【正文】 ) % 尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割 d=qiege(d)。 %將圖像數(shù)據(jù)寫入到圖像文件中 figure(8),subplot(3,2,5),imshow(d),title(39。 .jpg39。 %圖像的腐蝕 第 32 頁 共 48 頁 elseif bwarea(d)mn= %計(jì)算二值圖像中對象的總面積 d=imdilate(d,se)。 %返回矩陣 b的尺寸信息， 并存儲(chǔ)在 m、 n中。 39。 39。 %將圖像數(shù)據(jù)寫入到圖像文件中 figure(8)。 .jpg39。 d=(double(b)=T)。 %返回矩陣 b的尺寸信息， 并存儲(chǔ)在 m、 n中。 %換成雙精度數(shù)值 T=round(g_max(g_maxg_min)3)。) g_max=double(max(max(b)))。subplot(3,2,1),imshow(b),title(39。)。 %將真彩色圖像轉(zhuǎn)換為灰度圖像 imwrite(b,39。)。 %將數(shù)組 filepath,filename水平地連接成單個(gè)字符串，并保存于變量 jpg 中 a=imread(39。)。,39。 %將圖像數(shù)據(jù)寫入到圖像文件中 [filename,filepath]=uigetfile(39。39。定位剪切后的彩色車牌圖像 39。)。 figure(7),subplot(1,2,1),imshow(IY),title(39。 dw=I(PY1:PY2,:,:)。 end %end 縱向掃描 PX1=PX12。amp。 end PX2=x。amp。 end end end PX1=1。 %IY 為原始圖像 I 中截取的縱坐標(biāo)在 PY1： PY2 之間的部分 %end 橫向掃描 第 32 頁 共 48 頁 %begin 縱向掃描 Blue_x=zeros(1,x)。(PY2y)) PY2=PY2+1。 while ((Blue_y(PY2,1)=40)amp。(PY11)) PY1=PY11。 while ((Blue_y(PY1,1)=120)amp。%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end end [temp MaxY]=max(Blue_y)。 %換成雙精度數(shù)值 第 33 頁 共 48 頁 25 %begin 橫向掃描 tic %計(jì)算 tic 與 toc 之間程序的運(yùn)行時(shí)間 Blue_y=zeros(y,1)。 [y,x,z]=size(I5)。從對象中移除小對象 39。 %從二進(jìn)制圖像中移除所有少于 p 像素的連接的組件（對象），產(chǎn)生另一個(gè)二進(jìn)制圖像 figure(6),imshow(I5)。)。title(39。 %對圖像實(shí)現(xiàn)閉運(yùn)算，閉運(yùn)算也能平滑圖像的輪廓，但與開運(yùn)算相反，它一般融合窄的缺口和細(xì)長的彎口， 去掉小洞，填補(bǔ)輪廓上的縫隙。,[40,40])。 se=strel(39。腐蝕后圖像 39。 %圖像的腐蝕 figure(4),imshow(I3)。1]。) se=[1。title(39。)。,39。 I2=edge(I1,39?；叶葓D直方圖 39。 figure(2),subplot(1,2,2),imhist(I1)。灰度圖 39。 %將真彩色圖像轉(zhuǎn)換為灰度圖像 figure(2),subplot(1,2,1),imshow(I1)。)。title(39。)。 第 33 頁 共 48 頁 23 參考文獻(xiàn) [1] 許錄平 .數(shù)字圖像處理 .科學(xué)出版社 [2] 樓順天 . 程序設(shè)計(jì)語言 .西安電子科技大學(xué)出版社 [3] .baidu 網(wǎng)站 第 32 頁 共 48 頁 程序附錄： function [d]=main(jpg) I=imread(39。 第 32 頁 共 48 頁 致 謝 通過這次大作業(yè)的實(shí)踐與學(xué)習(xí)，我們學(xué)習(xí)和鞏固了許多數(shù)字圖像處理中學(xué)習(xí)到的知識，并且對 matlab 這個(gè)軟件有了更深層次的了解與認(rèn)識。 一是對于彩色車牌的識別具有局限性，有些車牌不是藍(lán)色底的，例如我們的校車就是黃色底的。 對于識別錯(cuò)誤情況的分析可知，主要原因： 一是對于彩色車牌的識別具有局限性，有些車牌不是藍(lán)色底的，例如我們的校車就是黃色底的。把每一幅相減后的圖的 0值個(gè)數(shù)保存，即為識別出來的結(jié)果。其他模板設(shè)計(jì)的方法與此相同。所以建立字符模板庫也極為方便。 汽車牌照的字符一般有七個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字 符簡稱；緊接其后的為字母與數(shù)字。在實(shí)際設(shè)計(jì)模板的時(shí)候，是根據(jù)各區(qū)域形狀固有的特點(diǎn)，突出各類似區(qū)域之間的差別，并將容易由處理過程引起的噪聲和位移等因素都考慮進(jìn)去，按照一些基于圖象不變特性所設(shè)計(jì)的特征量來構(gòu)建模板，就可以避免上述問題。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類。綜合模板匹配的這些優(yōu)點(diǎn)我們將其用為車牌字符識別的主要方法?；谀０迤ヅ涞?OCR的基本過程是 :首先對待識別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。 而大小歸一是指在長度和寬度方向上分別乘以一個(gè) 比例因子 ， 使其等于標(biāo)準(zhǔn)模塊的字符大小 ， 本文采用的 大小歸一的方法是分別從水平投影和垂直投影兩個(gè)方向上對字符象素的大小進(jìn)行歸一化處理。 [m， n]=size（ d），逐排檢查有沒有白色像素點(diǎn)，設(shè)置 1=jn1，若圖像兩邊 s（ j） =0， 則切割，去除圖像兩邊多余的部分 切割去圖像上下多余的部分 根據(jù)圖像的大小，設(shè)置一閾值，檢測圖像的 X 軸，若寬度等于這一閾值則切割，分離出七個(gè)字符 歸一化切割出來的字符圖像的大小為 40*20，與模板中字符圖像的大小相匹配 第 33 頁 共 48 頁 17 圖 字符分割后的圖像 字符歸一化處理 由于數(shù)碼相機(jī)拍攝的汽車圖像大小不一樣 ， 所以得到的牌照上的字符大小就不一樣 ， 為了便于字符的識別 ， 需要對字符進(jìn)行歸一化處理 。將得到的車牌區(qū)域圖像進(jìn)行二值化處理后 ， 對圖像進(jìn)行垂直投影 ， 投影圖上有明顯的類似于峰谷的波形起伏變化 ， 通過對投影圖上的波形從左向右進(jìn)行掃描 ， 根據(jù)谷和峰的特征就可以判斷出每個(gè) 字符的位置 ； 計(jì)算垂直峰 ， 檢測合理的字符高寬比 。 圖 第 32 頁 共 48 頁 字符分割與歸一化 圖 字符分割和歸一化流程圖 字符分割 在汽車牌照自動(dòng)識別過程中，字符分割有承前啟后的作用。均值濾波是典型的線性濾波算法， 指在圖像上對目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素。 濾波則是為了除去圖像噪聲。 圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為兩個(gè)數(shù)值 ， 通常為 0或 255， 使整個(gè)圖像呈現(xiàn)出明顯的黑白效果 。 第 33 頁 共 48 頁 15 圖 對定位后的彩色車牌的進(jìn)一步處理 定位 后車牌圖像是彩色的，會(huì)占用較大的存儲(chǔ)空間，加重計(jì)算機(jī)負(fù)擔(dān)。 使用統(tǒng)計(jì)彩色像素點(diǎn)的方法分割出車牌區(qū)域，確定車牌底色藍(lán)色 RGB 對應(yīng)的灰度范圍，然后統(tǒng)計(jì)在行方向的顏色范圍內(nèi)的像素點(diǎn)數(shù)量，確定車牌在行方向的區(qū)域。 對圖像進(jìn)行圖像腐蝕 除去圖像雜質(zhì) 通過計(jì)算尋找 X 和 Y方向車牌的區(qū)域 完成車牌定位 對定位后的彩色車牌的進(jìn)一步處理 第 33 頁 共 48 頁 13 圖 圖 平滑圖像的輪廓 第 32 頁 共 48 頁 圖 車牌分割 車牌字符分割 是車牌自動(dòng)識別系統(tǒng)中的重要步驟 ， 這一模塊的正確性受到很多因素的影響 ， 最大問題是二值化不徹底使投影圖像中字符間的波谷不夠分明 ；其次 ， 車牌污損、反光、光照不均等原因使車牌圖像交差 ， 存在大量噪 聲 ； 再次 ，車牌邊框和鉚釘也會(huì)造成分割不正確 ； 還有車牌的前兩個(gè)字符和后面五個(gè)字符之間的間隔符 （ 小圓點(diǎn) ） 對字符識別有影響 ； 車牌旋轉(zhuǎn)對水平分割有較大影響。數(shù)學(xué)形態(tài)學(xué) 用具有一定形態(tài)的機(jī)構(gòu)元素去量度和提取圖像中的對應(yīng)形狀以達(dá)到對圖像分析和識 別的目的，能有效的去除噪聲，保留圖像原有信息的同時(shí)提取的邊緣比較平滑，提取的圖像骨架也比較連續(xù)，斷點(diǎn)少 。 第 32 頁 共 48 頁 圖 車牌定位 機(jī)動(dòng)車圖像經(jīng)過灰度化和邊緣檢測的處理后，邊緣得到了加強(qiáng)，牌照區(qū)域已經(jīng)非常明顯。車牌圖像的灰度圖的車牌部分是一個(gè)水平度很高的長方形圖樣，在原圖中比較集中，且灰度值和周圍圖樣有明顯差異，因此很容易用邊緣檢測來對圖像進(jìn)行分割。所以我們要對照片進(jìn)行車牌定位和分割。本文采用經(jīng)典的 Roberts 邊緣檢測算子來對圖像進(jìn)行邊緣檢測。 由于車牌識別系統(tǒng)攝像頭安裝位置固定以及機(jī)動(dòng)車車牌的固有屬性，我們可以發(fā)現(xiàn)機(jī)動(dòng)車車牌圖像都處在水平的矩形區(qū)域，在圖像中位置較為固 定，車牌中字符都是按水平方向排列。因此，在進(jìn)行對汽車牌照的定位及字符識別之前需要先對車輛圖像進(jìn)行邊緣檢測處理，提高圖像的質(zhì)量，使其易于后面的分割和識別。 ： 邊緣是指圖像灰度發(fā)生空 間突變或者在梯度方向上發(fā)生突變的像素的集合。 通過該公式轉(zhuǎn)換的灰度圖能夠比較好地反應(yīng)原圖像的亮度信息 。加權(quán)系數(shù)的取值建立在人眼的視覺模型之上 。 對于將彩色圖像轉(zhuǎn)換成灰度圖像時(shí) ， 目前比較主流的灰度化方法叫平均值第 33 頁 共 48 頁 9 法 ， 公式 為 ： H=++ 公式中 H 表示灰度圖的亮度值 ； R 代表彩色圖像紅色分量值 ； G 代表色彩圖像綠色分量值 ； B代表彩色圖像藍(lán)色分量值 。彩色圖像包含著大量的顏色信息，不但在存儲(chǔ)上開銷很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度?，F(xiàn)在 字符識別的常用 方法有模板匹配法和神經(jīng)網(wǎng)絡(luò)模型法。 車牌定位和車牌分割是整個(gè)系統(tǒng)的關(guān)鍵，其作用是在經(jīng)圖象預(yù)處理后的灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個(gè)圖象中分割出來，供字符識別子系統(tǒng)識別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識別系統(tǒng)的識別率。 字符識別部分要求照片清晰，但由于該系統(tǒng)的攝像頭長時(shí)間在室 外工作，加上光照條件、攝像頭角度和距離、車輛自身?xiàng)l件以及車輛的行駛速度的影響，想拍出較理想的圖片很困難。其中圖像處理部分包括 圖像預(yù)處理、邊緣提取模塊、 牌照的定位以及分割 模塊。 第三章 各模塊的實(shí)現(xiàn) 第 32 頁 共 48 頁 車牌識別系統(tǒng)包括圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識別等模塊，本文主要研究圖像預(yù)處理、車牌定位和字符分割三個(gè)模塊。如美國 National Instruments 公司信號測量、分析軟件 LabVIEW， Cadence 公司信號和通信分析設(shè)計(jì)軟件 SPW 等，或者直接建筑在 MATLAB 之上，或者以 MATLAB 為主要支撐。在許多國際一流學(xué)術(shù)刊物上，（尤其是信息科學(xué)刊物），都可以看到 MATLAB 的應(yīng)用。在那里， MATLAB 是攻讀學(xué)第 33 頁 共 48 頁 7 位的大學(xué)生、碩士生、博士生必須掌握的基本工具。在歐美大學(xué)里，諸如應(yīng)用代數(shù)、數(shù)理統(tǒng)計(jì)、自動(dòng)控制、數(shù)字信號處理、模擬與數(shù)字通信、時(shí)間序列分析、動(dòng)態(tài)系統(tǒng)仿真等課程的教科書都把 MATLAB 作為內(nèi)容。除此之外， MA 丁 LAB還具有根強(qiáng)的功能擴(kuò)展能力，與它的主系統(tǒng)一起，可以配備各種各樣的工具箱，以完成一些特定的任務(wù)。 (5)MATLAB 應(yīng)用程序接口 (API) 這是 MATLAB 為用戶提供的一個(gè)函數(shù)庫，使得用戶能夠在 MATLAB 環(huán)境中使用 c程序或 FORTRAN 程序，包括從 MATLAB中調(diào)用于程序 (動(dòng)態(tài)鏈接 )，讀寫 MAT 文件的功能。 (3)圖形句相系統(tǒng)這是 MATLAB 圖形系統(tǒng)的基礎(chǔ)，包括完成 2D 和3D數(shù)據(jù)圖示、圖像處理、動(dòng)畫生成、圖形顯示等功能的高層 MATLAB 命令，也包括用戶對圖形圖像等對象進(jìn)行特性控制的低層 MATLAB 命令，以及開發(fā) GUI 應(yīng)用程序的各種工具。利用它既可以進(jìn)行小規(guī)模端程，完成算法設(shè)計(jì)和算法實(shí)驗(yàn)的基本任務(wù)，也可以進(jìn)行大規(guī)模編程，開發(fā)復(fù)雜的應(yīng)用程序。 MTALAB 系統(tǒng)由五個(gè)主要部分組成，下面分別加以介紹。（ 4）構(gòu)作了 Notebook 。 1993 年 MathWorks 公司從加拿大滑鐵盧大學(xué)購得 Maple 的第 32 頁 共 48 頁 使用權(quán)，以