【文章內(nèi)容簡介】 符分割 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(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識別。字符識別的算法很多，因?yàn)檐嚺谱址g間隔較大，不會出現(xiàn)字符粘連情況，所以此處采用的方法為 尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。 字符大小歸一化 歸一化的目的是把提取的車牌圖像中的字符調(diào)整到與標(biāo)準(zhǔn)模板中的字符特征一致，以便進(jìn)行識別。由于分割出來的字符圖像尺寸大小可能不一樣，因此需 12 對字符圖像進(jìn)行歸一化處理，使每個(gè)標(biāo)準(zhǔn)字符的圖像窗口大小為 20x40. 我們假設(shè) f(x,y)為未歸一化的圖像， g(x, y)為歸一化以后的圖像。設(shè) (x0, y0)為 f(x, y)中的任一點(diǎn)， (x1, y1)為在 g(x, y) 中的對應(yīng)點(diǎn)。 w1和 w2分別為字符圖像在原車牌圖像中的左邊緣和右邊緣列坐標(biāo)， Width為模板寬度，此處為 20；h1和 h2分別為字符圖像在原車牌圖像中的上邊緣 和下邊緣的行坐標(biāo)， Height為模板高度，此處為 40。 采用的歸一化的公式如下所示 : 下圖給出了字符大小歸一化的例子 . ?? ?? 歸一化 大小為 17x34原圖 大小為 20x40 ?? ?? 歸一化 大小為 30x60 大小為 20x30 模板設(shè)計(jì) 分析字符分割得到的圖像以及其他車牌圖像中字符的特點(diǎn)，將模板大小定為20x40 背景為黑色，代表灰度值 0，字符邊緣為白色。代表灰度值 255。 設(shè)計(jì)過程如下： 1. 用畫圖工具先分別畫出 10個(gè)數(shù)字， 26個(gè)字母， 8個(gè)數(shù)字， 并分別保存為0,1,2...A,B C，晉，京，遼，魯，陜 ....根據(jù)畫圖的經(jīng)驗(yàn) 其大小應(yīng)略大于 2040，以利于后面的處理 , 所得到的字符均為黑字白底。 2. 對 1中獲得的粗略圖像用 MATLAB進(jìn)行處理。處理的方面包括 : ，利用二維數(shù)組的映射關(guān)系實(shí)現(xiàn)，去掉開始行 (列 )與結(jié)束行 (列 )即所有外圍像素點(diǎn)。 ，實(shí)現(xiàn)圖像銳化。 13 ，切割為標(biāo)準(zhǔn)的 20x40格式。 3. 整個(gè)處理過程結(jié)束后，再用 imwrite 函數(shù)寫入圖像庫中，作為標(biāo)準(zhǔn)模板使用。 本文中建立的模板幾個(gè)實(shí)例 ....... 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。 字符識別 傳統(tǒng)的模板匹配法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(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互 相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖象歸于相應(yīng)的類。也可以計(jì)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(yù)處理和規(guī)格化處理后，使得圖象的灰度或像素點(diǎn)的位置發(fā)生改變。在實(shí)際設(shè)計(jì)模板的時(shí)候，是根據(jù)各區(qū)域形狀固有的特點(diǎn)，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(jìn)去，按照一些基于圖象不變特性所設(shè)計(jì)的特征量來構(gòu)建模板，就可以避免上述問題。 ↓ ↓ 讀取字符分割出的七個(gè)字符 建立字符模板庫用來識別字符 14 ↓ ↓ ↓ ↓ ↓ ↓ 圖 31 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(gè)字符最相似，然后找到相似度最大的輸出，解決了 在計(jì)算相似度的時(shí)候計(jì)算機(jī)需要進(jìn)行大量的乘除法運(yùn)算。汽車牌照的字符一般有七個(gè)，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(gè)，大寫英文字母 26個(gè)，數(shù)字 10 個(gè)。所以建立字符模板庫也極為方便。為了實(shí)驗(yàn)方便，結(jié)合本次 設(shè)計(jì)所選汽車牌照的特點(diǎn)，只建立了 8 個(gè)數(shù)字， 26個(gè)字母與 10 個(gè)數(shù)字的模板。其他模板設(shè)計(jì)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(jìn)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(gè)數(shù)保存，然后找數(shù)值最大的，即為識別出來的結(jié)果。 第一個(gè)字符與模板中的漢字模板匹配 第三，四個(gè)字符與模板中的字母與數(shù)字模板進(jìn)行匹配 待識別字符與模板字符相減，找到結(jié)果中 0 最多的即是找到匹配最好的一個(gè)字符 第二個(gè)字符與模板中的字母模板匹配 第五，六，七字符與 模板中的數(shù)字模板進(jìn)行匹配 識別完成 15 第四章 實(shí)驗(yàn)結(jié)果與討論 實(shí)驗(yàn)條件 ： CPU: AMD 速龍 4000+ 內(nèi)存 : 1GB 顯卡 : 集成顯卡 操作系統(tǒng) : Windows 7 開發(fā)環(huán)境 : MATLAB R2021a 實(shí)驗(yàn)結(jié)果與分析 (1) 通過選取合適的閥值將牌照圖像二值化 ,將會去掉光線變化的影響 .全局閥值速度較快 ,但是容易造成牌照筆畫丟失 。而局部閥值則可能造成筆畫斷裂 . (a) (b) (c) 圖 41 光照不均車牌圖像的二值化方法比 較 (a)原始灰度圖像 。 (b)全局閥值 。 (c)分段自適應(yīng)確定二值化閥值 為避免兩類二值化閥值選取的缺點(diǎn) ,可以將牌照分成若干個(gè)小圖像 ,對每個(gè)小圖像求取全局閥值 . (2) (a) 二值化處理后圖像 (b) 腐蝕后圖像處理 (c) 字符分割處理 圖 42 識別流程圖 16 實(shí)驗(yàn)分析 ： a. 灰度校正 : 由于牌照圖象在拍攝時(shí)受到種種條件的限制和干擾，圖象的灰度值往往與實(shí)際景物不完全匹配，這將直接影響到圖象的后續(xù)處理。如果造成這種影響的原因主要是由于被攝物體的遠(yuǎn)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(shí)各點(diǎn)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。這時(shí)就可以采用灰度校正的方法來處理，增強(qiáng)灰度的變化范圍、豐富 灰度層次，以達(dá)到增強(qiáng)圖象的對比度和分辨率。我們發(fā)現(xiàn)車輛牌照圖象的灰度取值范圍大多局限在 r=(50,200)間，而且總體上灰度偏低，圖象較暗 圖 42 灰度增強(qiáng)后的圖像 : 對于受噪聲干擾嚴(yán)重的圖象，由于噪聲點(diǎn)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(shí)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。 圖 43 去噪效果比較 (a) 原始圖像 。 (b) 加入噪聲 。 (c) 單一結(jié)構(gòu)元素 。 (d) 多結(jié)構(gòu)元素 17 實(shí)驗(yàn)結(jié)果：從上圖的 兩 個(gè)車牌仿真實(shí)驗(yàn)可知，車牌識別的結(jié)果準(zhǔn)確率受到車牌圖像預(yù)處理，車牌定位，字符分割的影響力 ，表 明此種方法可以提高字符識別正確率，另外速度上也得到提升。 18 小結(jié) 本文以 PC機(jī)和數(shù)碼相機(jī)作為車牌圖像采集設(shè)備，以 MATLAB軟件作為作為實(shí)現(xiàn)字符識別的主要工具，進(jìn)行了汽車牌照中字符識別技術(shù)的相關(guān)研究，利用改進(jìn)的模板匹配在計(jì)算相似度時(shí)避免了大量的乘除法運(yùn)算，帶來了字符識別速度。另外，利用不同的字符庫對特定字符區(qū)域進(jìn)行匹配也提升了字符識別正確 率。 19 參考文獻(xiàn) [1] 岡薩雷斯．?dāng)?shù)字圖像處理（第二版）．電子工業(yè)出版社， 2021． 8 [2] 趙書蘭 .MATLAB數(shù)字圖像處理與分析實(shí)例教程 .化學(xué)工業(yè)出版社， [3] 藍(lán)章禮、李益才 .數(shù)字圖像處理與通信 . [4] 陳桂明、張明照、戚紅雨 .應(yīng)用 MATLAB語言處理數(shù)字信號與數(shù)字圖像?？茖W(xué)出版社，2021 [5] 葉晨洲，廖金周．梅帆．車輛牌照字符識別系統(tǒng)叨．計(jì)算機(jī)系統(tǒng)應(yīng)用。 (5)：10— 13． [6] 崔江，王友仁．車牌 自動識別方法中的關(guān)鍵技術(shù)研究【 J】．計(jì)算機(jī)測量與控制， 2021，1l(4)： 260— 262． [7] 宋建才．字符結(jié)構(gòu)知識在車牌識別中的應(yīng)用．電子技術(shù)應(yīng)用， 2021,3(4)： 18～ 19 [8] 陳景航 ,楊宜民 . 基于小波變換和神經(jīng)網(wǎng)絡(luò)的車牌識別系統(tǒng) [J].計(jì)算機(jī)工程 ,2021,31(15):175177. [9] 童建軍 ,鄒明福 . 車牌字符的一種精判別識別方法 [J].計(jì)算機(jī)工程與應(yīng)用 ,2021,41(2):223226. [10] 宋建才 . 字符結(jié)構(gòu)知識在車牌識別中的應(yīng)用 [ J ] . 計(jì)算機(jī) 應(yīng)用 ,2021 , 21(3) : 33 36. [11] 沈庭芝，方子文 .數(shù)字圖像處理及模式識別 [M].北京：北京理工大學(xué)出版社 .1998 [12] 魏武 .一種基于模板匹配的車牌識別方法 [J] 中國公路學(xué)報(bào) ,2021,14(1):104106 [13] 閻建國 ， 高亮 ， 盧京潮 .圖象處理技術(shù)在車牌識別中的應(yīng)用 [期刊論文 ]電子技術(shù)應(yīng)用 2021(1) [14] 鄭南寧 .張西寧 .戴瑩行駛車輛牌照自動識別系統(tǒng) 1991(01) [15] 趙明生 , 包叢笑等 . 車牌識別技術(shù)在交通工程和城市安全中 的作用及應(yīng)用前景〔 M 〕 . 北京 : 人民交通出版杜 . 1997. 20 附錄 .1 % 讀取原始車牌圖像 I=imread(39。39。)。 % 讀取車牌分割出來的七個(gè)字符 word1=imread(39。39。)。 word2=imread(39。39。)。 word3=imread(39。39。)。 word4=imread(39。39。)。 word5=imread(39。39。)。 word6=imread(39。39。)。 word7=imread(39。39。)。 % 商用系 統(tǒng)程序中歸一化大小為 40*20 word1=imresize(word1,[40 20])。 word2=imresize(word2,[40 20])。 word3=imresize(word3,[40 20])。 word4=imresize(word4,[40 20])。 word5=imresize(word5,[40 20])。 word6=imresize(word6,[40 20])。 word7=imresize(word7,[40 20])。 subplot(3,7,15