【正文】 。(R_C_Ratio_1(n1/m1)R_C_Ratio_2)) Image_Crop(:,[1:Wide])=0。模板匹配法雖然識別率低，但實現(xiàn)簡單，計算量小，只有矩陣的加減與統(tǒng)計，而且車牌字符是有阿拉伯?dāng)?shù)字，英文大寫字母，還有部分漢字，雖有字庫量不大，字符較規(guī)整時對字符圖像的缺損、污跡干擾適應(yīng)力強且識別率相當(dāng)高，因此本課題使用這種方法。圖16 字符相似度比較有圖16的，字符1在Lib_Code_No=39處取得最大相似度，查字庫Lib_Code_No=39的字符為“渝”，則可以確定該字符為“渝”。第二，通過這次課程設(shè)計我學(xué)會了使用Matlab這種常用的工具軟件，之前我會用C語言，但是只是學(xué)會一點點，也學(xué)會使用matlab，但也是會一點點，但是這次深入接觸后我感覺到Matlab的確是一款強大易學(xué)的數(shù)學(xué)分析軟件，操作起來雖然比較難上手。雖然之前我做過課設(shè)一，但我們做的是硬件。title(39。figure(2),subplot(1,2,2),imhist(I1)。)。figure(4),imshow(I3)。figure(5),imshow(I4)。)。amp。%進一步確定x方向的車牌區(qū)域 for j=1:x for i=PY1:PY2 if(myI(i,j,1)==1) Blue_x(1,j)= Blue_x(1,j)+1。(PX2PX1)) PX2=PX21。figure(7),subplot(1,2,2),imshow(dw),title(39。輸入一個定位裁剪后的車牌圖像39。39。 % T 為二值化的閾值[m,n]=size(b)。)figure(8),subplot(3,2,3),imshow(d),title(39。)。/39。endimwrite(d,39。k2=1。 end k2=j1。while flag==0 [m,n]=size(d)。 all=sum(sum(temp))。% 分割出第四個字符[word4,d]=getword(d)。239。figure(13),imshow(word5),title(39。)。word7=imresize(word7,[40 20])。339。subplot(3,7,13),imshow(word6),title(39。)。39。imwrite(word7,39。A39。for I=1:7 ii=int2str(I)。 kmax=40。.jpg39。 MinError=min(Error1)。y1=8。 [m1,n1]=size(temp)。 d(:,[1:wide])=0。bottom=m。 bottom1 bottom=bottom1。hh=bottomtop。感謝老師和同學(xué)的幫助，使我完成了本次課設(shè)。 right=1right=right1。endwhile sum(d(bottom,:))==0 amp。% （qiege子程序）function e=qiege(d)[m,n]=size(d)。flag=1。 wide=n2 wide=wide+1。%子程序：（getword子程序）function [word,result]=getword(d)word=[]。 end end end Error(k2)=Dmax。字符模板\39。)。 %建立自動識別字符代碼表 SubBw2=zeros(40,20)。939。39。)。imwrite(word1,39。539。)。word5=imresize(word5,[40 20])。figure(15),imshow(word7),title(39。439。)。 endend% 分割出第二個字符[word2,d]=getword(d)。 else temp=qiege(imcrop(d,[1 1 wide m]))。flag=0。amp。[m,n]=size(d)。if bwarea(d)/m/n= d=imerode(d,se)。 % 使用一個3X3的正方形結(jié)果元素對象對創(chuàng)建的圖像膨脹% 39。imwrite(d,39。subplot(3,2,2),imshow(d),title(39。g_min=double(min(min(b)))。b=rgb2gray(a)。39。行方向合理區(qū)域39。 while ((Blue_x(1,PX2)3)amp。 end IY=I(PY1:PY2,:,:)。%temp為向量white_y的元素中的最大值，MaxY為該值的索引（ 在向量中的位置） PY1=MaxY。title(39。,[40,40])。1]。,39?；叶葓D39。)。調(diào)試的過程非常麻煩，因為有的參數(shù)只能對某一幅圖像有用，對其它圖像根本識別沒法識別，所以為了使盡量多的圖像能被識別，我著實花了不少功夫。這本書內(nèi)容豐富，自成一體，里面的許多內(nèi)容與教材形成了互補。圖14 經(jīng)歸一化后的七個字符字符識別步驟如下，建立模板字庫表讀取分割出來的字符第一個字符與模板中的漢字模板進行匹配第二個字符與模板中的字母模板進行匹配待識別字符與模板字符相減，值越小相似度越大，找到最小的一個即為匹配的最好的識別完成，輸出此模板對應(yīng)值后5個字符與模板中的字母與數(shù)字模板進行匹配圖15 字符匹配流程匹配方法采用將目標(biāo)圖像與模板圖像逐點做差，得到第三幅圖像，程序?qū)崿F(xiàn)如下：for ii=1:40 or jj=1:20 Word_Image_Diff(ii,jj)=Word_Image(ii,jj)Word_Image_Code(ii,jj)。圖13 經(jīng)切割的七個字符目前字符識別的方案有使用神經(jīng)網(wǎng)絡(luò)和模板匹配法進行比對。End切割的字符時候符合比例要求采用if((Level1WideLevel2)amp。這樣，如果平均分配每個字符在牌照中占據(jù)的寬度，那么每個字符寬度為：width/7（width 為車牌圖像的寬度）。圖9 車牌區(qū)域圖像濾波前效果圖10車牌區(qū)域圖像濾波后效果腐蝕已經(jīng)在在上文介紹，膨脹剛好與腐蝕相反，運算規(guī)則是輸出圖像的像素值是輸入圖像鄰域中的最大值，在一個二值圖像中，只要一個像素值為1，則相應(yīng)的輸出像素值為1。剪切得到的圖像如下。amp。經(jīng)區(qū)域確定了，即可將車牌的四個邊界值確定下來。Car_Image_Perform=imclose(Car_Image_Erode,Se)。背景圖像39。原始黑白圖像39。適當(dāng)取門限T，做如下判斷：G(x,y)T,(x,y)為階躍狀邊緣點。,39。即可將圖像讀取出來，這樣讀取得到的是RGB圖像，RGB圖像分別用紅、藍、綠三個色度值為一組代表每個像素的顏色，因此Car_Image_RGB是一個mn3的數(shù)組，m、n表示圖像像素的行、列數(shù)。它在數(shù)學(xué)類科技應(yīng)用軟件中在數(shù)值計算方面首屈一指。 （3)Matlab語言簡潔緊湊，使用方便靈活，庫函數(shù)豐富，并且內(nèi)部集成了很多工具箱，為程序開發(fā)提供現(xiàn)成模塊。在介紹我本次課程設(shè)計的設(shè)計原理的同時，也側(cè)重同時記錄了我是如何對于設(shè)計過程中遇到的問題進行分析和解決的。 Positioning。 桂林電子科技大學(xué)課程設(shè)計（論文）報告用紙 第 3 頁 共3頁課程設(shè)計(論文)說明書題 目： 基于Matlab車牌識別 院 （系）： 信息與通信學(xué)院 專 業(yè)： 通信工程 摘 要近幾年，車牌識別系統(tǒng)作為智能交通的一個重要方向越來越受到重視。C programming language。本文主要講述我完成這次課設(shè)所經(jīng)歷的三個階段：總體