【正文】 像轉(zhuǎn)換成灰度值，再將灰度圖轉(zhuǎn)化成二進(jìn)制圖，轉(zhuǎn)化的方法就是限定一個(gè)閥值，如果大于閥值則為 1，小于閥值為 0,閥值采用 全局 閥值 ，全局閥值 是指整幅圖像都采用相同的 閥值 T 處理，適用于背景和前景有明顯對(duì)比的圖像。考慮所有的情況，一般情況下最小的寬度為 width/9。字符識(shí)別步驟如下： 圖 字符匹配框圖 建立模板字庫(kù)表 讀取分割出來(lái)的字符 第一個(gè)字符與模板中的漢字模板進(jìn)行匹配 第二個(gè)字符與模板中的字母模板進(jìn)行匹配 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 識(shí)別完成，輸出此模板對(duì)應(yīng)值 后 5 個(gè)字符與模板中的字母與數(shù)字模板進(jìn)行匹配 21 字符匹配的準(zhǔn)確度是車牌識(shí)別中的關(guān)鍵部分，所以首先要簡(jiǎn)歷精準(zhǔn)有效的模板字庫(kù)表，便于切割完的字符與庫(kù)中內(nèi)容相比較，接下來(lái)是讀取切割的字符，從第一個(gè)字符開始一次與庫(kù)中字符相比較匹配，切割后的字符特征值與庫(kù)中模板字符相減，找到值最小的那個(gè)就是匹配得最恰當(dāng)?shù)淖址? （ 3）基于彩色分量的定位方法，運(yùn)用基于藍(lán)色象素點(diǎn)統(tǒng)計(jì)特性的方法對(duì)車牌是藍(lán)色的車牌進(jìn)行定位。原圖 39。title(39。平滑圖像的輪廓 39。 end PY2=MaxY。%對(duì)車牌區(qū)域的校正 PX2=PX輸入一個(gè)定位裁剪后的車牌圖像 39。 % T為二值化的閾值 [m,n]=size(b)。)。 end imwrite(d,39。 end k2=j1。 all=sum(sum(temp))。239。)。339。)。 imwrite(word7,39。 for I=1:7 ii=int2str(I)。.jpg39。), xlabel({39。第三步識(shí)別結(jié)果為 : 39。 [m1,n1]=size(temp)。bottom=m。 hh=bottomtop。gTXRm 6X4NGpP$vSTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm6X4NGpP$vS TTamp。UE9aQGn8xp$Ramp。ksv*3tnGK8!z89Am UE9aQGn8xp$Ramp。ksv*3t nGK8! z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。ksv*3t nGK8! z89AmYWpazadNuKNamp。gTXRm 6X4NGpP$vSTTamp。ksv*3t nGK8! z89Am YWpazadNuKNamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。 end while sum(d(:,right))==0 amp。 else d=[]。 while sum(d(:,wide+1))~=0 amp。 subplot(6,7,22:42),imshow(39。 39。 kmax=36。蘇豫陜魯 39。)。739。 subplot(5,7,16),imshow(word2),title(39。639。 subplot(5,7,1),imshow(word1),title(39。 end if widey1 % 認(rèn)為是左側(cè)干擾 d(:,[1:wide])=0。 end k1=j。... se=eye(2)。,3)。 39。)。 while ((Blue_x(1,PX2)3)amp。%Y方 向車牌區(qū)域確定 PY1=MaxY。,[25,25])。,39。39。 24 5 結(jié)論 本課題對(duì)車牌識(shí)別系統(tǒng)的軟件部分進(jìn)行了研究，分別從圖像預(yù)處理、車牌定位、字符分割以及字符識(shí)別等方面進(jìn)行了系統(tǒng)的分析。nearest39。利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車圖像中的字符分割有較好的效果。分界線計(jì)算后，即可從原圖像中剪切出只包含車牌的區(qū)域圖像。 即 Se是一個(gè)一個(gè) 25 25? 的矩形，使用矩形是因?yàn)檐嚺剖且粋€(gè)矩形，這樣，可以是提取的圖像最接近預(yù)期效果。 腐蝕的規(guī)則是輸出圖像的最小值是輸入圖像領(lǐng)域中的最小值，在一個(gè)二值圖像中，只要有一個(gè)像素值為 0，則相應(yīng)的輸出像素值為 0。)。 圖像讀取及車牌區(qū)域提取 圖像讀取及車牌區(qū)域提取主要有：圖像灰度圖轉(zhuǎn)化、圖像邊緣檢測(cè)、灰度圖腐蝕、圖像的平滑處理以及車牌區(qū)域的邊界值計(jì)算。 通過以上步驟，牌照一般能夠被定位。車牌識(shí)別的關(guān)鍵技術(shù)有：車牌定位、字符切割和字符識(shí)別等。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)。國(guó)外在這方面的研究工作開展較早。而我國(guó)則根據(jù)不同車型、用途，規(guī)定了多種牌照格式，例如分為軍車、警車、普通車等。目錄 1 緒論 ................................................ 1 車牌號(hào)識(shí)別研究背景 .............................................. 1 車牌號(hào)識(shí)別技術(shù)研究現(xiàn)狀和趨勢(shì) .................................... 2 車牌識(shí)別研究?jī)?nèi)容 ................................................ 4 2 車牌識(shí)別系統(tǒng)設(shè)計(jì)原理概述 ............................. 6 3 車牌識(shí)別系統(tǒng)程序設(shè)計(jì) ................................. 8 開發(fā)環(huán)境選擇 .................................................... 8 圖像讀取及車牌區(qū)域提取 .......................................... 8 字符切割 ....................................................... 15 字符識(shí)別 ....................................................... 19 4 仿真結(jié)果及分析 ..................................... 22 車牌定位及圖像讀取及其圖像處理 ................................. 22 車牌字符分割及其圖像處理 ....................................... 22 車牌字符識(shí)別及其圖像處理 ....................................... 23 5 結(jié)論 ............................................... 24 參考文獻(xiàn) .............................................. 25 致謝 .................................................. 26 附錄：程序清單 ........................................ 27 1 1 緒論 車牌號(hào)識(shí)別研究背景 隨著我國(guó)公路交通事業(yè)的發(fā)展，車輛的數(shù)量正在迅速增長(zhǎng)，在給出行提供方便的同時(shí)，車輛管理上存在的問題日益突出，人工管理的方式已經(jīng)不能滿足實(shí)際的需要。我國(guó)標(biāo)準(zhǔn)車牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組成的，漢字的識(shí)別與字母和數(shù)字的識(shí)別有很大的不同，增加了識(shí)別的難度。在上世紀(jì) 70 年代，英國(guó)就在實(shí)驗(yàn)室中完成了“實(shí)時(shí)車牌檢測(cè)系統(tǒng)”的廣域檢測(cè)和開發(fā)。 2）公路自動(dòng)管理系統(tǒng)。 車牌定位是要完成從圖像中確定車牌位置并提取車牌區(qū)域圖像，目前常用的方法有：基于直線檢測(cè)的方法、機(jī)遇與域值化的方法、基于灰度邊緣檢測(cè)方法、基于彩色 5 圖像的車牌分割方法、神經(jīng)網(wǎng)絡(luò)法和基于矢量量化的牌照的定位的方法等。 （ 2）牌照字符分割 : 在 完成牌照區(qū)域的定位后， 還需要 將牌照區(qū)域分割成單個(gè)字符，然后進(jìn)行 字符 識(shí)別 ，最后輸出結(jié)果。其程序流程圖如下 : 圖 預(yù)處理及邊緣提取框圖 目前比較常用的圖像格式有 *.BMP、 *.JPG、 *.GIF、 *.PCX、 *.TIFF 等，本課題采集到的圖片是 *.JPG 的格式。 在 edge()函數(shù)中有 Sobel 算子， Prewitt 算子， Roberts 算子， Log 算子， Canny 算子及 Robert 算子，幾種算法相比之下， Roberts 算子是一種最簡(jiǎn)單的算子，是一種利用局部差分算子尋找邊緣的算子，他采用對(duì)角線方向相鄰兩象素之差近似梯度幅值 11 檢測(cè)邊緣。假設(shè) B對(duì) X腐蝕所產(chǎn)生的二值圖像 E是滿足以下條件的點(diǎn)（ x,y)的集合：如果 B 的原點(diǎn)平移到點(diǎn)（ x,y），那么 B將完全包含于 X中。由于車牌圖像經(jīng)過腐蝕以后只剩下車牌區(qū)域以及車的標(biāo)志。剪切得到的圖像如下。 圖 牌照字符切割框圖 2021年頒布的我國(guó)車牌規(guī)范 (普通中小型汽車 )規(guī)定車牌總長(zhǎng) 440mm，牌照中的 7個(gè)字符的實(shí)際總長(zhǎng)為 409mm 左右，寬 140mm，每個(gè)字符 45mm寬， 90mm高，字符間距為10mm，其中第二個(gè)字符與第三個(gè)字符的間距較為特殊，為 ，最后一個(gè)字符與第一個(gè)字符距邊界 25mm。最近鄰插值 法 ,經(jīng)歸一化后的圖像如下。主要工作內(nèi)容及結(jié)論如下 : （ 1） 整理和總結(jié)了國(guó)內(nèi)外在車牌定位、分割、字符識(shí)別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國(guó)車牌的固有特征，以及車牌識(shí)別的特點(diǎn)。)。both39。 I4=imclose(I3,se)。 while ((Blue_y(PY1,1)=5)amp。amp。 [filename,filepath]=uigetfile(39。) g_max=double(max(max(b)))。 d=im2bw(round(filter2(h,d)))。 % eye(n) returns the nbyn identity matrix 單位矩陣 [m,n]=size(d)。 while s(j)~=0 amp。 d=qiege(d)。139。)。239。)。 imwrite(word6,39。])。 end for k2=kmin:kmax fname=strcat(39。 l=l+1。39。amp。 end end end %end result=d。amp。ksv*3tnGK8!z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWpazadNuKNamp。M uWFA5uxY7J nD6YWRrWwc^vR9CpbK! zn%M z849Gx^G89Am UE9aQGn8xp$Ramp。ksv*3t nGK8! z8vGt YM *Jgamp。M uWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%M z849Gx^Gjqv^$UE9wEwZQcUE%amp。MuWFA5uxY7J nD6YWRrWwc^vR9CpbK! zn%Mz849Gx^Gjqv^$UE9wEwZQcUE%amp。M uWFA5uxY7J nD6YWRr Wwc^vR9CpbK! zn%M z849Gx^Gjqv^$UE9wEwZQc UE%amp。MuWFA5uxY7J nD6YWRrWwc^vR9CpbK! zn%Mz849Gx^Gjqv^$UE9。gTXRm 6X4NGpP$vSTTamp。gTXRm6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。QA9wkxFyeQ^! djsXuyUP2kNXpRWXm Aamp。qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkum amp。qYpEh5pDx2zVkum amp。 end dd=rightleft。 top=1。 end 33 temp=qiege(imcrop(d,[1 1 wide m]))。 xlabel([39。第一步車牌定位 39。,liccode(k2),39。 l=1。)。39。 subplot(5,7,17),imshow(word3),title(39。739。 subplot(5,7,2),imshow(word2),title(39。 [m,n]=size(temp)。 j=n1 j=j+1。 elseif bwarea(d)/m/n= d=imdilate(d,se)。 .jpg39。 T=round(g_max(g_maxg_min)/2)。,39。 end PX1=