【正文】 histcol1=sum（ sbw1） 。 title（ 39。title（ 39。 for k=1:hight if histrow（ k） =levelrow count1=count1+1。 markrow（ l） =hight。%sbw1的圖像大小 [m1,n1]=size（ markrow4） 。 end end end else %檢測下邊 ysite=n1。 break。 angle=atan（ ） *180/pi。,39。title（ 39。Color39。title（ 39。 title（ 39。 findc=find（ markrow2==maxhight） 。垂直投影（去水平邊框后） 39。r39。 else if count1=1 markcol（ l） =k。 markcol1（ l） =count1。 %查找最大值，即為第二字符與第三字符中心距離 findmax=find（ markcol6==maxs） 。 if cleft1 cleft=1。 if l==7 title（ [39。 fname=strcat（ 39。 end %Step12 將計(jì)算計(jì)算獲取的字符圖像與樣本庫進(jìn)行匹配，自動(dòng)識(shí)別出字符代碼。Z39。 cright=maxwidth。 kmax=36。,liccode（ k2） ,39。 end end end Error（ k2） =Dmax。 end title （ [39。） 。 39。 Dmax=0。 end for k2=kmin:kmax fname=strcat（ 39。 kmax=45。 cright=markcol5（ k） +maxwidth/22。A39。jpg39。） 。 SegBw2 = imresize（ SegBw1,[22 14]） 。 for k=findmax1:findmax+5 cleft=markcol5（ k） maxwidth/2。%字符中心位置 end markcol6=diff（ markcol5） 。 n1=n1+1。 l=1。Color39。 %計(jì)算垂直投影 figure,subplot（ 2,1,1） ,bar（ histcol） 。） 。） 。） 。度 39。） 。 %旋轉(zhuǎn)車牌圖 像 sbw = imrotate（ sbw1,angle,39。） 。 ydata（ k1） =k。 k1=k1+1。%峰寬度（上升點(diǎn)至下降點(diǎn)） markrow5（ k） =markrow3（ k） double（ uint16（ markrow4（ k） /2）） 。%峰距離（上升點(diǎn)至下一個(gè)上升點(diǎn)） [m1,n1]=size（ markrow2） 。%求水平投影的平均值 count1=0。） 。） 。車牌二值子圖 39。 end end sbw1=bw2（ startrow:startrow+hight,startcol:startcol+width1） 。 end end for k= 1:lx l=Getok（ k） 。%輸出框架的彩色圖像 lx=0。k39。%標(biāo)注二進(jìn)制圖像中已連接的部分 Feastats = imfeature（ L,39。rectangle39。%輸出閉運(yùn)算的圖像 bg3=imopen（ bg1,strel（ 39。） 。title（ 39。增強(qiáng)黑白圖像 39。%strel函數(shù) Bgray=imopen（ Sgray,s） 。原始彩色圖像 39。 參考文獻(xiàn) [1]（希）西奧多里德斯 等著 .模式識(shí)別（第三版） [M].電子工業(yè)出版社， 2021 年12 月。本設(shè)計(jì)雖然只對藍(lán)底白字車牌進(jìn)行分割識(shí)別，對黑底白字車牌原則上整個(gè)算法可直接適用，對白底黑字車牌、黃底黑字車牌，需要對車牌定位算法進(jìn)行調(diào)整，并將圖像反轉(zhuǎn)（ 0 變 1 變 0），而車牌字符的分割算法仍然行之有效。其具體流程為 :使用漢字 、字母、字母數(shù)字、數(shù)字四個(gè)樣本分別對四個(gè)子網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到相應(yīng)的節(jié)點(diǎn)數(shù)和權(quán)值。 圖 42 圖像閉運(yùn)算 圖 43 圖像開運(yùn)算 Step5 對二值圖像進(jìn)行區(qū)域提取，并計(jì)算區(qū)域特征參數(shù)。所以，如果一個(gè)點(diǎn)的二維一階導(dǎo)數(shù)比指定的門限大，我們就定義圖像中的次點(diǎn)是一個(gè)邊緣點(diǎn)，一組這樣的依據(jù)事先定好的連接準(zhǔn)則相連的邊緣點(diǎn)就定義為一條邊緣。 5 實(shí)現(xiàn)目標(biāo)方法流程圖 車牌定位與字符識(shí)別技術(shù)是基于計(jì)算機(jī)圖像處理、模式識(shí)別等技術(shù)為基礎(chǔ)，通過對原圖像的處理，以及邊緣檢測技術(shù)實(shí)現(xiàn)對車牌的 定位，然后對車牌圖像處理、歸一化處理、分割以及保存，最后進(jìn)行分割圖像與模板庫的模板進(jìn)行匹配，最后輸出匹配結(jié)果。但由于該系統(tǒng)的攝像部分工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照圖 像 可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷，因此需要對原始圖 像 進(jìn)行識(shí)別前的預(yù)處 理。且丟失車輛稽查、車輛是否合法、攔車路檢等情況都需要公安人員對其進(jìn)行相應(yīng)的檢查，由于人工判斷工作效率很低且容易讓正常車主及乘客造成誤解，現(xiàn)在有了車牌自動(dòng)識(shí)別技術(shù)之后將大大提高辦公效率以及檢查的準(zhǔn)確性，很大程度上解決了以上的問題。 3） 違法 違章 管理 車牌識(shí)別技術(shù)結(jié)合測速設(shè)備可以用于車輛超速違章處罰，一般用于高速公路 、容易肇事路段。 我國車牌自動(dòng)識(shí)別的研究起步較晚，大約發(fā)生在八十年代末。 （ 3） 優(yōu)化性：采用竟可能低的硬件要求，對其快速的做出的計(jì)算與識(shí)別。 運(yùn)用電子信息技術(shù)實(shí)現(xiàn)安全、高效的智能交通成為交通管理的主要發(fā)展方向。 關(guān)鍵詞：字符識(shí)別；模式識(shí) 別；車牌定位；模板匹配；邊緣檢測 1 引 言 近年來 隨著社會(huì)經(jīng)濟(jì) 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(yīng)的人工管理方式以不能滿足實(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。 （ 2） 實(shí)時(shí)性 :考慮到車載行駛的過程中速度不一，對觸發(fā)超速攝像的抓拍應(yīng)當(dāng)及時(shí)的對其進(jìn)行識(shí)別并且儲(chǔ)存，才能有效的提高工作效率。國外己有不少相關(guān)的文章發(fā)表，有的己經(jīng)非常成熟，投入實(shí)際使用。這不僅 提高物業(yè)管理的效益 ， 同時(shí)自動(dòng)比對進(jìn)出車輛，防止偷盜事件的發(fā)生。 5） 移動(dòng)電子警察系統(tǒng) 隨著我國公路基礎(chǔ)建設(shè)的快速發(fā)展，公路的質(zhì)量、里程都有了很大程度上的提高，但也出現(xiàn)了不交養(yǎng)路費(fèi)等情況，給國家造成了巨大的經(jīng)濟(jì)損失。 為了用于牌照的分割和牌照字符的識(shí)別，原始圖 像 應(yīng)具有適當(dāng)?shù)牧炼龋^大的對比度和清晰可辯的牌照圖 像 。 系統(tǒng)可以運(yùn) 行于 Windows9Windows2021或者 Windows XP操作系統(tǒng)下，程序調(diào)試時(shí)使用 matlab。為了對有意義的邊緣點(diǎn)進(jìn)行分類，與這個(gè)點(diǎn)相聯(lián)系的灰度級必須比在這一點(diǎn)的背景上變換更有效，我們通過門限方法來決定一個(gè)值是否有效。對圖像做了開運(yùn)算和閉運(yùn)算，閉運(yùn)算可以使圖像的輪廓線更為光滑，它通常用來消掉狹窄的間斷和長細(xì)的鴻溝，消除小的孔洞，并彌補(bǔ)輪廓線中的斷裂。 Step10 字符分割及輸出結(jié)果 進(jìn)行車牌識(shí)別前需要使用樣本對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對車牌進(jìn)行識(shí)別。本設(shè)計(jì)用 MATLAB 編程運(yùn)行結(jié)果可以得出，本設(shè)計(jì)采用的圖像預(yù)處理、 CANNY 邊緣檢測、開閉運(yùn)算子 [5， 19]、車牌長寬比特征識(shí)別等對車牌的定位都是非常有效的，而本設(shè) 計(jì)提出的二次水平投影分析和閾值技術(shù)有效檢測了車牌圖像的上下左右邊框、旋轉(zhuǎn)角度，準(zhǔn)確實(shí)現(xiàn)的車牌字符的分割，對多個(gè)車牌進(jìn)行實(shí)驗(yàn)，均有很高的正確率。在這次課程設(shè)計(jì)中也使我們的同學(xué)關(guān)系更進(jìn)一步了，同學(xué)之間互相幫助，有什么不懂的大家在一起商量，聽聽不同的看法對我們更好的理 解知識(shí)，所以在