【文章內(nèi)容簡介】 tangle39。,[40,40])。I4=imclose(I3,se)。figure(5),imshow(I4)。title(39。平滑圖像的輪廓39。)。 。 平滑圖像的輪廓I5=bwareaopen(I4,2000)。figure(6),imshow(I5)。title(39。從對象中移除小對象39。)。 。 從對象中移除小對象后圖像車牌字符分割是車牌自動識別系統(tǒng)中的重要步驟，這一模塊的正確性受到很多因素的影響，最大問題是二值化不徹底使投影圖像中字符間的波谷不夠分明；其次，車牌污損、反光、光照不均等原因使車牌圖像交差，存在大量噪聲；再次，車牌邊框和鉚釘也會造成分割不正確；還有車牌的前兩個字符和后面五個字符之間的間隔符（小圓點）對字符識別有影響；車牌旋轉對水平分割有較大影響。本文車牌部分的分割采用的是利用車牌彩色信息的彩色分割法。使用統(tǒng)計彩色像素點的方法分割出車牌區(qū)域，確定車牌底色藍色RGB對應的灰度范圍，然后統(tǒng)計在行方向的顏色范圍內(nèi)的像素點數(shù)量，確定車牌在行方向的區(qū)域。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計列方向藍色像素點的數(shù)量，最終確定完整的車牌區(qū)域。 車牌對位的圖像定位后車牌圖像是彩色的，會占用較大的存儲空間，加重計算機負擔。且車輛圖片不可避免存在噪聲，所以要對圖像進行灰度化，二值化以及濾波處理。圖像的二值化處理就是將圖像上的點的灰度置為兩個數(shù)值，通常為0或255，使整個圖像呈現(xiàn)出明顯的黑白效果。也就是將256個亮度等級的灰度圖像通過適當?shù)拈T限值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。濾波則是為了除去圖像噪聲。濾波方法有多種，本文采取的濾波方法為均值濾波。均值濾波是典型的線性濾波算法，指在圖像上對目標像素給一個模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值來代替原來像素值。 車牌的進一步處理 。[m，n]=size（d），逐排檢查有沒有白色像素點，設置1=jn1，若圖像兩邊s（j）=0，則切割，去除圖像兩邊多余的部分切割去圖像上下多余的部分根據(jù)圖像的大小，設置一閾值，檢測圖像的X軸，若寬度等于這一閾值則切割，分離出七個字符歸一化切割出來的字符圖像的大小為4020，與模板中字符圖像的大小相匹配 字符分割和歸一化流程圖在汽車牌照自動識別過程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎上進行字符的分割，然后再利用分割的結果進行字符識別。將得到的車牌區(qū)域圖像進行二值化處理后，對圖像進行垂直投影，投影圖上有明顯的類似于峰谷的波形起伏變化， 通過對投影圖上的波形從左向右進行掃描，根據(jù)谷和峰的特征就可以判斷出每個字符的位置；計算垂直峰，檢測合理的字符高寬比。在字符切割時,往往由于閾值取得不好，導致字符切割不準確，針對這種情況，可以對切割出的字符寬度進行統(tǒng)計分析，用以指導切割，對因錯誤切割過寬的字符進行分裂處理。 字符分割后的圖像由于數(shù)碼相機拍攝的汽車圖像大小不一樣， 所以得到的牌照上的字符大小就不一樣，為了便于字符的識別，需要對字符進行歸一化處理。歸一化處理的目的就是使車牌字符同標準模塊里面的字符特征一樣。而大小歸一是指在長度和寬度方向上分別乘以一個比例因子，使其等于標準模塊的字符大小，本文采用的大小歸一的方法是分別從水平投影和垂直投影兩個方向上對字符象素的大小進行歸一化處理。 字符歸一化后的圖像字符的識別目前用于車牌字符識別(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡的OCR算法17]?；谀０迤ヅ涞腛CR的基本過程是:首先對待識別字符進行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進行匹配，最后選最佳匹配作為結果。模板匹配的主要特點是實現(xiàn)簡單，當字符較規(guī)整時對字符圖像的缺損、污跡干擾適應力強且識別率相當高。綜合模板匹配的這些優(yōu)點我們將其用為車牌字符識別的主要方法。模板匹配是圖象識別方法中最具代表性的基本方法之一，它是將從待識別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應的特征量逐個進行比較，計算它們之間規(guī)格化的互相關量，其中互相關量最大的一個就表示期間相似程度最高，可將圖象歸于相應的類。也可以計算圖象與模板特征量之間的距離，用最小距離法判定所屬類。然而，通常情況下用于匹配的圖象各自的成像條件存在差異，產(chǎn)生較大的噪聲干擾，或圖象經(jīng)預處理和規(guī)格化處理后，使得圖象的灰度或像素點的位置發(fā)生改變。在實際設計模板的時候，是根據(jù)各區(qū)域形狀固有的特點，突出各類似區(qū)域之間的差別，并將容易由處理過程引起的噪聲和位移等因素都考慮進去，按照一些基于圖象不變特性所設計的特征量來構建模板，就可以避免上述問題。建立自動識別的代碼表讀取分割出來的字符第一個字符與模板中的漢字模板進行匹配第二個字符與模板中的字母模板進行匹配待識別字符與模板字符相減，值越小相似度越大，找到最小的一個即為匹配的最好的識別完成，輸出此模板對應值后5個字符與模板中的字母與數(shù)字模板進行匹配 字符識別流程圖此處采用相減的方法來求得字符與模板中哪一個字符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡稱；緊接其后的為字母與數(shù)字。車牌字符識別與一般文字識別在于它的字符數(shù)有限，漢字共約50多個，大寫英文字母26個，數(shù)字10個。所以建立字符模板庫也極為方便。為了實驗方便，結合本次設計所選汽車牌照的特點，只建立了4個數(shù)字26個字母與10個數(shù)字的模板。其他模板設計的方法與此相同。首先取字符模板，接著依次取待識別字符與模板進行匹配，將其與模板字符相減，得到的0越多那么就越匹配。把每一幅相減后的圖的0值個數(shù)保存，即為識別出來的結果。 識別結果4 實驗結果和分析4 實驗結果和分析，以攝取的彩色車牌照片為對象進行實驗。 在得到這個結果之前，需要對車牌圖像進行預處理、車牌定位、車牌分割等處理。 由于攝像部分多工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時攝像機與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照圖象可能出現(xiàn)模糊、歪斜和缺損等嚴重缺陷，因此需要對原始圖象進行識別前的預處理。預處理包括灰度化、車牌校正、平滑處理等。對于光照條件不理想的圖象，可先進行一次圖象增強處理，使得圖象灰度動態(tài)范圍擴展和對比度增強，再進行定位和分割，這樣可以提高分割的正確率。在本文中根據(jù)采集到的圖像本身的特點，對它進行了灰度化的處理。因為彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度，因此將彩色圖像轉化為灰度圖像，以縮短處理速度。圖像中車輛牌照是具有比較顯著特征的一塊圖象區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列的；在整體圖象中的位置較為固定。正是由于牌照圖象的這些特點，再經(jīng)過適當?shù)膱D象變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣，于是對其邊緣提取，此處邊緣的提取采用的是Roberts算子。在定位模塊，本文采用的是車牌顏色與數(shù)學形態(tài)學相結合的定位方法。首先，將預處理后的圖像用數(shù)學形態(tài)學的方法進行處理。數(shù)學形態(tài)學的應用可以簡化圖像數(shù)據(jù)，保持它們基本的形態(tài)特征，并除去不相干的結構。本文中對圖像進行了腐蝕、平滑處理，腐蝕和平滑都具有濾波的作用，腐蝕是對圖像內(nèi)部做濾波處理，平滑是對噪聲進行濾波。這樣可以把字符與字符之間的雜色點去除，只有白色的字符和黑色的背景存在，這樣有利于的字符分割進行。最后還用了bwareaopen來去除對象中不相干的小對象。再根據(jù)車牌底色等有關的先驗知識，采用彩色像素點統(tǒng)計的方法，先確定行方向的車牌區(qū)域，再確定列方向的區(qū)域，得出最終的車牌區(qū)域。 車牌分割即把車牌的整體區(qū)域分割成單字符區(qū)域，具有承上啟下的作用。其難點在于噪聲合字符粘連，斷裂對字符的影響，因此必須先將定位后的車牌進一步處理。包括灰度化、二值化、均值濾波、膨脹或腐蝕處理。分割采用的方法為尋找連續(xù)有文字的塊，若長度大于某閾值T，則認為該塊有兩個字符組成，需要分割。為滿足下一步字符識別的需要，將分割后的字符歸一化。 西安工業(yè)大學北方信息工程學院畢業(yè)設計（論文） 最后將分割出來的字符運用模板匹配的方法與模板字符進行匹配，將其與模板字符相減，得到的0越多那么就越匹配。把每一幅相減后的圖的0值個數(shù)保存，然后找數(shù)值最大的，即為識別出來的結果。模板的制作很重要，必須要用精確的模板，否則就不能正確的識別。 對于識別錯誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖象的質(zhì)量；二是牌照字符的分割失敗導致的識別錯誤；再就是部分字符的形狀相似性，比如，B 和8，A 和4 等字符識別結果可能發(fā)生混淆的情況。 總之，盡管目前牌照字符的識別率還不理想，但是只要在分割出的字符的大小、位置的歸一化，以及嘗試提取分類識別能力更好的特征值和設計分類器等環(huán)節(jié)上再完善，進一步提高識別率是完全可行的。 5 結論5 結論本文主要解決了以下幾個問題：第一，在背景的圖象中如何定位分割牌照區(qū)域；第二，對分割下來的牌照字符如何提取具有分類能力的特征；第三，如何設計識別器。在車輛牌照字符識別系統(tǒng)的研究領域，近幾年出現(xiàn)了許多切實可行的識別技術和方法，從這些新技術和方法中可以看到兩個明顯的趨勢：一是單一的預處理和識別技術都無法達到理想的結果，多種方法的有機結合才能使系統(tǒng)有效識別能力提高。在本系統(tǒng)的設計時，也汲取了以上一些算法的思想，結合實際，反復比較，綜合分析；二是在有效性和實用的原則下，結合神經(jīng)網(wǎng)絡和人工智能的新技術的應用是研究的一個方向。根據(jù)車牌特點，一般采用的車牌定位算法有：邊緣檢測定位算法；利用哈夫變換進行車牌定位；色彩分割提取車牌等。這里本人采用的是邊緣檢測的方法實現(xiàn)定位的。字符分割的方法也有多種：基于聚類分析的字符分割；投影分割的方法；基于模板匹配的字符分割等。最常用的是投影分割，主要是針對在車牌定位，圖像預處理后比較規(guī)則的車牌圖像。優(yōu)點是程序邏輯設計簡單，循環(huán)執(zhí)行功能單一，便于設計和操作，程序執(zhí)行時間短。字符識別的基本方法通常又三類：結構特征分析方法；模板匹配法；神經(jīng)網(wǎng)絡法。此處采用的是模板匹配的方法，即是將要識別的字符與事先構造好的模板進行比對，根據(jù)與模板的相似度的大小來確定最終的識別結果。但是系統(tǒng)本身還存在許多不足，距離具體實用的要求仍有很大差距，但本人卻在這次課程設計中學到了很多知識。參