【正文】 應(yīng)用程序的各種工具。在那里， MATLAB 是攻讀學(xué)第 33 頁 共 48 頁 7 位的大學(xué)生、碩士生、博士生必須掌握的基本工具。其中圖像處理部分包括 圖像預(yù)處理、邊緣提取模塊、 牌照的定位以及分割 模塊。彩色圖像包含著大量的顏色信息，不但在存儲(chǔ)上開銷很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度。 ： 邊緣是指圖像灰度發(fā)生空 間突變或者在梯度方向上發(fā)生突變的像素的集合。所以我們要對照片進(jìn)行車牌定位和分割。 對圖像進(jìn)行圖像腐蝕 除去圖像雜質(zhì) 通過計(jì)算尋找 X 和 Y方向車牌的區(qū)域 完成車牌定位 對定位后的彩色車牌的進(jìn)一步處理 第 33 頁 共 48 頁 13 圖 圖 平滑圖像的輪廓 第 32 頁 共 48 頁 圖 車牌分割 車牌字符分割 是車牌自動(dòng)識(shí)別系統(tǒng)中的重要步驟 ， 這一模塊的正確性受到很多因素的影響 ， 最大問題是二值化不徹底使投影圖像中字符間的波谷不夠分明 ；其次 ， 車牌污損、反光、光照不均等原因使車牌圖像交差 ， 存在大量噪 聲 ； 再次 ，車牌邊框和鉚釘也會(huì)造成分割不正確 ； 還有車牌的前兩個(gè)字符和后面五個(gè)字符之間的間隔符 （ 小圓點(diǎn) ） 對字符識(shí)別有影響 ； 車牌旋轉(zhuǎn)對水平分割有較大影響。 濾波則是為了除去圖像噪聲。 [m， n]=size（ d），逐排檢查有沒有白色像素點(diǎn)，設(shè)置 1=jn1，若圖像兩邊 s（ j） =0， 則切割，去除圖像兩邊多余的部分 切割去圖像上下多余的部分 根據(jù)圖像的大小，設(shè)置一閾值，檢測圖像的 X 軸，若寬度等于這一閾值則切割，分離出七個(gè)字符 歸一化切割出來的字符圖像的大小為 40*20，與模板中字符圖像的大小相匹配 第 33 頁 共 48 頁 17 圖 字符分割后的圖像 字符歸一化處理 由于數(shù)碼相機(jī)拍攝的汽車圖像大小不一樣 ， 所以得到的牌照上的字符大小就不一樣 ， 為了便于字符的識(shí)別 ， 需要對字符進(jìn)行歸一化處理 。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類。其他模板設(shè)計(jì)的方法與此相同。 第 32 頁 共 48 頁 致 謝 通過這次大作業(yè)的實(shí)踐與學(xué)習(xí)，我們學(xué)習(xí)和鞏固了許多數(shù)字圖像處理中學(xué)習(xí)到的知識(shí)，并且對 matlab 這個(gè)軟件有了更深層次的了解與認(rèn)識(shí)。)。灰度圖直方圖 39。title(39。腐蝕后圖像 39。title(39。 [y,x,z]=size(I5)。(PY11)) PY1=PY11。 end end end PX1=1。 end %end 縱向掃描 PX1=PX12。定位剪切后的彩色車牌圖像 39。)。)。 %返回矩陣 b的尺寸信息， 并存儲(chǔ)在 m、 n中。 39。 .jpg39。k2=1。 end k2=j1。 while flag==0 [m,n]=size(d)。 all=sum(sum(temp))。 % 分割出第四個(gè)字符 [word4,d]=getword(d)。239。 figure(13),imshow(word5),title(39。)。 word6=imresize(word6,[40 20])。 subplot(3,7,10),imshow(word3),title(39。)。39。 imwrite(word4,39。)。 39。039。魯陜蘇豫 39。%讀取圖片文件中的數(shù)據(jù) SegBw2=imresize(t,[32 16],39。 elseif l==2 %第二位 A~Z 字母識(shí)別 kmin=11。)。 MinError=min(Error1)。, Code],39。y2=。 if widey1 amp。 if sum(sum(d))~=0。left=1。 end while sum(d(:,left))==0 amp。其中 m為該插圖所在的章號(hào)， n 為本章中該插圖的順序號(hào)， m 與 n 均為阿拉伯?dāng)?shù)字。 1． 3． 1 手繪圖 第 32 頁 共 48 頁 手繪圖系指在 Word 中直接用繪圖命令繪制的圖。 線條、文字等元素輸入完畢后，應(yīng)選中與所繪之圖有關(guān)的所有線條、文本框，按鼠標(biāo)右鍵，選“組合”，將各元素組合在一起。放入前一頁或后一頁，乃不得已而為之（例如圖太大等）。例如第 3 章的第 4 個(gè)表格標(biāo)記為“表 34”。 2． 4 表格內(nèi)文字的排版 表格內(nèi)文字應(yīng)比正文小半號(hào)，一般居中放置，但文字量較大且長短不一時(shí)，以左對齊為宜。 具體要求參見模板。 4． 2 目錄頁的位置 目錄頁位于正文第一頁之前。編了號(hào)的圖表，原則上可放于正文的任何一頁，但通常與正文中的說明性文字不要相隔甚遠(yuǎn)。 5． 4 關(guān)于文獻(xiàn)引用 引用文獻(xiàn)處，用 [n]以上角標(biāo)形式標(biāo)注，其中 n 為參考文獻(xiàn)序號(hào)。 5． 6 關(guān)于段落 段首嚴(yán)格空兩個(gè)漢字的位置 。 4．寫完文章后，要多檢查幾遍，注意文中 標(biāo)點(diǎn) 的正確使用。 4．軟件名稱以及版本號(hào) 介紹軟件名稱以及版本號(hào)時(shí)，要注意在軟件名和版 本號(hào)之間加一個(gè)半角的空格，如： Windows2021（錯(cuò)誤）、 Windows 2021（正確）。例如：“為了提高 CPU超頻的成功率，可把其核心電壓提高 伏”?！保ú缓茫? “因時(shí)間所限，系統(tǒng)不盡人意之處在所難免，尚有待進(jìn)一步完善。 5． 14 關(guān)于下載地址 介紹軟件下載地址時(shí)，一定要有最終地址，不要寫成 htt ，而要寫成htt 之類。你見過哪本書的封面上寫著“書名： XXXXXX”嗎 ？ 第 32 頁 共 48 頁 姓名為兩個(gè)字時(shí)，中間應(yīng)加兩個(gè)空格。 所譯之材料在內(nèi)容上最好有一定的相對獨(dú)立性，且應(yīng)有標(biāo)題，內(nèi)容盡量與所做課題接近?！? 或：“本次畢業(yè)設(shè)計(jì)，不僅使我對所學(xué)的知識(shí)有了進(jìn)一步的理解，而且使我學(xué)到了很多新東西。”） （ 3）通過本次畢業(yè)設(shè)計(jì)，不僅使我對所學(xué)的知識(shí)有了進(jìn)一步的理解，而且第 33 頁 共 48 頁 43 學(xué)到了很多新東西。忌諱大段引用正文中的句子。建議使用 word 的公式編輯器進(jìn)行排版。 5． 13 關(guān)于計(jì)量單位 介紹內(nèi)存、外存容量以及軟件的大小時(shí)，注意將單位寫清楚、寫規(guī)范。 3．用語簡明扼要，切忌啰嗦。要反反復(fù)復(fù)、認(rèn)認(rèn)真真地讀每一個(gè)句子，復(fù)讀數(shù)十遍，毛病必自現(xiàn)）。例如： Inter， INTERNET， inter 應(yīng)統(tǒng)一為 Inter，不可混用。 2．凡英文敘述之處，均使用半角標(biāo)點(diǎn)符號(hào)；且注意 英文無頓號(hào) ，代之以逗號(hào)； 英文無書名號(hào) ，代之以斜體排版。不得出現(xiàn)“ … 如 下圖 所示 ”、“ … 如 下表 所示 ”之列的句子。 5． 2 關(guān)于字體、字形、字號(hào)、行距、字距 （按模版）正文一般用小四號(hào)宋體，行距采用 倍，字距采用默認(rèn)值。 正文任何一頁的尾部均不得留很多空行（一章的末頁除外）。 目錄生成后，在首行加上“目 錄”二字，采用黑體三號(hào)字，居中。中文關(guān)鍵詞前冠以“關(guān)鍵詞：”，靠左；英文關(guān)鍵詞前冠以“ Key words:”，亦靠左。換言之，表題不能位于某一頁的頁尾。 第 33 頁 共 48 頁 37 2． 1 表號(hào) 表格要有表號(hào)，格式為“表 mn”。采用文件插圖時(shí)，盡量不要使用 JPG 等類型的壓縮圖片，以免影響打印效果。微調(diào)線條位置、長短時(shí)，可將 Alt 鍵和箭頭鍵配合使用。 1． 3 插圖的形式 插圖一般有四種形式，即手繪圖、屏幕抓圖、掃描圖、文件插圖。 end dd=rightleft。amp。 top=1。 end else word=qiege(imcrop(d,[1 1 wide m]))。 end temp=qiege(imcrop(d,[1 1 wide m]))。flag=0。 end figure(5),imshow(dw),title ([39。 end end end Error(k2)=Dmax。,liccode(k2),39。 if l==1 %第一位漢字識(shí)別 kmin=37。.jpg39。Z39。])。:39。 imwrite(word6,39。39。)。 subplot(3,7,12),imshow(word5),title(39。239。 word4=imresize(word4,[40 20])。 figure(15),imshow(word7),title(39。439。)。 end end 第 32 頁 共 48 頁 % 分割出第二個(gè)字符 [word2,d]=getword(d)。 else temp=qiege(imcrop(d,[1 1 wide m]))。flag=0。amp。 %返回矩陣 b的尺寸信息， 并存儲(chǔ) 在 m、 n中。 %圖像的腐蝕 第 32 頁 共 48 頁 elseif bwarea(d)mn= %計(jì)算二值圖像中對象的總面積 d=imdilate(d,se)。 %將圖像數(shù)據(jù)寫入到圖像文件中 figure(8)。 %換成雙精度數(shù)值 T=round(g_max(g_maxg_min)3)。 %將真彩色圖像轉(zhuǎn)換為灰度圖像 imwrite(b,39。,39。)。amp。 %IY 為原始圖像 I 中截取的縱坐標(biāo)在 PY1： PY2 之間的部分 %end 橫向掃描 第 32 頁 共 48 頁 %begin 縱向掃描 Blue_x=zeros(1,x)。 while ((Blue_y(PY1,1)=120)amp。從對象中移除小對象 39。 %對圖像實(shí)現(xiàn)閉運(yùn)算，閉運(yùn)算也能平滑圖像的輪廓，但與開運(yùn)算相反，它一般融合窄的缺口和細(xì)長的彎口， 去掉小洞，填補(bǔ)輪廓上的縫隙。 %圖像的腐蝕 figure(4),imshow(I3)。)。 figure(2),subplot(1,2,2),imhist(I1)。title(39。 一是對于彩色車牌的識(shí)別具有局限性，有些車牌不是藍(lán)色底的，例如我們的校車就是黃色底的。所以建立字符模板庫也極為方便。綜合模板匹配的這些優(yōu)點(diǎn)我們將其用為車牌字符識(shí)別的主要方法。將得到的車牌區(qū)域圖像進(jìn)行二值化處理后 ， 對圖像進(jìn)行垂直投影 ， 投影圖上有明顯的類似于峰谷的波形起伏變化 ， 通過對投影圖上的波形從左向右進(jìn)行掃描 ， 根據(jù)谷和峰的特征就可以判斷出每個(gè) 字符的位置 ； 計(jì)算垂直峰 ， 檢測合理的字符高寬比 。 圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為兩個(gè)數(shù)值 ， 通常為 0或 255， 使整個(gè)圖像呈現(xiàn)出明顯的黑白效果 。數(shù)學(xué)形態(tài)學(xué) 用具有一定形態(tài)的機(jī)構(gòu)元素去量度和提取圖像中的對應(yīng)形狀以達(dá)到對圖像分析和識(shí) 別的目的，能有效的去除噪聲，保留圖像原有信息的同時(shí)提取的邊緣比較平滑，提取的圖像骨架也比較連續(xù)，斷點(diǎn)少 。本文采用經(jīng)典的 Roberts 邊緣檢測算子來對圖像進(jìn)行邊緣檢測。 通過該公式轉(zhuǎn)換的灰度圖能夠比較好地反應(yīng)原圖像的亮度信息 ?，F(xiàn)在 字符識(shí)別的常用 方法有模板匹配法和神經(jīng)網(wǎng)絡(luò)模型法。 第三章 各模塊的實(shí)現(xiàn) 第 32 頁 共 48 頁 車牌識(shí)別系統(tǒng)包括圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等模塊，本文主要研究圖像預(yù)處理、車牌定位和字符分割三個(gè)模塊。在歐美大學(xué)里，諸如應(yīng)用代數(shù)、數(shù)理統(tǒng)計(jì)、自動(dòng)控制、數(shù)字信號(hào)處理、模擬與數(shù)字通信、時(shí)間序列分析、動(dòng)態(tài)系統(tǒng)仿真等課程的教科書都把 MATLAB 作為內(nèi)容。利用它既可以進(jìn)行小規(guī)模端程，完成算法設(shè)計(jì)和算法實(shí)驗(yàn)的基本任務(wù)，也可以進(jìn)行大規(guī)模編程，開發(fā)復(fù)雜的應(yīng)用程序。（ 2）開發(fā)了與外部進(jìn)行直接數(shù)據(jù)交換的組件，打通了 MATLAB 進(jìn)行實(shí)時(shí)數(shù)據(jù) 分析、處理和硬件開發(fā)的道路。自從第 1版發(fā)行以來，已有眾多的科技工作者加入到 MATLAB的開發(fā)隊(duì)伍中，并為形成今天約 MATLAB 系統(tǒng)做出了巨大的貢獻(xiàn)。新的版本集中了日常數(shù)學(xué)處理中的各種功能，包括高效的數(shù)值計(jì)算、矩陣運(yùn)算、信號(hào)處理和圖形生成等功能。從目前一些產(chǎn)品的性能來看，車牌識(shí)別系統(tǒng)的識(shí)別率和識(shí)別速度都有待提高。同時(shí)代，還誕生了面向被盜車輛的第一個(gè)實(shí)時(shí)自動(dòng)車牌監(jiān)測系統(tǒng)。 圖像分析的內(nèi)容分為特征提取、圖像分割、符號(hào)描述、和圖像的檢測與匹配。本課題圖像處理分為以下幾方面： 其目的是將模擬形式的圖像通過數(shù)字化設(shè)備變?yōu)閿?shù)字計(jì)算機(jī)可