【正文】 運(yùn)算子能有效的將車牌區(qū)域連接成片，去除非車牌區(qū)域。圖像閉運(yùn)算[5,19]39。level=(fmax1(fmax1fmin1)/3)/255。Canny 算子使用兩個閾值來分別檢測強(qiáng)邊緣和弱邊緣，而且僅當(dāng)弱邊緣與強(qiáng)邊緣相連時，弱邊緣才會包含在輸出中，因此，此方法不容易受噪聲的干擾，能夠檢測到真正的弱邊緣?！∵吘墮z測兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣就是灰度值不連續(xù)的結(jié)果，是圖像分割、紋理特征提取和形狀特征提取等圖像分析的基礎(chǔ)。第 3 個字符是一個“ 圖 32　原始圖像%顯示灰度化后的圖像i = rgb2gray(Scolor)。 　字符識別進(jìn)行車牌識別前需要使用樣本對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對車牌進(jìn)行識別。　圖像的梯度銳化由于需要處理的圖像由拍攝而來，所以在很多情況下字符模糊，所以要對圖像進(jìn)行銳化處理使模糊的圖像變的清晰便于識別，圖像銳化的實質(zhì)就是增強(qiáng)圖像的邊緣或輪廓，其銳化后的結(jié)果通過微分而使圖像邊緣突出、清晰。圖像中每一點的運(yùn)算就被完全確定下來。 圖 11 系統(tǒng)流程圖原始圖像：由停車場固定彩色攝像機(jī)、數(shù)碼相機(jī)或其它掃描裝置拍攝到的圖像圖像預(yù)處理：對動態(tài)采集到的圖像進(jìn)行濾波，邊界增強(qiáng)等處理以克服圖像干擾邊緣提?。和ㄟ^微分運(yùn)算，2 值化處理，得到圖像的邊緣車牌定位：計算邊緣圖像的投影面積，尋找峰谷點，大致確定車牌位置，再計算此連通域內(nèi)的寬高比，剔除不在域值范圍內(nèi)的連通域。 本文針對汽車牌照自動識別系統(tǒng)進(jìn)行了系統(tǒng)的研究和分析，設(shè)計了一種汽車牌照的自動識別方法，包括圖像的預(yù)處理、車牌定位與提取、字符分隔和提取。有權(quán)將論文（設(shè)計）用于非贏利目的的少量復(fù)制并允許論文（設(shè)計）進(jìn)入學(xué)校圖書館被查閱。國外汽車牌照識別系統(tǒng)研究工作已有一定進(jìn)展。而 R，G，B 的取值范圍是0~255，所以灰度的級別只有 256 級 [7]。全局閾值法是根據(jù)圖像的直方圖或灰度的空間分布確定一個閾值，并根據(jù)該閾值實現(xiàn)灰度圖像到二值化圖像的轉(zhuǎn)化。因此有必要針對特定的牌照圖像提取其傾斜角度，再加以相應(yīng)的旋轉(zhuǎn)處理。中值濾波在一定條件下可以克服線性濾波器如最小均方濾波、均值濾波等帶來的圖像細(xì)節(jié)模糊，而且對濾波脈沖干擾及圖像掃描噪聲最為有效，同時還可以保護(hù)字的邊界信息。中值濾波很容易推廣到二維情況。所謂全局閾值的方法就是利用整幅圖像的灰度信息，從整個圖像中得到用于分割的閾值，并且根據(jù)該閾值對圖像進(jìn)行分割；而局部閾值的方法是根據(jù)圖像中不同區(qū)域獲得對應(yīng)不同區(qū)域的幾個閾值，利用這些得到的閾值對圖像進(jìn)行分割，也就是一個閾值對應(yīng)圖像中的一個子區(qū)域。Prewitt 算子也產(chǎn)生一幅邊緣幅度的圖像，也是對灰度漸變和噪聲較多的圖像處理效果較好。figure,imshow(bg)。圖像邊緣提取39。 bg2=imopen(bg3,strel(39。這個章節(jié)是本次設(shè)計的主要內(nèi)容，在汽車牌照自動識別過程中，字符分割有承前啟后的作用?！《斡嬎丬嚺扑酵队皩ΤC正后的車牌二值子圖再次進(jìn)行水平投影計算，如圖 42：圖 42　投影圖從圖 42 和圖 41 中可以明顯看到，車牌的矯正是很成功的，圖 43 的水平投影已經(jīng)相當(dāng)?shù)那逦?，可以明顯看出車牌字符的高度、上邊框、下邊框位置。markrow(l)=hight。)。count1=0。 %字符寬度（上升點至下降點） markcol5(k)=markcol3(k)double(uint16(markcol4(k)/2))。,int2str(maxwidth)],39。按識別對象，文字識別分為西文字符，阿拉伯叔祖和漢字識別等，它們由可分為印刷體和手寫體的識別，手寫體字符的字體、大小千變?nèi)f化因此此印刷體識別困難得多。首先對圖像進(jìn)行預(yù)處理，將彩色圖像轉(zhuǎn)化為灰度圖像，然后對灰度圖像采用基于灰度跳變的方法進(jìn)行二值化處理，提取車牌照邊緣信息，既保留了車牌區(qū)域的信息，又減少了噪聲的干擾，提高了后續(xù)處理的速度；然后運(yùn)用基于藍(lán)色象素點統(tǒng)計特性的方法對車牌是藍(lán)色的車牌進(jìn)行定位，結(jié)果表明準(zhǔn)確的定位了車牌照區(qū)域。本系統(tǒng)只適合藍(lán)底白字的車牌照，對其他的車牌照沒有設(shè)計到，因此也有具有一定的局限性，由于沒有實際拍攝照片所以網(wǎng)絡(luò)照片分割有誤差，有待以后改進(jìn)，另外由于樣本庫沒有建立成功，因此未完成車牌的識別功能，有待進(jìn)一步的研究。近來，模式識別中也應(yīng)用了模糊數(shù)學(xué)的方法，取得良好效果，神經(jīng)網(wǎng)絡(luò)作為一種有力的工具，在模式識別中得到越來越多的應(yīng)用。,39。 %字符中心距離（字符中心點至下一個字符中心點）maxs=max(markcol6)。for k=1:width if histcol(k)=levelcol 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計24 count1=count1+1。 title([39。markrow2(n1)=markrow(l)markrow(l1)。石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計20 字 符 高 下 邊 上 邊 谷 寬 度Markrow1(k) 峰 上 升 點 Markrow(k) 峰 寬 度 Markrow4(k) 峰 下 降 點 Markrow3(k) 峰 距 離 Markrow2(k) 峰 中 心 Markrow5(k) 谷 寬 度 Markrow1(k+1) 峰 上 升 點 Markrow(k+1) 圖 43　水平投影分析計算示意根據(jù)投影分析計算原理，取閾值 Level = （投影均值+投影最小值）/2 ，分析計算得出的最大峰寬度即為字符高度。字符分割的算法很多，常采用垂直投影法來實現(xiàn)，公式如下: （41 ）??HiWjifjk0),()(　字符分割的步驟車牌字符分割是本設(shè)計的重點，分割步驟如下：（1）計算車牌水平投影，并對水平投影進(jìn)行峰谷分析；（2）車牌矯正，計算車牌旋轉(zhuǎn)角度，旋轉(zhuǎn)車牌；（3）旋轉(zhuǎn)車牌后重新計算車牌水平投影，去掉車牌水平邊框，獲取車牌字符高度；（4）計算車牌垂直投影，去掉車牌垂直邊框，計算車牌上每個字符中心位置，計算最大字符寬度；（5）取分割字符,并變換為 32 行*16 列標(biāo)準(zhǔn)子圖。,[19,1]))。bg1=imclose(grd,strel(39。figure,imshow(bw)。由于平滑會導(dǎo)致邊緣的擴(kuò)展，用拉普拉斯算子找到圖像中的陡峭邊緣即只考慮那些具有局部梯度最大值的點，這一點可以用二階導(dǎo)數(shù)的零交叉點來實現(xiàn)。因此，邊界就由這樣一些內(nèi)部點的集合組成，這些點都至少有一個鄰點不屬于該物體?，F(xiàn)有的牌照有四種類型，分別是: 藍(lán)底白字牌照為小功率汽車使用； 黃底黑字牌照為大功率汽車使用；白底黑字或紅字牌照為軍用或警用。close all。Hough 變換具有明了的幾何解析性，一定的抗干擾能力和易于實現(xiàn)并處理等優(yōu)點：但它存在著計算量大，需要巨大的儲存空間等問題，所以不適合用在具有一定實時性要求的圖像處理中。局部閾值法則是由象素灰度值和象素周圍點局部灰度特性來確定象素的閾值的，Bernsen 算法是典型的局部閾值方法，非均勻光照條件等情況雖然影響整體圖像的灰度分布卻不影響局部的圖像性質(zhì)，局部閾值法也存在缺點和問題，如實現(xiàn)速度慢、不能保證字符筆劃連通性、以及容易出現(xiàn)偽影現(xiàn)象等。設(shè)原圖像像素的灰度值 D = ?（x，y） ，處理后圖像像素的灰度值 D180。由于我國汽車車牌識別的特殊性。保密的論文（設(shè)計）在解密后適用本規(guī)定。、圖表要求：1）文字通順，語言流暢，書寫字跡工整，打印字體及大小符合要求，無錯別字，不準(zhǔn)請他人代寫2）工程設(shè)計類題目的圖紙，要求部分用尺規(guī)繪制，部分用計算機(jī)繪制，所有圖紙應(yīng)符合國家技術(shù)標(biāo)準(zhǔn)規(guī)范。　車牌識別系統(tǒng)的組成　硬件和軟件識別系統(tǒng)中要用到的硬件主要有攝像頭、感應(yīng)器和計算機(jī)。函數(shù) T（D）稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系。閾值化的變換函數(shù)表達(dá)式如下： （22）??????Txxf,250)(式中 T 為指定的閾值。車牌的字符像素為黑色，用 0 表示。原始彩色圖像39。民用牌照第 1 個字符是漢字，且是各省市的簡稱，如“京” 、 “蘇” 、 “鄂”等。 因此，閾值的選取就成了車牌定位分割的重點。（5）Canny 算子檢測邊緣的方式是尋找圖像梯度的局部極大值。fmax1=double(max(max(bw)))。figure,imshow(bg1)。圖像開運(yùn)算[19,1]39。 histrow=sum(sbw139。levelrow=(meanrow+minrow)/2。 %峰寬度（上升點至下降點） markrow5(k)=markrow3(k)double(uint16(markrow4(k)/2))。Color39。 %谷寬度（下降點至下一個上升點） l=l+1。 %將最大值清 0maxwidth=max(markcol6)。 end subplot(2,n1,n1+l),imshow(SegBw2)。模板匹配對噪聲很敏感，而且對字符的字體風(fēng)格不具有適應(yīng)性。 Next, want to from containing the plex background plate information segment the license plate area。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計29第 6章　結(jié)　論本文主要針對對車牌識別系統(tǒng)的軟件部分進(jìn)行了研究和編譯，分別從圖像預(yù)處理、車牌定位、字符分割以及字符識別等方面進(jìn)行了分析。實現(xiàn)程序中采用空間變換將分割出的大小為(rowbot –rowtop+1)行* maxwidth 列的二值圖像 SegBw1 歸一化為大小為 32 行*16 列的二值圖像 SegBw2。 %變換為 32 行*16 列標(biāo)準(zhǔn)子圖 subplot(2,n1,l),imshow(SegGray)。% 計算車牌上每個字符中心位置，計算最大字符寬度 maxwidthl=0。MATLAB 實現(xiàn)程序如下：%對垂直投影進(jìn)行峰谷分析meancol=mean(histcol)。 %計算垂直投影figure,subplot(2,1,1),bar(histcol)。 endendmarkrow2=diff(markrow)。水平投影（含邊框）39。然后計算每個區(qū)域的圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形、面積。 title(39。canny39。disk39。下面簡單介紹幾種常用算子：Roberts 算子是一種利用局部差分算子尋找邊緣的算子，Roberts 算子對具有陡峭的低噪聲圖像效果較好。關(guān)于這方面的文獻(xiàn)很多。在一維情況下，中值濾波器是一個含有奇數(shù)個像素的窗口。平滑是圖像預(yù)處理的主要環(huán)節(jié)，平滑的好壞直接影響二值化的質(zhì)量。灰度拉伸的意思就是把感興趣的灰度范圍拉開，使得該范圍內(nèi)的像素，亮的更亮，暗的更暗，從而達(dá)到了增強(qiáng)對比度的目的。在實際的車牌處理系統(tǒng)中，進(jìn)行圖像二值變換的關(guān)鍵是要確定合適的閥值，使得字符與背景能夠分割開來，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等等。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計4第 2章　識別系統(tǒng)的相關(guān)技術(shù)簡介　圖像的灰度化彩色圖像包含著過多的顏色信息，因此在對圖像進(jìn)行識別等處理中經(jīng)常將彩色圖像灰度化處理，轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。　國內(nèi)外發(fā)展現(xiàn)狀伴隨著世界各國汽車數(shù)量的增加, 城市交通狀況日益受到人們的重視，如何有效地進(jìn)行交通管理，越來越成為各國政府和有關(guān)部門所關(guān)注的焦點，針對此問題，人們運(yùn)用先進(jìn)的科學(xué)技術(shù)，相繼研制開發(fā)出了各種交通道路監(jiān)視、管理系統(tǒng)，這些系統(tǒng)一般都包括車輛檢測裝置，通過這些裝置對過往車輛實施檢測，提取有關(guān)交通數(shù)據(jù)，以達(dá)到監(jiān)控、管理和指揮交通的目的 [3]。據(jù)我所知，除文中已經(jīng)注明引用的內(nèi)容外，本論文（設(shè)計）不包含其他個人已經(jīng)發(fā)表或撰寫過的研究成果。它在傳統(tǒng)的交通監(jiān)控技術(shù)的基礎(chǔ)上，引入了數(shù)字?jǐn)z像技術(shù)和計算機(jī)信息管理技術(shù)，采用先進(jìn)的圖像處理、模式識別和人工智能技術(shù)，通過對車輛圖像的采集和處理，獲得車輛的數(shù)字化信息，從而達(dá)到更高的智能化管理水平，車牌自動識別技術(shù)在車輛過路、過橋全自動不停車收費(fèi)，交通流量控制指標(biāo)的測量，車輛自動識別，高速公路上的事故自動測報，不停車檢查，車輛定位，汽車防盜，稽查和追蹤車輛違規(guī)、違法行為，維護(hù)交通安全和城市治安，防止交通堵塞，提高收費(fèi)路橋的服務(wù)速度，緩解交通緊張狀況等方面有重要作用，因此對汽車牌照識別技術(shù)的研究有重要的現(xiàn)實應(yīng)用意義 [1]?！≤嚺谱詣幼R別系統(tǒng)原理當(dāng)車輛通過時，車輛檢測裝置受到觸發(fā)，啟動圖像采集設(shè)備獲取車輛的正面或反面圖像，并將圖像傳至計算機(jī)，由車牌定位模塊提取車輛的牌照，字符分割模塊對車牌上的字符進(jìn)行切分，最后由字符識別模塊進(jìn)行字符識別并將結(jié)果輸出 [6]。選擇的標(biāo)準(zhǔn)是經(jīng)過灰度變換后，像素的動態(tài)范圍增加，圖像的對比度擴(kuò)展，使圖像變得更加清晰、細(xì)膩、容易識別。通常去噪用濾波的方法，比如中值濾波、均值濾波。石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計7第 3章 車牌照提取與定位　算法設(shè)