【正文】 ..................... 21 5 結(jié)論 ............................................... 21 附錄：程序清單 ........................................ 22 2 1 緒論 車牌號識別研究背景 隨著我國公路交通事業(yè)的發(fā)展，車輛的數(shù)量正在迅速增長，在給出行提供方便的同時，車輛管理上存在的 問題日益突出，人工管理的方式已經(jīng)不能滿足實際的需要。其他國家的汽車牌照格式，如尺寸大小，牌照上字符的排列等，通常只有一種。 3 車牌號識別技術(shù)研究現(xiàn)狀和趨勢 目前我國有普通地方車牌號、武警車牌號、軍隊車牌號三種類型，普通地方車牌號又叫自選號牌車牌（如圖 1所示），自選號牌車牌尺寸是 520 ? ，即車牌長寬比為 :1，一共 7 個字符，每個字符的高寬比為 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。 車牌號圖像識別要進行 牌照號碼、顏色識別 。 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。為了提高識別率，除了不斷的完善識別算法，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別。例如藍色（ 255， 0， 0）與白色（ 255， 255， 255）在 R通道中并無區(qū)分，而在 G、 R 通道或是灰度圖象中數(shù)值相差很大。both39。適當取門限 T，做如下判斷： ? ?,G x y T ,(x,y) 10 為階躍狀邊緣點。利用它可以消除小而且無意義的物體。1。,[25,25])。 13 車牌區(qū)域的邊界值計算 在將原始圖像進行二值化，然后輪廓平滑處理后，圖像的每個點為兩個離散值中的一個，這兩個值代表開 (1)與關(guān) (0)，即只有黑與白的特殊灰度圖像，并且整個圖像只有兩個域 (如果有多個域需改變參數(shù)后重新進行一此剔除干擾對象處理 )，全 1 的域即為車牌區(qū)域，并且近似矩形，長寬比為 :1,也可以用這兩個特性去檢驗提取的區(qū)域是否為車牌區(qū)域。 垂直方向的分界線可用同樣的 方法實現(xiàn)。 同時采集大的圖像噪點依然存在，因此可以通過處理圖像的低頻部分來銳化圖像。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。 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。使圖像字符大小跟模板圖像大小一致，Matlab提供一個改變圖像大小的函數(shù) imresize(I， Size， Model)， Model是插值運算方法，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)邊緣檢測的仿真結(jié)果圖如下圖所示 : 21 圖 圖像讀取及檢測結(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，然后進行字符的切割與識別。由 圖 可 知，字符匹配識別的難易程度不一致，但總體能識別出漢字、字母和數(shù)字。 本設(shè)計雖然只對藍底白字車牌進行分割識別，對黑底白字車牌原則上整個算法可直接適用，對白底黑字車牌、黃底黑字車牌，需要對車牌定位算法進行調(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 3X3的正方形結(jié)果元素對象對創(chuàng)建的圖像進行膨脹 % 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。 %建立自動識別字符代碼表 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。輸入一個定位裁剪后的車牌圖像 39。 figure(7),subplot(1,2,2),imshow(dw),title(39。%對車牌區(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。灰度圖直方圖 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)了國內(nèi)外在車牌定位、分割、字符識別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國車牌的固有特征，以及車牌識別的特點。經(jīng)過這些步驟可以使得最終識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)過切割，切割的字符圖像如下： 圖 經(jīng)切割的七個字符 開始 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累計小于 10 的值的 wide 以水平區(qū)域（ 0，wide）剪切出 判斷是否為標準字符 保存這個字符 將剩余部分保存并覆蓋原先圖像 字符個數(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字符，為后面的字符匹配識別奠定了基礎(chǔ)。 分析垂直投影找到每個字符中心位置 去掉車牌的框架 計算水平投影進行車牌水平校正 16 圖 牌照字符切割框圖 2020年頒布的我國車牌規(guī)范 (普通中小型汽車 )規(guī)定車牌總長 440mm，牌照中的 7個字符的實際總長為 409mm 左右，寬 140mm，每個字符 45mm寬， 90mm高，字符間距為10mm，其中第二個字符與第三個字符的間距較為特殊，為 ，最后一個字符與第一個字符距邊界 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