【正文】 已查閱的主要參考文獻（一）專著[1]徐飛 施曉紅等編著， MATLAB應(yīng)用圖像處理 西安電子科技大學(xué)出版社 2002[2]王嘉梅 .基于MATLAB的數(shù)字信號處理與實踐開發(fā) 西安電子科技大學(xué) 2007[3]樓舜天 姚若玉 沈俊霞編著 MATLAB 程序設(shè)計語言 西安電子科技大學(xué)出版社 2007[4]阮秋琦 數(shù)字圖像處理基礎(chǔ) 清華大學(xué)出版社 2009[5] [J].公路,2001,11(11):2634.[6] C++數(shù)字圖像模式識別技術(shù)及工程實踐[M]::人民郵電出版社,2008.[6] 鄭南寧,張西寧,戴瑩,[J].西安交通大學(xué)學(xué)報,1991,l:4353.(二)論文集[1] ++的汽車牌照定位與識別系統(tǒng)的設(shè)計[D].吉林大學(xué)碩士學(xué)位論文,2009.[2]基于數(shù)字信號處理的車牌定位與識別 廣東工業(yè)大學(xué)碩士學(xué)位論文 2007（三）期刊報紙[1] 張儉鴿,[J].中國科技信息,2009, (13):123124.[2] 張麗偉,[J].長春工程學(xué)院學(xué)報(自然科學(xué)版),2009,10(2):100103.[3] 李宇成,[J].北方工業(yè)大學(xué)學(xué)報,2008(3):32—36.[4] [J].鄭州輕工業(yè)學(xué)院學(xué)報(自然科學(xué)報),2001,16(2):4750.[5] 李波,曾致遠(yuǎn),[J].中國圖象圖形學(xué)報,2009,14(10):19781984.總結(jié)：袁節(jié)膅薂羄肅蒃薁蚃芀荿薀螆肅芅蕿袈羋膁蚈羀肁蒀蚇蝕襖莆蚇螂肀莂蚆羅袂羋蚅蚄膈膄蚄螇羈蒂蚃衿膆莈螞羈罿芄螁蟻膄膀螁螃羇葿螀裊膃蒅蝿肈羆莁螈螇芁芇莄袀肄膃莄羂艿蒂莃螞肂莈蒂螄羋芄蒁袆肀膀蒀罿袃薈葿螈聿蒄葿袁羈莀蒈羃膇芆蕆蚃羀膂蒆螅膅蒁薅袇羈莇薄罿膄芃薃蠆羆艿薃袁節(jié)膅薂羄肅蒃薁蚃芀荿薀螆肅芅蕿袈羋膁蚈羀肁蒀蚇蝕襖莆蚇螂肀莂蚆羅袂羋蚅蚄膈膄蚄螇羈蒂蚃衿膆莈螞羈罿芄螁蟻膄膀螁螃羇葿螀裊膃蒅蝿肈羆莁螈螇芁芇莄袀肄膃莄羂艿蒂莃螞肂莈蒂螄羋芄蒁袆肀膀蒀罿袃薈葿螈聿蒄葿袁羈莀蒈羃膇芆蕆蚃羀膂蒆螅膅蒁薅袇羈莇襖羋蕆袇螀芇蕿蝕聿芆艿蒃肅芅蒁螈羈芄薃薁袆芃芃螆螂芃蒞蕿肁節(jié)蒈螅羇莁薀薈袃莀艿螃蝿荿莂薆膈莈薄袁肄莇蚆蚄羀莇莆袀袆羃蒈螞螂羂薁袈肀肁芀蟻羆肁莃袆袂肀薅蠆袈聿蚇蒂膇肈莇螇肅肇葿薀罿肆薂螆裊肅芁薈螁膅莃螄聿膄蒆薇羅膃蚈螂羈膂莈蚅袇膁蒀袀螃膀薂蚃肂腿節(jié)衿羈腿莄螞襖羋蕆袇螀芇蕿蝕聿芆艿蒃肅芅蒁螈羈芄薃薁袆芃。hh=bottomtop。 right=1right=right1。endwhile sum(d(:,right))==0 amp。amp。 bottom1 bottom=bottom1。endwhile sum(d(bottom,:))==0 amp。amp。right=n。bottom=m。 % （qiege子程序）function e=qiege(d)[m,n]=size(d)。 else d=[]。 d=qiege(d)。 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))~=0 amp。 while flag==0 [m,n]=size(d)。y1=8。%子程序：（getword子程序）function [word,result]=getword(d)word=[]。車牌號碼: 陜 A B A 2 2 339。 l=l+1。 MinError=min(Error1)。 end end end Error(k2)=Dmax。 end end % 以上相當(dāng)于兩幅圖相減得到第三幅圖 Dmax=0。 SamBw2 = imread(fname)。.jpg39。字符模板\39。 kmax=36。 kmax=36。 kmax=40。)。 SegBw2=imresize(t,[40 20],39。.jpg39。for I=1:7 ii=int2str(I)。 %建立自動識別字符代碼表 SubBw2=zeros(40,20)。蘇豫陜魯39。Z39。A39。939。039。)。imwrite(word7,39。39。)。imwrite(word5,39。39。)。imwrite(word3,39。39。)。imwrite(word1,39。739。)。subplot(3,7,13),imshow(word6),title(39。539。)。subplot(3,7,11),imshow(word4),title(39。339。)。subplot(3,7,9),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])。)。figure(15),imshow(word7),title(39。639。)。figure(13),imshow(word5),title(39。439。)。figure(11),imshow(word3),title(39。239。)。figure(9),imshow(word1),title(39。% 分割出第六個字符[word6,d]=getword(d)。% 分割出第四個字符[word4,d]=getword(d)。 endend% 分割出第二個字符[word2,d]=getword(d)。 % WORD 1 end d(:,[1:wide])=0。 if two_thirds/ally2 flag=1。 all=sum(sum(temp))。 else temp=qiege(imcrop(d,[1 1 wide m]))。 end if widey1 % 認(rèn)為是左側(cè)干擾 d(:,[1:wide])=0。wide=0。while flag==0 [m,n]=size(d)。flag=0。% 切割出 7 個字符y1=10。 d(:,k1+num+5)=0。 end k2=j1。amp。 end k1=j。j=1。k2=1。[m,n]=size(d)。39。)。endimwrite(d,39。if bwarea(d)/m/n= d=imerode(d,se)。...se=eye(2)。/39。/39。 % 使用一個3X3的正方形結(jié)果元素對象對創(chuàng)建的圖像膨脹% 39。square39。39。)。imwrite(d,39。,3)。)% 濾波h=fspecial(39。)figure(8),subplot(3,2,3),imshow(d),title(39。subplot(3,2,2),imshow(d),title(39。)。 % d:二值圖像imwrite(d,39。 % T 為二值化的閾值[m,n]=size(b)。g_min=double(min(min(b)))。39。figure(8)。39。b=rgb2gray(a)。39。jpg=strcat(filepath,filename)。輸入一個定位裁剪后的車牌圖像39。39。)。)imwrite(dw,39。figure(7),subplot(1,2,2),imshow(dw),title(39。行方向合理區(qū)域39。 t=toc。%對車牌區(qū)域的校正 PX2=PX2+2。(PX2PX1)) PX2=PX21。 while ((Blue_x(1,PX2)3)amp。(PX1x)) PX1=PX1+1。 while ((Blue_x(1,PX1)3)amp。%進一步確定x方向的車牌區(qū)域 for j=1:x for i=PY1:PY2 if(myI(i,j,1)==1) Blue_x(1,j)= Blue_x(1,j)+1。 end IY=I(PY1:PY2,:,:)。amp。 end PY2=MaxY。amp。%temp為向量white_y的元素中的最大值，MaxY為該值的索引（ 在向量中的位置） PY1=MaxY。 for i=1:y for j=1:x if(myI(i,j,1)==1) %如果myI(i,j,1)即myI圖像中坐標(biāo)為(i,j)的點為藍(lán)色 %則Blue_y的相應(yīng)行的元素white_y(i,1)值加1 Blue_y(i,1)= Blue_y(i,1)+1。myI=double(I5)。)。title(39。I5=bwareaopen(I4,2000)。平滑圖像的輪廓39。figure(5),imshow(I4)。,[40,40])。se=strel(39。腐蝕后圖像39。figure(4),imshow(I3)。1]。)se=[1。title(39。)。,39。I2=edge(I1,39?；叶葓D直方圖39。figure(2),subplot(1,2,2),imhist(I1)?；叶葓D39。figure(2),subplot(1,2,1),imshow(I1)。)。title(39。)。 第六章 基于matlab的程序源代碼 function [d]=main(jpg)I=imread(39。對于識別錯誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖象的質(zhì)量；二是牌照字符的分割失敗導(dǎo)致的識別錯誤；再就是部分字符的形狀相似性，比如，B 和8；A 和4 等字符識別結(jié)果可能發(fā)生混淆的情況。字符識別過程使用的是模板匹配的方法，利用兩幅圖片相減的方法，找到相減后值最小的，即為相似程度最大的。在車牌字符分割的預(yù)處理中，用到了對分割出的字符車牌進行均值濾波，膨脹或腐蝕的處理。但是在設(shè)計的過程中發(fā)現(xiàn)，使用另一幅圖像后，識別效果始終沒有那么理想。對于光照條件不理想的圖象，可先進行一次圖象增強處理，使得圖象灰度動態(tài)范圍擴展和對比度增強，再進行定位和分割，這樣可以提高分割的正確率。首先取字符模板，接著依次取待識別字符與模板進行匹配，將其與模板字符相減，得到的0越多那么就越匹配。為了實驗方便，結(jié)合本次設(shè)計所選汽車牌照的特點，只建立了4個數(shù)字26個字母與10個數(shù)字的模板。汽車牌照的字符一般有七個，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。 BW 1=im2bw(I, level)其中‘a(chǎn)，表示圖片名稱，`b，表示圖片格式.步驟2：將待識別字符與標(biāo)準(zhǔn)模板逐一進行邏輯‘與’運算，即將二值矩陣D分別與二值矩陣Bi(i=1,2,3二34)進行邏輯‘與，運算，得到相應(yīng)的二值矩陣Xz。39。,(c)，圖2中的模板‘A，應(yīng)為待識別字符的識別結(jié)果. 在實際的識別過程中，計算機需要一定的判別規(guī)則才可以將正確的識別結(jié)果自動輸出。, B，和‘C39。本文是將待識別的字符與已經(jīng)存儲在計算機中的標(biāo)準(zhǔn)模板進行邏輯‘與，運算，’運算之所以能夠達到識別目的，其原理是:當(dāng)待識別字符與相應(yīng)的字符模板匹配時結(jié)果較為清晰，與其余模板匹配時會變得很模糊，具體如圖2所示。算法的基本思想是：將歸一化的字符二值圖像與模板庫中的字符二值化圖像逐個進行匹配，采用相似度的方法計算車牌字符與每個模板字符的匹配程度，取最相似的就是匹配。在實際設(shè)計模板的時候，是根據(jù)各區(qū)域形狀固有的特點，突出各類似區(qū)域之間的差別，并將容易由處理過程引起的噪聲和位移等因素都考慮進去，按照一些基于圖象不變特性所設(shè)計的特征量來構(gòu)建模板，就可以避免上述問題。也可以計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。綜合模板匹配的這些優(yōu)點我們將其用為車牌字符識別的主要方法。基于模板匹配的OCR的基本過程是:首先對待識別字符進行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進行匹配，最后選最佳匹配作為結(jié)果。在此只進行了歸一化處理，然后進行后期處理。 一般分割出來的字符要進行進一步的處理