【正文】 具有適當(dāng)?shù)牧炼?，較大的對(duì)比度和清晰可辯的牌照?qǐng)D像。牌照的定位和分割是牌照識(shí)別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖像預(yù)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(gè)圖像中分割出來，供字符識(shí)別子系統(tǒng)識(shí)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(shí)別系統(tǒng)的識(shí)別率。因此，需要對(duì)字符在識(shí)別之前再進(jìn)行一次針對(duì)性的處理。主要應(yīng)用的為模板匹配方法。系統(tǒng)可以運(yùn)行于Windows9Windows2000或者Windows XP操作系統(tǒng)下，程序調(diào)試時(shí)使用matlab。流程如下圖所示 車牌識(shí)別系統(tǒng)流程圖車牌圖像采集車牌圖像進(jìn)行處理字符分割字符識(shí)別輸出結(jié)果對(duì)車牌定位定位車牌圖像處理圖1車牌識(shí)別系統(tǒng)流程圖6實(shí)現(xiàn)目標(biāo)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(yù)處理 對(duì)Sgray 原始黑白圖像進(jìn)行開操作得到圖像背景3） 取得最佳閾值，將圖像二值化 4） 對(duì)得到二值圖像作開閉操作進(jìn)行濾波5） 對(duì)二值圖像進(jìn)行區(qū)域提取，并計(jì)算區(qū)域特征參數(shù)。在實(shí)際的車牌處理系統(tǒng)中，進(jìn)行圖像二值變換的關(guān)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(jié)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(huì)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(gè)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(shè)置為0或255，否則灰度值設(shè)置為255或0。為了對(duì)有意義的邊緣點(diǎn)進(jìn)行分類，與這個(gè)點(diǎn)相聯(lián)系的灰度級(jí)必須比在這一點(diǎn)的背景上變換更有效，我們通過門限方法來決定一個(gè)值是否有效。經(jīng)過一階的導(dǎo)數(shù)的邊緣檢測(cè)，所求的一階導(dǎo)數(shù)高于某個(gè)閾值，則確定該點(diǎn)為邊緣點(diǎn)，這樣會(huì)導(dǎo)致檢測(cè)的邊緣點(diǎn)太多。一階導(dǎo)數(shù)的局部最大值對(duì)應(yīng)二階導(dǎo)數(shù)的零交叉點(diǎn)，這樣通過找圖像強(qiáng)度的二階導(dǎo)數(shù)的零交叉點(diǎn)就能找到精確邊緣點(diǎn)。腐蝕是一種消除邊界點(diǎn)的過程，結(jié)果是使目標(biāo)縮小，孔洞增大，因而可有效的消除孤立噪聲點(diǎn)；膨脹是將與目標(biāo)物體接觸的所有背景點(diǎn)合并到物體中的過程，結(jié)果是使目標(biāo)增大，孔洞縮小，可填補(bǔ)目標(biāo)物體中的空洞，形成連通域。對(duì)圖像做了開運(yùn)算和閉運(yùn)算，閉運(yùn)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(zhǎng)細(xì)的鴻溝，消除小的孔洞，并彌補(bǔ)輪廓線中的斷裂。進(jìn)行區(qū)域特征參數(shù)比較，提取車牌區(qū)域 1)對(duì)圖像每個(gè)區(qū)域進(jìn)行標(biāo)記，然后計(jì)算每個(gè)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(jì)算車牌水平投影，并對(duì)水平投影進(jìn)行峰谷分析1)對(duì)水平投影進(jìn)行峰谷分析,計(jì)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(diǎn)、峰下降點(diǎn)、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(jì)算出車牌上邊或下邊圖像值為1的點(diǎn)擬合直線與水平X軸的夾角。 Step10字符分割及輸出結(jié)果進(jìn)行車牌識(shí)別前需要使用樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對(duì)車牌進(jìn)行識(shí)別。對(duì)已經(jīng)定位好的車牌進(jìn)行圖像預(yù)處理，逐個(gè)的特征提取，然后從相應(yīng)的文件中讀取相應(yīng)的節(jié)點(diǎn)數(shù)和權(quán)值，把車牌字符分別送入相應(yīng)的網(wǎng)絡(luò)進(jìn)行識(shí)別，輸出識(shí)別結(jié)果。整理和總結(jié)了國(guó)內(nèi)外在車牌定位、分割、字符識(shí)別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國(guó)車牌的固有特征，以及車牌識(shí)別的特點(diǎn)。實(shí)驗(yàn)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(jiǎn)化了二值化處理過程，提高了后續(xù)處理的速度。本設(shè)計(jì)用MATLAB編程運(yùn)行結(jié)果可以得出，本設(shè)計(jì)采用的圖像預(yù)處理、CANNY邊緣檢測(cè)、開閉運(yùn)算子[5，19]、車牌長(zhǎng)寬比特征識(shí)別等對(duì)車牌的定位都是非常有效的，而本設(shè)計(jì)提出的二次水平投影分析和閾值技術(shù)有效檢測(cè)了車牌圖像的上下左右邊框、旋轉(zhuǎn)角度，準(zhǔn)確實(shí)現(xiàn)的車牌字符的分割，對(duì)多個(gè)車牌進(jìn)行實(shí)驗(yàn)，均有很高的正確率。在車牌識(shí)別的過程中數(shù)字庫的建立很重要,只有數(shù)字庫的準(zhǔn)確才能保證檢測(cè)出來的數(shù)據(jù)正確。9設(shè)計(jì)體會(huì)經(jīng)過近一周的奮戰(zhàn)我的課程設(shè)計(jì)終于完成了。以前老是覺得自己什么東西都不會(huì)，什么東西都不懂，而且又急于求成，結(jié)果造成什么都沒學(xué)好，還是什么都不會(huì)。在這次課程設(shè)計(jì)中也使我們的同學(xué)關(guān)系更進(jìn)一步了，同學(xué)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(duì)我們更好的理解知識(shí)，所以在這里非常感謝幫助我的同學(xué)，我也明白學(xué)習(xí)不是埋頭苦讀書，而是合理的利用資源，從同學(xué)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(duì)自己的自學(xué)能力也是很好的提高。16[2]孫增祈. 智能控制理論與技術(shù)[M]. 北京：清華大學(xué)出版社，1999[3]鐘珞，潘昊，[M]：武漢大學(xué)出版社，2006年9月第1版：P1P5，P62P64[4]葉晨洲等. 車輛牌照字符識(shí)別系統(tǒng)[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)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(xué)學(xué)報(bào)，2001，26(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，2007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(zhuǎn)換成灰度圖figure,imshow（Scolor）,title（39。）。原始黑白圖像39。%Step2 圖像預(yù)處理 對(duì)Sgray 原始黑白圖像進(jìn)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(qiáng)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(duì)得到二值圖像作開閉操作進(jìn)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(shí)別強(qiáng)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(yùn)算figure,imshow（bg3）。圖像開運(yùn)算[5,19]39。%輸出開運(yùn)算的圖像bg2=imopen（bg3,strel（39。,[19,1]））。title（39。）。進(jìn)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(jì)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(jì)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(jì)算垂直投影histrow=sum（sbw139。 %計(jì)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subplot（2,1,2）,bar（histrow）。水平投影（含邊框）39。%輸出水平投影figure,subplot（2,1,1）,bar（histrow）。水平投影（含邊框）39。%輸出水平投影subplot