【正文】 I_plate=bwareaopen(I_plate,20)。 31 if tempmini mini=temp。 %圖像閉合、填充圖像 subplot(3,2,5),imshow(I_close),title(39。sobel39。本次設(shè)計(jì)主要解決了一下幾個(gè)問題： (1)對(duì)彩色圖像進(jìn)行灰度化處理的方法： (2)選取合適的邊緣檢測(cè)算子及對(duì)灰度圖像進(jìn)行邊緣檢測(cè)的方法； (3)如何在圖像中定位出車牌位置并從定位好的車牌圖像中提取出車牌； (4)如何對(duì)車牌字符進(jìn)行分割和字符識(shí)別。車牌為 :39。)。,39。,39。,39。,39。)。,39。num 的文件夾中 接下來是對(duì)前面分割出的字符進(jìn)行識(shí)別，運(yùn)用的是模板匹配字符識(shí)別算法，過程是把切割出的字符與庫(kù)里的漢字和字符的模板做減法運(yùn)算，找到差別點(diǎn)最少的模板為對(duì)應(yīng)模板，輸出該模板對(duì)應(yīng)的字符，最后識(shí)別出車牌 。)。這樣才有助于字符分割的進(jìn)行。 end end 23 first_point=location_of_1(a,:)。 通過對(duì)比原始圖片，我們可以發(fā)現(xiàn)形態(tài)濾波后的圖像已經(jīng)很接近正確的車牌位置了，因此后期處理將通過這張圖來找出車牌位置。 imshow(I_final),title(39。1]。 imshow(I_gray),title(39。最后識(shí)別完成后輸出識(shí)別的車牌的結(jié)果，流程圖如圖 33 所示。 設(shè)目標(biāo)圖像為 ( , )gxy ，圖像中相同大小的子區(qū)域 D 上的圖像為 ( , )f xy 。如用于信函分揀的 手寫體 數(shù)字識(shí)別機(jī)和印刷體英文數(shù)字識(shí)別機(jī)。通過這兩個(gè)坐標(biāo)將車牌分割出 來，最后在對(duì)分割出的車牌進(jìn)行二值化處理。腐蝕運(yùn)算會(huì)使圖像的區(qū)域進(jìn)行收縮。 邊緣檢測(cè) 所謂邊緣，是指其周圍像素灰度有變化的那些像素的集合，它是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，而且在車牌識(shí)別系統(tǒng)中提取車 10 牌位置占了很重要的地位。切割出單個(gè)字符后，放入 char_(i)中，并切 割 掉每個(gè)字符的上下的空白區(qū)域，完成精確切割。 MATLAB 中圖像最基本的數(shù)據(jù)結(jié)構(gòu)是數(shù)組。一幅模擬圖像的坐標(biāo)及幅度都是連續(xù)的，為了把它轉(zhuǎn)換為數(shù)字形式，必須對(duì)坐標(biāo)和幅度都作離散化操作。 第 2 章主要介紹數(shù)字圖像的組成要素、數(shù)字圖像的基礎(chǔ)以及 MATLAB 軟件在數(shù)字圖像中的應(yīng)用。 ARGUS的車牌識(shí)別系統(tǒng)的識(shí)別時(shí)間為 100毫秒，通過 ARGUS的車速可高達(dá)每小時(shí) 100英里。 （ 3）公路布控。 車牌識(shí)別技術(shù)研究 摘要 ： 車牌識(shí)別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，應(yīng)用十分的廣泛。采用車牌識(shí)別技術(shù)實(shí)現(xiàn)對(duì)重點(diǎn)車輛的自動(dòng)識(shí)別，快速報(bào)警，既可以有效查找被盜車輛，同時(shí)又為公安、檢察機(jī)關(guān)提供了對(duì)犯罪嫌疑人的交通工具進(jìn)行遠(yuǎn)程跟蹤與監(jiān)查的技術(shù)手段。還有 HiTech公司的 See/Car system，新加坡 Optasia公司的 VLPRS等。 第 3章主要簡(jiǎn)述了車牌識(shí)別技術(shù)的原理以及 基于 MATLAB的車牌 識(shí)別的實(shí)現(xiàn) 過程。數(shù)字化坐標(biāo)值稱為取樣，它確 6 定了圖像的空間分辨率；數(shù)字化幅度值稱為量化，它確定了圖像的幅度分辨率。在 MATLAB 中大多數(shù)圖像用二維數(shù)組double（ 64 位）浮點(diǎn)型、或 uint8（ 8 位無符號(hào)整數(shù)）、 uint16（ 16 位無符號(hào)整數(shù) ）存儲(chǔ)的，以減少圖像的存儲(chǔ)量。 第三步是對(duì)前面分割出的字符進(jìn)行識(shí)別，運(yùn)用的是模板匹配字符識(shí)別算法，這過程是 把切割出的字符與庫(kù)里的漢字和字符的模板做減法運(yùn)算，找到差別點(diǎn)最少的模板為對(duì)應(yīng)模板，輸出該模板對(duì)應(yīng)的字符，最后識(shí)別出車牌。 其中邊緣檢測(cè)的算子有很多，如 Roberts 算子、 Sobel 算子、Prewitt 算子、 Zerocross 算子、 Log 算子 以及 Canny 算子 。 使用同一結(jié)構(gòu)元素對(duì)圖像先進(jìn)行膨脹運(yùn)算，然后對(duì)結(jié)果進(jìn)行腐蝕運(yùn)算的運(yùn)算方法成為閉運(yùn)算，閉運(yùn)算的符號(hào)為 ? 。 二值化的處理過程是通過閾值化對(duì)圖像進(jìn)行處理的 [17]。 70 年代主要研究文字識(shí)別的基本理論和研制高性能的文字識(shí)別機(jī)，并著 14 重于漢字識(shí)別的研究 [18]。它們?cè)?D上的差值測(cè)度有如下三種計(jì)算方式： ( , )m a x | ( , ) ( , ) |x y DL f x y g x y??? （ 310） | ( , ) ( , ) |DL f x y g x y d x d y???? （ 311） 2[ ( , ) ( , ) ]DL f x y g x y d x d y???? （ 312） 采用以上三種方式計(jì)算出的結(jié)果越小，說明模板和子區(qū)域相似程度越高。 圖 33 車牌識(shí)別系統(tǒng)字符識(shí)別流程圖 識(shí)別完成，輸出此模板對(duì)應(yīng)值 讀取分割且歸一化的出來的字符 將切割字符與模板庫(kù)進(jìn)行模板匹配 待識(shí)別字符與模板字符相減，值越小相似度越大，找到最小的一個(gè)即為匹配的最好的 建立識(shí)別樣本庫(kù) 17 4 運(yùn)用 MATLAB 實(shí)現(xiàn)車牌識(shí)別 本次設(shè)計(jì)使用 640*480 的彩色 JPG 格式圖片，以 MATLAB 軟件為平臺(tái)，采用編寫代碼程序?qū)崿F(xiàn)車牌定位、車牌 字符分割、車牌字符識(shí)別?；叶葓D像 39。 I_erode=imerode(I_edge,se)。形態(tài)濾波后圖像 39。 22 牌照定位 觀察經(jīng)過預(yù)處理后得到的圖像發(fā)現(xiàn)車牌位置有明顯 的矩形圖樣，通過對(duì)矩形區(qū)域的定位即可獲得具體的車牌位置。 %和最小的點(diǎn)為車牌的左上角 last_point=location_of_1(b,:)。如圖 43 所示 24 字符分割 此部分是將前面分割出的車牌的 7 個(gè)字符分割出來，其過程是 從左向右像按 列 計(jì)算每一列之和，沒有白點(diǎn)的列和為 0，有白點(diǎn)的列和非零，轉(zhuǎn)換為邏輯 1，記錄下所有列和在 0 與 1 轉(zhuǎn)換的列，即為需要切割的列，共有 14 列，可切出 7 個(gè)字符。 %歸一化為 32*16 的大小，以便模板匹配 eval(strcat(39。 程序分析 char=[]。藏 39。 %創(chuàng)建漢字識(shí)別模板庫(kù) for j=1:15 Im=Char_1。C39。L39。T39。239。 %創(chuàng)建字母與數(shù)字識(shí)別模板庫(kù) for i=2:7 for j=1:34 Im=eval(strcat(39。,char))。 在車輛牌照字符識(shí)別系統(tǒng)的研究領(lǐng)域，近幾年已經(jīng)出現(xiàn)了許多切實(shí)可行的識(shí)別技術(shù)和方法，從這些新技術(shù)和方法中可以看到兩個(gè)明顯的趨勢(shì)：一是單一的人工選取合適的算法和其他指標(biāo)已經(jīng)不能取得很好的結(jié)果。)。填充后圖像 39。 a=i。 figure,imshow(I_plate),title(39。 subplot(3,2,5),imshow(I_plate)。 for i=1:size(location_of_1,1) %尋找所有白點(diǎn)中， x 坐標(biāo)與 y 坐標(biāo)的和最大，最小的兩個(gè)點(diǎn)的位置 temp=location_of_1(i,1)+location_of_1(i,2)。 I_close=imclose(I_erode,se)。 I_edge=edge(I_gray,39。 本次設(shè)計(jì)的研究以 MATLAB 軟件作為設(shè)計(jì)工具，通過對(duì)采集到的原始圖像進(jìn)行預(yù)處理、車牌定位、字符分割以及字符識(shí)別才識(shí)別出圖像中的 車牌。 end figure,imshow(I),title(strcat(39。939。039。S39。K39。B39。遼 39。魯 39。制作出的漢字模板存儲(chǔ)在命名為 chinese 的文件夾中，字母與數(shù)字的模板 存儲(chǔ)在命名為 chaamp。nearest39。) %畫出最終車牌 結(jié)果分析 圖 43 車牌提取圖片 定位后車牌圖像是彩色的，會(huì)占用較大的存儲(chǔ)空間，加重計(jì)算機(jī)負(fù)擔(dān)，所以要對(duì)圖像進(jìn)行二值 化以及濾波處理。 b=i。由此得到車牌圖像的初步定位，如圖 42（ d）所示。 %去除聚團(tuán)灰度值小于 2020 的部分 figure(6)。1。 %對(duì)圖像 I 進(jìn)行灰度處理 figure(2)。所以我們?cè)趯?duì)比的時(shí)候?yàn)榱颂岣咝屎蜏?zhǔn)確性，我們分別對(duì)第一位和后六位分別識(shí)別。 （ 1）相似性度量 15 相似性 度量有多種表示方法，其中最常用的是差值測(cè)度法和相關(guān)測(cè)度法。 60 年代后期，出現(xiàn)了多種字體和 手寫體 文字識(shí)別機(jī)，其識(shí)別精度和機(jī)器性能都基本上能滿足要求。 車牌識(shí)別的下一步是分割出具體的車牌，具體過程 首先是將二值圖像中所有白色的點(diǎn)的坐標(biāo)放入數(shù)組 location_of_1 中，對(duì)這些坐標(biāo)進(jìn)行計(jì)算，尋找 x 坐標(biāo)與 y 坐標(biāo)之和最大的點(diǎn) a 與最小的點(diǎn) b， a 即為車牌的左上角， b 為車牌的右下角。 ，其定義為 : ? ?| ( ) xA B x B A? ? ? （ 33） 上式表明， 腐蝕的過程為結(jié)構(gòu)元素 B 平移 x 后，結(jié)構(gòu)元素 B 仍在集合 A 中的參考點(diǎn)的集合。 通常，通過數(shù)碼相機(jī)拍照所獲 的 圖像是彩色圖像，在彩色圖像里， 如果 R=G=B，則圖像中的顏色都為一種灰度顏色，其中 R=G=B 的值叫做灰度值，圖像的灰度化處理是指圖像由彩色轉(zhuǎn)換為灰度的過程 ， 灰度圖像中只包含了強(qiáng)度信息，而并沒有顏色信息。 第二步是將前面車牌里的 7 個(gè)字符分割出來，其過程是 從左向右像按 列 計(jì)算每一列之和，沒有白點(diǎn)的列和為 0，有白點(diǎn)的列和非零，轉(zhuǎn)換為邏輯 1，記錄下所有列 和在 0與 1 轉(zhuǎn)換的列，即為需要切割的列，共有 14 列，可切出 7 個(gè)字符。這些開發(fā)工具在醫(yī)學(xué)、公安和國(guó)防、遙感遙測(cè)、生物技術(shù)、顯微鏡技術(shù)、半導(dǎo)體測(cè)試、圖像傳感器設(shè)計(jì)等圖像處理領(lǐng)域得到了廣泛的應(yīng)用 [8]。圖像離散化過程包括兩種處理：取樣和量化。 本文第 1 章主要介紹車牌識(shí)別技術(shù)的研究目的和意義 、 車牌識(shí)別技術(shù)的發(fā)展 以及 對(duì) 4 我國(guó)車牌的分析。從 80年代中期開始， ARGUS英國(guó) Alphatech公司就開始了名為 RAUS的車牌識(shí)別系統(tǒng)的研制。以車牌自動(dòng)識(shí)別技術(shù)為基礎(chǔ)，與其他高科技手段結(jié)合，對(duì)高速公 路交通流狀況進(jìn)行自動(dòng)監(jiān)測(cè)、自動(dòng)布控，從而降低交通事故的復(fù)發(fā)生率，確保交通順暢。它以數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺等技術(shù)基礎(chǔ)，對(duì)攝像機(jī)所拍攝的車輛圖像進(jìn)行分析，得到每一輛汽車唯一的車牌號(hào)碼，從而完成識(shí)別過程，它對(duì)汽車防盜、緩解交通緊張等起到了積極的作用。 （ 4）城市十字交通路口的 “ 電子警察 ” 。另外日本、加拿大、德國(guó)等發(fā)達(dá)國(guó)家都有適用于本國(guó)的車牌識(shí)別系統(tǒng)。 第 4 章主要介紹了基于 MATLAB 的車牌識(shí)別代碼以及對(duì) 仿真 結(jié)果的分析。 對(duì)于灰度圖像，量化是對(duì)取樣所得的離散樣本點(diǎn)上的灰度值進(jìn)行離散化，將原圖像的連續(xù)灰度用 2kL? （ k 為整數(shù)）個(gè)等間距的灰度級(jí)進(jìn)行表示。在默認(rèn)狀態(tài)下， MATLAB 通常用雙精度浮點(diǎn)類型數(shù)組存儲(chǔ)數(shù)據(jù)。 車牌圖像采集 車牌圖像預(yù)處理 對(duì)車牌進(jìn)行定位 輸出識(shí)別結(jié)果 字符識(shí)別 對(duì)車牌字符進(jìn)行分割 9 車牌圖像預(yù)處理 圖像灰度化 圖像一般可以分為一下的三類。 Sobel 算子是對(duì)圖像進(jìn)行差分和濾波運(yùn)算，且它對(duì)噪聲具有一定的抑制能力，所以本設(shè)計(jì)運(yùn)用 Sobel 算子對(duì)圖像進(jìn)行邊緣檢測(cè)。 A 用 B 的閉運(yùn)算記作 AB? ，其定義為： ()A B A B B? ? ? ? （ 34） 閉運(yùn)算可以平滑圖像的輪廓，它一般用來填充目標(biāo)內(nèi)的細(xì)小空洞和裂縫、連接斷開的臨近目標(biāo)。 設(shè)有圖像 ( , )f xy ，其灰度級(jí)范圍為 0, kzz????， T 是 0z 和 kz 之間的任意一個(gè)數(shù)。 字符識(shí)別分類 車牌字符識(shí)別方法基于模式識(shí)別理論 ， 主要有以下幾類 ： (1) 結(jié)構(gòu)識(shí)別； 他由識(shí)別及分析兩部分組成，識(shí)別部分主要組成是：預(yù)處理、基元抽取（包括基元和子圖像之間的關(guān)系）和結(jié)構(gòu)分析。差值測(cè)度法計(jì)算簡(jiǎn)單，對(duì)于簡(jiǎn)單區(qū)域的匹配是可行的，但對(duì)于復(fù)雜區(qū)域的匹配準(zhǔn)確度不高。當(dāng)然，在這之前，我們首先要對(duì)圖像進(jìn)行一系列的預(yù)處理， 因?yàn)?圖像在形成、傳輸或變換過程中，受多種因素的影響，如：光學(xué)系統(tǒng)失真、系統(tǒng)噪聲、曝光不足或過量、相對(duì)運(yùn)動(dòng)等，往往會(huì)與原始景物之間或圖像與原始圖像之間產(chǎn)生了某種差異，這種差異稱為降質(zhì)或退化。)。 %對(duì)邊緣圖像進(jìn)行腐蝕 figure(4)。)。 設(shè)計(jì)過程首先將二值圖像中所有為白色的點(diǎn)的坐標(biāo)放入數(shù)組 location_of_1 中，對(duì)這些坐標(biāo)進(jìn)行計(jì)算，尋找 x 坐標(biāo)與 y 坐標(biāo)之和最大的點(diǎn) a 與最小的點(diǎn) b，最大點(diǎn) a 即為車牌的左上角，最小點(diǎn) b 為車牌的右下角，通過這兩個(gè)坐標(biāo)將車牌分割出來 。 %和最大的點(diǎn)為車牌的右下角 x1=first_point(1)+4。切割出單個(gè)字符后，放入 char_(i)中，并切 割 掉每個(gè)字符的上下的空白區(qū)域，完成精確切割。Char_39。 store1=strc