【正文】 amp。%車牌寬 hight=BoundingBox（（ l1） *4+4） +2。%開始列 startrow=BoundingBox（（ l1） *4+2） 2。 end end for k= 1:lx l=Getok（ k） 。 hight50） %框架的寬度和高度的范圍 lx=lx+1。 width160 amp。%框架寬度的計算 hight=BoundingBox（（ l1） *4+4） 。%輸出框架的彩色圖像 lx=0。圖像彩色標(biāo)記 39。 %標(biāo)志圖像向 RGB圖像轉(zhuǎn)換 figure,imshow（ RGB） 。shuffle39。k39。spring39。%區(qū)域面積 BoundingBox=[]。） 。%標(biāo)注二進制圖像中已連接的部分 Feastats = imfeature（ L,39。%輸出開運算的圖像 %Step5 對二值圖像進行區(qū)域提取，并計算區(qū)域特征參數(shù)。圖像開運算 [19,1]39。%取矩形框的開運算 figure,imshow（ bg2） 。rectangle39。） 。title（ 39。,[5,19]）） 。%輸出閉運算的圖像 bg3=imopen（ bg1,strel（ 39。圖像閉運算 [5,19]39。%取矩形框的閉運算 figure,imshow（ bg1） 。rectangle39。） 。title（ 39。canny39。） 。title（ 39。%轉(zhuǎn)換圖像為二進制圖像 bw2=double（ bw22） 。%egray的最小值并輸出雙精度型 level=（ fmax1（ fmax1fmin1） /3） /255。%輸出黑白圖像 %Step3 取得最佳閾值，將圖像二值化 fmax1=double（ max（ max（ Egray））） 。增強黑白圖像 39。%兩幅圖相減 figure,imshow（ Egray） 。） 。title（ 39。%strel函數(shù) Bgray=imopen（ Sgray,s） 。disk39。） 。%figure命令同時顯示兩幅圖 figure,imshow（ Sgray） ,title（ 39。原始彩色圖像 39。%imread函數(shù)讀取圖像文件 %將彩色圖像轉(zhuǎn)換為黑白并顯示 Sgray = rgb2gray（ Scolor） 。39。 close all。 參考文獻 [1]（希）西奧多里德斯 等著 .模式識別（第三版） [M].電子工業(yè)出版社， 2021 年12 月。通過這次課程設(shè)計，我才明白學(xué)習(xí)是一個長期積累的過程，在以后的工作、生活中都應(yīng)該不斷的學(xué)習(xí)，努力提高自己知識和綜合素質(zhì) ，特別是對于我，基礎(chǔ)比較差，一定不能太過于心急，要靜下心來慢慢的研究 。課程設(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。切割出來的數(shù)據(jù)要與數(shù)據(jù)庫的數(shù)據(jù)作比較，所以數(shù)據(jù)庫的數(shù)據(jù)尤為重要。本設(shè)計雖然只對藍底白字車牌進行分割識別，對黑底白字車牌原則上整個算法可直接適用，對白底黑字車牌、黃底黑字車牌，需要對車牌定位算法進行調(diào)整，并將圖像反轉(zhuǎn)（ 0 變 1 變 0），而車牌字符的分割算法仍然行之有效。 基于彩色分量的定位方法，運用基于藍色 像 素點統(tǒng)計特性的方法對車牌是藍色的車牌進行定位，實驗表明，用該方法實現(xiàn)的車牌定位準(zhǔn)確率較高。在車牌定位我們采用基于灰度跳變的定位方法，采用先對圖像進行預(yù)處理，再進行二值化操作的方法。 結(jié)果圖 顯示結(jié)果為：除漢字外的字符 BB88888 8 結(jié)果總結(jié)及分析 實驗對車牌識別系統(tǒng)的軟件部分進行了研究，分別從圖像預(yù)處理、車牌定位、字符分割以及字符識別等方面進行了系統(tǒng)的分析。其具體流程為 :使用漢字 、字母、字母數(shù)字、數(shù)字四個樣本分別對四個子網(wǎng)絡(luò)進行訓(xùn)練，得到相應(yīng)的節(jié)點數(shù)和權(quán)值。 Step8 旋轉(zhuǎn)車牌后重新計算車牌水平投影，去掉車牌水平邊框求水平投 影的最小值 取閾值 計算谷寬度 計算峰距離 計算下降點 找到峰中心位置 求水平投影的平均值 圖 81 垂直與水平投影 Step9 計算車牌垂直投影，去掉車牌垂直邊框，獲取車牌及字符平均寬度 1)通過以上水平投影、垂直投影分析計算，獲得了車牌字符高度、字符頂行與尾行、字符寬度、每個字符的中心位置，為提取分割字符具備了條件。 對水平投影進行峰谷分析 : 圖 62 車牌二值子圖 Step7 計算車牌旋轉(zhuǎn)角度 1)車牌傾斜的原因?qū)е峦队靶Ч骞晒炔幻黠@，在這里需要做車牌矯正處理。 圖 51 圖像彩色標(biāo)記 2)計算 出包含所標(biāo)記的區(qū)域的最小寬和高，并根據(jù)先驗知識，比較誰的寬高比更接近實際車牌寬高比，將更接近的提取并顯示出來 。 圖 42 圖像閉運算 圖 43 圖像開運算 Step5 對二值圖像進行區(qū)域提取，并計算區(qū)域特征參數(shù)。先腐蝕后膨脹的過程稱為開運算，它具有消除細小物體，并在纖細處分離物體和平滑較大物體邊界的作用；先膨脹后腐蝕的過程稱為閉運算，具有填充物體內(nèi)細小空洞，連接鄰近物體和平滑邊界的作用。 圖 41 圖像邊緣提取 2)對得到圖像作開操作進行濾波 ： 數(shù)學(xué)形態(tài)非線性濾波，可以用于抑制噪聲，進行特征提取、邊緣檢測、圖像分割等圖像處理問題?？梢酝ㄟ^求梯度局部最大值對應(yīng)的點，并認定為邊緣點，去除非局部最大值，可以檢測出精確的邊緣。所以，如果一個點的二維一階導(dǎo)數(shù)比指定的門限大，我們就定義圖像中的次點是一個邊緣點，一組這樣的依據(jù)事先定好的連接準(zhǔn)則相連的邊緣點就定義為一條邊緣。 圖 31 圖像二值化 Step4 對得到 二值圖像作開閉操作進行濾波 1)邊緣檢測： 兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣就是灰度值不連續(xù)的結(jié)果，是圖像分割 、 紋理特征提取和形狀特征提取等圖像分析的基礎(chǔ)。車牌識別系統(tǒng)要求處理的速度高、成本低、信息量大，采用二值圖像進行處理，能大大地提高處理效率。進行區(qū)域特征參數(shù)比較，提取車牌區(qū)域 6） 計算車牌水平投影，并對水平投影進行峰谷分析 7） 計算車牌旋轉(zhuǎn)角度 8） 旋轉(zhuǎn)車牌后重新計算車牌水平投影，去掉車牌水平邊框，獲取字符高度 9） 計算車牌垂直投影，去掉車牌垂直邊框，獲取車牌及字符平均寬度 10） 計算車牌上每個字符中心位置，計算最大字符寬度 11） 提取分割字符 ,并變換為 22 行 ?14 列標(biāo)準(zhǔn)子圖 7 程序結(jié)果顯示 Step1 獲取圖像 裝入待處理彩色圖像并顯示原始 黑白 圖像 圖 11 原始彩色圖像 圖 12 原始黑白圖像 Step2 圖像預(yù)處理 對原始黑白圖像進行開操作得到圖像背景 圖 21 原始黑白圖像 圖 22 背景圖像 圖 23 增強黑白圖像 （原始黑白圖像與背景圖像相減） Step3 取得最佳閾值，將圖像二值化 二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。 5 實現(xiàn)目標(biāo)方法流程圖 車牌定位與字符識別技術(shù)是基于計算機圖像處理、模式識別等技術(shù)為基礎(chǔ)，通過對原圖像的處理，以及邊緣檢測技術(shù)實現(xiàn)對車牌的 定位，然后對車牌圖像處理、歸一化處理、分割以及保存，最后進行分割圖像與模板庫的模板進行匹配，最后輸出匹配結(jié)果。 因為系統(tǒng)運行的過程中，主要進行的都是圖像處理，在這個過程中要進行大量的數(shù)據(jù)處理，所以處理器和內(nèi)存要求比較高， CPU要求主頻在600HZ及以上 ，內(nèi)存在 128MB 及以上。 車牌識別的最終目的就是對車牌上的文字進行識別。 由于拍攝時的光照條件、牌照的整潔程度的影響，和攝像機的焦距調(diào)整、鏡頭的光學(xué)畸變所產(chǎn)生的噪聲都會不同程度地造成牌照字符的邊界模糊、細節(jié)不清、筆劃斷開或粗細不均，加上牌照上的污斑等缺陷，致使字符提取困難，進而影響字符識別的準(zhǔn)確性。但由于該系統(tǒng)的攝像部分工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時攝像機與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照圖 像 可能出現(xiàn)模糊