【正文】 t=toc。grid on。 end figure(8),subplot(2,2,3),plot(Blue_x)。 end PX2=x。 end end end PX1=1。Y 方向車牌區(qū)域確定39。Y 方向統(tǒng)計(jì)39。(PY2y)) PY2=PY2+1。(PY11)) PY1=PY11。%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end end [temp Max_index]=max(Blue_y)。[y,x,z]=size(I5)。figure(7),imshow(I5)。title(39。rectangle39。title(39。1。figure(13),imshow(I21)。robert 算子邊緣檢測(cè)39。robert39。title(39。title(39?；叶葓D直方圖39。灰度圖39。原圖39。D:\MATLAB7\39。最后，讓我再一次對(duì)培養(yǎng)我的南京工程學(xué)院，在百忙之中評(píng)閱我的論文和參加答辯的各位老師致以最誠摯的謝意！參考文獻(xiàn)[1](美)岡薩雷斯(Gonzalez，.)等著。致謝本論文是在童瑩老師的悉心指導(dǎo)和親切關(guān)懷下完成的。后續(xù)的研究有待于從以下幾個(gè)方面進(jìn)步提高和完善:(l)車牌定位對(duì)于字符分割有著重要的影響，本文只是針對(duì)沒有太多復(fù)雜背景的藍(lán)白車牌圖片進(jìn)行，有待進(jìn)一步實(shí)現(xiàn)其他具有復(fù)雜背景的車牌圖片的定位。（4）最后使用 MATLAB 語言編寫了車牌定位與字符分割程序。最后編程實(shí)現(xiàn)了車牌的定位與校正及字符分割，從輸入的車輛圖像中提取出一個(gè)個(gè)獨(dú)立的字符，為以后把分割出的單個(gè)字符輸入字符識(shí)別模塊并得到車牌識(shí)別結(jié)果奠定了基礎(chǔ)。(a) 分割出來的七個(gè)字符圖像(b) 分割出來的七個(gè)字符圖像(c) 分割出來的七個(gè)字符圖像(d) 分割出來的七個(gè)字符圖像(e) 分割出來的七個(gè)字符圖像 (f) 分割出來的七個(gè)字符圖像 圖59 多幅車牌的字符分割結(jié)果從上述的字符分割結(jié)果中可以看出，本算法能較好地實(shí)現(xiàn)車牌的字符分割。圖57 分割出來的七個(gè)字符圖像字符歸一化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。 圖 54 膨脹或腐蝕后的車牌圖像圖 55 是對(duì)其他一些車牌圖像的預(yù)處理結(jié)果，可以看出車牌圖像經(jīng)過預(yù)處理后，噪聲在不斷減弱，為后期字符分割提供基礎(chǔ)。圖 52 車牌圖像二值化第三步，對(duì)二值化圖像進(jìn)行均值濾波。車牌僅僅進(jìn)行了水平校正，并沒有進(jìn)行垂直校正，這也是算法的不足之處。)。)。%J 記錄了傾斜角qingxiejiao=90Jdw1=imrotate(dw,qingxiejiao,39。)。定位剪切后的彩色車牌圖像39。此外，Radon 變換總能在 或 附近取得局部極大值，這?? 10???19?樣我們就可以設(shè)置一個(gè)閾值來求取 和 范圍內(nèi)的 Radon 變換的局部極????大值，所求得的局部極大值就是檢測(cè)的車牌水平和垂直邊的傾斜角。二維空間(x，y)平面內(nèi)的一條直線可以表示為(見圖 41)： （41）cosinxy????圖 41 直線的極坐標(biāo)表示將其映射成 Radon 空間的一個(gè)點(diǎn) (,)??具體步驟如下：1．對(duì)原圖像進(jìn)行二值化；2．二值圖像邊緣化后進(jìn)行 Radon 變換；3．找出 Radon 變換矩陣中的局部極大值 ， 就是車牌圖像一條邊1(,)R??1框的傾斜角度。?(4)找出對(duì)應(yīng)圖像平面共線的累加器中的最大值，該最大值對(duì)應(yīng)的 為此直?線的傾斜角度。n 為車牌圖片[0,1]??[.5,1.]???的寬度。該方法具有角度估計(jì)精確，速度快，抗干擾能力強(qiáng)等優(yōu)點(diǎn)。目前對(duì)車牌進(jìn)行傾斜校正主要采用以下幾種方法：1．Hough 變換法，通過 Hough 變換來求取車牌的邊框傾斜度。車牌傾斜不但會(huì)給字符切分帶來困難，而且還會(huì)給漢字和字符識(shí)別帶來困難，降低識(shí)別率，所以有必要進(jìn)行傾斜校正。 (a) 車牌 1 定位結(jié)果 (b) 車牌 2 定位結(jié)果 (c) 車牌 3 定位結(jié)果 (d) 車牌 4 定位結(jié)果 (e) 車牌 5 定位結(jié)果圖 310 多幅定位剪切后的彩色車牌圖像程序 dw=I(PY1:PY28,PX1:PX2,:)表示截取 PY1 和 PY28,PX1 和 PX2 之間的像素矩陣，其中 PY28 是一個(gè)經(jīng)驗(yàn)值，對(duì)于不同的拍攝角度獲得的圖像也可以選擇 PY23 或者 PY21，因此實(shí)際應(yīng)用中需要根據(jù)大量數(shù)據(jù)統(tǒng)計(jì)獲得。統(tǒng)計(jì)的目的主要是找到車牌圖像在整個(gè)圖像中的坐標(biāo)范圍。圖 33 腐蝕后的車牌圖像第三步：對(duì)腐蝕圖像進(jìn)行閉操作，保持車牌圖像的基本形態(tài)特征。3．3 車牌定位流程及結(jié)果本文采用基于數(shù)學(xué)形態(tài)學(xué)和邊緣檢測(cè)以及顏色相結(jié)合的方法實(shí)現(xiàn)車牌定位，其流程圖如下：對(duì)車牌圖像進(jìn)行預(yù)處理，得到車牌的基本形態(tài)去除非目標(biāo)區(qū)域通過計(jì)算尋找 X 和Y 方向車牌的區(qū)域完成車牌定位圖 31 車牌定位流程圖第一步，對(duì)經(jīng)過灰度拉伸的車牌圖像進(jìn)行邊緣檢測(cè)，結(jié)果如圖 32 所示。該方法具有較強(qiáng)的自適應(yīng)能力，可以在較復(fù)雜背景中精確定位大小不同的車牌。對(duì)夜間迎車頭燈時(shí)抓拍的圖像定位很成功。閉操作同樣使輪廓線更光滑，但與開操作相反的是，它通常消彌狹窄的間斷和細(xì)長的鴻溝，消除小的孔洞，并填補(bǔ)輪廓線中的斷裂。3．2．4 基于數(shù)學(xué)形態(tài)學(xué)的定位方法數(shù)學(xué)形態(tài)學(xué)圖像處理的基本思想，是利用一個(gè)結(jié)構(gòu)元素來探測(cè)一個(gè)圖像，看是否能將這個(gè)結(jié)構(gòu)元素很好的填放在圖像內(nèi)部，同時(shí)驗(yàn)證填放元素的方法是否有效。但應(yīng)用于背景復(fù)雜的圖像時(shí)，很容易把一些紋理分布比較豐富。該算法具有速度快、準(zhǔn)確率高、適應(yīng)性強(qiáng)等特點(diǎn)。車牌上的字符高度為 90mm，寬度為 45mm，分隔符的直徑為lOmm(實(shí)際上，每個(gè)字符是居中分布在一個(gè)高度為 90，寬度為 45mm 的矩形范圍內(nèi)，具體某個(gè)字符并不一定充滿這個(gè)矩形區(qū)域。如果選用的模板大，去除噪聲的效果會(huì)更明顯，但是計(jì)算復(fù)雜，所涉及的像素多而容易把細(xì)節(jié)抹去，造成模糊，如圖 213 所示。但是由于圖像邊緣也處于高頻部分，這樣往往帶來另外一個(gè)問題：在對(duì)圖像進(jìn)行均值濾波操作時(shí)，往往對(duì)圖像的細(xì)節(jié)造成一定的破壞。,3)。一般對(duì)于有緩變的較長輪廓線物體的圖像，采用方形或圓形窗口為宜，對(duì)于包含有尖頂角物體的圖像，適宜用十字形窗口。中值濾波就是這樣12,.na的一個(gè)變換，圖像中值濾波后某像素的輸出等于該像素鄰域中各像素灰度的中值。可以證明，對(duì)圖像進(jìn)行鄰域平均處理相當(dāng)于使圖像信號(hào)通過一個(gè)低通濾波器。由公式 211 可知，經(jīng)鄰域平均后，噪聲的均值不變，方差 。用一個(gè)像素鄰域內(nèi)各像素灰度平均值來代替像素原來的灰度，即使用了鄰域平均技術(shù)。)圖 28 車牌圖像二值化 圖 29 車牌圖像二值化圖 210 車牌圖像二值化以上圖片是對(duì)一些車牌圖像采用全局閾值分割方法的結(jié)果，從中可以看出，經(jīng)過采用上述方法進(jìn)行閾值分割后，能夠很好的把車牌字符與背景分割開，同時(shí)該方法簡單快捷，易于理解，實(shí)用性強(qiáng)。)。 % T 為二值化的閾值（四舍五入）[m,n]=size(b)。39。藍(lán)白車牌和黑白車牌車牌底色和字符顏色對(duì)比明顯，而黃黑車牌的車牌底色和字符顏色對(duì)比不太明顯。動(dòng)態(tài)閾值法的閾值確定不僅取決于該像素的灰度值及其周圍像素的灰度值，而且與像素位置信息有關(guān)。目前二值化有多種閾值選取方法。這是考慮到在實(shí)際的圖像處理系統(tǒng)中，要求處理的速度高、成本低、信息量大的濃淡圖像處理的花銷太大。2．3 車牌圖像的二值化灰度圖像是有 256 個(gè)灰度級(jí)的單色圖像，多級(jí)別的圖像能夠呈現(xiàn)出較為豐富的明暗度，但對(duì)于目標(biāo)搜索來說，總是希望盡可能地減少背景像素的干擾，而保存或增強(qiáng)目標(biāo)區(qū)的色素度。圖 27 灰度拉伸后的圖像及其直方圖程序中使用 imadjust 函數(shù)來實(shí)現(xiàn)圖像的灰度拉伸。figure(3),subplot(1,2,2),imhist(J)。%非線性變換figure(3),subplot(1,2,1),imshow(J)。出于對(duì)實(shí)時(shí)性的考慮，在車牌識(shí)別系統(tǒng)中一般很少使用頻域增強(qiáng)法。圖 23 車牌圖像的灰度圖及其直方圖圖 24 車牌圖像的灰度圖及其直方圖圖 25 車牌圖像的灰度圖及其直方圖2．2 圖像增強(qiáng)圖像在獲取和傳輸過程中通常都會(huì)混入很多噪聲，導(dǎo)致圖像質(zhì)量的下降，使圖像的細(xì)節(jié)難以辨認(rèn)、模糊、輪廓不清楚甚至畸變，不利于人和機(jī)器對(duì)圖像的理解。灰度圖直方圖39?；叶葓D39。原圖39。D:\MATLAB7\39?；叶然奶幚矸椒ㄖ饕腥缦氯N:（1）最大值法:使 g 的值等于三值中的最大的一個(gè)，見式(21) （21)max(,)RGB? (2) 平均值法:使 g 的值等于三值和的平均值，見式(22) (22)3? (3)加權(quán)平均值法:根據(jù)重要性或其他指標(biāo)給 R，G，B 賦予不同的權(quán)值，并使 g 等于它們的值的加權(quán)平均值，見式(23) (23)3RBWg??其中 , , 分別為 R，G，B 的權(quán)值。在 RGB 模型中，例如 R=G=B，則顏色表示一種灰度顏色，其中 R=G=B 的值叫做灰度值，我們用 g 來表示。最后對(duì)字符分割實(shí)驗(yàn)結(jié)果進(jìn)行了分析。第四章為傾斜校正。詳細(xì)地闡述了車牌定位分割過程中涉及到的圖像處理技術(shù)的基本理論,并結(jié)合課題程序進(jìn)行探討分析。輸入車牌圖像 車牌圖像預(yù)處理 車牌定位傾斜校正字符分割圖 11 系統(tǒng)總流程圖 對(duì)車牌圖像進(jìn)行預(yù)處理，得到車牌的基本形態(tài)去除非目標(biāo)區(qū)域通過計(jì)算尋找 X 和Y 方向車牌的區(qū)域完成車牌定位 圖 12 車牌定位的流程圖 [m，n]=size（d） ，逐排檢查有沒有白色像素點(diǎn)，設(shè)置1=jn1，若圖像兩邊 s（j）=0，則切割，去除圖像兩邊多余的部分切割去圖像上下多余的部分根據(jù)圖像的大小，設(shè)置一閾值，檢測(cè)圖像的 X軸，若寬度等于這一閾值則切割，分離出七個(gè)字符歸一化切割出來的字符圖像的大小為 40*20，與模板中字符圖像的大小相匹配 圖 13 字符分割與歸一化流程圖1．4 論文章節(jié)安排 第一章為緒論。目前的字符分割的算法一直在不斷完善。車牌字符分割屬于印刷體字符分割的范疇。它的方法多種多樣，它可以是對(duì)先前方法的改進(jìn)，也可以是獨(dú)辟蹊徑的創(chuàng)新，也可以是新老方法的結(jié)合。國內(nèi)做得好的產(chǎn)品有中科院自動(dòng)化所漢王公司的“漢王眼” ，除此之外國內(nèi)的亞洲視覺科技有限公司，中科院沈陽自動(dòng)化所的沈陽聚德公司，深圳市吉通電子有限公司，中國信息產(chǎn)業(yè)部下屬的中智交通電子預(yù)先公司等也都有自己的產(chǎn)品，另外，西安交通大學(xué)的圖像處理與識(shí)別研究所，上海交通大學(xué)的計(jì)算機(jī)科學(xué)與工程系，清華大學(xué)人工智能國家重點(diǎn)實(shí)驗(yàn)室，浙江大學(xué)的自動(dòng)化系等也都做過類似的研究。雖然提高了識(shí)別率，但是，這同時(shí)也造成了系統(tǒng)的投資成本過大，應(yīng)用領(lǐng)域變窄，不能普遍推廣應(yīng)用。車牌自動(dòng)識(shí)別系統(tǒng)應(yīng)用于這些地方，可以解決通緝車輛的自動(dòng)稽查問題，可以解決車輛高峰期因出入車流瓶頸造成的陸橋卡口、停車場(chǎng)交通堵塞問題，可以解決因工作人員作弊造成的陸橋卡口、高速公路、停車場(chǎng)應(yīng)收款流失的問題，還可以最簡單的方式完成交通部門的車輛信息聯(lián)網(wǎng)，解決數(shù)據(jù)統(tǒng)計(jì)自動(dòng)化、模糊查詢的問題。關(guān) 鍵 字 ： 車 牌 識(shí) 別 系 統(tǒng) ， 車 牌 定 位 ， 字 符 分 割A(yù)BSTRACTAlong with the ing of the Information age,our life bee more and more convenient,at the same time there is more and more it is urgent for us to study an efficient method to manage Transportation System emerges in this condition,and the key technology of this system is License Plate Recognition System(LPRS).This article studies the algorithm of license plate location and the algorithm of license plate character segmentation in is widely used in the monitoring of vehicle on highway,the monitoring of vehicle at crossroad and vehicle management in system can work in day and night efficiently,which saves labors and resources.LPRS is consisting of hardware and software,