【正文】 各種圖形對象組成的用戶界面。每個(gè)菜單鍵都有與之相對應(yīng)的快捷鍵。 圖 打開幫助時(shí)的界面 圖形用戶 界面設(shè)計(jì) 當(dāng)點(diǎn)擊界面上 紅色 的“退出”鍵或文件菜單下的“退出”鍵時(shí)，會彈出一個(gè)對話框，詢問使用者是否真的要退出，可以避免因錯點(diǎn)按鈕而退出系統(tǒng)情況的發(fā)生。通過使用這種方法對車牌字符進(jìn)行分割 達(dá)到了良好的效果 。 首先，由于國內(nèi)的車牌中有眾多的漢字需要進(jìn)行識別， 而 漢字筆畫眾多、結(jié)構(gòu)復(fù)雜，故漢字的識別難度很大。 (2)本文只探討了 一種藍(lán)底白字的單排普通 標(biāo)準(zhǔn)車牌的分割，沒有涉及對 其它 車牌 (兩排字符 ，或其它底色等 )的分割，這仍是今后需要研究的重點(diǎn)。 [9]劉衛(wèi)國． MATLAB 程序設(shè)計(jì)教程．中國水利水電出版社， 2020。%讀取圖像 figure(1)。%將灰度圖像二值化 figure(1)。disk39。diamond39。%變?yōu)殡p精度 %%%%%%%%%%%%%%%計(jì)算像素 %%%%%%%%%%%%%%% %%%%%%%計(jì)算行像素 %%%%%%%% Y1=zeros(y,1)。行值 39。amp。%計(jì)算此時(shí)圖像的大小 %%%%%%%%%%%%計(jì)算列像素 %%%%%%%%%% X1=zeros(1,x)。累計(jì)像素量 39。amp。amp。)。 x1=fix(x*110/409)。 %%%%%%%用投影法分割 %%%%%% for i=1:7 while ((X1(1,Px0)10)amp。amp。%將分割后的二值圖變換為標(biāo)準(zhǔn)子圖 figure(8)。 acoustic telemetry 1. Introduction The Juvenile Salmon Acoustic Telemetry System (JSATS) is an active sensing technology that was developed by the . Army Corps of Engineers (USACE), Portland District, to evaluate the migration timing, behavior, and survival of juvenile salmonids migrating through the Federal Columbia River Power System (FCRPS) [1]. The JSATS consists of acoustic micro transmitters (or transducers)。)。%二值化圖像分割后 figure(7)。 a=1。 imshow(Z2),title(39。%計(jì)算此時(shí)圖像的大小 X1=zeros(1,x)。%找到去除邊框后左邊的位置 end end end Z2=Z1(:,x0:x1,:)。amp。amp。列方向像素點(diǎn)灰度值累計(jì)和 39。 imshow(Z1),title(39。 while ((Y1(Py0,1)=30)amp。行方 向像素點(diǎn)灰度值累計(jì)和 39。%圖一的第四幅圖 imshow(I3),title(39。%圖一的第三幅圖 imshow(I2),title(39。)。)。 close all。 [5] ]陳黎，黃心漢，王敏等．基于聚類分析的的車牌字符分割方法 .計(jì)算機(jī)工程與應(yīng)用，2020， 29(3)： 4547。 這才可以使 嵌入該識別系統(tǒng)的智能交通系統(tǒng) 擁有更高的實(shí)用性 。 在對車牌進(jìn)行一系列的預(yù)處理之后，再 利用 改進(jìn)的 垂直投影法對復(fù)雜環(huán)境下的汽車圖像中的字符分割 達(dá)到了良好 的效果。在分析了車牌分割的發(fā)展現(xiàn)狀后選擇了兩種進(jìn)行了詳細(xì)的闡述，分別是：垂 直投影法和固定邊界 法 ， 并根據(jù)該兩種方法的優(yōu)缺點(diǎn)提出了將兩者結(jié)合的一種改進(jìn)的垂直投影 ，實(shí)現(xiàn)了 良好的 車牌 字符 分割效果。 圖 為設(shè)計(jì)的 GUI 主界面： 圖形用戶 界面設(shè)計(jì) 圖 設(shè)計(jì)的 GUI 主界面 圖 ~圖 為運(yùn)行 GUI 時(shí)的界面： 當(dāng)點(diǎn)擊文件菜單下的“打開”鍵時(shí)，會彈出一個(gè)用于打開文件的對話框，使用者可以選擇需要處理的車牌圖像，且圓圖像會顯示在圖像顯示區(qū)。 設(shè)計(jì) 圖形用戶 界面 本文主要設(shè)計(jì)了菜單鍵 和按鈕鍵， 主菜單下有二級菜單，并且有快捷鍵 。 Step5：選取一較小的 像素和 閾值，找到車牌上漢字的左端，在用該閾值繼續(xù)尋找漢字右端的同時(shí)，根據(jù)車牌標(biāo)準(zhǔn)，利用高與寬的比例關(guān)系找到漢字的右端。 Step5：第二個(gè)字母和其后的數(shù)字 由于間隔都為 12mm，所以 可根據(jù) 此規(guī)律很容易計(jì)算出來，然后將其分割。 Step3：對該二值化圖像進(jìn)行 去燥處理 ，經(jīng)過開閉運(yùn)算、濾波、去除車牌 邊框、 去除圓點(diǎn) 等步驟后就可得到質(zhì)量較好的二值化圖像。 Step3：只保留 Step2 找到的車牌上下端以內(nèi)的車牌數(shù)據(jù)即可將車牌的上下邊框去除。 由于車牌上會有泥點(diǎn)、刮痕、銹蝕等造成車牌上會 成為噪聲 ，在二值化時(shí)會成為 小點(diǎn) ，給字符分割帶來阻礙，因而在對車牌分割前必須將這些噪聲去掉，因此可以根據(jù) 開 操作來達(dá)到目的。常見的噪聲類型有： 均勻分布噪聲、 高斯噪聲、脈沖噪聲 、指數(shù)分布噪聲 、瑞利噪聲、伽馬噪聲等噪聲模型。 因?yàn)榉讲钪档拇笮〈砹嘶叶戎档姆植记闆r，因而當(dāng)方差 ? 越大，說明前景和背景的差別 ? 越大，當(dāng)將前景劃為背景區(qū)域或?qū)⒈尘皠潪榍熬皡^(qū)域時(shí)都會使得方差 ? 變小，所以當(dāng) t 使得方差 ? 最大時(shí)即為最佳閾值。 在全局 閾 值算法中最出名的也是效果最好的就是 Otsu提出的最大方差 閾 值算法。其中 t 為閾值， (, )f i j 為輸入圖像 數(shù)據(jù) ，39。從幾何上講， AB? 是所有不與 A 重疊的 B 的平移的并集。 ^()zB 表示對 B 的反射進(jìn)行位移 z， 因此 上式表明用 B 膨脹 A 的過程是，先對 B 做關(guān)于原點(diǎn)的映射，再將其平移 z， 這里 A 與 B 的交集不 能 為空集。 I=67 69 75 67 6872 68 85 78 9585 86 83 86 8512 1 99 10 2 11 9 94?????? 車牌字符分割相關(guān)理論基礎(chǔ) 圖 灰度圖像的數(shù)字矩陣 數(shù)學(xué) 形態(tài)學(xué)于 1964 年創(chuàng)立，其基本思想和方法對圖像處理理論和技術(shù)產(chǎn)生了重大影響 [8]?？臻g坐標(biāo)(, )xy 的數(shù)字化稱為圖像采樣，而幅值數(shù)字化稱為灰度級量化 [7]。 分別介紹了 基于垂直投影的車牌字符分割方法 ，基于車牌固定邊界法的字符分割方法緒論 和 將投影法與固定邊界法相結(jié)合形成的改進(jìn)的投影法的字符分割方法。 （ 5）在完成了程序的編寫后，做了一個(gè)與程序?qū)?yīng)的圖形用戶界面。 趙海燕等提出了基于最小面積法進(jìn)行的車牌字符分割 [6]， 該方法的 依據(jù) 是 車牌橫平時(shí)車牌照所形成的連通域面積最采集圖像 車牌定 位 字符分 割 字符識 別 信息 存儲 緒論 小 ，從而 提出 用 最小面積法 來 計(jì)算旋轉(zhuǎn)角度，進(jìn)行灰度均值化處理 后 ，通過水平投影去除邊界，最后 計(jì)算 垂直投影 從而 進(jìn)行有效分割。下面 只 針對車牌字符分割技術(shù)的研究現(xiàn)狀加以闡述。 隨著車牌識別技術(shù)的不斷成熟，高效、識別率高的車牌識別技術(shù)還將應(yīng)用于一些對性能要求比較高的單片機(jī)上。 （ 3） 公路布控管理系統(tǒng) 。這些系統(tǒng)將車輛和道路綜合起來進(jìn)行考慮，運(yùn)行先進(jìn)的技術(shù)解決道路交通的 問題，統(tǒng)稱為智能交通系統(tǒng) （ Intelligent Transportation System，簡稱 ITS）。它以計(jì)算機(jī)技術(shù)、圖像處理技術(shù)、模糊識別技術(shù)為基礎(chǔ)，建立運(yùn)動車輛的特征模型，識別車輛特征，如號牌、車型、顏色等，并著重解決高速車輛圖像的獲取及清晰度問題 。 然后， 在分析了這兩種方法的優(yōu)缺點(diǎn)后，將這兩種 方法 相結(jié)合得到改進(jìn)的投影法，實(shí)驗(yàn)表明，該方法可以得到更好的 字符分割效果 ，尤其對在除噪后仍然有少量噪聲的車牌也可達(dá)到較好的效果。 首先 ，要想將車牌圖像正確地分割，必須得到質(zhì)量較好的車牌 二值 圖像，因此本文 對車牌字符分割前的預(yù)處理進(jìn)行了較深入研究， 尤其是車牌圖像二值化 后的去噪處理 ，包括開 閉運(yùn)算、去除邊緣、去除圓點(diǎn)等 。針對這些問題，人們開始將計(jì)算機(jī)技術(shù)、通信技術(shù)、計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)和自動化信息處理等很多新的科學(xué)技術(shù)用于交通道路的監(jiān)視和管理系統(tǒng)，以此提高車輛管理和運(yùn)輸?shù)男?。伴隨著世界各國汽車數(shù)量的增加，城市的交通狀況越來越受到人們的重視。 車牌識別 (License Plate Recognition, LPR)技術(shù)作為 智能交通系統(tǒng)（ ITS） 的重要 組成部分 ，在交通 管理 和控制中 占 有 著 很重要的地位，可以應(yīng)用到以下一些領(lǐng)域： （ 1） 封閉式居民小區(qū)物業(yè)管理 以 及重要部門的 安保 管理 。 （ 5） 路橋、隧道等卡口的自動收費(fèi)系統(tǒng)。圖 1． 1 為車牌識別系統(tǒng)流程： 圖 1． 1 車牌識 別系統(tǒng)流程 其工作流程是：當(dāng)系統(tǒng)發(fā)現(xiàn)有車輛通過時(shí)，觸發(fā)圖像采集部分工作，通過對車輛進(jìn)行抓拍，獲取車輛的前視或后視圖。吳進(jìn)軍 、杜樹新 等提出了 一種 車牌字符分割新方法 [3]， 首先將 車牌圖像上的第三個(gè)字符 定位 ，再進(jìn)行字符區(qū)域的分裂 與 合并， 然后 針對字符缺損情 況，進(jìn)行字符區(qū)域擴(kuò)展， 并 對字符區(qū)域高度進(jìn)行調(diào)整，最終實(shí)現(xiàn)車牌字符的分割。 （ 2） 給出了應(yīng)用投影法對車牌圖像進(jìn)行分割的方法。 第三章為車牌圖像的預(yù)處理。這里圖像 的概念 是比較廣義的，例如照片、 圖畫 、動畫 、視頻 等等。 若灰度圖像的像素都是 unit8 型或 unit16 型，則它們的整數(shù)值范圍分別是 [0,255]和[0,65535]。有人稱數(shù)學(xué)形態(tài)學(xué)在理論上是嚴(yán)謹(jǐn)?shù)?，在基本觀念上卻是簡單 和優(yōu)美的 [7]。它的定義為： ()A B A B B? ? ? 上式的簡單集合解釋為： AB是 B 在 A 內(nèi)完全匹配的平移的并集。圖像灰度化后 可以 使處理運(yùn)算量大大減少，這樣處理過程就變得更加簡單和省時(shí)。 下面介紹幾種常用的二值化方法： （） 全局閾值法 ： 在分割過程中，對車牌圖像的每個(gè)像素值采用相同的閾值，就是 全局 閾值 算法 。 由于實(shí)際應(yīng)用中，全局閾值法已可以滿足本文車牌字符分割的要求，因此本文采用了大律法（ Otsu法） 。加性噪聲和原圖像 數(shù)據(jù) 是加的關(guān)系，可用表達(dá)式 33 來表示。在時(shí)域上去噪的方法有很多 種 ，比如：均值濾波、順序?yàn)V波、自適應(yīng)濾波等濾波方法。因此本文根據(jù) 其 邊框與字符間有空隙的特點(diǎn)， 對于垂直邊框， 先找到 車牌正中間的 一個(gè)字符， 向右找到第四個(gè)間隙即為車牌的最 右 端，找到第一個(gè)字符位置，向左尋找即可找到車牌最左端位置；對于水平方向的邊框 ，先找到車牌水平方向的最中間，向車牌的上下方向分別尋找車牌字符與邊框之間的間隙，即可找到車牌的上下位置。 圖 為計(jì)算列方向的累計(jì)像素值： 圖 車牌列方向累計(jì)像素值 由圖可見：在字符之間的像素值 理想情況下為零，實(shí)際情況可能有些許噪聲，但只要噪聲不大，已可據(jù)此實(shí)現(xiàn)字符的分割。 Step2： 用 Otsu算法確定車牌區(qū)域的二 閾值（即采用全局閾值），然后根據(jù)此閾值 將圖像二值化。 Step2： 用 Otsu算法確定車牌區(qū)域的二 之花 閾值（即采用全局閾值） ，然后根據(jù)此閾值將圖像二值化。 目前 軟件開發(fā)環(huán)境與應(yīng)用程序都采用圖形用戶界面， 現(xiàn)在 流行的開發(fā)工具 大 都可以進(jìn)行圖形用戶界面的設(shè)計(jì)。 其中幫助鍵可打開一個(gè)與本 GUI 使用方法有關(guān)的 txt 文本。 圖 退出系統(tǒng)時(shí)的界面 總結(jié)和展望 第六章 總結(jié)和展望 本文論述了針對在路口 對車輛管理 的車牌識別系統(tǒng) ， 根據(jù)圖片特征提出了一個(gè)行之有效的 車牌 分割方法。對 于第一種方法，主要優(yōu)點(diǎn) 是再二值化很好的情況下，可以很好地把字符分割開來，但對于二值化并預(yù)處理后仍然有字符粘連的情況會導(dǎo)致字符無法分割。國內(nèi)出現(xiàn)的智能交通系統(tǒng)的識別率都不是很高，離實(shí)際應(yīng)用要求還有一段距離。參考文獻(xiàn) 參考文獻(xiàn) [1]張?jiān)苿?，張長水 ． 利用 Hough 變換和先驗(yàn)知識的車牌字符分割算法 .清華大學(xué)自動化系信息處理研究所，計(jì)算機(jī)學(xué)報(bào)， 2020,27(1)： 130 [2]遲曉君，孟慶春 ． 基于投影特征值的車牌字符分割算法 .計(jì) 算機(jī)應(yīng)用研究， 2020， 7(1)：256257。 [10]李云． 車牌定位與字符分割算法的研究及實(shí)現(xiàn) ． 成都： 電子科技大學(xué) ， 2020:2123。 subplot(2,2,1)。 subplot(2,2,2)。,fix(y/45))。,fix(y/140))。 附錄 for i=1:y for j=1:x if(I4(i,j,1)==1) Y1(i,1)= Y1(i,1)+1。)。(Py1y)) Py1=Py1+1。 for j=1:x for i=1:y if(Z1(i,j,1)==1) X1(1,j)= X1(1,j)+1。)。(x1x)) x1=x1+1。(x01)amp。%將二值圖像垂直邊框去除后圖像顯示出來 Px0=1。 x2=fix(x*128/409)。amp。((a/y)=))) 附錄 Px1=P