【正文】 while ((Blue_x(1,PX1)3)amp。title(39。 figure(8),subplot(2,2,4),imsh。)。(PX1x)) PX1=PX1+1。 figure(8),subplot(2,2,2),imshow(IY),title(39。amp。 for i=1:y for j=1:x if(myI(i,j,1)==1) Blue_y(i,1)= Blue_y(i,1)+1。I5=bwareaopen(I4,2022)。se=strel(39。)se=[1。title(39。figure(3),subplot(1,2,2),imhist(J)。title(39。title(39。感謝一如既往地激勵(lì)、關(guān)心和支持我的家人和朋友，正是他們，給了我奮斗的力量和信心，并讓我深刻地明白了：“滾滾長江東逝水，浪花淘盡英雄，是非成敗轉(zhuǎn)頭空” ，每天都是新的零點(diǎn)，應(yīng)該不斷充滿勇氣和信心去迎接新的挑戰(zhàn)。6．2 今后展望現(xiàn)代交通的飛速發(fā)展和車牌識(shí)別技術(shù)應(yīng)用范圍的不斷拓展給車牌識(shí)別提出了更高的要求，然而由于客觀條件及時(shí)問的限制，對(duì)車牌定位和字符分割的研究仍有很多工作需要進(jìn)行。第六章 總結(jié)與展望6．1 總結(jié)本文主要對(duì)車牌識(shí)別系統(tǒng)中車牌定位、校正與字符分割的算法進(jìn)行研究。字符識(shí)別的算法很多，因?yàn)檐嚺谱址g間隔較大，不會(huì)出現(xiàn)字符粘連情況，所以此處采用的方法為尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。圖 51 車牌圖像的灰度化第二步，對(duì)灰度圖像進(jìn)行二值化，減少背景像素的干擾，增強(qiáng)目標(biāo)區(qū)的色素度。傾斜校正后的車牌39。[I0,J]=find(R=max(max(R)))。 （41tanxy??????3）實(shí)現(xiàn)代碼如下：figure(8),subplot(2,2,4),imshow(dw),title(39。圖像變換前在圖像空間，變換后在參數(shù)空間。cosinxy????(1)在 、 的取值范圍內(nèi)建立一個(gè)理想的參數(shù)空間，考慮車牌的傾斜角度??小于 10 度，為了減少計(jì)算量，取 ， 。傾斜校正分兩步:第一步是求出角度，第二步是進(jìn)行校正。Comment [微微微微1]: 圖 36 X方向統(tǒng)計(jì)圖圖 37 Y方向統(tǒng)計(jì)圖圖 38 Y方向車牌區(qū)域確定圖 39 定位剪切后的彩色車牌圖像 圖 310是對(duì)其他一些車牌圖像進(jìn)行定位的結(jié)果，從中可以看出，對(duì)于不同類型的車牌圖像采用本文方法都可以得到較好的定位結(jié)果。第二步，邊緣檢測(cè)結(jié)果進(jìn)行腐蝕，結(jié)果如圖 33 所示。3．2．6 基于神經(jīng)網(wǎng)絡(luò)的定位方法該方法利用牌照的長寬比、面積、面積與周長比來區(qū)分真正的牌照區(qū)域與類牌照區(qū)域。膨脹使圖像擴(kuò)大，腐蝕使圖像縮小，而開操作與閉操作，同樣是兩個(gè)重要的心態(tài)學(xué)操作，開操作一般使對(duì)象的輪廓變得光滑，斷開狹窄的間斷和消除細(xì)的突出物。3．2．2 基于紋理的定位方法、偏強(qiáng)或不均勻，牌照傾斜和變形等情況定位較好。車牌的第一個(gè)字符是漢字，是各省、自治區(qū)，直轄市的簡稱，如“京” 、 “滬、 “渝” ， “湘” ， “冀”等；第二個(gè)字符是除去“I之外的 25 個(gè)大寫的英文字母，是發(fā)證機(jī)關(guān)代號(hào)，如“A’ ’、 “B、 “C等；第三個(gè)字符是一個(gè)間隔符“．；第四個(gè)字符可能是字母也可能是阿拉伯?dāng)?shù)字；從第五個(gè)字符起都是阿拉伯?dāng)?shù)字，表示是車輛的注冊(cè)號(hào)碼如“冀 A．53288” ，就是典型的車牌號(hào)碼。從信號(hào)分析的觀點(diǎn)來看，均值濾波的本質(zhì)是低通濾波，它通過信號(hào)的低頻部分，阻截高頻的噪聲信號(hào)。常用的窗口形狀有線狀、方形、圓形、十字形以及圓環(huán)形等，窗口的尺寸一般先用 3 再取 5，逐點(diǎn)增大，直到其濾波效果滿意為止。同時(shí)，由公式 210 還可看出，鄰域平均法也平滑了圖像信號(hào)，特別是可能使圖像目標(biāo)區(qū)域的邊界變得模糊。鄰域平均法對(duì)于給定的圖像 f(i,j)中的每個(gè)像素點(diǎn)(i,j)，取其鄰域 S,求鄰域 S 中像素值的平均值作為處理后所得圖像像素點(diǎn)(i，j)處的灰度。39。subplot(3,2,1),imshow(b),title(39。局部閾值法則是由像素的灰度值和像素周圍局部灰度特性來確定二值化的閾值，Bernsen 算法是典型的局部閾值方法，局部閾值法的缺點(diǎn)和問題是實(shí)現(xiàn)速度慢、不能保證字符筆劃連通性、以及容易出現(xiàn)偽影現(xiàn)象等。另一方面，在某些情況下即使圖像本身是有灰度的，我們也設(shè)法使它變成二值圖像再進(jìn)行處理(即灰度圖像的二值化)。)。根據(jù)圖象處理系統(tǒng)的條件，最好將灰度范圍展開到 s=(0,255)之間，為此對(duì)灰度值作如下的變換： （24）()[min,ax]sTrr??使得 S∈[Smin, Smax],其中，T 為線性變換， （25）inr ax iSirin maxr S???圖 26 灰度線性變換 圖像增強(qiáng)代碼和結(jié)果如下：J=imadjust(I1,stretchlim(I1),[])。從直方圖中可以看出車牌圖像的直方圖中存在雙峰或多峰的情況，這些給后期的車牌圖像二值化過程中閾值的選擇帶來一定的影響。title(39。原圖、灰度圖及其直方圖結(jié)果見圖 21 與圖 22，且彩色圖像灰度化代碼如下：I=imread(39。第二章 圖像處理技術(shù)2．1 圖像灰度化數(shù)字圖像包括彩色圖像和灰度圖像兩種。最后對(duì)車牌定位實(shí)驗(yàn)結(jié)果進(jìn)行分析。 1．3 主要研究內(nèi)容課題研究的主要內(nèi)容是對(duì)數(shù)碼相機(jī)拍攝的車牌，進(jìn)行基于數(shù)字圖像處理技術(shù)的車牌定位技術(shù)和車牌字符分割技術(shù)的研究與開發(fā)，涉及到圖像預(yù)處理、車牌定位、傾斜校正、字符分割等方面的知識(shí),總流程圖如圖 11 所示，其中車牌定位的流程圖如圖 12 所示，字符分割與歸一化的流程圖如圖 13 所示。 車牌字符分割是把車牌的字符一個(gè)個(gè)分離出來，為車牌字符的識(shí)別做好準(zhǔn)備工作。各個(gè)國家的產(chǎn)品雖然不同，但基本上都足基于車輛探測(cè)器的系統(tǒng)，設(shè)備投資巨大。車牌自動(dòng)識(shí)別系統(tǒng)具有廣泛的應(yīng)用范圍，主要應(yīng)用于：1．高速公路收費(fèi)、監(jiān)管管理；2．小區(qū)、停車場(chǎng)的管理；3．闖紅燈等違章車輛監(jiān)控；4．車輛流量檢測(cè)與控制；5．車輛安全防盜、堵查指定車輛等。車牌識(shí)別系統(tǒng)主要由硬件和軟件構(gòu)成，車牌識(shí)別算法主要分為三個(gè)部分：車牌定位、字符分割、字符識(shí)別。作者簽名： 日期： 年 月 日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。 南 京 工 程 學(xué) 院畢 業(yè) 設(shè) 計(jì) 說 明 書 (論 文 )專 業(yè)： 信息工程 題 目： 車牌自動(dòng)識(shí)別系統(tǒng)的設(shè)計(jì)與研究 （車牌定位與分割） A Dissertation Submitted toNanjing Institute of TechnologyFor the Academic Degree of Bachelor of ScienceBy Xiaowei MaSupervised by Lecturer Ying Tong College of Communication EngineeringNanjing Institute of Technology June 2022 The Design and Research of Automatic License Plate Recognition System （License plate location and segmentation）畢業(yè)設(shè)計(jì)（論文）原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設(shè)計(jì)（論文），是我個(gè)人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。有了車牌識(shí)別系統(tǒng)，我們便可以對(duì)車輛進(jìn)行 24小時(shí)的自動(dòng)監(jiān)控，這大大提高了效率，節(jié)省了人力和物力。車牌自動(dòng)識(shí)別(License Plate Recognition，LPR)系統(tǒng)正是在這種應(yīng)用背景下提出的能夠自動(dòng)、實(shí)時(shí)地檢測(cè)車輛經(jīng)過和識(shí)別汽車牌照的智能交通管理系統(tǒng)的重要組成部分。另外日本、加拿大、德國、意大利、英國等各個(gè)西方發(fā)達(dá)國家都有適合本國的車牌識(shí)別系統(tǒng)。車牌定位是車牌識(shí)別的基礎(chǔ)，車牌定位的結(jié)果直接影響著字符分割和字符識(shí)別的效果，所以有必要對(duì)車牌定位方法進(jìn)行深入的研究。但是考慮到車牌中字符可能存在的粘連、斷裂情況，字符分割技術(shù)仍然需要進(jìn)一步改進(jìn)。分析了車牌定位的基本原理和現(xiàn)有的定位方法,利用圖像處理的技術(shù),提出了基于數(shù)學(xué)形態(tài)學(xué)與邊緣檢測(cè)以及顏色相結(jié)合的車牌定位方法。附錄為程序代碼。??本文根據(jù)加權(quán)平均值法進(jìn)行灰度化。%灰度化figure(2),subplot(1,2,1),imshow(I1)。圖 21 彩色車牌圖像圖 22 車牌圖像的灰度圖及其直方圖下面圖 23 到圖 25 是對(duì)其他車牌圖像進(jìn)行灰度化和其直方圖的顯示結(jié)果。通過直方圖發(fā)現(xiàn)車輛牌照?qǐng)D象的灰度取值范圍大多局限在 r=(50,200)之間，而且總體上灰度偏低，圖象較暗。灰度圖直方圖39。這是因?yàn)椋环矫?，有些需要處理的如文字圖像、指紋圖像、工程圖紙等圖像本身是二值的。全局閾值法是指在二值化過程中只使用一個(gè)閾值，典型的全局閾值方法包括 Ostu 方法、最大熵方法等，優(yōu)點(diǎn)在于算法簡單，對(duì)于目標(biāo)和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對(duì)輸入圖像量化噪聲或不均勻光照等情況抵抗能力差，應(yīng)用受到極大限制。令 T 代表一副灰度圖像的閾值， 為圖像中實(shí)際像素的最高灰度值， 為相對(duì)最maxGminG小灰度值，對(duì)于一幅灰度級(jí)為 256 級(jí)的灰度圖像，從第 l 級(jí)開始，每 16 個(gè)灰度級(jí)分為一個(gè)灰度級(jí)組，從而把 256 級(jí)分為 16 組(分組序號(hào) n=1，2...，16)，然后在整幅圖像中逐個(gè)搜索每一個(gè)像素，并根據(jù)該像素的灰度值將其歸入相應(yīng)的灰度級(jí)組，整幅圖像掃描完畢后統(tǒng)計(jì)每個(gè)灰度級(jí)組的像素?cái)?shù)量，記錄像素?cái)?shù)量最多的灰度級(jí)組的分組序號(hào) n，通過式(28)可求出 G: (28)mi(1)6G???得到 后，則閾值 T 可通過式(29)計(jì)算得到:minG (29)axminma3二值化代碼實(shí)現(xiàn)如下：figure(10)。 % d:二值圖像imwrite(d,39。線性濾波可以去除圖像中某些類型的噪聲，如采用鄰域平均法的均值濾波器就非常適合去除用掃描方式得到的圖像中的顆粒噪聲。 21??噪聲方差變小，說明噪聲強(qiáng)度減弱了，即抑制了噪聲。二維中值濾波的窗口形狀和尺寸對(duì)濾波效果影響較大，不同的圖像內(nèi)容和不同的應(yīng)用要求，往往采用不同的窗口形狀和尺寸。圖 211 均值濾波后的車牌圖像利用領(lǐng)域平均法可以消除或減少噪聲，改善圖像的質(zhì)量。第一種車牌的前車牌長度均為 440mm，寬度為 140mm，共有 8 個(gè)字符，本文研究的各種算法主要使用這種車牌。車牌的定位誤差會(huì)有所增加。膨脹最簡單的應(yīng)用之一就是將裂縫橋接起來，腐蝕的一種最簡單的用途就是消除不相關(guān)的細(xì)節(jié)?？梢栽谒惴ㄖ屑尤脒m當(dāng)?shù)木植克阉魉阕觼磉M(jìn)一步改善算法的性能。邊緣主要存在于目標(biāo)與目標(biāo)、目標(biāo)與背景、區(qū)域與區(qū)域（包括不同色彩）之間，是圖像分割、紋理特征提取和形狀特征提取等圖像分析的重要基礎(chǔ)。再對(duì)原始圖像進(jìn)行切割，顯示它在 Y 方向的圖像范圍，如圖 38 所示，然后找出它在 X 方向的圖像范圍，最后對(duì)其進(jìn)行修剪，放大，顯示結(jié)果圖像，如圖 39 所示。但是車牌傾斜校正前必須計(jì)算車牌的傾斜角度。Hough 變換采用的是直線標(biāo)準(zhǔn)式: 。4．2 Radon 變換角度檢測(cè)原理Radon 變換的基本思想是點(diǎn)一線的對(duì)偶性。我們?cè)O(shè)變?換前的坐標(biāo)為(x，y)，變換后的出標(biāo)為(x1，y1)旋轉(zhuǎn)變換的公式(42)如下： （ 41cosinisxyy???????2）垂直校正采用對(duì)圖像按公式（43）進(jìn)行坐標(biāo)變換來實(shí)現(xiàn)。[R,xp]=radon(bw,theta)。title(39。車牌圖像的預(yù)處理過程如下：第一步，對(duì)經(jīng)過傾斜校正后的車牌圖像進(jìn)行灰度化。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。車牌圖像均值濾波過程中模板大小的選取也帶來一些誤差。經(jīng)過大量的試驗(yàn)，該程序在抗干擾能力和分析的實(shí)時(shí)性上都表現(xiàn)良好，為后續(xù)的字符識(shí)別創(chuàng)造了良好的條件。在此，衷心感謝童老師的教誨和關(guān)懷!老師嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、淵博的學(xué)識(shí)、坦誠的處世風(fēng)格、開拓創(chuàng)新的精神以及特有的人格魅力無不給我留下了很深的影響，使我受益匪淺。figure(1),imshow(I)。figure(2),subplot(1,2,2),imhist(I1)。)。figure(4),imshow(I2)。robert 算子邊緣檢測(cè)（圖像增強(qiáng)后的）39。)。)。tic Blue_y=zeros(y,1)。 while ((Blue_y(PY2,1)=5)amp。grid on。amp。X 方向統(tǒng)計(jì)3