【正文】 %=================識別漢字=================[y,x,z]=size(xiuzhenghanzi)。本文采用了基于模板匹配的字符識別方法。由于汽車車牌圖像所處成像環(huán)境復(fù)雜多變很難采集到一個(gè)完整的有代表性原始圖像集作為統(tǒng)計(jì)分析的基礎(chǔ)，因此統(tǒng)計(jì)方法難于實(shí)現(xiàn)。%===============用函數(shù)設(shè)定分割閾值========================SS=x*y%定義數(shù)組histogram存儲垂直方向的黑點(diǎn)數(shù)histogram=sum(~imfenge)。字符分割一般采用垂直投影法。)。(Y_downy))%找到圖片上邊界 %去除左邊邊框干擾 X_right=1。))39。擦除反色39。bw = bwareaopen(bw, threshold)。)。,inf)?；叶忍幚砗蟮膱D像，每個(gè)像素點(diǎn)出都有一個(gè)閾值，二值化的關(guān)鍵是找到合適的閾值t來區(qū)分對象和背景。%J記錄了傾斜角qingxiejiao=90J。title(39。因此有必要針對特定的牌照圖像提取其傾斜角度，再加以相應(yīng)的旋轉(zhuǎn)處理?；叶然奶幚矸椒ㄖ饕腥缦氯N: (1)最大值法:使R. G, B的值等于三值中最大的一個(gè)，即 R=G=B=max(R,G,B) () (2)平均值法:使R, G, B的值值等于三值和的平均值，即 R=G=B= () (3)加權(quán)平均值法:根據(jù)重要性或其它指標(biāo)給R, G, B賦予不同的權(quán)值，并使R, G, B等于它們的值的加權(quán)和平均，即 R=G=B= () 其中Wr Wc,Wa，分別為R, G, B的權(quán)值。真彩色圖像又稱RGB圖像，它是利用R, G, B3個(gè)分量表示一個(gè)像素的顏色，R, G, B分別代表紅、綠、藍(lán)3種不同的顏色，通過三基色可以合成出任意顏色。 a=PY2PY1+1。%有最多藍(lán)點(diǎn)的行付給PY1%==============X 方向===========================X_threshhigh=(PY2PY1)/11。myI=double(I)。%顯示原始圖像chepailujing=[pn fn]I_bai=I。,39。系統(tǒng)可以運(yùn)行于Windows9Windows2000或者Windows XP操作系統(tǒng)下，程序調(diào)試時(shí)使用matlab。目前，已經(jīng)提出了很多種方法，一個(gè)共同的出發(fā)點(diǎn)是：通過牌照區(qū)域的特征來判斷牌照，利用的車牌特征主要包括：車牌區(qū)域內(nèi)的邊緣灰度直方圖統(tǒng)計(jì)“特征”、車牌的幾何特征、車牌區(qū)域的灰度分布特征、車牌區(qū)域水平或垂直投影特征、車牌形狀特征和頻譜特征。在LPR 系統(tǒng)產(chǎn)品的性能指標(biāo)中，識別率和識別速度難以同時(shí)提高其中原因既包括圖像處理技術(shù)不夠成熟，又受到攝像設(shè)備計(jì)算機(jī)等性能的限制。車牌自動識別系統(tǒng)擁有廣闊的應(yīng)用前景，但若在每個(gè)街口都裝配一套全新的車輛探測器的硬件系統(tǒng)則投資巨大，所以急需一個(gè)純軟件實(shí)行的車牌自動識別系統(tǒng)來最大限度的減少費(fèi)用，而純軟件的設(shè)計(jì)，不僅投資小而且靈活性高，適合我國的國情。該系統(tǒng)能夠測量和統(tǒng)計(jì)很多交通流指標(biāo)參數(shù)，如總的服務(wù)流率，總行程時(shí)間，總的流入量流出量，車型及車流組成，日車流量，小時(shí)/分鐘車流量，車流高峰時(shí)間段，平均車速，車輛密度等。現(xiàn)代交通的飛速發(fā)展以及車牌識別系統(tǒng)應(yīng)用范圍的日益拓寬給車牌識別系統(tǒng)提出了更高的要求。就位數(shù)而言，有七位數(shù)字的，有武警車九位數(shù)字的，有軍車、前兩位字符上下排列的等，所以也造成了處理的難度。 車牌識別系統(tǒng)中的兩個(gè)關(guān)鍵子系統(tǒng)是車牌定位系統(tǒng)和車牌字符識別系統(tǒng)。44河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 第二章 汽車車牌識別系統(tǒng)的研究第二章 汽車車牌識別系統(tǒng)的研究 研究目的和意義車牌識別LPR是智能交通系統(tǒng)(ITS)的一個(gè)重要組成部分。智能交通系統(tǒng)以車輛的自動檢測作為信息的來源，因而對汽車牌照等相關(guān)信息的自動采集和處理的一門新的交通信息獲取技術(shù)——車牌識別(License Plate Recognition ，LPR) 技術(shù)逐漸發(fā)展起來，成為信息處理技術(shù)的一項(xiàng)重要研究課題。汽車牌照的自動識別技術(shù)已經(jīng)得到了廣泛應(yīng)用。本文首先確定車輛牌照在原始圖像中的水平位置和垂直位置,從而定位車輛牌照,然后采用局部投影進(jìn)行字符分割。如何有效地進(jìn)行交通管理，越來越成為各國政府的相關(guān)部門所關(guān)注的焦點(diǎn)。采用計(jì)算機(jī)視覺技術(shù)和圖像處理技術(shù)進(jìn)行車牌識別是一個(gè)發(fā)展方向。車牌識別系統(tǒng)將獲取的車輛圖像進(jìn)行一系列的處理后，以字符串的形式輸出結(jié)果，這樣不但數(shù)據(jù)量小，便于存儲，操作起來也更容易，因此車牌識別系統(tǒng)的便捷性是人工車牌識別所不能比擬的，它蘊(yùn)藏著很大的經(jīng)濟(jì)價(jià)值和發(fā)展空間，對車牌識別技術(shù)的研究是非常有的意義的。 車牌字符識別是在車牌準(zhǔn)確定位的基礎(chǔ)上，對車牌上的漢字、字母、數(shù)字進(jìn)行有效確認(rèn)的過程，其中漢字識別是一個(gè)難點(diǎn)，許多國外的LPR系統(tǒng)也往往是因?yàn)闈h字難以識別而無法打入中國市場，因而探尋好的方法解決字符的識別也是至關(guān)重要的。 另外，還有兩種專門的技術(shù)被用于車牌的識別中，條形碼識別技術(shù)和無線射頻技術(shù)。車牌自動識別系統(tǒng)應(yīng)用于這些系統(tǒng)，可以解決通緝車輛的自動稽查問題，可以解決車流高峰期因出入口車流瓶頸造成的路橋卡口、停車場交通堵塞問題，可以解決因工作人員作弊造成的路橋卡口、高速公路、停車場應(yīng)收款流失的問題。 (4)對養(yǎng)路費(fèi)交納、安全檢查、運(yùn)營管理實(shí)行不停車檢查根據(jù)識別出的車牌號碼從數(shù)據(jù)庫中調(diào)出該車檔案材料，可發(fā)現(xiàn)沒及時(shí)交納養(yǎng)路費(fèi)的車輛。”，后面的汽車編號，一般為5位數(shù)字，即從00001~99999。如下圖所示。由于拍攝時(shí)的光照條件、牌照的整潔程度的影響和攝像機(jī)的焦距調(diào)整、鏡頭的光學(xué)畸變所產(chǎn)生的噪聲都會不同程度地造成牌照字符的邊界模糊、細(xì)節(jié)不清、筆劃斷開或粗細(xì)不均，加上牌照上的污斑等缺陷，致使字符提取困難，進(jìn)而影響字符識別的準(zhǔn)確性。由于條件有限，此處照片直接由相機(jī)拍攝，并編寫程序?qū)隡atlab軟件中進(jìn)行處理。I=imread([pn fn])。總結(jié)起來主要有如下幾類方法：(1) 基于水平灰度變化特征的方法，這種方法主要在車牌定位以前， 需要對圖像進(jìn)行預(yù)處理，將彩色圖像轉(zhuǎn)換為灰度圖像，利用車牌區(qū)域水平方向的紋理特征進(jìn)行車牌定位；(2) 基于邊緣檢測的定位方法，這種方法是利用車牌區(qū)域豐富的邊緣特征進(jìn)行車牌定位[3]，能夠進(jìn)行檢測的方法有多種，如Roberts 邊緣算子、Prewitt 算子、Sobel 算子以及拉普拉斯邊緣檢測；(3) 基于車牌顏色特征的定位方法，這種方法主要是應(yīng)用車牌的紋理特征、形狀特征和顏色特征即利用車牌字符和車牌底色具有明顯的反差特征來排除干擾進(jìn)行車牌的定位；(4) 基于Hough 變換的車牌定位方法，這種方法是利用車牌邊框的幾何特征，采取尋找車牌邊框直線的方法進(jìn)行車牌定位；(5) 基于變換域的車牌定位方法，這種方法是將圖像從空域變換到頻域進(jìn)行分析，例如采用小波變換等；(6) 基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法，這種方法是利用數(shù)學(xué)形態(tài)學(xué)圖像處理的基本思想，利用一個(gè)結(jié)構(gòu)元素來探測一個(gè)圖像， 看是否能將這個(gè)結(jié)構(gòu)元素很好的填放在圖像內(nèi)部，同時(shí)驗(yàn)證填放元素的方法是否有效。%ganrao transaction%================= Y 方向=======================Blue_y=zeros(y,1)。 % 進(jìn)一步確定X方向的車牌區(qū)域 [temp MaxX]=max(Blue_x)。 [temp MaxY]=max(Blue_y)。 彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度。figure,imshow(bw)。bilinear39。%取值為正值向左旋轉(zhuǎn)I=edge(I)。這是因?yàn)椋环矫?，有些需要處理的如文字圖像、指紋圖像、工程圖紙等圖像本身是二值的；另一方面，在某些情況下即使圖像本身是有灰度的，我們也設(shè)法使它變成二值圖像再進(jìn)行處理（即灰度圖像的二值化）。我們采用最簡單的方法，當(dāng)象素灰度級低于常數(shù)t時(shí)，[0t]象素灰度為0，[t255]象素灰度為255。spur39。,5)。擦除39。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個(gè)位置應(yīng)滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。Y_yuzhi=mean(Y_touying((fix(y/2)10):(fix(y/2)+10),1))/。bw = bwareaopen(bw, threshold)。字符分割的方法也有多種：1. 基于聚類分析的字符分割；2. 投影分割的方法；。對‘豫’字經(jīng)常出現(xiàn)的是把木字旁和右邊的部首分割開。%去掉多產(chǎn)生的一個(gè)K值[m n]=size(fenge)。基于神經(jīng)網(wǎng)絡(luò)的字符識別方法，具有良好的容錯(cuò)能力，分類能力和并行處理能力及自我學(xué)習(xí)能力，應(yīng)用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模式識別，運(yùn)行速度快，自適應(yīng)好，分辨率高，對信息復(fù)雜、背景不清楚、推理不明確的問題尤為有利。有利于提高模版匹配的成功率。chepai= find(baifenbi=max(baifenbi))。baifenbi(1,k)=sum/(x*y)。；。hanzi(:,:,2)=imresize(im2bw(cplu,graythresh(rgb2gray(cplu))),[110 55],39。對于光照條件不理想的圖象，可先進(jìn)行一次圖象增強(qiáng)處理，使得圖象灰度動態(tài)范圍擴(kuò)展和對比度增強(qiáng)，再進(jìn)行定位和分割，這樣可以提高分割的正確率。把每一幅相減后的圖的0值個(gè)數(shù)保存，然后找數(shù)值最大的，即為識別出來的結(jié)果。從開始的收費(fèi)輔助系統(tǒng)演變過來的車牌識別技術(shù)現(xiàn)在運(yùn)用的領(lǐng)域是越來越廣。這個(gè)設(shè)計(jì)讓我學(xué)到了很多東西，涉及到方方面面的知識，在這整個(gè)過程中我們查閱了大量的資料，得到了老師和同學(xué)的幫助，我在此對他們表示謝意。在這個(gè)美麗的校園里，原本天真幼稚的我如今已蛻變成一個(gè)睿智、沉穩(wěn)的青年，感謝命運(yùn)的安排，讓我有幸結(jié)識了許多良師益友，是他們教我如何品味人生，讓我懂得如何更好的生活！人生處處是驛站，已是揮手作別之時(shí)，在此，向所有幫助過我的人獻(xiàn)上我最誠摯的謝意！“飲其流時(shí)思其源，成吾學(xué)時(shí)念吾師。%說明：% ==============測定算法執(zhí)行的時(shí)間，開始計(jì)時(shí)=================tic%====================讀入圖片================================[fn,pn,fi]=uigetfile(39。原始圖像39。%使用caitu_tiqu%==============考慮用腐蝕解決藍(lán)色車問題=============bw=Plate。灰度圖像39。title(39。%figure,imshow(bw)。bw=bwmorph(bw,39。figure,imshow(bw)。)。bw = bwareaopen(bw, threshold)。%=================顯示分割圖像結(jié)果========================= figure。 shuzi_2 =bw( 1:y,fenge(11):fenge(12))。xiuzhengzm_sz_1= imresize(zm_sz_1,[110 55],39。)。39。39。39。39。39。39。39。39。39。39。39。),imread(39。),imread(39。),imread(39。),...imread(39。),imread(39。),imread(39。39。39。 %===================識別結(jié)果================================ i=1。 shibiejieguo(1,i) =jieguozm_sz_1。jieguoshuzi_2= shibieshuzi(shuzi,xiuzhengshuzi_2)。)。,shibiejieguo,datestr(now))。%ganrao transaction%================= Y 方向============================Blue_y=zeros(y,1)。amp。amp。amp。amp。,39。%有最多藍(lán)點(diǎn)的行付給PY1 while ((Blue_y(PY1,1)=Y_threshlow)amp。%這個(gè)數(shù)值很重要。((myI(i,j,3)=160)amp。((myI(i,j,3)=160)amp。(myI(i,j,2)=))amp。 end while ((Blue_x(1,PX1)=X_threshhigh)amp。 end%確定出X方向車牌終點(diǎn) a=PY2PY1+1。 % 白色象素點(diǎn)統(tǒng)計(jì) end end end baisebili=White/(a*b) changkuanbi=a/b k=k+1%====================藍(lán)色區(qū)域不是車牌區(qū)域================= elseif (k~=0) Blue_y(PY1:PY2,1)=0。amp。 if PX2=x PX2=x。(myI(i,j,3)=))) Blue_x(1,j)= Blue_x(1,j)+1。(myI(i,j,1)=)amp。((myI(i,j,2)=100)amp。((myI(i,j,2)=90)amp。 while ((Blue_y(PY2,1)=Y_threshlow)amp。39。amp。 % 藍(lán)色象素點(diǎn)統(tǒng)計(jì)