【文章內(nèi)容簡介】 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的位置發(fā)生改變。在實際設(shè)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(shè)計的特征量來構(gòu)建模板，就可以避免上述問題。 第 33 頁 共 48 頁 19 圖 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(jié)合本次設(shè)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(shè)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(jié)果。 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(yīng)值 后 5 個字符與模板中的字母與數(shù)字模板進行匹配 第 32 頁 共 48 頁 第 33 頁 共 48 頁 21 第四章 實驗結(jié)果和分析 在得 到結(jié)果之前，需要對車牌圖像進行預(yù)處理、車牌定位、車牌分割等處理。 對于識別錯誤情況的分析可知，主要原因： 一是對于彩色車牌的識別具有局限性，有些車牌不是藍色底的，例如我們的校車就是黃色底的。 二是牌照自身的污漬等影響了圖象的質(zhì)量； 三是牌照字符的分割失敗導(dǎo)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(jié)果可能發(fā)生混淆的情況。 一是對于彩色車牌的識別具有局限性，有些車牌不是藍色底的，例如我們的校車就是黃色底的。 總之，盡管目前牌照字符的識別率還不理想，但是這種思路的可行性得到 了證實，更多的實驗與程序的改進完全可以實現(xiàn)搞成功率的車牌識別。 第 32 頁 共 48 頁 致 謝 通過這次大作業(yè)的實踐與學(xué)習(xí)，我們學(xué)習(xí)和鞏固了許多數(shù)字圖像處理中學(xué)習(xí)到的知識，并且對 matlab 這個軟件有了更深層次的了解與認識。對于在大作業(yè)的完成過程中給予幫助的同學(xué)與老師在此表示真心的感謝。 第 33 頁 共 48 頁 23 參考文獻 [1] 許錄平 .數(shù)字圖像處理 .科學(xué)出版社 [2] 樓順天 . 程序設(shè)計語言 .西安電子科技大學(xué)出版社 [3] .baidu 網(wǎng)站 第 32 頁 共 48 頁 程序附錄： function [d]=main(jpg) I=imread(39。39。)。 figure(1),imshow(I)。title(39。原圖 39。)。 I1=rgb2gray(I)。 %將真彩色圖像轉(zhuǎn)換為灰度圖像 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。)。 %高斯濾波器 ,方差為 figure(3),imshow(I2)。title(39。robert 算子邊緣檢測 39。) se=[1。1。1]。 I3=imerode(I2,se)。 %圖像的腐蝕 figure(4),imshow(I3)。title(39。腐蝕后圖像 39。)。 se=strel(39。rectangle39。,[40,40])。 %構(gòu)造結(jié)構(gòu)元素，以長方形構(gòu)造一個 se I4=imclose(I3,se)。 %對圖像實現(xiàn)閉運算，閉運算也能平滑圖像的輪廓，但與開運算相反，它一般融合窄的缺口和細長的彎口， 去掉小洞，填補輪廓上的縫隙。 figure(5),imshow(I4)。title(39。平滑圖像的輪廓 39。)。 I5=bwareaopen(I4,2021)。 %從二進制圖像中移除所有少于 p 像素的連接的組件（對象），產(chǎn)生另一個二進制圖像 figure(6),imshow(I5)。title(39。從對象中移除小對象 39。)。 [y,x,z]=size(I5)。 %返回 I5各維的尺寸，并存儲在變量 y、 x、 z中 myI=double(I5)。 %換成雙精度數(shù)值 第 33 頁 共 48 頁 25 %begin 橫向掃描 tic %計算 tic 與 toc 之間程序的運行時間 Blue_y=zeros(y,1)。 %產(chǎn)生 y*1 的全 0矩陣 for i=1:y for j=1:x if(myI(i,j,1)==1) %如果 myI(i,j,1)即 myI 圖像中坐標為 (i,j)的點為藍色 %則 Blue_y 的相應(yīng)行的元素 white_y(i,1)值加 1 Blue_y(i,1)= Blue_y(i,1)+1。%藍色像素點統(tǒng)計 end end end [temp MaxY]=max(Blue_y)。%temp 為向量 white_y 的元素中的最大值， MaxY 為該值的索引（ 在向量中的位置） PY1=MaxY。 while ((Blue_y(PY1,1)=120)amp。amp。(PY11)) PY1=PY11。 end PY2=MaxY。 while ((Blue_y(PY2,1)=40)amp。amp。(PY2y)) PY2=PY2+1。 end IY=I(PY1:PY2,:,:)。 %IY 為原始圖像 I 中截取的縱坐標在 PY1： PY2 之間的部分 %end 橫向掃描 第 32 頁 共 48 頁 %begin 縱向掃描 Blue_x=zeros(1,x)。%進一步確定 x方向的車牌區(qū)域 for j=1:x for i=PY1:PY2 if(myI(i,j,1)==1) Blue_x(1,j)= Blue_x(1,j)+1。 end end end PX1=1。 while ((Blue_x(1,PX1)3)amp。amp。(PX1x)) PX1=PX1+1。 end PX2=x。 while ((Blue_x(1,PX2)3)amp。amp。(PX2PX1)) PX2=PX21。 end %end 縱向掃描 PX1=PX12。%對車牌區(qū)域的校正 PX2=PX2+2。 dw=I(PY1:PY2,:,:)。 t=toc。 figure(7),subplot(1,2,1),imshow(IY),title(39。行方向合理區(qū)域 39。)。 figure(7),subplot(1,2,2),imshow(dw),title(39。定位剪切后的彩色車牌圖像 39。) 第 33 頁 共 48 頁 27 imwrite(dw,39。39。)。 %將圖像數(shù)據(jù)寫入到圖像文件中 [filename,filepath]=uigetfile(39。39。,39。輸入一個定位裁剪后的車牌圖像39。)。 %讀取 jpg=strcat(filepath,filename)。 %將數(shù)組 filepath,filename水平地連接成單個字符串，并保存于變量 jpg 中 a=imread(39。39。)。 %讀取圖片文件中的數(shù)據(jù) b=rgb2gray(a)。 %將真彩色圖像轉(zhuǎn)換為灰度圖像 imwrite(b,39。 .jpg39。)。 %將圖像數(shù)據(jù)寫入到圖像文件中 figure(8)。subplot(3,2,1),imshow(b),title(39。 39。) g_max=double(max(max(b)))。 %換成雙精度數(shù)值 g_min=double(min(min(b)))。 %換成雙精度數(shù)值 T=round(g_max(g_maxg_min)3)。 % T 為二值化的閾值 [m,n]=size(b)。 %返回矩陣 b的尺寸信息， 并存儲在 m、 n中。其中 m中存儲的是行數(shù)， n 中存儲的是列數(shù)。 d=(double(b)=T)。 % d:二值圖像 imwrite(d,39。 .jpg39。)。 %將圖像數(shù)據(jù)寫入到圖像文件中 figure(8)。subplot(3,2,2),imshow(d),title(39。 39。) figure(8),subplot(3,2,3),imshow(d),title(39。 39。) % 濾波 ) returns the nbyn identity matrix 單位矩陣 [m,n]=size(d)。 %返回矩陣 b的尺寸信息， 并存儲在 m、 n中。其中 m中存儲的是行數(shù)， n中存儲的是列數(shù) if bwarea(d)mn= %計算二值圖像中對象的總面積 d=imerode(d,se)。 %圖像的腐蝕 第 32 頁 共 48 頁 elseif bwarea(d)mn= %計算二值圖像中對象的總面積 d=imdilate(d,se)。 %實現(xiàn)膨脹操作 end imwrite(d,39。 .jpg39。)。 %將圖像數(shù)據(jù)寫入到圖像文件中 figure(8),subplot(3,2,5),imshow(d),title(39。 39。) % 尋找連續(xù)有文字的塊，若長度大于某閾值，則認為該塊有兩個字符組成，需要分割 d=qiege(d)。 %切割 [m,n]=size(d)。 %返回矩陣 b的尺寸信息， 并存儲 在 m、 n中。其中 m中存儲的是行數(shù)， n中存儲的是列數(shù) figure,subplot(2,1,1),imshow(d),title(n) k1=1。k2=1。s=sum(d)。j=1。 while j~=n while s(j)==0 j=j+1。 end k1=j。 while s(j)~=0 amp。amp。 j=n1 j=j+1。 end k2=j1。 if k2k1=round() [val,num]=min(sum(d(:,[k1+5:k25])))。 d(:,k1+num+5)=0。 % 分割 end 第 33 頁 共 48 頁 29 end % 再切割 d=qiege(d)。 % 切割出 7 個字符 y1=10。y2=。flag=0。word1=[]。 while flag==0 [m,n]=size(d)。 left=1。wide=0。 while sum(d(:,wide+1))~=0 wide=wide+1。 end if widey1 % 認為是左側(cè)干擾 d(:,[1:wide])=0。 d=qiege(d)。 else temp=qiege(imcrop(d,[1 1 wide m]))。 [m,n]=size(temp)。 all=sum(sum(temp))。