【正文】 trcat(39。,39。 Template=imread(strcat(39。,39。,39。,39。,39。Char_39。 結(jié)果分析 圖 45 字符識(shí)別結(jié)果圖像 本文以 MATLAB R2021a 為實(shí)驗(yàn)平臺(tái)， 在得到這個(gè)結(jié)果之前，需要對(duì)車牌圖像進(jìn)行預(yù)處理、車牌定位、車牌分割等處理 。二是車牌識(shí)別逐漸走上智能化的過程，通過智能系統(tǒng)選取不同的算法進(jìn)行自動(dòng)的分析才能更準(zhǔn)確的應(yīng)對(duì)各個(gè)角度及位置的車牌信息識(shí)別。 subplot(3,2,3),imshow(I_edge),title(39。)。 end if tempmaxi maxi=temp。車牌提取 39。 % T 為二值化的閾值 I_plate =im2bw (I_plate,T/256)。maxi=0。,[25,25])。)。 讓我不僅僅是在學(xué)習(xí)知識(shí)上，還有對(duì)科學(xué)實(shí)驗(yàn)的嚴(yán)謹(jǐn)態(tài)度上都有了很大提升。 char=[char store2(index)]。,39。,39。... ,39。,39。,39。,39。,39。 建立模板數(shù)據(jù)庫時(shí)要作為模板的圖片進(jìn)行統(tǒng)一處理，所以將這些圖片歸一化為大小 32*16 像素點(diǎn)的規(guī)格 。 char=imresize(char,[32,16],39。車牌提取 39。 end if tempmaxi maxi=temp。 最后還用了 bwareaopen 來去除對(duì)象中不相干的小對(duì)象。 I_final=bwareaopen(I_close,2021)。 se=[1。 I_gray=rgb2gray(I)。 由于我國的普通小型汽車車牌第一位字符是漢字，分別代表各個(gè)省的簡稱，然后第二位是 A 到 Z 的字母，接下來的后五位則是數(shù)字和字母的混合搭配。 在該類方法中，關(guān)鍵問題是如何建立匹配模板以及采用何種相似性的度量。 60 年代出現(xiàn)了采用磁性墨水和特殊字體的實(shí)用機(jī)器。二值化閾值設(shè)置過小易產(chǎn)生噪聲；閾 值設(shè)置過大會(huì)降低分辨率，使非噪聲信號(hào)被視為噪聲而濾掉二值變換的結(jié)果 [16]。 腐蝕的運(yùn)算符號(hào)為 ? ， A 用 B 來腐蝕記作 AB? 錯(cuò)誤 !未找到引用源。 RGB 圖像的數(shù)據(jù)類型一般為 8 位無符號(hào)整型，通常用于表示和存放真彩色圖像，當(dāng)然也可以存放灰度圖像 [13]。在將此車牌區(qū)域的點(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，通過這兩個(gè)坐標(biāo)將車牌分割出來 [11]。 MATLAB 為從事圖像處理的工程師和研究人員提供了直 觀、可靠的一體化開發(fā)工具。 為了便于利用計(jì)算機(jī)對(duì)圖像進(jìn)行進(jìn)一步的加工和處理，需要把模擬圖像在空間上、幅值上進(jìn)行離散化，將其轉(zhuǎn)換為對(duì)應(yīng)的數(shù)字形式，離散化的圖像稱為數(shù)字圖像。 本 文章節(jié)安排 本文以 MATLAB 程序?yàn)榛A(chǔ)，介紹車牌識(shí)別技術(shù)的原理、方法、結(jié)果等內(nèi)容。這個(gè) 時(shí)期的車牌識(shí)別 在識(shí)別 車牌的 正確率 上已經(jīng)遠(yuǎn)遠(yuǎn)高于從前了 ，但 是 識(shí)別實(shí)時(shí)性的要求還沒有考慮 到 ，識(shí)別速度有待進(jìn)一步提高。 （ 2）高速公路超速自動(dòng)化管理系統(tǒng)。 本文主要介紹了有關(guān)于車牌識(shí)別技術(shù)的原理，以及基于 MATLAB的車牌識(shí)別 的設(shè)計(jì)，對(duì)一張車輛圖片進(jìn)行一系列的預(yù)處理 （灰度化、邊緣檢測、腐蝕、填充、形態(tài)濾波） 之后，將車牌中的字符分割出來，最后將分割出的字符與數(shù)據(jù)庫中存儲(chǔ)的字符進(jìn)行模板匹配?？梢詫?duì)違章車輛進(jìn)行責(zé)任追究，也可以輔助進(jìn)行交通流量統(tǒng)計(jì)，交通監(jiān)測和疏導(dǎo)。各國的車牌識(shí)別產(chǎn)品雖然不同，但基本上都是基于車輛探測器的系統(tǒng)，設(shè)備投資都是相當(dāng)?shù)木薮蟆? 第 5 章主要是對(duì) 本 次設(shè)計(jì)和論文的總結(jié)。連續(xù)圖像被取樣和量化后可以用一個(gè) MN? 矩陣來表示，即 ( 0 , 0 ) ( 0 ,1 ) ( 0 , 1 )( 1 , 0 ) ( 1 ,1 ) ( 1 , 1 )( , )( 1 , 0 ) ( 1 ,1 ) ( 1 , 1 )f f f Nf f f Nf x yf M f M f M N?????????? ? ? ? (22) 此時(shí)等式右 邊的 ( , )f xy 被稱為數(shù)字圖像，矩陣中的每一個(gè)元素稱為像素。例如：一個(gè)由 100 行和 50 列不同灰度值的點(diǎn)組成的圖像可以用一個(gè) 10050 的矩陣來存儲(chǔ)。 （ 1） 灰度圖像 當(dāng)一幅圖像有 灰度級(jí)時(shí)，通常稱該圖像為 k 比特圖像。 Sobel 邊緣 算子 ： 1 2 1 1 0 1 0 0 0 2 0 2 1 2 1 1 0 1 圖 32 Sobel邊緣算子模板 如圖 32 所示，兩個(gè)卷積核形成了 Sobel 邊緣 算子。 采集數(shù)字圖像過程中通常會(huì)會(huì)受到多種噪聲的污染。則設(shè)置閾值為 T 的結(jié)果可以得到一幅二值圖像 ? ?,Tf x y ，它由 0 , ( , )( , ) 1 , ( , )T f x y Tf x y f x y T??????? ? （ 35） 或者是 0 , ( , )( , ) 1 , ( , )T f x y Tf x y f x y T????? ?? ? （ 36） 定義。分析部分包括基元選擇及結(jié)構(gòu)推理。復(fù)雜區(qū)域的匹配常采用相關(guān)測度法 [19]。由于圖像產(chǎn)生了退化，所以在圖像處理之前必須進(jìn)行灰度化和預(yù)處理，預(yù)處理包括 邊緣檢測、對(duì)邊緣圖像進(jìn)行腐蝕、再對(duì)其進(jìn)行閉運(yùn)算、最后濾波移除小對(duì)象 等。 18 結(jié)果分析 （ a） 車輛牌照原始圖像 （ b） 車牌灰度圖像 圖 41 車牌圖像灰度化 由圖 41(b)可知， 原始的 彩色圖像已經(jīng)轉(zhuǎn)換成了灰度圖像，灰度圖像的每一個(gè)像素的取值就是 256中灰度中的一種（ 0表示黑， 255表示白，從 0到 255亮度逐漸增加），也就是說灰度圖像只有亮度信息而沒有色彩 信息。 imshow(I_erode),title(39。 邊緣檢測是為了對(duì)有意義的邊緣點(diǎn)進(jìn)行分類，與這個(gè)點(diǎn)相聯(lián)系的灰度級(jí)必須比在這一點(diǎn)的背景上變換更有效，我們通過門限方法來決定一個(gè)值是否有效。 程序分析 I_new=zeros(size(I_final,1),size(I_final,2))。 %坐標(biāo)值修正 x2=last_point(1)4。 程序分析 X=[]。,num2str(n),39。貴 39。京 39。chinese\39。D39。M39。U39。339。,num2str(i)))。 在圖像采集的過程中，由于外界的干擾如光線等因素原因以及車主在車牌周圍的裝飾，還有生產(chǎn)廠家對(duì)車身的點(diǎn)綴容易給車牌的定位造成很大程度的影響， 因此需要對(duì)原始圖象進(jìn)行識(shí)別前的預(yù)處理。雖然本次設(shè)計(jì)出的車牌識(shí)別技術(shù)還存在很多不足之處，但是我在此次的畢業(yè)設(shè)計(jì)中學(xué)習(xí)到了很多知識(shí)，增加了我的學(xué)習(xí)能力，這對(duì)我來說是很大的鍛煉。邊緣檢測后圖像 39。 I_final=bwareaopen(I_close,2021)。 b=i。) %最終車牌 X=[]。 T=round(g_max(g_maxg_min)/3)。 end end end mini=inf。rectangle39?；叶葓D像 39。 通過本次車牌識(shí)別的設(shè)計(jì)，我也對(duì)數(shù)字圖像處理技術(shù)的原理及 MATLAB 編程技術(shù)有了更進(jìn)一步的了解。 end index=find(Compare==(min(Compare)))。839。Z39。R39。J39。A39。晉 39。皖 39。所以建立字符模板庫也極為方便。imshow(char)。 figure,imshow(I_plate),title(39。 a=i。 對(duì)其實(shí)現(xiàn)閉運(yùn)算如圖 42（ c）， 先膨脹后腐蝕的過程稱為閉運(yùn)算，具有填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界的作用。)。)。)。 本文采用 基于模板匹配的字符識(shí)別 ，它 的基本過程是：首先我們要建立字符識(shí)別樣本庫，然后把歸一化的字符圖像與模板中的字符相減， 找到差別點(diǎn)最少的模板為對(duì)應(yīng)模板。匹配可以在空域中進(jìn)行，也可以在頻率域等變換域進(jìn)行；在空域中進(jìn)行匹配的是目標(biāo)圖像本身，在變換域進(jìn)行匹配的是目標(biāo)的一些特征量。為了減輕人們的勞動(dòng)，提高處理效率， 50年代開始探討一般字符識(shí)別方法，并研制出光學(xué) 字符 識(shí)別器。不同的閾值設(shè)定方法對(duì)一幅圖像進(jìn)行處理會(huì)產(chǎn)生不同的二值化處理結(jié)果。膨脹運(yùn)算會(huì)使圖像的區(qū)域進(jìn)行擴(kuò)張。圖像中每一個(gè)像素的顏色值（由 RGB 三 原色表示）直接存放在圖像矩陣中，由于每一像素的顏色需由 R、 G、 B 三個(gè)分量來表示，因此 RGB 圖像的圖像矩陣與其他類型的圖像矩陣不同，是一個(gè)三維矩陣，可用 MN3 表示， M、 N 分別表示圖像的行、列數(shù)，三個(gè) M N 的二維矩陣分別表示各個(gè)像素的 R、 G、 B 三個(gè)顏色分量。汽車牌照識(shí)別的第一步首先要通過圖像預(yù)處理（邊緣檢測、腐蝕、填充、濾波）之后正確的從原始圖像中分割出車牌區(qū)域， 其過程是將灰度圖像以 sobel 算子檢測邊緣；再對(duì)邊緣圖像進(jìn)行腐蝕，去除掉細(xì)的，間斷的邊緣；對(duì)剩下的區(qū)域進(jìn)行閉合以填充圖像，此時(shí)車牌區(qū)域形成了一個(gè)大的連通域；在調(diào)用 bwareaopen 函數(shù)去掉小的連通域，此時(shí)整個(gè)二值圖像只剩下了車牌區(qū)域。 圖像數(shù)字化儀 圖像顯示設(shè)備 圖像處理計(jì)算機(jī) 7 MATLAB 是一種基于向量（數(shù)組）而不是標(biāo)量的高級(jí)語言，因而從本質(zhì)上就提供了對(duì)圖像的支持。 一般情況下只考慮平面、單色、靜止圖像，此時(shí)圖像可表示為一個(gè)二維函數(shù)： ( , )I f x y? （ 21） 數(shù)字圖像及其表示 傳統(tǒng)意義上的圖像是連續(xù)的，即式（ 21）中的 x y f、 、 是連續(xù)的，表示的物體輻射能量在空間上的連續(xù)分布，連續(xù)圖像也稱為模擬圖像。 本次設(shè)計(jì)我使用的車輛牌照是藍(lán)底白字的小型民用汽車牌照，它是 1992 式號(hào)牌，共計(jì) 7 個(gè)字符，車牌的外輪廓尺寸都是 440mm140mm，字符高 90mm，寬 45mm，字符間距 12mm，間隔符寬 10mm，整個(gè)字符的高寬比例近似為 3:1，車牌的邊緣是線段圍成的矩形。 獲得 了 的圖像使用視覺字符識(shí)別技術(shù) 進(jìn)行 分析， 第一步是要 在二值化圖像中 把 車牌 找到 ， 第二步是 用邊界跟蹤技術(shù) 把 字符特征 出來 ， 第三步是比較 字符庫中的字符 和 統(tǒng)計(jì)最鄰近分類器， 最后會(huì) 得出 一些 候選 的車牌號(hào)碼，再 核實(shí)和檢查 這些 候選的車牌 號(hào)碼，確定 某個(gè)候選的車牌號(hào)碼 是否 和 該 車的車牌號(hào)碼 一致 ，最終 就可以 確定 出該車的 車牌號(hào)碼 了 。利用車牌識(shí)別技術(shù)對(duì)出入車輛的號(hào)牌進(jìn)行識(shí)別和匹配，與停車卡結(jié)合實(shí)現(xiàn)自動(dòng)計(jì)時(shí)、計(jì)費(fèi)的車輛收費(fèi)管理系統(tǒng)。通 過以上的步驟的實(shí)現(xiàn)，該系統(tǒng)便能完成牌照?qǐng)D像的定位分割和牌照字符的自動(dòng)識(shí)別。 (5）小區(qū)車輛管理系統(tǒng)。 但是以上的系統(tǒng)都不適用于我國的車牌識(shí)別，主要原因包括：我國的車牌缺乏統(tǒng)一的標(biāo)準(zhǔn)、我國車牌懸掛位置不統(tǒng)一、我國汽車牌照中的漢字識(shí)別比英語字符和數(shù)字字符的識(shí)別困難等。 5 2 數(shù)字圖像處理概述 圖像及其組成要素 圖像是對(duì)客觀 對(duì)象的一種相似性的、生動(dòng)的描述或表示。 數(shù)字圖像處理基礎(chǔ) 數(shù)字圖像處理就是利用計(jì)算機(jī)對(duì)各種圖像信息進(jìn)行處理，以期得到某種預(yù)期的效果或從圖像中提取有用的信息。對(duì)于彩色 圖像，如 RGB 圖像，需要用三維矩陣來存儲(chǔ)，第一維表示紅色像素的深度值，第二維表示綠色像素的深度值，第三維表示藍(lán)色像素的深度值。例如，一幅圖像有 256 個(gè)可能的灰度級(jí)，稱其為 8 比特圖像。圖像中的每個(gè)點(diǎn)都用這兩個(gè)核做卷積。另外，如果在過程中產(chǎn)生污染則會(huì)將要處理的圖像上表現(xiàn)出一些較強(qiáng)的視覺效果孤立像素點(diǎn)和像素塊。也可以選擇雙閾值，把所需灰度級(jí)范圍內(nèi)的像素變?yōu)?1，而把此范圍外的像數(shù)變?yōu)?0，即 1212( , ) 1 , ( , )( , ) 0,TT T f x y Tf x y ???????? 其 他 （ 37） 或者 1212( , ) 0 , ( , )( , ) 1,TT T f x y Tf x y ???????? 其 他 （ 38） 更為一般地，如果 Z 是一個(gè)任意的灰度級(jí)的集合， [ , ]lkZ z z? ，就可以定義一種廣義的“閾值化”運(yùn)算，它把放在 Z 中的灰度級(jí)變?yōu)?1，把不在 Z 中的灰度級(jí) 變?yōu)?0，即 13 1 , ( , )( , ) 0,Z f x y Zf x y ??????? 其 他 （ 39） 車牌字符分割 字符分割 在汽車牌照識(shí)別過程中，字符分割有承前啟后的作用。 (2) 統(tǒng)計(jì)識(shí)別 ； 確定已知樣本所屬的類別 是 統(tǒng)計(jì)模式識(shí)別的目的。 模板圖像通常要比待測圖像小，設(shè)模板圖像大小為，待測圖像大小，在匹配操作時(shí)，模板在待測圖像上滑動(dòng)，并在每一個(gè)可能的位置與其做相關(guān)運(yùn)算。 車牌圖像灰度化 在車牌識(shí)別系統(tǒng)中，將一幅圖像轉(zhuǎn)換為另一種類型是非常有用的，因?yàn)槿绻捎迷?