【正文】 541從結(jié)果來看圖像中還是存在大量的噪聲點(diǎn)，所以我們需要對車牌進(jìn)一步去噪處理。這里采用均值濾波方式進(jìn)行濾波，消除車牌中的噪聲。所謂均值濾波實(shí)際上就是用均值替代原圖中的各個(gè)像素值。它的方法是對待處理前的當(dāng)前像素，選擇一個(gè)模板，該模板為其近領(lǐng)域的若干像素組成，用模板中像素的均值來替代原像素的方法。在Matlab調(diào)用方式：h=fspecial(39。average39。,3)。d=im2bw(round(filter2(h,d)))。imwrite(d,39。39。)。figure(8),subplot(3,2,4),imshow(d),title(39。39。)得到如圖542的結(jié)果， 圖542從結(jié)果可以明顯看出車牌去除了車牌中的噪聲，而且圖像得到了銳化。接著在對車牌圖像進(jìn)行膨脹和腐蝕處理根據(jù)經(jīng)驗(yàn)值，車牌圖像中，字符面積與車牌面積之比在(,)之間，因此計(jì)算字符面積與車牌面積比值，，這里的結(jié)果元素se采用的是一個(gè)二維單位矩陣，得到如圖543所示結(jié)果 圖543由圖543的結(jié)果圖可以看出，車牌存在一定的傾斜角度，因此我們需要把車牌修正到水平，為后續(xù)車牌的處理奠定一定基礎(chǔ)。本次設(shè)計(jì)采用rando變換對車牌進(jìn)行傾斜校正，計(jì)算車牌餓傾斜角度，根據(jù)得到的角度對車牌進(jìn)行一個(gè)旋轉(zhuǎn)，即可將車牌調(diào)整到水平方向。采用rando變換方法簡單，編程也不復(fù)雜，理解起來也比較的容易。在matlab的調(diào)用方式：[R,xp] = radon(I,theta)其中，I是圖像矩陣，theta是角度，R是返回的radon變換，xp包含沿x軸的相應(yīng)坐標(biāo)，本次theta是一個(gè)矢量，R的列對應(yīng)為相應(yīng)角度的radon變換。在利用radon變換找到了圖像的傾斜角度后，接著我們再利用旋轉(zhuǎn)函數(shù)imrotate函數(shù)對原二值圖進(jìn)行旋轉(zhuǎn)， 在Matlab的調(diào)用如下：d=imrotate(d,qingxiejiao,39。bilinear39。,39。crop39。),其中括號的d是原二值圖，等號左邊的d是經(jīng)過傾斜校正后的圖，qingxiejiao表示圖像需要旋轉(zhuǎn)的角度，bilinear表示雙線性，crop表示旋轉(zhuǎn)后圖像的大小不發(fā)生變化方式。經(jīng)過了圖像的傾斜校正后，得到圖544的結(jié)果圖，由結(jié)果可以看出車牌被調(diào)整到了水平方向 圖544傾斜校正 完成車牌了車牌的彩色圖像提取，然后又對該車牌進(jìn)行了比較理想的圖像處理如（二值化，去除小對象等）后，我們就可以對車牌字符進(jìn)行分割。由于車牌進(jìn)行處理后只有兩個(gè)像素值0和1，根據(jù)這一特點(diǎn)，對車牌豎直方向上進(jìn)行投影，有字符存在的地方，該投影就不為零，投影為零的即為字符與字符的分界線，即我們需要重處分割。但是這一分割方法當(dāng)遇到不連通的字符如川就會(huì)出錯(cuò)，他會(huì)把川字分割成3個(gè)字符導(dǎo)致分割錯(cuò)誤而失敗。為了更好的分割不連通漢字，這里我們還需把先驗(yàn)知識作為約束條件，根據(jù)車管所的規(guī)定我們知道每個(gè)車牌包含七個(gè)字符,每個(gè)字符寬45mm，高90mm，字符間隔12mm，間隔符號寬10mm，我們可以把這些作為約束條件，這樣可以提高字符分割準(zhǔn)確性以更好的適應(yīng)中國漢字的分割情況。字符切割流程圖如下：開始車牌二值圖垂直投影切除車牌四周的多余部分只留下字符區(qū)域保存字符切割出字符將剩余部分保存并覆蓋原先圖像字符是否達(dá)到7個(gè) 是 結(jié)束 圖544字符切割流程圖我們在進(jìn)行車牌的分割前，必須切除字符上下左右的空白區(qū)域，只留下字符區(qū)域。這里用投影法可以去除字符周邊的黑色區(qū)域，在水平方向上投影，即可去除車牌字符上下的黑色區(qū)域，豎直方向投影可以去除字符左右的黑色區(qū)域。當(dāng)一個(gè)字符被分割出來我們應(yīng)該及時(shí)保存，然后將該字符區(qū)域用0像素覆蓋，再切割，直到切割出7個(gè)字符為止。 經(jīng)過切割，得到如圖545的結(jié)果。 圖546 從分割的結(jié)果圖546可以明顯看到，車牌被分割成了單個(gè)的字符“川”“A”“C”“P”“2”“8”“9”，每個(gè)字符被很好的隔離開來,分割的效果非常的好。 為了后面我們能準(zhǔn)確的將車牌信息識別出來，不論是運(yùn)用模板法，還是運(yùn)用神經(jīng)網(wǎng)絡(luò)法我們都需要對待識別的字符縮放成統(tǒng)一大小尺寸，方便后續(xù)的識別。針對本次設(shè)計(jì)的實(shí)際情況，考慮到模板法簡單，編程簡單，能夠快速完成識別，所以本次設(shè)計(jì)采用模板法。由于車牌字符只有10個(gè)阿拉伯?dāng)?shù)字（09），50多個(gè)漢字（省份簡稱），20多個(gè)英文字母組成（AZ），這里我們將10個(gè)數(shù)字、2個(gè)英文字母字符以及根據(jù)需求將“蘇豫陜魯川”做成40*20的模板，保存在字符模板檔夾中。然后用經(jīng)過歸一化字符與模板匹配，得出車牌中的信息。這種識別方法簡單、快速，但識別率低、誤識別率高。 字符歸一化 為了方便后續(xù)的識別工作，準(zhǔn)確無誤的將車牌識別出來，我們這里需要對分割好的字符歸一化為統(tǒng)一大小，消除字符大一不一帶來的識別錯(cuò)誤問題。這里采用商用系統(tǒng)程序中歸一化大小為 40*20。Matlab中用imresize(I，Size，Model)來實(shí)現(xiàn)，其中Model是插值運(yùn)算方法，選用39。nearest39。最近鄰插值法,經(jīng)歸一化后的圖像如圖551 圖551 本次設(shè)計(jì)采用的是模板匹配法對車牌字符的進(jìn)行識別，在識別的過程中我們首先要根據(jù)要求建立本次要用到的模板檔，matlab中調(diào)用liccode=char([39。039。:39。939。 39。A39。:39。Z39。 39。蘇豫陜魯川39。])代碼建立自動(dòng)識別代碼庫。其中l(wèi)iccode是一個(gè)字符數(shù)組，char數(shù)組中所對應(yīng)的元素號路徑即為該字符模板。接著建立一個(gè)40 x 20的全零矩陣，用于接收匹配后的結(jié)果。然后由我國車牌的現(xiàn)狀可知，車牌的第1個(gè)字符必定為漢字，所以我們只需與已建立得到char數(shù)組3741號所對應(yīng)的漢字字符模板進(jìn)行對比，得到車牌的1個(gè)字符。由車牌的先驗(yàn)知識可知，車牌的第二個(gè)字符也為固定類型為字母，所以我們只需與將char數(shù)組中1036號路徑所在的字母模板進(jìn)行對比，得出車牌的第2個(gè)字符。由車牌的常識知道，車牌后面剩下的5個(gè)字符既可以是字母也可以是數(shù)字，所以我們需要與char數(shù)組中136號所對應(yīng)的數(shù)字元模板進(jìn)行對比，得出車牌后面5字符的結(jié)果，最后將完整的車牌號顯示在界面上。字符識別流程圖如圖552。建立模板字符表 讀取分割好的字符第一個(gè)字符與模板中的漢字模板進(jìn)行比對第一個(gè)字符與模板中的漢字模板進(jìn)行比對后五個(gè)字符與模板中的字母模板進(jìn)行匹配待標(biāo)識符元與模板相減，找到相似對最大的，即為匹配最好的完成識別，結(jié)果輸出 圖552 字符識別流程圖 經(jīng)過了一系列的在MATALB中圖像各種處理，得到了如圖553的結(jié)果圖。從結(jié)果來看將本次的車牌號“川ACP289”被識別了出來了，顯示在Matlab中的界面上。達(dá)到了設(shè)計(jì)的目的與要求。 圖553 車牌結(jié)果圖5 .6 stm32軟件快速開發(fā)本次設(shè)計(jì)為了既利用到MATALB的強(qiáng)大功能又能實(shí)現(xiàn)STM32源程序的快速開發(fā)，需要在MATALB環(huán)境下安裝rapidstm32這個(gè)模塊。rapidstm32為MATLAB與STM32之間架起了一座橋梁，再利用rapidstm32模塊的可視化交互式程序設(shè)計(jì)環(huán)境，不要在MDK下建立工程編寫C程序，直接在Smiulink下建模轉(zhuǎn)化為基于stm32的C程序及工程，實(shí)現(xiàn)stm32程序的快速開發(fā)，最后在對程序做一些調(diào)整。為了能夠成功快速的開發(fā)在MATALB中安裝此模塊具有以下要求： （1）只能用于MATLAB R2009a和32位r2011b之間。rapidstm32模塊不與R2012或以后的工作。 （2）MATALB具有編碼產(chǎn)生器RealTime Workshop。 （3）RealView 。 （4）Windows需要XP SP2或者更高版本。 （5）需要Microsoft .Net Framework version 。接著利用此模塊的可視化交互式程序設(shè)計(jì)環(huán)境，在Smiulink下建模轉(zhuǎn)化為基于stm32的程序和工程，不需要手工編寫C或匯編語言，減少了很多的工作量，縮短了開發(fā)的時(shí)間。總結(jié)與體會(huì)本次次論文是基于圖像的車牌識別，從硬件在軟件，完成了本的設(shè)計(jì)，達(dá)到了設(shè)計(jì)的要求。實(shí)現(xiàn)了車牌的自動(dòng)識別。在本次設(shè)計(jì)中，我對單片機(jī)進(jìn)行了熟悉，同時(shí)也熟悉了MATALB編程，感受到了MATALB功能的強(qiáng)大。設(shè)計(jì)過程中我主要進(jìn)行了如下工作：（1） 分析了本次設(shè)計(jì)需要用到的知識，對自己比較欠缺的部分進(jìn)行相關(guān)的學(xué)習(xí)鞏固，查閱了本項(xiàng)技術(shù)在國內(nèi)外的發(fā)展?fàn)顩r，以及生活中的運(yùn)用情況。對該項(xiàng)技術(shù)有個(gè)清晰的概念與認(rèn)識。（2） 學(xué)習(xí)了stm32的相關(guān)知識，設(shè)計(jì)了該系統(tǒng)的電路圖，包括語音模塊、顯示模塊、報(bào)警模塊、車牌采集模塊。（3） 熟悉了MATLAB的相關(guān)操作，對圖像處理有了一個(gè)清晰的思路，本次用到了圖像的灰度化，二值化、圖像的腐蝕等預(yù)處理操作，同時(shí)我在字符分割反面也學(xué)到了不少，還有本次的識別用的是模板匹配法，也可以基于神經(jīng)網(wǎng)絡(luò)識別，由于本次追求的是速率，簡單，所以本次采用了模板匹配法。（4） 懂得了matlab下操作串口進(jìn)行數(shù)據(jù)的接收和傳送，以及圖像譯碼的相關(guān)知識，最后還了解到matlab環(huán)境下利用rapidstm32進(jìn)行c程序的快速開發(fā)，完成了設(shè)計(jì)。 經(jīng)過了幾個(gè)月的畢業(yè)設(shè)計(jì)，我學(xué)習(xí)了并了解ARM單片機(jī)的相關(guān)知識，完成了本次電路的設(shè)計(jì)，同時(shí)我還熟悉matlab的相關(guān)操作，學(xué)會(huì)了matlab編程并實(shí)現(xiàn)了matlab下串口的操作以及圖像的各種處理、算法，完成了車牌的識別。并實(shí)現(xiàn)了matlab下的c程序的快速開發(fā)，總的來說，本次畢業(yè)設(shè)計(jì)讓我獲益匪淺，學(xué)到了不少得東西。 致謝詞 經(jīng)過過了幾個(gè)月的畢業(yè)設(shè)計(jì)，我學(xué)到了很多東西，在畢業(yè)設(shè)計(jì)最開始剛拿的這個(gè)設(shè)計(jì)題目，我完全就是一頭霧水，不知如何下手，最后在老師的一路指點(diǎn)下我才開始有了頭緒，經(jīng)過自己的努力，最終完成了本次設(shè)計(jì)。經(jīng)過了這次完完整整的設(shè)計(jì)，我知道了如何構(gòu)建一個(gè)基于圖像的車牌處理系統(tǒng)，懂得了在遇到新事物，自己從未接觸的東西，該如何去應(yīng)對，該如何下手，如何去處理。這一切的一切都要?dú)w功于我的導(dǎo)師鄧?yán)蠋煟菦]他的指導(dǎo)和帶領(lǐng)我不可能在這么短時(shí)間內(nèi)完成本次畢業(yè)設(shè)。在鄧?yán)蠋煹膸ьI(lǐng)下我不僅讓我讓對我選的這個(gè)課題產(chǎn)生了濃厚的興趣，還讓我學(xué)到做事踏實(shí)認(rèn)真的工作態(tài)度以及為人處事的原則，讓我充分了解到查找各種資料的管道，鄧?yán)蠋熯€教會(huì)了我遇見問題解決問題的思考方式。還讓我學(xué)會(huì)了，在困難面前我們要堅(jiān)持不懈，不要放棄，要相信自己，通過努力能過完成。所以在此，再次對老師道一聲：老師謝謝！ 最后，我還要感謝我的組友，由于他們本次設(shè)計(jì)的題目在圖像處理方面和我的題目有很多的相似之處，所以我們經(jīng)常在一起探討，就是因?yàn)橛辛诉@些對知識探討，豐富了的在圖像處理這方的知識，我才更好的完成了本次畢業(yè)設(shè)計(jì)；也正是因?yàn)橛辛诉@些探討才我的思維更加的開闊，產(chǎn)生思想的火花，才有了本次設(shè)計(jì)的思路；也是他讓我看到了團(tuán)隊(duì)協(xié)作力量的強(qiáng)大，看到很多還是事情需要合作，需要互助，只要這要我們才能在以后的生活學(xué)習(xí)中走的更好，更遠(yuǎn)。我還要感謝我的父母，沒有他們的養(yǎng)育與教導(dǎo)，也就沒有今天的我?！緟⒖嘉墨I(xiàn)】[1]. ,2009[2]. 王九成 ,張亮, ,2014[3]. 郁梅等，基于視覺的車輛牌照檢測,計(jì)算機(jī)應(yīng)用研究,1999(5),P65～67[4]. 葉晨洲，廖金周，一種基于紋理的牌照圖象二值化方法，微型電腦應(yīng)用，1999(6)， P28～29[5]. 朱學(xué)芳等，一種自適應(yīng)細(xì)化方法，模式識別與人工智能，，1997(6)， P140～145[6]. 楊萬山等，基于BP 神經(jīng)網(wǎng)絡(luò)的工程圖紙圖形符號的識別，微型電腦應(yīng)用，，2000[7]. 袁志偉，[J].昆明理工大學(xué)學(xué)報(bào)，2001，26(2): [8]. 劉陽，65～68[9]. 許志影、2004(4)[10]. 崔　江、(4)[11]. [J].工業(yè)控制計(jì)算機(jī),2004,44～45.[12]. 韓勇強(qiáng)、[M].微型電腦運(yùn)用，～65.[13]. 梁瑋、羅劍鋒、[D]. 2003.[14]. 張引，潘云鶴，面向車輛牌照字符識別的預(yù)處理算法，計(jì)算機(jī)應(yīng)用研究，1999(7)，P85～87[15]. 葉晨洲等,車輛牌照字符識別系統(tǒng),計(jì)算機(jī)系統(tǒng)應(yīng)用，1999(5)，P10～13[16]. 李宏升等，利用牌照識別技術(shù)的停車場安全防盜系統(tǒng)，計(jì)算機(jī)系統(tǒng)應(yīng)用，1999(5)[17]. ，[18]. 張強(qiáng)、[19]. ，[20]. [20],2010[21]. 胡小鋒、趙輝．VC++/，[22]. ,2005[23]. 岡薩雷斯．?dāng)?shù)字圖像處理（第二版）．電子工業(yè)出版社，2007．8[24]. ,2007[25]. ,2008[26]. ,2013[27]. 張劍，周少武，,2007，26(2)：111 114[28