【正文】 對字符進行分割； 4）可采用模板匹配方法，對數(shù)字和字母進行識別，并輸出識別后的結果。 為了用于牌照的分割和牌照字符的識別，原始圖 像 應具有適當?shù)牧炼?，較大的對比度和清晰可辯的牌照圖 像 。 牌照的定位和分割是牌照識別系統(tǒng)的關鍵技術之一，其主要目的是在經(jīng)圖 像 預處理后的原始灰度圖 像 中確定牌照的具體位置，并將包含牌照字符的一塊子圖 像 從整個圖 像 中分割出來，供字符識別子系統(tǒng)識別之用，分割的準確與否直接關系到整個牌照字符識別系統(tǒng)的識別率。因此，需要對字符在識別之前再進行一次針 對性的處理。主要應用的為模板匹配方法。 系統(tǒng)可以運 行于 Windows9Windows2021或者 Windows XP操作系統(tǒng)下，程序調試時使用 matlab。流程如下圖所示 車牌識別系統(tǒng)流程圖 圖 1 車牌識別系統(tǒng)流程圖 6 實現(xiàn)目標主要步驟 1） 獲取圖像 裝入待處理彩色圖像并顯示原始圖像 2） 圖像預處理 對 Sgray 原始黑白圖像進行開操作得到圖像背景 3） 取得最佳閾值，將圖像二值化 車牌圖像采集 車牌圖像進行處理 字符分割 字符識別 輸出結果 對車牌定位 定位車牌圖像處理 4） 對得到二值圖像作開閉操作進行濾波 5） 對二值圖像進行 區(qū)域提取，并計算區(qū)域特征參數(shù)。在實際的 車牌處理系統(tǒng)中，進行圖像二值變換的關鍵是要確定合適的 閾 值，使得字符與背景能夠分割開來，二值變換的結果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等等。 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。為了對有意義的邊緣點進行分類，與這個點相聯(lián)系的灰度級必須比在這一點的背景上變換更有效，我們通過門限方法來決定一個值是否有效。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)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)的零交叉點就能找到精確邊緣點。腐蝕是一種消除邊界點的過程，結果是使目標縮小，孔洞增大，因而可有效的消除孤立噪聲點；膨脹是將與目標物體接觸的 所有背景點合并到物體中的過程，結果是使目標增大，孔洞縮小，可填補目標物體中的空洞，形成連通域。對圖像做了開運算和閉運算，閉運算可以使圖像的輪廓線更為光滑，它通常用來消掉狹窄的間斷和長細的鴻溝，消除小的孔洞，并彌補輪廓線中的斷裂。進行區(qū)域特征參數(shù)比較，提取車牌區(qū)域 1)對圖像每個區(qū)域進行標記，然后計算每個區(qū)域的圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形、面積。 圖 52 車牌灰度子圖與二值子圖 Step6 計算車牌水平投影，并對水平投影 進行峰谷分析 1)對水平投影進行峰谷分析 ,計算出車牌上邊框、車牌字符投影、車牌下邊框的波形峰上升點、峰下降點、峰寬、谷寬、峰間距離、峰中心位置參數(shù)。這里 采取的線性擬合的方法 ,計算出車牌上邊或下邊圖像值為 1 的點擬合直線與水平 X 軸的夾角。 Step10 字符分割及輸出結果 進行車牌識別前需要使用樣本對神經(jīng)網(wǎng)絡進行訓練，然后使用訓練好的網(wǎng)絡對車牌進行識別。對已經(jīng)定位好的車牌進行圖像預處理，逐個的特征提取，然后從相應的文件中讀取相應的節(jié)點數(shù)和權值，把車牌字符分別送入相應的網(wǎng)絡進行識別，輸出識別結果。整理和總結了國內(nèi)外在車牌定位、分割、字符識別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國車牌的固有特征，以及車牌識別的特點。實驗表明本方法既保留了車牌區(qū)域的信息，又減少了噪聲的干擾，從而簡化了二值化處理過程，提高了后續(xù)處理的速度。本設計用 MATLAB 編程運行結果可以得出，本設計采用的圖像預處理、 CANNY 邊緣檢測、開閉運算子 [5， 19]、車牌長寬比特征識別等對車牌的定位都是非常有效的，而本設 計提出的二次水平投影分析和閾值技術有效檢測了車牌圖像的上下左右邊框、旋轉角度，準確實現(xiàn)的車牌字符的分割，對多個車牌進行實驗，均有很高的正確率。 在車牌識別的過程中數(shù)字庫的建立很重要 ,只有數(shù)字庫的準確才能保證檢測出來的數(shù)據(jù)正確。 9設計體會 經(jīng)過 近 一周 的奮戰(zhàn)我的課程設計終于完成了。以前老是覺得自己什么東西都 不 會，什么東西都 不 懂， 而且又急于求成，結果造成什么都沒學好，還是什么都不會 。在這次課程設計中也使我們的同學關系更進一步了，同學之間互相幫助，有什么不懂的大家在一起商量，聽聽不同的看法對我們更好的理 解知識，所以在這里非常感謝幫助我的同學 ，我也明白學習不是埋頭苦讀書，而是合理的利用資源，從同學那里，老師那里得到的有用的想法和信息，特別是網(wǎng)上有很多很好的資料，對自己的自學能力也是很好的提高 。 16 [2]孫增祈 . 智能控制理論與技術 [M]. 北京 ： 清華大學出版社 ， 1999 [3]鐘珞，潘昊，何平 .模式識別 [M]書 .武漢：武漢大學出版社， 2021 年 9 月第 1版： P1P5， P62P64 [4]葉晨洲等 . 車輛牌照字符識別系統(tǒng) [J]. 計算機系統(tǒng)應用， 1999(5): 1013 [5]袁志偉，潘曉露 . 車輛牌照定位的算法研究 [J]. 昆明理工大學學報， 2021，26(2)： 5660 [6]岡薩雷斯 . 數(shù)字圖像處理 （第二版 ） [M]. 北京： 電子工業(yè)出版社 ， 2021 附錄 主要代碼程序 clear 。 %Step1 獲取圖像 裝入待處理彩色圖像并顯示原始圖像 Scolor = imread（ 39。） 。%rgb2gray轉換成灰度圖 figure,imshow（ Scolor） ,title（ 39。） 。原始黑白圖像 39。 %Step2 圖像預處理 對 Sgray 原始黑白圖像進行開操作得到圖像背景 s=strel（ 39。,13） 。%打開 sgray s圖像 figure,imshow（ Bgray） 。背景圖像 39。%輸出背景圖像 %用原始圖像與背景圖像作減法，增強圖像 Egray=imsubtract（ Sgray,Bgray） 。title（ 39。） 。%egray的最大值并輸出雙精度型 fmin1=double（ min（ min（ Egray）） ） 。%獲得最佳閾值 bw22=im2bw（ Egray,level） 。 %Step4 對得到二值圖像作開閉操作進行濾波 figure,imshow（ bw2） 。圖像二值化 39。%得到二值圖像 grd=edge（ bw2,39。） %用 canny算子識別強度圖像中的邊界 figure,imshow（ grd） 。圖像邊緣提取 39。%輸出圖像邊緣 bg1=imclose（ grd,strel（ 39。,[5,19]）） 。title（ 39。） 。rectangle39。%取矩形框的開運算 figure,imshow（ bg3） 。圖像開運算 [5,19]39。%輸出開運算的圖像 bg2=imopen（ bg3,strel（ 39。,[19,1]）） 。title（ 39。） 。進行區(qū)域特征參數(shù)比較，提取車牌區(qū)域 [L,num] = bwlabel（ bg2,8） 。basic39。%計算圖像區(qū)域的特征尺寸 Area=[]。%[x y width height]車牌框架大小 RGB = label2rgb（ L, 39。, 39。, 39。） 。title（ 39。） 。 for l=1:num width=BoundingBox（（ l1） *4+3） 。%框架高度的計算 if （ width98 amp。 hight25 amp。 Getok（ lx） =l。 startcol=BoundingBox（（ l1） *4+1） 2。%開始行 width=BoundingBox（（ l1） *4+3） +8。%車牌高 rato=width/hight。 rato4 break。 %獲取車牌二值子圖 subcol1=Sgray（ startrow:startrow+hight,startcol:startcol+width1） 。title（ 39。） 。title（ 39。） 。 %計算垂直投影 histrow=sum（ sbw139。 %計算水平投影 figure,subplot（ 2,1,1） ,bar（ histcol1） 。垂直投影（含邊框） 39。%輸出垂直投影