【正文】 而且本系統(tǒng)中模塊比較多，有些功能是互相聯(lián)系的。經(jīng)測試所有的按鈕均能正常使用，所有的功能模塊均能正常運作。 軟件界面測試 對軟件界面進行測試，就是檢查程序運行時，界面中是否有錯別字， 是否有 表述不妥的標題、標簽，或一些顯示的畫面是否 正常。 南京工程學院畢業(yè)設計說明書（論文） 34 第六章 系統(tǒng)測試及分析 測試的目的 軟件測試是對軟件各個方面的需求分析，是軟件的性能檢測，是對編碼的最終復審 ，是保證軟件成品質(zhì)量的重要步驟，是實現(xiàn)軟件經(jīng)濟價值的重要保證 。由于圖像的尺寸基本固定導致模板的尺寸大小也是基本固定的。 本文的車牌字符識別方法 正如 3大類的識別方法各有千秋，本文采用的是模板匹配法，模板匹配法是 是統(tǒng)計模式 法 和結構模式 法 相結合的產(chǎn)物，經(jīng)過理論研究和實驗論證，采用模板匹配法進行字符的識別準確率較高，效果不錯。同樣，在實際應用中，抗干擾能力差，不能夠識別存在較大噪聲的字符。這種方法抗噪聲干擾能力強，識別效果比較好 。 (4)有些車牌字符 比較相似 ， 難以識別， 如“ Q”和“ O” ，“ 8”和“ B”等； 車牌 字符識別 雖然存在上述識別困難，但是也存在優(yōu)點，比如車牌字符數(shù)量少，一般只有 7 個字符，而且 7 個字符中共有 50 個漢字字符樣本， 10 個數(shù)字樣本， 24 個英文字母樣本（ I， O 除外），因此所需制作的樣本庫簡單，這樣處理速度比較快。endflag==0？ Y N 圖 51字符分割 流程圖 南京工程學院畢業(yè)設計說明書（論文） 32 圖 52 字符分割 車牌字符識別 車牌字符識別屬于光學字符識別 (Optical Character Recognition)的 范圍， ORC是一門非常 綜合的學科，是圖像處理、概率論、信息論、語言學等學科的綜合，它 主要包括 誤識率、識別速度、 拒識率、 穩(wěn)定性、易用性等 指標。startflag==1？ Y N 遍歷 startline 和 endline，先輸出漢字和六個字符 whitecount[i]0amp。 南京工程學院畢業(yè)設計說明書（論文） 31 找到字符的左邊界， startflag=1(表示左邊界找到 )， startline(flagcount)=i 對圖像進行 從左 至 右 垂直直線掃描 將每列白色像素點數(shù)賦給 whitecount[i] whitecount[i]0 amp。從右至左的前六個字符是英文和數(shù)字，只有漢字區(qū)域可能出現(xiàn)左右或左中右結構，可能出現(xiàn)分割錯誤。 車牌字符分割算法 (1)車牌圖像預處理 車牌圖像 進行 灰度化，灰度拉伸，二值化 。經(jīng)過大量理論研究 以及系統(tǒng)驗證 ，本文所 采用比例先驗知識與投影相結合的車牌字符分割方法得到的效果不錯。 圖像分割是 建立在像素間的“相似性”和“非連續(xù)性”的特點上，相似性是指圖像上某個區(qū)域內(nèi)像素具有某種相似的特性，非連續(xù)性是指像素灰度的不連續(xù)，形成跳變的階躍，或是像素紋理結構的突變。count[m]lefttest N Y 計算左右邊界區(qū) 域跳變點數(shù)，賦給 AreaCount AreaCount28*plateheight？ 左邊界為 left Y N 計算左邊界右邊兩個字符區(qū)域跳變點數(shù)，賦給temparray temparray7* plateheight？ Y N 圖 45左邊界定位流程圖 南京工程學院畢業(yè)設計說明書（論文） 29 第五章 車 牌字符識別 及實現(xiàn) 車牌字符識別是 本次 設計的最終工作，車牌定位為車牌識別做了必要的準備工作，字符識別首先要進行字符分割，即從圖像中分割出來字符，其次，將字符轉(zhuǎn)化成文本字符。 南京工程學院畢業(yè)設計說明書（論文） 27 對圖像進行從下至上 水平直線掃描 每行黑 白 值改變次數(shù)賦給 count[i]，bottomflag==topflag==0 表示上下邊界未找到 count[i]toptest bottom=i， bottomflag=1 bottomflag==0amp。 (6)定位右邊界的方法與左邊界 相同 。 南京工程學院畢業(yè)設計說明書（論文） 26 (3)根據(jù) 車牌的實際 字符 寬高比是 430:90，結合上下邊界定位時求出的車牌的高度 plateheight，算出車牌寬度 platewidth。 bottomtest 和 toptest 的值由一定量的實驗確定，本文設為 28。 車牌上下邊界定位 (1)首先 對邊緣檢測后的 圖像進行從下至上水平直線掃描。 該方法由于采用了多層感知器，定位比較準確，但對彩色圖像要求比較高，彩色圖像邊緣顏色差別必須比較大。 常用的 定位方法 在實際生活中，車輛牌照存在許多的特征，因此，可以針對不同特征采用相應的方法，主流的車牌定位方法大致分為以下幾類： 基于邊緣檢測的定位方法 物 體的邊緣是圖像局部亮度變化最顯著的部分，是 物體邊緣分界的地方，它是由于 圖像局部特征不連續(xù)的形式而產(chǎn)生的 ， 物體的邊緣 兩側的形狀，結構，灰度，紋理等都存在著巨大的差別，尤其是灰度的變化最明顯，本系統(tǒng)的邊緣檢測就是基于圖像中物體的邊緣的灰度差異而設計的 。 (2)車牌底色一般與車身顏色、字符顏色有較大差異。 圖 42 是幾種不同算子在車輛圖像邊緣監(jiān)測的效果圖： (a) Roberts 效果 (b) Sobel 效果 南京工程學院畢業(yè)設計說明書（論文） 23 (c) Canny 效果 (d) LOG 效果 圖 42 邊緣檢測 對比圖 通過圖 42 所示的車牌對照圖 像我們可以看到各種 邊緣檢測算法的 效果 ，其中圖 42 采用的 Sobel 算法 的效果不錯，因此本系統(tǒng)采用的就是 Sobel 算法進行邊緣檢測，檢測出的圖像可以能夠很快的進行車牌定位，其 主要實現(xiàn)代碼如下： %獲取 handles中保存的圖像增強后的圖像 WI src=； %Sobel邊緣檢測 SobelImg=edge(src,39。即先進行圖像 平滑，在進行 圖像 卷積，最后定位邊緣點。 LOG 算子 Marr 和 Hildreth 將高斯濾波和拉普拉斯邊緣檢測 相結合 ，創(chuàng)造出了 拉普拉斯高斯算法，又被稱為 LOG 算法。 將 j 換成 1?j ， 于 是有 ?22xf?? ]1,[]),[2]1,[( ???? jifjifjif (49) 式 49 等號右 邊的式子近似等于左邊， 是以點[為中心 ， 同樣地， 對于y 的二階導數(shù)為： ?22yf?? ],1[]),[2],1[( jifjifjif ???? (410) 將式 49 與 410 通過 數(shù)學上公式上的合并得到下面近似 拉普拉斯算子的模板 ： ?????????????0101410102 (411) 通常會對模板進行改進，得到另一種 優(yōu)化的 模板， 這種模板可以使鄰域中心點的權重更大，如式 412 所示。 Sobel 算子對于像素的位置南京工程學院畢業(yè)設計說明書（論文） 20 的影響做了加權，可以降低邊緣模糊的程度，因此在現(xiàn)實中得到廣泛的應用。 Roberts應用的原理是局部差分的方法 ， 但是這種方法處理效果不是太好， 邊緣定位精確度不是很高 ，并且處理速度比較慢。利用數(shù)學形態(tài)學作為檢測邊緣的工具，能夠在有效的去除噪聲的同時保留原 圖像的細節(jié)信息，具有很好的效果。 該方法比較直觀，將許多像素點擬合一個曲面，然后求這個連續(xù)曲面某像素點的梯度 。基于這個特點，為了比較好的確定邊緣像素點，可以利用比較好的求導算子對圖像各個像素點進行一階或二階微分。邊緣檢測 在數(shù)字圖像處理領域 應用的非常 的廣泛。 本文提出的車牌定位方法主要就是基于邊緣檢測 和投影的方法，所以做好邊緣檢測是 實現(xiàn)車牌識別的 第一步。 39。figure(1)。 Otsu 方法流程圖如圖 38 所示。 方法 1: 假設 MN? 圖像 ),(ji 點處的灰度值 為 ),( jif ，灰度級為 ? ，不妨假設 ),( jif取值 ]1,0[ ?m 。圖像的總平均灰度為：)()()()( 1100 tttt ????? ?? 。 動態(tài)閾值法是依據(jù)三個因素：該像素灰度值、周圍像素的灰度值、該像素的坐標位置來確定閾值，因此，該方法較為全面，但是 計算量大，處理速度慢。 局部閾值法則根據(jù)圖像像素的本身性質(zhì)和局部特性來確定像素的閾值的，南京工程學院畢業(yè)設計說明書（論文） 15 典型的局部閾值方法主要是 Bernsen 算法，圖像的局 部性質(zhì)基本上不受外界環(huán)境的影響。在現(xiàn)實生活中，存在許多二值圖像，例如書本文字、采集到的指紋，設計的圖紙，因為圖像二值化的眾多優(yōu)點導致 我們常常把本身是有灰度的圖像變成二值化圖像再 處理， 這樣 能夠 使 車牌識別系統(tǒng)提高處理效率， 加快 處理速度，降低處理成本。與其它濾波相比，維納濾波具有其優(yōu)越的特性，它可以很好的保存圖像邊緣和高頻細節(jié)信息，同時特別是對于含有白色噪聲的圖像有較好的濾波效果。 取圖像 f(i,j)中的像素點 (m,n)， 并取其鄰域 S， S 通常為矩形，鄰域內(nèi)共有M 個像素，求所有像素的平均值，該平均值即為像素點 (m, n)處的灰度，點 (m, n)一般位于 S 的中心。 變換公式為： s=T(r)=?ro drrP )( (37) 式 37 表明變換函數(shù)是原始圖像的累計分布函數(shù)，具有非負遞增性。 如果用 s(0≤s≤1)表變換后 來圖像的灰度， r(0≤r≤1) 表示 原始圖像 的灰度 (0代表黑， 1 代表白 )。通常橫坐標表示灰度級別，縱坐標表示頻率。如圖 33 所示。 (2)頻率域法 頻率域法是一種逆變換的方法，是間接的。 由于人眼對顏色的敏 感度為綠色 紅色 藍色 ，由相關理論知道當 Wr=， Wg=， Wb= 時， 圖像灰度化后的效果最好，最適合人眼識別， 如圖 32 所示，其中 (a)為變換前的車輛RGB 彩色圖像，圖 (b)為變換后的車輛灰度圖 。 由于圖像在包含的許多有用信息的同時還包含許許多多的無用的信息，這些信息對圖像識別形成了極大的干擾，因此必須對圖像進行灰度化，這樣濾除了許多無用的信息，加快了處理的速度。 每個像素 的顏色 有1600(255*255*255)多萬 種情況 。飽和度采用百分數(shù)表示，灰色光或白光為 0%，純色光為 100%。 (3)HSI HSI（ Hue/Saturation/Intensity） 是指色調(diào)，飽和度，強度。 (1)RGB RGB 三基色應用于幾乎所有彩色成像設備和彩色顯示設備，不僅如此，許多的數(shù)字圖像文件常用的存儲形式是 RGB 三基色 ， RGB 彩色空間是以 RGB 三基色 作為坐標的 。 (4)在粗略設計的基礎上，對坐標圖和按鈕進行排列，實現(xiàn)合理的布局，從而變成一種美觀的效果圖。GUI 是一個常見界面，包括一些控件 ，例如，按鈕、滑塊、列表框 、菜單等，這些控件相當于“遙控器”，用戶可以通過他們進行相應的操作。 車牌識別系統(tǒng)的結構圖 南京工程學院畢業(yè)設計說明書（論文） 4 本系統(tǒng)采用的是 MATLAB 實驗軟件，基于 MATLAB 的圖像工具箱（ Image Processing Toolbox），該工具箱包含有標準的圖像處理函數(shù)，可以多方法，多角度地處理圖像，在現(xiàn)實中應用很廣泛。 圖像處理 工具箱 提供用于圖像處理的標準算法，這些算法 非常全面，可以解決諸多常見的圖像處理方面的問題， 包括灰度化、圖像增強、邊緣檢測、圖像分割等眾多算法 ,其中邊緣檢測算法中包括 Sobel、 Prewitt、 Roberts、 Canny 和 拉普拉斯高斯等 方法，圖像分割算法包括全局閾值法和基于邊緣提取法，MATLAB 圖形工具箱還提供一系列統(tǒng)計函數(shù)用以統(tǒng)計圖像特征并分析，并可南京工程學院畢業(yè)設計說明書（論文） 3 以用圖像表示出來，如圖 11 所示。 MATLAB 可以進行矩陣運算、創(chuàng)建用戶界面、 圖像處理、工程計算、信號處理等眾多工作， 具備豐富的應用工具和友好的用戶界面，突出的數(shù)值和圖形處理能力以及 對 其它眾多的語言 具有 強大的支持功能 ，為眾多科學與工程領域提供了全面的解決問題的方案，是當今世界科學軟件的杰出代表，是世界四大軟件之一 。第四部分是車牌字符的分割與識別，分別介紹了字符分割和識別的原理及方法，是本系統(tǒng) 的最終實現(xiàn)結果。 本文主