【正文】 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。 .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(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。 end while sum(d(bottom,:))==0 amp。 function e=qiege(d) [m,n]=size(d)。flag=1。 wide=n2 wide=wide+1。 Code function [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 44 fname=strcat(39。nearest39。])。:39。 43 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)))。 38 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。 34 附錄 A： 程序 ： function [d]=main(jpg) close all clc I=imread(39。部分由于受到環(huán)境因素（天氣、照明）以及車(chē)牌新 33 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 MM? 的待搜索灰度圖像 S和尺寸為 NN? 的模板 T（ NM?? ）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。車(chē)牌定位 matlab 結(jié)果如 圖 。圖像 A 被 B 腐蝕，記為 BA? ，其定義是： ? ?AByxBA xy ??? ),( （ ） 25 同樣，腐蝕可以解釋為： A 被 B 腐蝕所得到的集合為，當(dāng) B 的原點(diǎn)平移到),( yx 時(shí)， B 包含于 A 。 數(shù)學(xué)形態(tài)學(xué)有四個(gè)基本運(yùn)算：膨脹、腐蝕、開(kāi)啟和閉合。一階差分運(yùn)算的定義如下式所示： )1,(),(),( ??? yxfyxfyxg （ ） 其中， ),( yxf 表示車(chē)牌的粗定位圖像， ),( yxg 表示 ),( yxf 的水平差分圖像。首先，對(duì)邊緣圖像進(jìn)行行掃描，統(tǒng)計(jì)每一行的灰度值，再依據(jù)一定的判決參量（如總灰度值 大于某一閾值）來(lái)判斷當(dāng)前行是否屬于車(chē)牌區(qū)域，由此就能大致確定車(chē)牌的起始行和結(jié)束行。因此，對(duì)提取得到的車(chē)牌邊緣圖像進(jìn)行行掃描或列掃描，則車(chē)牌區(qū)域的跳變特性會(huì)明顯有別于其它非車(chē)牌區(qū)域。近年來(lái)，眾多研究者在車(chē)牌定位領(lǐng)域做了大量的工作，并取得了豐碩的成果。 Roberts 算子的邊緣檢測(cè)如圖 所示。 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) 19 精度。車(chē)牌二值化圖像如圖 。 以 RGB 顏色空間為例，我們可以認(rèn)為圖像的灰度化過(guò)程就是使得彩色圖像像素的 R、 G、 B 分量變得相等的過(guò)程。同理，使用其他彩色顏色空間存儲(chǔ)圖像時(shí)也會(huì)產(chǎn)生同樣的問(wèn)題。例如：一般情況下，車(chē)牌識(shí)別系統(tǒng)處理的都是灰 度圖像，因此要先將拍攝的彩色圖像轉(zhuǎn)換為灰度圖像；在拍攝車(chē)牌照片時(shí)，照片的圖像質(zhì)量往往會(huì)受到光照，雨霧天氣等因素的影響，因此要先對(duì)車(chē)牌圖像進(jìn)行降噪處理，盡量降低噪聲對(duì)識(shí)別過(guò)程的影響；對(duì)于晚上或者在光線比較暗的情況下拍攝的圖像，其對(duì)比度必然較低，因此我們還要對(duì)這些圖像進(jìn)行圖像增強(qiáng)，增加其對(duì)比度， 15 凸顯灰度值較高的圖像部分，弱化背景，以利于后續(xù)工作的展開(kāi)。整個(gè)車(chē)牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)是 [3]一是車(chē)牌的定位；二是車(chē)牌字符的識(shí)別。為此，近年來(lái)不少學(xué)者針對(duì)車(chē)牌本身的特點(diǎn)，車(chē)輛拍攝的不良現(xiàn)象及背景的復(fù)雜狀況，先后提出 了許多有針對(duì)性的定位方法，使車(chē)牌定位在技術(shù)和方法上都有了很大的改善。在各種應(yīng)用中，有使用模糊數(shù)學(xué)理論也有用神經(jīng)元網(wǎng)絡(luò)的算法來(lái)識(shí)別車(chē)牌中的字符，但由于外界環(huán)境光線變化、光路中有灰塵、季節(jié)環(huán)境變化及車(chē)牌本身比較模糊等條件的影響，給車(chē)牌的識(shí)別帶來(lái)較大的困難。 在識(shí)別階段， 利用模板匹配的方法，通過(guò) AD 算法來(lái)確定待測(cè)字符和模板字符 中的相似程度，最終從復(fù)雜背景圖像中有效的識(shí)別車(chē)牌字符。x軸單位 s39。)。這些控制是在 Quartus Ⅱ開(kāi)發(fā)系統(tǒng)中進(jìn)行設(shè)計(jì)的 ,采用 VHDL 語(yǔ)言和原理圖輸入法相結(jié)合的方式完成。 10 V ,AD 分辨率為 12 b ,總采樣率為 400 k 。 PCI 允許多路復(fù)用技術(shù)，即允許一個(gè)以上的電子信號(hào)同時(shí)存在于總線之上。最早提出的 PCI 總線工作在 33MHz 頻率之下，傳輸帶寬達(dá)到 133MB/s(33MHz * 32bit/s)，基本上滿足了當(dāng)時(shí)處理器的發(fā) 展需要。從結(jié)構(gòu)上看，PCI 是在 CPU 和原來(lái)的系統(tǒng)總線之間插入的一級(jí)總線，具體由一個(gè)橋接電路實(shí)現(xiàn)對(duì)這一層的管理，并實(shí)現(xiàn)上下之間的接口以協(xié)調(diào)數(shù)據(jù)的傳送。 20xx 年 4 月 17日， AWG 正式宣布 規(guī)范草稿制定完畢，并移交 PCISIG（ PCI 特別興趣小組， PCI Special Interest Group）進(jìn)行審核。根據(jù)要求設(shè)計(jì)的系統(tǒng)的原理框圖如圖 3 所示 ,系統(tǒng)由 PCI 接口電路、 FPGA 邏輯控制電路、脈沖比較電路、 A/ D 轉(zhuǎn)換電路和信號(hào)調(diào)理電路幾個(gè)部分組成。這樣就存在系統(tǒng)安全性差的問(wèn)題。 plot(x,y)。王海馨 39。 隨著社會(huì)經(jīng)濟(jì)和高速公路的快速發(fā)展，以及汽車(chē)普及程度的日益提高，先進(jìn)、高效、準(zhǔn)確的交通智能管理系統(tǒng)日益受到們的重視，汽車(chē)牌照識(shí)別技術(shù)的應(yīng)用為現(xiàn)代交通的智能管理打開(kāi)了一扇大門(mén)。并且字符區(qū)域的提取是整個(gè)系統(tǒng)過(guò)程的開(kāi)始，是比較關(guān)鍵的一步。 車(chē)牌識(shí)別系統(tǒng)研究目的及意義 車(chē)牌識(shí)別系統(tǒng)的主要任務(wù)是分析和處理攝取到的復(fù)雜背景下的車(chē)輛圖像，定位分割牌照，最后自動(dòng)識(shí)別汽車(chē)牌照上的字符， LPR 是利用車(chē)輛牌照的唯一性來(lái)識(shí)別和統(tǒng)計(jì)車(chē)輛，它是以數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)等技術(shù)為基礎(chǔ)的智能識(shí)別系統(tǒng)在現(xiàn)代化交通發(fā)展中車(chē)牌識(shí)別系統(tǒng)是制約交通系統(tǒng)智能化、現(xiàn)代化的重要因 素， LPR 系統(tǒng)應(yīng)該能夠從一幅圖像中自動(dòng)提取車(chē)輛圖像，自動(dòng)分割牌照?qǐng)D像，對(duì)字符進(jìn)行正確識(shí)別，從而降低交通管理工作的復(fù)雜度。 第一章為引言，介紹了課題研究背景，國(guó)內(nèi)外研究現(xiàn)狀，車(chē)牌識(shí)別系統(tǒng)的結(jié)構(gòu)圖以及本文的工作安排； 第二章為車(chē)牌圖像的預(yù)處 理，介紹了圖像處理相關(guān)知識(shí)，并對(duì)車(chē)牌進(jìn)行灰度化、二值化以及邊緣檢測(cè)； 第三章為車(chē)牌定位，簡(jiǎn)要介紹了基于紋理特征和數(shù)學(xué)形態(tài)特征的車(chē)牌定位方法，并給出定位結(jié)果； 第四章為字符切割，根據(jù)車(chē)牌自身特征，采用一種對(duì)水平投影法進(jìn)行改進(jìn)的車(chē)牌字符分割的方法對(duì)車(chē)牌進(jìn)行分割； 第五章為字符識(shí)別，詳細(xì)介紹了模板匹配的方法，建立了字符模板，以及用AD 算法檢測(cè) 待測(cè)字符和模板字符中的相似程度，最終通過(guò) MATLAB 實(shí)現(xiàn)了車(chē)牌數(shù)字與字母的識(shí)別 ； 第六章為結(jié)論，總結(jié)了本文所做的主要工作，并分析了其中的不足之處，以待今后改進(jìn)。 2． 2 圖像的灰度化 現(xiàn)如 今， 在智能交通系統(tǒng)中拍攝到的車(chē)牌圖像基本上都是真彩色圖像。因此，在進(jìn)行車(chē)牌識(shí)別過(guò)程時(shí)，有必要將彩色圖像轉(zhuǎn)換為灰度圖像。彩色圖像的灰度化 方法主要有如下三種（ g 代表灰度化后像素點(diǎn)的亮度值）： （ 1） 取平均值法，取彩色圖像中像素點(diǎn)三個(gè)分量的平均值，即： 3 BGRg ??? （ ） 16 （ 2） 取最大值法，取彩色圖像中像素點(diǎn) R、 G、 B 三個(gè)分量的最大值，即： ),( BGRMAXg ? （ ） （ 3） 加權(quán)平均值法，根據(jù)彩色圖像像素點(diǎn) R、 G、 B 三個(gè)分量的重要性或者其他指標(biāo)賦予三個(gè)分量不同的加權(quán)值 rW 、 gW 、 bW ，再使 g 等于 R、G、 B 三個(gè)分量的加權(quán)平均值，即： 3 BWGWRWg bgr ??? （ ） 車(chē)牌的灰度圖像如圖 所示。圖像的邊緣檢測(cè)大 幅度的減少了圖像包含的數(shù)據(jù)量，去除了不相關(guān)的信息，保留了圖像的重要的結(jié)構(gòu)屬性。 (2) 計(jì)算梯度 的幅值和方向 取 Canny 算子的一階卷積差分模板為： ?????? ????????? ??? 11 1111 11 21 HH 則平滑后的圖像 ),( yxg 的梯度幅值 ),( yxM 和梯度方向 ),( yx? 可表示為： ????????),(),(a r c t an),(),(),(),( 22yxEyxEyxyxEyxEyxMxyyx? （ ） 其中： ??? ?? ),(*),(