【正文】 SubBw2(i,j)=SegBw2(i,j)SamBw2(i,j)。 else l=3 %第三位以后是字母或數(shù)字識別 kmin=1。])。 39。 liccode=char([39。39。)。 subplot(5,7,21),imshow(word7),title(39。439。)。 31 word2=imresize(word2,[40 20])。 subplot(5,7,6),imshow(word6),title(39。339。 % 分割出第七個(gè)字符 [word7,d]=getword(d)。word1=temp。 while sum(d(:,wide+1))~=0 wide=wide+1。 % 分割 end end % 再切割 d=qiege(d)。 while j~=n while s(j)==0 j=j+1。 figure(8),subplot(3,2,5),imshow(d),title(39。ball39。) % 某些圖像進(jìn)行操作 % 膨脹或腐蝕 % se=strel(39。average39。 .jpg39。subplot(3,2,1),imshow(b),title(39。 a=imread(39。39。 dw=I(PY1:PY28,PX1:PX2,:)。 end PX2=x。(PY2y)) 28 PY2=PY2+1。%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end end [temp MaxY]=max(Blue_y)。 figure(6),imshow(I5)。rectangle39。1。robert39。title(39。 I=imread(39。 本設(shè)計(jì)雖然只對藍(lán)底白字車牌進(jìn)行分割識別，對黑底白字車牌原則上整個(gè)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(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。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。 22 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 : 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(jìn)行字符的切割與識別。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。 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 符書寫格式、字符、尺寸限制和一些其他條件。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 17 處取得局部最小值的附近，并且這個(gè)位置應(yīng)滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。 同時(shí)采集大的圖像噪點(diǎn)依然存在，因此可以通過處理圖像的低頻部分來銳化圖像。 垂直方向的分界線可用同樣的方法實(shí)現(xiàn)。 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 (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(gè)特性去檢驗(yàn)提取的區(qū)域是否為車牌區(qū)域。,[25,25])。1。利用它可以消除小而且無意義的物體。適當(dāng)取門限 T，做如下判斷： ? ?,G x y T ,(x,y)為階躍狀邊緣點(diǎn)。both39。例如藍(lán)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。 4)Matlab 的可移 植性很好，基本上不做修改就可以在在各種型號的計(jì)算機(jī)和操作系統(tǒng)上運(yùn)行。基于人工神經(jīng)元網(wǎng)絡(luò)的算法有兩種： 一種是先對待識別字符進(jìn)行特征提取，然后用所獲得特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由 網(wǎng)絡(luò)自動實(shí)現(xiàn)特征提取直至識別出結(jié)果。 一般采用的方案是 首先對采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對這些侯選區(qū)域做進(jìn)一步分析、評判，最后選定一個(gè)最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來。 三：車牌位置提?。和ㄟ^運(yùn)算得到圖像的邊緣，再計(jì)算邊緣圖像的投影面積，尋找谷峰點(diǎn)以大概確定車牌的位置，再計(jì)算連通域的寬高比，剔除不在閾值范圍內(nèi)的連通域，最后便得到了車牌區(qū)域。這些領(lǐng)域的許多技術(shù)都可以應(yīng)用到車牌識別系統(tǒng)中，車牌識別技術(shù)的研究也必然推動這些相關(guān)學(xué)科的發(fā)展。 5）小區(qū)、校園車輛管理系統(tǒng)。目前車牌識別系統(tǒng)主要應(yīng)用于以下領(lǐng)域： 1）停車場管理系統(tǒng)。中國科學(xué)院自動化所的劉智勇等開發(fā)的系統(tǒng)在一個(gè)樣本量為 3180 的樣本集中，車牌定位準(zhǔn)確率為 %，切分準(zhǔn)確率為 %，這套系統(tǒng)后來應(yīng)用于漢王公司的車牌識別系統(tǒng)，取得了不錯(cuò)的效果。 3 國內(nèi)外有大量關(guān)于車牌識別方面的研究報(bào)道。 車牌號識別技術(shù)研究現(xiàn)狀和趨勢 目前，一些發(fā)達(dá)國家車牌識剮系統(tǒng)在實(shí)際交通系統(tǒng)中已經(jīng)成 功應(yīng)用，而我國的開發(fā)應(yīng)用進(jìn)展緩慢，基本停留在實(shí)驗(yàn)室階段。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。國內(nèi)外學(xué)者對此已經(jīng)有了較多工作，但實(shí)際效果并不理想，尤其是對車牌自適應(yīng)性強(qiáng)、速度快、準(zhǔn)確率高的高速車牌定位方法還有待進(jìn)一步研究。微電子、通信和計(jì)算機(jī)技術(shù)在交通領(lǐng)域的應(yīng)用極大地提高了交通 管理效率。而當(dāng)今許多實(shí)際應(yīng)用場合，如在繁忙交通路口臨時(shí)對欠稅費(fèi)、報(bào)廢、掛失 等車輛的稽查，則監(jiān)視區(qū)域比較復(fù)雜，現(xiàn)有識別方法無法直接應(yīng)用；而且多數(shù)情況下，同時(shí)出現(xiàn)多輛汽車，背景有廣告牌、樹木、建筑物、斑馬線以及各種背景文字等，現(xiàn)有的識別方法也不能很好的適應(yīng)多變的環(huán)境 ，所以對車牌識別技術(shù)的研究依然是目前高科技領(lǐng)域的熱門課題之一。 4）我國汽車牌照的底色和字符顏色多樣，藍(lán)底白字、黃底黑字、黑底白字、紅底黑字、綠底白字等多種。不同汽車類型有不同的規(guī)格、大小和顏色，所以車牌的顏色多，且字符位數(shù)不統(tǒng)一，對處理造成了一定的困難。同時(shí)代，誕生了面向被盜車輛的第一個(gè)實(shí)時(shí)自動車牌監(jiān)測系統(tǒng)。國內(nèi)還有許多學(xué)者一直在進(jìn)行這方面的研究，并且取得了大量的研究成果。以車牌自動識別技術(shù)為基礎(chǔ)，與通信等其他高科技結(jié)合，對高速公路交通流狀況進(jìn)行自動監(jiān)測、自動布控，從而降低交通事故的發(fā)生率，確保交通順暢。車牌識別系統(tǒng)是一特定目標(biāo)位對象的專用計(jì)算機(jī)系統(tǒng)，該系統(tǒng)能從一幅圖像中自動提取車牌圖像、自動分割自符，進(jìn)而對分割自符的圖像進(jìn)行圖像識別。 字符切割時(shí)完成車牌區(qū)域圖像的切分處理從而得到所需要的單個(gè)字符圖象。 六：輸出結(jié)果：得到最后的汽車牌照，包括漢字、字母和數(shù)字。 字符分割一般采用垂直投影法。這些影響因素不同程度上降低了牌照識別的識別率，也正是牌照識別系統(tǒng)的困難和挑戰(zhàn)所在。因?yàn)槭褂?*.JPG 圖像時(shí)有 一個(gè)軟件開發(fā)聯(lián)合會組織制輸入車牌圖象 灰度校正 平滑處理 提取邊緣 9 定 、 有損壓縮格式，能夠?qū)D像壓縮在很小的儲存空間 ，而且 廣泛支持 Inter 標(biāo)準(zhǔn) ，是面前使用最廣的圖片保存和傳輸格式，大多數(shù)攝像設(shè)備都以 *.JPG 格式保存。通過程序運(yùn)行其效果圖見圖 ： 10 圖 原始圖像 圖 由原圖和灰度圖運(yùn)行結(jié)果可知，能清晰地讀出原彩色圖樣，通過圖形的對比分析，原始圖中車牌區(qū)域的灰度明顯不同于其他區(qū)域，藍(lán)底部分最為明顯。檢測垂直邊緣的效果好于斜向邊緣，定位精度高，對噪聲敏感 ,無法抑制噪聲的影響。 both表示雙向 。 本系統(tǒng)使用 imerode()函數(shù)， Car_Image_Erode=imerode(Car_Image_Bin,Se)。已經(jīng)得到了車牌圖像的輪廓線了，只要再經(jīng)過適當(dāng)?shù)奶幚砑纯砂衍嚺铺岢龀鰜?。在程序運(yùn)行的圖像平滑后效 果如下： 圖 平滑處理后效果 從平滑后的效果圖分析，達(dá)到了預(yù)定的目標(biāo)。 水平坐標(biāo)的確定，先定義一個(gè) 1x? 的數(shù)組，其中 ? 錯(cuò)誤 !未找到引用源。圖 為二值圖切割的車牌區(qū)域，圖 RGB 圖像切割出來的圖像： 15 圖 車牌區(qū)域二值圖裁減圖像 圖 原圖中的車牌區(qū)域圖像 對比原始圖像與二值圖裁減圖可以 看出，車牌的四個(gè)邊界值基本上被確定下來了，這樣就可以從原始圖像中直接確定車牌的區(qū)域了。 字符切割前的圖像膨脹和腐蝕處理 腐蝕已經(jīng)在在上文介紹，膨脹剛好與腐蝕相反，運(yùn)算規(guī)則是輸出圖像的像素值是輸入圖像鄰域中的最大值，在一個(gè)二值圖像中，只要一個(gè)像素值為 1，則相應(yīng)的輸出像素值為 1。這樣，如果平均分配每個(gè)字符在牌照中占據(jù)的寬度，那么每個(gè)字符寬度為： width/7（ width 為車牌圖像的寬度）。 字符識別 字符識別方法選擇 目前字符識別的方案有使用神經(jīng)網(wǎng)絡(luò)和模板匹配法進(jìn)行比對。 20 圖 經(jīng)歸一化后的七個(gè)字符 切割的字符經(jīng)過歸一化之后，每個(gè)字符的大小基本一致，由此便解決了像素值不一致帶來的問題，并且利于和庫中的字符進(jìn)行匹配比較。仿真的結(jié)果也使得車牌部分從原圖被準(zhǔn)確的提取出來了，達(dá)到了 車牌定位及圖像讀取及其圖像處理的目的。 （ 2）在車牌定位我們采用基于灰度跳變的定位方法，采用先對圖像進(jìn)行預(yù)處理，再進(jìn)行二值化操作的方法。為了指導(dǎo)我們的畢業(yè)論文， 他 們放棄了自己的休息時(shí)間， 他 們的這種無私奉獻(xiàn)的敬業(yè)精神令人欽佩，在此我向她們表示我誠摯的謝意。 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)果元素對象對創(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。849Gx^Gjqv^$UE9wEwZQcUE%amp。M uWFA5ux^Gjqv^$UE9wEwZQcUE%amp。849Gx^Gjqv^$UE9wEwZQcUE%amp。M uWFA5ux^Gjqv^$UE9wEwZQcUE%amp。6a*CZ7H$dq8Kqqf HVZFedswSyXTyamp。849Gx^Gjqv^$UE9wEwZQcUE%amp。M uWFA5ux^Gjqv^$UE9wEwZQcUE%amp。6a *CZ7H$dq8Kqf HVZFedswSyXTyamp。qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkum