【正文】 其邊緣，于是便可以對(duì)其邊緣提取，此處邊緣的提取采用的是 Roberts 算子 [17]。實(shí)驗(yàn)的最終結(jié)果如圖 315所示。 汽車(chē)牌照上的字符一般情況下有七個(gè)，大部分的車(chē)牌第一位都是漢字，這個(gè)漢字通常都代表車(chē)輛所屬于的省份，或是警別、軍種等有一定含義的字符的簡(jiǎn)稱(chēng)；緊接其后的為數(shù)字或者字母?；谀０迤ヅ涞?OCR的基本過(guò)程 （如圖 314所示） 是 :首先對(duì)待識(shí)別字符進(jìn)行二值化并將其尺 寸大小縮放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。它在前期牌照定位上的基礎(chǔ)進(jìn)行字符分割的，然后可以利用分割的結(jié)果從而進(jìn)行字符識(shí)別（如圖 312 所示） 。且車(chē)輛圖片不可避免存在噪聲，所以要對(duì)圖像進(jìn)行灰度化，二值化以及濾波處理。數(shù)學(xué)形態(tài)學(xué)是 用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀，以達(dá)到對(duì)圖像分析和識(shí)別的目的，能有效地去除噪聲，保留圖像原有信息的同時(shí)提取的邊緣比較平滑，提取的圖像骨架也比較連續(xù)，斷點(diǎn)少 。) 圖 32 原圖 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 15 圖 33 灰度圖 圖 34 Robert算子邊緣檢測(cè) 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 16 車(chē)牌定位和分割 該系統(tǒng)的攝像頭 拍攝的圖片是整個(gè)機(jī)動(dòng)車(chē)的圖片，而只有車(chē)牌部分是對(duì)系統(tǒng)有用的。 I2=edge(I1,39。 figure(2),subplot(1,2,1),imshow(I1)。檢測(cè)垂直邊緣的效果好于斜向邊緣，定位精度高，對(duì)噪聲敏感 ,無(wú)法抑制噪聲的影響。 圖像的邊緣檢測(cè) 邊緣是指圖像灰度發(fā)生空間突變或者在梯度方向上發(fā)生突變的像素的集合。灰度圖像就是沒(méi)有顏色信息的圖像而只有強(qiáng)度信息，存浙江萬(wàn)里學(xué)院本科畢業(yè)論文 13 儲(chǔ)的灰度圖像僅僅需要一個(gè)數(shù)據(jù)矩陣， 矩陣中每個(gè)元素都表示對(duì)應(yīng)位置像素點(diǎn)的灰度值。灰度圖像就是 R、 G、 B三個(gè)分量具有相同的一種特殊的真彩色圖像 ， 任意的像素點(diǎn)的變化范圍為 255種 ，因此在數(shù)字圖像處理中一般先是會(huì)把各種格式的圖像轉(zhuǎn)變?yōu)榛叶葓D像后，這樣圖像的計(jì)算量就會(huì)變得少一些。 字符識(shí)別這部分要求照片清晰，但是可能攝像頭在外長(zhǎng)時(shí)間工作，攝像頭角度和距離、再加上光照條件、車(chē)輛自身?xiàng)l件不同以及車(chē)輛行駛速度的不同所影響，浙江萬(wàn)里學(xué)院本科畢業(yè)論文 12 想拍出很理想的圖片很困難。 字符識(shí)別：最為關(guān)鍵的一步是車(chē)牌字符的識(shí)別，之前對(duì)車(chē)牌圖像所做的各種處理 都是為完成最終的識(shí)別所做的努力。 圖像預(yù)處理：該單元是指車(chē)牌識(shí)別系統(tǒng)對(duì)拍攝的汽車(chē)圖片進(jìn)行 灰度化和邊緣檢測(cè)等 處理。這些工具箱都是由該領(lǐng)域內(nèi)的學(xué)術(shù)水平很高的專(zhuān)家編寫(xiě)的 ， 所以用戶(hù)無(wú)需編寫(xiě)自己學(xué)科范圍內(nèi)的基礎(chǔ)程序 ， 而直接進(jìn)行高、精、尖的研究。但是 MATLAB 的程序不需要編譯等預(yù)處理 ， 不生成能執(zhí)行文件 ， 程序是為解釋執(zhí)行 ， 導(dǎo)致速度非常慢。 （ 3） MATLAB 既具有結(jié)構(gòu)化的控制語(yǔ)句 （ 如 for 循環(huán)、 while 循環(huán)、 break語(yǔ)句和 if 語(yǔ)句 ）， 又有面向?qū)ο缶幊痰奶匦浴?MATLAB 用最直觀的、符合人們的思維代碼 ， 代替了 C 和 FORTRAN 語(yǔ)言的冗長(zhǎng)代碼。 在國(guó)際的學(xué)術(shù)界中， MATLAB 已經(jīng)被定為可靠、準(zhǔn)確的科學(xué)計(jì)算標(biāo)準(zhǔn)軟件。 車(chē)牌自動(dòng)識(shí)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(chē)輛探測(cè)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(chē)牌自動(dòng)識(shí)別系統(tǒng)來(lái)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(guó)的國(guó)情。這些交通誘導(dǎo)系統(tǒng)是提供我們需要的交通流信息。因此，研究高速、識(shí)別算法與準(zhǔn)確的定位會(huì)是當(dāng)前的主要任務(wù)，而圖像處理技術(shù)的發(fā)展與計(jì)算機(jī)性能、攝像設(shè)備的提高都會(huì)影響車(chē)牌識(shí)別技術(shù)的進(jìn)步，從而車(chē)牌識(shí)別系統(tǒng)的辨識(shí)度提高。 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 5 現(xiàn)在國(guó)內(nèi)最主要的使用的產(chǎn)品是中國(guó)科技學(xué)院自動(dòng)化研究所研究的一款漢王公司的“漢王眼”，此外國(guó)內(nèi)的中智交通電子系統(tǒng)有限公司、深圳市吉通電子有限公司、亞洲視覺(jué)科技有限公司等都有自己的產(chǎn)品，此外清華大學(xué)、西安交通大學(xué)研究室、浙江大學(xué)、上海交通大學(xué)的計(jì)算機(jī)科學(xué)與工程系等都做過(guò)一系列的研究。 車(chē)牌字符識(shí)別是在車(chē)牌準(zhǔn)確定位的基礎(chǔ)之上，對(duì)車(chē)牌上的字母、漢字、數(shù)字進(jìn)行有效的確認(rèn)過(guò)程，其中漢字識(shí)別就是一個(gè)難點(diǎn)，很多國(guó)外的 LPR系統(tǒng)也是往往因?yàn)闈h字很難以識(shí)別而無(wú)法打入中國(guó)市場(chǎng)，因而探尋好方法解決字符的識(shí)別也會(huì)是至關(guān) 重要的。 國(guó)內(nèi)外的發(fā)展?fàn)顩r 從 20世紀(jì) 90年代初開(kāi)始，國(guó)內(nèi)外就都已經(jīng)有了對(duì)汽車(chē)牌照自動(dòng)識(shí)別的研究，它的主要途徑就是對(duì)車(chē)牌圖像進(jìn)行的分析，自動(dòng)提取車(chē)牌的信息，確定汽車(chē)的牌號(hào)。其中車(chē)牌識(shí)別系統(tǒng)中最重要的兩個(gè)技術(shù)是車(chē)牌字符識(shí)別和車(chē)牌定位，所 以這兩個(gè)技術(shù)的好壞可以直接影響到一整個(gè)車(chē)牌識(shí)別系統(tǒng)的實(shí)時(shí)性和準(zhǔn)確性。從而采用一些處理技術(shù)來(lái)增強(qiáng)圖像中的某些信息 , 消除或削弱某些無(wú)關(guān)信息 ,因而有目的地強(qiáng)調(diào)圖像的整體或局部特征，讓觀察者能看到更加清晰、直接的處理和分析圖像。 同時(shí)也是智能交通系統(tǒng)的重要技術(shù)，產(chǎn)生在 60 年代。其目的在于將現(xiàn)今的計(jì)算機(jī)處理技術(shù)、自動(dòng)控制技術(shù)、數(shù)據(jù)通信技術(shù)等綜合的應(yīng)用于地面交通管理體型中來(lái)，從而建立了一種高效、實(shí)時(shí)準(zhǔn)確的交通管理系統(tǒng)。而本文主要介紹的是圖像預(yù)處理、車(chē)牌定位、字符分割這三個(gè)模塊的 實(shí)現(xiàn)方法。本文的圖像預(yù)處理模塊的步驟是將圖像灰度化和用 Roberts 算子進(jìn)行邊緣檢測(cè)。公路交通基礎(chǔ)建設(shè)的將會(huì)不斷發(fā)展和車(chē)輛管理體制不斷完善，就為了以視覺(jué)監(jiān)控為基礎(chǔ)的智能交通系統(tǒng)的實(shí)際應(yīng)用打下了良好基礎(chǔ)。在 80年代時(shí)，當(dāng)時(shí)城市交通問(wèn)題日趨嚴(yán)重，美國(guó)和歐洲等許多國(guó)家投入了大量人力和物力，建立了自動(dòng)化高速公路網(wǎng)，并且安裝了攝像、光纖網(wǎng)絡(luò)和雷達(dá)探測(cè)系統(tǒng)，簡(jiǎn)歷智能交通系統(tǒng)。強(qiáng)化圖像輪廓、直方圖修正、灰度變換等全都是常用的手段。因此國(guó)內(nèi)外己有不少學(xué)者就對(duì)車(chē)牌定位技術(shù)做了很多的研究，但是在實(shí)際的應(yīng)用中卻還沒(méi)有一個(gè)有效可行的方法，就例如由于車(chē)輛抖動(dòng)而造成車(chē)牌圖像的歪斜、和由于污跡，磨損造成車(chē)牌字符模糊、并且由于光照不均造成車(chē)牌圖像的模糊等都會(huì)或少或多影響到了車(chē)牌定位的準(zhǔn)確性。在一些應(yīng)用中，有使用到模糊數(shù)學(xué)理論也有用到神經(jīng)元網(wǎng)絡(luò)的算法來(lái)識(shí)別車(chē)牌中的字符，但是由于光路中有灰塵、外界環(huán)境光線變化、季節(jié)環(huán)境變化以及車(chē)牌本身比較模糊等這些條件下的影響，給車(chē)牌的識(shí)別帶來(lái)較大的困難。目前已有的方法很多，但是其效果與實(shí)際的要求相差很遠(yuǎn)，難以適應(yīng)現(xiàn)代化交通系統(tǒng)快節(jié)奏、高速度的要求。為了提高識(shí)別率，都采用了一些其他的輔助設(shè)備和硬件的探測(cè)器如紅外照明等，漢眼王就是采用光學(xué)濾波器和主動(dòng)紅外照明來(lái)削弱可見(jiàn)光的不易操控的影響，減少汽車(chē)大小燈光和惡劣氣候的影響，另外還要求在高 速公路管理窗口到“漢王眼”識(shí)別點(diǎn)埋設(shè)兩條線路管道，一條管道鋪設(shè)觸發(fā)信號(hào)線路和漢王眼與管理計(jì)算機(jī)的通訊線路，投資巨大，不適合于大面積的推廣 :另一條管道鋪設(shè) 220 伏 50赫茲 1安培的交流供電線路。 主要應(yīng)用領(lǐng)域 車(chē)輛牌照定位與識(shí)別是計(jì)算機(jī)視覺(jué)與模式識(shí)別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一 , 該技術(shù)應(yīng)用范圍 非常廣泛 , 主要應(yīng)用于： (1) 不停車(chē)自動(dòng)收費(fèi)； (2) 機(jī)場(chǎng)、港口等出入口車(chē)輛管理； (3) 交通控制與誘導(dǎo)； (4) 闖紅燈等違章車(chē)輛監(jiān)控； (5) 小區(qū)車(chē)輛管理； (6) 交通流量檢測(cè)； (7) 公共停車(chē)場(chǎng)安全防盜管理； (8) 道口檢查站車(chē)輛監(jiān)控； (9) 車(chē)輛安全防盜、查堵指定車(chē)輛； (10) 計(jì)算出行時(shí)間等。 (3)高速公路上面的事故自動(dòng)測(cè)報(bào)就是由于該系統(tǒng)能夠測(cè)量交通流量指標(biāo)和監(jiān)視道路情況，能及時(shí)發(fā)現(xiàn)堵車(chē)、排隊(duì)、超速、事故等交通異?，F(xiàn)象。 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 7 設(shè)計(jì)原理 車(chē)牌識(shí)別系統(tǒng)的攝像頭通過(guò)對(duì)經(jīng)過(guò)指定 區(qū)域的機(jī)動(dòng)車(chē)輛進(jìn)行拍照，因?yàn)檎掌瑫?huì)受到光照、拍攝位置和車(chē)輛行駛速度的影響，導(dǎo)致拍攝的圖片不能準(zhǔn)確的確定汽車(chē)的車(chē)牌。在許多的國(guó)際一流學(xué)術(shù)型刊物上面 ， 都可以看得到 MATLAB 的應(yīng)用。 MATLAB 給用戶(hù)帶來(lái)的是最直觀、最簡(jiǎn)潔的程序開(kāi)發(fā)環(huán)境。 （ 4） 語(yǔ)法限制不嚴(yán)格 ， 程序設(shè)計(jì)自由度大。 （ 8） 功能強(qiáng)勁的工具箱是 MATLAB 的另一重大特色。 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 10 3 LPR 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 系統(tǒng)框架結(jié)構(gòu)和工作流程 汽車(chē)牌照的識(shí)別（ LPR）系 統(tǒng)是通過(guò)引入計(jì)算機(jī)信息管理技術(shù)和數(shù)字?jǐn)z像技術(shù)，采用先進(jìn)的模式識(shí)別、人工智能和圖像處理技術(shù)，通過(guò)對(duì)圖像的處理和采集，獲得更多的信息，從而更高的達(dá)到智能化管理程度。當(dāng)外界光照不均勻時(shí)，光照強(qiáng)度不穩(wěn)定的情況下，通過(guò)攝像機(jī)所采集到的原始車(chē)牌圖像就會(huì)會(huì)模糊不清，這時(shí)需要對(duì)圖片進(jìn)行圖像增強(qiáng)處理；在電子器件自身產(chǎn)生的噪聲以及干 擾外界環(huán)境噪聲下，所拍的圖像質(zhì)量可能會(huì)有所下降，所以這時(shí)就需要對(duì)原圖做去噪處理的一系列的事情。單個(gè)的字符圖像是系統(tǒng)的輸入，輸出的卻是以文本格式體現(xiàn)的完整車(chē)牌號(hào)碼，車(chē)牌字符識(shí)別的正確率可以直接反映出車(chē)牌識(shí)別系統(tǒng)的性能好壞。所以我們要對(duì)攝像頭拍攝出來(lái)的圖片進(jìn)行預(yù)處理，其中主要有圖片邊緣提取和圖片灰度化 等。在灰度圖像的描述中，它與彩色圖像一樣仍然反映了整幅圖像的局部和整體的亮度和色度等級(jí)的分布和特征?；叶葓D像的像素色為 RGB ( r, r, r ),彩色圖像的像素色為 RGB (R, G, B )， R, G, B可以從彩色圖像的顏色中分解獲得 .并且 R, G, B的取值是 0255的范圍內(nèi) ,而灰度的級(jí)別只有 256級(jí)。用攝像機(jī)采集到的機(jī)動(dòng)車(chē)圖像由于受到噪聲干擾以及車(chē)輛本身的影響，使得獲得的圖像質(zhì)量不理想。 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 14 灰度化和邊緣檢測(cè)的 MATLAB 程序如下： I=imread(39。title(39。robert39。所以我們 要對(duì)照片進(jìn)行車(chē)牌定位和分割?，F(xiàn)在我們將經(jīng)過(guò)預(yù)處理的圖像進(jìn)行圖像腐蝕以及去除雜質(zhì)，就可以得到相對(duì)準(zhǔn)確的車(chē)牌位置。 圖像進(jìn)行二值化處理就 是為了圖像上的點(diǎn)進(jìn)行灰度設(shè)置 ，數(shù)值 通常為 0 或 255，從而 使得整個(gè)圖像都呈現(xiàn)出來(lái)非常明顯的黑白效果 。將所得到的車(chē)牌區(qū)域上圖像進(jìn)行二值化的處理后 ，然后 對(duì)圖像進(jìn)行垂直投影 ， 投影圖上的有明顯峰谷相似的波形起伏變化后 ，然后 通過(guò)對(duì)其投影圖上的 波形再?gòu)淖笙蛴疫M(jìn)行掃描 ， 根據(jù)峰和谷的特征就能夠判斷的出每個(gè)字符的位置 ；再 計(jì)算垂直峰 ，從而 檢測(cè)合理的字符高寬比 [14]。模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，當(dāng)字符比較規(guī)整時(shí) 對(duì)字符圖像的缺損、識(shí)別率相當(dāng)高且污跡干擾適應(yīng)力強(qiáng)。車(chē)牌的字符識(shí)別與一般的文字識(shí)別區(qū)別在于它的字符數(shù)有限，漢字一共約 50 多個(gè)，大寫(xiě)的英文字母有 26 個(gè)，數(shù)字有10 個(gè) [14]。 在得到這個(gè)結(jié)果之前，需要對(duì)車(chē)牌圖像進(jìn)行預(yù)處理、車(chē)牌定位、車(chē)牌分割等處理。 在定位模塊。 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 25 車(chē)牌分割即把車(chē)牌的整體區(qū)域分割成單 字符區(qū)域，具有承上啟下的作用。 對(duì)于識(shí)別錯(cuò)誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖象的質(zhì)量；二是牌照字符的分割失敗導(dǎo)致的識(shí)別錯(cuò)誤；再就是部分字符的形狀相似性，比如， B 和 8； A 和 4 等字符識(shí)別結(jié)果可能發(fā)生混淆的情況。 （ 2）在車(chē)牌定位我們采用基于灰度跳變的定位方法，采用先對(duì)圖像進(jìn)行預(yù)處理，再進(jìn)行二值化操作的方法。 最后還要感謝我的父母，是他們一直在背后支持著我。)?；叶葓D 39。,39。1]。,[40,40])。 %從二進(jìn)制圖像中移除所有少于 p 像素的連接的組件（對(duì)象），產(chǎn)生另一個(gè)二進(jìn)制圖像 figure(6),imshow(I5)。%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end end [temp MaxY]=max(Blue_y)。(PY2y)) PY2=PY2+1。 end PX2=x。 figure(7),subplot(1,2,1),imshow(IY),title(39。 %將圖像數(shù)據(jù)寫(xiě)入到圖像文件中 [filename,filepath]=uigetfile(39。,39。)。amp。 %IY 為原始圖像 I 中截取的縱坐標(biāo)在 PY1： PY2 之間的部分 %end 橫向掃描 %begin 縱向掃描 Blue_x=zeros(1,x)。 while ((Blue_y(PY1,1)=1