【正文】 h=find(((p_h(1:end1)p_h(2:end))~=0))。 %調(diào)用 projection 函數(shù) if(p_v(1)0) p_v=[0,p_v]。v39。 %調(diào)用 projection 函數(shù) if(p_h(1)0) p_h=[0,p_h]。h39。 IM3=imdilate(IM2,SE)。 IM2=imerode(BW2,SE)。rectangle39。 %%%%%%調(diào)用 select 函數(shù) BW2 = I_edge。 end I_edge=(255/(max(max(I_edge))min(min(I_edge))))*(I_edgemin(min(I_edge)))。 %預(yù)處理 I_edge=zeros(height,width)。 南湖學(xué)院 畢業(yè)設(shè)計(jì)（論文） 17 I=im2gray(filename)。 南湖學(xué)院 畢業(yè)設(shè)計(jì)（論文） 16 算法流程 開 始車 牌 二 值 圖 像切 除 周 邊 空 白垂 直 投 影從 左 往 右 查 找 ， 垂 直 投 影 白 色像 素 點(diǎn) 累 計(jì) 小 于 1 0 的 值 的 w i d e以 水 平 區(qū) 域 （ 0， w i d e ） 剪 切 出判 斷 是 否 為標(biāo) 準(zhǔn) 字 符保 存 該 字 符將 剩 余 部 分 保 存并 覆 蓋 原 先 圖 像字 符 個(gè) 數(shù)是 否 為 7結(jié) 束YNYN 圖 車牌分割流程圖 程序設(shè)計(jì) 主要代碼： %ex1505 clc clear filename=39。 車牌分割算法設(shè)計(jì) 簡(jiǎn)而言之，投影法實(shí)質(zhì)上是將車牌圖像二值化后 ,將二值圖像所有列的垂直投影做一個(gè)統(tǒng)計(jì) ,再利用之前所得到的垂直投影直方圖的期望與方差計(jì)算 閾 值 ,從而根據(jù)車牌的形狀、車牌的紋理特征、字符特征、字符寬度以及相對(duì)位置，可以準(zhǔn)確的分割出車牌的字符位置。 MATLAB 在圖形用戶界面（ GUI）的制作上做了較大的調(diào)整，使得即使在這方面有特殊要求的用戶也可以得到相應(yīng)的滿足 [23]。該語言具有四大特點(diǎn)：（ 1）具有豐富的工具箱，功能十分強(qiáng)大，支持的圖像文件格式非常豐富，如 *.BMP、 *.JPG、 *.JPEG、*.GIF、 *.TIF、 *.TIFF、 *.PNG、 *.PCX、 *.XWD、 *.HDF、 *.ICO、 *.CUR 等， 提供了 20 多類圖像處理函數(shù)，幾乎涵蓋 了圖像處理的所有技術(shù)方法，是學(xué)習(xí)和研究圖像處理的人員難得的寶貴資料和加工工具箱；（ 2）具有超強(qiáng)的數(shù)值運(yùn)算功能，超過 500種數(shù)學(xué)、統(tǒng)計(jì)、科學(xué)以及工程方面的函數(shù)運(yùn)算，并且簡(jiǎn)單快捷；（ 3）具有強(qiáng)大的數(shù)據(jù)可視化功能，高質(zhì)量的圖形；（ 4）具有開放式的構(gòu)架和可延拓的特性，除了內(nèi)部函數(shù)外，MATLAB 主包文件和各種工具箱均可讀可改，還可以加入自己的函數(shù)構(gòu)成新的工具包。這需要我們不斷地改變訓(xùn)練方法，從而找到比 BP 網(wǎng)絡(luò)更適合字符識(shí)別的神經(jīng)網(wǎng)絡(luò)，以便提高字符識(shí)別的精度、準(zhǔn)確率以及時(shí)間。結(jié)構(gòu)示意圖如圖 所示： 圖 BP網(wǎng)絡(luò)結(jié)構(gòu)圖 其中單個(gè)的神經(jīng)元結(jié)構(gòu)如圖 所示： 圖 單個(gè)神經(jīng)元結(jié)構(gòu)圖 nj? 1? 1x ix nx ij? j1? ? ()f ? jy 2x ix nx 2y ky my lh 1h … … …jh … lh 南湖學(xué)院 畢業(yè)設(shè)計(jì)（論文） 14 設(shè)第 k1 層 中第 i 個(gè)神經(jīng)元的輸入為 )1( ?kiy ，輸出為 )(kjy ，則輸入與輸出的關(guān)系 如公式 31 所示 ： )1kN 1i ( k )jθ1)(kiy1)(kijωf(( k )jy ??? ???? （ 31） 式中： )1( ?kij?是 第 k1 層第 i 個(gè)神經(jīng)元到第 k 層的第 j 個(gè)神經(jīng)元的連接權(quán)值； kN 是 第 k層神經(jīng)元的數(shù)目； )(kj?是 第 k 層神經(jīng)元的閾值； f(x)是 神經(jīng)元的傳遞函數(shù)。 BP 網(wǎng) 絡(luò)的設(shè)計(jì)主要包括了輸入層、隱層、輸出層以及各層之間的傳輸函數(shù)的設(shè)計(jì)。經(jīng)過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)不僅可以有效地提取信號(hào)、圖像等感知模式的特征，還可以調(diào)試現(xiàn)有的啟發(fā)模式識(shí)別系統(tǒng)，使其更好的解決不變量探測(cè)、自適應(yīng)、抽象或者概括等一些常見問題，也就是說神經(jīng)網(wǎng)路可以很好的應(yīng)用于數(shù)組識(shí)別系統(tǒng)算法的設(shè)計(jì)之中。所以車牌的額構(gòu)造大體為“ 65432 11 XXXXXXS ”的車牌中，其中 1S 代表著省級(jí)行政區(qū)（漢字）的集合，可能出現(xiàn)的漢字集合為 {湘，蘇，皖，京 … }；1X 為車牌所在地的英文字母代碼的集合，構(gòu)成的集合時(shí)出 I 以外的 25 個(gè)字母 {A， B，C… }； 32XX 可能是數(shù)字也可能是字母，所以有 34 個(gè)字符構(gòu)成 {0， 1， … ， 9， A， B， … Z}；654 XXX 只可能是數(shù)字，所以可能的集合時(shí) {0， 1， 2， … ， 9}。 除此以外 ， 我國 還存在一些比較特殊的車牌，例如使館車牌、領(lǐng)館車牌、軍車車牌等。一般情況下，國內(nèi)輕型車所使用的是藍(lán)底白字車牌，常常用于一些中小型 的民用汽車，也是目前國內(nèi)最為常見的車牌。 隨著我國的數(shù)字圖像處理技術(shù)的發(fā)展以及實(shí)際應(yīng)用，我國利用數(shù)字圖像處理技術(shù)對(duì)字符進(jìn)行處理識(shí)別的技術(shù)也有所進(jìn)展，目前國內(nèi)比較具有代表性的研究院、高校有清華大學(xué)、北京信息工程學(xué)院、中字漢王、北京郵電大學(xué)、沈陽自動(dòng)化 等。由前文可知，車牌識(shí)別系統(tǒng)中最為關(guān)鍵的 技術(shù)是字符識(shí)別，字符識(shí)別中的主要指標(biāo)是識(shí)別率和識(shí)別時(shí)間。到 1992 年時(shí)，單個(gè)字符的手寫體達(dá)到較高的識(shí)別率，特別是數(shù)字的識(shí)別率接近 95%，于是識(shí)別系統(tǒng)開始步入市場(chǎng)。自 50 年代后，人們開始研究印刷體字符，隨著算法的日益完善，到 80 年代末 90 年代初字符識(shí)別已經(jīng)發(fā)展到可以識(shí)別出手寫字體。隨著計(jì)算機(jī)的日益發(fā)展，約在 29 世紀(jì) 40 年代， OCR(字符識(shí)別 Optical Character Recognition,簡(jiǎn)稱 OCR)系統(tǒng)問世，但在當(dāng)時(shí)也只是商業(yè)界的數(shù)據(jù)處理手段。由于大小歸一化值得是長(zhǎng)度和寬度上分別乘以某個(gè)比例因子，使其大小與模塊中的字符大小一致，大 小歸一化最為常用的方法是將整個(gè)牌照?qǐng)D像按線性比例放大或縮小到標(biāo)準(zhǔn)模快的大小。不言而喻，歸一化處理的目的是使得車牌字符與標(biāo)準(zhǔn)模塊中的字符特征一致。如此重復(fù)的下去，直到字符全 南湖學(xué)院 畢業(yè)設(shè)計(jì)（論文） 10 部分割出來為止。 （ 4）之后的英文字母和阿拉伯?dāng)?shù)字不存在不連通性的問題，所以只要利用第一個(gè)閾值 threshold 1 就可以分割出車牌剩下的字符。從左向右掃描經(jīng)過預(yù)處理后的車牌圖像，記第一個(gè)大于閾值 threshold 1 的列為漢字的開始位置 S，記第一個(gè)小于閾值 threshold 1 的列為 H ，比較這兩列的寬度 HS 與 threshold 2 的大小直到找到與 S 列相差的寬度大于 threshold 2 且滿足像素值為 255 的像素的個(gè)數(shù)小于閾值的列，設(shè)為車牌的漢字字符的結(jié)束列。 （ 3）根據(jù)漢字特征，需要設(shè)置兩個(gè)閾值來分割一個(gè)漢字字符。去除車牌字符上下邊界以外的區(qū)域，之后設(shè)車牌的高度為 height，寬度為 width。由于投影法比較準(zhǔn)確、編程較簡(jiǎn)單，且易于實(shí)際操作，能滿足在復(fù)雜環(huán)境下，所以本文采用的是投影法分割車牌字符。,( x? 的峰值，可根據(jù)橫坐標(biāo)和縱坐標(biāo)確定一條直線。 yxy yxx （ 29） Radon 變化所檢測(cè)的直線是 )39。坐標(biāo)變換的公式如（ 29）所示： ??? ??? ?? ?? ?? c o ss in39。 180176。,( xR? 為 ? 的周期函數(shù)， T=180176。()39。,s i n39。)s i n39。用二維函數(shù) ),( yxG 表示原始圖像坐標(biāo)為（ x,y）的像素值，某方向上的投影可用該方向上的積分表示。本文所采用的方法是基于車牌投影變換的傾斜校正算法。其檢測(cè)公式如下： ?????????，車牌傾斜，車牌水平22331iikkinn （ 27） 其中， in 表示第 i 行的 0、 255 的跳躍次數(shù)。主要的三種傾斜方式是： 水平上的傾斜、垂直上的傾斜、水平和垂直上的傾斜。 幾何校正 在實(shí)際的車牌獲取過程中，通常是由道路某側(cè)或上方的攝像機(jī)拍攝所得。 偽目標(biāo) 偽目標(biāo) 車牌 區(qū)域 圖 目前，國內(nèi)外車牌定位的主要方法有：特征定位法，邊緣檢測(cè)定位 法 ， 數(shù)學(xué)形態(tài) 定位法 ，小波變換法，開運(yùn)算定位法等。微定位技術(shù)包括三部分 :(1)橫向定位；（ 2）縱向定位；（ 3）微定位。根據(jù)這種特性，可以檢測(cè)到車牌的區(qū)域，即車牌區(qū)域定位法，這種初步定位后的車牌還需要進(jìn)一步微定位。在自然環(huán)境下，原始圖像采集背景復(fù)雜，光照不均，在自然背景中準(zhǔn)確地確定牌照區(qū)域是整 個(gè)牌照是別的關(guān)鍵。這種檢測(cè)方法需要用高斯函數(shù)對(duì)圖像進(jìn)行平滑處理后，再用拉普拉斯算子計(jì)算 [09]。其中拉普拉斯的運(yùn)算公式為： 222 22),(yxffyxf ??????? （ 24） 拉普拉斯算子同樣是借助模板實(shí)現(xiàn)，其中最為常見的模板如下： 010141010 111181111 （ 25） 上 文所提到的幾種邊緣檢測(cè)算子都對(duì)噪聲非常的敏感，也就是說必然會(huì)在計(jì)算的過程中加大噪聲的成分。拉斯算 子前幾種算子都是通過計(jì)算一階導(dǎo)數(shù)來檢測(cè)邊緣，但這幾種算子導(dǎo)致檢測(cè)到的邊緣點(diǎn)過多，不利于后期處理。由于邊緣是圖像灰度變化最嚴(yán)重的區(qū)域，傳統(tǒng)的邊緣檢測(cè)通常是通過計(jì)算圖像中像素的梯度值來確定邊緣點(diǎn)。高通濾波的效果也可以通過原始圖像減去低通圖像得到，這種方法稱為非銳化掩模法。與平滑濾波不同的是，它的計(jì)算不是加權(quán)求和，當(dāng)其像素點(diǎn)數(shù)為奇數(shù)時(shí)，則將該領(lǐng)域內(nèi)的像素按其灰度值排序，再去其中間值作為領(lǐng)域中心像素點(diǎn)的輸出值；當(dāng)其像素點(diǎn)數(shù)為偶數(shù)時(shí)，取排序后的中間兩個(gè)像素灰度值的平均值作為輸出值 [11]。這種方法 簡(jiǎn)單，且處理速度快，但在降低噪聲的同時(shí)使圖像產(chǎn)生了模糊，尤其是在邊緣與細(xì)節(jié)處。 常用的濾波方法有空間域?yàn)V波和同態(tài)濾波兩種，其中空間濾波又分為三種：平滑濾波、中值濾波、高通濾波。由于圖像的質(zhì)量被噪聲所惡化，導(dǎo)致圖像模糊不清，甚至連圖像的本身特征都會(huì)被淹沒或改變，這給圖像的分析與識(shí)別帶來了較大的困難。所以一般情況下，在對(duì)車牌字符分割前，會(huì)對(duì)圖像進(jìn)行二值化處理。 從二值圖像可以得到圖像中對(duì)象物的形狀特征的主要信息。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不疊交的區(qū)域。 T 為選定的閾值。即得到的圖像只有 0 和 1 兩個(gè)灰度級(jí)，常規(guī)是將目標(biāo)區(qū)設(shè)為 1，背景區(qū)為 0，這樣就可以得到我們所說的二值圖像。但在車牌識(shí)別時(shí)，我們需要徹底的從原始圖像中分離出目標(biāo)。 圖像的 tophat 變換對(duì)增強(qiáng)目標(biāo)區(qū)域，隱藏背景細(xì)節(jié)有很大用處，最初的命名是由于使用了帶有一個(gè)平頂?shù)膱A柱形或平行六面體形的結(jié)構(gòu)元素。 為了克服上述問題，本文采用灰度信息與背景信息相結(jié)合的局部灰度修正增強(qiáng)方法，其基本原理是將原圖像的灰度和背景圖像區(qū)域相減，實(shí)現(xiàn)圖像的增強(qiáng)，即所謂的形態(tài)學(xué) tophat 變換 [9]。這時(shí)可以采取灰度變換增強(qiáng)灰度變化范圍，豐富灰度層次，以達(dá)到增強(qiáng)圖像 對(duì)比度的目的。因此，研究者常常通過灰度變換和直方圖均衡化來增強(qiáng)對(duì)比度，以改善視覺效果。成像系統(tǒng)有它一定的亮度范圍，亮度最大值與其最小值之比稱為對(duì)比度。另外，我們也可以采用加權(quán)系數(shù)對(duì)圖像進(jìn)行灰度化，常用到的灰度化公式： BGRI *** ??? （ 21） 其中 I為灰度化之后的像素值， R、 G、 B分別為紅、綠、藍(lán)的像素。由于灰度化后，每一個(gè)像素的三個(gè)分量都是均等的，解決可彩色圖像中顏色差異的問題，只存在亮度上的差異。因而，我們需要對(duì)原始圖像進(jìn)行灰度化，以便減小圖像占用的存儲(chǔ)空間。 灰度化 目前，我國車牌的原始圖像采集，由于基本上都是通過攝像機(jī)、數(shù)碼相機(jī)等拍攝設(shè)備拍攝獲取，所以一般情況下，原始圖像為彩色圖像。 車牌預(yù)處理 照片拍攝的好壞受許多外界因素決定， 例如光照強(qiáng)度因素，晴天與陰天所拍攝的照片質(zhì)量是不一樣，白天和晚上所拍攝的照片質(zhì)量更是不同；再比如說，車輛行駛速度因素，行駛慢的原始圖像會(huì)比行駛快的原始圖像質(zhì)量要好一些，此外，過快的車速，會(huì)導(dǎo)致照片的字跡模糊不 清，這也就必定在一定程度上影響著字符識(shí)別率。受自然等客觀條件的影響，需要對(duì)車牌進(jìn)行預(yù)處理，以便提高車牌的識(shí)別率。當(dāng)機(jī)動(dòng)車輛在路過預(yù)先設(shè)置好的攝像頭并達(dá)到觸發(fā)條件，攝像頭即可拍攝出原始圖像，圖像采集卡將所拍攝的圖像從視頻信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)傳輸?shù)接?jì)算機(jī)中，這就完成了車牌的獲取過程。 南湖學(xué)院 畢業(yè)設(shè)計(jì)（論文） 4 2 車牌分割方法 車牌獲取 車牌獲取即圖像采集部分，大體分為檢測(cè)和成像 兩個(gè)部分。第四節(jié)主要介紹的是基于 MATLAB 的算法設(shè)計(jì)與實(shí)現(xiàn)，主要介紹 MATLAB 概述、車牌分割算法設(shè)計(jì)、車牌字符識(shí)別算法設(shè)計(jì)三個(gè)方面，包括系統(tǒng)的算法流