【正文】 else d=[]。 end else word=qiege(imcrop(d,[1 1 wide m]))。n1/m1y2 d(:,[1:wide])=0。 end temp=qiege(imcrop(d,[1 1 wide m]))。 wide=0。flag=0。enddd=rightleft。leftn left=left+1。amp。 %intwhile sum(d(top,:))==0amp。top=1。,39。endfigure(10),imshow(dw),title ([39。 Code(l*21)=liccode(findc(1)+kmin1)。 end end end Error(k2)=Dmax。 SamBw2=double(SamBw2)1。,liccode(k2),39。 else l=3 %第三位以后是字母或數(shù)字識(shí)別 kmin=1。 if l==1 %第一位漢字識(shí)別 kmin=37。 %讀取圖片文件中的數(shù)據(jù) SegBw2=imresize(t,[40 20],39。for I=1:7 ii=int2str(I)。京遼魯陜蘇豫浙39。A39。039。其他模板設(shè)計(jì)的方法與此相同。此處采用相減的方法來求得字符與模板中哪一個(gè)字符最相似，然后找到相似度最大的輸出。39。imwrite(word6,39。)。39。imwrite(word2,39。)。639。subplot(2,7,12),imshow(word5),title(39。)。239。subplot(2,7,8),imshow(word1),title(39。word4=imresize(word4,[40 20])。[m,n]=size(word1)。)。539。subplot(2,7,4),imshow(word4),title(39。)。139。% 分割出第六個(gè)字符[word6,d]=getword(d)。 endend% 分割出第二個(gè)字符[word2,d]=getword(d)。 if two_thirds/ally2 flag=1。 else temp=qiege(imcrop(d,[1 1 wide m]))。wide=0。flag=0。 d(:,k1+num+5)=0。amp。j=1。[m,n]=size(d)。一般分割出來的字符要進(jìn)行進(jìn)一步的處理，以滿足下一步字符識(shí)別的需要。)。39。 % eye(n) returns the nbyn identity matrix 單位矩陣[m,n]=size(d)。diamond39。,3)。 subplot(3,2,3),imshow(d),title(39。%建立預(yù)定義的濾波算子，average為均值濾波，模板的尺寸為3*3d=im2bw(round(filter2(h,d)))。均值濾波前39。 % d:二值圖像imwrite(d,39。g_min=double(min(min(b)))。%將灰度圖像寫入文件中 figure(8)。%讀取車牌文件中的數(shù)據(jù)b=rgb2gray(a)。)。)。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 %temp為向量white_y的元素中的最大值，MaxY為該值的索引 PY1=MaxY。%返回I5各維的尺寸，存儲(chǔ)在x,y,z中myI=double(I5)。title(39。平滑圖像39。,[25,25])。腐蝕后圖像39。1]。roberts 算子邊緣檢測(cè)圖像39。both39。)。)。%將車牌的原圖顯示出來結(jié)果如下：：I1=rgb2gray(I)。figure(1),imshow(I)。JPEG 文件(*.jpg)39。對(duì)于車牌識(shí)別系統(tǒng)而言，以上的每一個(gè)步驟都是必不可少的，并且后一步驟均是建立在前面步驟的基礎(chǔ)之上進(jìn)行的，因此，只有確保做好每一步才能順利完成系統(tǒng)最終的識(shí)別工作。被分離出的車牌區(qū)域圖像，系統(tǒng)并不能直接對(duì)其進(jìn)行識(shí)別，還需要將車牌上的每一個(gè)字符都獨(dú)立的完整的分割出來，即從車牌區(qū)域圖像中將車牌上所包含的每一個(gè)字符都切分出來，使其成為不具有任何相關(guān)性的單個(gè)字符圖像，再由系統(tǒng)分別對(duì)每個(gè)字符進(jìn)行識(shí)別，在對(duì)字符進(jìn)行切分時(shí)，要注意保證每個(gè)字符的完整度。車牌定位：是指對(duì)預(yù)處理過的汽車圖片進(jìn)行處理，把車牌部分進(jìn)行定位，把無用的部分去除，得到定位好的車牌圖片。圖像采集：該單元是指道路上安裝的攝像頭在檢測(cè)到有車輛通過的同時(shí)進(jìn)行拍照并借助網(wǎng)絡(luò)傳送到汽車自動(dòng)識(shí)別系統(tǒng)。因此，研究高速準(zhǔn)確的定位與識(shí)別算法，是當(dāng)前的主要任務(wù)。這些工具箱都是由該領(lǐng)域內(nèi)的學(xué)術(shù)水平很高的專家編寫的，所以用戶無需編寫自己學(xué)科范圍內(nèi)的基礎(chǔ)程序，而直接進(jìn)行高、精、尖的研究。其工具箱又可分為兩類：功能性工具箱和學(xué)科性工具箱。由于MATLAB的程序不用編譯等預(yù)處理，也不生成可執(zhí)行文件，程序?yàn)榻忉寛?zhí)行，所以速度較慢。 （6）MATLAB的圖形功能強(qiáng)大。（3）MATLAB既具有結(jié)構(gòu)化的控制語句（如for循環(huán)、while循環(huán)、break語句和if語句），又有面向?qū)ο缶幊痰奶匦?。由于?kù)函數(shù)都由本領(lǐng)域的專家編寫，用戶不必?fù)?dān)心函數(shù)的可靠性。MATLAB用更直觀的、符合人們思維習(xí)慣的代碼，代替了C和FORTRAN語言的冗長(zhǎng)代碼。又如 HP 公司的 VXI 硬件，TM 公司的 DSP ，Gage 公司的各種硬卡、儀器等都接受 MATLAB 的支持。 國(guó)際學(xué)術(shù)界，MATLAB 已經(jīng)被確認(rèn)為準(zhǔn)確、可靠的科學(xué)計(jì)算標(biāo)準(zhǔn)軟件。MATLAB以商品形式出現(xiàn)后，僅短短幾年，就以其良好的開放性和運(yùn)行的可靠性，使原先控制領(lǐng)域里的封閉式軟件包（如英國(guó)的 UMIST ，瑞典的 LUND，和 SIMNON ，德國(guó)的 KEDDC ）紛紛淘汰，而改以 MATLAB 為平臺(tái)加以重建。 車牌自動(dòng)識(shí)別系統(tǒng)擁有廣闊的應(yīng)用前景，但若在每個(gè)街口都裝配一套全新的車輛探測(cè)器的硬件系統(tǒng)則投資巨大，所以急需一個(gè)純軟件實(shí)行的車牌自動(dòng)識(shí)別系統(tǒng)來最大限度的減少費(fèi)用，而純軟件的設(shè)計(jì)，不僅投資小而且靈活性高，適合我國(guó)的國(guó)情。另外，該系系統(tǒng)還可發(fā)現(xiàn)無車牌的車輛。該系統(tǒng)能夠測(cè)量和統(tǒng)計(jì)很多交通流指標(biāo)參數(shù)，如總的服務(wù)流率，總行程時(shí)間，總的流入量流出量，車型及車流組成，日車流量，小時(shí)/分鐘車流量，車流高峰時(shí)間段，平均車速，車輛密度等。車牌自動(dòng)識(shí)別系統(tǒng)可安裝于公路收費(fèi)站、停車場(chǎng)、十字路口等交通關(guān)卡處，其具體應(yīng)用可概括為： (l)交通監(jiān)控利用車牌識(shí)別系統(tǒng)的攝像設(shè)備，可以直接監(jiān)視相應(yīng)路段的交通狀況，獲得車輛密度、隊(duì)長(zhǎng)、排隊(duì)規(guī)模等交通信息，防范和觀察交通事故?，F(xiàn)代交通的飛速發(fā)展以及車牌識(shí)別系統(tǒng)應(yīng)用范圍的日益拓寬給車牌識(shí)別系統(tǒng)提出了更高的要求。條形碼識(shí)別要求預(yù)先在車身上印刷條形碼，在系統(tǒng)的某一固定位置上安裝掃描設(shè)備，通過掃描來讀取條形碼，以達(dá)到識(shí)別車輛的目的。就位數(shù)而言，有七位數(shù)字的，有武警車九位數(shù)字的，有軍車、前兩位字符上下排列的等，所以也造成了處理的難度。 從實(shí)用產(chǎn)品來看，如以色列的HiTech公司研制的多種See/Car system，適應(yīng)于幾個(gè)不同國(guó)家的車牌識(shí)別，就針對(duì)中國(guó)格式車牌的See/Car syste而言，它不能識(shí)別漢字，且識(shí)別率有待提高。因而進(jìn)一步加深車牌定位的研究是非常必要的。為了解決圖像惡化的問題，目前國(guó)內(nèi)外采用主動(dòng)紅外照明攝像或使用特殊的傳感器來提高圖像的質(zhì)量，繼而提高識(shí)別率，但系統(tǒng)的投資成本過大，不適合普遍的推廣。到目前為止，在眾多的車牌自動(dòng)識(shí)別方法中還沒有一個(gè)可以達(dá)到理想的效果，因此對(duì)車牌識(shí)別技術(shù)的研究意義重大。然而智能交通的不斷發(fā)展使得對(duì)車牌定位系統(tǒng)有了更高的要求，主要表現(xiàn)在系統(tǒng)的實(shí)時(shí)性和準(zhǔn)確性。車牌識(shí)別系統(tǒng)將獲取的車輛圖像進(jìn)行一系列的處理后，以字符串的形式輸出結(jié)果，這樣不但數(shù)據(jù)量小，便于存儲(chǔ)，操作起來也更容易，因此車牌識(shí)別系統(tǒng)的便捷性是人工車牌識(shí)別所不能比擬的，它蘊(yùn)藏著很大的經(jīng)濟(jì)價(jià)值和發(fā)展空間，對(duì)車牌識(shí)別技術(shù)的研究是非常有的意義的。圖像分割就是把圖像中需要的那一個(gè)部分分割出來。采用某些處理技術(shù)來突出圖像中的某些信息,削弱或消除某些無關(guān)信息,從而有目的地強(qiáng)調(diào)圖像的整體或局部特征，讓觀察者能看到更加直接、清晰的分析和處理圖像。車牌號(hào)識(shí)別系統(tǒng)是基于圖像處理技術(shù)的基礎(chǔ)進(jìn)行研究的。也是智能交通系統(tǒng)的核心技術(shù)，