【正文】 際邊緣響應(yīng)作比較。一個(gè)二值圖像時(shí) 以 0和 1的邏輯矩陣存儲的。動(dòng)態(tài) 調(diào)節(jié)閾值實(shí)現(xiàn)圖像的二值化可動(dòng)態(tài)觀察其分割圖像的具體結(jié)果。 形態(tài)學(xué)運(yùn)算針對二值化圖像，并依據(jù)數(shù)學(xué)形態(tài)學(xué)集合論方法發(fā)展起來的圖像處理方法。先付時(shí)候膨脹的過程為開運(yùn)算，它具有消除細(xì)小物體。它具有填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界的作用。 在汽車牌照自動(dòng)識別過程中，字符分割有承前啟后的作用。 由于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，為了便于字符識別，需要對字符進(jìn)行歸一化處理。圖像的[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 切割圖像上下多余部分 根據(jù)圖像大小，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 7個(gè)字符 歸一化切割出來的字符圖像的大小為 40*20，與模版中字符圖像的大小匹配 西安工業(yè)大學(xué) 33 某些性質(zhì)，例如物體的面積和周長，本來對于坐標(biāo)旋轉(zhuǎn)來說就具有不變的性質(zhì)。 （ 2） 計(jì)算除包含所標(biāo)記的區(qū)域的最小寬和高，并根據(jù)先驗(yàn)知識，比較誰的寬高比更接近實(shí)際車牌寬高比，經(jīng)更接近的提取并顯示出來。膨脹作用會使物體的邊界向外擴(kuò)張，如果物體內(nèi)部存在小空澗的話，經(jīng)過膨脹操作這些澗被補(bǔ)上，因而不再是邊界了。 通常，形態(tài)學(xué)圖像處理表現(xiàn)為一 種領(lǐng)域運(yùn)算形式。人們后來用數(shù)學(xué)形態(tài)學(xué)表示以形態(tài)為基礎(chǔ)對圖像進(jìn)行分析的數(shù)學(xué)工具。為了得到理想的二值圖像， 一般采用封閉、連通的邊界定義不交疊的區(qū)域。 Soble 算子不僅能檢測邊緣點(diǎn)，而且能抑制噪聲影響，對灰度漸變和噪聲較多的圖像處理的較好； Prewitt算子： 與 Soble 算子相比，對 噪聲抑制較弱； Laplace 算子：它是一個(gè)與方向無關(guān)的各向通行邊緣檢測算子，對細(xì)線和孤立點(diǎn)檢測效果好，但邊緣方向信息丟失，常產(chǎn)生雙像素的邊緣，對噪聲有雙倍加強(qiáng)作用，很少直接用于檢測邊緣。不同尺度的 Canny 檢測算子由高斯的不同的標(biāo)準(zhǔn)差 (來表示。邊緣檢測算子的輸出通常要做閾值化處理，以確定哪些邊緣是突出的。 產(chǎn)生環(huán)行邊緣的原因是：圖 像 的邊緣多出現(xiàn)于亮度呈現(xiàn)突起或凹陷的位置上，其附近邊緣法向線條上一階微分會出現(xiàn)兩個(gè)極值點(diǎn)，也就是會出現(xiàn)兩個(gè)過零點(diǎn)。 為抑制噪聲，可先作平滑濾波然后再作二次微分，通常采用高斯函數(shù)作平滑濾波，故有 LoG(Laplacian of Gaussian)算子。 基于圖像函數(shù)二階導(dǎo)數(shù)過零點(diǎn)的算子 (如： M arr— Hild reth 或 Canny 邊緣檢測算子。 均值濾波 是典型的線性濾波算法，它是指在圖像上對目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素（以目標(biāo)象素為中心的周圍 8個(gè)象素，構(gòu)成一個(gè)濾波模板，即去掉目標(biāo)象素本身）。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計(jì)列方向藍(lán)色像素點(diǎn)的數(shù)量，最終確定完整的車牌區(qū)域。由于牌照圖像在原始圖像 中是很有特征 的一個(gè)子區(qū)域，確切說是水平度較高的橫向近似的長方形，它在原始圖像 中的相對位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同， 因而在其邊緣形成了灰度突變的邊界，這樣就便于通過邊緣檢測來對圖像 進(jìn)行分割。 Se=[1:1:1]。 圖像的腐蝕 圖像的腐蝕是對所提取的目標(biāo)圖像進(jìn)行形態(tài)學(xué)分析。 邊緣檢測是在圖像的局部區(qū)域上針對像素點(diǎn)的一種運(yùn)算，在計(jì)算機(jī)視覺、圖像理解等應(yīng)用中非常重要。邊緣檢測是圖像分析中的重要內(nèi)容。例 如，某一象素點(diǎn)的鄰域 S 有兩種表示方法： 8 鄰域和 4 鄰域分別對應(yīng)的鄰域平均值為， ( , )1( , ) ( , )i j sg i j f i jM?? ? （ ） 其中， M為鄰域中除中心象素點(diǎn) f(i,j)之外包括的其它象素總數(shù)，對于 4鄰域 M=4，8鄰域 M=8?；叶葓D 39。由于人眼對綠色最為敏感，紅色次之，對藍(lán)色的敏感性最低，因此使 R? ＞ G? ＞ B? 將得到較易識別的灰度圖像?；叶然?處理就是將一幅彩色圖像轉(zhuǎn)換成為灰度圖像的過程。 圖像不僅包括車牌 照，而且還有汽車本身和汽車背景圖像，因此必須去掉這些非牌照圖像的影響，才有可能正確的提取出牌照區(qū)域，為以后的車牌字符識別打下基礎(chǔ)。因?yàn)樗{(lán)色 （ 255， 0， 0） 與白色 （ 255， 255， 255） 在 B 通道中并無區(qū)分，而在 G、 R 通道或是灰度圖像 中并無此便利。 figure(),subplot(3,2,1),imshow(I),title(39。和其他 MATLAB 生成的圖像一樣，一旦一幅圖像被顯示了，那么它將成為一個(gè)圖形對象句柄。FMT39。 (3)對實(shí)驗(yàn)結(jié)果進(jìn)行分析。雖然這種方法的定位率比較準(zhǔn)確，但是識別速度卻很慢。還有一種比較直觀的方法就是利用當(dāng)前像素臨域中的一些像素值擬合一個(gè)曲面，然后求這個(gè)連續(xù)曲面在該像素處梯度。 （ 1）基于灰度直方圖的門限化邊緣檢測 基于灰度直方圖的門限化邊緣檢測是一種最常用、最簡單的邊緣檢測方法。 Hough 變換常用于對圖像中的直線和圓進(jìn)行識別。牌照的快速準(zhǔn)確定位是車牌自動(dòng)識別技術(shù)中非常關(guān)鍵的一步，是典型的圖像分割問題，因此定位方法與車牌特征和圖像處理技術(shù)是分不開的。功能性工具箱主要用來擴(kuò)充其符號計(jì)算功能，圖示建模仿真功能， 文字處理功能以及與硬件實(shí)時(shí)交互功能。在 FORTRAN 和 C 語言里，繪圖都很不容易，但在 MATLAB 里，數(shù)據(jù)的可視化非常簡單。由于庫函數(shù)都由本領(lǐng)域的專家編寫，用戶不必?fù)?dān)心函數(shù)的可靠性。 MATLAB 產(chǎn)品族可以用來進(jìn)行以下各種工作 ：數(shù)值分析 、 數(shù)值和符號計(jì)算 、工程與科學(xué)繪圖 、 控制系統(tǒng)的設(shè)計(jì)與仿真 、 數(shù)字圖像處理 技術(shù) 、 數(shù)字信號處理 技術(shù) 、 通訊系統(tǒng)設(shè)計(jì)與仿真 等。它起源于矩陣運(yùn)算，并已經(jīng)發(fā)展成為一種高度集成的計(jì)算機(jī)語言。它將數(shù)值分析、 矩陣計(jì)算 、科學(xué)數(shù)據(jù)可視化以及非 線性 動(dòng)態(tài)系統(tǒng)的 建模 和仿真等諸多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為科學(xué)研究 、工程設(shè)計(jì)以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué) 領(lǐng)域 提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計(jì)語言（如 C、 Fortran）的編輯模式，代表了當(dāng)今國際科學(xué)計(jì)算軟件的先進(jìn)水平。然后對于一副車牌圖像來說，車牌區(qū)域只占復(fù)雜的車牌圖像的一小部分，要想準(zhǔn)確地定位出車牌區(qū)域，就必須提取車牌區(qū)域內(nèi)的字符本身的紋理特征及字符與其背景之間的灰度特征來進(jìn)行分析 現(xiàn)在社會已經(jīng)進(jìn)入信息時(shí)代，隨著計(jì)算機(jī)技術(shù)、通信技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的方法，自動(dòng)化的信息處理能力和水平不算提高，并在 人們社會活動(dòng)和生活的各個(gè)領(lǐng)域得到廣泛應(yīng)用。該系統(tǒng)識別率高，速度快，魯棒性強(qiáng)，對環(huán)境和光照的要求低，能夠適應(yīng)收費(fèi)系統(tǒng)要求的環(huán)境。發(fā)展到今日，國外的車牌檢測的研究已經(jīng)取得了令人矚目的成就，如 yuntaocui 提出了一種車牌識別系統(tǒng)，在車牌定位后，利用馬爾科夫場對車牌特征進(jìn)行取值化，對樣本的識 別達(dá)到了較高的識別率。 (4) 城市十字路口的“電子警察”。 車輛牌照自動(dòng)識別技術(shù)是智能交通系統(tǒng)的一個(gè)重要組成部分，它在交通管理與監(jiān)控中有著廣泛的應(yīng)用。由于在現(xiàn)實(shí)中，汽車的車牌圖像收到光照、背景、車型等外界干擾因素以及拍攝角度、遠(yuǎn)近等人為因素的影響，造成圖像受光不均勻，車牌區(qū)域不明顯，給車牌區(qū)域的提取帶來了較大的困難。從 20世紀(jì) 90年代起，我國也逐漸展開了智能交通系統(tǒng)的研究和開發(fā)，探討在現(xiàn)有的交通運(yùn)輸網(wǎng)的基礎(chǔ)上，提高運(yùn)輸效率，保障運(yùn)輸安全。 本次畢業(yè)設(shè)計(jì)首先對車牌識別系統(tǒng)的現(xiàn)狀和已有的技術(shù)進(jìn)行深入的研究，在研究的基礎(chǔ)上開發(fā)出一個(gè)基于 MATLAB的車牌識別系統(tǒng)，通過編寫 M文件，對各種車輛圖像處理方法進(jìn)行分析、比較，提出了車牌預(yù)處理、車牌粗定位何靜定位的方法。 車牌自動(dòng)識別系統(tǒng)作為一種交通信息的獲取技術(shù)在交通車輛管理、園區(qū)車輛管理、停車場管理 有著特別重要的應(yīng)用價(jià)值，受到業(yè)內(nèi)人士的普遍關(guān)注。汽車智能化的重要環(huán)節(jié)就是牌號的自動(dòng)識別系統(tǒng)，主要使用倉儲式立體庫以及無人值守停車場管理、交通控制與誘導(dǎo)、不停車自動(dòng)收費(fèi)以 及違章車輛以及車輛安全防盜等領(lǐng)域。以車牌號自動(dòng)識別技術(shù)為基礎(chǔ)，與其它高速高科技技術(shù)手段結(jié)合，對高速公路交通狀況進(jìn)行自動(dòng)監(jiān)測、自動(dòng)控制，從而降低交通事故的發(fā)生率，確保交通順暢。國外在這方面的研究工作開展較早。隨著技術(shù)不斷進(jìn)步，以往多個(gè)設(shè)備實(shí)現(xiàn)的功能可能由一個(gè)設(shè)備實(shí)現(xiàn)。例如，核心算法繼續(xù)發(fā)展，識別率和知識速度進(jìn)一步改善，圖像處理中對模糊圖像 預(yù)處理能力增強(qiáng)，畫質(zhì)改善技術(shù)的提高等等。車牌定位識別系統(tǒng)，集現(xiàn)場識別、遠(yuǎn)程傳輸和指揮中心網(wǎng)絡(luò)化調(diào)度管理為一體，具有全天侯實(shí)時(shí)識別車牌照、自動(dòng)比對車輛信息、現(xiàn)場報(bào)警、事后排查、高速高效等功能，并符合 21 世紀(jì) 安全防范和智能交通系統(tǒng)工程主流應(yīng)用技術(shù)的相關(guān)標(biāo)準(zhǔn)。 MATLAB 是一個(gè)交互式的系統(tǒng)，其基本運(yùn)算單元是不需要指定維數(shù)的矩陣，并按照 IEEE 數(shù)值計(jì)算標(biāo)準(zhǔn)計(jì)算。在當(dāng)時(shí)，這兩個(gè)程序庫代表矩陣運(yùn)算的最高水平。 MATLAB 給用戶帶來的是最直觀，最簡潔的程序開發(fā)環(huán)境。例如，在 MATLAB 里，用戶無需對矩陣預(yù)定義就可使用。 MATLAB 包含 兩個(gè)部分：核心部分和各種可選的工具箱。開放性也許是 MATLAB 最受人們歡迎的特點(diǎn)。 Hough 變 換提供了一種將圖像像素信息按坐標(biāo)映射到參數(shù)空間的方法，通過它構(gòu)建的參數(shù)空間可以容易地對特定形狀進(jìn)行判斷。目前已經(jīng)提出了多種閾值化策略，但簡單算法二值化效果不好，復(fù)雜算法計(jì)算時(shí)間長、計(jì)算量大限制了實(shí)際應(yīng)用。 ② 二階差分邊緣檢測 這是利用在圖像的邊緣處，灰度發(fā)生急劇變化這一特性，采用圖像灰度值沿著確定方向 (x， y 或?qū)蔷€ )取二次差分后的某些性質(zhì)進(jìn)行邊緣檢測的。 也有一些系統(tǒng)采用彩色邊緣檢測算子計(jì)算二值邊緣圖像，然后采用形態(tài)學(xué)方法來生成聯(lián)通區(qū)域圖像，在進(jìn)行輪廓跟蹤，一個(gè)標(biāo)記候選牌照區(qū)域，但是當(dāng)圖中相似顏色區(qū)塊較多時(shí)，定位速度會 急劇下降。 西安工業(yè)大學(xué) 14 研究內(nèi)容及實(shí)驗(yàn)方案 研究內(nèi)容 本課題主要是就汽車牌照的自動(dòng)識別進(jìn)行一系列的研究，通過查閱相關(guān)資料，了解課題背景，熟悉 MATLAB 軟件的基本操作，利用 MATLAB 軟件，根據(jù)提供的汽車車牌照片，采用圖像分析和處理算法，有效識別汽車的車 號等相關(guān)信息。 圖像的讀取 MATLAB 中從圖像中讀取數(shù)據(jù)函數(shù) imread()，這個(gè)函數(shù)的作用是將圖像文件的數(shù)據(jù)讀入矩陣中，此外還可以用 imfinfo()函數(shù)查看圖像文件的信息。FMT39。 然后調(diào)用 inshow 命令來顯示圖像： inshow(I) 本設(shè)計(jì)中圖像的讀取程序如下： imread(39。 如果當(dāng)前沒有創(chuàng)建任何 Figure 對象， MATLAB 在調(diào)用一個(gè)繪圖函數(shù)（如 plot 函數(shù)mesh 函數(shù)）時(shí)，都自動(dòng)創(chuàng)建一個(gè) Figure 對象， 如果在 MATLAB 系統(tǒng)中已經(jīng)包括了好多Figure 窗，系統(tǒng)則總是指定一個(gè) Figure 窗為當(dāng)前窗口，以后所有的函數(shù)默認(rèn)把它作為輸出圖行窗。圖像預(yù)處理的主要目的是消除圖像中無關(guān)的信息，恢復(fù)有用的真實(shí)信息，增強(qiáng)有關(guān)信息的可檢測性和最大限度地簡化數(shù)據(jù)，從而改進(jìn)特征抽取、 圖像分割 、匹配和識別的可靠性。增強(qiáng)圖像的方法有很多，如灰度變換、圖像平滑處理和線性濾波等，根據(jù)處理圖像域又可以分為空間增強(qiáng)與領(lǐng)域增強(qiáng)。 （ 2）平均值法：使轉(zhuǎn)化后 R、 G、 B 的值為轉(zhuǎn)化前 R、 G、 B 的平均值 ( ) / 3R G B R G B? ? ? ? ? （ ） 這種方法產(chǎn)生的灰度圖像比較柔和。例如， 以下語句將顯示一幅 32 個(gè)灰度及的圖像 I： imshow(I， 32) 此次畢業(yè)設(shè)計(jì)中灰度圖像顯示的語句為： I1=rgb2gray(I)。 圖象平滑 的 介紹 圖像平滑是對圖像作低通濾波 ,可在空間域或頻率域?qū)崿F(xiàn)。 圖 清除小面積對象后的圖像 邊緣檢測 圖像處理并不僅限于對圖像進(jìn)行增強(qiáng)、復(fù)原和編碼，還要對圖像進(jìn)行分析，圖像分析旨在對圖像進(jìn)行描述，即用一組數(shù)或符號表征圖像中目標(biāo)區(qū)的特征、性質(zhì)和相互間的關(guān)系，為模式識別提供基礎(chǔ)。在進(jìn)行圖西安工業(yè)大學(xué) 22 像理解和分析時(shí)，第一步往往是邊緣檢測，目前他已成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。增強(qiáng)算法可以將 領(lǐng)域強(qiáng)度中有顯著變化的點(diǎn)突顯出來。腐蝕是一種消除邊界點(diǎn)，是邊界向內(nèi)部收縮的過程。另外。在本程序中用到了膨脹和閉合這兩個(gè)基本運(yùn)算，最后還用了 bwareaopen來去除對象中不相干的小對象。 圖 區(qū)域 車牌進(jìn)一步處理 經(jīng)過上述方法分割出來的車牌 圖像 中存在 目標(biāo)物體、背景還有噪聲，要想從圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個(gè)閾值 T，用 T將圖像的西安工業(yè)大學(xué) 25 數(shù)據(jù)分成兩部分：大于 T的像素群和小于 T的像素群 ，即對圖像二值化。 (一 )梯度算子可分為 3類： 使用差分近似圖像函數(shù)導(dǎo)數(shù)的算子。銳化的輸出圖像 f 是根據(jù)下式從輸入圖像 g 得到的： f(i， j)=g(i， j)c s(i， j)，其中 c 是反映銳化程度的 正系數(shù)，s(i， j)是圖像函數(shù)銳化程度的度量，用梯度箅子來計(jì)算， Laplacian 箅子常被用于這一目的。與前面的微分算子 處 僅采用很小的鄰域來檢測邊緣不同，過零點(diǎn) (Zerocrossing)的檢測所依賴的范 圍