【正文】 從而達(dá)到任何人需要查找學(xué)校內(nèi)部車 35 輛信息只需要登錄網(wǎng)站就可以實(shí)現(xiàn)。 (getShowImagePanel())。 (getEquilibration())。 i wfix。 } } for (int i = 0。 j++) { w0 += densityArray[j]。 pixels[i][j][2] = getGreen(pixel)。 if (x 40 0) cutx = x 40。 n 4。 a++) { long value = 0。 } for (int m = 0。 j) { ht = (fixrightbellow[j] fixlefttop[i]) / width。ywalk_right1300) { if(accrightbellow+22021) 18 { fixrightbellow[accrightbellow]=i*width+j+700。j。 } } for(int m=0。 int[] fixleftbellow = new int[2021]。 i++) { for (int j = 0。 求得滿足要求的四個(gè)點(diǎn)以后，在對四個(gè)數(shù)組進(jìn)行矩形的匹配。 j height。 i++) { for (int j = 0。 i 256。直方圖均衡化就是對圖像進(jìn)行非線性拉伸，重新分配圖像像元值，是一定灰度范圍內(nèi)的像元數(shù)量大致相同。 j++) { (i, j, getGRB(pixels[i][j][0], pixels[i][j][1], pixels[i][j][2], pixels[i][j][3]))。 ： Gray=（ R+G+B） /3。 對于圖像識別模塊主要采用以下幾個(gè)步驟對圖像進(jìn)行識別：灰度化、灰度直方圖、圖像均衡化、 邊緣化、 找車牌、 二值化。由此可見，在圖像識別過程中，知覺機(jī)制必須排除輸入的多余信息 ,抽出關(guān)鍵的信息。采用人工監(jiān)管的方式，不僅對進(jìn)出車輛通過關(guān)卡時(shí)間大大增加，還會(huì)增加車輛記錄的錯(cuò)誤風(fēng)險(xiǎn)，從而對學(xué)校內(nèi)部的安檢產(chǎn)生影響。程序?qū)崿F(xiàn)結(jié)果表明，車牌定位成功效果比較理想，但是還有一些車牌難以定位。 本文所探究的車牌識別，是基于圖像識別的大體處理步驟的包括了車牌的定位、分隔、識別。不管是教職工人員開車來上班還是學(xué)生開車來上課，又或則是進(jìn)出高校的其他社會(huì)車輛對校園這個(gè)類小區(qū)型的區(qū)域已經(jīng)形成了比較大的車輛管理需求。每個(gè)圖像都有它的特征 ,如字母 A 有個(gè)尖， P 有個(gè)圈、而 Y 的中心有個(gè)銳角等。 3 總體設(shè)計(jì) 在詳細(xì)設(shè)計(jì)之前先進(jìn)行總體設(shè)計(jì)的必要性：可以站在全局高度上，花較少成本，從較抽象的層次上分析對比多種可能的系統(tǒng)實(shí)現(xiàn)方案和軟件結(jié)構(gòu)，從中選出最佳方案和最合理的軟件結(jié)構(gòu)，從而用較低成本開發(fā)出較高質(zhì)量的軟件系統(tǒng)。 灰度圖是指只含亮度信息，不含彩色信息的圖像，就像我們平時(shí)看到的亮度由暗到明的黑白照片一樣，亮度變化是連續(xù)的。 i width。直方圖拉伸是通過對比度拉伸對直方圖進(jìn) 行調(diào)整，從而 “擴(kuò)大 ”前景和背景灰度的差別，以達(dá)到增強(qiáng)對比度的目的，這種方法可以利用線性或非線性的方法來實(shí)現(xiàn) 。 j = i。 histogramArray[grayValue]++。 } for (int i = 0。同理可以找到其余三個(gè)點(diǎn)，分別保存在 fixrighttop[],fixleftbellow [],fixrightbellow[] 14 中。即找到車牌。 int accrightbellow = 0。amp。 for(int i=50。m++) { ywalk_right+=[j+70][im][2]。 fixlefttop[i] != 0。 ht 60) { for (int m = 0。 long maxi = 0。 } } for (int m = 0。 int cutx = 0, cuty = 0。 j++) { int pixel = (i, j)。 double w1 = 0。 u1 = u1 / w1。 24 pixels[i][j][3] = 0。 setLayout(null)。 setLayout(null)。 5. 在將 matlab 的圖像識別轉(zhuǎn)換成 dll 文件然后再使用 jsp 調(diào)用然后實(shí)現(xiàn)功能有了進(jìn)一步的認(rèn)識，即編程語言以及編程技術(shù)的交互使用的作用是很大的，為項(xiàng)目功能的最終實(shí)現(xiàn)有影響非凡的作用。這次驗(yàn)證程序的取值是個(gè)人經(jīng)過的一些嘗試而得出的，還存在一些不足。 (0)。 (getLoadImage())。 j++) { (i, j, getGRB(pixels[i][j][0], pixels[i][j][1], pixels[i][j][2], pixels[i][j][3]))。 } for (int i = 0。 j++) { w1 += densityArray[j]。 } } int totalPixels = wfix*hfix。 return currentImage。 xx0=(int)(a + 4 * widthed + m * widthed + n + 76)/widthed。 for (int i = 0。 } if (righttop == true || leftbellow == true) { fin = true。 if (wt 70 amp。 ywalk_left=0。k++) { xwalk+=[j+k][i][2]。 } if(xwalk3000amp。i。 pixels[i][j][0] = getAlpha(pixel)。比如滿足要求左上角的點(diǎn)為 A，滿足要求的右下角的點(diǎn)為 B，以這兩個(gè)點(diǎn)為矩形左上角點(diǎn)和右下角點(diǎn)，其可以確定唯一性。 pixels[i][j][1] = getRed(pixel)。 } } } 邊緣化 對一幅圖像進(jìn)行邊緣化，就是找出該圖像中的象素點(diǎn)，該點(diǎn)的灰度值和其附近的點(diǎn)的灰度值相差較大。 i 256。 10 圖 8 均衡化后的圖象與直方圖 實(shí)現(xiàn)代碼： public void equilibrationMethd() { int totalPixels = width * height。從概率的觀點(diǎn)來理解，灰度出現(xiàn)的頻率可看作其出現(xiàn)的概率，這樣直方圖就對應(yīng)于概率密度函數(shù) pdf(probability density function)，而概率分布函數(shù)就是直方圖的累積和，即概率密度函數(shù)的積分。 實(shí)驗(yàn)代碼： public void toGrayMethd() { for (int i = 0。 其中車輛識別模塊又分為：讀取車輛圖片、車牌識別、以及車牌與車牌數(shù)據(jù)庫比對。對于熟悉的圖形 ,由于掌握了它的主要特征，就會(huì)把它當(dāng)作一個(gè)單元來識別，而不再注意它的細(xì)節(jié)了。 停 車 帶 尺 寸1 0 8 8 5 m m x 5 5 5 4 m m隔 欄 寬 度 2 5 0 0 m m隔 欄 長 度 5 0 0 0 m m隔 欄 角 度 7 0 d e g隔 欄 號 3ABAACCC視屏監(jiān)控出口A視頻監(jiān)控出口B視頻監(jiān)控出口C車輛管理系統(tǒng)監(jiān)控中心 圖 1 校園監(jiān)控效果圖 初步規(guī)劃出網(wǎng)站的具體模塊，包括進(jìn)出校園車輛識別、車輛數(shù)據(jù)庫、實(shí)時(shí)車輛分析。 21 世紀(jì)初中國加入 WTO 后，汽車市場規(guī)模迅速擴(kuò)大，全面融入世界汽車體系。 本論文研究的主要內(nèi)容是將高校作為類區(qū)域的典型，從高校的安保以及便捷管理出發(fā)，設(shè)計(jì)了一個(gè)基于圖像識別的車輛管理系統(tǒng)網(wǎng)站。而半智能識別，是智能化道路的 必經(jīng)之路，為最終智能化做出了貢獻(xiàn)但是還沒有真正實(shí)現(xiàn)智能化，高效、便捷的最終要求。甚至圖像識別可以不受感覺通道的限制。 圖 2 車牌識別設(shè)計(jì)流程 車牌識別系統(tǒng)中最重要的部分是車牌區(qū)域定位分割技術(shù)和車牌字符 識別技術(shù)。 基 于 圖 像 識 別 的 在 線 車 輛 管 理 系 統(tǒng)進(jìn) 出 校 園 車 輛 識 別 模 塊 車 輛 數(shù) 據(jù) 庫 模 塊 實(shí) 時(shí) 車 輛 分 析 模 塊讀 取 車 輛 圖 片車 牌 識 別車 牌 與 車 牌 數(shù) 據(jù) 庫 比 對按 日 期 查 找 模 塊車 輛 信 息 查 詢按 車 牌 號 碼 查 找 模 塊 圖 4 系統(tǒng)功能模塊圖 圖像識別 功能設(shè)計(jì) 以及實(shí)現(xiàn) 灰度化 灰度圖像是一種具有從黑到白 256 級灰度 色域或等級的單色圖像。 pixels[i][j][3] = grayValue。 } } 圖像均衡化 圖像對比度增強(qiáng)的方法可以分成兩類 :一類是直接對比度增強(qiáng)方法 。 } for (int i = 0。 pixels[i][j][1] = grayValue。 13 for (int i = 0。用相似的方法可以找到右上角的點(diǎn)、左下角的點(diǎn)，和右下角的點(diǎn)。 采用方法一由于圖片效果的問題和最小條件值的原因可能找不到車牌，然后在進(jìn)行第二種方法的搜索。 int acclefttop = 0。m20。 } } 17 xwalk=0。 accleftbellow++。 fixrightbellow[temp] != 0。amp。amp。 yy0=(int)(a + i * widthed + j + 25 * widthed 1)xx0*widthed。 y = (int) (maxi widthed * x)。 i wfix。 for (int i = 0。 j 256。 histogramArray[255]++。 數(shù)據(jù)庫 ER 圖設(shè)計(jì) 25 車 輛 信 息進(jìn) 入 次 數(shù)出 門 次 數(shù) 車 牌 號 碼所 屬 單 位車 主 姓 名 圖 13 車輛 實(shí)體關(guān)系模型 圖 片 信 息拍 攝 時(shí) 間拍 攝 地 點(diǎn)I D 圖 14 圖像實(shí)體關(guān)系模型 定 位 后 車 牌定 位 時(shí) 間I D 圖 15 定位后車牌實(shí)體模型