【正文】 en 函數(shù)去掉小的連通域，此時整個二值圖像只剩下了車牌區(qū)域?；叶葓D像矩陣元素的取值范圍通常為 [0,255]，因此其數(shù)據(jù)類型一般為 8 位無符號整數(shù)，這就是人們經(jīng)常提到的 256 級灰度圖像。圖像中每一個像素的顏色值（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 三個分量來表示，因此 RGB 圖像的圖像矩陣與其他類型的圖像矩陣不同，是一個三維矩陣，可用 MN3 表示， M、 N 分別表示圖像的行、列數(shù)，三個 M N 的二維矩陣分別表示各個像素的 R、 G、 B 三個顏色分量。通常，一個核對垂直邊緣響應最大，而另一個核則對水平邊緣響應最大 ， 兩個卷積的最大值作為該點的輸出值 ， 運算結果是一幅邊緣幅度圖像。膨脹運算會使圖像的區(qū)域進行擴張。一般情況下，這些噪聲在研究對象中一般都是無用的信息，而且還會對研究對象造成干擾，極大降低了圖像質(zhì)量，影響圖像分割、圖像識別等后繼工作的進行。不同的閾值設定方法對一幅圖像進行處理會產(chǎn)生不同的二值化處理結果。它在前期牌照定位的基礎上進行字符的分割，然后再利用分割的結果進行字符識別。為了減輕人們的勞動，提高處理效率， 50年代開始探討一般字符識別方法，并研制出光學 字符 識別器。它 的理論依據(jù)是 數(shù)學上的決策理論， 而且統(tǒng)計識別的 統(tǒng)計學識別模型 都是根據(jù)數(shù)學上的決策理論建立的 。匹配可以在空域中進行，也可以在頻率域等變換域進行；在空域中進行匹配的是目標圖像本身，在變換域進行匹配的是目標的一些特征量。模板圖像和待測圖像的相關測度計算式為 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） 上式對互相關進行了歸一化，這在多目標的檢測中，有利于多個模板互相關結果的比較和判斷。 本文采用 基于模板匹配的字符識別 ，它 的基本過程是：首先我們要建立字符識別樣本庫，然后把歸一化的字符圖像與模板中的字符相減， 找到差別點最少的模板為對應模板。 車牌圖像灰度化首先將通過 MATLAB 將原始圖片通過函數(shù) imread 讀入并且輸出如圖 41（ a） 所示 ， 然后對讀入的圖像通過 rgb2gray 進行 灰度處理如圖 41（ b） 所示。)。 19 車牌圖像預處理 車牌圖像的預處理包括了邊緣檢測、對邊緣圖像進行腐蝕、再對其進行閉運算、最后濾波移除小對象。)。)。)。經(jīng)過一階的導數(shù)的邊緣檢測，所求的一階導數(shù)高于某個閾值，則確定該點為邊緣點，這樣會導致檢測的邊緣點太多。 對其實現(xiàn)閉運算如圖 42（ c）， 先膨脹后腐蝕的過程稱為閉運算，具有填充物體內(nèi)細小空洞，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，因此我們還要對其進行灰度化處理。 通過本次車牌識別的設計，我也對數(shù)字圖像處理技術的原理及 MATLAB 編程技術有了更進一步的了解。39?；叶葓D像 39。 se=[1。rectangle39。形態(tài)濾波后圖像 39。 end end end mini=inf。 %和最小的點為車牌的左 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)。)。邊緣檢測后圖像 39。 I_gray=rgb2gray(I)。雖然本次設計出的車牌識別技術還存在很多不足之處，但是我在此次的畢業(yè)設計中學習到了很多知識，增加了我的學習能力，這對我來說是很大的鍛煉。 29 5 總結 近年來我國 隨著社會經(jīng)濟 的高速 發(fā)展、汽車數(shù)量急劇增加，對交通管理的要求也日益提高， 而相應的人工管理方式以不能滿足實際的需要，微電子、通信和計算機技術在交通領域的應用極大地提高了交通管理的效率。 在圖像采集的過程中，由于外界的干擾如光線等因素原因以及車主在車牌周圍的裝飾，還有生產(chǎn)廠家對車身的點綴容易給車牌的定位造成很大程度的影響， 因此需要對原始圖象進行識別前的預處理。 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。汽車牌照的字符一般有 7 個，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡稱；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)。 %坐標值修正 x2=last_point(1)4。 for i=1:size(location_of_1,1) %尋找所有白點中， x 坐標與 y 坐標的和最大，最小的兩個點的位置 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))。 結果分析 （ a） 車牌邊緣檢測圖像 （ 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 車牌圖像預處理 本文通過對圖像進行腐蝕、膨脹如圖 42（ b）， 腐蝕是一種消除邊界點的過程，結果是使目標縮小，孔洞增大，因而可有效的消除孤立噪聲點。 邊緣檢測是為了對有意義的邊緣點進行分類，與這個點相聯(lián)系的灰度級必須比在這一點的背景上變換更有效，我們通過門限方法來決定一個值是否有效。 imshow(I_close),title(39。 imshow(I_erode),title(39。 imshow(I_edge),title(39。 18 結果分析 （ a） 車輛牌照原始圖像 （ b） 車牌灰度圖像 圖 41 車牌圖像灰度化 由圖 41(b)可知， 原始的 彩色圖像已經(jīng)轉換成了灰度圖像，灰度圖像的每一個像素的取值就是 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），也就是說灰度圖像只有亮度信息而沒有色彩 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行灰度化和預處理，預處理包括 邊緣檢測、對邊緣圖像進行腐蝕、再對其進行閉運算、最后濾波移除小對象 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) 過圖像 預處理后，圖像 中 的像素點或灰度的位置發(fā)生 了 改變 ，有些圖像還會有 較大的噪聲 干擾圖像的質(zhì)量 。復雜區(qū)域的匹配常采用相關測度法 [19]。如果相似程度足夠高，便認 為該部分與模板相同，該區(qū)域即是被檢目標。分析部分包括基元選擇及結構推理。 字符識別 字符識別簡述 利用計算機自動識別字符 的技術，是 模式識別 應用的一個重要領域。則設置閾值為 T 的結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 化處理就是將車牌圖像上的像素點的灰度值設置為 0 或 255，從而讓整張圖片變成黑白的效果，將灰 12 度圖片通過適當?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)字圖像過程中通常會會受到多種噪聲的污染。 膨脹運算符號為 ? ，假設 A 為圖像集合，用 B 為結構元素來對 A 進行膨脹，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 關于原點對稱的集合。 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，兩個卷積核形成了 Sobel 邊緣 算子。 （ 3） RGB 彩色圖像 RGB 圖像用來表示彩色圖像。 （ 1） 灰度圖像 當一幅圖像有 灰度級時，通常稱該圖像為 k 比特圖像。 8 3 車牌識別系統(tǒng)的原理及方法 車牌識別系統(tǒng)簡述 車牌識別技術是基于計算機圖像處理為基礎，通過對原始圖像的預處理，對車牌進行定位，然后再對字符進行分割，最后對分割出的字符進行識別，再輸出識別的結果 [10]。例如：一個由 100 行和 50 列不同灰度值的點組成的圖像可以用一個 10050 的矩陣來存儲。是由美國 mathworks 公司發(fā)布的主要面對科學計算、可視化以及交互式 程序設計 的高科技計算環(huán)境。連續(xù)圖像被取樣和量化后可以用一個 MN? 矩陣來表示，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) 此時等式右 邊的 ( , )f xy 被稱為數(shù)字圖像，矩陣中的每一個元素稱為像素。 圖像按波段多少來分，又可以分為單波段、多波段和超波段圖像。 第 5 章主要是對 本 次設計和論文的總結。我國車牌號的第一個是漢字：代表該車戶口所在省的簡稱：如川就是成都，粵就是廣州，京就是北京，渝就是重慶等，第二個是英文字母：它代表該車所在地的地市一級代碼，規(guī)律一般是這樣的， A 是省會， B 是該省第二大城市， C 是該省第三大城市，依此類推 ,車牌號的后五位是汽車的編號，一般為 5 位數(shù)字，即從 00001～ 99999，編號超過 10 萬時，就由 A、 B、 C 等英文字母代替，即 A 代表 10 萬， B 代表 11 萬， C 代表 12 萬，最后一個字母及 Z 代表 33 萬，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。各國的車牌識別產(chǎn)品雖然不同，但基本上都是基于車輛探測器的系統(tǒng)，設備投資都是相當?shù)木薮蟆? 進入 20世紀 90年代后，國外的研究人員就已經(jīng)開始了對汽車牌照識別的研究?？梢詫`章車輛進行責任追究，也可以輔助進行交通流量統(tǒng)計，交通監(jiān)測和疏導。簡單的進行人工現(xiàn)場指揮和管理已經(jīng)不能滿足現(xiàn)實的需求，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)就是一項以信息通信技術為基礎，使得道路、車輛、使用者三者緊密協(xié)調(diào)、和諧統(tǒng)一起來而建立起的在大范圍內(nèi)，全方位發(fā)揮作用 的實時、準確、高效的運輸管理系統(tǒng) [1]。 本文主要介紹了有關于車牌識別技術的原理，以及基于 MATLAB的車牌識別 的設計，對一張車輛圖片進行一系列的預處理 （灰度化、邊緣檢測、腐蝕、填充、形態(tài)濾波） 之后，將車牌中的字符分割出來，最后將分割出的字符與數(shù)據(jù)庫中存儲的字符進行模板匹配。 license plate location。 （ 2）高速公路超速自動化管理系統(tǒng)