【正文】 噪聲 干擾圖像的質(zhì)量 。 模板匹配是 字符 識(shí)別方法中最具代表性的基本方法之一， 模板匹配的方法是 從圖像區(qū)域 (, )f i j 或待識(shí)別的圖像中提取 出 若干特征量 ，在逐個(gè)比較提取出的特征量 與模板(, )Ti j 相應(yīng)的特征量，計(jì)算它們之間的互相關(guān)量，其中期間相似程度最高 就是 互相關(guān)量最大的一個(gè)， 這樣就可以將圖像分為很多類型 。如果在空域進(jìn)行處理，則是根據(jù)目標(biāo)的形狀、灰度、紋理等特征刻畫一個(gè)目標(biāo)的樣板，以此為模板在圖像中尋找與其相似甚至相同的部分。模板圖像和待測(cè)圖像的相關(guān)測(cè)度計(jì)算式為 11001 1 1 1220 0 0 0( , ) ( , )( , )( , ) ( , )MMiiM M M Mi j i jg i j f k i l jL k lg i j f k i l j????? ? ? ?? ? ? ????????? ? ? ? （ 313） 上式對(duì)互相關(guān)進(jìn)行了歸一化，這在多目標(biāo)的檢測(cè)中，有利于多個(gè)模板互相關(guān)結(jié)果的比較和判斷。復(fù)雜區(qū)域的匹配常采用相關(guān)測(cè)度法 [19]。它們?cè)?D上的差值測(cè)度有如下三種計(jì)算方式： ( , )m a x | ( , ) ( , ) |x y DL f x y g x y??? （ 310） | ( , ) ( , ) |DL f x y g x y d x d y???? （ 311） 2[ ( , ) ( , ) ]DL f x y g x y d x d y???? （ 312） 采用以上三種方式計(jì)算出的結(jié)果越小，說明模板和子區(qū)域相似程度越高。 （ 1）相似性度量 15 相似性度量有多種表示方法，其中最常用的是差值測(cè)度法和相關(guān)測(cè)度法。匹配可以在空域中進(jìn)行，也可以在頻率域等變換域進(jìn)行；在空域中進(jìn)行匹配的是目標(biāo)圖像本身，在變換域進(jìn)行匹配的是目標(biāo)的一些特征量。如果相似程度足夠高，便認(rèn) 為該部分與模板相同，該區(qū)域即是被檢目標(biāo)。是把根據(jù)已知模式到另外一幅圖中尋找相應(yīng)模式的處理方法就叫做模板匹配。 (3) 基于 BP神經(jīng)網(wǎng)絡(luò)的字符識(shí)別 ； 通常所說的 BP神經(jīng) 網(wǎng)絡(luò)模型，即誤差后向傳播神經(jīng)網(wǎng)絡(luò)，是神經(jīng)網(wǎng)絡(luò)中使用最廣泛的一類，網(wǎng)絡(luò)分為三層分別是輸入層，隱層還有輸入層，層與層之間多采用全互聯(lián)方式同一層單元之間不存在互連連接。它 的理論依據(jù)是 數(shù)學(xué)上的決策理論， 而且統(tǒng)計(jì)識(shí)別的 統(tǒng)計(jì)學(xué)識(shí)別模型 都是根據(jù)數(shù)學(xué)上的決策理論建立的 。分析部分包括基元選擇及結(jié)構(gòu)推理。 70 年代主要研究文字識(shí)別的基本理論和研制高性能的文字識(shí)別機(jī)，并著 14 重于漢字識(shí)別的研究 [18]。 60 年代后期，出現(xiàn) 了多種字體和 手寫體 文字識(shí)別機(jī)，其識(shí)別精度和機(jī)器性能都基本上能滿足要求。為了減輕人們的勞動(dòng)，提高處理效率， 50年代開始探討一般字符識(shí)別方法，并研制出光學(xué) 字符 識(shí)別器。 字符識(shí)別 字符識(shí)別簡(jiǎn)述 利用計(jì)算機(jī)自動(dòng)識(shí)別字符 的技術(shù)，是 模式識(shí)別 應(yīng)用的一個(gè)重要領(lǐng)域。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。切割出單個(gè)字符后，放入 char_(i)中，并切 割 掉每個(gè)字符的上下的空白區(qū)域，完成精確切割。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識(shí)別。則設(shè)置閾值為 T 的結(jié)果可以得到一幅二值圖像 ? ?,Tf x y ，它由 0 , ( , )( , ) 1 , ( , )T f x y Tf x y f x y T??????? ? （ 35） 或者是 0 , ( , )( , ) 1 , ( , )T f x y Tf x y f x y T????? ?? ? （ 36） 定義。 二值化的處理過程是通過閾值化對(duì)圖像進(jìn)行處理的 [17]。 車牌識(shí)別的下一步是分割出具體的車牌，具體過程 首先是將二值圖像中所有白色的點(diǎn)的坐標(biāo)放入數(shù)組 location_of_1 中，對(duì)這些坐標(biāo)進(jìn)行計(jì)算，尋找 x 坐標(biāo)與 y 坐標(biāo)之和最大的點(diǎn) a 與最小的點(diǎn) b， a 即為車牌的左上角， b 為車牌的右下角。不同的閾值設(shè)定方法對(duì)一幅圖像進(jìn)行處理會(huì)產(chǎn)生不同的二值化處理結(jié)果。所謂的二值 化處理就是將車牌圖像上的像素點(diǎn)的灰度值設(shè)置為 0 或 255，從而讓整張圖片變成黑白的效果，將灰 12 度圖片通過適當(dāng)?shù)拈撝颠x取，從而將能在 灰度 圖像獲取可以反映圖像特征的二值化圖像。二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像，每一個(gè)像素取兩個(gè)離散數(shù)值（ 0 或 1），其中 0 代表黑色， 1 代表白色。濾波，即在盡量保留 圖像細(xì)節(jié)特征的條件下對(duì)目標(biāo) 圖 像的噪聲進(jìn)行抑制，是圖像預(yù)處理中不可缺少的操作，其處理效果的好壞將直接響到后續(xù)圖像處理和分析的有效性和可靠性。一般情況下，這些噪聲在研究對(duì)象中一般都是無用的信息，而且還會(huì)對(duì)研究對(duì)象造成干擾，極大降低了圖像質(zhì)量，影響圖像分割、圖像識(shí)別等后繼工作的進(jìn)行。 采集數(shù)字圖像過程中通常會(huì)會(huì)受到多種噪聲的污染。 使用同一結(jié)構(gòu)元素對(duì)圖像先進(jìn)行膨脹運(yùn)算，然后對(duì)結(jié)果進(jìn)行腐蝕運(yùn)算的運(yùn)算方法成為閉運(yùn)算，閉運(yùn)算的符號(hào)為 ? 。 ，其定義為 : ? ?| ( ) xA B x B A? ? ? （ 33） 上式表明， 腐蝕的過程為結(jié)構(gòu)元素 B 平移 x 后，結(jié)構(gòu)元素 B 仍在集合 A 中的參考點(diǎn)的集合。膨脹運(yùn)算會(huì)使圖像的區(qū)域進(jìn)行擴(kuò)張。 膨脹運(yùn)算符號(hào)為 ? ，假設(shè) A 為圖像集合，用 B 為結(jié)構(gòu)元素來對(duì) A 進(jìn)行膨脹，則記作 AB? ，定義為： 11 ?{ | [ ( ) }xA B x B A? ? ? ? （ 32） 其中 ?B 表示 B 的映像，即與 B 關(guān)于原點(diǎn)對(duì)稱的集合。 形態(tài)學(xué)圖像處理 數(shù)學(xué)形態(tài)學(xué)以形態(tài)為基礎(chǔ)對(duì)圖像進(jìn)行分析，其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。對(duì)數(shù)字圖像 { (, )}f i j 的每一個(gè)像素點(diǎn)考察它上、下、左、右相鄰點(diǎn)灰度的加權(quán)差，與之接近的鄰點(diǎn)權(quán)重大。通常，一個(gè)核對(duì)垂直邊緣響應(yīng)最大，而另一個(gè)核則對(duì)水平邊緣響應(yīng)最大 ， 兩個(gè)卷積的最大值作為該點(diǎn)的輸出值 ， 運(yùn)算結(jié)果是一幅邊緣幅度圖像。 Sobel 邊緣 算子 ： 1 2 1 1 0 1 0 0 0 2 0 2 1 2 1 1 0 1 圖 32 Sobel邊緣算子模板 如圖 32 所示，兩個(gè)卷積核形成了 Sobel 邊緣 算子。 其中邊緣檢測(cè)的算子有很多，如 Roberts 算子、 Sobel 算子、Prewitt 算子、 Zerocross 算子、 Log 算子 以及 Canny 算子 。 通常，通過數(shù)碼相機(jī)拍照所獲 的 圖像是彩色圖像，在彩色圖像里， 如果 R=G=B，則圖像中的顏色都為一種灰度顏色，其中 R=G=B 的值叫做灰度值，圖像的灰度化 處理是指圖像由彩色轉(zhuǎn)換為灰度的過程 ， 灰度圖像中只包含了強(qiáng)度信息，而并沒有顏色信息。圖像中每一個(gè)像素的顏色值（由 RGB 三 原色表示）直接存放在圖像矩陣中，由于每一像素的顏色需由 R、 G、 B 三個(gè)分量來表示，因此 RGB 圖像的圖像矩陣與其他類型的圖像矩陣不同，是一個(gè)三維矩陣，可用 MN3 表示， M、 N 分別表示圖像的行、列數(shù)，三個(gè) M N 的二維矩陣分別表示各個(gè)像素的 R、 G、 B 三個(gè)顏色分量。 （ 3） RGB 彩色圖像 RGB 圖像用來表示彩色圖像。二值圖像通常用于文字、線條圖的掃描識(shí)別（ OCR）和掩模圖像的存儲(chǔ)。 （ 2） 二值圖像 一幅二值圖像的二維矩陣僅由 0、 1 兩個(gè)值構(gòu)成， “ 0” 代表黑色， “ 1” 代表白色?；叶葓D像矩陣元素的取值范圍通常為 [0,255]，因此其數(shù)據(jù)類型一般為 8 位無符號(hào)整數(shù)，這就是人們經(jīng)常提到的 256 級(jí)灰度圖像。 （ 1） 灰度圖像 當(dāng)一幅圖像有 灰度級(jí)時(shí)，通常稱該圖像為 k 比特圖像。 第三步是對(duì)前面分割出的字符進(jìn) 行識(shí)別，運(yùn)用的是模板匹配字符識(shí)別算法，這過程是 把切割出的字符與庫里的漢字和字符的模板做減法運(yùn)算，找到差別點(diǎn)最少的模板為對(duì)應(yīng)模板，輸出該模板對(duì)應(yīng)的字符，最后識(shí)別出車牌。 第二步是將前面車牌里的 7 個(gè)字符分割出來，其過程是 從左向右像按 列 計(jì)算每一列之和，沒有白點(diǎn)的列和為 0，有白點(diǎn)的列和非零，轉(zhuǎn)換為邏輯 1，記錄下所有列和在 0與 1 轉(zhuǎn)換的列，即為需要切割的列，共有 14 列，可切出 7 個(gè)字符。汽車牌照識(shí)別的第一步首先要通過圖像預(yù)處理（邊緣檢測(cè)、腐蝕、填充、濾波）之后正確的從原始圖像中分割出車牌區(qū)域， 其過程是將灰度圖像以 sobel 算子檢測(cè)邊緣；再對(duì)邊緣圖像進(jìn)行腐蝕，去除掉細(xì)的，間斷的邊緣；對(duì)剩下的區(qū)域進(jìn)行閉合以填充圖像，此時(shí)車牌區(qū)域形成了一個(gè)大的連通域；在調(diào)用 bwareaopen 函數(shù)去掉小的連通域，此時(shí)整個(gè)二值圖像只剩下了車牌區(qū)域。 8 3 車牌識(shí)別系統(tǒng)的原理及方法 車牌識(shí)別系統(tǒng)簡(jiǎn)述 車牌識(shí)別技術(shù)是基于計(jì)算機(jī)圖像處理為基礎(chǔ)，通過對(duì)原始圖像的預(yù)處理，對(duì)車牌進(jìn)行定位，然后再對(duì)字符進(jìn)行分割，最后對(duì)分割出的字符進(jìn)行識(shí)別，再輸出識(shí)別的結(jié)果 [10]。 BMP、 HDF、 JPEG、 PCX、TIFF、 XWD 等格式 都是 可以在 MATLAB 中進(jìn)行操作的圖像文件 格式 [9]。 真彩色圖像、索引色圖像、灰度圖像、二值圖像都是 MATLAB 的圖像處理工具箱可以支持圖像類型 。 MATLAB 的圖像處理工具箱提供了一整套用于圖像處理、分析、可視化和算法開發(fā)的工具。例如：一個(gè)由 100 行和 50 列不同灰度值的點(diǎn)組成的圖像可以用一個(gè) 10050 的矩陣來存儲(chǔ)。在 MATLAB 中大多數(shù)圖像用二維數(shù)組double（ 64 位）浮點(diǎn)型、或 uint8（ 8 位無符號(hào)整數(shù)）、 uint16（ 16 位無符號(hào)整數(shù)）存儲(chǔ)的，以減少圖像的存儲(chǔ)量。這些開發(fā)工具在醫(yī)學(xué)、公安和國防、遙感遙測(cè)、生物技術(shù)、顯微鏡技術(shù)、半導(dǎo)體測(cè)試、圖像傳感器設(shè)計(jì)等圖像處理領(lǐng)域得到了廣泛的應(yīng)用 [8]。 圖像數(shù)字化儀 圖像顯示設(shè)備 圖像處理計(jì)算機(jī) 7 MATLAB 是一種基于向量（數(shù)組）而不是標(biāo)量的高級(jí)語言，因而從本質(zhì)上就提供了對(duì)圖像的支持。是由美國 mathworks 公司發(fā)布的主要面對(duì)科學(xué)計(jì)算、可視化以及交互式 程序設(shè)計(jì) 的高科技計(jì)算環(huán)境。 圖 21 數(shù)字圖像處理 MATLAB 在數(shù)字圖像處理中的應(yīng)用 MATLAB 軟件是 matrixamp。在執(zhí)行過程中，輸入圖像被逐行的讀入計(jì)算機(jī)。數(shù)字圖像處理系統(tǒng)基本由三個(gè)部分組成：計(jì)算機(jī)、圖像數(shù)字化儀和圖像顯示設(shè)備。連續(xù)圖像被取樣和量化后可以用一個(gè) MN? 矩陣來表示，即 ( 0 , 0 ) ( 0 ,1 ) ( 0 , 1 )( 1 , 0 ) ( 1 ,1 ) ( 1 , 1 )( , )( 1 , 0 ) ( 1 ,1 ) ( 1 , 1 )f f f Nf f f Nf x yf M f M f M N?????????? ? ? ? (22) 此時(shí)等式右 邊的 ( , )f xy 被稱為數(shù)字圖像，矩陣中的每一個(gè)元素稱為像素。數(shù)字化坐標(biāo)值稱為取樣，它確 6 定了圖像的空間分辨率；數(shù)字化幅度值稱為量化，它確定了圖像的幅度分辨率。圖像離散化過程包括兩種處理：取樣和量化。 一般情況下只考慮平面、單色、靜止圖像，此時(shí)圖像可表示為一個(gè)二維函數(shù)： ( , )I f x y? （ 21） 數(shù)字圖像及其表示 傳統(tǒng)意義上的圖像是連續(xù)的，即式（ 21）中的 x y f、 、 是連續(xù)的，表示的物體輻射能量在空間上的連續(xù)分布，連續(xù)圖像也稱為模擬圖像。 圖像按波段多少來分，又可以分為單波段、多波段和超波段圖像。因此，數(shù)字圖像可以理解為圖像的數(shù)字表示，是空間和時(shí)間的非連續(xù)函數(shù)（信號(hào)），是為了便于計(jì)算機(jī)處理的一種圖像表示形式。明暗程度和空間坐標(biāo)都是連續(xù)變化的、計(jì)算機(jī)無法直接處理的圖像是模擬圖像。在其自然的形式下，圖像并不能直接由計(jì)算機(jī)進(jìn)行分析。 第 5 章主要是對(duì) 本 次設(shè)計(jì)和論文的總結(jié)。 第 3章主要簡(jiǎn)述了車牌識(shí)別技術(shù)的原理以及 基于 MATLAB的車牌識(shí)別的實(shí)現(xiàn) 過程。 本文第 1 章主要介紹車牌識(shí)別技術(shù)的研究目的和意義 、 車牌識(shí)別技術(shù)的發(fā)展 以及 對(duì) 4 我國車牌的分析。 本次設(shè)計(jì)我使用的車輛牌照是藍(lán)底白字的小型民用汽車牌照，它是 1992 式號(hào)牌，共計(jì) 7 個(gè)字符，車牌的外輪廓尺寸都是 440mm140mm，字符高 90mm，寬 45mm，字符間距 12mm，間隔符寬 10mm，整個(gè)字符的高寬比例近似為 3:1，車牌的邊緣是線段圍成的矩形。我國車牌號(hào)的第一個(gè)是漢字：代表該車戶口所在省的簡(jiǎn)稱：如川就是成都，粵就是廣州，京就是北京，渝就是重慶等，第二個(gè)是英文字母：它代表該車所在地的地市一級(jí)代碼，規(guī)律一般是這樣的， A 是省會(huì)， B 是該省第二大城市， C 是該省第三大城市，依此類推 ,車牌號(hào)的后五位是汽車的編號(hào)，一般為 5 位數(shù)字，即從 00001～ 99999，編號(hào)超過 10 萬時(shí)，就由 A、 B、 C 等英文字母代替，即 A 代表 10