【正文】 zeros(3,3)。 [M,N]=size(X)。 k2=floor(3/2)+1。,7),a3)。 參考程序如下： a4=filter2(fspecial(39。 均值濾波對(duì)高斯噪聲有較好的抑制作用，故本設(shè)計(jì)選 擇均值濾波方式。將某個(gè)像素鄰域中的像素按灰度值進(jìn)行排序然后選擇該序列的中間值作為輸出的像素值讓周?chē)袼鼗叶戎档牟畋容^大的像素改取與周?chē)南袼刂到咏闹祻亩梢韵铝⒌脑肼朁c(diǎn)。常用的濾波方法主要有中值濾波和均值濾波。 else a2(i,j)=0。 for j=1:n。 或： [m,n]=size(a2)。 為了方便字符切割和字符識(shí)別，需要將灰度圖像進(jìn)行二值化處理，以此來(lái)達(dá)到簡(jiǎn)化操作、加快運(yùn)算速度的目的。 a2=rgb2gray(a)。)。原圖、灰度對(duì)于將彩色圖象轉(zhuǎn)換成灰度圖象時(shí)， 在不考慮車(chē)牌定位和裁剪的情況下，需要將彩色圖像轉(zhuǎn)換成灰度圖像，轉(zhuǎn)換時(shí)圖像灰度值 H 可由下面的公式計(jì)算： 在 MATLAB 軟件中，可用以下語(yǔ)句實(shí)現(xiàn)： a=imread(39。例如藍(lán)色（ 255，0， 0）與白色（ 255， 255， 255）在 R 通道中并無(wú)區(qū)分，而在 G、 R 通道或是灰度圖象中數(shù)值相差很大。 字符分割：對(duì)車(chē)牌圖像進(jìn)行幾何校正、去噪、二值化以及字符分割以從車(chē)牌圖像中分離出組成車(chē)牌號(hào)碼的單個(gè)字符圖像。 字符識(shí)別是利用字符識(shí)別的原理識(shí)別提取出的字符圖像，目前 常用的方法有：基于模板匹配的方法、基于特征的方法和神經(jīng)網(wǎng)絡(luò)法等。 字符切割時(shí)完成車(chē)牌區(qū)域圖像的切分處理從而得到所需要的單個(gè)字符圖象。 該文主要從軟件部分進(jìn)行設(shè)計(jì)實(shí)驗(yàn)。硬件設(shè)備一般由車(chē)體感應(yīng)設(shè)備、輔助光源、攝像機(jī)、圖像采集卡和計(jì)算機(jī)。 車(chē)牌識(shí)別研究?jī)?nèi)容 車(chē)牌識(shí)別系統(tǒng)是一特定目標(biāo)位對(duì)象的專(zhuān)用計(jì)算機(jī)系統(tǒng)，該系統(tǒng)能從一幅圖像中自動(dòng)提取車(chē)牌圖像、自動(dòng)分割 字符 ，進(jìn)而對(duì)分割 字 符的圖像進(jìn)行圖像識(shí)別。 車(chē)牌識(shí)別的難點(diǎn)： 由于環(huán)境、道路或人為因素造成汽車(chē)牌照污染嚴(yán)重，這種情況下國(guó)外發(fā)達(dá)國(guó)家不允許上路，而在我國(guó)仍可上路行駛。近年來(lái)計(jì)算機(jī)的飛速發(fā)展和數(shù)字圖像技術(shù)的日趨成熟，為傳統(tǒng)的交通管理帶來(lái)巨大轉(zhuǎn)變，先進(jìn)的計(jì)算機(jī)處理技術(shù)，不但可以將人力從繁瑣的人工觀察、監(jiān)測(cè)中解放出來(lái)，而且能夠大大提高其精確度，汽車(chē)牌照自動(dòng)識(shí)別系統(tǒng)就是在這樣的背景與目的下進(jìn)行開(kāi)發(fā)的。 關(guān)鍵字： 車(chē)牌識(shí)別、預(yù)處理、字符分割、字符識(shí)別 2 目錄 摘要………………………………………………………… 1 一、 緒論 車(chē)牌識(shí)別研究背景意義 ……………………………………… 3 車(chē)牌識(shí)別研究?jī)?nèi)容 …………………………………………… 3 二、原理概述 ……………………………………………… 4 三、車(chē)牌識(shí)別系統(tǒng)程序設(shè)計(jì) ……………………………… 4 圖像預(yù)處理 …………………………………………………… 4 灰度處理 …………………………………………………………… 5 均值濾波 …………………………………………………………… 6 去干擾處理 ………………………………………………………… 7 最小值濾波 ………………………………………………………… 7 腐蝕膨脹 ………………………………………………………… .8 小結(jié)………………………………………………………………… 10 字符切割 …………………………………………………… 10 確定字符范圍 …………………………………………………… 10 切割字符 ………………………………………………………… 12 、小結(jié)……………………………………………………………… 15 字符識(shí)別 …………………………………………………………… 15 、字符識(shí)別方法…………………………………………………… 15 、字符比較 ……………………………………………………… 16 四、結(jié)論 ………………………………………………………………… 20 附錄 : 附一 ：算法流程圖 附二：總程序 3 緒論 車(chē)牌識(shí)別研究背景意義 隨著我國(guó)公路交通事業(yè)的發(fā)展，車(chē)輛的數(shù)量正在迅速增長(zhǎng)，在給出行提供方便的同時(shí)，車(chē)輛管理上存在的問(wèn)題日益突出，人工管理的方式已經(jīng)不能滿(mǎn)足實(shí)際的需要。 由實(shí)驗(yàn)得出，本文算法能比較準(zhǔn)確的對(duì)牌照進(jìn)行分割并進(jìn)行識(shí)別。本文通過(guò)對(duì)輸入的車(chē)牌圖像處理，運(yùn)用字符分割、字符識(shí)別的方法提取車(chē)牌上的字符串，其目的是識(shí)別出車(chē)牌的字符，以方便車(chē)輛資料的管理以及其安全保障。 數(shù)字圖像處理課程設(shè)計(jì) —— 基于 MATLAB 的車(chē)牌識(shí)別 1 摘要 車(chē)牌照自動(dòng)識(shí)別是計(jì)算機(jī)視覺(jué)與模式識(shí)別技術(shù)在智能交通領(lǐng)域的重要應(yīng)用。是實(shí)現(xiàn)交通管理的重要環(huán)節(jié)之一。 字符識(shí)別是整個(gè)車(chē)牌識(shí)別過(guò)程中最重要的一環(huán)，識(shí)別的關(guān)鍵在于特征的提取和分類(lèi)器的選擇，本文先對(duì)字符大小進(jìn)行歸一化，提取字符特征時(shí)充分考慮字符的結(jié)構(gòu)特征，對(duì)字符的識(shí)別則采用最近鄰法所以識(shí)別效果理想且時(shí)效性好。多種預(yù)處理與識(shí)別技術(shù)提高了系統(tǒng)的識(shí)別能力，對(duì)車(chē)輛牌照自動(dòng)識(shí)別在實(shí)際中應(yīng)用有一定的參考和借鑒價(jià)值。作為信息來(lái)源的自動(dòng)檢測(cè)、圖像識(shí)別技術(shù)越來(lái)越受到人們的重視。汽車(chē)牌照等相關(guān)信息的自動(dòng)采集和管理對(duì)于交通車(chē)輛管理、園區(qū)車(chē)輛管理、停車(chē)場(chǎng)管理、交 警稽查等方面有著十分重要的意義，成為信息處理技術(shù)的一項(xiàng)重要研究課題。使得車(chē)牌的對(duì)比度降低，特征不是很明顯，即使在定位準(zhǔn)確的情況下，字符的識(shí)別也會(huì)受到很大影響。系統(tǒng)一般由硬件和軟件構(gòu)成。軟件部分是系統(tǒng)的核心，主要實(shí)現(xiàn)車(chē)牌自符的識(shí)別功能。車(chē)牌識(shí)別的關(guān)鍵技術(shù)有：車(chē)牌定位、字符切割和字符識(shí)別等。目前常用的方法有：基于投影的方法和基于連通字符的提取等方法。 4 二、原理 概述 一個(gè)完整的車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)要完成從圖像采集到字符識(shí)別輸出， 基本可以分成硬件部分 和 軟件部分，硬件部分包括系統(tǒng)觸發(fā)、圖像采集，軟件部分包括圖像預(yù)處理、車(chē)牌位置提取、字符分割、字符識(shí)別四大部分，根據(jù)課程要求我們主要進(jìn)行軟件部分設(shè)計(jì)，基本結(jié)構(gòu)如圖 ： 圖 車(chē)牌識(shí)別系統(tǒng)基本結(jié)構(gòu)框圖 圖像預(yù)處理：對(duì)車(chē)牌圖像進(jìn)行圖像轉(zhuǎn)換、濾波、圖像增強(qiáng)等。 字符識(shí)別：對(duì)分割出來(lái)的字符進(jìn)行預(yù)處理（二值化、歸一化），然后分析提取，對(duì)分割出的字符圖像進(jìn)行識(shí)別給出文本形式的車(chē)牌號(hào)碼 三、車(chē)牌識(shí)別系統(tǒng)程序設(shè)計(jì) 圖像預(yù)處理 圖 預(yù)處理流程圖 原始 圖像 圖像預(yù)處 理 字符 分割 字符 識(shí)別 輸出 結(jié)果 輸入車(chē)牌圖像 灰度校正 平滑處理 5 灰度處理 我國(guó)車(chē)牌顏色及其 RGB 值如下，藍(lán)底 (0,0,255)白字 (255,255,255)、黃底(255,255,0)黑字 (0,0,0)、黑底 (0,0,0)白字 (255,255,255)、紅底 (255,0,0)黑字 (0,0,0),由于車(chē)牌的底色不同，所以從 RGB圖像直接進(jìn)行車(chē)牌區(qū)域提取存在很大困難，但不管哪種底色的車(chē)牌，其底色與上面的字符顏色的對(duì)比度大，將 RGB圖像轉(zhuǎn)化成灰度圖像時(shí)，車(chē)牌底色跟字符的灰度值會(huì)相差很大。同理對(duì)白底黑字的牌照可用 R 通道，綠底白字的牌照可以用 G 通道就可以明顯呈現(xiàn)出牌照區(qū)域的位置，便于后續(xù)處理。39。 subplot(211),imshow(a)。 subplot(212),imshow(a2)。 通過(guò)以下程序可以實(shí)現(xiàn)： a3=im2bw(a2)。 for i=1:m。 6 if a2(i,j)128 a2(i,j)=255。 end end end 均值濾波 經(jīng)過(guò)二值化之后有些小的噪點(diǎn)、毛刺或者分支需要去除。 中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線(xiàn)性信號(hào)處理技術(shù)。 均值濾波是典型的線(xiàn)性濾波算法，它是指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周?chē)呐R近像素，再用模板中的全體像素的平均值來(lái)代替原來(lái)像素值。 經(jīng)過(guò)均值濾波后圖像變得更加圓滑、噪點(diǎn)減少。average39。 或： k1=floor(3/2)+1。 X=a2。 uint8 Y=zeros(M,N)。 for i=1:M3 7 for j=1:N3 funBox=X(i:i+3,j:j+3)。 h=s/9。 end。 去干擾處理 車(chē)牌中前兩個(gè)字符和后五個(gè)字符之間存在一個(gè)白點(diǎn)，影響后續(xù)的字符分割部分，由于白點(diǎn)位置的固定（ 28%~33%），可對(duì)其填充達(dá)到去除的目的。 for i=1:m for j=floor(28*n/100):floor(33*n/100) d(i,j