【正文】 礎(chǔ)移除大對象 圖像灰度校正 對灰度校正后圖像進行形態(tài)學處理提取邊緣 移除圖像中小對象 平滑處理 計算 X,Y方向車牌區(qū)域?qū)ふ业杰嚺?，完成車牌定? 4 因此需要對大對象移除（移除大對象前需對圖像進行統(tǒng)一化 壓縮）。從根本上講，牌照識別應(yīng)用了先進的圖像處理，模式識別，人工智能技術(shù)來獲取，處理，解釋，記錄拍照的圖像。 先對定位后的車牌圖像進行預(yù)處理，然后按照車牌的先驗信息 , 用區(qū)域增長算法來確定候選車牌的字符區(qū)域。hsi(i, j, 2))。 graynew=rgb2gray(rgbnew)。 圖為定位出的車牌 實現(xiàn)代碼： 車牌裁剪： [row col]=size(graynew)。 end end end [maxcount maxIndex]=max(rowArray)。 imwrite(dw,39。%圖一的第三幅圖 imshow(I2),title(39。%對圖像進行 Radon 變換 figure,imshow(r) [m,n]=size(r)。行 39。%計算此時圖像的大小 計算列像素 X1=zeros(1,x)。amp。 imshow(Z2),title(39。 17 Px1=1。 imshow(Z3)。實際應(yīng)用中，牌照識別系統(tǒng)的識別率與牌照質(zhì) 量和拍攝質(zhì)量密切相關(guān)。A39。.jpg39。 end % xlabel([39。amp。/*.jpg39。 載入車牌 ：選擇你需要識別的帶有車牌的圖片并顯示出來在原始圖片的位置。通過這次課程設(shè)計，才明白學習是一個長期積累的過程，在以后的工 作，生活中都應(yīng)該不斷學習，努力提高自己的知識和綜合素質(zhì)。只有數(shù)據(jù)庫的準確才能檢測出來的數(shù)據(jù)正確，因此，我們的系統(tǒng)能夠在識別過程中不斷豐富數(shù)據(jù)庫，從而不斷提高正確率。 arr(i)=sumDots。 near(i)= maxSame。 near(i)= maxSame。 kmax=36。 for I=1:7 ii=int2str(I)。039。))。%找到待分割字符右邊的位置 a=Px1Px0。 imshow(Z2),title(39。amp。amp。 imshow(Z1),title(39。行方向像素點灰度值累計和 39。)。disk39。 greenframe=drawframe(img,y1,y2,x1,x2)。(roughYrow)) roughY=roughY+1。% 腐蝕 Imerode(X,SE).其中 X是待處理的像， %SE是結(jié)構(gòu)元 7 素對象 graynew=getcenter(graynew)。 （ 3） 邊緣檢測： 邊緣是指圖像局部亮度變化顯著的部分，是圖像風、紋理特征提取和形狀特征提取等圖像分析的重要基礎(chǔ)。 for i=1:x for j=1:y if (hsi(i, j ,1)=amp。 圖 1 牌照識別系統(tǒng)原理圖 主要研究內(nèi)容如下： 輸入要處理圖像 預(yù)處理 車牌定位 字符分割 字符特征提取 單字符識別 3 車牌的定位研究。在研究的同時對其中出現(xiàn)的問題進行了具體分析、處理。 if x2021||y2021 img=img(1:2:end,1:2:end,:)。如果造成這種影響的原因主要是由于被攝物體的遠近不同，使得圖象中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡，或是由于攝像頭在掃描時各點的靈敏度有較大的差異而產(chǎn)生圖象灰度失真，或是由于曝光不足而使得圖像的灰度變化范圍很窄。1。 roughY=maxIndex。(roughXcol)) roughX=roughX+1。%彩色圖像轉(zhuǎn)化為灰度圖像 T=graythresh(I1)。sobel39。 for i=1:y for j=1:x if(I4(i,j,1)==1) Y1(i,1)= Y1(i,1)+1。(Py1y)) Py1=Py1+1。)。 while ((X1(1,x0)5)amp。 x2=fix(x*128/409)。(Px1x))||((Px1x)amp。imgAfterSplit/39。 為了提高識別的準確率，本系統(tǒng)的為每個字符都建立一 個模板庫，并且可以動態(tài)添加字符到模板庫，隨著字符模板的增加，識別率也隨之提高。AZ 分別為 1136。 kmax=36。template/39。template/39。 end subImg=carNumfilebw。 添加字符模板 ：當你 選擇好“選擇添加模板的位置”和“選擇要添加的模板”后，就可以按這個按鈕確認了。還有就是知識必須通過應(yīng)用才能實現(xiàn)其價值！有些東西以為學會了，但和真正應(yīng)用起來是完全不同的，就如這次的車牌識別，想著利用常規(guī)車牌的大小定位車牌，但是真正實現(xiàn)起來是很難的，所以知識只有真正會用的時候才是真的學會了。 車牌識別 ：對每個分割出來的字符進行識別，并文本輸出來。/39。l39。Color39。nearest39。 39。為了提高識別率，除了不斷的完善識別算法，還應(yīng)該想辦法克服各種光照條件，使采集到的圖像最利于識別。 subplot(1,7,i)。amp。 再次計算列方向的像素，用來去除車牌上的圓點 代碼： [y,x,z]=size(Z2)。(i4)) x1=x1+1。 plot(0:x1,X1),title(39。 Py1=fix(y/2)