【正文】 en 函數(shù)去掉小的連通域，此時(shí)整個(gè)二值圖像只剩下了車(chē)牌區(qū)域。灰度圖像矩陣元素的取值范圍通常為 [0,255]，因此其數(shù)據(jù)類(lèi)型一般為 8 位無(wú)符號(hào)整數(shù)，這就是人們經(jīng)常提到的 256 級(jí)灰度圖像。圖像中每一個(gè)像素的顏色值（由 RGB 三 原色表示）直接存放在圖像矩陣中，由于每一像素的顏色需由 R、 G、 B 三個(gè)分量來(lái)表示，因此 RGB 圖像的圖像矩陣與其他類(lèi)型的圖像矩陣不同，是一個(gè)三維矩陣，可用 MN3 表示， M、 N 分別表示圖像的行、列數(shù)，三個(gè) M N 的二維矩陣分別表示各個(gè)像素的 R、 G、 B 三個(gè)顏色分量。通常，一個(gè)核對(duì)垂直邊緣響應(yīng)最大，而另一個(gè)核則對(duì)水平邊緣響應(yīng)最大 ， 兩個(gè)卷積的最大值作為該點(diǎn)的輸出值 ， 運(yùn)算結(jié)果是一幅邊緣幅度圖像。膨脹運(yùn)算會(huì)使圖像的區(qū)域進(jìn)行擴(kuò)張。一般情況下，這些噪聲在研究對(duì)象中一般都是無(wú)用的信息，而且還會(huì)對(duì)研究對(duì)象造成干擾，極大降低了圖像質(zhì)量，影響圖像分割、圖像識(shí)別等后繼工作的進(jìn)行。不同的閾值設(shè)定方法對(duì)一幅圖像進(jìn)行處理會(huì)產(chǎn)生不同的二值化處理結(jié)果。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識(shí)別。為了減輕人們的勞動(dòng)，提高處理效率， 50年代開(kāi)始探討一般字符識(shí)別方法，并研制出光學(xué) 字符 識(shí)別器。它 的理論依據(jù)是 數(shù)學(xué)上的決策理論， 而且統(tǒng)計(jì)識(shí)別的 統(tǒng)計(jì)學(xué)識(shí)別模型 都是根據(jù)數(shù)學(xué)上的決策理論建立的 。匹配可以在空域中進(jìn)行，也可以在頻率域等變換域進(jìn)行；在空域中進(jìn)行匹配的是目標(biāo)圖像本身，在變換域進(jìn)行匹配的是目標(biāo)的一些特征量。模板圖像和待測(cè)圖像的相關(guān)測(cè)度計(jì)算式為 11001 1 1 1220 0 0 0( , ) ( , )( , )( , ) ( , )MMiiM M M Mi j i jg i j f k i l jL k lg i j f k i l j????? ? ? ?? ? ? ????????? ? ? ? （ 313） 上式對(duì)互相關(guān)進(jìn)行了歸一化，這在多目標(biāo)的檢測(cè)中，有利于多個(gè)模板互相關(guān)結(jié)果的比較和判斷。 本文采用 基于模板匹配的字符識(shí)別 ，它 的基本過(guò)程是：首先我們要建立字符識(shí)別樣本庫(kù)，然后把歸一化的字符圖像與模板中的字符相減， 找到差別點(diǎn)最少的模板為對(duì)應(yīng)模板。 車(chē)牌圖像灰度化首先將通過(guò) MATLAB 將原始圖片通過(guò)函數(shù) imread 讀入并且輸出如圖 41（ a） 所示 ， 然后對(duì)讀入的圖像通過(guò) rgb2gray 進(jìn)行 灰度處理如圖 41（ b） 所示。)。 19 車(chē)牌圖像預(yù)處理 車(chē)牌圖像的預(yù)處理包括了邊緣檢測(cè)、對(duì)邊緣圖像進(jìn)行腐蝕、再對(duì)其進(jìn)行閉運(yùn)算、最后濾波移除小對(duì)象。)。)。)。經(jīng)過(guò)一階的導(dǎo)數(shù)的邊緣檢測(cè)，所求的一階導(dǎo)數(shù)高于某個(gè)閾值，則確定該點(diǎn)為邊緣點(diǎn)，這樣會(huì)導(dǎo)致檢測(cè)的邊緣點(diǎn)太多。 對(duì)其實(shí)現(xiàn)閉運(yùn)算如圖 42（ c）， 先膨脹后腐蝕的過(guò)程稱(chēng)為閉運(yùn)算，具有填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界的作用。 for i=1:size(I_final,1) %尋找二值圖像中白的點(diǎn)的位置 for j=1:size(I_final,2) if I_final(i,j)==1。 a=i。 y2=last_point(2)4。 figure,imshow(I_plate),title(39。 for j=1:size(I_plate,2) sum_y=sum(I_plate(:,j))。imshow(char)。39。所以建立字符模板庫(kù)也極為方便。瓊 39。皖 39。蘇 39。晉 39。.jpg39。A39。E39。J39。M39。R39。V39。Z39。439。839。chaamp。 end index=find(Compare==(min(Compare)))。由于車(chē)牌采集的信息都是些彩色圖片，含有大量的數(shù)據(jù)信息，因此我們還要對(duì)其進(jìn)行灰度化處理。 通過(guò)本次車(chē)牌識(shí)別的設(shè)計(jì)，我也對(duì)數(shù)字圖像處理技術(shù)的原理及 MATLAB 編程技術(shù)有了更進(jìn)一步的了解。39。灰度圖像 39。 se=[1。rectangle39。形態(tài)濾波后圖像 39。 end end end mini=inf。 %和最小的點(diǎn)為車(chē)牌的左 上角 last_point=location_of_1(b,:)。 T=round(g_max(g_maxg_min)/3)。 for j=1:size(I_plate,2) sum_y=sum(I_plate(:,j))。) %最終車(chē)牌 X=[]。 g_max=double(max(max(I_plate)))。 b=i。 location_of_1=[location_of_1。 I_final=bwareaopen(I_close,2021)。)。邊緣檢測(cè)后圖像 39。 I_gray=rgb2gray(I)。雖然本次設(shè)計(jì)出的車(chē)牌識(shí)別技術(shù)還存在很多不足之處，但是我在此次的畢業(yè)設(shè)計(jì)中學(xué)習(xí)到了很多知識(shí)，增加了我的學(xué)習(xí)能力，這對(duì)我來(lái)說(shuō)是很大的鍛煉。 29 5 總結(jié) 近年來(lái)我國(guó) 隨著社會(huì)經(jīng)濟(jì) 的高速 發(fā)展、汽車(chē)數(shù)量急劇增加，對(duì)交通管理的要求也日益提高， 而相應(yīng)的人工管理方式以不能滿(mǎn)足實(shí)際的需要，微電子、通信和計(jì)算機(jī)技術(shù)在交通領(lǐng)域的應(yīng)用極大地提高了交通管理的效率。 在圖像采集的過(guò)程中，由于外界的干擾如光線(xiàn)等因素原因以及車(chē)主在車(chē)牌周?chē)难b飾，還有生產(chǎn)廠(chǎng)家對(duì)車(chē)身的點(diǎn)綴容易給車(chē)牌的定位造成很大程度的影響， 因此需要對(duì)原始圖象進(jìn)行識(shí)別前的預(yù)處理。 Differ=ImTemplate。,num2str(i)))。739。339。Y39。U39。Q39。M39。H39。D39。 char=[char store1(index)]。chinese\39。冀 39。京 39。鄂 39。貴 39。汽車(chē)牌照的字符一般有 7 個(gè)，大部分車(chē)牌第一位是漢字，通常代表車(chē)輛所屬省份，或是軍種、警別等有特定含義的字符簡(jiǎn)稱(chēng)；緊接其后的為字母與數(shù)字。,num2str(n),39。 break end 25 end char=char(top:bottom,:)。 程序分析 X=[]。 subplot(3,2,5),imshow(I_plate)。 %坐標(biāo)值修正 x2=last_point(1)4。 for i=1:size(location_of_1,1) %尋找所有白點(diǎn)中， x 坐標(biāo)與 y 坐標(biāo)的和最大，最小的兩個(gè)點(diǎn)的位置 temp=location_of_1(i,1)+location_of_1(i,2)。 程序分析 I_new=zeros(size(I_final,1),size(I_final,2))。 結(jié)果分析 （ a） 車(chē)牌邊緣檢測(cè)圖像 （ b) 腐蝕后邊緣圖像 21 （ c） 填充后圖像 （ d） 形態(tài)濾波后的圖像 圖 42 車(chē)牌圖像預(yù)處理 本文通過(guò)對(duì)圖像進(jìn)行腐蝕、膨脹如圖 42（ b）， 腐蝕是一種消除邊界點(diǎn)的過(guò)程，結(jié)果是使目標(biāo)縮小，孔洞增大，因而可有效的消除孤立噪聲點(diǎn)。 邊緣檢測(cè)是為了對(duì)有意義的邊緣點(diǎn)進(jìn)行分類(lèi)，與這個(gè)點(diǎn)相聯(lián)系的灰度級(jí)必須比在這一點(diǎn)的背景上變換更有效，我們通過(guò)門(mén)限方法來(lái)決定一個(gè)值是否有效。 imshow(I_close),title(39。 imshow(I_erode),title(39。 imshow(I_edge),title(39。 18 結(jié)果分析 （ a） 車(chē)輛牌照原始圖像 （ b） 車(chē)牌灰度圖像 圖 41 車(chē)牌圖像灰度化 由圖 41(b)可知， 原始的 彩色圖像已經(jīng)轉(zhuǎn)換成了灰度圖像，灰度圖像的每一個(gè)像素的取值就是 256中灰度中的一種（ 0表示黑， 255表示白，從 0到 255亮度逐漸增加），也就是說(shuō)灰度圖像只有亮度信息而沒(méi)有色彩 信息。 imshow(I), title(39。由于圖像產(chǎn)生了退化，所以在圖像處理之前必須進(jìn)行灰度化和預(yù)處理，預(yù)處理包括 邊緣檢測(cè)、對(duì)邊緣圖像進(jìn)行腐蝕、再對(duì)其進(jìn)行閉運(yùn)算、最后濾波移除小對(duì)象 等。 但是一般 情況下用于 模板 匹配的圖像成像條件 都是不一樣的 ， 有些 圖像經(jīng) 過(guò)圖像 預(yù)處理后，圖像 中 的像素點(diǎn)或灰度的位置發(fā)生 了 改變 ，有些圖像還會(huì)有 較大的噪聲 干擾圖像的質(zhì)量 。復(fù)雜區(qū)域的匹配常采用相關(guān)測(cè)度法 [19]。如果相似程度足夠高，便認(rèn) 為該部分與模板相同，該區(qū)域即是被檢目標(biāo)。分析部分包括基元選擇及結(jié)構(gòu)推理。 字符識(shí)別 字符識(shí)別簡(jiǎn)述 利用計(jì)算機(jī)自動(dòng)識(shí)別字符 的技術(shù)，是 模式識(shí)別 應(yīng)用的一個(gè)重要領(lǐng)域。則設(shè)置閾值為 T 的結(jié)果可以得到一幅二值圖像 ? ?,Tf x y ，它由 0 , ( , )( , ) 1 , ( , )T f x y Tf x y f x y T??????? ? （ 35） 或者是 0 , ( , )( , ) 1 , ( , )T f x y Tf x y f x y T????? ?? ? （ 36） 定義。所謂的二值 化處理就是將車(chē)牌圖像上的像素點(diǎn)的灰度值設(shè)置為 0 或 255，從而讓整張圖片變成黑白的效果，將灰 12 度圖片通過(guò)適當(dāng)?shù)拈撝颠x取，從而將能在 灰度 圖像獲取可以反映圖像特征的二值化圖像。 采集數(shù)字圖像過(guò)程中通常會(huì)會(huì)受到多種噪聲的污染。 膨脹運(yùn)算符號(hào)為 ? ，假設(shè) A 為圖像集合，用 B 為結(jié)構(gòu)元素來(lái)對(duì) A 進(jìn)行膨脹，則記作 AB? ，定義為： 11 ?{ | [ ( ) }xA B x B A? ? ? ? （ 32） 其中 ?B 表示 B 的映像，即與 B 關(guān)于原點(diǎn)對(duì)稱(chēng)的集合。 Sobel 邊緣 算子 ： 1 2 1 1 0 1 0 0 0 2 0 2 1 2 1 1 0 1 圖 32 Sobel邊緣算子模板 如圖 32 所示，兩個(gè)卷積核形成了 Sobel 邊緣 算子。 （ 3） RGB 彩色圖像 RGB 圖像用來(lái)表示彩色圖像。 （ 1） 灰度圖像 當(dāng)一幅圖像有 灰度級(jí)時(shí)，通常稱(chēng)該圖像為 k 比特圖像。 8 3 車(chē)牌識(shí)別系統(tǒng)的原理及方法 車(chē)牌識(shí)別系統(tǒng)簡(jiǎn)述 車(chē)牌識(shí)別技術(shù)是基于計(jì)算機(jī)圖像處理為基礎(chǔ)，通過(guò)對(duì)原始圖像的預(yù)處理，對(duì)車(chē)牌進(jìn)行定位，然后再對(duì)字符進(jìn)行分割，最后對(duì)分割出的字符進(jìn)行識(shí)別，再輸出識(shí)別的結(jié)果 [10]。例如：一個(gè)由 100 行和 50 列不同灰度值的點(diǎn)組成的圖像可以用一個(gè) 10050 的矩陣來(lái)存儲(chǔ)。是由美國(guó) mathworks 公司發(fā)布的主要面對(duì)科學(xué)計(jì)算、可視化以及交互式 程序設(shè)計(jì) 的高科技計(jì)算環(huán)境。連續(xù)圖像被取樣和量化后可以用一個(gè) MN? 矩陣來(lái)表示，即 ( 0 , 0 ) ( 0 ,1 ) ( 0 , 1 )( 1 , 0 ) ( 1 ,1 ) ( 1 , 1 )( , )( 1 , 0 ) ( 1 ,1 ) ( 1 , 1 )f f f Nf f f Nf x yf M f M f M N?????????? ? ? ? (22) 此時(shí)等式右 邊的 ( , )f xy 被稱(chēng)為數(shù)字圖像，矩陣中的每一個(gè)元素稱(chēng)為像素。 圖像按波段多少來(lái)分，又可以分為單波段、多波段和超波段圖像。 第 5 章主要是對(duì) 本 次設(shè)計(jì)和論文的總結(jié)。我國(guó)車(chē)牌號(hào)的第一個(gè)是漢字：代表該車(chē)戶(hù)口所在省的簡(jiǎn)稱(chēng)：如川就是成都，粵就是廣州，京就是北京，渝就是重慶等，第二個(gè)是英文字母：它代表該車(chē)所在地的地市一級(jí)代碼，規(guī)律一般是這樣的， A 是省會(huì)， B 是該省第二大城市， C 是該省第三大城市，依此類(lèi)推 ,車(chē)牌號(hào)的后五位是汽車(chē)的編號(hào)，一般為 5 位數(shù)字，即從 00001～ 99999，編號(hào)超過(guò) 10 萬(wàn)時(shí)，就由 A、 B、 C 等英文字母代替，即 A 代表 10 萬(wàn)， B 代表 11 萬(wàn)， C 代表 12 萬(wàn)，最后一個(gè)字母及 Z 代表 33 萬(wàn)，英文字母中的 O 和 I 避而不用，以免和數(shù)字中的 0 和 1 混淆。各國(guó)的車(chē)牌識(shí)別產(chǎn)品雖然不同，但基本上都是基于車(chē)輛探測(cè)器的系統(tǒng)，設(shè)備投資都是相當(dāng)?shù)木薮蟆? 進(jìn)入 20世紀(jì) 90年代后，國(guó)外的研究人員就已經(jīng)開(kāi)始了對(duì)汽車(chē)牌照識(shí)別的研究。可以對(duì)違章車(chē)輛進(jìn)行責(zé)任追究，也可以輔助進(jìn)行交通流量統(tǒng)計(jì)，交通監(jiān)測(cè)和疏導(dǎo)。簡(jiǎn)單的進(jìn)行人工現(xiàn)場(chǎng)指揮和管理已經(jīng)不能滿(mǎn)足現(xiàn)實(shí)的需求，所以 智能交通系統(tǒng)地建立是最好的解決方法，智能交通系統(tǒng)就是一項(xiàng)以信息通信技術(shù)為基礎(chǔ)，使得道路、車(chē)輛、使用者三者緊密協(xié)調(diào)、和諧統(tǒng)一起來(lái)而建立起的在大范圍內(nèi)，全方位發(fā)揮作用 的實(shí)時(shí)、準(zhǔn)確、高效的運(yùn)輸管理系統(tǒng) [1]。 本文主要介紹了有關(guān)于車(chē)牌識(shí)別技術(shù)的原理，以及基于 MATLAB的車(chē)牌識(shí)別 的設(shè)計(jì)，對(duì)一張車(chē)輛圖片進(jìn)行一系列的預(yù)處理 （灰度化、邊緣檢測(cè)、腐蝕、填充、形態(tài)濾波） 之后，將車(chē)牌中的字符分割出來(lái)，最后將分割出的字符與數(shù)據(jù)庫(kù)中存儲(chǔ)的字符進(jìn)行模板匹配。 license plate location。 （ 2）高速公路超速自動(dòng)化管理系統(tǒng)