【正文】 隨著MATLAB的商業(yè)化以及軟件本身的不斷升級，MATLAB的用戶界面也越來越精致，更加接近Windows的標準界面，人機交互性更強，操作更簡單。這些工具方便用戶使用MATLAB的函數和文件，其中許多工具采用的是圖形用戶界面。 MATLAB的開發(fā)界面圖 11 MATLAB的開發(fā)界面 Fig 11 MATLAB development interface MATLAB軟件的優(yōu)勢(1)友好的工作平臺和編程環(huán)境。在新的版本中也加入了對C，F(xiàn)ORTRAN，C++ ，JAVA的支持。它將數值分析、矩陣計算、科學數據可視化以及非線性動態(tài)系統(tǒng)的建模和仿真等諸多強大功能集成在一個易于使用的視窗環(huán)境中，為科學研究、工程設計以及必須進行有效數值計算的眾多科學領域提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設計語言（如C、Fortran）的編輯模式，代表了當今國際科學計算軟件的先進水平。: [number_char, outstanding_char] = Seg_Char(original_image,true)。希望經過這次實現(xiàn)LPR程序的經歷逐漸讓自己變得更加成熟和沉著。最后的感觸是，我從一開始的興致勃勃已經到了現(xiàn)在的很痛苦的狀態(tài)。但是由于框架是正確可用的，所以對于改進的地方，應該從分割點的選取，總體的思路是改進各種閥值的選取，包括二值化的因子、高斯平滑的sigma因子等等，我們事先應當做一個直方圖統(tǒng)計等東西來計算出各種針對當前牌照的浮動閥值。以下是最終的結果：圖 10 字符分割后的車牌圖像 Fig 10 After Character segmentation vehicle images效果還不錯可以，就是通用性差，用其他質量沒有這么好、分辨率沒這么高的車牌做分割慘不忍睹。 endend以下是水平分割結果（預分割）：圖 9 水平預分割的車牌圖像 Fig 7 Level of pre segmentation vehicle images可以看出頂上的螺絲釘與下面的邊沿被切除掉了，接著，我們做最后的分割，有些時候我們會連垂直方向上的一些邊都當成了字符，其實一個很簡單的解決方法就是設定一個閥值讓體積比較正常的字符通過，過濾掉類似邊沿的假結果。 seg_char{nb_char} = temp_char。 seg_flag==1 seg_flag = 0。 end if seg_target(i) amp。for i=1:length(seg_target) if ~seg_target(i) seg_flag = 1。seg_flag = 0。 endendseg_target = sum_rows = (floor(min(sum_rows)/10)+1)*10。for i=1:length(seg_target) if ~seg_target(i) preseg_bgs_img = [preseg_bgs_img。真正應該分割點的是最低的波谷處。仔細觀察‘M’、‘0’這兩字母與其他字母的曲線。對于水平切割，這里采用了最落后的閥值法，對水平總和數據求數學平均，然后低于數學平均值的那一整行像素將被刪除。大家已經可以看出些什么名堂來了吧？當值高的時候，代表白色的像素（‘痕跡’）在這里多。圖 7 經二值、平度化、平滑后的車牌圖像 Fig 7 The binary, pingdu change, smooth the vehicle images after圖 8 圖 6是二值、灰度化并平滑后的結果，效果還是不錯的。在這里嘗試采用比較常見的統(tǒng)計手段來解決這個問題：在得到二值化圖像之后，我們可以得到一個二值矩陣，當某位置的值等于0的時候，表示該像素點為全黑，反之，則該像素點為純白。然而，還有另外一些干擾也要引起我們的注意的問題，因此解決這種問題更顯得程序的通用性。不要以為去噪就是傳統(tǒng)的高斯、中值濾波之類的東西，在自然環(huán)境中，干擾是無窮無盡的。4．2車牌字符分割算法 MATLAB車牌字符分割這是一個簡單的車牌字符分割程序，程序大概分為三步： 灰度化/二值化/直方圖均衡化/歸一化大?。? 去噪 ； 分割；由于使用MATLAB作為平臺，第一步幾乎可以以一句話完成。 應該注意到，車牌字符區(qū)域的紋理特征，這些特征是旁邊干擾區(qū)域所不具有的特征，所以對二值化的圖像進行邊緣化處理，通過字符的紋理特征、邊緣的跳躍性來判斷車牌字符區(qū)域。但是此時仍不適合于做投影分析，因為車牌區(qū)域圖像內仍可能有干擾像素，如白色車輛的藍白車牌(如圖29(b))，此時如果得到的車牌區(qū)域包含了車身部分，則二值化后車身區(qū)域與字符屬于同一顏色。這時就會對分析造成很大的影響。 (4)字符顏色與車牌底色具有固定的顏色搭配。車牌字符總長度為409mm，其中單個字符寬度為45mm高度為90mm，第二和三字符間間距為34mm，其中中間小圓點寬度為lOmm，與第二和三字符間間距為12mm，其余字符間間距為12mm；字符“l(fā)”的寬度約為13．5mm，與其它字符間間距約為22．5mm，連續(xù)兩個字符“l(fā)”間間距約為38．5mm，第三字符為字符1時，與第二字符問問距約為44．5mm。 (2)第一個字符為漢字由于左右偏旁漢字中會出現(xiàn)間隙，而第二個字符和第三個字符間隔較大，所以可由 此做分界線，分段分割。因此尋求一個更具有適用性、魯棒性的字符分割方法，還需要探索和完善。而且，很多其他國家的汽車牌照格式通常只有一種，而我國則根據不同車輛、車型、用途，規(guī)定了多種牌照格式。 以上的算法在特定的情況下是可以較好的將車牌寧符分割出來，但我國由于環(huán)境，道路或人為因素使得車牌污染嚴重，使得在車牌存預處理后，會出現(xiàn)不同程度的噪聲，嚴重影響到車牌字符的正確分割。劉弈 等提出了一種利用顏色信息的車牌字符分割新算法。李文舉等提出了質量退化的車牌字符分割方法。陳寅鵬等提出了復雜車輛圖像中的車牌定位與字符分割方法。根據車牌字符垂直投影的信息，區(qū)域最小值的定義是以當前像素位置為中心，指定區(qū)域寬度內的投影信息最小值。按照屬于同一個字符的像素構成一個連通域的原則，結合牌照字符的同定高度、間距的同定比例關系等先驗知識，來對車牌字符進行分割。依據車牌橫平時所形成的連通域面積最小的特點提出最小面積法計算旋轉角度，然后進行灰度均值化處理，并通過水平投影去除邊界，最后根據實際車牌信息做垂直投影進行有效分割。根據字符串的結構和 尺寸特征，設計車牌字符串模板，通過該模板在車牌區(qū)域滑動匹配進行分類，并結合最大類間方差判決準則，確定最佳匹配位置，分割出車牌字符。通過在車牌定位圖像上定位出車牌的第三個字符，再進行字符區(qū)域的分裂和合并，并針對字符缺損情況，進行字符區(qū)域擴展，而且對字符區(qū)域高度進行調整，從而最終實現(xiàn)車牌字符的分割。根據車牌預處理圖像垂直投影圖的特點，提出一個特征值，并由車牌圖像的先驗知識和此特征值相結合來進行字符分割。字符區(qū)域分割的準確與否將直接影響到下一步的字符識別，因此許多學者也對此進行了研究，提出了很多關于車牌字符分割的方法。這個過程也就是提取顏色對特征點的過程。但是，在車牌外區(qū)域也有很多其他像素點的顏色和紋理符合車牌的四種顏色邊緣點。在這里對紅色點也進行判斷，是因為在白底黑字的車牌中，前兩個字符是紅色的，不能忽略。并且，為了適應車牌褪色、光線、灰塵等的影響，適當放寬了各種顏色的閾值范圍，綜合以后，得到彩色判斷條件如下： 按照公式把彩色像素點從RGB空問轉化到HSI空問，得到h、s和，三個分量的值：如果s0 1且iO 5，則該像素點為白色； 如果iO 35，則該像素點為黑色： 如果220h250，j01和i0．1同時成立，則該像素點為藍色： 如果20h50，s0．1和iO .35同時成立，則該像素點為黃色； 如果350h360，s0 l和i)0．35同時成立，則該像素點為紅色： 不符合以上條件的像素點視為無效點。所以白色像素只能利用飽和度和亮度兩個分量來提取，黑色像素只能根據亮度分量來提取。對于具有某種目標色的像素，可以直接通過對h、J和i三個分量設定一個閾值范圍來把它們提取出來，無需進行比較復雜的色彩距離計算，這樣可以在色彩分割的時候節(jié)省大量的時間，這種方法對藍色和黃色尤其有 效。因此可以根據這一特點，把顏色信息和邊緣信息融合起來，盡量排除干擾以精確保留車牌特征?，F(xiàn)有的HSI空間模型有四面體、圓柱體、圓錐體等多種定義公式，本文采用圓柱體的HSI坐標系進行顏色空間轉換的實現(xiàn)，示意圖如圖5所示。亮度是指刺激物的強度作用于感受器所發(fā)生的效應，其大小是由物體反射系數來決定，反射系數越大，物 體的亮度愈大，反之愈小。在物體反射光的組成中，白色光愈少，則其飽和度愈大。色調是彩色的最重要的屬性，是決定顏色本質的基本特性。HSI彩色模型就是按照色調、飽和度和亮度值建立起來的。在顏色相同 的情況下，明晴的細微變化會引起RGB值的較大跳躍，不利于顏色的檢測。這種形成顏色的方法稱 為疊加原色法，相應的RGB三原色稱為疊加三原色。比如，(0，0，0)表示黑色，(1，l，1)表示白色。這樣，任意顏色值都可以由3個取值在0到l之間的顏色分量來表示。常用的顏色宅間有RGB顏色空間，CMY顏色空間和HSI顏色空間等。 顏色空間也叫顏色模型，它指的是通過基本顏色分量來定義其他各種顏色的模型結構。這三剩t錐狀體分別感知紅色(R)、綠色(G)和藍色(B)的光，所有其它顏色都是這三種顏色的不同混合效果。這些細胞類似于CCD芯片上的感受基(像素)。一般RGB直方圖均衡化后的圖像相比原始圖像，圖像的細節(jié)更加清楚了但是單獨對各RGB分量進行均衡化將產生不正確的顏色，而對HSI顏色空間的亮度分量直方圖均衡化后的圖像，雖然會影響到整體圖像的彩色感觀，但沒有改變圖像的色調和飽和度值，因此本文采用的是對HSI中的亮度分量進行直方圖均衡化的方法。這里介紹將圖像轉換到HSI模型的方法，這樣只需要對亮度分量I進行直方圖均衡化即可以達到圖像增強的效果。通過直方圖均衡化可以將圖像調整為灰度級豐富且 動態(tài)范圍大的圖像。直方圖是多種空間域 處理技術的基礎，其可以有效地用于圖像增強。 圖像增強 由于拍攝時光照強度的不同，會造成圖片亮度不均。顏色對特征點充分考慮到了車牌本身的紋理和顏色搭配等信息，能有效得去除很多干擾。 于是，基于顏色對特征點和數學形態(tài)學的車牌定位方法逐漸成型。例如底色為藍色的車牌中會出現(xiàn)相鄰的兩個像素，一個像素為藍色而另一個像素為白色，則將這兩個像素都看作是藍白特征點：底色為黃色的車牌存在黃黑特征點：底色為白色的車牌存在白黑特征點：底色為黑色的車牌也存在白黑特征點。我國車牌顏色的重要特點是車牌背景與字符具有固定的顏色搭配，即藍底白字(藍牌)、黃底黑字(黃牌)、白底黑字(白牌)和黑底白字(黑牌)。 目前，已經有一些車牌定位算法的研究利用到了車牌背景與字符的固定顏色搭配。但是，圖像中除了車牌外還有車身和周圍景物等其它物體的顏色可能與車牌顏色相同或相近，這將造成有效定位率下降。由于圖像中會存在其他非車牌區(qū)域具有年牌的特征，給定位結果帶來影響。 (4)將彩色圖像轉換到色調飽和度亮度空間(HSI空間)，統(tǒng)計車牌底色在HSI 空間中的各分量的經驗范圍并提取車牌候選區(qū)域，然后對候選區(qū)域進行投影分析和形態(tài)學操作提取車牌。這種方法的主要思想是通過邊緣檢測算子對彩色圖像進行邊緣檢測，增強牌照區(qū)域，并借助數學形態(tài)學膨脹技術實現(xiàn)區(qū)域的連通，采用區(qū)域生長方法標記候選區(qū)域，最后利用車牌的先驗知識，剔除虛假車牌區(qū)，確定真正的車牌區(qū)域。車輛牌照具有與牌號、車身、背景不同的顏色，所以近年來很多學者已經開始應用彩色圖像處理技術進行車牌定位，采取的主要方法有： (1)采用多層感知器 網絡對輸入彩色車牌圖像進行彩色分割，通過投影法分割出潛在的車牌區(qū)域并根據先驗知識得出合理的車牌區(qū)域。3．1．2 基于彩色圖像的車牌定位方法與灰度圖像相比，彩色圖像色彩豐富，信息具有原始性和完整性，在設備存儲量和速度允許的情況下可以取得更好的處理效果，而且人類視覺系統(tǒng)又對色彩非常敏感。但是對車牌嚴重褪色的情況，由于檢測不到字符筆畫的邊緣會導致定位失敗。所以針對不同的環(huán)境和要求，選擇合適的算子來對圖像進行邊緣檢測才能達到好的效果。這些方法正是利用了物體邊緣處灰度變化劇烈這一特點來檢測圖像的邊緣。邊緣檢測的任務是精確定位邊緣和抑制噪聲。 （3）基于邊緣檢測的定位方法。最后再用邊緣特征分析方法提取車牌區(qū)域。腐蝕、膨脹、開啟和關閉是數學形態(tài)學的基本運算。數學形態(tài)學是一門建立在集合理論基礎上的學科，它是幾何形態(tài)分析和描述的有力工具，近年來在機器視覺和數字圖像處理領域得到廣泛的應用和發(fā)展。該算法對于牌照的傾斜或變形以及光照不均、偏弱或偏強有很好的效果，但對噪聲敏感，圖片中的灰塵、臟污以及車牌區(qū)域外的文字都會對定位造成很大的影響。設定閾值，通過掃描確定上下邊界位置和左右邊界位置。 (1)基于紋理特征分析的定位方法。3．1．1 基于灰度圖像的車牌定位方法早期由于受計算機運算速度和內存大小的影響，考慮到實時性，車牌定位主要是基于狄度圖像處理技術，現(xiàn)在很多!學者仍然沿此路線進行研究。牌照矩形區(qū)域內的顏色一定是限定的四種色彩之一，特征明顯。除第1個漢字外，字母和數字的筆畫在豎直方向都是連通的，且其之間有一定的間隔。3 車牌定位3．1 幾種常見的車牌定位方法 車牌定位方法的出發(fā)點是通過車牌區(qū)域的特征來判斷車牌，所利用的車牌的特征主要包括： (1)車牌區(qū)域的幾何特征，即在某個相對固定的拍照位置拍得的圖像上車輛牌照子圖像區(qū)域l每度和寬度一定，并且寬高比例一定。 除了這三點客觀因素外，對于本文的而言，從各種干擾中得到車牌區(qū)域，把傾斜的車牌校正，以及把粘連的車牌字符分割開都是系統(tǒng)成敗的關鍵。分辨率過高時，整個識別系統(tǒng)的處理時間會明顯增多，特別是在車牌分割，車牌二值化的處理中時間會顯著增加。不同的實際工程，圖像的分辨率要求也不同。盡管規(guī)范車牌對光的散射能力較強，但人工光照的方位角度不會影響車牌的亮度。