【正文】 end end end result=d。flag=1。 d(:,[1:wide])=0。flag=1。 if sum(sum(d))~=0 d=qiege(d)。amp。 [m1,n1]=size(temp)。wide=n2 wide=wide+1。 while sum(d(:,wide+1))~=0amp。 while flag==0 [m,n]=size(d)。y1=8。 %返回圖像的一個(gè)裁剪區(qū)域function [word,result]=getword(d)word=[]。hh=bottomtop。right=1 right=right1。endwhile sum(d(:,right))==0amp。amp。bottom1 bottom=bottom1。endwhile sum(d(bottom,:))==0amp。amp。right=n。bottom=m。子程序代碼:function e=qiege(d)[m,n]=size(d)。r39。Color39。車牌號碼:39。 %輸出最大相關(guān)圖像 l=l+1。 Code(l*2)=39。 findc=find(Error1==MinError)。 end Error1=Error(kmin:kmax)。 for k1=1:40 for l1=1:20 if ( SubBw2(k1,l1) 0 | SubBw2(k1,l1) 0 ) Dmax=Dmax+1。 for i=1:40 for j=1:20 SubBw2(i,j)=SegBw2(i,j)SamBw2(i,j)。 %把行向量轉(zhuǎn)化成字符串 SamBw2 = imread(fname)。.jpg39。字符模板\39。 kmax=36。 kmax=36。 kmax=43。 %對圖像做縮放處理 SegBw2=double(SegBw2)20。nearest39。])。 %轉(zhuǎn)為串 t=imread([ii,39。 %產(chǎn)生40*20的全0矩陣l=1。])。 39。:39。 39。:39。識別的流程圖如下所示：建立自動識別的代碼表讀取分割出來的字符第一個(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別完成，輸出此模板對應(yīng)值后5個(gè)字符與模板中的字母與數(shù)字模板進(jìn)行匹配源代碼如下：liccode=char([39。首先取字符模板，接著依次取待識別字符與模板進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。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7個(gè)數(shù)字26個(gè)字母與10個(gè)數(shù)字的模板。汽車牌照的字符一般有七個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，緊接其后的為字母與數(shù)字。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類。)。imwrite(word7,39。39。)。imwrite(word5,39。39。)。imwrite(word3,39。39。)。imwrite(word1,39。739。)。subplot(2,7,13),imshow(word6),title(39。539。)。subplot(2,7,11),imshow(word4),title(39。339。)。subplot(2,7,9),imshow(word2),title(39。139。word7=imresize(word7,[40 20])。word5=imresize(word5,[40 20])。word3=imresize(word3,[40 20])。% 商用系統(tǒng)程序中歸一化大小為 40*20,此處演示word1=imresize(word1,[40 20])。)。subplot(2,7,7),imshow(word7),title(39。639。)。subplot(2,7,5),imshow(word5),title(39。439。)。subplot(2,7,3),imshow(word3),title(39。239。)。subplot(2,7,1),imshow(word1),title(39。% 分割出第七個(gè)字符[word7,d]=getword(d)。% 分割出第五個(gè)字符[word5,d]=getword(d)。% 分割出第三個(gè)字符[word3,d]=getword(d)。d=qiege(d)。word1=temp。 two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:)))。 [m,n]=size(temp)。 d=qiege(d)。 while sum(d(:,wide+1))~=0 wide=wide+1。 left=1。word1=[]。y2=。 % 分割 endend% 再切割d=qiege(d)。 if k2k1=round(n/) [val,num]=min(sum(d(:,[k1+5:k25])))。 j=n1 j=j+1。 while s(j)~=0 amp。while j~=n while s(j)==0 j=j+1。s=sum(d)。 % subplot(3,2,5),imshow(d),title(n)k1=1。% 尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割%首先創(chuàng)建子函數(shù)qiege與getword，而后調(diào)用子程序，將車牌的字符分割開并且進(jìn)行歸一化處理d=qiege(d)。但是對于車牌的識別，并不需要太多的處理就已經(jīng)可以達(dá)到正確識別的目的。字符識別的算法很多，因?yàn)檐嚺谱址g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(rèn)為該塊有兩個(gè)字符組成，需要分割。運(yùn)行結(jié)果如下所示：在汽車牌照自動識別過程中，字符分割有承前啟后的作用。膨脹或腐蝕處理后39。)。%如果小于則實(shí)現(xiàn)膨脹操作endimwrite(d,39。%返回矩陣b的尺寸信息， 并存儲在m,n中if bwarea(d)/m/n= % d=imerode(d,se)。...se=eye(2)。/39。/39。 % 使用一個(gè)3X3的正方形結(jié)果元素對象對創(chuàng)建的圖像進(jìn)行膨脹% 39。square39。均值濾波后39。)。%使用指定的濾波器h對h進(jìn)行d即均值濾波imwrite(d,39。,3)。)%均值濾波前% 濾波h=fspecial(39。 subplot(3,2,2),imshow(d),title(39。39。d=(double(b)=T)。T=round(g_max(g_maxg_min)/3)。)g_max=double(max(max(b)))。subplot(3,2,1),imshow(b),title(39。)。%將車牌圖像轉(zhuǎn)換為灰度圖imwrite(b,39。)。%將彩色車牌寫入彩色車牌文件中a=imread(39。39。的車牌區(qū)域如下所示：三、字符分割及處理對分割出的彩色車牌圖像進(jìn)行灰度轉(zhuǎn)換、二值化、均值濾波、腐蝕膨脹以及字符分割以從車牌圖像中分離出組成車牌號碼的單個(gè)字符圖像，對分割出來的字符進(jìn)行預(yù)處理（二值化、歸一化），然后分析提取，對分割出的字符圖像進(jìn)行識別給出文本形式的車牌號碼。定位裁剪后的車牌彩色圖像39。)。 figure(7),subplot(1,2,1),imshow(IY),title(39。 dw=I(PY1:PY28,PX1:PX2,:)。 end PX1=PX11。amp。 end PX2=x。amp。 end end end PX1=1。 %x方向車牌區(qū)域確定 %%%%%% X方向 %%%%%%%%% Blue_x=zeros(1,x)。(PY2y)) PY2=PY2+1。 while (