【正文】 1yf f x y f x y? ? ? ? ? （ ） 其幅值為： 錯誤 !未找到引用源。both39。robert39。原圖、灰度對 于將彩色圖象轉(zhuǎn)換成灰度圖象時，圖象灰度值 H可由下面的公式計算： 29 87 14H R G B? ? ? () 3B G RH ??? () 通過程序運行其效果圖見圖 ： 圖 原始圖像 5 圖 經(jīng)過程序運行出來的灰度圖可以比較容易的識別出車牌的區(qū)域，達到了預期的灰度效果。 車牌識別系統(tǒng)程序設計 車牌區(qū)域提取 圖像讀取及車牌區(qū)域提取主要有：圖像灰度圖轉(zhuǎn)化、圖像邊 緣檢測、灰度圖腐蝕、圖像的平滑處理以及車牌區(qū)域的邊界值計算。例如，黃可為等利用視覺神經(jīng)生理學和認知學實驗結(jié)果，歸納出一種仿生目標搜索策略將其運行到車牌字符分割中。 字符分割算 法一直在不斷的完善。車牌的字符由有限的漢字、英文字母和數(shù)字組成。車牌定位方法的出發(fā)點是利用車牌區(qū)域的特征來判斷牌照，將車牌區(qū)域從整幅車輛圖像中分割出來。 3 3 研究的主要內(nèi)容 車牌識別研究內(nèi)容 車牌定位的研究現(xiàn)狀車牌定位決定其后的車牌字符分割和識別，因此車牌定位是車牌識別技術(shù)中最關(guān)鍵的一步。本文即是針對其核心部分進行闡述并使用 MATLAB 軟件環(huán)境中進行字符分割的仿真。車牌定位和分割采用 的是利用數(shù)學形態(tài)法來確定車牌位置，再利用車牌彩色信息的彩色分割法來完成車牌部位分割。背景中和車牌區(qū)域當中 有許多和車牌特征相似的長方形區(qū)域，這些容易給車牌定位造成誤判導致車牌定位的準確率降低。不同的氣候條件、背景光照環(huán)境、車牌反光程度都決定了車牌的亮度特征。光照對采集的圖 像質(zhì)量產(chǎn)生很大的影響。我國的車牌格式很多，包括：民用車牌、公安警察車牌、 武警車牌、軍車車牌、外交車牌、 特種車牌、消防車牌等。由于環(huán)境、道路或者人為因素造成車牌有嚴重污漬、車 牌模糊不清或者車牌偏斜角度很大的車輛，在我國都可以上路行駛。國外的車牌顏色種類相對于國內(nèi)較少一些，我國的車牌顏 色種類較多。我國的車牌不單單有英文字母和阿拉伯數(shù)字， 還有漢字。 我們可以以此為依據(jù)，設計一種車牌識別系統(tǒng)監(jiān)控各個車輛的情況。為了提高車輛的管理效率，緩解公路上的交通壓力，我們必須找到一種解決方案。字符識別主要包括圖像膨脹和腐蝕處理、字符歸一化。車牌區(qū)域提取 主要包括圖 像灰度圖轉(zhuǎn)化 、圖像邊緣檢測、灰度圖腐蝕、圖像平滑處理、邊界值計算。 姓名 學號 成績 xxxx 大學 數(shù)字圖像處理本科生課程論文 論文題目： ___車牌識別方法研究 ______ 完成時間： ___2021 年 6 月 1 日 _______ 所在專業(yè)： ___軟件工程 ______________ 所在年級： ___大三年級 ______________ 1 基于 MATLAB 的 車牌識別方法研究 xxx 級 軟件 專業(yè) 1班 xxx xx 摘要 :汽車車牌的識別是智能交通管理的重要組成部分之一。 本文主要介 紹車牌區(qū)域提取、字符切割、字符識別。字符切割主要包括圖像去噪處理、圖像膨脹和腐蝕處理。 關(guān)鍵詞： MATLAB、車牌區(qū)域提取、字符識別、字符切割 1 研究背景 隨著經(jīng)濟社會的迅猛發(fā)展，人們的生活水平的提高，機動車輛的數(shù)量也越來越多。而作為汽車 “ 身份證 ” 的汽車車牌，是在公眾場合能夠唯一確定汽車身份的憑證。 車牌識別的難點： ① 我國汽車牌照自身特征的復雜性 1) 漢字、字母、數(shù)字混合。 2) 顏色種類多。 3) 人為因素復雜。 4) 車牌格式多。 ② 外部環(huán)境影響 1) 外部光照條件各不相同，白天和晚上的光照各不相同。不同的光照角度對車牌光照的不均勻影響也很大。 2) 外界背景的復雜程度也影響車牌的定位準確率。 2 2 主要理論概況 本圖像預處理模塊是將圖像灰度化和用 Roberts 算子進行邊緣檢測的步驟。字符的分割采用的方法是以二值化后的車牌部分進行垂直投影，然后在對垂直投影進行掃描，從而完成字符的分割。 一個完整的車牌號識別系統(tǒng)要完成從圖像采集到字符識別輸出，過程相當復雜，基本可以分成硬件部分跟軟件部分，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處理、車牌位置提取、字符分割、字符識別四大部分 。車牌定位的目的是從包含整個車輛的圖像中找到車牌區(qū)域的圖像。 車牌字符識別的研究現(xiàn)狀車牌字符識別就是對分割出的待識別的字符進行識別處理。目前車牌字符識別最常用于車牌字符識別的方法是基于模板匹配的方法、基于特征分類的方法兩大類。針對車牌的字符分割，是字符分割的一個具體應用，目前根據(jù)車牌的字符特征提出的算法主要有：基于先驗知識的分割算法、基于投影輪廓和拓撲結(jié)構(gòu)的分割算法等。吳進軍等根據(jù)車牌字符的排列規(guī)律和字符的幾何特征，提出了一種基于第三個字符定位的車牌字符分割方法，很好地解決了車牌定位后的字符缺損情況。其程序流程圖如下 : 輸入車牌圖象 灰度校正 平滑處理 提取邊緣 4 圖 預處理及邊緣提取框圖 圖像灰度圖轉(zhuǎn)化 由于車牌的底色不同，所以從 RGB 圖像直接進行車牌區(qū)域提取存在很大困難，但不管哪種底色的車牌，其底色與上面的字符顏色的對比度大，將 RGB 圖像轉(zhuǎn)化成灰度圖像時，車牌底色跟字符的灰度值會相差很大。 在 Matlab 中利用函數(shù) edge()實現(xiàn)邊緣檢測，具體的用法如下所示： Car_Image_Bin=edge(Car_Image_Gray,39。,39。)。 （ ） 使用邊緣檢測，腐蝕效果如圖 : 6 圖 邊緣效果圖 基本上達到了邊緣檢測的效果。所以要對圖像做進一步的處理，用灰度圖腐蝕來消除多余的邊界點。利用它可以消除小而且無意義的物體。本系統(tǒng)使用 imerode()函數(shù)， Car_Image_Erode=imerode(Car_Image_Bin,Se)。