【正文】 n(histcol)。另外由于我國車牌的標準化，車牌上的第二個字符與第三個字符的距離大于其他字符及邊框的距離，由此采用在垂直投影中找最大的峰中心距離的方法，可以確定車牌上的第二個字符的中心位置，而第二大的峰中心距離即可以確定為車牌字符的最大寬度，即定為車牌字符寬度。下面需對垂直投影數(shù)據(jù)進行分析處理，計算出左右邊框位置、字符寬度，分析原理如圖 45 所示。)。,39。,int2str(maxhight)],39。 title([39。)。title(39。 %字符高度(rowbotrowtop+1)　計算車牌垂直投影去水平（上下）邊框后，用如下 MATLAB 程序?qū)崿F(xiàn)垂直投影計算，投影如圖44 所示： histcol=sum(sbw2)。sbw2=sbw(rowtop:rowbot,:)。rowtop=markrow(findc)。 %峰中心位置endmaxhight=max(markrow2)。 %下降點 markrow4(k)=markrow3(k)markrow(k)。markrow2(n1)=markrow(l)markrow(l1)。markrow(l)=hight。 %峰距離（上升點至下一個上升點）[m1,n1]=size(markrow2)。石家莊鐵道大學四方學院畢業(yè)設計21 end count1=0。 %上升點 markrow1(l)=count1。for k=1:hight if histrow(k)=levelrow count1=count1+1。count1=0。minrow=min(histrow)。石家莊鐵道大學四方學院畢業(yè)設計20 字 符 高 下 邊 上 邊 谷 寬 度Markrow1(k) 峰 上 升 點 Markrow(k) 峰 寬 度 Markrow4(k) 峰 下 降 點 Markrow3(k) 峰 距 離 Markrow2(k) 峰 中 心 Markrow5(k) 谷 寬 度 Markrow1(k+1) 峰 上 升 點 Markrow(k+1) 圖 43　水平投影分析計算示意根據(jù)投影分析計算原理，取閾值 Level = （投影均值+投影最小值）/2 ，分析計算得出的最大峰寬度即為字符高度?！《斡嬎丬嚺扑酵队皩ΤC正后的車牌二值子圖再次進行水平投影計算，如圖 42：圖 42　投影圖從圖 42 和圖 41 中可以明顯看到，車牌的矯正是很成功的，圖 43 的水平投影已經(jīng)相當?shù)那逦?，可以明顯看出車牌字符的高度、上邊框、下邊框位置。)。 title(39。)。title(39。)?，F(xiàn)采用以下程序求出車牌二值圖像的垂直投影圖和水平投影圖，如圖 41 所示：histcol1=sum(sbw1)。字符分割的算法很多，常采用垂直投影法來實現(xiàn)，公式如下: （41 ）??HiWjifjk0),()(　字符分割的步驟車牌字符分割是本設計的重點，分割步驟如下：（1）計算車牌水平投影，并對水平投影進行峰谷分析；（2）車牌矯正，計算車牌旋轉(zhuǎn)角度，旋轉(zhuǎn)車牌；（3）旋轉(zhuǎn)車牌后重新計算車牌水平投影，去掉車牌水平邊框，獲取車牌字符高度；（4）計算車牌垂直投影，去掉車牌垂直邊框，計算車牌上每個字符中心位置，計算最大字符寬度；（5）取分割字符,并變換為 32 行*16 列標準子圖。這個章節(jié)是本次設計的主要內(nèi)容，在汽車牌照自動識別過程中，字符分割有承前啟后的作用。圖 311 彩色標記（2） 計算出包含所標記的區(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。（1）　首先對圖像每個區(qū)域進行標記，如圖 311 所示。進行區(qū)域特征參石家莊鐵道大學四方學院畢業(yè)設計16數(shù)比較，提取車牌區(qū)域。通過程序處理后的圖 37至 310，可以清楚的看到最后經(jīng)過開操作濾波后的可能的車牌區(qū)域都清楚的保留了下來，是非常成功的。)。 title(39。,[19,1]))。 bg2=imopen(bg3,strel(39。圖像開運算[5,19]39。 figure,imshow(bg3)。rectangle39。)。 title(39。,[5,19]))。bg1=imclose(grd,strel(39。圖像邊緣提取39。)figure,imshow(grd)。grd=edge(bw2,39。 圖 36　二值化圖（4）對得到圖像作開操作進行濾波。bw2=im2bw(bw,level)。fmin1=double(min(min(bw)))。將圖像二值化，石家莊鐵道大學四方學院畢業(yè)設計13如圖 36：[m,n]=size(i)。figure,imshow(bw)。figure,imshow(bg)。,10)。（1）對原始圖像進行開操作得到圖像背景圖像，如圖 34 所示： s=strel(39?！≤嚺贫ㄎ荒壳埃呀?jīng)提出了很多車牌定位的方法這些方法都具有一個共同的出發(fā)點即通過牌照區(qū)域的特征來判斷牌照。對比分析可知 Canny 算子對車牌處理效果最好。梯度是用高斯濾波器的導數(shù)計算的。最后用二值化產(chǎn)生閉合的連通的輪廓，消除所有內(nèi)部點。由于平滑會導致邊緣的擴展，用拉普拉斯算子找到圖像中的陡峭邊緣即只考慮那些具有局部梯度最大值的點，這一點可以用二階導數(shù)的零交叉點來實現(xiàn)。Prewitt 算子也產(chǎn)生一幅邊緣幅度的圖像，也是對灰度漸變和噪聲較多的圖像處理效果較好。（2）Sobel 算子對灰度漸變和噪聲較多的圖像處理的較好。一階導數(shù)的局部最大值對應二階導數(shù)的零交叉點，這樣通過找圖像強度的二階導數(shù)餓的零交叉點就能找到精確邊緣點。經(jīng)過一階的導數(shù)的邊緣檢測，所求的一階導數(shù)高于某個閾值，則確定該點為邊緣點，這樣會導致檢測的邊緣點太多。一階導數(shù)可以用于檢測圖像中一個點是否是邊緣點，二階導數(shù)的符號可以用于判斷邊緣像素是在邊緣亮的一邊還是暗的一邊。度直方圖峰型分布明顯時，常以谷底作為門限候選值。當圖像灰一種簡單而廣泛應用的方法。因此，邊界就由這樣一些內(nèi)部點的集合組成，這些點都至少有一個鄰點不屬于該物體。所謂全局閾值的方法就是利用整幅圖像的灰度信息，從整個圖像中得到用于分割的閾值，并且根據(jù)該閾值對圖像進行分割；而局部閾值的方法是根據(jù)圖像中不同區(qū)域獲得對應不同區(qū)域的幾個閾值，利用這些得到的閾值對圖像進行分割，也就是一個閾值對應圖像中的一個子區(qū)域。所謂閾值的方法實質(zhì)是利用圖像的灰度直方圖信息得到用于分割的閾值?！￠撝祷夹g石家莊鐵道大學四方學院畢業(yè)設計10基于閾值的車牌定位分割方法是圖像分割中十分古老而又簡單有效的常用方法。12345”就是最典型的車牌號碼。” ，第 4～8 個字符均為阿拉伯數(shù)字或英文大寫字母。第 2個字符是大寫英文字母，是頒發(fā)證照及監(jiān)督機關的代號。這四種牌照的長度均為 45cm，寬 15cm，共 8 個字符?，F(xiàn)有的牌照有四種類型，分別是: 藍底白字牌照為小功率汽車使用； 黃底黑字牌照為大功率汽車使用；白底黑字或紅字牌照為軍用或警用。中值濾波很容易推廣到二維情況。處理之后，用窗口內(nèi)各像素灰度值的中值來代替位于窗口正中的像素的灰度值。石家莊鐵道大學四方學院畢業(yè)設計9圖 33　灰度化后的圖像　中值濾波中值濾波是一種非線性濾波處理技術，能有效地抑制圖像中的某些噪聲，它基于圖像這樣一種特性：噪聲往往以孤立點的形式出現(xiàn)，這些點對應的像素數(shù)很少，而圖像是由許多像素數(shù)較多、面積較大的小塊組成?；叶葓D像39。figure,imshow(i)。)。 figure, imshow(Scolor), title(39。close all。中值濾波在一定條件下可以克服線性濾波器如最小均方濾波、均值濾波等帶來的圖像細節(jié)模糊，而且對濾波脈沖干擾及圖像掃描噪聲最為有效，同時還可以保護字的邊界信息。濾波的方式有兩種，一種是空間域濾波，一種是頻率域，在空間域，常見的濾波方式有兩種方式，均值濾波和中值濾波。首先應該把 256 色彩色圖像轉(zhuǎn)換為灰度圖像。石家莊鐵道大學四方學院畢業(yè)設計7第 3章 車牌照提取與定位　算法設計流程 灰 度 化 二 值 化 濾 波 圖 像 預 處 理 開 始 字 符 的 分 割 定 位 和 提 取 字 符 的 識 別 結 束 圖 31算法設計總流程　汽車圖像預處理 圖像在形成、傳輸或變換過程中，受多種因素的影響，如：光學系統(tǒng)失真、系統(tǒng)噪聲、暴光不足或過量、相對運動等，往往會與原始景物之間或圖像與原始圖像之間產(chǎn)生了某種差異。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)絡進行訓練，得到相應的節(jié)點數(shù)和權值。在識別時系統(tǒng)只能根據(jù)每個字符的特征來進行判斷，為了最終能準確識別牌照上的漢字、英文字母及數(shù)字，必須將單個字符從矯正的牌照中逐個提取分離出來。　車牌字符分割經(jīng)過上面一系列預處理后，得到的是一條上下邊緣緊貼字符的水平二值圖像，其中，車牌的背景像素為白色，用 1 表示。Hough 變換具有明了的幾何解析性，一定的抗干擾能力和易于實現(xiàn)并處理等優(yōu)點：但它存在著計算量大，需要巨大的儲存空間等問題，所以不適合用在具有一定實時性要求的圖像處理中。因此有必要針對特定的牌照圖像提取其傾斜角度，再加以相應的旋轉(zhuǎn)處理?！D像的傾斜矯正由于拍攝時鏡頭與牌照的角度、車輛的運動及路面的狀況等因素的影響，例如車牌在捕捉圖像中的位置不固定，捕捉圖像時車頭或者鏡頭發(fā)生擺動以及車牌本身就掛歪了或路況較差，都可能使拍攝到的車牌圖像有一定的傾斜度，為了正確識別需要進行傾斜度校正，否則將無法進行單個字符的正確分割，字符識別的誤差率就會上升。　灰度拉伸石家莊鐵道大學四方學院畢業(yè)設計6若有一幅圖，由于拍攝光照不足，使得整幅圖偏暗（例如，灰度范圍從 055） ，或者拍攝時光照過強，使得整幅圖偏亮（灰度范圍從 200255） ，這些情況都是屬于低對比度，即灰度都擠在一起，沒有拉開。通常去噪用濾波的方法，比如中值濾波、均值濾波。圖像銳化的方法有兩種: 梯度銳化法和高通濾波法 [10]。比它大就是白，比它小就是黑。 閾值處理的操作過程是先由用戶指定或通過算法生成一個閾值，如果圖像中某中像素的灰度值小于該閾值，則將該像素的灰度值設置為 0 或 255，否則灰度值設置為 255 或 0[9]。局部閾值法則是由象素灰度值和象素周圍點局部灰度特性來確定象素的閾值的，Bernsen 算法是典型的局部閾值方法，非均勻光照條件等情況雖然影響整體圖像的灰度分布卻不影響局部的圖像性質(zhì)，局部閾值法也存在缺點和問題，如實現(xiàn)速度慢、不能保證字符筆劃連通性、以及容易出現(xiàn)偽影現(xiàn)象等。全局閾值法是根據(jù)圖像的直方圖或灰度的空間分布確定一個閾值，并根據(jù)該閾值實現(xiàn)灰度圖像到二值化圖像的轉(zhuǎn)化。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。在數(shù)字圖像處理中，二值圖像占有非常重要的地位。選擇的標準是經(jīng)過灰度變換后，像素的動態(tài)范圍增加，圖像的對比度擴展，使圖像變得更加清晰、細膩、容易識別。灰度變換函數(shù)不同，即使是同一圖像也會得到不同的結果 [8]。一旦灰度變換函數(shù)確定，則確定了一個具體的灰度增強方法。T?要求 D 和 D’都在圖像的灰度范圍之內(nèi)。設原圖像像素的灰度值 D = ?（x，y） ，處理后圖像像素的灰度值 D180。而 R，G，B 的取值范圍是0~255，所以灰度的級別只有 256 級 [7]?；叶葓D像就是只有強度信息而沒有顏色信息的圖像，存儲灰度圖像只要一個數(shù)據(jù)矩陣，矩陣中每個元素表示對應位置像素的灰度值。汽車圖像預處理部分完成對原始汽車圖像進行必要的灰度化、去噪聲、圖像增強處理，車牌定位與提取部分利用邊緣檢測方法對圖像進行定位與提取，然后利用水平投影的方法對提取的圖像進行字符分割，最后利用字符寬高將分割字符提取?！≤嚺谱詣幼R別系統(tǒng)原理當車輛通過時，車輛檢測裝置受到觸發(fā)，啟動圖像采集設備獲取車輛的正面或反面圖像，并將圖像傳至計算機，由車牌定位模塊提取車輛的牌照，字符分割模塊對車牌上的字符進行切分，最后由字符識別模塊進行字符識別并將結果輸出 [6]。最后得到的便為車牌區(qū)域。車牌識別系統(tǒng)的軟件部分主要分為四大塊，預處理、車牌定位、車牌字符的分割和字符識別 [5]。是一個比較有發(fā)展前途的車牌識別系統(tǒng)。由于我國汽車車牌識別的特殊性。國外汽車牌照識別系統(tǒng)研究工作已有一定進展。汽車牌照識別技術是車輛檢測系統(tǒng)中的一個重要環(huán)節(jié), 它在交通監(jiān)視和控制中占有很重要的地位，有著多種應用，例如自動收費系統(tǒng)、不停車繳費、失竊車輛的查尋、停車場車輛管理、特殊部門車輛的出入控制等等。對課題進行深刻的認識，綜合性地運用幾年內(nèi)所學知識去分析、解決問題 [2]。它在傳統(tǒng)的交通監(jiān)控技術的基礎上，引入了數(shù)字攝像技術和計算機信息管理技術，采用先進的圖像處理、模式識別和人工智能技術，通過對車輛圖像的采集和處理，獲得車輛的數(shù)字化信息，從而達到更高的智能化管理水平，車牌自動識別技術在車輛過路、過橋全自動不停車收費，交通流量控制指標的測量，車輛自動識別，高速公路上的事故自動測報，不停車檢查，車輛定位，汽車防盜，稽查和追蹤