【正文】 是MATLAB的另一特色。核心部分中有數(shù)百個核心內(nèi)部函數(shù)。功能性工具箱主要用來擴(kuò)充其符號計算功能，圖示建模仿真功能，文字處理功能以及與硬件實時交互功能。學(xué)科性工具箱是專業(yè)性比較強(qiáng)的，如control,toolbox,signl proceessing toolbox,mumnication toolbox等。9)源程序的開放性。除內(nèi)部函數(shù)以外，所有MATLAB的核心文件和工具箱文件都是可讀可改的源文件，用戶可通過對源文件的修改以及加入自己的文件構(gòu)成新的工具箱。牌照的快速準(zhǔn)確定位是車牌自動識別技術(shù)中非常關(guān)鍵的一步，是典型的圖像分割問題，因此定位方法與車牌特征和圖像處理技術(shù)是分不開的。近年來，人們針對這種情況，提出了各種各樣的定位算法。 基于直線檢測的方法在計算機(jī)識別中，常常需要從圖像上尋找特定形狀的圖形，如果直接利用圖像點陣進(jìn)行搜索判斷顯然難以實現(xiàn)，這時就需要將圖像像素按一定的算法映射到參數(shù)空間。Hough變換是一種利用圖像的全局特征將特定形狀的邊緣像素連接起來，形成連續(xù)平滑邊緣的一種方法。Hough變換常用于對圖像中的直線和圓進(jìn)行識別。利用車牌形狀特性來定位車牌，在實際運用中憂郁光照不均勻等影響和攝像機(jī)畸變，曝光不足和動態(tài)范圍太窄等原因，導(dǎo)致圖像存在偽影，加上車牌上的灰塵、臟污等使形狀特性表現(xiàn)的不明顯，從而影響定位效果，此外傳統(tǒng)的Hough變換法應(yīng)用在車牌定位中，只是單純的進(jìn)行直線的檢測，沒有和車牌形狀特性結(jié)合起來，而且Hough空間與原圖像空間不是一一對應(yīng)的，由Hough空間中檢測到的特征點無法確定出車牌輪廓的起始位置，無法避免直線干擾的問題，因此在有直線干擾時及未進(jìn)行邊框提取時的可能性會大大增加。 基于閾值化方法圖像經(jīng)過閾值化得到一個字符和背景分離的二值圖像是這類方法的特點。 基于灰度邊緣檢測方法此類方法通常利用車牌區(qū)域局部對比度明顯和灰度有規(guī)律變化的紋理特征來定位。（1）基于灰度直方圖的門限化邊緣檢測基于灰度直方圖的門限化邊緣檢測是一種最常用、最簡單的邊緣檢測方法。這種圖像的灰度直方圖呈雙峰狀態(tài)。當(dāng)差分方向和邊界方向垂直時將獲得最大差分，因此，只要對f(i ,j) 各方向的差分值再進(jìn)行一次門限化處理，即可檢出邊緣像素點，從而求得其邊緣圖像。2. 基于梯度的邊緣檢測由于邊緣發(fā)生在圖像灰度值變化比較大的地方，對應(yīng)連續(xù)情形就是函數(shù)梯度最大的地方。還有一種比較直觀的方法就是利用當(dāng)前像素臨域中的一些像素值擬合一個曲面，然后求這個連續(xù)曲面在該像素處梯度。 基于彩色圖像的車牌定位方法目前的車牌分割受限于灰度圖像，所以定位效果受陰影和光照條件的限制。比如一些系統(tǒng)采用BP神經(jīng)網(wǎng)絡(luò)對彩色圖像進(jìn)行彩色分割，把每個像素通過網(wǎng)絡(luò)學(xué)習(xí)歸類為期望的顏色，然后利用水平和數(shù)值直方圖的方法確定牌照的位置，但是當(dāng)車牌區(qū)域顏色與附近顏色非常相似且牌照傾斜的情況下彩色定位分個錯誤將會增加。也有的系統(tǒng)首先利用顏色信息對輸入圖像進(jìn)行彩色粗分割，得到了顏色為車牌照的一些區(qū)域。雖然這種方法的定位率比較準(zhǔn)確，但是識別速度卻很慢。上述四種方法中，基于直線檢測的方法對我國車牌來講并不完全使用，因為我國車牌的懸掛明顯不夠規(guī)范，有些車牌邊框不夠明顯必然造成定位算法失效，如果結(jié)合別的算法側(cè)需要在本身運算量很大的情況下額外增加系統(tǒng)開銷。此外，基于顏色的車牌定位也是比較普遍的定位方法。主要的研究內(nèi)容有：(1)在MATLAB基礎(chǔ)上，實現(xiàn)車牌識別系統(tǒng)中的車牌定位及車牌字符的識別功能。(3)對實驗結(jié)果進(jìn)行分析。當(dāng)車輛到達(dá)觸發(fā)圖像采集單元時，系統(tǒng)采集當(dāng)前的視頻圖像，牌照識別單元對圖像進(jìn)行處理，定位出牌照位置，再將牌照中的字符分割出來進(jìn)行識別，然后組成牌照號碼輸出。其基本工作過程如下：（1）當(dāng)行駛的車輛經(jīng)過時，觸發(fā)埋設(shè)在固定位置的傳感器，系統(tǒng)被喚醒處于工作狀態(tài)；一旦連接攝像頭光快門的光電傳感器被觸發(fā)，設(shè)置在車輛前方、后方和側(cè)面的相機(jī)同時拍攝下車輛圖像；（2）由攝像機(jī)或CCD攝像頭拍攝的含有車輛牌照的圖像通視頻卡輸入計算機(jī)進(jìn)行預(yù)處理，圖像預(yù)處理包括圖像轉(zhuǎn)換、圖像增強(qiáng)、濾波和水平較正等；（3）由檢索模塊進(jìn)行牌照搜索與檢測，定位并分割出包含牌照字符號碼的矩形區(qū)域；（4）對牌照字符進(jìn)行二值化并分割出單個字符，經(jīng)歸一化后輸入字符識別系統(tǒng)進(jìn)行識別。函數(shù)imread可以從任何MATLAB支持的圖像文格式中讀取一幅圖像。FMT39。[...]=imread(filename,fmt)[...]=imread(filename)[...]=imread(URL,...)[...]=imread(...,idx) (CUR,ICO,and TIFE only)[...]=imread(...,39。,idx) (GIF only)[A,map,alpha]=imread(...) (ICO,CUR,and PNC only)圖像的信息讀取可以通過調(diào)用imfinfo函數(shù)獲得與圖像文件有關(guān)的信息，格式如下：INFO=imfinfo(FTLENAME,39。)，其中返回的INFO是MATLAB的一個結(jié)構(gòu)體；大多數(shù)圖像文件格式采用8為數(shù)據(jù)存儲像素值，將這些文件讀入內(nèi)存后，MATLAB都將其存儲為unit8類型。和其他MATLAB生成的圖像一樣，一旦一幅圖像被顯示了，那么它將成為一個圖形對象句柄。為此，可使用以下命令：clear。(該圖像是圖像處理工具箱自帶的圖像)，并將他存儲在一個名為I的數(shù)組中，使用命令：I=imread(‘’)。E:/39。 figure(),subplot(3,2,1),imshow(I),title(39。) .原始圖像Figure對象是MATLAB系統(tǒng)中包括GUI設(shè)計編輯窗在內(nèi)所有顯示窗口。所有Figure對象的父對象都是Root對象，而其他所有MATLAB圖形對象都是Figure對象的子對象。如果當(dāng)前只有GUI設(shè)計編輯窗，MATLAB系統(tǒng)也默認(rèn)為無可用的Figure窗，及調(diào)用繪圖函數(shù)時將重新創(chuàng)建一個Figure對象。因為藍(lán)色（255，0，0）與白色（255，255，255）在B 通道中并無區(qū)分，而在G、R 通道或是灰度圖像中并無此便利。原圖、灰度圖及其直方圖見圖2與圖3。在圖像分析中，對輸入圖像進(jìn)行特征抽取、分割和匹配前所進(jìn)行的處理。預(yù)處理過程一般有數(shù)字化、幾何變換、歸一化、平滑、復(fù)原和增強(qiáng)等步驟。圖像不僅包括車牌照，而且還有汽車本身和汽車背景圖像，因此必須去掉這些非牌照圖像的影響，才有可能正確的提取出牌照區(qū)域，為以后的車牌字符識別打下基礎(chǔ)。 圖像增強(qiáng)對車輛圖像進(jìn)行灰度化處理值后，車牌部分和非車牌部分圖像的對比度并不是很高，此時如果直接進(jìn)行邊緣提取，由于車牌界限較為模糊，難以提取出車牌邊緣，因此難以準(zhǔn)確定位車牌。圖像增強(qiáng)的目的是對圖像進(jìn)行加工，以得到對具體應(yīng)用來說視覺效果更適合計算機(jī)識別的圖像。目前用于車牌圖像增強(qiáng)的方法有：灰度拉伸直方圖均衡中值濾波高斯濾波圖像腐蝕同等濾波等等?；叶然幚砭褪菍⒁环噬珗D像轉(zhuǎn)換成為灰度圖像的過程?；叶戎荡蟮南袼攸c比較亮，反之比較暗。圖像灰度化的算法主要由以下3種：（1）最大值法：是轉(zhuǎn)化后R、G、B的值等于轉(zhuǎn)化前3個之中最大的一個，即: （）這種方法轉(zhuǎn)換的灰度圖亮度高。 （3）加權(quán)平均值法：按照一定的權(quán)值，對R、G、B的值加權(quán)平均，即： （）其中，、分別為R、G、B的權(quán)值。由于人眼對綠色最為敏感，紅色次之，對藍(lán)色的敏感性最低，因此使＞＞將得到較易識別的灰度圖像。如果I是雙精度類型，則顯示為黑色，像素值將顯示為灰影。imshow函數(shù)顯示灰度圖像的另一種調(diào)用格式是：是用明確地指定灰度級數(shù)目。figure(2),subplot(1,2,1),imshow(I1)。灰度圖39。title(39。)，由于圖像的灰度范圍比較狹窄，沒有覆蓋整個灰度范圍[0,255]，并且圖像中灰度值的高低區(qū)分較明顯，因而能產(chǎn)生好的對比效果?？臻g域圖像平滑方法主要用低通卷積濾波、中值濾波等；頻率域圖像平滑常用的低通濾波器有低通梯形濾波器、低通高斯濾波器、低通指數(shù)濾波器、巴特沃思低通濾波器等。例如，某一象素點的鄰域S 有兩種表示方法：8鄰域和4鄰域分別對應(yīng)的鄰域平均值為， （）其中，M為鄰域中除中心象素點f(i,j)之外包括的其它象素總數(shù)，對于4鄰域M=4，8鄰域M=8。為了克服這種平均化引起的圖像模糊現(xiàn)象，我們給中心點像素值與其鄰域平均值的差值設(shè)置一固定的閾值，只有大于該閾值的點才能替換為鄰域平均值，而差值不大于閾值時，仍保留原來的值，從而減少由于平均化引起的圖像模糊。通常采用圖像平滑的方法去除噪點。描述一般針對圖像或景物中的特定區(qū)域和目標(biāo)。邊緣檢測是圖像分析中的重要內(nèi)容。所謂邊緣，是指周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。數(shù)字圖像的邊緣檢測是圖像分割、目標(biāo)區(qū)域識別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，也是圖像識別中提取圖像特征的一個重要屬性。物體邊緣是以圖像的局部特征不連續(xù)的形式出現(xiàn)的，即是指圖像局部亮度變化最顯著的部分，例如灰度值的突變、顏色的突變、紋理結(jié)構(gòu)的突變等，同時物體的邊緣也是不同區(qū)域的分界處。邊緣檢測是在圖像的局部區(qū)域上針對像素點的一種運算，在計算機(jī)視覺、圖像理解等應(yīng)用中非常重要。因為圖像邊緣包含了模式識別的有用信息，所以邊緣檢測是圖像分析和模式識別種特征提取的主要手段。2. 增強(qiáng)：增強(qiáng)邊緣的基礎(chǔ)是確定圖像各點領(lǐng)域強(qiáng)度的變化值。3. 檢測：在圖像中有許多的梯度幅值比較大，而這些點在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來確定哪些點是邊緣點。 圖像的腐蝕是對所提取的目標(biāo)圖像進(jìn)行形態(tài)學(xué)分析。運算結(jié)果取決于結(jié)構(gòu)元素大小內(nèi)容以及邏輯運算性質(zhì)。腐蝕處理可以表示成用結(jié)構(gòu)元素對像進(jìn)行探測，找出圖像中可以放下該結(jié)構(gòu)元素的區(qū)域。可以用來消除小且無意義的目標(biāo)物。Se=[1:1:1]。Subplot(3,2,4),imshow(I3),title(腐蝕后圖像）MATLAB使用imerode函數(shù)進(jìn)行圖像腐蝕。此外，imerode函數(shù)還可以接受3個可選參數(shù)：PADOPT、PACKOPT和M，前兩個參數(shù)的含義與imadilate函數(shù)的可選參數(shù)類似。如果圖像時打包的二進(jìn)制圖像，則M將制定原始圖像的行數(shù)。由于牌照圖像在原始圖像中是很有特征的一個子區(qū)域，確切說是水平度較高的橫向近似的長方形，它在原始圖像中的相對位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同，因而在其邊緣形成了灰度突變的邊界，這樣就便于通過邊緣檢測來對圖像進(jìn)行分割。此時可進(jìn)一步確定牌照在整幅圖像中的準(zhǔn)確位置。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡化圖像數(shù)據(jù)，保持它們基本的形態(tài)特征，并除去不相干的結(jié)構(gòu)。對車牌的分割可以有很多種方法，本程序是利用車牌的彩色信息的彩色分割方法。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計列方向藍(lán)色像素點的數(shù)量，最終確定完整的車牌區(qū)域。根據(jù)車牌底色等有關(guān)的先驗知識，采用彩色像素點統(tǒng)計的方法分割出合理的車牌區(qū)域，確定車牌底色藍(lán)色RGB對應(yīng)的各自灰度范圍，然后行方向統(tǒng)計在此顏色范圍內(nèi)的像素點數(shù)量，設(shè)定合理的閾值，確定車牌在行方向的合理區(qū)域。39。均值濾波是典型的線性濾波算法，它是指在圖像上對目標(biāo)像素給一個模板，該模板包括了其周圍的臨近像素。均