【文章內(nèi)容簡介】 A=imread(filename,fmt)[X,MAP]=imread(FTLENAME,39。FMT39。),其中：FTLENAME為需要讀取的圖像文件名稱，F(xiàn)MT是圖像格式。[...]=imread(filename,fmt)[...]=imread(filename)[...]=imread(URL,...)[...]=imread(...,idx) (CUR,ICO,and TIFE only)[...]=imread(...,39。frames39。,idx) (GIF only)[A,map,alpha]=imread(...) (ICO,CUR,and PNC only)圖像的信息讀取可以通過調(diào)用imfinfo函數(shù)獲得與圖像文件有關(guān)的信息，格式如下：INFO=imfinfo(FTLENAME,39。FMT39。)，其中返回的INFO是MATLAB的一個結(jié)構(gòu)體；大多數(shù)圖像文件格式采用8為數(shù)據(jù)存儲像素值，將這些文件讀入內(nèi)存后，MATLAB都將其存儲為unit8類型。對支持16為數(shù)據(jù)的文件格式，如PNG和TIFE，MATLAB則將這些圖像存儲為unit16類型。和其他MATLAB生成的圖像一樣，一旦一幅圖像被顯示了，那么它將成為一個圖形對象句柄。在讀取圖像之前，應(yīng)該先清除MATLAB所有的工作平臺變量，并關(guān)閉打開的圖形窗口。為此，可使用以下命令：clear。 close all然后使用圖像選取函數(shù)imread就可以讀取一幅圖像。(該圖像是圖像處理工具箱自帶的圖像)，并將他存儲在一個名為I的數(shù)組中，使用命令：I=imread(‘’)。然后調(diào)用inshow命令來顯示圖像：inshow(I)本設(shè)計中圖像的讀取程序如下： imread(39。E:/39。)。 figure(),subplot(3,2,1),imshow(I),title(39。原始圖像39。) .原始圖像Figure對象是MATLAB系統(tǒng)中包括GUI設(shè)計編輯窗在內(nèi)所有顯示窗口。在系統(tǒng)運行極限條件下，用戶可以創(chuàng)建任意多個Figure窗。所有Figure對象的父對象都是Root對象，而其他所有MATLAB圖形對象都是Figure對象的子對象。如果當前沒有創(chuàng)建任何Figure對象，MATLAB在調(diào)用一個繪圖函數(shù)（如plot 函數(shù)mesh函數(shù)）時，都自動創(chuàng)建一個Figure對象，如果在 MATLAB系統(tǒng)中已經(jīng)包括了好多Figure窗，系統(tǒng)則總是指定一個Figure窗為當前窗口，以后所有的函數(shù)默認把它作為輸出圖行窗。如果當前只有GUI設(shè)計編輯窗，MATLAB系統(tǒng)也默認為無可用的Figure窗，及調(diào)用繪圖函數(shù)時將重新創(chuàng)建一個Figure對象。 預(yù)處理及邊緣提取原始圖像灰度校正平滑處理提取并定位車牌 預(yù)處理及邊緣提取流程圖 圖像的采集與轉(zhuǎn)換考慮到現(xiàn)有牌照的字符與背景的顏色搭配一般有藍底白字、黃底黑字、白底紅字、綠底白字和黑底白字等幾種，利用不同的色彩通道就可以將區(qū)域與背景明顯地區(qū)分出來，例如，對藍底白字這種最常見的牌照，采用藍色B 通道時牌照區(qū)域為一亮的矩形，而牌照字符在區(qū)域中并不呈現(xiàn)。因為藍色（255，0，0）與白色（255，255，255）在B 通道中并無區(qū)分，而在G、R 通道或是灰度圖像中并無此便利。同理對白底黑字的牌照可用R 通道，綠底白字的牌照可以用G 通道就可以明顯呈現(xiàn)出牌照區(qū)域的位置，便于后續(xù)處理。原圖、灰度圖及其直方圖見圖2與圖3。對于將彩色圖像轉(zhuǎn)換成灰度圖像時，圖像灰度值可由下面的公式計算： （） （） 圖像預(yù)處理 圖像預(yù)處理是對原始資料進行遙感器效應(yīng)和幾何及輻射效應(yīng)等的應(yīng)用前期處理，是將每一個文字圖像分檢出來交給識別模塊識別。在圖像分析中，對輸入圖像進行特征抽取、分割和匹配前所進行的處理。圖像預(yù)處理的主要目的是消除圖像中無關(guān)的信息，恢復有用的真實信息，增強有關(guān)信息的可檢測性和最大限度地簡化數(shù)據(jù)，從而改進特征抽取、圖像分割、匹配和識別的可靠性。預(yù)處理過程一般有數(shù)字化、幾何變換、歸一化、平滑、復原和增強等步驟。圖像預(yù)處理是車牌定位的準備工作，以提高車牌圖片的適用性。圖像不僅包括車牌照，而且還有汽車本身和汽車背景圖像，因此必須去掉這些非牌照圖像的影響，才有可能正確的提取出牌照區(qū)域，為以后的車牌字符識別打下基礎(chǔ)。在實際用用中，由于季節(jié)的更替、自然光照的晝夜變化、光照的穩(wěn)定性與均勻性、車輛自身的運動、觀察點、采集圖像的設(shè)備本身因素等的影響，因而必須對圖像進行預(yù)處理，以改善圖像質(zhì)量，提高字符識別率。 圖像增強對車輛圖像進行灰度化處理值后，車牌部分和非車牌部分圖像的對比度并不是很高，此時如果直接進行邊緣提取，由于車牌界限較為模糊，難以提取出車牌邊緣，因此難以準確定位車牌。為了增強牌照部分圖像和其他部位圖像的對比度，使其明暗鮮明，有利于提高識別率，需要將車輛圖像進行增強。圖像增強的目的是對圖像進行加工，以得到對具體應(yīng)用來說視覺效果更適合計算機識別的圖像。增強圖像的方法有很多，如灰度變換、圖像平滑處理和線性濾波等，根據(jù)處理圖像域又可以分為空間增強與領(lǐng)域增強。目前用于車牌圖像增強的方法有：灰度拉伸直方圖均衡中值濾波高斯濾波圖像腐蝕同等濾波等等。灰度圖是指只包含亮度信息，不包含彩色信息的圖像，例如平時看到的亮度連續(xù)變化的黑白照片就是一幅灰度圖?；叶然幚砭褪菍⒁环噬珗D像轉(zhuǎn)換成為灰度圖像的過程。彩色圖像分為R、G、B三個分量，分別顯示出紅、綠、藍等各種顏色，灰度化就是彩色的R、G、B分量相等的過程?；叶戎荡蟮南袼攸c比較亮，反之比較暗。輸入的彩色圖像包含大量顏色信息，會占用較多的存儲空間，且處理時也會降低系統(tǒng)的執(zhí)行速度，因此對圖像進行識別等處理時，常將彩色圖像轉(zhuǎn)換為灰度圖像，以加快處理速度。圖像灰度化的算法主要由以下3種：（1）最大值法：是轉(zhuǎn)化后R、G、B的值等于轉(zhuǎn)化前3個之中最大的一個，即: （）這種方法轉(zhuǎn)換的灰度圖亮度高。（2）平均值法：使轉(zhuǎn)化后R、G、B的值為轉(zhuǎn)化前R、G、B的平均值 （）這種方法產(chǎn)生的灰度圖像比較柔和。 （3）加權(quán)平均值法：按照一定的權(quán)值，對R、G、B的值加權(quán)平均，即： （）其中，、分別為R、G、B的權(quán)值。、取不同的值，將形成不同的灰度圖像。由于人眼對綠色最為敏感，紅色次之，對藍色的敏感性最低，因此使＞＞將得到較易識別的灰度圖像?；叶葓D像顯示最基本的調(diào)用格式如下：imshow(I)imshow 函數(shù)是通過將灰度值表杜威灰度級調(diào)色版的索引來顯示圖像。如果I是雙精度類型，則顯示為黑色，，像素值將顯示為灰影。如果I為unit16則像素值65535將被顯示為白色。imshow函數(shù)顯示灰度圖像的另一種調(diào)用格式是：是用明確地指定灰度級數(shù)目。例如，以下語句將顯示一幅32個灰度及的圖像I：imshow(I，32)此次畢業(yè)設(shè)計中灰度圖像顯示的語句為：I1=rgb2gray(I)。figure(2),subplot(1,2,1),imshow(I1)。title（39。灰度圖39。）；為了更好地觀察圖像的灰度分布信息，可以用imhist函數(shù)創(chuàng)建描述圖像灰度分布的直方圖，并使用figure命令將直方圖顯示在一個新的圖像窗口，程序語句如下：figure(2),subplot(1,2,2),imhist(I1)。title(39?；叶戎狈綀D39。)，由于圖像的灰度范圍比較狹窄，沒有覆蓋整個灰度范圍[0,255]，并且圖像中灰度值的高低區(qū)分較明顯，因而能產(chǎn)生好的對比效果。 圖象平滑的介紹圖像平滑是對圖像作低通濾波,可在空間域或頻率域?qū)崿F(xiàn)?？臻g域圖像平滑方法主要用低通卷積濾波、中值濾波等；頻率域圖像平滑常用的低通濾波器有低通梯形濾波器、低通高斯濾波器、低通指數(shù)濾波器、巴特沃思低通濾波器等。對于受噪聲干擾嚴重的圖像，由于噪聲點多在頻域中映射為高頻分量，因此可以在通過低通濾波器來濾除噪聲，但實際中為了簡化算法，也可以直接在空域中用求鄰域平均值的方法來削弱噪聲的影響，這種方法稱為圖象平滑處理。例如，某一象素點的鄰域S 有兩種表示方法：8鄰域和4鄰域分別對應(yīng)的鄰域平均值為， （）其中，M為鄰域中除中心象素點f(i,j)之外包括的其它象素總數(shù)，對于4鄰域M=4，8鄰域M=8。然而，鄰域平均值的平滑處理會使得圖像灰度急劇變化的地方，尤其是物體邊緣區(qū)域和字符輪廓等部分產(chǎn)生模糊作用。為了克服這種平均化引起的圖像模糊現(xiàn)象，我們給中心點像素值與其鄰域平均值的差值設(shè)置一固定的閾值，只有大于該閾值的點才能替換為鄰域平均值，而差值不大于閾值時，仍保留原來的值，從而減少由于平均化引起的圖像模糊。 車牌圖像往往存在一些孤立的噪點，在汽車牌照圖像處理初期，若不能有效抑制或者去除這些噪點，將影響車牌定位的準確性或者造成無法定位。通常采用圖像平滑的方法去除噪點。 清除小面積對象后的圖像 圖像處理并不僅限于對圖像進行增強、復原和編碼，還要對圖像進行分析，圖像分析旨在對圖像進行描述，即用一組數(shù)或符號表征圖像中目標區(qū)的特征、性質(zhì)和相互間的關(guān)系，為模式識別提供基礎(chǔ)。描述一般針對圖像或景物中的特定區(qū)域和目標。為了描述，首先要進行分割。邊緣檢測是圖像分析中的重要內(nèi)容。邊緣是圖像的最基本特征。所謂邊緣，是指周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間，基元與基元之間，因此他也是圖像分割所依賴的重要特征。數(shù)字圖像的邊緣檢測是圖像分割、目標區(qū)域識別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，也是圖像識別中提取圖像特征的一個重要屬性。在進行圖像理解和分析時，第一步往往是邊緣檢測，目前他已成為機器視覺研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。物體邊緣是以圖像的局部特征不連續(xù)的形式出現(xiàn)的，即是指圖像局部亮度變化最顯著的部分，例如灰度值的突變、顏色的突變、紋理結(jié)構(gòu)的突變等，同時物體的邊緣也是不同區(qū)域的分界處。圖像邊緣具有方向和幅度兩個特性，通常沿邊緣的走向灰度變化平緩，垂直于邊緣走向的像素灰度變換劇烈。邊緣檢測是在圖像的局部區(qū)域上針對像素點的一種運算，在計算機視覺、圖像理解等應(yīng)用中非常重要。同時也是圖像分析與模式識別的重要環(huán)節(jié)。因為圖像邊緣包含了模式識別的有用信息，所以邊緣檢測是圖像分析和模式識別種特征提取的主要手段。邊緣檢測的基本步驟：1. 濾波：邊緣和噪聲同屬圖像中強度變化劇烈的部位，因此邊緣檢測算子對邊緣和噪聲都很敏感，因此必須使用濾波來改善與噪聲有關(guān)的邊緣檢測算子的性能。2. 增強：增強邊緣的基礎(chǔ)是確定圖像各點領(lǐng)域強度的變化值。增強算法可以將領(lǐng)域強度中有顯著變化的點突顯出來。3. 檢測：在圖像中有許多的梯度幅值比較大，而這些點在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來確定哪些點是邊緣點。4. 定位：邊緣檢測定位即邊遠點的具體位置，除此之外還應(yīng)包括邊緣細化、連接。 圖像的腐蝕是對所提取的目標圖像進行形態(tài)學分析。腐蝕處理的作用是將目標圖像收縮。運算結(jié)果取決于結(jié)構(gòu)元素大小內(nèi)容以及邏輯運算性質(zhì)。結(jié)構(gòu)元素是指具有某種確定形狀的基本結(jié)構(gòu)元素，例如，一定大小的矩形，圓形或菱形等。腐蝕處理可以表示成用結(jié)構(gòu)元素對像進行探測，找出圖像中可以放下該結(jié)構(gòu)元素的區(qū)域。腐蝕是一種消除邊界點，是邊界向內(nèi)部收縮的過程?？梢杂脕硐∏覠o意義的目標物。如果兩目標物建有細小的連通，可以選取足夠大的結(jié)構(gòu)元素，將細小連通腐蝕掉。Se=[1:1:1]。I3=imerode(I2,Se)。Subplot(3,2,4),imshow(I3),title(腐蝕后圖像）MATLAB使用imerode函數(shù)進行圖像腐蝕。Imerode函數(shù)需要兩個基本輸入?yún)?shù)：待處理的輸入圖像以及結(jié)構(gòu)元素對象。此外，imerode函數(shù)還可以接受3個可選參數(shù)：PADOPT、PACKOPT和M，前兩個參數(shù)的含義與imadilate函數(shù)的可選參數(shù)類似。另外。如果圖像時打包的二進制圖像，則M將制定原始圖像的行數(shù)。 牌照的定位和分割牌照的定位和分割是牌照識別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖像預(yù)處理后的原始灰度圖像中確定牌照的具體位置，并將包含牌照字符的一塊子圖像從整個圖像中分割出來