【正文】 因此在進(jìn)行其他修改的時候，可能也會引發(fā)新的 Bug。但是在測試中，會發(fā)現(xiàn)有些功能是不完善或是有必要修正的。 模塊功能測試 模塊功能測試，就是為了檢查在模塊中有沒有不能實(shí)現(xiàn)或?qū)崿F(xiàn)有問題的功能，或是運(yùn)行是否穩(wěn)定以及能否反復(fù)使用。本軟件系統(tǒng)的每一個功能模塊對應(yīng)著一個按鈕，同時為了基于快捷的思想，設(shè)計了一個“一步檢測”的按鈕，通過此按鈕，可以很快地識別車牌。在測試時特別注意界面中有沒有標(biāo)題、標(biāo)簽寫錯，包括運(yùn)行時彈出的對話框中是否有誤，還特別做了用以區(qū)別的標(biāo)題欄圖標(biāo)。 車牌識別系統(tǒng)的測試 本次設(shè)計的 車牌識別系統(tǒng)是一個 比較完整的軟件系統(tǒng)，是一個可以被運(yùn)用于實(shí)際生活中的軟件系統(tǒng)，系統(tǒng)設(shè)計完成后 ， 對界面效果，各個模塊 ，軟件性能各個方面 進(jìn)行了詳細(xì)的檢測，并根據(jù)檢測結(jié)果做出相應(yīng)的完善與修改，最終，軟件系統(tǒng)能夠 正常運(yùn)行 ，功能能夠基本實(shí)現(xiàn)。軟件測試在軟件最終形成過程中占有重要的地位，任何軟件必須通過測試，才能去發(fā)現(xiàn)錯誤，才能去更正錯誤，軟件測試者的主要工作是找出軟件的缺陷，然后軟件設(shè)計者根據(jù)測試 的結(jié)果做出相應(yīng)的改進(jìn)，直至滿足軟件消費(fèi)者的需求。根據(jù)預(yù)先設(shè)置的規(guī)則，輸出文本字符。牌照圖像中的字符寬度一般不超過 20 個像素，為了保證字符匹配的準(zhǔn)確性，本系統(tǒng)采用的 20*40 像素的二值化的模板。因?yàn)樘?，模板匹配所需時間就長，太小，包含的有用信息就會減少，表達(dá)的內(nèi)容就不夠完整。模板匹配法包括以下 創(chuàng)建字符模板 、 字符匹配 兩 大步驟 ，簡述如下： 創(chuàng)建字符模板 匹配模板用來比對從車牌分割出來的字符圖像。但是，神經(jīng)網(wǎng)絡(luò)方法 具有會 出現(xiàn)誤識、不適合實(shí)時識別系統(tǒng)、學(xué)習(xí)樣本難采集等 缺點(diǎn)。 神經(jīng)網(wǎng)絡(luò)法 該方法是基于 人工神經(jīng)網(wǎng)絡(luò) 原理實(shí)現(xiàn)模式識別。它的研究的對象是基元，就像文章中的字、詞、短語和句子，這些構(gòu)成了一遍文章，所以在這里我們研究的是字符的組成結(jié)構(gòu)，這種方法也被 稱為句法模式識 別，這種識別方法容易識別變化的字符和 區(qū)分相似的字符。但也存在比較明顯的缺點(diǎn)，如果 模式比較復(fù)雜 ，則提取模式的特征比較困難，而且只注重局南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 33 部，忽略整體，因此，只適合模式簡單的目標(biāo)。 統(tǒng)計模式法 統(tǒng)計模式識別是對模式的統(tǒng)計分類方法，把模式 類看成是用某個隨機(jī)向量實(shí)現(xiàn)的集合。 常用的字符識別方法 由于模式 特征存在的種類不同，因此，可以將模式識別方法 大致分為 3大類。 (3)字符結(jié)構(gòu)變形導(dǎo)致變成團(tuán)狀，字符缺失，斷裂 。 本次設(shè)計是車牌識別系統(tǒng)，主要 識別的 是汽車牌照上的字符，由于眾多客觀條件的制約導(dǎo)致字符識別率比較低，例如： (1)圖像質(zhì)量差， 分辨率太低 。amp。amp。amp。amp。 車牌字符分割效果如 圖 51 所示。因此，如果漢字區(qū)域分割結(jié)果大于 1，則將這些 分割出來的區(qū)域合并，得到一個正確的漢字區(qū)域。 (3)根據(jù) 字符先驗(yàn)知識進(jìn)行分割校正 根據(jù)第 (2)步的結(jié)果，若字符區(qū)域個數(shù) Tempwordcount7， 表示 字符區(qū)域需要合并。 的 規(guī) 格， 首先算出 車牌中第二個和第三個字符之間的圓點(diǎn)分割符的位置 ， 用 i 表示車牌二值圖像的列， [i1,i2]表示圓點(diǎn)分割符 所在字符之間的區(qū)域 ， i1 為左邊界， i2 為右邊界，將 i1 到 i2 列之間的圖像區(qū)域像素點(diǎn)全部設(shè)為 0，這樣就去掉了圓點(diǎn)分割符。 因此，利用這些已經(jīng)知道的車牌先驗(yàn)知識，可以準(zhǔn)確的預(yù)估字符區(qū)域，并準(zhǔn)確地進(jìn)行字符的分割與識別。 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 30 本系統(tǒng) 采用的投影的方式是建立在車牌大小、形狀、字符長寬高等相關(guān)比例先驗(yàn)知識基礎(chǔ)上的 ，對粘連字符進(jìn)行相關(guān)的切分，對分隔的字符進(jìn)行合并。本文前述的傾斜校正及二值化工作為車牌字符分割工作的順利進(jìn)行打下堅實(shí)的基礎(chǔ)。 本系統(tǒng) 采用的分割方法是利用灰度差來完成的，即利用 目標(biāo)和背景之間的灰度差實(shí)現(xiàn) 分割的。在車牌識別系統(tǒng)中，要把車牌圖像從整幅圖像中分割出來， 需要將整幅圖像分割成小 部分進(jìn)行處理，圖像分割的 準(zhǔn)確程度對字符識別會產(chǎn)生巨大的影響，所以 ，必須采用合適的分割方法 ，進(jìn)行圖像分割。 字符分割 圖像分割 圖像分割是 基于某些 原則將一幅圖像或景物分為若干個特定的、具有獨(dú)特性質(zhì)的部分或子集，并提取出感興趣目標(biāo)的技術(shù)和過程。amp。amp。 圖 43 車牌定位示意圖 本文提出的車牌定位算法基于邊緣檢測 原理 ，有效的抑制了車牌區(qū)域外的噪聲信息，對不同條件下的車輛圖像有較好的適應(yīng)性， 處理速度比較快，效果比較好，基本滿足了本次設(shè)計的要求。 車牌上下 邊界 定位流程圖為圖 44所示，左邊界定位流程圖為圖 45 所示。 (5) 如果 AreaCount28*height,再計算左邊界右邊的 2 個字符區(qū)域的 黑白跳變次數(shù) 賦給 temparray,如果 temparray7*plateheight， 則左邊界定位錯誤，重置標(biāo)志為 leftflag=0，繼續(xù)尋找左邊界。這樣就確定了一個臨時右邊界。 (2)計算掃描 每列的黑白跳變次數(shù)，如果次數(shù) lefttest=4， 置 leftflag=1，表示初步找到左邊界。 (5)在求出 top 和 bottom 后進(jìn)行相減判定其差值，小于某臨界值 (由實(shí)驗(yàn)得到 )時，重置 bottomflag，繼續(xù)搜索車牌。 (4)在找到 車牌底后，對于黑白值改變的次數(shù) toptest 的行，確定車牌上邊界。 (2)將 掃描每行時的黑白值改變的次數(shù)賦給 count[i],i 為 行號 ，變量bottomflag 作為 車牌下邊界是否找到 的標(biāo)志 。 本文車牌定位算法 車牌邊緣檢測為車牌定位做了必要的 準(zhǔn)備工作，由于本系統(tǒng)的車牌邊緣檢測的算子為 Sobel 算子，得到了不錯的效果，因此，本系統(tǒng)是在 邊緣 檢測過后的圖像上進(jìn)行的定位操作。 基于小波變換的定位方法 小波變換 是將信號經(jīng)過各種形式的變換將信號進(jìn)行分解成為子信號，由于這些子信號時域和頻域特性存在許多差異，因此可以對這些 子 信號進(jìn)行時頻特性的檢測和分析。 基于彩色分割的定位方法 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 25 此車牌 定位方法主要是對彩色圖像進(jìn)行操作的，主要采用的是多層感知器對彩色圖像進(jìn)行定位。檢測的 算子比較多，如前文介紹的 Roberts 邊緣算子、 Log算子、 Sobel 算子以及拉普拉斯 算子 。 基于以上幾大特征決定了可以采取相應(yīng)的定位方法，根據(jù)不同的特 征，如顏色、形狀、位置、紋理、 字符等特征采取不同的方法得到的準(zhǔn)確率不同，通過綜合比較選取合適的定位方法。 (3)車牌內(nèi)字符有多個，基本呈水平排列，在牌照的矩形區(qū)域內(nèi)存在豐富的邊緣，呈現(xiàn)規(guī)則的紋理特征。在我國，車牌主要有下列特征： (1)車牌有一個連續(xù)或由于磨損而不連續(xù)的邊框 。sobel39。若該點(diǎn)滿足 式 415 的 條件，則該點(diǎn)為邊緣點(diǎn)： 022 ???? IG? (415) 式 415 中 ,? 為平滑的梯度方向： ][1 xy IItg GG ????? ?? (416) 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 22 (3)邊緣強(qiáng)度 若某像素滿足邊緣定位條件，則該像素的邊緣強(qiáng)度為： )()( 22 21yIxI GG ????? (417) 由于 canny 算子算法比較復(fù)雜導(dǎo)致編程也很復(fù)雜，在實(shí)際生活中應(yīng)用并不廣泛，因此本系統(tǒng)并沒有采用此種算子。 Canny 具體實(shí)現(xiàn)過程： (1)圖像平滑 進(jìn)行圖像平滑的 高斯 函數(shù)： 222( , ) e xp ( )2xyG x y ???? (413) 圖像卷積： ),(),(),( yxIyxGyxI G ?? (414) 其中： ? 是一個尺度參數(shù)， ? 越小，則函數(shù)越“集中”，即僅在一個很小的局部范圍內(nèi)平滑， ? 越大，則表示圖像在一個較大的范圍內(nèi)進(jìn)行平滑， I(x,y)為原始圖像。 坎尼 (Canny)算子 坎尼算子是利用高斯函數(shù)在任一方向上的導(dǎo)數(shù)與圖像的卷積的原理， 是先平滑后 求卷積 。 這種方法的特點(diǎn)既平滑了圖像又降低了噪聲， 濾除了許多 噪聲點(diǎn)和較 小的組織 結(jié)構(gòu) 。在實(shí)際生活中，拉普拉斯的二階方向?qū)?shù)算子應(yīng)用的并不廣泛。 ?????????????14142041412 (412) 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 21 物體的邊緣 在 拉普拉斯算子 中對應(yīng)著 零點(diǎn) ， 理想狀況下 ，過零點(diǎn)的位置的精確度很高，但在實(shí)際生活中，由于存在許多噪聲的干擾，結(jié)果不是很精確。 二維 函數(shù) ),( yxf 的二階導(dǎo)數(shù)為： ? ? ?2 2 2 2 2f fx fy?? ?? (47) x 和 y 方向上的二階偏導(dǎo)數(shù) 使用差分方程近似 ： ],[])1,[2]2,[(],[]1,[]),[]1,[(22jifjifjifxjifxjifxjifjifxGxf x?????????????????????? (48) 式 48 是基于中心點(diǎn)為 ]1,[ ?ji 的近似式 。 45637210],[aaaajiaaaa 圖 41 Sobel 算子鄰域像素點(diǎn) 圖示 拉普拉斯算子 階躍邊緣二階 導(dǎo)數(shù)經(jīng)過平滑可以使其在邊緣點(diǎn)的取值為零。 Sobel 算子 本質(zhì)上同樣是 一種梯度幅值， M s sx y? ?2 2 (44) 偏導(dǎo)數(shù)sx和y采用的計算公式為 ：（其中常數(shù) 2?c ） )()( )()( 456210 670432 acaaacaas acaaacaas yx ?????? ?????? (45) 和其他的梯度算子 所用的方法相同 ，sx和y也可以采用 卷積模板 法計算 ： 101202101????xs 121000121????ys (46) 這一算子 主要處理對象為模板中心的 像素點(diǎn)。 Sobel 算子 Roberts 算子告訴我們 ，采用 33? 鄰域可以避免在像素之間內(nèi)插點(diǎn)上計算梯度。Roberts 算子計算的 不是點(diǎn) ],[ji 近似的值而是該 點(diǎn)連續(xù)梯度的近似值 。 那么在眾多的邊緣算子 中 如何選擇是本系統(tǒng)研究的一個重點(diǎn)，下面將對 各種 算子進(jìn)行比較和論證。 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 19 (4)基于數(shù)學(xué)形態(tài) 學(xué)的邊緣檢測。 (3)小波多尺度邊緣檢測。 (2)擬合曲面。一階微分圖像的峰處就是圖像的邊緣點(diǎn)，同樣的由導(dǎo)數(shù)相關(guān)知識可知， 邊緣點(diǎn)存在于 二階微分圖像的零點(diǎn)處。它是基于求導(dǎo)的方法來檢測圖像邊緣的，因?yàn)閳D像邊緣的灰度變化最劇烈，表現(xiàn)形式上為函數(shù)梯度比較大。 邊緣檢測方法 因?yàn)榛叶茸兓菆D像物體中的邊緣主要表現(xiàn)，所以，邊緣檢測的基本原理是檢測圖像灰度的不連續(xù)性的地方。邊緣的檢測與提取對整個圖像的識別具有重要的作用。 邊緣檢測 邊緣檢測概述 邊緣是圖像分析的 重要依據(jù)， 是圖像局部亮度變化最顯著的部 分，是物體邊緣分界的地方， 是由于圖像局部特征的間斷性而產(chǎn)生的。 圖像邊緣的確定與提取對于圖像的分析與識別具有重要的作用，圖像中邊緣處兩側(cè) 的特征，形狀，灰度等均存在巨大的差別，因此，可以通過邊緣的檢測來找出目標(biāo)，并進(jìn)行相應(yīng)的處理。)。title(39。subplot(3,3,3)。 (a)車牌二值化前灰度圖 (b)車牌二值化圖像 圖 39 車牌二值化前后對照圖 主要程序如下： %二值化 BWPlate=im2bw(GrayPlate,level)。 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 17 、 對于車牌圖像，其本身的對象和背景灰度差距比較大，灰度直方圖有明顯的雙峰現(xiàn)象，在經(jīng)過圖像增強(qiáng)處理以后，這一特點(diǎn)更為明顯。可見是二者等價的，從而間接地驗(yàn)證了方法 1 結(jié)果的正確性。記 )(kp 為灰度值 取 k 的頻率，則有： ??