【正文】 imsh。 %=================顯示分割圖像結(jié)果 ========================= figure。 [y,x]=size(bw)。二次擦除 39。%figure,imshow(bw)。 bw = bwareaopen(bw, threshold)。)。title(39。figure。)。title(39。 bw=~bw。擦除 39。figure,imshow(bw)。)。title(39。,5)。 bw=bwmorph(bw,39。擦除之前 39。%figure,imshow(bw)。spur39。%figure,imshow(bw)。hbreak39。%figure,imshow(bw)。)。title(39。)。,39。 %================傾斜校正 ====================== qingxiejiao=rando_bianhuan(bw) bw=imrotate(bw,qingxiejiao,39?；叶葓D像 39。figure,imshow(bw)。)。title(39。%使用 caitu_tiqu %==============考慮用腐蝕解決藍色車問題 ============= bw=Plate。%用 HSI 模型識別藍色，用 rgb 模型識別白色 %================分割車牌區(qū)域 ================================= %===============車牌區(qū)域根據(jù)面積二次修正 ====================== [PY2,PY1,PX2,PX1,threshold]=SEC_xiuzheng(PY2,PY1,PX2,PX1)。 % I=rgb2hsv(I)。%顯示原始圖像 chepailujing=[pn fn] I_bai=I。原始圖像 39。figure,imshow(I)。)。,39。 %說明： % ==============測定算法執(zhí)行的時間，開始計時 ================= tic %====================讀入圖片 ================================ [fn,pn,fi]=uigetfile(39。 河南城建學(xué)院本科畢業(yè)設(shè)計（論文） 附錄源代碼 27 附錄源代碼 主函數(shù) %function carreco clc。 其次要感謝大學(xué)四年中給我們授課的所有老師們，是他們的悉心教導(dǎo)和精心栽培，讓我掌握了很多專業(yè)知識，為將來的工作打下了良好的基礎(chǔ)。 從選題、定題 、撰寫提綱 ，到論文的反復(fù)修改、潤色 直至定稿 ， 石 老師始 終認真負責地給予我深刻而細致地指導(dǎo) ，使我受益匪淺。在這個美麗的校園里，原本天真幼稚的我如今已蛻變成一個睿智、沉穩(wěn)的青年，感謝命運的安排，讓我有幸結(jié)識了許多良師益友，是他們教我如何品味人生，讓我懂得如何更好的生活！人生處處是驛站，已是揮手作別之時，在此，向所有幫助過我的人獻上我最誠摯的謝意！ “ 飲其流時思其源，成吾學(xué)時念吾師。 離校日期已日趨臨近，畢業(yè)論文的的完成也隨之進入了尾聲。雖然這個設(shè)計做的并非對所以車牌都合適，但是在設(shè)計過 程中所學(xué)到的學(xué)習方法是我最大收獲和財富，相信定會使我受益終身。學(xué)習是一個長期積累的過程，在后的工作、生活中都應(yīng)該不斷的學(xué)習，努力提高自己知識和綜合素質(zhì)。這個設(shè)計讓我學(xué)到了很多東西，涉及到方方面面的知識，在這整個過程中我們查閱了大量的資料，得到了老師和同學(xué)的幫助，我在此對他們表示謝意。 對現(xiàn)實事物的設(shè)計不僅是對前面所學(xué)知識的一種檢驗，而且也是對自己能力的一種提高。在本系統(tǒng)的設(shè)計時，也汲取了以上一些算法的思想，結(jié)合實際，反復(fù)比較，綜合分析；二是在有效性和實用的原則下，結(jié)合神經(jīng)網(wǎng)絡(luò)和人工智能的新技術(shù)的應(yīng)用是研究的一個方向。 本文主要解決了以下幾個問題： ；； 。從開始的收費輔助系統(tǒng)演變過來的車牌識別技術(shù)現(xiàn)在運用的領(lǐng)域是越來越廣。下面是對另一幅車牌照的檢測，結(jié)果如圖 所示?？傊?， 盡管目前牌照字符的識別率還不理想，但是只要在分割出的字符的大小、位置的歸一化以及 尋找更 合適的分割閾值 等環(huán)節(jié)上完善，進一步提高識別率是完全可行的。 在車牌識別的過程中數(shù)字庫的建立很重要 ,只有數(shù)字庫的準確才能保證檢測出來的數(shù)據(jù)正確。識別結(jié)果 如圖 所示。最后將分割出來的字符運用模板匹配的方法與模板字符進行匹配， 將其與模板字符相減，得到的 0 越多那么就越匹配。 車牌分割 難點在于噪聲合字符粘連 ， 斷裂對字符的影響，因此必須先將定位后的車牌進一步處理 。因為 彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度，因此將彩色圖像轉(zhuǎn)化為灰度圖像，以縮短處理速 度。 根據(jù)長寬比，藍白色比對候選區(qū)域進行多次定位， 根據(jù)車牌底色等有關(guān)的先驗知識，采用彩色像素點統(tǒng)計的方法，先確定行方向的車牌區(qū)域，再確定列方向的區(qū)域，得出最終的車牌區(qū)域，如圖 。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。 由于攝像部分多工作于開放的戶外環(huán)境，加之 汽車車牌 的整潔度、自然光照條件、拍攝時攝像機與牌照的 距 離和角度以及車輛行駛速度等因素的影響，牌照圖象可能出現(xiàn)模糊、歪斜和缺損等嚴重缺陷，因此需要對原始圖象進行識別前的預(yù)處理。實驗的最終結(jié)果如圖 所示 ，汽車車牌識別系統(tǒng)的設(shè)計達到預(yù)期目 標 。)。 hanzi(:,:,2)=imresize(im2bw(cplu,graythresh(rgb2gray(cplu))),[110 55],39。bilinear39。渝 .wav。川 .wav。瓊 .wav。寧 .wav；津 .wav。滬 .wav。藏 .wav。青 .wav。 陜 .wav。黑 .wav。遼 .wav。湘 .wav。黔 .wav。閩 .wav。蘇 .wav。 (1)數(shù)字 09，文件名為 ； (2)字母 AZ，文件名為 ； (3)各省自治區(qū)簡稱，文件名為豫 .wav。在構(gòu)建標準音庫的過程中，用錄音工具錄制了 A— Z、 09 和車牌地區(qū)名，并且以 音頻文件 保存。 語音自 動播報識別結(jié)果 對字符正確識別之后，用事先對每一個字符的錄音 ， 根據(jù)對應(yīng)字符順序播放。 chepai= find(baifenbi=max(baifenbi))。 for k=1:10 sum=0。 shibiezimu=chepai。 baifenbi(1,k)=sum/(x*y)。 %=================識別字母 ================= [y,x,z]=size(xiuzhengzimu)。 baifenbi(1,k)=sum/(x*y)。 圖 %=================識別漢字 ================= [y,x,z]=size(xiuzhenghanzi)。 在車牌識別的過程中數(shù)字庫的建立很重要 ,只有數(shù)字庫的準確才能保證檢測出來的數(shù)據(jù)正確。經(jīng)驗證對非傾斜圖片，識別率可達 95%，對傾斜圖片亦可以達到 90%以上。 由于在前期的有效處理使得分割后的字體清晰度完整度都能保持較高的水平。 河南城建學(xué)院本科畢業(yè)設(shè)計（論文） 第三章 汽車車牌識別系統(tǒng)的設(shè)計 19 本文采用了基于模板匹配的字符識別方法。 基于模板匹配的字符識別方法 ， 相對算法簡單 ， 速度較快 ， 得到了廣泛應(yīng)用。但人工神經(jīng)網(wǎng)絡(luò)為了保證系統(tǒng)高識別率也需要 大量樣本 ， 通過學(xué)習獲取知識并改進自身性能。因此實際用于車牌識別的方法主要是后兩類。 由于汽車車牌 圖像所處成像環(huán)境復(fù)雜多變很難采集到一個完整的有代表性原始圖像集作為統(tǒng)計分析的基礎(chǔ) ， 因此統(tǒng)計方法難于實現(xiàn)。樣本庫中的編碼規(guī)則如下。 fenge=fenge(1,1:14)。 for h=1:x1 k=k1。 %===============用函數(shù)設(shè)定分割閾值 ======================== SS=x*y 河南城建學(xué)院本科畢業(yè)設(shè)計（論文） 第三章 汽車車牌識別系統(tǒng)的設(shè)計 17 %定義數(shù)組 histogram存儲垂直方向的黑點數(shù) histogram=sum(~imfenge)。 利用垂直投影法對復(fù)雜環(huán)境下的汽車圖像中的字符分割有較好的效果。系統(tǒng)針對這種問題對分割出來的字體的寬度與整個車牌的寬度對比，對誤操作字符進行合并。 在字符切割時 ,往往由于閾值取得不好 ,導(dǎo)致字符切割不準確 ,針對這種情況 ,可以由車牌格式的先驗知識 ,對切割出的 字符寬度進行統(tǒng)計分析 ,用以指導(dǎo)切割 ,對因錯誤切割過寬的字符進行分裂處理。 字符分割一般采用垂直投影法。 在汽車牌照自動識別過程中，字符分割有承前啟后的作用。最常用的是投影分割，主要是針對在車牌定位， 圖像預(yù)處理后比較規(guī)則的車牌圖像。%對長寬重新賦值 ， 對圖像進一步裁剪，保證邊框貼近字體 河南城建學(xué)院本科畢業(yè)設(shè)計（論文） 第三章 汽車車牌識別系統(tǒng)的設(shè)計 16 對車牌字符進行垂直投影 設(shè)定閾值去掉車牌的框架 按 字符 寬度切割出字符 分析垂直投影找到每個字符中心位置 字符的分割 完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個字符，然后進行識別。)。title(39。 bw=~bw。 bw=~bw。(Y_downy))%找到圖片上邊界 %去除左邊邊框干擾 X_right=1。(Y_up1))%找到圖片上邊界 while ((Y_touying(Y_down,1)=Y_yuzhi)amp。 while ((Y_touying(Y_up,1)=Y_yuzhi)amp。%往下面投影 ， 找黑體邊緣 Y_up=fix(y/2)。))39。 [y,x]=size(imane_bw)。利用垂直投影法對復(fù)雜環(huán)境下的汽車圖像中的字符分割有較好的效果 ， 方便后面字體識別。 二值化處理后，利用垂直投影法檢測車牌垂直位置，并進一步裁剪車牌邊框貼近字體，方便后面字體識別。擦除反色 39。figure,imshow(bw)。)。title(39。 bw = bwareaopen(bw, threshold)。閉合運算 39。%figure,imshow(bw)。open39。)。title(39。,inf)。 河南城建學(xué)院本科畢業(yè)設(shè)計（論文） 第三章 汽車車牌識別系統(tǒng)的設(shè)計 15 bw=bwmorph(bw,39。,inf)。 bw=bwmorph(bw,39。 擦除反色 圖 二值化處理、去除噪聲 %=========二值化處理 、 去除噪聲程序 ========= bw=im2bw(bw,graythresh(bw))。求解閾值的方法很多，微分直方圖法、最大方差法、基于灰度的數(shù)學(xué)期望的方法、可變閾值法等。 灰度處理后的圖像，每個像素點出都有一個閾值， 二值化的關(guān)鍵是找到合適的閾值 t 來區(qū)分對象和背景。 在實際的車牌處理系統(tǒng)中，進行圖像二值化的關(guān)鍵使確定合適的閾值，使得字符與背景能夠分割開來，而且二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等。這是考慮到在實用系統(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大。在數(shù)字圖像處理中二值圖像占有很重要的地位。%J 記錄了傾斜角 qingxiejiao=90J。 [R,xp] = radon(I,theta)。%figure,imshow(I)。)。title(39。)。,39。 圖 標示旋轉(zhuǎn) 角 theta 圖 傾斜校正 %=========圖像傾斜校正主要程序代碼 ========= qingxiejiao=rando_bianhuan(bw)%采取 rando 算法進行傾斜角度計算 bw=imrotate(bw,qingxiejiao,39。因此有必要針對特定的牌照圖像提取其傾斜角度，再加以相應(yīng)的旋轉(zhuǎn)處理。) ； %rgb2gray 轉(zhuǎn)換成灰度圖 b. 傾斜校正 由于拍攝時鏡頭與牌照的角度、車輛的運動及路面的狀況等因素的影響，例如車牌在捕捉圖像中的位置不固定，捕捉圖像時車頭或者鏡頭發(fā)生擺動以及車牌本身就掛歪了或路況較差，都可能使拍攝到的車牌 圖像有一定的傾斜度，為了正確識別需要進行傾斜度校正，否則將無法進行單個字符的正確分割，字符識別的誤差率就會上升。title(39。 圖 灰度處理 %=========將