【文章內(nèi)容簡介】 里 ， 繪圖都很不簡單 ，但是在 MATLAB中確實很容易表現(xiàn)出來的。而且 MATLAB還具有很強的編輯圖形的能力。 （ 7） MATLAB也是有缺點的，它與其他的高級程序相比較 ， 程序的執(zhí)行速度很慢。但是 MATLAB 的程序不需要編譯等預處理 ， 不生成能執(zhí)行文件 ， 程序是為解釋執(zhí)行 ， 導致速度非常慢。 （ 8） 功能強勁的工具箱是 MATLAB的另一重大特色。 MATLAB包含兩個部分 ：各種可選和核心部分的工具箱。核心部分中有數(shù)百個核心內(nèi)部函數(shù)。其工具箱又可分為兩類 ： 學科性工具箱和功能性工具箱。功能性工具箱主要是用來硬件實時交互功能、文字處理功能、圖 示建模仿真功能以及與擴充其符號計算功能。功能性工具箱可以用于多種學科技術。而學科性工具箱是專業(yè)性比較強的 ， 如control、 toolbox、 signal processing toolbox、 munication toolbox 等。這些工具箱都是由該領域內(nèi)的學術水平很高的專家編寫的 ， 所以用戶無需編寫自己學科范圍內(nèi)的基礎程序 ， 而直接進行高、精、尖的研究。 浙江萬里學院本科畢業(yè)論文 10 3 LPR 系統(tǒng)設計與實現(xiàn) 系統(tǒng)框架結構和工作流程 汽車牌照的識別（ LPR）系統(tǒng)是通過引入計算機信息管理技術和數(shù)字攝像技術，采用先進的模式識別、人 工智能和圖像處理技術，通過對圖像的處理和采集，獲得更多的信息，從而更高的達到智能化管理程度。在 LPR 系統(tǒng)產(chǎn)品的性能指標中，識別速度和識別率難以同時提高的原因是有圖像處理技術不夠成熟，和受到計算機攝像設備等性能因素的限制。因此，研究高速準確的識別與定位算法，是當前的首要任務 [9]。 汽車車牌的自動識別系統(tǒng)主要有圖像采集、觸發(fā)拍照、車牌定位、圖像預處理、字符分割、字符識別、輸出結果等單元如圖 31。 圖 31 車牌識別系統(tǒng)工作流程圖 觸發(fā)拍照：該單元會自動檢測車輛在指定區(qū)域的存在，現(xiàn)有的 成熟技術的有線圈觸發(fā)、視頻觸發(fā)、紅外觸發(fā)、雷達觸發(fā)以及激光觸發(fā)。其中線圈觸發(fā)和視頻觸發(fā)得到了廣泛的應用。 圖像采集：該單元是指道路上安裝的攝像頭在檢測到有車輛通過的同時進行拍照并借助網(wǎng)絡傳送到汽車自動識別系統(tǒng)。 圖像預處理：該單元是指車牌識別系統(tǒng)對拍攝的汽車圖片進行 灰度化和邊緣檢測等 處理。當外界光照不均勻時，光照強度不穩(wěn)定的情況下，通過攝像機所采集到的原始車牌圖像就會會模糊不清，這時需要對圖片進行圖像增強處理；在電子器件自身產(chǎn)生的噪聲以及干擾外界環(huán)境噪聲下，所拍的圖像質量可能會有所下降，所以這時就需要對原圖 做去噪處理的一系列的事情。綜上所述，這些處理均是圖像預處理的工作。 圖像采集 圖像預處理 字符識別 輸出結果 車牌定位 字符分割 視頻信號 浙江萬里學院本科畢業(yè)論文 11 車牌定位：是指對預處理過的汽車圖片進行處理，把車牌部分進行定位，把無用的部分去除，得到定位好的車牌圖片。在完整的車牌圖像中，絕大的一部分都是背景，對識別毫無用處，我們能將背景區(qū)域當做無用區(qū)域，并且想方法將他去除，從而在復雜的背景中準確的分割并定位在車牌區(qū)域，從原圖中提取需要的部分舍棄不需要的部分，從而節(jié)省識別圖像的時間，這也是車牌定位分割的意義及目的所在。在定位分割的過程中確保不要把非車牌區(qū)域識別為車牌區(qū)域，也不能舍棄車牌區(qū)域，不然接下來的 工作將無法進行。 字符分割：對已經(jīng)定位的車牌圖片的進行字符分割，將車牌分割為 7個單一的字符圖片。系統(tǒng)并不能直接識別被分離出的車牌區(qū)域圖像，還需要將車牌上的任何一個字符都要完整的獨立的分割出來，就是說從車牌區(qū)域中圖像上將車牌里所包含的任意字符都切分出來，將他們變成沒有任何相關性的獨立字符圖像，之后由系統(tǒng)對每個字符進行分開識別，在切分字符時，需注意保證所有字符的準確完整度。 字符識別：最為關鍵的一步是車牌字符的識別，之前對車牌圖像所做的各種處理都是為完成最終的識別所做的努力。單個的字符圖像是系統(tǒng)的輸入，輸出的卻 是以文本格式體現(xiàn)的完整車牌號碼，車牌字符識別的正確率可以直接反映出車牌識別系統(tǒng)的性能好壞。輸出結果：輸出識別結果，并進行數(shù)據(jù)存儲。 就車牌識別系統(tǒng)來看，以上的所有步驟都是不可或缺的，并且前一步驟均是給后面步驟的打基礎，因此，只有確保做好每一步才能順利完成系統(tǒng)最終的識別工作。 設計方案 車牌識別系統(tǒng)包括圖像預處理、圖像采集、字符分割、字符識別、車牌定位等模塊，本文主要研究字符分割、圖像預處理和車牌定位三個模塊 [9]。 本系統(tǒng)主要是由字符識別和圖像處理兩部分組成的。其中圖像處理部分包括邊緣提取、模塊牌 照的定位、圖像預處理以及分割模塊。字符識別部分可以分為特征提取與單個字符識別和字符分割兩個模塊。 字符識別這部分要求照片清晰，但是可能攝像頭在外長時間工作，攝像頭角度和距離、再加上光照條件、車輛自身條件不同以及車輛行駛速度的不同所影響，浙江萬里學院本科畢業(yè)論文 12 想拍出很理想的圖片很困難。所以我們要對攝像頭拍攝出來的圖片進行預處理，其中主要有圖片邊緣提取和圖片灰度化 等。 車牌定位和車牌分割是整個系統(tǒng)的關鍵，其作用是在經(jīng)圖像預處理后的灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個圖象中分割出來，供字符識別子系統(tǒng)識 別之用，分割的準確與否直接關系到整個牌照字符識別系統(tǒng)的識別率。 車牌識別系統(tǒng)的最終目的就是將不清楚的車牌照片進行識別，輸出清晰的圖片?，F(xiàn)在 字符識別的常用方法有模板匹配法和神經(jīng)網(wǎng)絡模型法。 圖像預處理 圖像灰度化 汽車圖像的樣本目前大多是通過數(shù)碼相機、攝像機等設備拍下的，因此在預處理前的所有圖像全都是彩色圖像。 RGB圖像是 彩色圖像簡稱 ， 它是利用 R、 G、 B分量來表示某個像素的顏色 ， 紅、綠、藍 3種顏色分別用 R、 G、 B個不同的字母表示 ， 并通過三基色將其調和成任意顏色。并且每個所知分量有 255種值可取 ，所以說 這樣任意的像素點可以有 1600多萬的顏色的變化。灰度圖像就是 R、 G、 B三個分量具有相同的一種特殊的真彩色圖像 ， 任意的像素點的變化范圍為 255種 ，因此在數(shù)字圖像處理中一般先是會把各種格式的圖像轉變?yōu)榛叶葓D像后，這樣圖像的計算量就會變得少一些。在灰度圖像的描述中，它與彩色圖像一樣仍然反映了整幅圖像的局部和整體的亮度和色度等級的分布和特征。所以 說 對與尺寸為m*n的一個彩色圖像來說 ， 存儲 m*n*3的多維數(shù)組 [10]。 彩色圖像中有大量的顏色信息，不僅在存儲上面開銷很大，而且會在處理上降低系統(tǒng)的執(zhí)行 識別速度。因為圖像的每個像素都具有三個顏色不同的分量 ，并且 存在很多同識別無關的信息 ， 不利于進一步展開的識別工作， 所以在對圖像識別過程處理中，經(jīng)常是將彩色圖像轉變?yōu)榛叶葓D像，以便增加處理速度。 數(shù)字圖像分為灰度圖像和彩色圖像。在 RGB模型中，如果 R=G=B，那么這個顏色就會表示一種灰度顏色，其中 R=G=B的值就叫做灰度值。而彩色轉變?yōu)榛叶鹊倪^程就叫做灰度化處理?；叶葓D像就是沒有顏色信息的圖像而只有強度信息，存浙江萬里學院本科畢業(yè)論文 13 儲的灰度圖像僅僅需要一個數(shù)據(jù)矩陣，矩陣中每個元素都表示對應位置像素點的灰度值。灰度圖像的像素色為 RGB ( r, r, r ),彩色圖像的像素色為 RGB (R, G, B )， R, G, B可以從彩色圖像的顏色中分解獲得 .并且 R, G, B的取值是 0255的范圍內(nèi) ,而灰度的級別只有 256級。 當將彩色圖像轉變?yōu)榛叶葓D像時 ， 就現(xiàn)在而言用的比較多的灰度化方法為平均值法 ， 公式為 ： H=++[11] 在公式中， H 表示灰度圖中的亮度值 ； R 代表彩色圖像中紅色分量值 ； G 則代表色彩圖像中綠色分量值 ； B是 代表彩色圖像中藍色分量值 。 RGB 這 三分量前的系數(shù)叫做經(jīng)驗加權值 。 加權系數(shù)的取值 是建立在人眼的視覺模型之上 。所以 對人眼很敏感的綠色取了較大的權值 ；而 對于人眼比較不敏感的藍色取較小的權值 。 通過這個公式將轉換的灰度圖能很好的反應原來圖像的真實亮度信息 。 在 MATLAB中我們可以調用 im2gray函數(shù)對圖像來進行灰度化處理。 圖像的邊緣檢測 邊緣是指圖像灰度發(fā)生空間突變或者在梯度方向上發(fā)生突變的像素的集合。用攝像機采集到的機動車圖像由于受到噪聲干擾以及車輛本身的影響，使得獲得的圖像質量不理想。因此，在對汽車牌照進行定位的時候及字符識別之前需要先對車輛的圖像進行邊緣檢測處理，從而提 高圖像的質量，以便于后面的識別和分割。可以通過良好的邊緣檢測，大幅度的降低了噪聲和分離出復雜環(huán)境下的車輛圖像，保留較完好的車牌字符信息情況，有助于后面的字符識別與精確定位。 對于車牌識別系統(tǒng)的攝像頭安裝位置以及機動車的車牌固有屬性，我們就可以發(fā)現(xiàn)機動車的車牌圖像一般都處在水平的矩形區(qū)域中，在圖像中有較為固定的位置，車牌中的字符都是按照水平方向排列的。因為有這些非常明顯的特征，所以經(jīng)過適當?shù)膱D像變換后，可以更為清晰的呈現(xiàn)出車牌的邊緣。本文采用經(jīng)典的Roberts邊緣檢測算子對圖像進行邊緣檢測。 Roberts算子是一種 比較 最簡單的算子，是一種利用局部差分算子尋找邊緣的算子，他采用對角線方向相鄰兩象素之差近似梯度幅值檢測邊緣。檢測垂直邊緣的效果好于斜向邊緣，定位精度高，對噪聲敏感 ,無法抑制噪聲的影響。 浙江萬里學院本科畢業(yè)論文 14 灰度化和邊緣檢測的 MATLAB程序如下： I=imread(39。39。)。 figure(1),imshow(I)。title(39。原圖 39。) I1=rgb2gray(I)。 figure(2),subplot(1,2,1),imshow(I1)。title(39?；叶葓D 39。)。 figure(2),subplot(1,2,2),imhist(I1)。title(39?；叶葓D直方圖 39。)。 I2=edge(I1,39。robert39。,39。both39。)。 figure(3),imshow(I2)。title(39。robert 算子邊緣檢測 39。) 圖 32 原圖 浙江萬里學院本科畢業(yè)論文 15 圖 33 灰度圖 圖 34 Robert算子邊緣檢測 浙江萬里學院本科畢業(yè)論文 16 車牌定位和分割 該系統(tǒng)的攝像頭 拍攝的圖片是整個機動車的圖片，而只有車牌部分是對系統(tǒng)有用的。所以我們要對照片進行車牌定位和分割。車牌的定位和分割是從經(jīng)過圖像預處理后的灰 度圖像中確定牌照位置，并將車牌部分從整個圖像中分割出來，從而進行字符識別。車牌圖像的灰度圖的車牌部分是一個水平度很高的長方形圖樣，在原圖中比較集中，且灰度值和周圍圖樣有明顯差異，因此很容易用邊緣檢測來對圖像進行分割。車牌定位和分割的準確度直接關系到最后的字符識別的質量。其流程圖如圖 35所示。 圖 35 車牌定位流程圖 車牌定位 機動車圖像經(jīng)過灰度化和邊緣檢測的處理后，邊緣得到了加強，牌照區(qū)域已經(jīng)非常明顯。本文采用的是用數(shù)學形態(tài) 學來進行圖像處理和模式識別。數(shù)學形態(tài)學是 用具有一定形態(tài)的結構元素去量度和提取圖像中的對應形狀，以達到對圖像分析和識別的目的，能有效地去除噪聲，保留圖像原有信息的同時提取的邊緣比較平滑，提取的圖像骨架也比較連續(xù)，斷點少 。現(xiàn)在我們將經(jīng)過預處理的圖像進行圖像腐蝕以及去除雜質，就可以得到相對準確的車牌位置。處理過程圖如圖36腐蝕后的圖像， 圖 37平滑圖像的輪廓，圖 38從對象中移除小對象后圖像所示。 對圖像進行圖像腐蝕 除去圖像雜質 通過計算尋找 X 和 Y方向車牌的區(qū)域 完成車牌定位 對定位后的彩色車牌的進一步處理 浙江萬里學院本科畢業(yè)論文 17 圖 36 腐蝕后的圖像 圖 37 平滑圖像的輪廓 浙江萬里學院本科畢業(yè)論文 18 圖 38 從對象中移除小對象后圖像 車牌分割 車牌自動識別系統(tǒng)中的其中一個重要步驟是 車牌字符分割 ，這 這一模塊中，正確性受到了很多因素的影響 ， 最大問題莫過于二值化的不徹底使投影圖像中的字符間波谷不夠分明 ； 再就是車牌反光、光照不均、污損等原因使車牌圖像較差 ，并 存在大量噪聲 ； 再者，車牌鉚