【正文】 Image Processing).(6). [26].[27]. 13期.[28]. [29]楊淑瑩.((vc++ Ixl像處理程序設(shè)計(jì)》..[30]黃愛(ài)民，安向京，駱力等編著《數(shù)字圖像處理與分析基礎(chǔ)》..[31]. .[32]. .[33] ，朱志剛，石定機(jī)等譯.《數(shù)字圖像處理》..[34] ，徐英林等譯.《數(shù)字圖像處理》..[35]郎銳編著.《數(shù)字圖像處理學(xué)Visual C++實(shí)現(xiàn)》..[36] Nalwa Detecting Edges .IEEE Trans on Pattern Analysis and MachineIntelligence. 1986(8):P699714. [37]. . [38」邊肇祺，張學(xué)工等編著.《模式識(shí)別》.. [39]李介谷，蔡國(guó)廉等編著.《計(jì)算機(jī)模式識(shí)別技術(shù)》.. [40]吳頌德，張正友等編著.《計(jì)算機(jī)視覺(jué)》.. [41]楊光正，吳崛，張曉莉編著.《模式識(shí)別》.. [42]李金宗編著.《模式識(shí)別的理論與方法》.. [43]沈清等著.《模式識(shí)別導(dǎo)論》.. [44]. . [45」孫即祥等.《現(xiàn)代模式識(shí)別》.. [46」張大鵬.《模式識(shí)別與圖像處理并行計(jì)算機(jī)系統(tǒng)設(shè)計(jì)》.. [47] Shunji Mari, Kazauhiko Review of OCR Research and Development. Processing of IEEE. (7):P10291057. [48] V ，Character RecognitionA Review .Pattern Recognition. ，. [49]傅德勝，壽益禾編著.《圖形圖像處理學(xué)》.. [50]赤仔永杰，劉文耀，. 37(4). 471420. [51」張遠(yuǎn)鵬，董海，. [52] . 24(1) . 4550 . [53]. 15(2). 181一187. [54]. 15(2). 253256. [55] Chang, Edmond ChingPing and Kunhuang Huarng .Incident Detection UsingAdvanced Technologies Washington, Paper 930943 .Transportation Research Board，72nd Annual Meeting, .。 我還要感謝我的同學(xué)，幫助我收集材料和圖像資料，因?yàn)橛辛怂麄兊膸椭?，才使我順利的完成了這次的畢業(yè)設(shè)計(jì)，在此非常感謝。 但是系統(tǒng)本身還存在許多不足，距離具體實(shí)用的要求仍有很大差距，但我卻在這次課程設(shè)計(jì)中學(xué)到了很多知識(shí)。在將字符分割后，我們采用最近鄰插值法將字符圖像作歸一化處理，為字符識(shí)別打好了基礎(chǔ)。在這一部分，我們首先利用Hough變換取得兩個(gè)傾斜角度，然后我們采取有別十通常采用的一次校正，取得了比較好的效果。首先闡述了數(shù)字圖像的基礎(chǔ)，作為隨后各種對(duì)數(shù)字圖像操作的基礎(chǔ)，其次為了去除牌照上的噪音點(diǎn)，更好的保留牌照上的有效信息，我采用了中值濾波的方法，對(duì)大多數(shù)車牌圖像都有較好的效果，最后，針對(duì)車牌圖像的二值化，我在總結(jié)前人理論的基礎(chǔ)上，結(jié)合車牌圖像自身的特點(diǎn)，提出了一種改進(jìn)的閩值算法，通過(guò)實(shí)驗(yàn)證明，該方法能較好的保留圖像有效信息，并且能夠在光照不好，圖像陰暗的情況下仍然取得比較好的效果，方便后續(xù)處理。第六章車牌識(shí)別系統(tǒng)實(shí)現(xiàn) 通過(guò)對(duì)原始待識(shí)別圖像的一系列預(yù)處理，然后進(jìn)行圖像矯正，將圖像分割成單個(gè)字符圖像，:由于在實(shí)際中，我們通過(guò)數(shù)碼相機(jī)采集的車牌圖像數(shù)量有限，并且遇到的車牌圖像多半比較清楚，所以我們認(rèn)為這個(gè)數(shù)據(jù)并不能完全反映出整個(gè)識(shí)別系統(tǒng)的性能，不過(guò)，系統(tǒng)的性能穩(wěn)定，識(shí)別率比較高，還是滿足了我們的需要，具有實(shí)用性強(qiáng)的特點(diǎn)。為了實(shí)驗(yàn)方便，結(jié)合本次設(shè)計(jì)所選汽車牌照的特點(diǎn)，只建立了4個(gè)數(shù)字26個(gè)字母與10個(gè)數(shù)字的模板。建立自動(dòng)識(shí)別的代碼表讀取分割出來(lái)的字符第一個(gè)字符與模板中的漢字模板進(jìn)行匹配第二個(gè)字符與模板中的字母模板進(jìn)行匹配待識(shí)別字符與模板字符相減，值越小相似度越大，找到最小的一個(gè)即為匹配的最好的識(shí)別完成，輸出此模板對(duì)應(yīng)值后5個(gè)字符與模板中的字母與數(shù)字模板進(jìn)行匹配圖20 字符識(shí)別流程圖此處采用相減的方法來(lái)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。模板匹配是圖象識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖象歸于相應(yīng)的類。因此，字符特征的提取就成為研究的關(guān)鍵。于是采用近鄰插值法將大小統(tǒng)一規(guī)格化為40x20的圖像，： 第五章字符識(shí)別字符的識(shí)別目前用于車牌字符識(shí)別(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法。在得到分割結(jié)果的同時(shí)，我們還要記錄下來(lái)黑線也就是分割線的位置，以便進(jìn)行后續(xù)的處理。 第二步，去除車牌的左右邊框，我們采用垂直投影的方法，由于這一步可以合并在車牌中字符串分割的過(guò)程中，所以我們?cè)趧澐肿址臅r(shí)候一并處理，在這里就不單獨(dú)處理了。 第一步，去除牌照上下邊框，在這里我們采用統(tǒng)計(jì)顏色跳變的方法，標(biāo)準(zhǔn)的汽車牌照上有七個(gè)字符，所以，在字符的區(qū)域中，每條水平線中的顏色所發(fā)生的跳變次數(shù)，即指的由黑變白或者由白變黑的次數(shù)，應(yīng)該至少要大過(guò)14次，而在非字符區(qū)域，由于邊框部分顏色單一，發(fā)生跳變的幾率非常小，所以很少能達(dá)到14次，我們的具體算法如下: (1)計(jì)算每一條水平線中的顏色跳變次數(shù)，如果大于14，則認(rèn)為此行是字符區(qū)域，反之，則認(rèn)為此行不可能位于字符區(qū)域。圖像分割多年來(lái)一直得到人們的高度重視。 應(yīng)用上面的方法，我們對(duì)圖片進(jìn)行校正的處理，圖像中的車牌在垂直方向和水平方向的傾斜角度都超過(guò)了5度，所以應(yīng)該采用最后一種處理方法進(jìn)行處理，即將校正處理分為兩步，首先進(jìn)行垂直校正，車牌的垂直邊緣已經(jīng)達(dá)到了我們預(yù)期的效果，然后對(duì)圖像進(jìn)行水平校正。對(duì)變換后的新圖像進(jìn)行操作，根據(jù)車牌水平方向的傾斜角度對(duì)像素的位置進(jìn)行調(diào)整，取平行四邊形的最低點(diǎn)為基準(zhǔn)像素點(diǎn)，以其作一條基準(zhǔn)水平直線，底邊上各像素點(diǎn)垂直下沉到基準(zhǔn)直線上，圖像上其它元素再依次進(jìn)行下移。 那么第一步就是對(duì)圖像進(jìn)行垂直方向上的矯正，把表示車牌區(qū)域的四邊形的一邊即車牌的垂直邊，將這條邊規(guī)劃到與Y軸平行。我們對(duì)于車牌校正所采取的方法是Hough變換的方法來(lái)進(jìn)行檢測(cè)。在數(shù)字圖像處理中，二值圖像因?yàn)槠涮幚硭俣瓤?、程序處理方便而占有非常重要的地位。{fij}為二維數(shù)據(jù)序列。中值濾波原理 中值濾波就是用一個(gè)含有奇數(shù)點(diǎn)的滑動(dòng)窗口，將窗口中的正中點(diǎn)的值用窗口內(nèi)各點(diǎn)的中值來(lái)替代，意即假設(shè)窗口內(nèi)有五個(gè)點(diǎn)，其灰度值分別為1, 4, 6, 9, _5,那么這個(gè)窗口中的正中點(diǎn)即灰度值為6的點(diǎn)經(jīng)過(guò)中值濾波處理后的值為(1+4+6+9+5) /5=5。 由于我們之前得到的圖像是24位真彩圖，它的每一個(gè)像素由R, G, B二個(gè)分量構(gòu)成，我們通常采用下面的公式將其轉(zhuǎn)換成為灰度圖。 由彩色轉(zhuǎn)換為灰度的過(guò)程就叫做灰度化處理。對(duì)十那些用到調(diào)色板的位圖，這里的圖像數(shù)據(jù)只是一個(gè)指向調(diào)色板數(shù)據(jù)的指針，指針?biāo)赶虻臄?shù)據(jù)就是該點(diǎn)的顏色數(shù)據(jù)，而對(duì)十真彩色圖像來(lái)說(shuō)，圖像數(shù)據(jù)就是實(shí)際的R, G, B值，對(duì)十24位真彩色圖來(lái)說(shuō)，每一個(gè)像素的顏色都要用3個(gè)變量來(lái)表示。 第三部分是調(diào)色板(Palette)，這里的調(diào)色板主要是針對(duì)位圖文件，例如16色位圖，256色位圖等，而真彩色圖像是不需要調(diào)色板的。而 biWidth和biHeight分別表示圖像的寬度和高度，單位是像素；biplanes必須是1； biCount表示圖像在表示顏色時(shí)要用到的位數(shù)，常用的分別