【正文】 ..................... 21 5 結(jié)論 ............................................... 21 附錄：程序清單 ........................................ 22 2 1 緒論 車牌號(hào)識(shí)別研究背景 隨著我國(guó)公路交通事業(yè)的發(fā)展，車輛的數(shù)量正在迅速增長(zhǎng)，在給出行提供方便的同時(shí)，車輛管理上存在的 問(wèn)題日益突出，人工管理的方式已經(jīng)不能滿足實(shí)際的需要。其他國(guó)家的汽車牌照格式，如尺寸大小，牌照上字符的排列等，通常只有一種。 3 車牌號(hào)識(shí)別技術(shù)研究現(xiàn)狀和趨勢(shì) 目前我國(guó)有普通地方車牌號(hào)、武警車牌號(hào)、軍隊(duì)車牌號(hào)三種類型，普通地方車牌號(hào)又叫自選號(hào)牌車牌（如圖 1所示），自選號(hào)牌車牌尺寸是 520 ? ，即車牌長(zhǎng)寬比為 :1，一共 7 個(gè)字符，每個(gè)字符的高寬比為 2:1。 3）安防布控。系統(tǒng)一般由硬件和軟件構(gòu)成。目前常用的方法有：基于投影的方法和基于連通字符的提取等方法。 車牌號(hào)圖像識(shí)別要進(jìn)行 牌照號(hào)碼、顏色識(shí)別 。 垂直投影法的原理是 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(shū)寫(xiě)格式、字符、尺寸限制和一 些其他條件。為了提高識(shí)別率，除了不斷的完善識(shí)別算法，還應(yīng)該想辦法克服各種光照條件，使采集到的圖像最利于識(shí)別。例如藍(lán)色（ 255， 0， 0）與白色（ 255， 255， 255）在 R通道中并無(wú)區(qū)分，而在 G、 R 通道或是灰度圖象中數(shù)值相差很大。both39。適當(dāng)取門(mén)限 T，做如下判斷： ? ?,G x y T ,(x,y) 10 為階躍狀邊緣點(diǎn)。利用它可以消除小而且無(wú)意義的物體。1。,[25,25])。 13 車牌區(qū)域的邊界值計(jì)算 在將原始圖像進(jìn)行二值化，然后輪廓平滑處理后，圖像的每個(gè)點(diǎn)為兩個(gè)離散值中的一個(gè)，這兩個(gè)值代表開(kāi) (1)與關(guān) (0)，即只有黑與白的特殊灰度圖像，并且整個(gè)圖像只有兩個(gè)域 (如果有多個(gè)域需改變參數(shù)后重新進(jìn)行一此剔除干擾對(duì)象處理 )，全 1 的域即為車牌區(qū)域，并且近似矩形，長(zhǎng)寬比為 :1,也可以用這兩個(gè)特性去檢驗(yàn)提取的區(qū)域是否為車牌區(qū)域。 垂直方向的分界線可用同樣的 方法實(shí)現(xiàn)。 同時(shí)采集大的圖像噪點(diǎn)依然存在，因此可以通過(guò)處理圖像的低頻部分來(lái)銳化圖像。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(shū)寫(xiě)格式、字符、尺寸限制和一些其他條件。 在這之前還必須切除周邊空白， 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(shū)寫(xiě)格式、字符、尺寸限制和一些其他條件。使圖像字符大小跟模板圖像大小一致，Matlab提供一個(gè)改變圖像大小的函數(shù) imresize(I， Size， Model)， Model是插值運(yùn)算方法，這里選用 39。 4 仿真結(jié)果及分析 車牌定位及圖像讀取及其圖像處理 車牌定位后系統(tǒng)邊緣檢測(cè)的仿真結(jié)果圖如下圖所示 : 21 圖 圖像讀取及檢測(cè)結(jié)果圖 結(jié)果分析：圖像車牌區(qū)域提取就是從原圖中截取含車牌的部分，即 RGB 圖像，然后進(jìn)行字符的切割與識(shí)別。由 圖 可 知，字符匹配識(shí)別的難易程度不一致，但總體能識(shí)別出漢字、字母和數(shù)字。 本設(shè)計(jì)雖然只對(duì)藍(lán)底白字車牌進(jìn)行分割識(shí)別，對(duì)黑底白字車牌原則上整個(gè)算法可直接適用，對(duì)白底黑字車牌、黃底黑字車牌，需要對(duì)車牌定位算法進(jìn)行調(diào)整，并將圖像反轉(zhuǎn)（ 0變 1 變 0），而車牌字符的分割算法仍然行之有效。 figure(1),imshow(I)。 figure(2),subplot(1,2,2),imhist(I1)。)。 figure(4),imshow(I3)。 figure(5),imshow(I4)。)。amp。%進(jìn)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)) PX2=PX21。行方向合理區(qū)域 39。39。 b=rgb2gray(a)。 g_min=double(min(min(b)))。subplot(3,2,2),imshow(d),title(39。 imwrite(d,39。 % 使用一個(gè) 3X3的正方形結(jié)果元素對(duì)象對(duì)創(chuàng)建的圖像進(jìn)行膨脹 % 39。 if bwarea(d)/m/n= d=imerode(d,se)。 [m,n]=size(d)。amp。flag=0。 else temp=qiege(imcrop(d,[1 1 wide m]))。 end end % 分割出第二個(gè)字符 [word2,d]=getword(d)。)。439。 subplot(5,7,7),imshow(word7),title(39。 word5=imresize(word5,[40 20])。)。539。 imwrite(word1,39。)。39。939。 %建立自動(dòng)識(shí)別字符代碼表 SubBw2=zeros(40,20)。)。字符模板 \39。 end end end Error(k2)=Dmax。 end figure(10),subplot(5,7,1:7),imshow(dw),title(39。 subplot(6,7,16),imshow(word2)。)。 function [word,result]=getword(d) word=[]。 wide=n2 wide=wide+1。flag=1。 function e=qiege(d) [m,n]=size(d)。 end while sum(d(bottom,:))==0 amp。 right=1 right=right1。 hh=bottomtop。 bottom=1 bottom=bottom1。bottom=m。 d(:,[1:wide])=0。 [m1,n1]=size(temp)。y1=8。第三步識(shí)別結(jié)果為 : 39。 subplot(6,7,18),imshow(word4)。), 29 xlabel({39。 MinError=min(Error1)。.jpg39。 kmax=40。 for I=1:7 ii=int2str(I)。A39。 imwrite(word7,39。39。)。 subplot(5,7,20),imshow(word6),title(39。339。 word7=imresize(word7,[40 20])。)。 subplot(5,7,5),imshow(word5),title(39。239。 % 分割出第四個(gè)字符 [word4,d]=getword(d)。 all=sum(sum(temp))。 while flag==0 [m,n]=size(d)。 end k2=j1。k2=1。 end imwrite(d,39。/39。)。) figure(8),subplot(3,2,3),imshow(d),title(39。 % T為二值化的閾值 [m,n]=size(b)。 .jpg39。輸入一個(gè)定位裁剪后的車牌圖像 39。 figure(7),subplot(1,2,2),imshow(dw),title(39。%對(duì)車牌區(qū)域的校正 PX2=PX while ((Blue_x(1,PX1)3)amp。 end PY2=MaxY。 myI=double(I5)。平滑圖像的輪廓 39。腐蝕后圖像 39。title(39?；叶葓D直方圖 39。原圖 39。 附錄：程序清單 function [d]=main(jpg) close all clc %I=imread(39。主要工作內(nèi)容及結(jié)論如下 : （ 1）整理和總結(jié)了國(guó)內(nèi)外在車牌定位、分割、字符識(shí)別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國(guó)車牌的固有特征，以及車牌識(shí)別的特點(diǎn)。經(jīng)過(guò)這些步驟可以使得最終識(shí)別出的圖像與原圖的相似度更高，即結(jié)果更精確。最近鄰插值 法 ,經(jīng)歸一化后的圖像如下。 經(jīng)過(guò)切割，切割的字符圖像如下： 圖 經(jīng)切割的七個(gè)字符 開(kāi)始 車牌二值圖像 切除周邊空白 垂直投影 從左往右查找，垂直投影白色像素點(diǎn)累計(jì)小于 10 的值的 wide 以水平區(qū)域（ 0，wide）剪切出 判斷是否為標(biāo)準(zhǔn)字符 保存這個(gè)字符 將剩余部分保存并覆蓋原先圖像 字符個(gè)數(shù)是否為 7 結(jié)束 Y N N Y 18 切割后一連串的字符串變成了單個(gè)字符，為后面的字符匹配識(shí)別奠定了基礎(chǔ)。 分析垂直投影找到每個(gè)字符中心位置 去掉車牌的框架 計(jì)算水平投影進(jìn)行車牌水平校正 16 圖 牌照字符切割框圖 2020年頒布的我國(guó)車牌規(guī)范 (普通中小型汽車 )規(guī)定車牌總長(zhǎng) 440mm，牌照中的 7個(gè)字符的實(shí)際總長(zhǎng)為 409mm 左右，寬 140mm，每個(gè)字符 45mm寬， 90mm高，字符間距為10mm，其中第二個(gè)字符與第三個(gè)字符的間距較為特殊，為 ，最后一個(gè)字符與第一個(gè)字符距邊界 25mm。由此可得出濾波前后的圖像如下所示： 圖 車牌區(qū)域圖像濾波前效果 圖