【正文】 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。車牌號碼:39。 Code(l*2)=39。 end Error1=Error(kmin:kmax)。 for i=1:40 for j=1:20 SubBw2(i,j)=SegBw2(i,j)SamBw2(i,j)。,liccode(k2),39。 else l=3 %第三位以后是字母或數(shù)字識別 kmin=1。 if l==1 %第一位漢字識別 kmin=37。])。l=1。 39。 39。liccode=char([39。)。39。imwrite(word4,39。)。39。subplot(5,7,21),imshow(word7),title(39。)。439。subplot(5,7,17),imshow(word3),title(39。)。word6=imresize(word6,[40 20])。word2=imresize(word2,[40 20])。739。subplot(5,7,6),imshow(word6),title(39。)。339。subplot(5,7,2),imshow(word2),title(39。% 分割出第七個字符[word7,d]=getword(d)。% 分割出第三個字符[word3,d]=getword(d)。word1=temp。 [m,n]=size(temp)。 while sum(d(:,wide+1))~=0 wide=wide+1。word1=[]。 % 分割 endend% 再切割d=qiege(d)。 j=n1 j=j+1。while j~=n while s(j)==0 j=j+1。figure,subplot(2,1,1),imshow(d),title(n)k1=1。figure(8),subplot(3,2,5),imshow(d),title(39。elseif bwarea(d)/m/n= d=imdilate(d,se)。ball39。line39。)% 某些圖像進行操作% 膨脹或腐蝕% se=strel(39。39。39。figure(8)。d=(double(b)=T)。)g_max=double(max(max(b)))。)。)。)。[filename,filepath]=uigetfile(39。定位剪切后的彩色車牌圖像39。 figure(7),subplot(1,2,1),imshow(IY),title(39。 end PX1=PX11。 end PX2=x。 end end end PX1=1。(PY2y)) PY2=PY2+1。(PY11)) PY1=PY11。%藍色像素點統(tǒng)計 end end end [temp MaxY]=max(Blue_y)。[y,x,z]=size(I5)。figure(6),imshow(I5)。title(39。rectangle39。title(39。1。figure(3),imshow(I2)。f=imdouble(I1)。figure(2),subplot(1,2,2),imhist(I1)。figure(2),subplot(1,2,1),imshow(I1)。figure(1),imshow(I)。最后再一次感謝所有在畢業(yè)設計中曾經幫助過我的良師益友和同學，以及在設計中被我引用或參考的論著的作者。感謝我的輔導員老師、班主任老師以及大學里面教我的每一位老師，因為有你們，我明白了許多人生道理，我四年大學生活才更加充實，我才能夠順利的畢業(yè)。參 考 文 獻[1] 劉忠杰,宋小波,何峰,李芬,周培瑩,[J].微型機與應用,2011,14（30）:1~4.[2] [J].微計算機信息,2012,10（38）:1~3.[3] 韓鑫,湯彬,[J].湖南農機,2013,5(40):1~2.[4] [J].電腦知識與技術,2010,17(6):1~3.[5] 刑向華,[J].光電子技術,2003,(12):268270.[6] 王慧琴.《數(shù)字圖像處理》[M].背景:北京郵電大學出版社,~183.[7] 張思俊,王樂樂,[J].重慶交通大學學報（自然科學版）,2012,(03):23~30.[8] （MATLAB）[M].北京:電子工業(yè)出版社,~286.[9] 王傳麗,宇仁德,[J].交通工程,2011,4(13):1~5.[10] 付煒,趙正則,[J].電子測量技術,2008,(03):1~4.[11] 陳寧寧,[J].虛擬儀器技術,2013,(22):4~7.[12] 蒲東兵,趙大偉,[J].微型電腦應用,2010,(4):4244.[13] 王維真,熊義軍,[J].計算機工程與應用,2010,(12):169171.[14] [J].中國科技博覽,2010,(12):302.[15] 胡小峰, C++/MATLAB圖像處理與識別使用案例精選[M].北京::168~210.[16] 孫紅艷,[J].菏澤學院學報,2010,32（2）:4952.[17] Image .[18] Brugge ,Stevens ,and Spaanenburg plate recognition using DTCNNs[J].IEEE Cellular Neural Netw and Appl,1998,212217.致 謝時光匆匆，轉眼間便到了畢業(yè)季，春夢秋云，離校日期已日趨逼近，畢業(yè)論文的完成也隨之進入了尾聲。3．缺乏識別效率測試。在整個編寫程序的過程中，主要以車牌處理的基本步驟為指導，處理過程中關鍵在于各個處理環(huán)節(jié)的有效銜接，不僅要靈活的將MATLAB語言和C語言的有效融合，還要求能熟練掌握MATLAB的運行環(huán)境和操作界面，才能很好地實現(xiàn)整個系統(tǒng)的功能。第四章 設計結果與分析 設計結果本次課程設計選用的車牌圖片是湘C2LY86，通過MATLAB編程實現(xiàn)對圖片的每一步處理，最終獲得的結果如下圖所示： 設計分析車牌自動識別的效果主要取決于系統(tǒng)前期圖像預處理是否得當[18]。最小歐式距離法是模板匹配法的基本算法，最小歐式距離法即對任意一個原型，計算它與待匹配字符的歐式距離，找到最小的，其對應的就是識別出的字符。特征提取必須能夠反映整個字符的特征，神經網絡的輸入是字符的特征向量，輸出結果是文本格式的字符信息[17]。這種網絡互聯(lián)較多，待處理信息量較大。用神經網絡進行字符識別，主要有兩種方法。神經網絡理論自20世紀中葉提出以來，取得了一系列的研究成果。垂直投影法處理過程是，對已切割出來的車牌在水平方向上從左至右檢測各坐標的投影數(shù)值，檢測到第一個投影值部位0的坐標可是為首字符的左邊界，從該坐標向右檢測到的第一個投影值為0的坐標可是為首字符的右邊界，其余字符的邊界坐標相同處理可得。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。首先確定車牌底色的RGB對應的范圍，再對X、Y方向上的像素點個數(shù)進行統(tǒng)計，統(tǒng)計的目的是找出車牌背景在整個圖像中的坐標范圍，統(tǒng)計完成后，得到車牌的大體外圍[16]。方法(2)要比方法(1)的效果好，速度較快，漏檢率低，但不能夠準確的定位車牌的邊界，很難與背景文字、車燈等同樣灰度變化明顯的區(qū)域分開。調用格式為：IM2=imopen(IM,SE)IM2=imopen(IM,NHOOD) 牌照定位和分割牌照定位的主要目的是在預處理后的灰度圖像中確定車牌的具體位置，并將包含牌照字符的子圖像從整個圖像中劃分出來，供字符識別系統(tǒng)識別。腐蝕的作用是消除物體邊界點，使目標縮小，可以消除小于結構元素的噪聲點；膨脹的作用是將與物體接觸的所有背景點合并到物體中，使目標增大，可添補目標中的空洞。腐蝕的具體操作是：用一個結構元素(一般是33的大小)掃描圖像中的每一個像素，用結構元素中的每一個像素與其覆蓋的像素做“與”操作，如果都為1，則該像素為1，否則為0。結構元素的原點指定了圖像中需要處理的像素范圍，結構元素中數(shù)值為1的點決定結構元素的鄰域像素在進行膨脹或腐蝕操作時是否需要參與計算。卷積運算如下： （） （） （） 區(qū)域膨脹與腐蝕原理：在特殊領域運算形式——結構元素（Sturcture Element），在每個像素位置上與二值圖像對應的區(qū)域進行特定的邏輯運算。產生較寬的響應，故采用上述算子檢測的邊緣圖像常需做細化處理，邊緣定位的精度不是很高，其邊緣比較粗糙，線條較粗。(2)頻率域處理：高、低通濾波、同態(tài)濾波等。圖像增強的基本方法可以分為兩大類：空間域方法和頻率域方法。由于它不是簡單的取平均，所以產生的模糊比較少。于是原來窗口中心點的灰度值80就由窗口中值20代替。對某些輸入型號，中值濾波具有不變性且具有去噪功能，起初中值濾波應用在一維信號處理技術中，后來被二維的圖像信號處理技術引用。灰度變換主要針對獨立的像素點進行處理，通過改變原始圖像數(shù)據(jù)所占有的灰度范圍而使圖像在視覺上得到改觀，沒有利用像素點之間的相互關系。其中每個像素點的變化范圍都是0—255之間，灰度圖像是指不含彩色信息，只含亮度信息的圖像，灰度圖就是黑白的，但點與點之間黑的程度是不一樣的[12]。(4)水平校正。(2)圖像去噪。但攝像時的光照條件、牌照的整潔程度和攝像機的狀態(tài)（焦距、角度和鏡頭的光學畸變），以及車速的不穩(wěn)定等因素都會不同程度地影響圖像效果，出現(xiàn)圖像模糊、歪斜或缺損，車牌字符邊界模糊、細節(jié)不清楚、筆畫斷開、粗細不均勻等現(xiàn)象，從而影響車牌區(qū)域分割與字符識別的工作，所以識別之前需要對原始圖像進行預處理。車牌