【正文】 在此謹(jǐn)向盧老師致以誠(chéng)摯的謝意和崇高的敬意！同時(shí)也感謝兩年來(lái)幫助我不斷成長(zhǎng)的老師同學(xué),是你們讓我找到了奮斗的方向,人生的坐標(biāo),謹(jǐn)此表示我最真摯的感謝！最后，我還要特別感謝支持和鼓勵(lì)我的同學(xué)們，正是由于你們的幫助和支持，才給了我堅(jiān)持下去的勇氣，我才能克服一個(gè)一個(gè)的困難和疑惑，直至本文的順利完成。本設(shè)計(jì)是在我的導(dǎo)師盧崢老師的細(xì)心指導(dǎo)下進(jìn)行的。hh=bottomtop。endwhile sum(d(:,right))==0 amp。 bottom=1 bottom=bottom1。amp。bottom=m。 else d=[]。 d(:,[1:wide])=0。 if sum(sum(d))~=0 d=qiege(d)。 [m1,n1]=size(temp)。 while sum(d(:,wide+1))~=0 amp。y1=8。b39。車牌號(hào)碼:39。 39。 MinError=min(Error1)。 end end % 以上相當(dāng)于兩幅圖相減得到第三幅圖 Dmax=0。.jpg39。 kmax=36。 kmax=40。 SegBw2=imresize(t,[40 20],39。for I=1:7 ii=int2str(I)。蘇豫陜魯39。A39。039。imwrite(word7,39。)。39。imwrite(word3,39。)。739。subplot(5,7,20),imshow(word6),title(39。)。339。subplot(5,7,16),imshow(word2),title(39。word7=imresize(word7,[40 20])。word3=imresize(word3,[40 20])。)。639。subplot(5,7,5),imshow(word5),title(39。)。239。subplot(5,7,1),imshow(word1),title(39。% 分割出第四個(gè)字符[word4,d]=getword(d)。 % WORD 1 end d(:,[1:wide])=0。 all=sum(sum(temp))。 end if widey1 % 認(rèn)為是左側(cè)干擾 d(:,[1:wide])=0。while flag==0 [m,n]=size(d)。% 切割出 7 個(gè)字符y1=10。 end k2=j1。 end k1=j。k2=1。39。endimwrite(d,39。...se=eye(2)。/39。square39。)。,3)。)figure(8),subplot(3,2,3),imshow(d),title(39。)。 % T 為二值化的閾值[m,n]=size(b)。39。39。39。)imwrite(dw,39。行方向合理區(qū)域39。%對(duì)車牌區(qū)域的校正 PX2=PX2+1。 while ((Blue_x(1,PX2)3)amp。 while ((Blue_x(1,PX1)3)amp。 end IY=I(PY1:PY2,:,:)。 end PY2=MaxY。%Y方向車牌區(qū)域確定 PY1=MaxY。myI=double(I5)。figure(6),imshow(I5)。title(39。rectangle39。title(39。1。title(39。,39?；叶葓D39。)。)。2 022vol.Int.].imagegeneralizedplateChien,.KimMATLAB遺傳算法工具箱及應(yīng)用[M].西安:西安電子科技大學(xué)出版社,2005.[14][M].北京:機(jī)械工業(yè)出版社,圖像處理[M].北京:人民郵電出版社,2006:96100[9] 劉佐濂26scienceoflocationPanXiaoLou.[J].上海交通大學(xué)學(xué)報(bào),2000:46王愛玲,[J].北京:電子設(shè)計(jì)工程,2009,11(3):1821通過本次設(shè)計(jì)加深了自己對(duì)MATLAB軟件圖像處理功能的理解和運(yùn)用，能夠運(yùn)用其功能對(duì)圖片進(jìn)行一些簡(jiǎn)單的處理工作。實(shí)驗(yàn)表明本方法既保留了車牌區(qū)域的信息，又減少了噪聲的干擾，從而簡(jiǎn)化了二值化處理過程，提高了后續(xù)處理的速度。（1）整理和總結(jié)了國(guó)內(nèi)外在車牌定位、分割、字符識(shí)別方面的研究成果和發(fā)展方向。本文對(duì)車牌識(shí)別系統(tǒng)的軟件部分進(jìn)行了研究，從圖像預(yù)處理、車牌定位、字符分割以及字符識(shí)別等方面進(jìn)行了系統(tǒng)的分析。其中，字符特征的提取是研究的關(guān)鍵，特征參數(shù)過多會(huì)增加訓(xùn)練時(shí)間，過少會(huì)引起判斷上的歧義。（1）模板匹配字符識(shí)別算法。在此只進(jìn)行了歸一化處理，然后進(jìn)行后期處理。為了解決這個(gè)問題，可以利用漢字間的間隔一般大于漢字內(nèi)間隔這一特點(diǎn)先進(jìn)行漢字的粗切分，再根據(jù)漢字基本是個(gè)方塊圖形這一事實(shí)進(jìn)行細(xì)切分。我們還是以單個(gè)的漢字切分為例來(lái)說明。首先由行切分得到一行行文本，然后在每行文本中進(jìn)行列切分得到一個(gè)個(gè)單獨(dú)的字符。字符分割的任務(wù)是把多行或多字符圖像中的每個(gè)字符從整個(gè)圖像中分割出來(lái)，成為單個(gè)字符。對(duì)車牌的灰度處理圖像如圖13所示：圖13 車牌灰度圖像灰度處理完成后需要對(duì)車牌區(qū)域進(jìn)行二值化處理，二值化處理的基本原理上文已經(jīng)講述。均值濾波是典型的線性濾波算法，它是指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素。 車輛號(hào)碼牌的二值化車牌號(hào)碼牌的二值化最常用的方法就是設(shè)定一個(gè)閾值T，用T將圖像的數(shù)據(jù)分成兩部分：即大于T的像素群和小于T的像素群，這就是對(duì)圖像二值化。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閾值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域[10]。牌照所在區(qū)域在原始圖象中是很有特征的一塊區(qū)域，它是水平度較高的橫向近似的長(zhǎng)方形，它在原始圖象中的相對(duì)位置比較明顯 ，且其灰度值與周邊區(qū)域的灰度值有明顯不同，因此在其周邊形成了灰度突變的邊界，這樣就便于通過邊緣檢測(cè)來(lái)對(duì)圖象進(jìn)行分割。對(duì)車牌的分割方法多種多樣，本次設(shè)計(jì)中利用車牌的彩色信息進(jìn)行彩色分割方法。以上這些車輛號(hào)碼牌的特點(diǎn)都為我國(guó)車牌的識(shí)別帶來(lái)不利因素。（2）我國(guó)標(biāo)準(zhǔn)汽車牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組成，漢字識(shí)別與字母和數(shù)字的識(shí)別有很大的區(qū)別，漢字的識(shí)別增加了識(shí)別的難度。基于水平灰度變化特征的方法，這種方法主要在車牌定位以前，需要對(duì)圖像進(jìn)行一系列預(yù)處理，將彩色圖像轉(zhuǎn)換為灰度圖像，利用車牌區(qū)域水平方向的紋理特征進(jìn)行車牌定位。(2)目前已有不少學(xué)者在這方面進(jìn)行了研究。對(duì)圖像進(jìn)行腐蝕處理和刪除小對(duì)象處理后的圖像如圖9所示： 圖9 腐蝕處理后圖像對(duì)圖像進(jìn)行腐蝕處理和刪除小對(duì)象處理后的圖像如圖10所示： 圖10 移除小對(duì)象處理后圖像4 車輛號(hào)碼牌定位車牌定位：從預(yù)處理后的汽車圖像中分割出車牌圖像。車牌圖像往往存在一些噪點(diǎn)。抑制或消除這些噪聲而改善圖像質(zhì)量的過程稱為圖像的平滑。邊緣算子，因?yàn)镽obert算子定位較精確，但由于不包括平滑處理，所以對(duì)噪聲比較敏感。算子、拉普拉斯高斯算子、Canny算子，此外還有過零點(diǎn)算子方法。MATLAB圖像處理工具箱也專門提供了邊緣檢測(cè)的函數(shù)，即edge函數(shù)。邊緣檢測(cè)的主要作用是精確定位邊緣和抑制噪點(diǎn)，基本思想是利用邊緣增強(qiáng)算子，凸顯出圖像中的局部邊緣，然后再定義像素的“邊緣強(qiáng)度”，通過設(shè)置門限來(lái)提取邊緣點(diǎn)集。個(gè)值中最大的一個(gè)，即： 去不同的值會(huì)得到不同的灰度圖。的值為轉(zhuǎn)化前R、G三種算法的計(jì)算過程如下：（1）加權(quán)平均值法：按照一定的權(quán)值，對(duì)R、G、B如表1所示[5]: 表1 imread所支持的一些常見圖像格式格式名稱 描 述可識(shí)別擴(kuò)展符 TIFF加標(biāo)識(shí)的圖形文件格式.tif,.tiff JPEG由聯(lián)合圖像專家組開發(fā)的圖像格式.jpg,.jpeg GIF圖形交換格式.gifBMPWindows位圖.bmpPNG可移植網(wǎng)絡(luò)圖形.pngXWDX Windows轉(zhuǎn)儲(chǔ).xwd 圖像的灰度化處理灰度圖像即指黑白圖像，即只包含亮度信息，不包含色彩信息的圖像。同時(shí)圖像預(yù)處理是整個(gè)系統(tǒng)的首個(gè)處理過程對(duì)以下一系列的處理過程奠定了基礎(chǔ)。在本次設(shè)計(jì)中我們選用的方法就是基于模板匹配的字符識(shí)別的方法，這種方法雖然工作量較大，但是本方法相對(duì)而言容易實(shí)現(xiàn)。另一種方法則充分利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別。基于模板匹配的字符識(shí)別的基本過程是：首先對(duì)待識(shí)別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫(kù)中模板的大??；然后與所有的模板進(jìn)行匹配；最后選最佳匹配作為結(jié)果。針對(duì)車牌字符串的特點(diǎn)，字符分割一般采用垂直投影法。 車輛號(hào)碼牌定位牌照的定位是牌照識(shí)別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖象預(yù)處理后的原始灰度圖象中確定牌照的具體位置。傳輸或處理過程中，由于獲取圖像工具的影響，獲取圖像無(wú)法完全體現(xiàn)原始圖像的全部信息。另外，在調(diào)用繪圖函數(shù)時(shí)調(diào)整自變量可繪出不變顏色的點(diǎn)、線、復(fù)線或多重線。MATLAB語(yǔ)言中最基本最重要的成分是函數(shù)，其一般形式為[a,b,c，...]=fun(d,e,f,...),即一個(gè)函數(shù)由函數(shù)名，輸入變量d,e,f,...和輸出變量a,b,c,...組成，同一函數(shù)名F，不同數(shù)目的輸入變量（包括無(wú)輸入變量）及不同數(shù)目的輸出變量，代表著不同的含義（有點(diǎn)像面向?qū)ο笾械亩鄳B(tài)性）。高版本的MATLAB語(yǔ)言有豐富的庫(kù)函數(shù)，在進(jìn)行復(fù)雜的數(shù)序運(yùn)算時(shí)可以直接調(diào)用，而且MATLAB的庫(kù)函數(shù)同用戶文件在形成上一樣，所以用戶文件也可作為MATLAB的庫(kù)函數(shù)來(lái)調(diào)用。于是MATLAB可以很方便地移植到能運(yùn)行C語(yǔ)言的操作平臺(tái)上。 編程效率高所以說，MATLAB語(yǔ)言不僅是一種語(yǔ)言，廣義上講是一種該語(yǔ)言的開發(fā)系統(tǒng)，即語(yǔ)言調(diào)試系統(tǒng)。人們用任何一種語(yǔ)言編寫程序一般都要經(jīng)過四個(gè)步驟：編輯、編譯、鏈接，以及執(zhí)行和調(diào)試。因?yàn)镸ATLAB具有以下優(yōu)點(diǎn)[4]：的圖像處理工具箱，功能十分強(qiáng)大，支持的圖像文件格式豐富，如*.PNG、*.JPG、*.GIF、*.PCX、*.BMP等。*.HDF、*.ICO、*.TIFF、*.BMP、*.JPG、 系統(tǒng)軟件設(shè)計(jì)本課題軟件方面主要采用MATLAB對(duì)硬件設(shè)備采集到的圖像進(jìn)行全面處理，進(jìn)而達(dá)到識(shí)別車牌號(hào)碼的目的。它們利用編碼調(diào)制信號(hào)，主要特點(diǎn)是增強(qiáng)抗干擾的能力，具有較強(qiáng)的可靠性。對(duì)圖像進(jìn)行灰度化處理、邊緣提取、再對(duì)車牌進(jìn)行定位。它在數(shù)學(xué)類科技應(yīng)用軟件中在數(shù)值計(jì)算方面首屈一指。laboratory兩個(gè)詞的組合，意為矩陣工廠（矩陣實(shí)驗(yàn)室）。Vision)關(guān)于車牌識(shí)別技術(shù)及定位系統(tǒng)研究，在我國(guó)已經(jīng)有了十幾年的發(fā)展歷程，目前系統(tǒng)的應(yīng)用還處于起步階段，大規(guī)模投入使用的成熟系統(tǒng)還沒有出現(xiàn)，汽車牌照識(shí)別系統(tǒng)作為改進(jìn)交通管理的有效工具，技術(shù)水平仍需完善。國(guó)外在這方面的研究工作開展較早。車牌識(shí)別系統(tǒng)最主要的就是怎樣獲得車牌圖片并自動(dòng)從圖像中分析出車輛號(hào)碼牌。汽車車牌的識(shí)別是當(dāng)中的重要環(huán)節(jié)，是實(shí)現(xiàn)現(xiàn)代化交通管理和智能化的關(guān)鍵，也是現(xiàn)今交通工程研究領(lǐng)域的重點(diǎn)。 5 車輛號(hào)碼牌定位 6 6 車輛號(hào)碼牌的識(shí)別 63 圖像預(yù)處理及其MATLAB實(shí)現(xiàn) 7 圖像的讀取 7 圖像的灰度化處理 8 圖像的邊緣檢測(cè)及提取 9 圖像的平滑處理 104 車輛號(hào)碼牌定位 12 車輛號(hào)碼牌的區(qū)域分割 12 13 圖像二值化的基本原理 14 車輛號(hào)碼牌的二值化 155 車輛號(hào)碼牌的字符分割 17 17 字符歸一化