【正文】 。因此車牌識別問題已經(jīng)成為現(xiàn)代交通工程領(lǐng)域中的重點(diǎn)和熱點(diǎn)問題之一。這個 時期的車牌識別 在識別 車牌的 正確率 上已經(jīng)遠(yuǎn)遠(yuǎn)高于從前了 ，但 是 識別實(shí)時性的要求還沒有考慮 到 ，識別速度有待進(jìn)一步提高。目前，比較成熟的產(chǎn)品有中科院自動化研究所漢王公司的 “ 漢王眼 ” ，香港亞洲視覺科技有限公司的慧光車牌號碼識別系統(tǒng)等。 本 文章節(jié)安排 本文以 MATLAB 程序?yàn)榛A(chǔ)，介紹車牌識別技術(shù)的原理、方法、結(jié)果等內(nèi)容。 圖像按明暗程度和空間坐標(biāo)的連續(xù)性可以分為兩大類，分別是數(shù)字圖像和模擬圖像。 為了便于利用計(jì)算機(jī)對圖像進(jìn)行進(jìn)一步的加工和處理，需要把模擬圖像在空間上、幅值上進(jìn)行離散化，將其轉(zhuǎn)換為對應(yīng)的數(shù)字形式，離散化的圖像稱為數(shù)字圖像。數(shù)字圖像處理的基本過程是由圖像數(shù)字化器中產(chǎn)生的數(shù)字圖像先進(jìn)入一個適當(dāng)裝置的緩存中，然后根據(jù)操作員的指令，計(jì)算機(jī)調(diào)用和執(zhí)行程序庫中的圖像處理程序。 MATLAB 為從事圖像處理的工程師和研究人員提供了直 觀、可靠的一體化開發(fā)工具。用戶可根據(jù)自身需求對圖像進(jìn)行一系列的處理，其中包括特征提取、分析形狀和紋理以及對兩幅圖像進(jìn)行匹配等。在將此車牌區(qū)域的點(diǎn)的坐 標(biāo)放入數(shù)組 location_of_1 中，對這些坐標(biāo)進(jìn)行計(jì)算，尋找 x 坐標(biāo)與 y 坐標(biāo)之和最大的點(diǎn) a 與最小的點(diǎn) b， a 即為車牌的左上角， b 為車牌的右下角，通過這兩個坐標(biāo)將車牌分割出來 [11]。 “ 0” 表示純黑色， “ 255” 表示純白色，中間的數(shù)字從小到大表示由黑色到白色的過渡色 [12]。 RGB 圖像的數(shù)據(jù)類型一般為 8 位無符號整型，通常用于表示和存放真彩色圖像，當(dāng)然也可以存放灰度圖像 [13]。 對于邊緣清晰的圖像， Sobel 提出一種檢測邊緣點(diǎn)的算子。 腐蝕的運(yùn)算符號為 ? ， A 用 B 來腐蝕記作 AB? 錯誤 !未找到引用源。為了有效的去除這些噪聲，并且有效的保存研究對象的圖像形狀、大小及特定的幾何和拓?fù)浣Y(jié)構(gòu)特征 ， 我們就要采取濾波。二值化閾值設(shè)置過小易產(chǎn)生噪聲；閾 值設(shè)置過大會降低分辨率，使非噪聲信號被視為噪聲而濾掉二值變換的結(jié)果 [16]。 車牌字符分割是對二值圖 像 從左向右按 列 計(jì)算每一列之和，沒有白點(diǎn)的列和為 0，有白點(diǎn)的列和 為 非零，轉(zhuǎn)換為邏輯1，記錄下所有列和在 0 與 1 轉(zhuǎn)換的列，即為需要切割的列，共有 14 列，可切出 7 個字符。 60 年代出現(xiàn)了采用磁性墨水和特殊字體的實(shí)用機(jī)器。 它的 基本模型是在對研究的圖像進(jìn)行大量的統(tǒng)計(jì)分析， 并 找出 其 規(guī)律性，抽出反應(yīng)圖像本質(zhì)特點(diǎn)進(jìn)行識別 [8]。 在該類方法中，關(guān)鍵問題是如何建立匹配模板以及采用何種相似性的度量。 （ 2）匹配模板 由模板匹配的原理知，匹配模 板要根據(jù)待測目標(biāo)的特征來構(gòu)造。 由于我國的普通小型汽車車牌第一位字符是漢字，分別代表各個省的簡稱，然后第二位是 A 到 Z 的字母，接下來的后五位則是數(shù)字和字母的混合搭配。 經(jīng)過灰度變換后，像素的動態(tài)范圍增加，圖像的對比度擴(kuò)展，使圖像變得更加清晰、細(xì)膩、容易識別。 I_gray=rgb2gray(I)。在本次設(shè)計(jì)中，我利用 Sobel 算子對灰度圖像進(jìn)行邊緣檢測，然后再對邊緣圖像進(jìn)行腐蝕，去除掉邊緣圖像細(xì)的、間斷的邊緣，對剩下的區(qū)域進(jìn)行閉合以填充圖像，此時車牌區(qū)域已經(jīng)形成了一個大的連通域，再調(diào)用 bwareaopen 函數(shù)去掉小的連通域。 se=[1。 se=strel(39。 I_final=bwareaopen(I_close,2021)。可以通過求梯度局部最大值對應(yīng)的點(diǎn)，并認(rèn)定為邊緣點(diǎn)，去除非局部最大值，可以檢測出精確的邊緣。 最后還用了 bwareaopen 來去除對象中不相干的小對象。 newlocation=[i,j]。 end if tempmaxi maxi=temp。 I_plate=I(x1:x2,y1:y2)。車牌提取 39。 if logical(sum_y)~=flag %列和有變化時，記錄下此列 X=[X j]。 char=imresize(char,[32,16],39。))。 建立模板數(shù)據(jù)庫時要作為模板的圖片進(jìn)行統(tǒng)一處理，所以將這些圖片歸一化為大小 32*16 像素點(diǎn)的規(guī)格 。,39。,39。,39。,39。))。,39。,39。,39。,39。... ,39。,39。,39。,39。,39。num\39。 char=[char store2(index)]。圖像中車輛牌照是具有比較顯著特征的一塊圖象區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列的 ；在整體圖象中的位置較為固定。 讓我不僅僅是在學(xué)習(xí)知識上，還有對科學(xué)實(shí)驗(yàn)的嚴(yán)謹(jǐn)態(tài)度上都有了很大提升。)。)。1。,[25,25])。)。maxi=0。 %和最大的點(diǎn)為車牌的右下角 x1=first_point(1)+4。 % T 為二值化的閾值 I_plate =im2bw (I_plate,T/256)。 if logical(sum_y)~=flag %列和有變化時，記錄下此列 X=[X j]。車牌提取 39。 I_plate=I(x1:x2,y1:y2)。 end if tempmaxi maxi=temp。 newlocation=[i,j]。)。腐蝕后邊緣圖像 39。 subplot(3,2,3),imshow(I_edge),title(39。)。二是車牌識別逐漸走上智能化的過程，通過智能系統(tǒng)選取不同的算法進(jìn)行自動的分析才能更準(zhǔn)確的應(yīng)對各個角度及位置的車牌信息識別。 盡管目前牌照字符的識別率還不是很完美，但是只要在分割出的字符的大小、位置的歸一化，以及嘗試提取分類識 別能力更好的特征值和設(shè)計(jì)分類器等環(huán)節(jié)上再完善，進(jìn)一步提高識別率是完全可行的。 結(jié)果分析 圖 45 字符識別結(jié)果圖像 本文以 MATLAB R2021a 為實(shí)驗(yàn)平臺， 在得到這個結(jié)果之前，需要對車牌圖像進(jìn)行預(yù)處理、車牌定位、車牌分割等處理 。 Template=im2bw(Template)。Char_39。,39。,39。,39。,39。,39。,39。,39。,39。 end index=find(Compare==(min(Compare)))。 Template=imread(strcat(39。,39。,39。,39。 store1=strcat(39。 字符識別 模板庫的合理建造是字符識別準(zhǔn)確的關(guān)鍵之一，所以在字符識別之前必須把模板庫 26 設(shè)置好。Char_39。 break end end for i=1:size(char,1) if sum(char(size(char,1)i,:))~=0 bottom=size(char,1)i。切割出單個字符后，放入 char_(i)中，并切 割 掉每個字符的上下的空白區(qū)域，完成精確切割。 % T 為二值化的閾值 I_plate =im2bw (I_plate,T/256)。 %和最大的點(diǎn)為車牌的右下角 x1=first_point(1)+4。maxi=0。 設(shè)計(jì)過程首先將二值圖像中所有為白色的點(diǎn)的坐標(biāo)放入數(shù)組 location_of_1 中，對這些坐標(biāo)進(jìn)行計(jì)算，尋找 x 坐標(biāo)與 y 坐標(biāo)之和最大的 點(diǎn) a 與最小的點(diǎn) b，最大點(diǎn) a 即為車牌的左上角，最小點(diǎn) b 為車牌的右下角，通過這兩個坐標(biāo)將車牌分割出來 。)就 能得到邊緣檢測的圖像如圖 42（ a）所示。)。 %填充圖像 figure(5)。 %對邊緣圖像進(jìn)行腐蝕 figure(4)。 %利 用 Sobel 算子進(jìn)行邊緣檢測 figure(3)。)。 %讀入圖像 figure(1)。當(dāng)然，在這之前，我們首先要對圖像進(jìn)行一系列的預(yù)處理， 因?yàn)?圖像在形成、傳輸或變換過程中，受多種因素的影響，如：光學(xué)系統(tǒng)失真、系統(tǒng)噪聲、曝光不足或過量、相對運(yùn)動等，往 往會與原始景物之間或圖像與原始圖像之間產(chǎn)生了某種差異，這種差異稱為降質(zhì)或退化。 模板匹配 也可以計(jì)算模板特征量 和 圖像 16 之間的距離， 根據(jù) 最小距離法 來將圖像劃分為某個類型 。差值測度法計(jì)算簡單，對于簡單區(qū)域的匹配是可行的，但對于復(fù) 雜區(qū)域的匹配準(zhǔn)確度不高。 基于模板匹配的字符識別 如果已知圖像中目標(biāo)的特征，或者要檢測圖像中是否包含特定目標(biāo)，則可根據(jù)對目標(biāo)的了解建立相應(yīng)的模板，進(jìn)而來考察模板和原圖像中的各個尺寸相同子區(qū)域的相似性。 字符識別分類 車牌字符識別方法基于模式識別理論 ， 主要有以下幾類 ： (1) 結(jié)構(gòu)識別； 他由識別及分析兩部分組成，識別部分主要組成是：預(yù)處理、基元抽?。òɑ妥訄D像之間的關(guān)系）和結(jié)構(gòu)分析。而大小歸一是指在長度和寬度方向上分別乘以一個比例因子，使其等于標(biāo)準(zhǔn)模塊的字符大小，本文采用的大小歸一的方法是分別從水平投影和垂直投影兩個方向上對字符象素的大小進(jìn)行歸一化處理。 設(shè)有圖像 ( , )f xy ，其灰度級范圍為 0, kzz????， T 是 0z 和 kz 之間的任意一個數(shù)。灰度圖像二值化在 圖像處理的過程中有著很重要的作用，他不僅能使數(shù)據(jù)量再一次變小，而且還能突出需要的目標(biāo)輪廓，從而進(jìn)行圖像的處理與分析。 A 用 B 的閉運(yùn)算記作 AB? ，其定義為： ()A B A B B? ? ? ? （ 34） 閉運(yùn)算可以平滑圖像的輪廓，它一般用來填充目標(biāo)內(nèi)的細(xì)小空洞和裂縫、連接斷開的臨近目標(biāo)。 數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算有 4 個：膨脹（或擴(kuò)張）、腐蝕（或侵蝕）、開啟和閉合 [15]。 Sobel 算子是對圖像進(jìn)行差分和濾波運(yùn)算，且它對噪聲具有一定的抑制能力，所以本設(shè)計(jì)運(yùn)用 Sobel 算子對圖像進(jìn)行邊緣檢測。二值圖像可以看成是灰度圖像的一個特例。 車牌圖像采集 車牌圖像預(yù)處理 對車牌進(jìn)行定位 輸出識別結(jié)果 字符識別 對車牌字符進(jìn)行分割 9 車牌圖像預(yù)處理 圖像灰度化 圖像一般可以分為一下的三類。目前 MATLAB軟件已廣泛運(yùn)用到數(shù)字圖像處理領(lǐng)域，故本次研究以 MATLAB 軟件為平臺實(shí)現(xiàn)車牌識別。在默認(rèn)狀態(tài)下， MATLAB 通常用雙精度浮點(diǎn)類型數(shù)組存儲數(shù)據(jù)。laboratory 兩個詞的組合，意為矩陣工廠（矩陣實(shí)驗(yàn)室）。 對于灰度圖像，量化是對取樣所得的離散樣本點(diǎn)上的灰度值進(jìn)行離散化，將原圖像的連續(xù)灰度用 2kL? （ k 為整數(shù)）個等間距的灰度級進(jìn)行表示。它是由一系列離散單元經(jīng)過量化后形成 的灰度值的集合，即像素的集合[5]。 第 4 章主要介紹了基于 MATLAB 的車牌識別代碼以及對 仿真 結(jié)果的分析。 我國車牌分析 我國汽車牌照是 由車輛管理機(jī)關(guān)經(jīng)過申領(lǐng)牌照的汽車進(jìn)行審核、檢驗(yàn)、登記后，核發(fā)的帶有注冊登記編碼的硬質(zhì)號碼牌，它們都具有統(tǒng)一的格式、統(tǒng)一的式樣。另外日本、加拿大、德國等發(fā)達(dá)國家都有適用于本國的車牌識別系統(tǒng)。在這個階段，車牌識別技術(shù)的研究還沒有形成完整的系統(tǒng)體系，一般采用簡單的圖像處理方法來解決某些具體問題，并且最終結(jié)果需要人工干預(yù)。 （ 4）城市十字交通路口的 “ 電子警察 ” 。 基于社會經(jīng)濟(jì)的飛速發(fā)展，汽車已經(jīng)成為生活中不可缺少的一種交通工具，已經(jīng)和人們的生活融為一體了，汽車保有量的不斷增加，也帶來了一系列的問題，比如：交通堵塞嚴(yán)重、交通事故頻發(fā)、交通污染嚴(yán)重、交通環(huán)境惡化和收費(fèi)制度混亂等。它以數(shù)字圖像處理、模式識別、計(jì)算機(jī)視覺等技術(shù)基礎(chǔ)，對攝像機(jī)所拍攝的車輛圖像進(jìn)行分析，得到每一輛汽車唯一的車牌號碼，從而完成識別過程，它對汽車防盜、緩解交通緊張等起到了積極的作用。 character segmentation。以車牌自動識別技術(shù)為基礎(chǔ)，與其他高科技手段結(jié)合，對高速公路交通流狀況進(jìn)行自動監(jiān)測、自動布控，從而降低交通事故的復(fù)發(fā)生率，確保交通順暢。 2 本次研究主要是理解基于 MATLAB 的車牌識別的實(shí)現(xiàn)方法。從 80年代中期開始， ARGUS英國 Alphatech公司就開始了名為 RAUS的車牌識別系統(tǒng)的研制。另外西安交通大學(xué)的圖像處理和識別實(shí)驗(yàn)室、上海交通大學(xué)的計(jì)算機(jī)科學(xué)和工程系、清華大學(xué)人工智能國家重點(diǎn)實(shí)驗(yàn)室、浙江大學(xué)自動化系等都做過類似的研究 [3]。 本文第 1 章主要介紹車牌識別技術(shù)的研究目的和意義 、 車牌識別技術(shù)的發(fā)展 以及 對 4 我國車牌的分析。明暗程度和空間坐標(biāo)都是連續(xù)變化的、計(jì)算機(jī)無法直接處理的圖像是模擬圖像。圖像離散化過程包括兩種處理：取樣和量化。在執(zhí)行過程中，輸入圖像被逐行的讀入計(jì)算機(jī)。這些開發(fā)工具在醫(yī)學(xué)、公安和國防、遙感遙測、生物技術(shù)、顯微鏡技術(shù)、半導(dǎo)體測試、圖像傳感器設(shè)計(jì)等圖像處理領(lǐng)域得到了廣泛的應(yīng)用 [8]。 真彩色圖像、索引色圖像、灰度圖像、二值圖像都是 MATLAB 的圖像處理工具箱可以支持圖像類型 。 第二步是將前面車牌里的 7 個字符分割出來，其過程是 從左向右像按 列 計(jì)算每一列之和，沒有白點(diǎn)的列和為 0，有白點(diǎn)的列和非零，轉(zhuǎn)換為邏輯 1，記錄下所有列和在 0與 1 轉(zhuǎn)換的列，即為需要切