【正文】 )。,39。 %將圖像數(shù)據(jù)寫入到圖像文件中 [filename,filepath]=uigetfile(39。39。定位剪切后的彩色車牌圖像 39。)。 figure(7),subplot(1,2,1),imshow(IY),title(39。 dw=I(PY1:PY2,:,:)。 end %end 縱向掃描 PX1=PX12。amp。 end PX2=x。amp。 end end end PX1=1。 %IY 為原始圖像 I 中截取的縱坐標(biāo)在 PY1： PY2 之間的部分 %end 橫向掃描 %begin 縱向掃描 Blue_x=zeros(1,x)。(PY2y)) PY2=PY2+1。 while ((Blue_y(PY2,1)=40)amp。(PY11)) PY1=PY11。 while ((Blue_y(PY1,1)=120)amp。%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end end [temp MaxY]=max(Blue_y)。 %換成雙精度數(shù)值 %begin 橫向掃描 tic %計(jì)算 tic 與 toc 之間程序的運(yùn)行時(shí)間 Blue_y=zeros(y,1)。 [y,x,z]=size(I5)。從對(duì)象中移除小對(duì)象 39。 %從二進(jìn)制圖像中移除所有少于 p 像素的連接的組件（對(duì)象），產(chǎn)生另一個(gè)二進(jìn)制圖像 figure(6),imshow(I5)。)。title(39。 %對(duì)圖像實(shí)現(xiàn)閉運(yùn)算，閉運(yùn)算也能平滑圖像的輪廓，但與開運(yùn)算相反，它一般融合窄的缺口和細(xì)長(zhǎng)的彎口，去掉小洞，填補(bǔ)輪廓上的縫隙。,[40,40])。 se=strel(39。腐蝕后圖像 39。 %圖像的腐蝕 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)。灰度圖 39。 %將真彩色圖像轉(zhuǎn)換為灰度 圖像 figure(2),subplot(1,2,1),imshow(I1)。)。title(39。)。 浙江萬里學(xué)院本科畢業(yè)論文 28 參考文獻(xiàn) [1]吳斌 .車牌識(shí)別系統(tǒng)的研究 [D].大連：大連理工大學(xué) ,2021 [2]王立強(qiáng) .車牌自動(dòng)識(shí)別技術(shù)的算法與實(shí)踐 [J].河北 ：廊坊師范學(xué)院學(xué)報(bào)（自然科學(xué)版） 2021 [3]郭燕斌 .應(yīng)用于公路收費(fèi)站系統(tǒng)的車牌識(shí)別 [D].成都：電子科技大學(xué)， 2021 [4]丁芝娟 .基于圖像處理的車牌識(shí)別系統(tǒng)設(shè)計(jì)與應(yīng)用 [D].長(zhǎng)安： 長(zhǎng)安大學(xué)， 2021 [5]肖啟 .高速鐵路 CFG 樁復(fù)合地基的沉降特性研究 [D].成都： 航西南交通大學(xué)2， 010 [6]董然 .基于 J2ME 的車牌識(shí)別系統(tǒng)的研究 [D].山西 ：太原理工大學(xué)， 2021 [7]龔小兵 .基于 BP 神經(jīng)網(wǎng)絡(luò)的車輛牌照自動(dòng)識(shí)別系統(tǒng)的研究 [D].武漢：武漢理工大學(xué)， 2021 [8]張光輝 .矩形截面復(fù)合材料夾芯薄壁桿件的解耦分析與求解 [D].重慶 :重慶交通大學(xué)， 2021 [9]仝瑞金 .封閉截面復(fù)合材料夾芯薄壁桿件的數(shù)值方法研究 [D].重慶：重慶交通大學(xué)， 2021 [10]孫先波 .基于邏輯規(guī)則的智能交通信號(hào) 控制系統(tǒng)研究 [D] .武漢：武漢理工大學(xué)， 2021 [11]徐建閩，賀敬凱．車型與車牌自動(dòng)識(shí)別技術(shù)分析．交通與計(jì)算機(jī)． 2021， 20(2)：711 [12]王廣宇．車輛牌照識(shí)別系統(tǒng)綜述．鄭州輕工業(yè)學(xué)院學(xué)報(bào) (自然科學(xué)報(bào) )． 2021，16(2): 4750. [13]劉肅平，陳強(qiáng)．?dāng)?shù)字圖像處理技術(shù)在車牌識(shí)別中的應(yīng)用．計(jì)算機(jī)與現(xiàn)代化． 2021(8)： 119121 [14] Srivastava, Deepesh Kumar. Vehicular Number Plate Recognition using Edge Detection and Characteristic Analysis of National Number Plates [J]． International Journal of Computer Applications, 2021, 45(24). [15]ShyangLih, Chang Automatic license plate recognition [J]. IEEE Transaction on Intelligent Transportation Systems, 2021, 5(1):4253 [16]任明亮，范勇．一種快速精確的汽車牌照字符切 分算法．四川大學(xué)學(xué)報(bào)． 2021，浙江萬里學(xué)院本科畢業(yè)論文 29 39(3)： 450454 [17]KingChu Hung. RealTime Vehicle License Plate Recognition Based on 1D Discrete Periodic Wavelet Transform [C]. 2021 International Symposium on Computer, consumer and Control, 46 June 2021:914917. [18]Daoqiang Zhang， ZhiHua Zhou， Songcan Chen， Diagonal Principal Component Analysis for Face Recognition， Pattern Recognition， 2021，39(1)： 140142 浙江萬里學(xué)院本科畢業(yè)論文 30 程序附錄： function [d]=main(jpg) I=imread(39。讓我們用科學(xué)知識(shí)來武裝自己的頭腦，用高科技技術(shù)來描繪未來的憧憬和期盼。使我深深的體會(huì)到：在這個(gè)競(jìng)爭(zhēng)的社會(huì)里，沒有真才實(shí)學(xué)，沒有吃苦精神，是無法立足，無法生存的。 最后還要感謝我的父母，是他們一直在背后支持著我。 浙江萬里學(xué)院本科畢業(yè)論文 27 致 謝 大學(xué)的學(xué)習(xí)生活即將結(jié)束，在此，我要感謝所有曾經(jīng)教導(dǎo)過我的老師和關(guān)心過我的同學(xué)，他們?cè)谖页砷L(zhǎng)過程中給予了我很大的幫助。 本設(shè)計(jì)雖然只對(duì)藍(lán)底白字車牌進(jìn)行分割識(shí)別，對(duì)黑底白字車牌原則上整個(gè)算法可直接適用，對(duì)白底黑字車牌、黃底黑字車牌，需要對(duì)車牌定位算法進(jìn)行調(diào)整，并將圖像反轉(zhuǎn)，而車牌字符的分割算法仍然行之有效 。 （ 3）基于彩色分量的定位方法，運(yùn)用基于藍(lán)色 象素點(diǎn)統(tǒng)計(jì)特性的方法對(duì)車牌是藍(lán)色的車牌進(jìn)行定位，實(shí)驗(yàn)表明，用該方法實(shí)現(xiàn)的車牌定位準(zhǔn)確率較高。 （ 2）在車牌定位我們采用基于灰度跳變的定位方法，采用先對(duì)圖像進(jìn)行預(yù)處理，再進(jìn)行二值化操作的方法。 本文對(duì)車 牌識(shí)別系統(tǒng)的軟件部分進(jìn)行了研究，分別從圖像預(yù)處理、車牌定位、字符分割以及字符識(shí)別等方面進(jìn)行了系統(tǒng)的分析。從開始的收費(fèi)輔助系統(tǒng)演變過來的車牌識(shí)別技術(shù)現(xiàn)在運(yùn)用的領(lǐng)域是越來越廣。 浙江萬里學(xué)院本科畢業(yè)論文 26 5 總結(jié) 高速公路、城市交通、停車場(chǎng)等基礎(chǔ)設(shè)施建設(shè)水平的不斷發(fā)展和 車輛管理體制的不斷完善，為以計(jì)算機(jī)視覺為基礎(chǔ)的智能交通管理系統(tǒng)的實(shí)際應(yīng)用提供了契機(jī)。 對(duì)于識(shí)別錯(cuò)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(shí)別錯(cuò)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(shí)別結(jié)果可能發(fā)生混淆的情況。把每一幅相減后的圖的 0 值個(gè)數(shù)保存，然后找數(shù)值最大的，即為識(shí)別出來的結(jié)果。為滿足下一步字符識(shí)別的需要，將分割后的字符歸一化。包括灰度化、二值化、均值濾波、膨脹或腐蝕處理。 浙江萬里學(xué)院本科畢業(yè)論文 25 車牌分割即把車牌的整體區(qū)域分割成單 字符區(qū)域，具有承上啟下的作用。最后還用了 bwareaopen來去除對(duì)象中不相干的小對(duì)象。本文中對(duì)圖像進(jìn)行了腐蝕、平滑處理，腐蝕和平滑都具有濾波的作用，腐蝕是對(duì)圖像內(nèi)部做濾波處理，平滑是對(duì)噪聲進(jìn)行濾波。首先，將預(yù)處理后的圖像用數(shù)學(xué)形態(tài)學(xué)的方法進(jìn) 行處理。 在定位模塊。圖像中的車輛牌照是具有比較明顯特征的一塊圖像區(qū)域，這個(gè)特征表現(xiàn)在于近似與水平的矩形區(qū)域內(nèi)，其中的字符串全部是按水平方向排列的；在整體圖像中的位置較為固定。在本文中根據(jù)采集到的圖像本身的特點(diǎn)，從而對(duì)它進(jìn)行灰度化的處理。預(yù)處理包括車牌校、平滑處理、正灰度化等。 在得到這個(gè)結(jié)果之前，需要對(duì)車牌圖像進(jìn)行預(yù)處理、車牌定位、車牌分割等處理。 圖 315 識(shí)別結(jié)果 浙江萬里學(xué)院本科畢業(yè)論文 24 4 實(shí)驗(yàn)結(jié)果和分析 本文以 為實(shí)驗(yàn)平臺(tái)，以攝取的彩色車牌照片為對(duì)象進(jìn)行實(shí)驗(yàn)。 首先應(yīng)選取字符模板，其次依次選取有待識(shí)別的模板與字符進(jìn)行匹配，將它與模板字符相減，如果得到的 0越多，那么就越匹配?？紤]為了實(shí)驗(yàn)的方便性，結(jié)合本次設(shè)計(jì)所選汽車牌照的特點(diǎn)，只建立了 4個(gè)數(shù)字 26個(gè)字 母與 10個(gè)數(shù)字的模板。車牌的字符識(shí)別與一般的文字識(shí)別區(qū)別在于它的字符數(shù)有限，漢字一共約 50 多個(gè)，大寫的英文字母有 26 個(gè)，數(shù)字有10 個(gè) [14]。 圖 314 字符識(shí)別流程圖 字符識(shí)別采用 相減的方法，對(duì)所分割出來的字符與模板中字符進(jìn)行匹配，找出最大相似度的字符進(jìn)行輸出。然而在通常情況下用于匹配的圖像，找到各自成像條件存在的差異，從而產(chǎn)生較大的噪聲干擾，又或者圖像經(jīng)過規(guī)格化處理和預(yù)處理后，使得圖像的像素點(diǎn)或灰度的位置發(fā)生了改變。 圖象識(shí)別方法中最具代表性的基本方法之一是模板匹配，它是從待識(shí)別的圖像或圖像模板 T(i,j)相應(yīng)的特征量與區(qū)域 f(i,j)中提取的若干特征量逐個(gè)進(jìn)行比較，計(jì)算著它們之間的規(guī)格化互相關(guān)量，其中互相關(guān)量越大就表示期間浙江萬里學(xué)院本科畢業(yè)論文 22 的相似程度最高，可以把圖像歸于相應(yīng)的類中（相應(yīng)的公式 ）。模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，當(dāng)字符比較規(guī)整時(shí) 對(duì)字符圖像的缺損、識(shí)別率相當(dāng)高且污跡干擾適應(yīng)力強(qiáng)。 圖 313 字符歸一化后的圖像 字符的識(shí)別 字符的識(shí)別目前用于車牌字符識(shí)別 (OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡(luò)的 OCR算法。 歸一化處理的目的就是使車牌字符同標(biāo)準(zhǔn)模塊里面的字符特征一樣 。本文 針對(duì)這種情況 ， 可以對(duì)切割出的字符間寬度進(jìn)行統(tǒng)計(jì)分析 ，可以用于 指導(dǎo)切割 ， 對(duì)于因?yàn)殄e(cuò)誤切割過寬的字符進(jìn)行分裂處理。將所得到的車牌區(qū)域上圖像進(jìn)行二值化的處理后 ，然后 對(duì)圖像進(jìn)行垂直投影 ， 投影圖上的有明顯峰谷相似的波形起伏變化后 ，然后 通過對(duì)其投影圖上的 波形再從左向右進(jìn)行掃描 ， 根據(jù)峰和谷的特征就能夠判斷的出每個(gè)字符的位置 ；再 計(jì)算垂直峰 ，從而 檢測(cè)合理的字符高寬比 [14]。 圖 310 車牌的進(jìn)一步處理 浙江萬里學(xué)院本科畢業(yè)論文 20 字符分割與歸一化 圖 311 字符分割和歸一化流程圖 字符分割 在汽車牌照自動(dòng)識(shí)別的過程中，字符分割有著承前啟后的作用。均值濾波是一種典型的線性濾波算法，它 在圖像上對(duì)目標(biāo)像素給一個(gè)模板， 此 模板包括其周圍的臨近像素。 為了除去圖像噪聲采用濾波的方式。 圖像進(jìn)行二值化處理就 是為了圖像上的點(diǎn)進(jìn)行灰度設(shè)置 ，數(shù)值 通常為 0 或 255，從而 使得整個(gè)圖像都呈現(xiàn)出來非常明顯的黑白效果 。 圖 39車牌對(duì)位的圖像 浙江萬里學(xué)院本科畢業(yè)論文 19 對(duì)定位后的彩色車牌的進(jìn)一步處理 定位后車牌圖像是彩色的，會(huì)占用較大的存儲(chǔ)空間，加重計(jì)算機(jī)負(fù)擔(dān)。通過 使用和統(tǒng)計(jì)彩色的像素點(diǎn)這個(gè)方法分割出來車牌的區(qū)域，從而確