【正文】 tle(39。39。 d=(double(b)=T)。subplot(3,2,1),imshow(b),title(39。 %將數(shù)組filepath,filename水平地連接成單個(gè)字符串，并保存于變量jpg中a=imread(39。39。 dw=I(PY1:PY2,:,:)。amp。 while ((Blue_y(PY2,1)=40)amp。 %換成雙精度數(shù)值 %begin橫向掃描tic %計(jì)算tic與toc之間程序的運(yùn)行時(shí)間 Blue_y=zeros(y,1)。)。se=strel(39。)se=[1。I2=edge(I1,39。 %將真彩色圖像轉(zhuǎn)換為灰度圖像figure(2),subplot(1,2,1),imshow(I1)。參考文獻(xiàn)[1] [2] [3] 程序附錄：function [d]=main(jpg)I=imread(39。把每一幅相減后的圖的0值個(gè)數(shù)保存，即為識(shí)別出來(lái)的結(jié)果。在實(shí)際設(shè)計(jì)模板的時(shí)候，是根據(jù)各區(qū)域形狀固有的特點(diǎn)，突出各類(lèi)似區(qū)域之間的差別，并將容易由處理過(guò)程引起的噪聲和位移等因素都考慮進(jìn)去，按照一些基于圖象不變特性所設(shè)計(jì)的特征量來(lái)構(gòu)建模板，就可以避免上述問(wèn)題。而大小歸一是指在長(zhǎng)度和寬度方向上分別乘以一個(gè)比例因子，使其等于標(biāo)準(zhǔn)模塊的字符大小，本文采用的大小歸一的方法是分別從水平投影和垂直投影兩個(gè)方向上對(duì)字符象素的大小進(jìn)行歸一化處理。均值濾波是典型的線(xiàn)性濾波算法，指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周?chē)呐R近像素。使用統(tǒng)計(jì)彩色像素點(diǎn)的方法分割出車(chē)牌區(qū)域，確定車(chē)牌底色藍(lán)色RGB對(duì)應(yīng)的灰度范圍，然后統(tǒng)計(jì)在行方向的顏色范圍內(nèi)的像素點(diǎn)數(shù)量，確定車(chē)牌在行方向的區(qū)域。車(chē)牌圖像的灰度圖的車(chē)牌部分是一個(gè)水平度很高的長(zhǎng)方形圖樣，在原圖中比較集中，且灰度值和周?chē)鷪D樣有明顯差異，因此很容易用邊緣檢測(cè)來(lái)對(duì)圖像進(jìn)行分割。因此，在進(jìn)行對(duì)汽車(chē)牌照的定位及字符識(shí)別之前需要先對(duì)車(chē)輛圖像進(jìn)行邊緣檢測(cè)處理，提高圖像的質(zhì)量，使其易于后面的分割和識(shí)別。 對(duì)于將彩色圖像轉(zhuǎn)換成灰度圖像時(shí)， 目前比較主流的灰度化方法叫平均值法，公式為： H=++ 公式中H表示灰度圖的亮度值；R代表彩色圖像紅色分量值；G代表色彩圖像綠色分量值；B代表彩色圖像藍(lán)色分量值。字符識(shí)別部分要求照片清晰，但由于該系統(tǒng)的攝像頭長(zhǎng)時(shí)間在室外工作，加上光照條件、攝像頭角度和距離、車(chē)輛自身?xiàng)l件以及車(chē)輛的行駛速度的影響，想拍出較理想的圖片很困難。在許多國(guó)際一流學(xué)術(shù)刊物上，（尤其是信息科學(xué)刊物），都可以看到MATLAB的應(yīng)用。 (5)MATLAB應(yīng)用程序接口(API) 這是MATLAB為用戶(hù)提供的一個(gè)函數(shù)庫(kù)，使得用戶(hù)能夠在MATLAB環(huán)境中使用c程序或FORTRAN程序，包括從MATLAB中調(diào)用于程序(動(dòng)態(tài)鏈接)，讀寫(xiě)MAT文件的功能。（4）構(gòu)作了Notebook 。Mathcad因其提供計(jì)算、圖形、文字處理的統(tǒng)一環(huán)境而深受中學(xué)生歡迎。在美國(guó)的一些大學(xué)里，MATLAB正在成為對(duì)數(shù)值線(xiàn)性代數(shù)以及其他一些高等應(yīng)用數(shù)學(xué)課程進(jìn)行輔助教學(xué)的有益工具。 設(shè)計(jì)原理汽車(chē)牌照自動(dòng)識(shí)別技術(shù)是一項(xiàng)利用車(chē)輛的動(dòng)態(tài)視頻或靜態(tài)圖像進(jìn)行牌照號(hào)碼、牌照顏色自動(dòng)識(shí)別的模式識(shí)別技術(shù)?！　∧壳埃陨械腍i一Teeh公司研制的多種see/CarSystem，適用于幾個(gè)不同國(guó)家的車(chē)牌識(shí)別。在車(chē)牌識(shí)別系統(tǒng)研究中，許多的新技術(shù)和新方法被不斷地提出并應(yīng)用，例如圖像處理技術(shù)、模糊數(shù)學(xué)理論、神經(jīng)元網(wǎng)絡(luò)算法等等，也有人將一些傳統(tǒng)方式和高新技術(shù)相結(jié)合來(lái)進(jìn)行應(yīng)用，但到目前為止，由于各種客觀(guān)的不利環(huán)境因素存在，還沒(méi)有一種解決辦法可以作為最有效的銀彈，來(lái)解決應(yīng)用中的所有技術(shù)難題，它們?cè)谙到y(tǒng)的準(zhǔn)確性和實(shí)時(shí)性方面雖都有其自己的解決辦法和設(shè)計(jì)方案，但健壯性和魯棒性均達(dá)不到理想要求。直方圖修正、灰度變換、強(qiáng)化圖像輪廓等都是常用的手段。智能交通系統(tǒng)，是在當(dāng)代科學(xué)技術(shù)高速發(fā)展的背景下產(chǎn)生的。因?yàn)檐?chē)牌號(hào)的重要地位，我們第一個(gè)想到就是設(shè)法利用車(chē)牌號(hào)來(lái)對(duì)車(chē)輛進(jìn)行管理，所以車(chē)牌提取應(yīng)運(yùn)而生，用來(lái)提高汽車(chē)的安全管理水平及管理效率。車(chē)牌號(hào)識(shí)別系統(tǒng)是基于圖像處理技術(shù)的基礎(chǔ)進(jìn)行研究的。圖像分割就是把圖像中需要的那一個(gè)部分分割出來(lái)。早在上世紀(jì)70年代，英國(guó)就在實(shí)驗(yàn)室中完成了實(shí)時(shí)車(chē)牌檢測(cè)系統(tǒng)，的廣域檢測(cè)和開(kāi)發(fā)。我國(guó)做得較好的產(chǎn)品是中科院自動(dòng)化研究所的漢王眼，另外，亞洲視覺(jué)科技有限公司、深圳市吉通電子有限公司以及上海交通大學(xué)、清華大學(xué)等高校都做過(guò)類(lèi)似的研究。它的第1版()發(fā)行于1984年，經(jīng)過(guò)10余年的不斷改進(jìn)，現(xiàn)今已推出它的WindoM 98/NT版本()。 MATLAB系統(tǒng)最初是由CIeve Moler用FORTRAN語(yǔ)盲設(shè)計(jì)的，有關(guān)短陣的算法來(lái)自L(fǎng)INPACK和EIsPACK課題的研究成果；現(xiàn)在的MATLAB程序是MathWorks公司用 C語(yǔ)言開(kāi)發(fā)的，第一版由steve Bangert主持開(kāi)發(fā)編譯解釋程序，Steve Kleiman完成圖形功能的設(shè)計(jì)，John Little和Cleve Moler主持開(kāi)發(fā)了各類(lèi)數(shù)學(xué)分分析的子模塊，撰寫(xiě)用戶(hù)指南和大部分的M文件。它的出現(xiàn)使人們有可能考慮許多以前不得不做簡(jiǎn)化假設(shè)的非線(xiàn)性因素、隨機(jī)因素，從而大大提高了人們對(duì)非線(xiàn)性、隨機(jī)動(dòng)態(tài)系統(tǒng)的認(rèn)知能力。 (1)MATALB語(yǔ)言體系 MATLAB是高層次的矩陣／數(shù)組語(yǔ)言．具有條件控制、函數(shù)調(diào)用、數(shù)據(jù)結(jié)構(gòu)、輸入輸出、面向?qū)ο蟮瘸绦蛘Z(yǔ)言特性。用戶(hù)可以根據(jù)自己的工作任務(wù)，開(kāi)發(fā)自己的工具箱。又如HP公司的VXI硬件，TM公司的DSP，Gage公司的各種硬卡、 儀器等都接受MATLAB的支持。 車(chē)牌識(shí)別系統(tǒng)的最終目的就是將不清楚的車(chē)牌照片進(jìn)行識(shí)別，輸出清晰的圖片。對(duì)于人眼較為敏感的綠色取較大的權(quán)值； 對(duì)人眼較為不敏感的藍(lán)色則取較小的權(quán)值。因?yàn)橛羞@些明顯的特征，經(jīng)過(guò)適當(dāng)?shù)膱D像變換，可以清晰的呈現(xiàn)出車(chē)牌的邊緣。本文采用的是用數(shù)學(xué)形態(tài)學(xué)來(lái)進(jìn)行圖像處理和模式識(shí)別。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。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識(shí)別。模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，當(dāng)字符較規(guī)整時(shí)對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率相當(dāng)高。車(chē)牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約50多個(gè)，大寫(xiě)英文字母26個(gè)，數(shù)字10個(gè)。二是牌照自身的污漬等影響了圖象的質(zhì)量；三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。figure(1),imshow(I)。)。both39。I3=imerode(I2,se)。 %構(gòu)造結(jié)構(gòu)元素，以長(zhǎng)方形構(gòu)造一個(gè)seI4=imclose(I3,se)。title(39。%temp為向量white_y的元素中的最大值，MaxY為該值的索引（ 在向量中的位置） PY1=MaxY。 end IY=I(PY1:PY2,:,:)。 while ((Blue_x(1,PX2)3)amp。行方向合理區(qū)域39。39。 %讀取圖片文件中的數(shù)據(jù)b=rgb2gray(a)。 %換成雙精度數(shù)值g_min=double(min(min(b)))。)。,3)。square39。...se=eye(2)。 %將圖像數(shù)據(jù)寫(xiě)入到圖像文件中figure(8),subplot(3,2,5),imshow(d),title(39。j=1。 d(:,k1+num+5)=0。wide=0。 if two_thirds/ally2 flag=1。% 分割出第六個(gè)字符[word6,d]=getword(d)。figure(11),imshow(word3),title(39。)。 %返回矩陣b的尺寸信息， 并存儲(chǔ)在m、n中。figure(16),subplot(3,7,8),imshow(word1),title(39。)。639。imwrite(word2,39。)。39。:39。939。l=1。)。 else l=3 %第三位以后是字母或數(shù)字識(shí)別 kmin=1。%讀取圖片文件中的數(shù)據(jù) SamBw2=double(SamBw2)1。 Code(l*21)=liccode(findc(1)+kmin1)。,39。 wide=0。 n1/m1y2 d(:,[1:wide])=0。flag=1。 % initwhile sum(d(top,:))==0 amp。 leftn left=left