【正文】 984年，經(jīng)過10余年的不斷改進(jìn)，現(xiàn)今已推出它的WindoM 98/NT版本()。在MATLAB環(huán)境下，用戶可以集成地進(jìn)行程序設(shè)計(jì)、數(shù)值計(jì)算、圖形繪制、輸入輸出、文件管理等各項(xiàng)操作。與利用c語言或FoRTRAN語言作數(shù)值計(jì)算的程序設(shè)計(jì)相比，利用MATLAB可以節(jié)省大量的編程時(shí)間。在工程技術(shù)界，MATLAB也被用來解決一些實(shí)際課題和數(shù)學(xué)模型問題。 MATLAB系統(tǒng)最初是由CIeve Moler用FORTRAN語盲設(shè)計(jì)的，有關(guān)短陣的算法來自LINPACK和EIsPACK課題的研究成果；現(xiàn)在的MATLAB程序是MathWorks公司用 C語言開發(fā)的，第一版由steve Bangert主持開發(fā)編譯解釋程序，Steve Kleiman完成圖形功能的設(shè)計(jì)，John Little和Cleve Moler主持開發(fā)了各類數(shù)學(xué)分分析的子模塊，撰寫用戶指南和大部分的M文件。 MATLAB以商品形式出現(xiàn)后，僅短短幾年，就以其良好的開放性和運(yùn)行的可靠性，使原先控制領(lǐng)域里的封閉式軟件包（如英國的UMIST，瑞典的LUND和SIMNON，德國的KEDDC）紛紛淘汰，而改以MATLAB為平臺加以重建。到九十年代初期，在國際上30幾個(gè)數(shù)學(xué)類科技應(yīng)用軟件中，MATLAB在數(shù)值計(jì)算方面獨(dú)占鰲頭，而Mathematica和Maple則分居符號計(jì)算軟件的前兩名。 ，出現(xiàn)了以下幾個(gè)重要變化：（1）推出了SIMULINK。它的出現(xiàn)使人們有可能考慮許多以前不得不做簡化假設(shè)的非線性因素、隨機(jī)因素，從而大大提高了人們對非線性、隨機(jī)動(dòng)態(tài)系統(tǒng)的認(rèn)知能力。（3）推出了符號計(jì)算工具包。MathWorks公司此舉加快結(jié)束了國際上數(shù)值計(jì)算、符號計(jì)算孰優(yōu)孰劣的長期爭論，促成了兩種計(jì)算的互補(bǔ)發(fā)展新時(shí)代。MathWorks公司瞄準(zhǔn)應(yīng)用范圍最廣的Word ，運(yùn)用DDE和OLE，實(shí)現(xiàn)了MATLAB與Word的無縫連接，從而為專業(yè)科技工作者創(chuàng)造了融科學(xué)計(jì)算、圖形可視、文字處理于一體的高水準(zhǔn)環(huán)境。 (1)MATALB語言體系 MATLAB是高層次的矩陣／數(shù)組語言．具有條件控制、函數(shù)調(diào)用、數(shù)據(jù)結(jié)構(gòu)、輸入輸出、面向?qū)ο蟮瘸绦蛘Z言特性。 (2)MATLAB工作環(huán)境這是對MA丁LAB提供給用戶使用的管理功能的總稱．包括管理工作空間中的變量據(jù)輸入輸出的方式和方法，以及開發(fā)、調(diào)試、管理M文件的各種工具。 (4)MATLAB數(shù)學(xué)函數(shù)庫這是對MATLAB使用的各種數(shù)學(xué)算法的總稱．包括各種初等函數(shù)的算法，也包括矩陣運(yùn)算、矩陣分析等高層次數(shù)學(xué)算法。可以 看出MATLAB是一個(gè)功能十分強(qiáng)大的系統(tǒng)，是集數(shù)值計(jì)算、圖形管理、程序開發(fā)為一體的環(huán)境。用戶可以根據(jù)自己的工作任務(wù)，開發(fā)自己的工具箱。這幾乎成了九十年代教科書與舊版書籍的區(qū)別性標(biāo)志。在國際學(xué)術(shù)界，MATLAB已經(jīng)被確認(rèn)為準(zhǔn)確、可靠的科學(xué)計(jì)算標(biāo)準(zhǔn)軟件。在設(shè)計(jì)研究單位和工業(yè)部門，MATLAB被認(rèn)作進(jìn)行高效研究、開發(fā)的首選軟件工具。又如HP公司的VXI硬件，TM公司的DSP，Gage公司的各種硬卡、 儀器等都接受MATLAB的支持。 設(shè)計(jì)方案：該系統(tǒng)主要是由圖像處理和字符識別兩部分組成。字符識別部分可以分為字符分割與特征提取和單個(gè)字符識別兩個(gè)模塊。因此，我們要對攝像頭拍攝的圖片進(jìn)行預(yù)處理，主要包括圖片灰度化和圖片邊緣提取等。 車牌識別系統(tǒng)的最終目的就是將不清楚的車牌照片進(jìn)行識別，輸出清晰的圖片。：汽車圖像樣本目前大都是通過攝像機(jī)、數(shù)碼相機(jī)等設(shè)備拍攝獲取的，因而預(yù)處理前的圖像都是彩色圖像。由于圖像的每個(gè)象素都具有三個(gè)不同的顏色分量，存在許多與識別無關(guān)的信息，不便于進(jìn)一步的識別工作，因此在對圖像進(jìn)行識別等處理中，經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。RGB 三分量前的系數(shù)為經(jīng)驗(yàn)加權(quán)值。對于人眼較為敏感的綠色取較大的權(quán)值； 對人眼較為不敏感的藍(lán)色則取較小的權(quán)值。 在MATLAB中我們可以調(diào)用im2gray函數(shù)對圖像進(jìn)行灰度化處理。用攝像機(jī)采集到的機(jī)動(dòng)車圖像由于受到噪聲干擾以及車輛本身的影響，使得獲得的圖像質(zhì)量不理想。通過良好的邊緣檢測可以大幅度的降低噪聲、分離出復(fù)雜環(huán)境中的車輛圖像、保留完好的車牌字符信息，方便后面的車牌精確定位與字符識別。因?yàn)橛羞@些明顯的特征，經(jīng)過適當(dāng)?shù)膱D像變換，可以清晰的呈現(xiàn)出車牌的邊緣。 原圖 灰度圖 Robert算子邊緣檢測 該系統(tǒng)的攝像頭拍攝的圖片是整個(gè)機(jī)動(dòng)車的圖片，而只有車牌部分是對系統(tǒng)有用的。車牌的定位和分割是從經(jīng)過圖像預(yù)處理后的灰度圖像中確定牌照位置，并將車牌部分從整個(gè)圖像中分割出來，從而進(jìn)行字符識別。車牌定位和分割的準(zhǔn)確度直接關(guān)系到最后的字符識別的質(zhì)量。本文采用的是用數(shù)學(xué)形態(tài)學(xué)來進(jìn)行圖像處理和模式識別?，F(xiàn)在我們將經(jīng)過預(yù)處理的圖像進(jìn)行圖像腐蝕以及去除雜質(zhì)，就可以得到相對準(zhǔn)確的車牌位置。本文車牌部分的分割采用的是利用車牌彩色信息的彩色分割法。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計(jì)列方向藍(lán)色像素點(diǎn)的數(shù)量，最終確定完整的車牌區(qū)域。且車輛圖片不可避免存在噪聲，所以要對圖像進(jìn)行灰度化，二值化以及濾波處理。也就是將256個(gè)亮度等級的灰度圖像通過適當(dāng)?shù)拈T限值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。濾波方法有多種，本文采取的濾波方法為均值濾波。再用模板中的全體像素的平均值來代替原來像素值。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識別。在字符切割時(shí),往往由于閾值取得不好，導(dǎo)致字符切割不準(zhǔn)確，針對這種情況，可以對切割出的字符寬度進(jìn)行統(tǒng)計(jì)分析，用以指導(dǎo)切割，對因錯(cuò)誤切割過寬的字符進(jìn)行分裂處理。歸一化處理的目的就是使車牌字符同標(biāo)準(zhǔn)模塊里面的字符特征一樣。 字符的識別目前用于車牌字符識別(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法。模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡單，當(dāng)字符較規(guī)整時(shí)對字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識別率相當(dāng)高。 模板匹配是圖象識別方法中最具代表性的基本方法之一，它是將從待識別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖象歸于相應(yīng)的類。然而，通常情況下用于匹配的圖象各自的成像條件存在差異，產(chǎn)生較大的噪聲干擾，或圖象經(jīng)預(yù)處理和規(guī)格化處理后，使得圖象的灰度或像素點(diǎn)的位置發(fā)生改變。建立自動(dòng)識別的代碼表讀取分割出來的字符第一個(gè)字符與模板中的漢字模板進(jìn)行匹配第二個(gè)字符與模板中的字母模板進(jìn)行匹配待識別字符與模板字符相減，值越小相似度越大，找到最小的一個(gè)即為匹配的最好的識別完成，輸出此模板對應(yīng)值后5個(gè)字符與模板中的字母與數(shù)字模板進(jìn)行匹配 字符識別流程圖此處采用相減的方法來求得字符與模板中哪一個(gè)字符最相似，然后找到相似度最大的輸出。車牌字符識別與一般文字識別在于它的字符數(shù)有限，漢字共約50多個(gè)，大寫英文字母26個(gè)，數(shù)字10個(gè)。為了實(shí)驗(yàn)方便，結(jié)合本次設(shè)計(jì)所選汽車牌照的特點(diǎn)，只建立了4個(gè)數(shù)字26個(gè)字母與10個(gè)數(shù)字的模板。 首先取字符模板，接著依次取待識別字符與模板進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。第四章 實(shí)驗(yàn)結(jié)果和分析在得到結(jié)果之前，需要對車牌圖像進(jìn)行預(yù)處理、車牌定位、車牌分割等處理。二是牌照自身的污漬等影響了圖象的質(zhì)量；三是牌照字符的分割失敗導(dǎo)致的識別錯(cuò)誤；再就是部分字符的形狀相似性，比如，B 和8；A 和4 等字符識別結(jié)果可能發(fā)生混淆的情況?？傊?，盡管目前牌照字符的識別率還不理想，但是這種思路的可行性得到了證實(shí)，更多的實(shí)驗(yàn)與程序的改進(jìn)完全可以實(shí)現(xiàn)搞成功率的車牌識別。對于在大作業(yè)的完成過程中給予幫助的同學(xué)與老師在此表示真心的感謝。39。figure(1),imshow(I)。原圖39。I1=rgb2gray(I)。title(39。)。title(39。)。robert39。both39。 %高斯濾波器,figure(3),imshow(I2)。robert算子邊緣檢測39。1。I3=imerode(I2,se)。title(39。)。rectangle39。 %構(gòu)造結(jié)構(gòu)元素，以長方形構(gòu)造一個(gè)seI4=imclose(I3,se)。figure(5),imshow(I4)。平滑圖像的輪廓39。I5=bwareaopen(I4,2000)。title(39。)。 %返回I5各維的尺寸，并存儲在變量y、x、z中myI=double(I5)。 %產(chǎn)生y*1的全0矩陣 for i=1:y for j=1:x if(myI(i,j,1)==1) %如果myI(i,j,1)即myI圖像中坐標(biāo)為(i,j)的點(diǎn)為藍(lán)色 %則Blue_y的相應(yīng)行的元素white_y(i,1)值加1 Blue_y(i,