【正文】 ),( ),(*),(),(21 yxHyxfyxE yxHyxfyxEyx （ ） Roberts 算子 Roberts 算子是一種利用局部差分算子尋找邊緣的算子 [10]。圖像預(yù)處理效果的好壞，將對車牌識別的后續(xù)處理過程（如車牌定位，字符分割等）產(chǎn)生直接的影響。因此，尋求魯棒性更高并且同時兼具實時性和適應(yīng)性的定位算法一直都是人們不懈追求的目標(biāo)。使用此方法進行車牌定位分為兩步：首先對車牌進行粗定位，然后在粗定位圖像的基礎(chǔ)上對車牌進行精確定位。 需要注意的是，經(jīng)過粗定位后，可能會得到得到多個車牌粗定位的候選區(qū)域。只不過此時得到的直方圖上會有一系列的峰值，而不是一個峰值，直方圖呈現(xiàn)出峰 — 谷 — 峰的結(jié)構(gòu)。膨脹能消除圖像中的空洞，經(jīng)過膨脹運算后，圖像的面積會增大。開運算對圖像具有平滑效果，它能消除圖像的邊 緣毛刺以及孤立斑點等等。車牌圖像的特征在車牌定位過程中具有非常重要的作用。 （ 3）車牌的前 2 個字符和后面 5 個字符之間的間隔符（小圓點）需要進行 27 特殊處理。若小于閾值，則說明分割得到的不是一個完整的漢字，還需繼續(xù)掃描下一列，當(dāng)掃描到大于固定閾值的列時，說明掃描到漢字字符的另一半，繼續(xù)掃描下一列，直至遇到小于固定閾值的列，再將該列與字符分割的起始列作差，其差值與等于車牌寬度九 分之一的閾值進行比較，若大于閾值，則說明第一個字符分割結(jié)束，若小于閾值，則繼續(xù)上述步驟，直到大于閾值時，停止。 28 圖 車牌原始圖像 圖 分割后的車牌字符 29 4． 2 本章小結(jié) 本章主要討論了車牌字符切割的方法，車牌字符切割的方法直接影響了下一步車牌識別的效率，本章采用基于水平投影的改進方法進行字符切割。統(tǒng)計特征是從原始數(shù)據(jù)中提取與分類相關(guān)的信息，使類內(nèi)差距極小化，而類間差距極大化。字符描述、特征提取和選擇、分類判決共同構(gòu)成了字符識別的三個基本環(huán)節(jié)。 （ 3）外界因素影響大 車牌識別系統(tǒng)在戶外全天候工作，對外界因素很敏感。在用模板匹配法對字符進行識別時，通常要先確定一個標(biāo)準(zhǔn)的字符模板庫，該標(biāo)準(zhǔn)模板庫中包含了字符集中每個字符的特征集合，如橫、豎、 撇、捺、折、點、連通域以及某些統(tǒng)計特征等，然后提取待識別字符的 31 相應(yīng)特征集合，將待識別字符的特征和標(biāo)準(zhǔn)模板庫中的字符特征進行比對，依據(jù)判決規(guī)則（如計算特征模板間的距離）對待識別字符進行分類。首先，收集好字符模板，建立字符模板庫。本文所做的工作具體包括以下幾部 分 ： 在第一章緒論中，主要研究了課題的研究背景，以及國內(nèi)外的研究現(xiàn)狀，闡明了車牌自動識別的流程以及本文的主要工作。 figure(1),imshow(I)。 figure(2),subplot(1,2,2),imhist(I1)。)。 35 figure(4),imshow(I3)。 figure(5),imshow(I4)。)。amp。%進一步確定 x 方向的車牌區(qū)域 for j=1:x for i=PY1:PY2 if(myI(i,j,1)==1) Blue_x(1,j)= Blue_x(1,j)+1。(PX2PX1)) 37 PX2=PX21。 figure(7),subplot(1,2,2),imshow(dw),title(39。輸入一個定位裁剪后的車牌圖像39。 .jpg39。 % T 為二值化的閾值 [m,n]=size(b)。) figure(8),subplot(3,2,3),imshow(d),title(39。)。/39。 end imwrite(d,39。k2=1。 end k2=j1。 while flag==0 [m,n]=size(d)。 all=sum(sum(temp))。 % 分割 出第四個字符 [word4,d]=getword(d)。239。 subplot(5,7,5),imshow(word5),title(39。)。 word7=imresize(word7,[40 20])。339。 subplot(5,7,20),imshow(word6),title(39。)。39。 imwrite(word7,39。A39。 for I=1:7 ii=int2str(I)。 kmax=40。.jpg39。 MinError=min(Error1)。, Code],39。y2=。 if widey1 amp。 if sum(sum(d))~=0。left=1。 end while sum(d(:,left))==0 amp。 e=imcrop(d,[left top dd hh])。amp。 top=m top=top+1。 end end end %end result=d。 % 切割出最小范圍 else word=[]。amp。)。 39。 end end % 以上相當(dāng)于兩幅圖相減得到第三幅圖 Dmax=0。 kmax=36。 SegBw2=imresize(t,[40 20],39。蘇豫陜魯 39。039。)。 imwrite(word3,39。739。)。 subplot(5,7,16),imshow(word2),title(39。 word3=imresize(word3,[40 20])。639。)。 subplot(5,7,1),imshow(word1),title(39。 % WORD 1 end d(:,[1:wide])=0。 end if widey1 % 認(rèn)為是左側(cè)干擾 d(:,[1:wide])=0。 % 切割出 7 個字符 y1=10。 end k1=j。 39。... se=eye(2)。square39。,3)。)。 39。39。)。 t=toc。(PX1x)) PX1=PX1+1。amp。 for i=1:y for j=1:x if(myI(i,j,1)==1) Blue_y(i,1)= Blue_y(i,1)+1。 I5=bwareaopen(I4,20xx)。 se=strel(39。) se=[1。 I2=edge(I1,39。 figure(2),subplot(1,2,1),imshow(I1)。 通過對 基于數(shù)字圖像的車牌識別這一課題的設(shè)計研究，使我對數(shù)字圖像處理這一門課程有了全新的認(rèn)識和學(xué)習(xí)，并對基于數(shù)字圖像的車牌識別這一課題進行了系統(tǒng)的學(xué)習(xí)，掌握了 課題研究背景，國內(nèi)外研究現(xiàn)狀，車牌識別系統(tǒng)的結(jié)構(gòu)圖 、 車牌圖像的預(yù)處理，并對車牌進行灰度化、二值化以及邊緣檢測 、 車牌定位，基于紋理特征和數(shù)學(xué)形態(tài)特征的車牌定位方法，并給出定位結(jié)果 、 字符切割，根據(jù)車牌自身特征，采用一種對水平投影法進行改進的車牌字符分割的方法對車牌 進行分割 、 字符識別，模板匹配的方法，建立了字符模板，以及用 AD 算法檢測 待測字符和模板字符中的相似程度，最終通過 MATLAB 實現(xiàn)了車牌數(shù)字與字母的識別 等一系列知識，同時也使我熟悉了 MATLAB 這一軟件的應(yīng)用。 (a)原始圖像 (b) matlab 識別結(jié)果 (c) 原始圖像 (d)matlab 識別結(jié)果 圖 5． 5 結(jié)果分析 由實驗結(jié)果可知，采用模板匹配方法，對于車牌數(shù)字和字母的識別率約 60%，實驗表明，該算法是可行的。其匹 配公式為： ? ???????nm nmjijinmjijiTEnmTSEnmSTEnmTSEnmSjiR, ,22,))(),(())(),(()(),()(),(),( （ ） 式中 ,()ijES 和 ()ET 分別是搜索子圖 ,ijS 和模板 T 的灰度平均值?，F(xiàn)在，車牌識別系統(tǒng)主要是作為一 個模塊應(yīng)用在智能交通管理系統(tǒng)中。對于440mm140mm 規(guī)格的車牌來說，這個分類規(guī)模還要更小。局部特征是在特定位置對固定大小的窗口內(nèi)的圖像進行變換。字符識別技術(shù)是車輛牌照識別中的核心技術(shù)之一，它是指對輸入的附加有字符信息的圖像，通過圖像分析和模式識別技術(shù)，運用一定的數(shù)學(xué)運算，輸出附加在圖像中的正確的字符信息的過 程 [14]。自左向右掃描圖像各列，當(dāng)遇到大于固定閾值（本文設(shè)定為 2，閾值需大于 1，因為車牌的前 2 個字符和后面 5 個字符之間一般存在一個小圓點）的列時， 則該列即被認(rèn)為是 字符分割的起始位置，繼續(xù)掃描，直至小于固定閾值或其掃描寬度大于另一固定閾值（車牌寬度的六分之一）時，第二個字符分割結(jié)束。 （ 2）利用車牌圖像中，第一個字符是漢字的特點。車牌字符切割就是將車牌圖像進行二值化處理，把圖像的字符和背景分開成二值圖像。應(yīng)用開閉運算對數(shù)字圖像進行處理，可以得到多個可能的車牌區(qū)域，然后再根據(jù)一定的判別法從確定的待選車牌區(qū)域中確定真正的車牌位置。經(jīng)過腐蝕運算后，圖像的面積會減小。形態(tài)學(xué)是一種非線性濾波方法，它可以用來解決圖像濾波、邊緣檢測、圖像分割、形狀識別、紋理分析、圖像壓縮、圖像恢復(fù)與重建等圖像處理問題。 考慮粗定位區(qū)域在水平方向上的一階差分運算，通過一節(jié)差分運算，可以有效的突出粗定位區(qū)域中灰度變換頻繁的區(qū)域。 這種方法又分為行定位和列定位兩步。相對于其它非車牌區(qū)域來說，車牌區(qū)域包含有字符的變化特征，即含有豐富的邊緣信息（細(xì)節(jié)信息）。另外，車牌定位的速度也會 對車牌識別系統(tǒng)的性能以及實際應(yīng)用產(chǎn)生重大的影響。這種算法檢測水平邊緣和垂直邊緣的效果要好于斜向邊緣，定位精度高，但是它對噪聲很敏感。 下面對這幾種常用的邊緣檢測方法做一簡單介紹。二值化的原理 [6]就是利用圖像中目標(biāo)圖像與背景圖像直接灰度值上的差異，從而取得一個閾值或者閾值范圍，再用這個結(jié)果將圖像轉(zhuǎn)換為只有目標(biāo)圖像和背景圖像的二值化圖像。由此我們可以很容易發(fā)現(xiàn)，處理灰度圖像時程序的執(zhí)行效率將遠(yuǎn)遠(yuǎn)高于執(zhí)行同樣的彩色圖像時程序的執(zhí)行效率。也就是說， RGB 空間下一幅圖像的存儲矩陣大小為 3??nm ，這樣就使得 在 RGB 空間下彩色圖像所占用的存儲空間很大 [3]。 對于實際拍攝到的圖片，由于天氣、光照以及速度等外部因素的影響，往往使得這些圖像并不能直接應(yīng)用到車牌識別過程中，而必須先對圖像進行前期的處理，以增強圖像的質(zhì)量。用來將上一步得到 的長方形車牌圖像，分割為幾個只包含單個待識別車牌號碼字符的圖像；第四步車牌字符識別，它用來從上一步得到的只包含單個車牌字符的圖像識別出車牌號碼，輸入是只包含單個車牌字符的圖像，輸出是車牌號碼字符串。 關(guān)于車牌定位系統(tǒng)的研究，國內(nèi)外學(xué)者已經(jīng)作了大量的工作，但實際效果并 13 不是很理想，比如車牌圖像的傾斜、車牌表面的污穢和磨損、光線的干擾等都是影響定位準(zhǔn)確度的潛在因素。從 20 世紀(jì) 90 年代初，國外就已經(jīng)開始了對汽車牌照 自動識別的研究，其主要途徑就是對車牌的圖像進行分析，自動提取車牌信息，確定汽車牌號。 車牌自動識別系統(tǒng)主要包括預(yù)處理、車牌定位、字符切割、字符識別四個關(guān)鍵環(huán)節(jié)，本文主要研究的是 在 已經(jīng) 分割 好的車牌 的基礎(chǔ)上， 通過部分圖像處理技術(shù)進行數(shù)字和字母的識別。 xlabel(39。D:\39。 6 在設(shè)計中 ,FPGA 主要負(fù)責(zé)與 PCI9030 本地總線間的通訊以及 A/ D 轉(zhuǎn)換器的數(shù)據(jù)傳輸和系統(tǒng)各部分之間邏輯和時序 的控制。 本模塊為 PCI 數(shù)據(jù)采集模塊 ,可對 4 路單端輸入的模擬信號并行采集 ,輸入信號幅度為177。根據(jù)實現(xiàn)方式不同， PCI 控制器可以與 CPU 一次交換 32 位或 64 位數(shù)據(jù)，它允許智能 PCI 輔助適配器利用一種總線主控技術(shù)與 CPU 并行地執(zhí)行任務(wù)。此標(biāo)準(zhǔn)允許在計算機內(nèi)安裝多達 10 個遵從 PCI 標(biāo)準(zhǔn)的擴展卡。管理器提供信號緩沖，能在高時鐘頻率下保持高性能，適合為顯卡，聲卡，網(wǎng)卡， MODEM 等設(shè)備提供連接接口，工作頻率為 33MHz/66MHz。開始的時候大家都以為它會被命名為 Serial PCI(受到串 行 ATA 的影響 )，但最后卻被正式命名為 PCI Express， Express 意思是高速、特別快的意思。工作原理是模擬信號通過信號調(diào)理電路 (前置電 路 ) ,經(jīng)過濾波放大處理后 ,送到 A/ D 轉(zhuǎn)換器 ,被 A/ D 轉(zhuǎn)換后的數(shù)字信號送入 FPGA 進行緩存和處理 ,所得數(shù)據(jù)通過 PCI 總線接口電路傳入上位機 (計算機 ) 。這對于穩(wěn)定性、實時性要求很高的數(shù)據(jù)采集裝置來說是不允許的，因 此有必要引入嵌入式操作系統(tǒng)。 ylabel(39。)。汽車識別技術(shù)在