【正文】 槽。 PCI總線A/D卡的通用結(jié)構(gòu)：　PCI 總線控制器橋接電路 高速數(shù)據(jù)傳輸在PCI 總線和本地總線之間進(jìn)行,設(shè)計(jì)者只需設(shè)計(jì)本地總線接口控制電路,外部設(shè)備可掛接在本地總線上,即可實(shí)現(xiàn)與PCI 總線的高速數(shù)據(jù)傳輸。該芯片是高速率、低功耗、4 通道、12 位A/ D轉(zhuǎn)換器,他可以同時(shí)對(duì)4 路模擬信號(hào)進(jìn)行采樣,通過(guò)內(nèi)部的選擇器以分時(shí)復(fù)用的方式將信號(hào)量化輸出。 實(shí)驗(yàn)結(jié)果與分析：：load (39。)?；诓糠謭D像處理的車(chē)牌數(shù)字和字母的識(shí)別摘 要汽車(chē)車(chē)牌的識(shí)別在智能交通系統(tǒng)中占據(jù)重要地位，有著廣闊的發(fā)展前景，基于圖像處理的車(chē)牌識(shí)別是智能交通領(lǐng)域應(yīng)用的重要課題之一，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。由于在實(shí)際中存在光照、污損、缺損、無(wú)牌、格式多樣等各種技術(shù)難題，這一技術(shù)一直都停留在實(shí)驗(yàn)室階段，無(wú)法在實(shí)際工程中得到廣泛應(yīng)用。目前國(guó)外的相關(guān)研究有： （1） Barros提出的基于掃描行高頻分析的方法； （2） Lancaster提出的類(lèi)字符分析方法等，為了解決圖像惡化的問(wèn)題； （3） Kat提出的基于顏色的提取方法。用來(lái)確定車(chē)牌在整個(gè)圖像中的相對(duì)位置，其輸入是整個(gè)原始圖像，輸出是長(zhǎng)方形車(chē)牌圖像；第三步車(chē)牌字符的分割。對(duì)于實(shí)際拍攝到的圖片，由于天氣、光照以及速度等外部因素的影響，往往使得這些圖像并不能直接應(yīng)用到車(chē)牌識(shí)別過(guò)程中，而必須先對(duì)圖像進(jìn)行前期的處理，以增強(qiáng)圖像的質(zhì)量。也就是說(shuō)，RGB空間下一幅圖像的存儲(chǔ)矩陣大小為，這樣就使得在RGB空間下彩色圖像所占用的存儲(chǔ)空間很大[3]。由此我們可以很容易發(fā)現(xiàn)，處理灰度圖像時(shí)程序的執(zhí)行效率將遠(yuǎn)遠(yuǎn)高于執(zhí)行同樣的彩色圖像時(shí)程序的執(zhí)行效率。二值化的原理[6]就是利用圖像中目標(biāo)圖像與背景圖像直接灰度值上的差異，從而取得一個(gè)閾值或者閾值范圍，再用這個(gè)結(jié)果將圖像轉(zhuǎn)換為只有目標(biāo)圖像和背景圖像的二值化圖像。 Canny算子Canny[9]算子是于1986年由Canny提出的基于最優(yōu)化算法的邊緣檢測(cè)算子，它把邊緣檢測(cè)問(wèn)題轉(zhuǎn)換為檢測(cè)單元函數(shù)極大值的問(wèn)題，具有很好的信噪比和檢測(cè)精度。 reborts算子的邊緣檢測(cè)2．5 本章小結(jié)本章主要介紹了車(chē)牌識(shí)別系統(tǒng)中所要用到的相關(guān)的圖像預(yù)處理技術(shù)。3．1 常用的車(chē)牌定位算法車(chē)輛牌照的定位問(wèn)題是在復(fù)雜背景下的圖像分割和目標(biāo)提取問(wèn)題。其跳變特征在很大程度上標(biāo)示了車(chē)牌的位置信息。然后，再對(duì)得到的行區(qū)域進(jìn)行列掃描，同樣可以大致確定車(chē)牌的開(kāi)始列和結(jié)束列。然后，對(duì)在水平方向上做直方圖投影，一般情況下在直方圖中會(huì)有一個(gè)被兩個(gè)波谷包圍的一個(gè)波峰區(qū)域，此區(qū)域擁有直方圖上的最大峰值且占據(jù)了直方圖的大部分寬度，判定此波峰區(qū)域?yàn)檐?chē)牌的水平精定位區(qū)域。在二值化圖像分析中，數(shù)學(xué)形態(tài)學(xué)方法具有明顯的優(yōu)勢(shì)。(3) 開(kāi)運(yùn)算和閉運(yùn)算 此外，數(shù)學(xué)形態(tài)學(xué)中還有開(kāi)運(yùn)算和閉運(yùn)算，這兩種運(yùn)算實(shí)際上是膨脹和腐蝕的組合運(yùn)算。車(chē)輛牌照的自動(dòng)定位是車(chē)牌識(shí)別系統(tǒng)中的關(guān)鍵環(huán)節(jié)，車(chē)牌定位的成功與否直接決定了車(chē)輛牌照能否實(shí)現(xiàn)。（2）邊框和鉚釘容易造成分割不準(zhǔn)確。若大于閾值，則說(shuō)明第一個(gè)字符分割結(jié)束。、。在字符識(shí)別中，骨架特征在字符的結(jié)構(gòu)特征中占有重要地位，它還可以進(jìn)一步分為字符的特征點(diǎn)、端點(diǎn)、交叉點(diǎn)、轉(zhuǎn)折點(diǎn)等。其基本思想是：從包含字符的模式樣本的點(diǎn)陣圖形中提取出描述該字符的特征，然后根據(jù)一定的判決規(guī)則，判定該樣本所屬的模式類(lèi)別。因此，整體字符集又可以細(xì)化為漢字集、字母集和字母數(shù)字集。5．3 基于模板匹配的字符識(shí)別算法模板匹配法[17]是模式識(shí)別領(lǐng)域最典型的算法之一，它先在待測(cè)圖像中提取出若干特征，再用這些特征與標(biāo)準(zhǔn)模板中的相應(yīng)特征進(jìn)行比對(duì)，利用一定的判決規(guī)則判定待測(cè)模板的分類(lèi)。 5．4 實(shí)驗(yàn)分析本章是在車(chē)牌已分割好的字符的基礎(chǔ)上，采用模板匹配法進(jìn)行字符識(shí)別。6 設(shè)計(jì)評(píng)述本文主要就自然場(chǎng)景下的車(chē)牌字符識(shí)別問(wèn)題進(jìn)行研究，通過(guò)圖像處理技術(shù)進(jìn)行車(chē)牌識(shí)別。)。)。both39。I3=imerode(I2,se)。I4=imclose(I3,se)。從對(duì)象中移除小對(duì)象39。 while ((Blue_y(PY1,1)=5)amp。 %%%%%% X方向 %%%%%%%%% Blue_x=zeros(1,x)。amp。)。,39。imwrite(b,39。T=round(g_max(g_maxg_min)/3)。39。39。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(gè)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(shí)別 kmin=37。,liccode(k2),39。 end Error1=Error(kmin:kmax)。車(chē)牌號(hào)碼:39。y1=8。 [m1,n1]=size(temp)。 d(:,[1:wide])=0。bottom=m。 bottom=1 bottom=bottom1。hh=bottomtop。 right=1 right=right1。endwhile sum(d(bottom,:))==0 amp。function e=qiege(d)[m,n]=size(d)。flag=1。 wide=n2 wide=wide+1。 Codefunction [word,result]=getword(d)word=[]。 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(zhǎng)度大于某閾值，則認(rèn)為該塊有兩個(gè)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。 end PX2=x。(PY2y)) PY2=PY2+1。%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end end [temp MaxY]=max(Blue_y)。figure(6),imshow(I5)。rectangle39。1。robert39。title(39。附錄A：程序：function [d]=main(jpg)close allclcI=imread(39。部分由于受到環(huán)境因素（天氣、照明）以及車(chē)牌新舊程度的影響，很難提取完整的矩形邊框，對(duì)后續(xù)的識(shí)別影響很大。AD算法[21]通過(guò)計(jì)算尺寸為的待搜索灰度圖像S和尺寸為的模板T（）之間的L1距離的絕對(duì)差值來(lái)確定S和T之間的相似程度，并最終確定S的分類(lèi)。系統(tǒng)的應(yīng)用場(chǎng)合要求它必須能及時(shí)的對(duì)車(chē)輛進(jìn)行圖像采集、處理，以及牌照識(shí)別等工作。（2）字符集可以進(jìn)一步細(xì)分車(chē)牌區(qū)域可以分為三個(gè)部分：地區(qū)簡(jiǎn)稱(chēng)部分、發(fā)牌機(jī)關(guān)代號(hào)部分以及牌照編碼部分。它包括局部網(wǎng)格特征、投影特征等等。字符識(shí)別的本質(zhì)是對(duì)字符的特征進(jìn)行提取，它通過(guò)分析字符的拓?fù)浣Y(jié)構(gòu)或統(tǒng)計(jì)信息，提取字符的某些特征，根據(jù)這些特征對(duì)字符進(jìn)行分類(lèi)。利用相同的方法，可以分割出其他的字符。首先對(duì)車(chē)牌圖像自左向右逐列掃描，將各列包含的白色像素點(diǎn)的數(shù)目與某一固定閾值（本文設(shè)定的閾值為2）進(jìn)行比較，當(dāng)遇到第一個(gè)大于固定閾值的列時(shí)，則該列即被認(rèn)為是字符分割的起始位置，然后繼續(xù)掃描下一列，直至遇到小于固定閾值的列時(shí)停止。由于分割本身是圖像處理的一個(gè)難題，而實(shí)際拍攝的車(chē)牌圖像因?yàn)椴煌潭鹊卮嬖谝韵聠?wèn)題而影響字符分割的準(zhǔn)確性。應(yīng)用開(kāi)閉運(yùn)算對(duì)數(shù)字圖像進(jìn)行處理，可以得到多個(gè)可能的車(chē)牌區(qū)域，然后再根據(jù)一定的判別法從確定的待選車(chē)牌區(qū)域中確定真正的車(chē)牌位置。經(jīng)過(guò)腐蝕運(yùn)算后，圖像的面積會(huì)減小。形態(tài)學(xué)是一種非線性濾波方法，它可以用來(lái)解決圖像濾波、邊緣檢測(cè)、圖像分割、形狀識(shí)別、紋理分析、圖像壓縮、圖像恢復(fù)與重建等圖像處理問(wèn)題?？紤]粗定位區(qū)域在水平方向上的一階差分運(yùn)算，通過(guò)一節(jié)差分運(yùn)算，可以有效的突出粗定位區(qū)域中灰度變換頻繁的區(qū)域。這種方法又分為行定位和列定位兩步。相對(duì)于其它非車(chē)牌區(qū)域來(lái)說(shuō)，車(chē)牌區(qū)域包含有字符的變化特征，即含有豐富的邊緣信息（細(xì)節(jié)信息）。另外，車(chē)牌定位的速度也會(huì)對(duì)車(chē)牌識(shí)別系統(tǒng)的性能以及實(shí)際應(yīng)用產(chǎn)生重大的影響。Roberts模板使用斜向上的4個(gè)像素的交叉差分定義的，即： （）一般情況下，可以將上式簡(jiǎn)化為如下兩種形式： （） （）公式（）和（）表示稱(chēng)模板的形式如下：Roberts算子采用對(duì)角線方向上相鄰兩個(gè)像素之差近似梯度幅值檢測(cè)邊緣。圖像區(qū)域的邊緣可以分為兩種：一種是階躍邊緣，它的兩邊的像素的灰度值有著明顯的不同；還有一種是屋頂邊緣，它位于灰度值從增加到減少（或者從減少到增加）的變化的轉(zhuǎn)折點(diǎn)上[8]。在二值圖像中，黑色用0表示，白色用1表示，二者之間沒(méi)有灰度層次的變化。灰度圖像的亮度信息為256級(jí)[4]，即每一個(gè)灰度圖像的像素點(diǎn)的取值為0~255之間的整數(shù)值。在彩色顏色空間下，彩色圖像包含了大量的顏色信息。2 車(chē)牌圖像的預(yù)處理2．1 預(yù)處理技術(shù)概述 在數(shù)字圖像處理中，圖像的預(yù)處理過(guò)程是數(shù)字圖像處理的重要組成部分。1．4　車(chē)牌識(shí)別系統(tǒng)的構(gòu)成一個(gè)完整的汽車(chē)車(chē)牌識(shí)別系統(tǒng)的工作過(guò)程主要分為四個(gè)步驟：第一步預(yù)處理，由于攝像條件和客觀因素的限制，如車(chē)輛牌照不整潔，光照條件不好，角度不適合，車(chē)速較快等原因，很容易對(duì)車(chē)牌識(shí)別系統(tǒng)的準(zhǔn)確性造成干擾。在一定情況下，還必須快速實(shí)時(shí)地完成。汽車(chē)識(shí)別技術(shù)在牌識(shí)別技術(shù)在車(chē)輛過(guò)路、過(guò)橋全自動(dòng)不停車(chē)收費(fèi)，交通流量控制指標(biāo)的測(cè)量，車(chē)輛自動(dòng)識(shí)別，高速公路上的事故自動(dòng)測(cè)報(bào)，不停車(chē)檢查，車(chē)輛定位，汽車(chē)防盜，稽查和追蹤車(chē)輛違規(guī)、違法行為，維護(hù)交通安全和城市治安，防止交通堵塞，提高收費(fèi)路橋的服務(wù)速度，緩解交通緊張狀況等方面顯出了強(qiáng)勁的生命力。)。ylabel(39。這對(duì)于穩(wěn)定性、實(shí)時(shí)性要求很高的數(shù)據(jù)采集裝置來(lái)說(shuō)是不允許的，因此有必要引入嵌入式操作系統(tǒng)。工作原理是模擬信號(hào)通過(guò)信號(hào)調(diào)理電路(前置電路) ,經(jīng)過(guò)濾波放大處理后,送到A/ D 轉(zhuǎn)換器,被A/ D 轉(zhuǎn)換后的數(shù)字信號(hào)送入FPGA 進(jìn)行緩存和處理,所得數(shù)據(jù)通過(guò)PCI 總線接口電路傳入上位機(jī)(計(jì)算機(jī)) 。開(kāi)始的時(shí)候大家都以為它會(huì)被命名為Serial PCI(受到串