【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（論文） 17 I=im2gray(filename)。 南湖學(xué)院 畢業(yè)設(shè)計（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 累 計 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 準 字 符保 存 該 字 符將 剩 余 部 分 保 存并 覆 蓋 原 先 圖 像字 符 個 數(shù)是 否 為 7結(jié) 束YNYN 圖 車牌分割流程圖 程序設(shè)計 主要代碼： %ex1505 clc clear filename=39。 車牌分割算法設(shè)計 簡而言之，投影法實質(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統(tǒng)計 ,再利用之前所得到的垂直投影直方圖的期望與方差計算 閾 值 ,從而根據(jù)車牌的形狀、車牌的紋理特征、字符特征、字符寬度以及相對位置，可以準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：（ 1）具有豐富的工具箱，功能十分強大，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）具有超強的數(shù)值運算功能，超過 500種數(shù)學(xué)、統(tǒng)計、科學(xué)以及工程方面的函數(shù)運算，并且簡單快捷；（ 3）具有強大的數(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)更適合字符識別的神經(jīng)網(wǎng)絡(luò)，以便提高字符識別的精度、準確率以及時間。結(jié)構(gòu)示意圖如圖 所示： 圖 BP網(wǎng)絡(luò)結(jié)構(gòu)圖 其中單個的神經(jīng)元結(jié)構(gòu)如圖 所示： 圖 單個神經(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（論文） 14 設(shè)第 k1 層 中第 i 個神經(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 個神經(jīng)元到第 k 層的第 j 個神經(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。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、圖像等感知模式的特征，還可以調(diào)試現(xiàn)有的啟發(fā)模式識別系統(tǒng)，使其更好的解決不變量探測、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)組識別系統(tǒng)算法的設(shè)計之中。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)成的集合時出 I 以外的 25 個字母 {A， B，C… }； 32XX 可能是數(shù)字也可能是字母，所以有 34 個字符構(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 {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)展以及實際應(yīng)用，我國利用數(shù)字圖像處理技術(shù)對字符進行處理識別的技術(shù)也有所進展，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)、沈陽自動化 等。由前文可知，車牌識別系統(tǒng)中最為關(guān)鍵的 技術(shù)是字符識別，字符識別中的主要指標是識別率和識別時間。到 1992 年時，單個字符的手寫體達到較高的識別率，特別是數(shù)字的識別率接近 95%，于是識別系統(tǒng)開始步入市場。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 年代初字符識別已經(jīng)發(fā)展到可以識別出手寫字體。隨著計算機的日益發(fā)展，約在 29 世紀 40 年代， OCR(字符識別 Optical Character Recognition,簡稱 OCR)系統(tǒng)問世，但在當時也只是商業(yè)界的數(shù)據(jù)處理手段。由于大小歸一化值得是長度和寬度上分別乘以某個比例因子，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牌照圖像按線性比例放大或縮小到標準模快的大小。不言而喻，歸一化處理的目的是使得車牌字符與標準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（論文） 10 部分割出來為止。 （ 4）之后的英文字母和阿拉伯數(shù)字不存在不連通性的問題，所以只要利用第一個閾值 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，記第一個大于閾值 threshold 1 的列為漢字的開始位置 S，記第一個小于閾值 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)置兩個閾值來分割一個漢字字符。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。由于投影法比較準確、編程較簡單，且易于實際操作，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)橫坐標和縱坐標確定一條直線。 yxy yxx （ 29） Radon 變化所檢測的直線是 )39。坐標變換的公式如（ 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)或上方的攝像機拍攝所得。 偽目標 偽目標 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，邊緣檢測定位 法 ， 數(shù)學(xué)形態(tài) 定位法 ，小波變換法，開運算定位法等。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，在自然背景中準確地確定牌照區(qū)域是整 個牌照是別的關(guān)鍵。這種檢測方法需要用高斯函數(shù)對圖像進行平滑處理后，再用拉普拉斯算子計算 [09]。其中拉普拉斯的運算公式為： 222 22),(yxffyxf ??????? （ 24） 拉普拉斯算子同樣是借助模板實現(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算子都對噪聲非常的敏感，也就是說必然會在計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算一階導(dǎo)數(shù)來檢測邊緣，但這幾種算子導(dǎo)致檢測到的邊緣點過多，不利于后期處理。由于邊緣是圖像灰度變化最嚴重的區(qū)域，傳統(tǒng)的邊緣檢測通常是通過計算圖像中像素的梯度值來確定邊緣點。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，它的計算不是加權(quán)求和，當其像素點數(shù)為奇數(shù)時，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)域中心像素點的輸出值；當其像素點數(shù)為偶數(shù)時，取排序后的中間兩個像素灰度值的平均值作為輸出值 [11]。這種方法 簡單，且處理速度快，但在降低噪聲的同時使圖像產(chǎn)生了模糊，尤其是在邊緣與細節(jié)處。 常用的濾波方法有空間域濾波和同態(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被淹沒或改變，這給圖像的分析與識別帶來了較大的困難。所以一般情況下，在對車牌字符分割前，會對圖像進行二值化處理。 從二值圖像可以得到圖像中對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 兩個灰度級，常規(guī)是將目標區(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。但在車牌識別時，我們需要徹底的從原始圖像中分離出目標。 圖像的 tophat 變換對增強目標區(qū)域，隱藏背景細節(jié)有很大用處，最初的命名是由于使用了帶有一個平頂?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，實現(xiàn)圖像的增強，即所謂的形態(tài)學(xué) tophat 變換 [9]。這時可以采取灰度變換增強灰度變化范圍，豐富灰度層次，以達到增強圖像 對比度的目的。因此，研究者常常通過灰度變換和直方圖均衡化來增強對比度，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比度。另外，我們也可以采用加權(quán)系數(shù)對圖像進行灰度化，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、藍的像素。由于灰度化后，每一個像素的三個分量都是均等的，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，我們需要對原始圖像進行灰度化，以便減小圖像占用的存儲空間。 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、數(shù)碼相機等拍攝設(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比行駛快的原始圖像質(zhì)量要好一些，此外，過快的車速，會導(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別率。受自然等客觀條件的影響，需要對車牌進行預(yù)處理，以便提高車牌的識別率。當機動車輛在路過預(yù)先設(shè)置好的攝像頭并達到觸發(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轉(zhuǎn)化為數(shù)字信號傳輸?shù)接嬎銠C中，這就完成了車牌的獲取過程。 南湖學(xué)院 畢業(yè)設(shè)計（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，大體分為檢測和成像 兩個部分。第四節(jié)主要介紹的是基于 MATLAB 的算法設(shè)計與實現(xiàn)，主要介紹 MATLAB 概述、車牌分割算法設(shè)計、車牌字符識別算法設(shè)計三個方面，包括系統(tǒng)的算法流