【正文】 采用的計(jì)算公式為 ：（其中常數(shù) 2?c ） )()( )()( 456210 670432 acaaacaas acaaacaas yx ?????? ?????? (45) 和其他的梯度算子 所用的方法相同 ，sx和y也可以采用 卷積模板 法計(jì)算 ： 101202101????xs 121000121????ys (46) 這一算子 主要處理對(duì)象為模板中心的 像素點(diǎn)。若該點(diǎn)滿足 式 415 的 條件，則該點(diǎn)為邊緣點(diǎn)： 022 ???? IG? (415) 式 415 中 ,? 為平滑的梯度方向： ][1 xy IItg GG ????? ?? (416) 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 22 (3)邊緣強(qiáng)度 若某像素滿足邊緣定位條件，則該像素的邊緣強(qiáng)度為： )()( 22 21yIxI GG ????? (417) 由于 canny 算子算法比較復(fù)雜導(dǎo)致編程也很復(fù)雜，在實(shí)際生活中應(yīng)用并不廣泛，因此本系統(tǒng)并沒有采用此種算子。 本文車牌定位算法 車牌邊緣檢測為車牌定位做了必要的 準(zhǔn)備工作，由于本系統(tǒng)的車牌邊緣檢測的算子為 Sobel 算子，得到了不錯(cuò)的效果，因此，本系統(tǒng)是在 邊緣 檢測過后的圖像上進(jìn)行的定位操作。 圖 43 車牌定位示意圖 本文提出的車牌定位算法基于邊緣檢測 原理 ，有效的抑制了車牌區(qū)域外的噪聲信息，對(duì)不同條件下的車輛圖像有較好的適應(yīng)性， 處理速度比較快，效果比較好，基本滿足了本次設(shè)計(jì)的要求。 因此，利用這些已經(jīng)知道的車牌先驗(yàn)知識(shí)，可以準(zhǔn)確的預(yù)估字符區(qū)域，并準(zhǔn)確地進(jìn)行字符的分割與識(shí)別。amp。但是，神經(jīng)網(wǎng)絡(luò)方法 具有會(huì) 出現(xiàn)誤識(shí)、不適合實(shí)時(shí)識(shí)別系統(tǒng)、學(xué)習(xí)樣本難采集等 缺點(diǎn)。本軟件系統(tǒng)的每一個(gè)功能模塊對(duì)應(yīng)著一個(gè)按鈕，同時(shí)為了基于快捷的思想，設(shè)計(jì)了一個(gè)“一步檢測”的按鈕，通過此按鈕，可以很快地識(shí)別車牌。在測試時(shí)特別注意界面中有沒有標(biāo)題、標(biāo)簽寫錯(cuò)，包括運(yùn)行時(shí)彈出的對(duì)話框中是否有誤，還特別做了用以區(qū)別的標(biāo)題欄圖標(biāo)。 神經(jīng)網(wǎng)絡(luò)法 該方法是基于 人工神經(jīng)網(wǎng)絡(luò) 原理實(shí)現(xiàn)模式識(shí)別。amp。 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 30 本系統(tǒng) 采用的投影的方式是建立在車牌大小、形狀、字符長寬高等相關(guān)比例先驗(yàn)知識(shí)基礎(chǔ)上的 ，對(duì)粘連字符進(jìn)行相關(guān)的切分，對(duì)分隔的字符進(jìn)行合并。 車牌上下 邊界 定位流程圖為圖 44所示，左邊界定位流程圖為圖 45 所示。 基于小波變換的定位方法 小波變換 是將信號(hào)經(jīng)過各種形式的變換將信號(hào)進(jìn)行分解成為子信號(hào)，由于這些子信號(hào)時(shí)域和頻域特性存在許多差異，因此可以對(duì)這些 子 信號(hào)進(jìn)行時(shí)頻特性的檢測和分析。 Canny 具體實(shí)現(xiàn)過程： (1)圖像平滑 進(jìn)行圖像平滑的 高斯 函數(shù)： 222( , ) e xp ( )2xyG x y ???? (413) 圖像卷積： ),(),(),( yxIyxGyxI G ?? (414) 其中： ? 是一個(gè)尺度參數(shù)， ? 越小，則函數(shù)越“集中”，即僅在一個(gè)很小的局部范圍內(nèi)平滑， ? 越大，則表示圖像在一個(gè)較大的范圍內(nèi)進(jìn)行平滑， I(x,y)為原始圖像。 Sobel 算子 Roberts 算子告訴我們 ，采用 33? 鄰域可以避免在像素之間內(nèi)插點(diǎn)上計(jì)算梯度。 邊緣檢測方法 因?yàn)榛叶茸兓菆D像物體中的邊緣主要表現(xiàn)，所以，邊緣檢測的基本原理是檢測圖像灰度的不連續(xù)性的地方。 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 17 、 對(duì)于車牌圖像，其本身的對(duì)象和背景灰度差距比較大，灰度直方圖有明顯的雙峰現(xiàn)象，在經(jīng)過圖像增強(qiáng)處理以后，這一特點(diǎn)更為明顯。因此局部閾值法能夠比較準(zhǔn)確地實(shí)現(xiàn)對(duì)象和圖像的分離，但仍然存在一些缺點(diǎn)，如圖像分割偶然性大，易出錯(cuò)，易出現(xiàn)偽影現(xiàn)象，同時(shí)計(jì)算量大，速度慢。 MATLAB 中 J = histeq(I, n)函數(shù)可以對(duì)直方圖進(jìn)行 均衡化的操作， n 為 均衡化后的級(jí)數(shù)， 本文中所用的缺省值 256，圖 35 和圖 36 為直方圖均衡化前后對(duì)比圖。 首先利用傅里葉變換將圖像 變換到頻率域，然后對(duì) 頻譜進(jìn)行運(yùn)算處理，然后再進(jìn)行逆變換返回到空間域，得到增強(qiáng)的圖像。 強(qiáng)度也稱之為亮度，它表示一種強(qiáng)弱程度，即人眼感受到彩色光的顏色的強(qiáng)弱程度，是由彩色光的能量決定的，與能量呈現(xiàn)正相關(guān)。 本文的 GUI界面設(shè)計(jì) (1)在查閱有關(guān)書籍和資料的基礎(chǔ)上，熟悉 MATLAB 的使用方法，開始設(shè)計(jì) GUI 界面。第五部分是對(duì)系統(tǒng)的測試，通過測試驗(yàn)證了系統(tǒng)的可靠性和準(zhǔn)確性，本系統(tǒng)完成了此次設(shè)計(jì)的目標(biāo)，可以參加答辯。 車牌識(shí)別系統(tǒng)可以廣泛應(yīng)用在高速公路自動(dòng)收費(fèi)、小區(qū)無人停車場、城市道路監(jiān)控、車輛流量統(tǒng)計(jì)等方面，本系統(tǒng)具有一定的實(shí)用價(jià)值。車輛牌照作為每一輛汽車的主要標(biāo)識(shí) ， 可以通過車輛牌照來識(shí)別 每一輛汽車 ，因此， 各類 車牌識(shí)別系統(tǒng) 應(yīng)運(yùn)而生。 MATLAB 可以進(jìn)行矩陣運(yùn)算、創(chuàng)建用戶界面、 圖像處理、工程計(jì)算、信號(hào)處理等眾多工作， 具備豐富的應(yīng)用工具和友好的用戶界面，突出的數(shù)值和圖形處理能力以及 對(duì) 其它眾多的語言 具有 強(qiáng)大的支持功能 ，為眾多科學(xué)與工程領(lǐng)域提供了全面的解決問題的方案，是當(dāng)今世界科學(xué)軟件的杰出代表，是世界四大軟件之一 。 (4)在粗略設(shè)計(jì)的基礎(chǔ)上，對(duì)坐標(biāo)圖和按鈕進(jìn)行排列，實(shí)現(xiàn)合理的布局，從而變成一種美觀的效果圖。 每個(gè)像素 的顏色 有1600(255*255*255)多萬 種情況 。如圖 33 所示。 取圖像 f(i,j)中的像素點(diǎn) (m,n)， 并取其鄰域 S， S 通常為矩形，鄰域內(nèi)共有M 個(gè)像素，求所有像素的平均值，該平均值即為像素點(diǎn) (m, n)處的灰度，點(diǎn) (m, n)一般位于 S 的中心。 動(dòng)態(tài)閾值法是依據(jù)三個(gè)因素：該像素灰度值、周圍像素的灰度值、該像素的坐標(biāo)位置來確定閾值，因此，該方法較為全面，但是 計(jì)算量大，處理速度慢。figure(1)?；谶@個(gè)特點(diǎn)，為了比較好的確定邊緣像素點(diǎn)，可以利用比較好的求導(dǎo)算子對(duì)圖像各個(gè)像素點(diǎn)進(jìn)行一階或二階微分。 Sobel 算子對(duì)于像素的位置南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 20 的影響做了加權(quán)，可以降低邊緣模糊的程度，因此在現(xiàn)實(shí)中得到廣泛的應(yīng)用。 圖 42 是幾種不同算子在車輛圖像邊緣監(jiān)測的效果圖： (a) Roberts 效果 (b) Sobel 效果 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 23 (c) Canny 效果 (d) LOG 效果 圖 42 邊緣檢測 對(duì)比圖 通過圖 42 所示的車牌對(duì)照?qǐng)D 像我們可以看到各種 邊緣檢測算法的 效果 ，其中圖 42 采用的 Sobel 算法 的效果不錯(cuò)，因此本系統(tǒng)采用的就是 Sobel 算法進(jìn)行邊緣檢測，檢測出的圖像可以能夠很快的進(jìn)行車牌定位，其 主要實(shí)現(xiàn)代碼如下： %獲取 handles中保存的圖像增強(qiáng)后的圖像 WI src=； %Sobel邊緣檢測 SobelImg=edge(src,39。 車牌上下邊界定位 (1)首先 對(duì)邊緣檢測后的 圖像進(jìn)行從下至上水平直線掃描。 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 27 對(duì)圖像進(jìn)行從下至上 水平直線掃描 每行黑 白 值改變次數(shù)賦給 count[i]，bottomflag==topflag==0 表示上下邊界未找到 count[i]toptest bottom=i， bottomflag=1 bottomflag==0amp。 車牌字符分割算法 (1)車牌圖像預(yù)處理 車牌圖像 進(jìn)行 灰度化，灰度拉伸，二值化 。endflag==0？ Y N 圖 51字符分割 流程圖 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 32 圖 52 字符分割 車牌字符識(shí)別 車牌字符識(shí)別屬于光學(xué)字符識(shí)別 (Optical Character Recognition)的 范圍， ORC是一門非常 綜合的學(xué)科，是圖像處理、概率論、信息論、語言學(xué)等學(xué)科的綜合，它 主要包括 誤識(shí)率、識(shí)別速度、 拒識(shí)率、 穩(wěn)定性、易用性等 指標(biāo)。 本文的車牌字符識(shí)別方法 正如 3大類的識(shí)別方法各有千秋，本文采用的是模板匹配法，模板匹配法是 是統(tǒng)計(jì)模式 法 和結(jié)構(gòu)模式 法 相結(jié)合的產(chǎn)物，經(jīng)過理論研究和實(shí)驗(yàn)論證，采用模板匹配法進(jìn)行字符的識(shí)別準(zhǔn)確率較高，效果不錯(cuò)。經(jīng)測試所有的按鈕均能正常使用，所有的功能模塊均能正常運(yùn)作。 軟件界面測試 對(duì)軟件界面進(jìn)行測試，就是檢查程序運(yùn)行時(shí)，界面中是否有錯(cuò)別字， 是否有 表述不妥的標(biāo)題、標(biāo)簽，或一些顯示的畫面是否 正常。同樣，在實(shí)際應(yīng)用中，抗干擾能力差，不能夠識(shí)別存在較大噪聲的字符。startflag==1？ Y N 遍歷 startline 和 endline，先輸出漢字和六個(gè)字符 whitecount[i]0amp。經(jīng)過大量理論研究 以及系統(tǒng)驗(yàn)證 ，本文所 采用比例先驗(yàn)知識(shí)與投影相結(jié)合的車牌字符分割方法得到的效果不錯(cuò)。 (6)定位右邊界的方法與左邊界 相同 。 該方法由于采用了多層感知器，定位比較準(zhǔn)確，但對(duì)彩色圖像要求比較高，彩色圖像邊緣顏色差別必須比較大。即先進(jìn)行圖像 平滑，在進(jìn)行 圖像 卷積，最后定位邊緣點(diǎn)。 Roberts應(yīng)用的原理是局部差分的方法 ， 但是這種方法處理效果不是太好， 邊緣定位精確度不是很高 ，并且處理速度比較慢。邊緣檢測 在數(shù)字圖像處理領(lǐng)域 應(yīng)用的非常 的廣泛。 Otsu 方法流程圖如圖 38 所示。 局部閾值法則根據(jù)圖像像素的本身性質(zhì)和局部特性來確定像素的閾值的，南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 15 典型的局部閾值方法主要是 Bernsen 算法，圖像的局 部性質(zhì)基本上不受外界環(huán)境的影響。 變換公式為： s=T(r)=?ro drrP )( (37) 式 37 表明變換函數(shù)是原始圖像的累計(jì)分布函數(shù)，具有非負(fù)遞增性。 (2)頻率域法 頻率域法是一種逆變換的方法，是間接的。飽和度采用百分?jǐn)?shù)表示，灰色光或白光為 0%，純色光為 100%。GUI 是一個(gè)常見界面，包括一些控件 ，例如，按鈕、滑塊、列表框 、菜單等，這些控件相當(dāng)于“遙控器”，用戶可以通過他們進(jìn)行相應(yīng)的操作。第四部分是車牌字符的分割與識(shí)別，分別介紹了字符分割和識(shí)別的原理及方法，是本系統(tǒng) 的最終實(shí)現(xiàn)結(jié)果。識(shí)別 系統(tǒng) 處理過程主要包括 獲取車輛源圖像、圖像 灰度化、圖像增強(qiáng) 去噪 、邊緣檢測、 車牌定位、車牌圖像預(yù)處理、車牌字符分割、字符識(shí)別 等部分 ，其中 車牌定位和字符識(shí)別 部分 是整個(gè)系統(tǒng) 設(shè)計(jì) 的核心和難點(diǎn)。 車牌識(shí)別系統(tǒng)設(shè)計(jì)運(yùn)用 了許許多多的知識(shí)， 但核心均是基于 圖像處理方面的相關(guān)原理對(duì)車牌圖像進(jìn)行相應(yīng)的處理，處理過程主要包 括灰度化、圖像增強(qiáng)、二值化、邊緣檢測、圖像分割、 圖像對(duì)比等部分。 MATLAB 圖像處理工具箱簡介 MATLAB 中的 Image Processing Toolbox?（圖像處理工具箱） ， 提供 許多的圖形工具和標(biāo)準(zhǔn)圖像處理函數(shù)，主要 用于進(jìn)行圖 像分析、 識(shí)別、 可視化 等處理，本文中的圖像處理方法均是參照 MATLAB 中標(biāo)準(zhǔn)圖像處理函數(shù)而設(shè)計(jì)和編寫程序的，因此得到較好的圖像處理效果。 (5)GUI 界面設(shè)計(jì)如圖 21 所示。一般先將各種圖像轉(zhuǎn)變成灰度圖像， 然后進(jìn)行圖像處理， 因?yàn)榛叶葓D像是一種特殊的彩色圖像，它的 R、 G、 B 三個(gè)分量是完全一樣的，每一個(gè)像素點(diǎn)的變化范圍就減少為 255 種，這樣，圖像處理的計(jì)算量就變得比較少，從而節(jié)省處理時(shí)間和處理成本。 g(x,y)=T[f(x,y)] (34) 圖 33 灰度拉伸 曲線 式 (34)中 f(x,y)為點(diǎn) (x,y)的灰度 ， T 為映射函數(shù)， g(x,y)為變換后的灰度。如 S 為 3X3 鄰域，點(diǎn) (m,n)位于 S 中 心，則 ? ? ?? ???? ??? 1 11 1 ),(91, ji jnimfyxf (38) (2)中值濾波 法 由于鄰域平均法會(huì)使圖像中的細(xì)節(jié)變得模糊，而中值濾波不僅能消除噪聲還會(huì)防止細(xì)節(jié)變的模糊 ，中值濾波是一種非線性濾波， 簡單的說就是取所有像素的中間值，圖像濾波后所得到的結(jié)果即為圖像中所有像素灰度的中值 ，它是通過減少圖像中某一鄰域內(nèi)的 像素灰度值 的 差 別來實(shí)現(xiàn)濾波的。 Otsu 提出了最大類間方差法 (有時(shí)也稱之為大津法 )，該算法是通過方