qū)域 ， i1 為左邊界， i2 為右邊界，將 i1 到 i2 列之間的圖像區(qū)域像素點全部設(shè)為 0，這樣就去掉了圓點分割符。 本系統(tǒng) 采用的分割方法是利用灰度差來完成的，即利用 目標(biāo)和背景之間的灰度差實現(xiàn) 分割的。amp。這樣就確定了一個臨時右邊界。 (2)將 掃描每行時的黑白值改變的次數(shù)賦給 count[i],i 為 行號 ，變量bottomflag 作為 車牌下邊界是否找到 的標(biāo)志 。檢測的 算子比較多，如前文介紹的 Roberts 邊緣算子、 Log算子、 Sobel 算子以及拉普拉斯 算子 。sobel39。 這種方法的特點既平滑了圖像又降低了噪聲， 濾除了許多 噪聲點和較 小的組織 結(jié)構(gòu) 。 45637210],[aaaajiaaaa 圖 41 Sobel 算子鄰域像素點 圖示 拉普拉斯算子 階躍邊緣二階 導(dǎo)數(shù)經(jīng)過平滑可以使其在邊緣點的取值為零。 那么在眾多的邊緣算子 中 如何選擇是本系統(tǒng)研究的一個重點，下面將對 各種 算子進行比較和論證。一階微分圖像的峰處就是圖像的邊緣點，同樣的由導(dǎo)數(shù)相關(guān)知識可知， 邊緣點存在于 二階微分圖像的零點處。 邊緣檢測 邊緣檢測概述 邊緣是圖像分析的 重要依據(jù)， 是圖像局部亮度變化最顯著的部 分，是物體邊緣分界的地方， 是由于圖像局部特征的間斷性而產(chǎn)生的。subplot(3,3,3)。記 )(kp 為灰度值 取 k 的頻率，則有： ??? kjifMNkp ),( 11)( (314) 假設(shè)用 灰度 值 t 為閾值分割出 的對象與背景 分別為： }),({ tjif ? 和}),({ tjif ? ，于是對象部分比例： ???? ti ipt 00 )()(? ， (315) 對象部分點數(shù)： 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 16 ???? ti ipMNtN 00 )( )( (316) 背景部分比例： ????? 11 )()( mit ipt? (317) 背景部分點數(shù)： ????? 11 )()( mit iPMNtN (318) 對象均值： ???? ti tiipt 0 00 )(/)()( ?? (319) 背景均值： ? ???? 1 11 )(/)()( mit tiipt ?? (320) 總均值： )()()()( 1100 tttt ????? ?? (321) 運用 大津法 求取 最佳閾值 g 的公式為： ]))(()())(()([ 2112020mt0 ?????? ???? ?? ttttM axA r gg (322) 其中 )(0t? 表示對象 值 ， )(1t? 為對應(yīng)的 概率， )(1t? 表示 背景值， )(0t? 為其對應(yīng)的 概率， ?為總均值，根據(jù)方差的定義即得 式 322。 Otsu 提出了最大類間方差法 (有時也稱之為大津法 )，該算法是通過方差最大化 來分割圖像的，假設(shè)閾值將圖像分割成對象和背景兩部分，因為 方差是灰度分布均勻性的一種度量，如果構(gòu)成 圖像的兩部分差別越大，那么 方差值越大，圖像的分割效果越好，如果差別越小，圖像分割效果越差 。 圖像二值變換的原理是通過確定恰當(dāng)?shù)?閾值來分割對象與背景，并且要確保變換后的圖像不丟失原來圖像的形狀信息，不產(chǎn)生額外的空缺。如 S 為 3X3 鄰域，點 (m,n)位于 S 中 心，則 ? ? ?? ???? ??? 1 11 1 ),(91, ji jnimfyxf (38) (2)中值濾波 法 由于鄰域平均法會使圖像中的細節(jié)變得模糊，而中值濾波不僅能消除噪聲還會防止細節(jié)變的模糊 ，中值濾波是一種非線性濾波， 簡單的說就是取所有像素的中間值，圖像濾波后所得到的結(jié)果即為圖像中所有像素灰度的中值 ，它是通過減少圖像中某一鄰域內(nèi)的 像素灰度值 的 差 別來實現(xiàn)濾波的。 在 [0,1]的區(qū)間任意取一個 r 值， 都對應(yīng)著一個 s 值，且 s=T(r)， T(r)為變換函數(shù)。 g(x,y)=T[f(x,y)] (34) 圖 33 灰度拉伸 曲線 式 (34)中 f(x,y)為點 (x,y)的灰度 ， T 為映射函數(shù)， g(x,y)為變換后的灰度。 (a) 車輛 RGB 彩色圖像 (b) 車輛灰度圖 圖 32 汽車灰度化前后圖像 車輛圖像增強 由于各種客觀因素的作用，例如光照、天氣、拍照設(shè)備等影響導(dǎo)致車輛圖像的質(zhì)量比較低，為了得到更好的處理效果，往往首先對圖像進行圖像增強，即 將圖 像轉(zhuǎn)換成更易被處理的形式，以便從圖像中獲取更有用的信息 ，圖像增強技術(shù)廣泛的應(yīng)用于圖像處理領(lǐng)域。一般先將各種圖像轉(zhuǎn)變成灰度圖像， 然后進行圖像處理， 因為灰度圖像是一種特殊的彩色圖像，它的 R、 G、 B 三個分量是完全一樣的，每一個像素點的變化范圍就減少為 255 種，這樣，圖像處理的計算量就變得比較少，從而節(jié)省處理時間和處理成本。 色調(diào) 表示顏色，顏色按波長可以分為紅橙黃綠青藍紫。 (5)GUI 界面設(shè)計如圖 21 所示。本系統(tǒng) 主 要包括車牌灰度化、圖像增強、邊緣檢測、車牌定位、 車牌預(yù)處理、 分割車牌、字符分割、字符識別等部分，其 主要結(jié)構(gòu)圖如圖 12 所示。 MATLAB 圖像處理工具箱簡介 MATLAB 中的 Image Processing Toolbox?（圖像處理工具箱） ， 提供 許多的圖形工具和標(biāo)準圖像處理函數(shù)，主要 用于進行圖 像分析、 識別、 可視化 等處理，本文中的圖像處理方法均是參照 MATLAB 中標(biāo)準圖像處理函數(shù)而設(shè)計和編寫程序的，因此得到較好的圖像處理效果。第一部分是 系統(tǒng)界面 的實現(xiàn)，主要介紹 了 系統(tǒng)界面 的功能和作用，以及本系統(tǒng) 的 界面。 車牌識別系統(tǒng)設(shè)計運用 了許許多多的知識， 但核心均是基于 圖像處理方面的相關(guān)原理對車牌圖像進行相應(yīng)的處理，處理過程主要包 括灰度化、圖像增強、二值化、邊緣檢測、圖像分割、 圖像對比等部分。 由于 我國車牌種類多，并且是由漢字 、 英文字母和數(shù)字組成， 這 給自動識別 系統(tǒng)的設(shè)計 帶來較大的難度。識別 系統(tǒng) 處理過程主要包括 獲取車輛源圖像、圖像 灰度化、圖像增強 去噪 、邊緣檢測、 車牌定位、車牌圖像預(yù)處理、車牌字符分割、字符識別 等部分 ，其中 車牌定位和字符識別 部分 是整個系統(tǒng) 設(shè)計 的核心和難點。 車牌識別系統(tǒng)的出現(xiàn)能夠更無人化、數(shù)字化、智能化、 網(wǎng)絡(luò)化的對車輛進行管理。第四部分是車牌字符的分割與識別，分別介紹了字符分割和識別的原理及方法，是本系統(tǒng) 的最終實現(xiàn)結(jié)果。 圖像處理 工具箱 提供用于圖像處理的標(biāo)準算法，這些算法 非常全面，可以解決諸多常見的圖像處理方面的問題， 包括灰度化、圖像增強、邊緣檢測、圖像分割等眾多算法 ,其中邊緣檢測算法中包括 Sobel、 Prewitt、 Roberts、 Canny 和 拉普拉斯高斯等 方法，圖像分割算法包括全局閾值法和基于邊緣提取法，MATLAB 圖形工具箱還提供一系列統(tǒng)計函數(shù)用以統(tǒng)計圖像特征并分析，并可南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 3 以用圖像表示出來，如圖 11 所示。GUI 是一個常見界面，包括一些控件 ，例如，按鈕、滑塊、列表框 、菜單等，這些控件相當(dāng)于“遙控器”，用戶可以通過他們進行相應(yīng)的操作。 (1)RGB RGB 三基色應(yīng)用于幾乎所有彩色成像設(shè)備和彩色顯示設(shè)備，不僅如此，許多的數(shù)字圖像文件常用的存儲形式是 RGB 三基色 ， RGB 彩色空間是以 RGB 三基色 作為坐標(biāo)的 。飽和度采用百分數(shù)表示，灰色光或白光為 0%，純色光為 100%。 由于圖像在包含的許多有用信息的同時還包含許許多多的無用的信息，這些信息對圖像識別形成了極大的干擾，因此必須對圖像進行灰度化，這樣濾除了許多無用的信息，加快了處理的速度。 (2)頻率域法 頻率域法是一種逆變換的方法，是間接的。通常橫坐標(biāo)表示灰度級別，縱坐標(biāo)表示頻率。 變換公式為： s=T(r)=?ro drrP )( (37) 式 37 表明變換函數(shù)是原始圖像的累計分布函數(shù)，具有非負遞增性。與其它濾波相比，維納濾波具有其優(yōu)越的特性，它可以很好的保存圖像邊緣和高頻細節(jié)信息，同時特別是對于含有白色噪聲的圖像有較好的濾波效果。 局部閾值法則根據(jù)圖像像素的本身性質(zhì)和局部特性來確定像素的閾值的，南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 15 典型的局部閾值方法主要是 Bernsen 算法，圖像的局 部性質(zhì)基本上不受外界環(huán)境的影響。圖像的總平均灰度為：)()()()( 1100 tttt ????? ?? 。 Otsu 方法流程圖如圖 38 所示。 39。邊緣檢測 在數(shù)字圖像處理領(lǐng)域 應(yīng)用的非常 的廣泛。 該方法比較直觀，將許多像素點擬合一個曲面，然后求這個連續(xù)曲面某像素點的梯度 。 Roberts應(yīng)用的原理是局部差分的方法 ， 但是這種方法處理效果不是太好， 邊緣定位精確度不是很高 ，并且處理速度比較慢。 將 j 換成 1?j ， 于 是有 ?22xf?? ]1,[]),[2]1,[( ???? jifjifjif (49) 式 49 等號右 邊的式子近似等于左邊， 是以點[為中心 ， 同樣地， 對于y 的二階導(dǎo)數(shù)為： ?22yf?? ],1[]),[2],1[( jifjifjif ???? (410) 將式 49 與 410 通過 數(shù)學(xué)上公式上的合并得到下面近似 拉普拉斯算子的模板 ： ??????????