【正文】 ize(I5)。(PY11)) PY1=PY11。 end end end PX1=1。 end PX1=PX1+50。)。,39。 imwrite(b,39。 T=round(g_max(g_maxg_min)/2)。 39。 .jpg39。line39。 elseif bwarea(d)/m/n= d=imdilate(d,se)。 figure,subplot(2,1,1),imshow(d),title(n) k1=1。 j=n1 j=j+1。word1=[]。 [m,n]=size(temp)。 % 分割出第三個字符 [word3,d]=getword(d)。 subplot(5,7,2),imshow(word2),title(39。)。739。 word6=imresize(word6,[40 20])。 subplot(5,7,17),imshow(word3),title(39。)。39。 imwrite(word4,39。)。 39。 l=1。 if l==1 %第一位漢字識別 kmin=37。,liccode(k2),39。 end Error1=Error(kmin:kmax)。第一步車牌定位 39。 subplot(6,7,17),imshow(word3)。 xlabel([39。flag=0。 end 33 temp=qiege(imcrop(d,[1 1 wide m]))。 end else word=qiege(imcrop(d,[1 1 wide m]))。 top=1。amp。 end dd=rightleft。qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkum amp。QA9wkx FyeQ^! djsXuyUP2kNXpRWXm Aamp。qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkum amp。QA9wkxFyeQ^! djsXuyUP2kNXpRWXm Aamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm6X4NGpP$vSTTamp。gTXRm6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。MuWFA5uxY7J nD6YWRrWwc^vR9CpbK! zn%Mz849Gx^Gjqv^$UE9。ksv*3t nGK8! z89Amv^$UE9wEwZQcUE%amp。M uWFA5uxY7J nD6YWRr Wwc^vR9CpbK! zn%M z849Gx^Gjqv^$UE9wEwZQc UE%amp。M uWFA5uxY7J nD6YWRr Wwc^vR9CpbK! zn%M z849Gx^Gjqv^$UE9wEwZQcUE%amp。MuWFA5uxY7J nD6YWRrWwc^vR9CpbK! zn%Mz849Gx^Gjqv^$UE9wEwZQcUE%amp。MuWFA5uxY7J nD6YWRrWwc^vR9CpbK! zn%Mz849Gx^Gjqv^$UE9wEwZQcUE%amp。M uWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%M z849Gx^Gjqv^$UE9wEwZQcUE%amp。M uWFA5uxY7J nD6YWRrWwc^vR9CpbK!zn%Mz849Gx^Gjqv^$UE9wEwZQcUE%amp。ksv*3t nGK8! z8vGt YM *Jgamp。ksv*3t nGK8! z89Am YWpazadNuKNamp。M uWFA5uxY7J nD6YWRrWwc^vR9CpbK! zn%M z849Gx^G89Am UE9aQGn8xp$Ramp。ksv*3t nGK8! z8vGtYM *J gamp。ksv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3tnGK8!z89Am UE9aQGn8xp$Ramp。ksv*3tnGK8!z89Am YWpazadNuKNamp。UE9aQGn8xp$Ramp。amp。 top=m top=top+1。 end end end %end result=d。 % 切割出最小范圍 else word=[]。amp。)。39。 subplot(6,7,15),imshow(word1)。 l=l+1。 for k1=1:40 for l1=1:20 if ( SubBw2(k1,l1) 0 | SubBw2(k1,l1) 0 ) Dmax=Dmax+1。 end for k2=kmin:kmax fname=strcat(39。nearest39。])。:39。 imwrite(word6,39。39。)。 subplot(5,7,19),imshow(word5),title(39。239。 word4=imresize(word4,[40 20])。)。 subplot(5,7,4),imshow(word4),title(39。139。d=qiege(d)。 d=qiege(d)。y2=。 while s(j)~=0 amp。) % 尋找連續(xù)有文字的塊，若長度大于某閾值，則認為該塊有兩個字符組成，需要分割 d=qiege(d)。 % eye(n) returns the nbyn identity matrix 單位矩陣 [m,n]=size(d)。,3)。 d=im2bw(round(filter2(h,d)))。 figure(8)。) g_max=double(max(max(b)))。)。 [filename,filepath]=uigetfile(39。 figure(7),subplot(1,2,1),imshow(IY),title(39。amp。 %%%%%% X方向 %%%%%%%%% Blue_x=zeros(1,x)。 while ((Blue_y(PY1,1)=5)amp。從對象中移除小對象 39。 I4=imclose(I3,se)。 I3=imerode(I2,se)。both39。)。)。 25 參考文獻 [1]. 趙丹，丁金華 .基于 Matlab 的車牌識別 [J].大連：大連大連理工學報， ， 14（ 4）：44～ 48 [2]. 冀小平 .基于 Matlab的車牌識別系統(tǒng)研究 [J].北京：電子設(shè)計工程 ,， 11（ 3）： 18～21 [3]. 徐輝 .基于 Matlan實現(xiàn)汽車車牌自動識別系統(tǒng) [M]. 北京：國防工業(yè)出版社， [4]. 王愛玲，葉明生等 .MATLAB R2021圖像處理技術(shù)與應(yīng) 用 [M].北京：電子工業(yè)出版社， [5]. 張德豐 .MATLAB模糊系統(tǒng)設(shè)計 [M].北京：國防工業(yè)出版社 , [6]. 葉晨洲等 .車輛牌照字符識別 [J].上海：上海交通大學學報 ,～ 6 [7]. 劉智勇等 .車牌識別（ LPR）中的圖像提取及分割 [J].北京：中文信息學報 ,2021,14(4):29～34 [8]. 賀興華 、 周媛媛 、 王繼陽等 .MATLAB 圖像處理 [M].北京：人民郵電出版社 ,～ 100 [9].劉佐濂 , 鄧榮標 , 孔嘉圓 .中國科技信息 [J].2021（ 23期） 9～ 12. [10]. 張禹 、 馬駟良 、 韓笑 、 張忠波 .車牌識別中的圖像提取及分割算法 [J].吉林大學學報 ,2021. 第 44卷第 3期， 407～ 410 [11]. 霍宏濤 .數(shù)字圖像處理 [M].北京：機械工業(yè)出版社 , [12]. 許志影、李晉平 .MATLAB極其在圖像處 理中的應(yīng)用 [J].計算機與現(xiàn)代化 ,2021(4)： 20～ 28 [13]. 戚飛虎 .模式識別與圖象處理［ M］ .上海：上?？茖W技術(shù)出版社 ,1998 [14]. 雷英杰 . MATLAB遺傳算法工具箱及應(yīng)用 [M].西安 :西安電子科技大學出版社 ,2021 [15]. 楊淑瑩 .模式識別與智能計算 :Matlab技術(shù)實現(xiàn) [M].北京：電子工業(yè)出版社 ,2021 [16]. 張強 ,王正林 .精通 MATLAB圖像處理 [M].北京 :電子工業(yè)出版社 ,2021 [17]. D. S. Kim and S. I. Chien,. Automatic car license plate extraction using modified generalized symmetry transform and image warp ing[ J ]. in Proc. IEEE Int. Symp. Industrial Elec2tronics, vol. 3, 2021, pp. 2022 2027 26 致謝 非常感謝 張恒 老師、 張小林 老師在我大學的最后學習階段 —— 畢業(yè)設(shè)計階段給自己的指導(dǎo)，從最初的 校外畢設(shè)申請、 定題 ，到資料收集 、 寫作、修改 以及 論文定稿，他 們給了我耐心的指導(dǎo)和無私的幫助。主要工作內(nèi)容及結(jié)論如下 : （ 1） 整理和總結(jié)了國內(nèi)外在車牌定位、分割、字符識別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國車牌的固有特征，以及車牌識別的特點。經(jīng)過這些步驟可以使得最終識別出的圖像與原圖的相似度更高，即結(jié)果更精確。最近鄰插值 法 ,經(jīng)歸一化后的圖像如下。 經(jīng)過切割，切割的字符圖像如下： 圖 經(jīng)切割的七個字符 切割后一連串的字符串變成了單個字符，為后面的字符匹配識別奠定了基礎(chǔ)。 圖 牌照字符切割框圖 2021年頒布的我國車牌規(guī)范 (普通中小型汽車 )規(guī)定車牌總長 440mm，牌照中的 7個字符的實際總長為 409mm 左右，寬 140mm，每個字符 45mm寬， 90mm高，字符間距為10mm，其中第二個字符與第三個字符的間距較為特殊，為 ，最后一個字符與第一個字符距邊界 25mm。由此可得出濾波前后的圖像如下所示： 16 圖 車牌區(qū)域圖像濾波前效果 圖 車牌區(qū)域圖像濾波后效果 可以對比濾波前跟濾波后的圖像，如圖 和圖 所 示，很明顯，不但噪聲去除了，而且圖像得到了銳化。剪切得到的圖像如下。這里采用水平與垂直雙向投影法。由于車牌圖像經(jīng)過腐蝕以后只剩下車牌區(qū)域以及車的標志。腐蝕后如圖： 圖 腐蝕 效果圖 從腐蝕的結(jié)果分析，腐蝕的目的是消除小而無意義的物體，對比邊緣效果檢測圖與腐蝕效果圖可以看出，在邊緣檢測圖中還有的小的無意義的圖像已經(jīng)被完全消除了，留下來的僅僅是車牌區(qū)域以及車的標志。假設(shè) B對 X腐蝕所產(chǎn)生的二值圖像 E是滿足以下條件的點（ x,y)的集合：如果 B 的原點平移到點（ x,y），那么 B將完全包含于 X中。 對圖像進行卷積。 在 edge()函數(shù)中有 Sobel 算子， Prewitt 算子， Roberts 算子， Log 算子， Canny 算子及 Robert 算子，幾種算法相比之下， Roberts 算子是一種最簡單的算子，是一種利用局部差分算子尋找邊緣的算子，他采用對角線方向相鄰兩象素之差近似梯度幅值 11 檢測邊緣。原圖、灰度對于將彩色圖象轉(zhuǎn)換成灰度圖象時，圖象灰度值 H可由下面的公式計算： 29 87 14H R G B? ? ? () 3B G RH ??? () ()式使用了權(quán)值加重 法， ()式使用均值法，使用權(quán)值法的好處是可以突出某個通道， Matlab內(nèi)的 RGB轉(zhuǎn)灰度圖函數(shù) rgb2gray()就是使用的 ()式權(quán)值比例公式，這樣就可以利用邊緣檢 測方法，識別出臨近區(qū)域灰度值相差大的分界區(qū)。其程序流程圖如下 : 圖 預(yù)處理及邊緣提取框圖 目前比較常用的圖像格式有 *.BMP、 *.JPG、 *.GIF、 *.PCX、 *.TIFF 等，本課題采集到的圖片是 *.JPG 的格式。牌照質(zhì)量會受到各種因素的