【正文】 541從結(jié)果來看圖像中還是存在大量的噪聲點，所以我們需要對車牌進一步去噪處理。這里采用均值濾波方式進行濾波，消除車牌中的噪聲。所謂均值濾波實際上就是用均值替代原圖中的各個像素值。它的方法是對待處理前的當前像素，選擇一個模板，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行膨脹和腐蝕處理根據(jù)經(jīng)驗值，車牌圖像中，字符面積與車牌面積之比在(,)之間，因此計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)計采用rando變換對車牌進行傾斜校正，計算車牌餓傾斜角度，根據(jù)得到的角度對車牌進行一個旋轉(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，本次theta是一個矢量，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行分割。由于車牌進行處理后只有兩個像素值0和1，根據(jù)這一特點，對車牌豎直方向上進行投影，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遇到不連通的字符如川就會出錯，他會把川字分割成3個字符導(dǎo)致分割錯誤而失敗。為了更好的分割不連通漢字，這里我們還需把先驗知識作為約束條件，根據(jù)車管所的規(guī)定我們知道每個車牌包含七個字符,每個字符寬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到7個 是 結(jié)束 圖544字符切割流程圖我們在進行車牌的分割前，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。當一個字符被分割出來我們應(yīng)該及時保存，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的字符“川”“A”“C”“P”“2”“8”“9”，每個字符被很好的隔離開來,分割的效果非常的好。 為了后面我們能準確的將車牌信息識別出來，不論是運用模板法，還是運用神經(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)計的實際情況，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)計采用模板法。由于車牌字符只有10個阿拉伯數(shù)字（09），50多個漢字（省份簡稱），20多個英文字母組成（AZ），這里我們將10個數(shù)字、2個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)來實現(xiàn)，其中Model是插值運算方法，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)計采用的是模板匹配法對車牌字符的進行識別，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。])代碼建立自動識別代碼庫。其中l(wèi)iccode是一個字符數(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)的漢字字符模板進行對比，得到車牌的1個字符。由車牌的先驗知識可知，車牌的第二個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行對比，得出車牌的第2個字符。由車牌的常識知道，車牌后面剩下的5個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字符與模板中的漢字模板進行比對第一個字符與模板中的漢字模板進行比對后五個字符與模板中的字母模板進行匹配待標識符元與模板相減，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。達到了設(shè)計的目的與要求。 圖553 車牌結(jié)果圖5 .6 stm32軟件快速開發(fā)本次設(shè)計為了既利用到MATALB的強大功能又能實現(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)的時間?？偨Y(jié)與體會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，達到了設(shè)計的要求。實現(xiàn)了車牌的自動識別。在本次設(shè)計中，我對單片機進行了熟悉，同時也熟悉了MATALB編程，感受到了MATALB功能的強大。設(shè)計過程中我主要進行了如下工作：（1） 分析了本次設(shè)計需要用到的知識，對自己比較欠缺的部分進行相關(guān)的學(xué)習(xí)鞏固，查閱了本項技術(shù)在國內(nèi)外的發(fā)展狀況，以及生活中的運用情況。對該項技術(shù)有個清晰的概念與認識。（2） 學(xué)習(xí)了stm32的相關(guān)知識，設(shè)計了該系統(tǒng)的電路圖，包括語音模塊、顯示模塊、報警模塊、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進行c程序的快速開發(fā)，完成了設(shè)計。 經(jīng)過了幾個月的畢業(yè)設(shè)計，我學(xué)習(xí)了并了解ARM單片機的相關(guān)知識，完成了本次電路的設(shè)計，同時我還熟悉matlab的相關(guān)操作，學(xué)會了matlab編程并實現(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)過過了幾個月的畢業(yè)設(shè)計，我學(xué)到了很多東西，在畢業(yè)設(shè)計最開始剛拿的這個設(shè)計題目，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。經(jīng)過了這次完完整整的設(shè)計，我知道了如何構(gòu)建一個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。這一切的一切都要歸功于我的導(dǎo)師鄧老師，要是沒他的指導(dǎo)和帶領(lǐng)我不可能在這么短時間內(nèi)完成本次畢業(yè)設(shè)。在鄧老師的帶領(lǐng)下我不僅讓我讓對我選的這個課題產(chǎn)生了濃厚的興趣，還讓我學(xué)到做事踏實認真的工作態(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，鄧老師還教會了我遇見問題解決問題的思考方式。還讓我學(xué)會了，在困難面前我們要堅持不懈，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，就是因為有了這些對知識探討，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；也正是因為有了這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)計的思路；也是他讓我看到了團隊協(xié)作力量的強大，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。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。【參考文獻】[1]. ,2009[2]. 王九成 ,張亮, ,2014[3]. 郁梅等，基于視覺的車輛牌照檢測,計算機應(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，2001，26(2): [8]. 劉陽，65～68[9]. 許志影、2004(4)[10]. 崔　江、(4)[11]. [J].工業(yè)控制計算機,2004,44～45.[12]. 韓勇強、[M].微型電腦運用，～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，計算機應(yīng)用研究，1999(7)，P85～87[15]. 葉晨洲等,車輛牌照字符識別系統(tǒng),計算機系統(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)，計算機系統(tǒng)應(yīng)用，1999(5)[17]. ，[18]. 張強、[19]. ，[20]. [20],2010[21]. 胡小鋒、趙輝．VC++/，[22]. ,2005[23]. 岡薩雷斯．數(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