【正文】 字，進行第三步。 （ 3）調用漢字模板進行識別，若識別結果為漢字，則最終結果為 一漢字，識別結束；若識別結果為空字符，則最終識別結果為空字符，識別結束。 識別車牌的第 4個字符（若分割正確的話應該是字母或數(shù)字）： （ 1）調用字母模板庫進行識別，若為字母，則最終結果為一個字母，識別結束；若識別結果為空字符，則表示不是字母，進行第二步。 （ 2）調用數(shù)字模板進行識別，若為數(shù)字，則最終結果為一數(shù)字，識別結束；若為空字符，則表示不是數(shù)字，進行第三步。 （ 3）調用漢字模板進行識別，若識別結果為漢字，則最終結果為一漢字，識別結束；若識別結果為空字符，則最終識別結果為空字符，識別結束。 識別 車牌的第 7 個字符（若分割結果正確的話應該是數(shù)字）：調用數(shù)字模板進行識別，若為數(shù)字，則最終結果為一個數(shù)字，識別結束；若為空字符，則最終識別結果為空字符，識別結束。 對于車牌圖像的第 2和 3個字符，進行完全的識別，主要是因為考慮到字符的分割不一定正確，即不能保證分割后的第 1個車牌字符為漢字，第 2個車牌字符為字母，而第 4個車牌字符為字母或數(shù)字。對這三個字符做這樣的完全識別后，可以得到一些非常有用的信息，這些信息可以返回到字符分割模塊，可以指導字符分割調整字符分割的策略。例如，若識別出的車牌圖像的第 2個字符是漢字，則說明字符模塊做字符分割的時候在車牌圖像的左邊提取了一個多余的字符，因此字符分割模塊要去掉這個多余的字符，從漢字字符起，依次提取出 7個字符來。 22 圖 車牌中的字符 圖 模板字符 本文字符識別流程 模板匹配是車牌字符識別最早使用的方法之一，本文也主要是研究基于模板匹配的系統(tǒng)，所以本章重點研究這種算法。具體模板匹配的字符識別步驟如下： 一般使用的模板匹配法是直接使用歸一化后的圖像作為待識別字符圖像，而歸一化 后的圖像由于預處理的原因，很有可能筆劃粗細不均，并且存在著部分噪音點，不易于處理，所以我們首先采用細化的方法，將原來的待識別字符圖像中的字符進行細化處理，然后再進行模板匹配的粗比對，在通過粗比對將字符圖像分組后，再根據(jù)車牌字符的細節(jié)特征對字符進行細比對，最終得到識別結果，從而實現(xiàn)了我們識別字符的目的，算法流程如下圖所示： 歸 一 化 后 圖 像 字 符 的 細 化 模 版 匹 配 粗 細根 據(jù) 粗 對 比 分 類模 板 匹 配 細 化 對識 別 結 構 圖 算法流程圖 首先進行第一步，細化處理。細化，又稱為骨架化，即在不影響原圖的拓撲連接關系的條件下，將寬度大于一個 像素的圖形線條轉變?yōu)橹挥幸粋€像素寬度的處理過程，也就是抽取圖像的骨架，由于細化能很好地展現(xiàn)圖像的形狀，并且，細化還有一個優(yōu)點就是可以減少所需用到的內存空間，這樣就可以在進行圖像處理時簡化23 一些操作，加快處理速度。因此，細化在圖像處理中占有著重要的地位，是圖像分析、信息壓縮、特征抽取及模式識別常用的技術。 由于細化處理在圖像處理中的重要性，所以細化算法一直是人們比較關注的問題，人們也提出了許多的細化算法，這些算法的處理方法和結果也都不一樣，但是不論其目的，用途怎樣，細化過程都不能改變原圖的拓撲連續(xù)性，也不能有顯 著的端點縮短和叉點分離的畸變情況。此外，在許多情況中，細化的過程占整個圖像處理一半以上的時間，因而提高細化算法的速度也是非常有意義的。 我們采用的是一種簡單而且效果很好的算法，能夠實現(xiàn)抽取骨架的功能。所謂骨架，可以理解為圖像的中軸，例如一個長方形的骨架就是它的長方向上的中軸線；正方形的骨架就是它的中心點；圓的骨架就是它的圓心；直線的骨架就是它自身；孤立點的骨架也是自身。那么，如果去除那些骨架以外的點呢？顯然，是要根據(jù)它的八個相鄰點的情況來判斷，以下就是幾個例子，如圖所示： 圖 細化示意圖 上圖中的中心點就是我們所要處理的像素點，下面就來討論像素點可不可以刪除，圖（ 1）的像素點不可以刪除，因為它是個內部點，我們要求的是骨架，如果連內部點也刪除了，那么骨架就會被掏空的，所以不能刪除，圖（ 2）中的像素點也不可以刪除，因為它也是內部點，和圖（ 1）一樣，圖（ 3）中的像素點可以刪除，因為該點不是骨架，圖（ 4）也不能刪除，因為刪除后，原來相連的部分就斷開了，圖（ 5）的可以刪除，因為不是骨架，圖（ 6）不能刪除，因為它是直線的端點，如果這樣的點刪除了，那么整 個直線也被刪了，圖（ 7）也不能刪，因為它是孤立點，由此可以看出，有這樣幾條判斷依據(jù)： 內部點不能刪除； 孤立點不能刪除； 直線端點不能刪除； 如果 P是邊界點，去掉 P后，如果連通分量不增加，則 P可以刪除。 根據(jù)這些判斷依據(jù)，我們可以制作一張表格，從 0到 255共有 256個元素，每個元素要么是 0，要么是 1。我們根據(jù)被處理點的八個相鄰點的情況來查表，若表中 (2) (4) (3) (6) (1) (5) 24 的元素是 1，則表示該點應該刪除，否則保留。具體的查表方法如下：設白點為 1，黑點為 0；自左上方開始，左上方點對應一個 8 位數(shù)的第一位，正上方點對應第二位，右上方點對應第三位，左鄰點對應第四位，右鄰點對應第五位，左下方點對應第六位，正下方點對應第七位，右下方點對應第八位，這樣就構成了一個 8位二進制數(shù)。 我們判斷用的表如下： Staticinttable [256]={ 0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,1,1,0,0,1,1,1, 1,0,0,0,0,0,0,0,1,0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,1,1,0,0,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,0,0,1,1,0,0,1,1,0,1,1,1,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,1,1,0,0,1,1,1,10,0,0,0,0,0,0,0,1,1,0,0,1,1,0,0,0,0,0,0,0,0,0,0,1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,0,1,1,0,0,1,1,0,0,1,1,0,1,1,1,0,0,1,1,0,0,1,1,1,0,1,1,0,0,1,0,0,0}；通過這張判斷表，我們就可以很簡單的判斷該點是否應該刪除，整個算法也就非常簡單了。我們首先水平方向掃描第一行最左邊的點，然后是最右邊的點，接著掃描第二行最左邊的點，最右邊的點，直到最后一行最左邊的點，最右邊的點；然后垂直方向掃描第二列最上邊的點（因為第一列最上邊的點已經被刪除），第二列最下邊 的點，直到倒數(shù)第二列最上邊的點，最下邊的點。這樣，剛好剝掉了一圈，這也正是我們細化所要做的事。通過對整個圖像進行一遍掃描，即完成了細化操作。 接下來進行第二步，模板匹配的粗比對。所謂的粗比對，就是按照車牌字符所特有的特征，如車牌上漢字后面的第一位應該是英文字母，第二位和第三位有可能是英文字母也有可能是數(shù)字，最后三位應該都是數(shù)字，正是按照這些特征，我們將待識別字符分成三組，第一組是英文字母，第二組是數(shù)字，第三組是數(shù)字或者字母，這樣，我們就把每一組分別和不同的字符標準模板進行模式匹配，在這一次匹配中我們不需要做 到非常的精確，只需要匹配度達到一個基本的匹配閾值λ 0 以上就可以了，然后我們按照字符的匹配度將它分為幾組，分組情況如下： G， Q， D， O， 0一組， Z， 2 一組等，具體的識別流程圖如下圖所示： 細 化 后 的 字 符 根 據(jù) 字 符 的 位 置 分 組 與 同 組 的 標 準 模 版 匹 配比 較 所 有 的 匹 配 值 選 擇 最 相 近 的 字 符 25 圖 字符識別流程圖 這樣，就完成了對字符模板匹配的粗比對，但是，其中也有例外，例如‘ 1’‘ W’等字符，因為沒有與它們相似的字符，所以通過粗比對就可以確定，而其它字符還要經過細比對才能得出識別結果。 最后一步，就是對待識別圖像與標準模板進行細節(jié)比對，也就 是我們所說的字符細比對。 字符的細比對，是在字符經過了粗比對的基礎上，待識別字符與標準模板中的每一個字符都有一個匹配值，這時，就要根據(jù)它所處的位置和它與標準模板的匹配情況，選擇匹配值最大的字符模板，認為待識別字符就是該模板所代表的字符。例如某個待識別字符如圖 （圖像為標準化的 40 20的圖像），它與‘ 0’，‘ Q’，‘ D’，‘ G’標準字符模板的相似度均大于我們預定的閾值λ 0，并且根據(jù)它所處的位置來進行判斷，假設它處在最后一個位置，那么它就應該是數(shù)字，所以不用進行細比對，我們就可以確定它是數(shù)字‘ 0’，但是如 果它處在第三個位置，它就有可能是數(shù)字也有可能是字母，這是我們就無法簡單的確定它是‘ 0’，‘ Q’，‘ D’還是‘ G’，我們就需要對它進行細比對。 圖 待識別的圖像 圖 OQDG標準模板 首先，將待識別圖像與字母‘ Q’標準模板來進行細比對，我們發(fā)現(xiàn)數(shù)字‘ 0’與字母‘ Q’最大的區(qū)別在于圖像的右下方，如圖 所示（為了方便顯示，我們將圖片放大，并且取反色以便觀看），所以我們只需要選取待識別圖像的右下角區(qū)域，再與字母‘ Q’的標準模 板的相同區(qū)域進行比較，這時，由于是細節(jié)比對，所以我們就需要提高判斷閾值，當然，根據(jù)字母之間相似度，有些閾值要大一些，有些閾值就要小一些，例如這種比較，我們根據(jù)經驗就設定閾值為 ，通過比較，發(fā)現(xiàn)兩者的相似度遠遠低于 ，所以，我們就認為這個字符不可能是‘ Q’。 圖 字符 Q與 O的區(qū)別 26 接下來，我們將待識別圖像與字母‘ D’標準模板來進行細比對，通過對比，我們注意到數(shù)字‘ 0’與字母‘ D’最大的區(qū)別是圖像的上 1/3部，如圖 所示，所以這次我們需要選取待識別圖像的上 1/3 部，拿它來與字母‘ D’ 的標準模板的上 1/3 部比較，這次，我們選定閾值為 ，通過比較，發(fā)現(xiàn)兩者的相似度遠遠低于 ，所以，我們同樣也不認為是字母‘ D’。 圖 字符 D與 O的區(qū)別 然后，我們再把待識別圖像與字母‘ G’的標準模板來比對，通過圖 我們可以看出，數(shù)字‘ 0’和字母‘ G’的最大區(qū)別在于圖像的右上部，所以我們只需要比較待識別字符圖像的右上部分即可。這次比較，我們選用的閾值是 ，通過比較，發(fā)現(xiàn)兩者的相似度為 左右，所以我們也不認識該字符圖像是‘ G’。 圖 字符 O與 G的區(qū)別 經過了三次 細比對，我們發(fā)現(xiàn)待識別字符并不是‘ Q’，‘ D’和‘ G’，所以我們就認為它是‘ 0’或者‘ O’（對于這兩種字符，我們認為通過字符匹配是無法區(qū)分的，我們只能通過他們所處的位置來確定，如果處在第二個字符位置，那么我們就認為它是‘ O’，否則我們認為它是‘ 0’），至此，我們就完成了對這個字符的識別，識別結果也就出來了。 同樣，采用相同的方法，我們也一樣可以識別出其他的字符。這樣，我們就通過改進的模板匹配方法達到了我們識別字符的最終目的。改進的方法采用了細化的方法提取了字符的骨架，減少了冗余信息，使其在復雜的應用環(huán)境中仍 然能夠準確27 的識別出字符，通過粗比對和細比對兩次匹配方法，提高了識別的魯棒性和準確性，并且是運算速度得到了提高。 28 第 5 章 車牌識別系統(tǒng)在 MATLAB 工具下的實現(xiàn) 本章是對算法的實現(xiàn)，介紹了 實驗環(huán)境平臺搭建、識別過程、實驗數(shù)據(jù)及分析。 實驗環(huán)境 硬件環(huán)境： 數(shù)碼相機一臺（用于采集圖片）， PC 機一臺。 軟件環(huán)境： 操作系統(tǒng)： Windows XP 圖像格式： jpg 格式， 24位真彩色 編程環(huán)境： MATLAB 2021。 平臺搭建 根據(jù)上文研究的算法，利用 MATLAB 的 M 語言分別實現(xiàn)了車牌識別系統(tǒng)的定位、 字符切分和字符識別功能模塊，利用 MATLAB 的 GUI 工具箱開發(fā)了測試系統(tǒng)，驗證上面設計的算法在車牌識別系統(tǒng)中的應用效果，利用 MATLAB 的圖形用戶開發(fā)環(huán)境（ GUIDE）設計了本測試平臺，流程如下： 圖 輸入圖像 *.jpg 車牌定位模塊 控件 2： 輸入?yún)?shù) 控件 3： 輸出結果 車牌字符切分模塊 車牌字符識別模 塊 控件 1： 讀入圖像數(shù)據(jù) 輸出識別結果 29 啟動測試界面時，將會先導入識別參數(shù)設置值，當改變參數(shù)設置后，更新識別參數(shù)設置值，使之與當前設置一致。