【正文】 像中的對應形狀以達到對圖像分析和識別的目的。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。在本程序中用到了膨脹和閉合這兩個基本運算，最后還用了 bwareaopen 來去除對象中不相干的小對象。 采用 matlab自帶的 edge()函數(shù)對圖像進行邊緣的提取。 edge()格式： [g,t]=edge(f,’ method’ ,parameters) 湖北工業(yè)大學理學院 2022 屆畢業(yè)設計（論文） 26 畢業(yè)設計 專用紙 本次作業(yè)采用 canny邊緣檢測器。進行邊緣檢 測，檢測后的結果如圖 牌照區(qū)域的分割 候選區(qū)域的提取 提取候選區(qū)域的步驟是：首先對經過開閉運算處理的圖像進行區(qū)域提取，并計算區(qū)域特征參數(shù)，然后根據(jù)車牌的先驗知識對區(qū)域特征參數(shù)進行比較，提取車牌區(qū)域。本課題選擇使用車牌的寬高范圍和比例關系對車牌進行初步定位。對車牌的區(qū)域提取可以利用 regionprops 函數(shù)，對圖像每個區(qū)域進行標記，然后計算每個區(qū)域圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形，面積。最后計算出包含所標記區(qū)域的最小矩形的寬和高。 對車牌的分割可以 2022 年實施的車牌標準規(guī)定， 車前車牌長 440mm，寬 140mm。其比例為 440 /140 ≈ 。根據(jù)圖像像素的大小，這里選取篩選條件為寬在 50 到 150 之間，高在 20 到 50 之間，同時寬高比例應大于 ，就可以比較準確的得到車牌的大致位置。 初步提取的車牌 車牌進一步處理 經過上述方法分割出來的車牌圖像中存在目標物體、背景還有噪聲，要想從圖像中直接提取出目標物體，最常用的方法就是設定一個閾值 T，用 T將圖像的數(shù)據(jù)分成兩部分：大于 T 的像素群和小于 T 的像素群，即對圖像二值化。 均值濾波是典型的線性濾波算 法，它是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。 湖北工業(yè)大學理學院 2022 屆畢業(yè)設計（論文） 27 畢業(yè)設計 專用紙 圖像的二值化處理就是將圖像上的點的灰度值置為 0 或 255，這樣處理后整個圖像呈現(xiàn)明顯的黑白效果，即將 256 個亮度等級的灰度圖經過合適的閾值選取，而獲得的二值化圖像仍然可以反映圖像整體和局部特征。 二值化處理后的圖像，其集合性質只與像素值為 0 或 255 的點的位置有關，不再涉及像素的其他級值，處理過程簡單，且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域 。所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為 255，否則，灰度值為 0，表示背景或者其他的物體區(qū)域。如果某圖像在內部有均勻一致的灰度值，并且處在一個具有其他等級灰度值的均勻背景下，利用閥值法就能得到較好的切分效果。如果物體同背景的差別難以用不同的灰度值表現(xiàn)（比如紋理不同） ，可以把這些差別特征轉換為灰度的差別，然后利用閥值法來切分該圖像。動態(tài)調節(jié)閥值來實現(xiàn)圖像的二值化可動態(tài)地觀察其切分圖像的具體結果。 本次作業(yè)采用 matlab 中的 im2bw 函數(shù)對定位后的車牌進行二值化處理。 裁剪出來的車牌的進一步處理過程圖 湖北工業(yè)大學理學院 2022 屆畢業(yè)設計（論文） 28 畢業(yè)設計 專用紙 傾斜校正 雖然標準的車牌字符應為水平依次排列，但是由于放置不當或車身前進方向與圖像采集設備不在同一條直線上等原因，會造成圖像中的車牌傾斜、扭曲。因為一個傾斜的數(shù)字或字母的識別和一個很正的數(shù)字或字母的識別是有很大差別的，所以車 牌定位之后要進行傾斜校正。一般情況下，傾斜校正有兩步，第一步是找出傾斜的角度；第二部是進行坐標變換，得到校正后的圖像。 目前常用的計算傾斜角度的方法有兩種，一種是 Hough 變換來找出傾斜的角度，一種是利用投影的方法來找出傾斜的角度。另外還有 Radon變換方法等，這里主要介紹前面兩種方法。 本次作業(yè)采用 hough 算法對圖形進行傾斜校正。 圖 9旋轉前的圖像 圖 10 hough變換后的車牌二值圖像 分割與歸一化 經過車牌字符圖像的二值化和傾斜校正，得到的是一個只包含牌照字符的水平條形區(qū)域，為了進 行字符識別，需要將牌照字符從圖像中分割出來。這里常用投影法，既簡單又快捷。投影法切分車牌字符的思想是根據(jù)車牌字符的特點，將車牌圖像進行垂直方向的投影，因為字符區(qū)域的黑色像素點比較多，比較集中，同時每個車牌字符之間有一定的空隙間隔隔開。這樣投影下來得到的投影圖應該有多個相對 集中的投影峰值群，只要根據(jù)峰值群的特點進行分割，就可以得到車牌的字符。 對圖像的垂直方向進行投影，得到的投影圖如圖 11所示。 湖北工業(yè)大學理學院 2022 屆畢業(yè)設計（論文） 29 畢業(yè)設計 專用紙 圖 11 字符投影圖 圖中有七個比較集中的投影峰值群，且每個峰值之間都有一定的間隔。根據(jù)這一特點，從左往右 依次定位出每個字符的起始和結束位置，并且進行切割。然后對切割出來的每個字符圖像進行水平投影。根據(jù)水平投影像素累加值進行水平切割，從而得到精確切割后的字符。 車牌字符切分的具體算法為： 對車牌圖像進行垂直投影，計算出字符的寬度后，確定字符的中間位置，并計算相鄰兩個字符之間的間距，即中間距離的差值。取其最大值定為第二個字符和第三個字符之間的距離。以此為分界線，分別向前、后兩個方向進行切分，從而定位出每個字符的左右邊界，并保存在數(shù)組里。由于 MATLAB 的數(shù)組可以存放不同大小的數(shù)據(jù)，為字符邊界信息的存儲提供了 極大的便利。 2）對每個切分出的字符進行水平投影，確定字符的具體的上下邊界，保存到數(shù)組里。 3）由于用于最后識別的字庫中字符模板為 24 48 像素，所以這里對切分出來的字符進行歸一化處理，統(tǒng)一為 24 48 像素。 4）將歸一化后的字符的信息保存在數(shù)組里，做為參數(shù)輸入字符識別模塊與模板比較進行字符識別。 字符切分后的效果圖 湖北工業(yè)大學理學院 2022 屆畢業(yè)設計（論文） 30 畢業(yè)設計 專用紙 圖 13 字符分割與歸一化流程圖 字符分割 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上進行字符的分割，然后再利用分割的結果進行字符識別。字符識別的算法很多，因為車牌字符間間隔較大，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，則認為該塊有兩個字符組成，需要分割。 字符歸一化 一般分割出來的字符要進行進一步的處理，以滿足下一步字符識別的需要。但是對于車牌的識別，并不需要太多的處理就已經可以達到正確識別的目的。在此只進行了歸一化處理，然后進行后期處理。 湖北工業(yè)大學理學院 2022 屆畢業(yè)設計（論文） 31 畢業(yè)設計 專用紙 第五章：字符識別 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網絡的 OCR算法?；谀０迤ヅ涞?OCR 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，產生較大的噪聲干擾，或圖象經預處理 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。 模版匹配法原理簡介 要對一個車牌字符進行識別，首先是將這個車牌字符的圖片輸入電腦，而要對它進行處理，就要將它轉化為計算機可以識別的語言 .由于每一個待識別字符都是以數(shù)字圖像的形式存在的，因此將待識別字符的圖片通過 MATLAB 轉化為矩陣，再通過對矩陣進行一 系列的數(shù)學運算，從而達到對圖片進行識別的目的 .MATLAB 是處理矩陣運算的強大軟件，所以本文的整個識別過程都是通過MATLAB來實現(xiàn)的 . 湖北工業(yè)大學理學院 2022 屆畢業(yè)設計（論文） 32 畢業(yè)設計 專用紙 首先以二維圖像的處理為例介紹一下傳統(tǒng)的模板匹配算法。算法的基本思想是：將歸一化的字符二值圖像與模板庫中的字符二值化圖像逐個進行匹配，采用相似度的方法計算車牌字符與每個模板字符的匹配程度，取最相似的就是匹配。匹配時相似度函數(shù)定義為： 其中， f ij 為待識別車牌字符圖像中像素點 (i， j) 的灰度值，這里的取值為 0或 1， t (i， j )為模板字符圖像中像素點 (i， j )的灰度值，這里的取值為 0或 1；M 和 N為模板字符點陣橫向和縱向包含的像素個數(shù)。 本文是將待識別的字符與已經存儲在計算機中的標準模板進行邏輯‘與，運算，所有標準模板如圖 1 所示 .而將待識別字符與標準字符模板進行邏輯與’運算之所以能夠達到識別目的，其原理是 :當待識別字符與相應的字符模板匹配時結果較為清晰，與其余模板匹配時會變得很模糊，具體如圖 2所示。 圖 2, 3 和 4 中的 (a)分別表示字符‘ A39。, B，和‘ C39。的標準模板， (b)表示待識別字符‘ A39。,(c)表示待識別字符分別與這三個標準模板進行匹配后的結果 .從上述三幅圖中可以很容易看出，圖 2中的模板‘ A，應為待識別字符的識別結果 . 在實際的識別過程中，計算機需要一定的判別規(guī)則才可以將正確的識別結果自動輸出。 這就需要引入判別函數(shù)，而本文則是選取了兩個判別函數(shù)，分別利用這兩個判別函數(shù)對運算 湖北工業(yè)大學理學院 2022 屆畢業(yè)設計（論文） 33 畢業(yè)設計 專用紙 湖北工業(yè)大學理學院 2022 屆畢業(yè)設計（論文） 34 畢業(yè)設計 專用紙 圖 16 字符識別流 程圖 本文方法具體步驟 步驟 1：利用 MATLAB 將標準字符模板與待識別字符所對應的像素矩陣求出來，然后將它們二值化，得到相應的二值矩陣，分別記為 B (i=1,2,3， 4)和 D.將數(shù)字圖像進行二值化的 MATLAB命令為 : I=imread(39。39。) level=graythresh(1)。 BW 1=im2bw(I, level) 其中‘ a，表示圖片名稱， `b，表示圖片格式 . 步驟 2：將待識別字符與標準模板逐一進行邏輯‘與’運算，即將二值矩陣 D分別與二值矩陣 Bi(i=1,2,3 二 34)進行邏輯‘與，運算，得到相應的二值矩陣Xz。 =1,2,3二 34).邏輯‘與’運算對應的 MATLAB命令為 : L=and(a, b) 步驟 3：根據(jù)預先設計好的判別函數(shù)，得出最終的識別結果 .本文采用了兩個判別函數(shù)，分別為 : 上述兩個函數(shù)中， surn (A)表示求矩陣 A中所有元素的和 .在函數(shù) (1)中，與凡所對應的乓代表的標準模板為識別結果 ，在函數(shù) (2)中，與 X、對應的 B、所代表的標準模板為識別結果 . 步驟 4：通過 MATLAB 將正確的識別結果輸出 . 湖北工業(yè)大學理學院 2022 屆畢業(yè)設計（論文） 35 畢業(yè)設計 專用紙 識別結果及對比 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，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。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