【正文】 .......................... 11 ............................................................. 13 主要參考文獻(xiàn) ........................................................... 14 附錄 ................................................................... 15 實(shí)驗(yàn)體會(huì) ............................................................... 20 基于 MATLAB的車牌識(shí)別系統(tǒng)的設(shè)計(jì) —— 字符分割的設(shè)計(jì) 引言 介紹當(dāng)前的發(fā)展背景 車輛的牌照是機(jī)動(dòng)車的識(shí)別標(biāo)志，在交通管理中有著重要的作用。該系統(tǒng)主要有兩大模塊：圖像處理模塊和字符識(shí)別模塊。圖像處理模塊的質(zhì)量好壞更是衡量整個(gè)系統(tǒng)成功與否的關(guān)鍵。 車牌識(shí)別系統(tǒng)的攝像頭通過(guò)對(duì)經(jīng)過(guò)指定區(qū)域的機(jī)動(dòng)車輛進(jìn)行拍照，因?yàn)檎掌瑫?huì)受到光照、拍攝位置和車輛行駛速度的影響，導(dǎo)致拍攝的圖片不能準(zhǔn)確的確定汽車的車牌。 汽車車牌自動(dòng)識(shí)別系統(tǒng)主要包括觸發(fā)拍照、圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別、輸出結(jié)果等單元。其中線圈觸發(fā)和視頻觸發(fā)得到了廣泛的應(yīng)用。 圖像預(yù)處理：該單元是指車牌識(shí)別系統(tǒng)對(duì)拍攝的汽車圖片進(jìn)行 灰度化和邊緣檢測(cè)等 處理。 字符分割：對(duì)已經(jīng)定位的車牌圖片的進(jìn)行字符分割，將車牌分割為 7 個(gè)單一的字符圖片 字符識(shí)別：將已經(jīng)分割出來(lái)的七個(gè)字符進(jìn)行識(shí)別。 圖像采集 車牌定位 字符分割 字符識(shí)別 輸出結(jié)果 觸發(fā)牌照 圖像預(yù)處理 ： 該系統(tǒng)主要是由圖像處理和字符識(shí)別兩部分組成。字符識(shí)別部分可以分為字符分割與特征提取和單個(gè)字符識(shí)別兩個(gè)模塊。因此，我們要對(duì)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(shí)別系統(tǒng)的最終目的就是將不清楚的車牌照片進(jìn)行識(shí)別，輸出清晰的圖片。 車牌識(shí)別系統(tǒng)包括圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等模塊，本文主要研究圖像預(yù)處理、車牌定位和字符分割三個(gè)模塊。 對(duì)于將彩色圖像轉(zhuǎn)換成灰度圖像時(shí) ， 目前比較主流的灰度化方法叫平均值法 ，公式為 ： H=++ 公 式中 H 表示灰度圖的亮度值 ； R 代表彩色圖像紅色分量值 ； G 代表色彩圖像綠色分量值 ； B 代表彩色圖像藍(lán)色分量值 。 加權(quán)系數(shù)的取值建立在人眼的視覺(jué)模型之上 。 通過(guò)該公式轉(zhuǎn)換的灰度圖能夠比較好地反應(yīng)原圖像的亮度信息 。 ： 邊緣是指圖像灰度發(fā)生空間突變或者在梯度方向上發(fā)生突變的像素的集合。因此，在進(jìn)行對(duì)汽車牌照的定位及字符識(shí)別之前需要先對(duì)車輛圖像進(jìn)行邊緣檢測(cè)處理，提高圖像的質(zhì)量，使其易于后面的分割和識(shí)別。 由于車牌識(shí)別系統(tǒng)攝像頭安裝位置固定以及機(jī)動(dòng)車車牌的固有屬性，我們可以發(fā)現(xiàn)機(jī)動(dòng)車車牌圖像都處在水平的矩形區(qū)域，在圖像中位置較為固定，車牌中字符都是按水平方向排列。本文采用經(jīng)典的 Roberts 邊緣檢測(cè)算子來(lái)對(duì)圖像進(jìn)行邊緣檢測(cè)。39。 figure(1),imshow(I)。原圖 39。 figure(2),imshow(I1)?；叶葓D 39。 I2=edge(I1,39。,39。)。title(39。) 圖 41 原始圖片 圖 42 灰度圖 圖 43 Robert 算子邊緣檢測(cè) 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(duì)系統(tǒng)有用的。車牌的定位和分割是從經(jīng)過(guò)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(lái)，從而進(jìn)行字符識(shí)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(shí) 別的質(zhì)量。本文采用的是用數(shù)學(xué)形態(tài)學(xué)來(lái)進(jìn)行圖像處理和模式識(shí)別。現(xiàn)在我們將經(jīng)過(guò)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(duì)準(zhǔn)確的車牌位置。 使用統(tǒng)計(jì)彩色像素點(diǎn)的方法分割出車牌區(qū)域，確定車牌底色藍(lán)色 RGB 對(duì)應(yīng)的灰度范圍，然后統(tǒng)計(jì)在行方向的顏色范圍內(nèi)的像素點(diǎn)數(shù)量，確定車牌在行方向的區(qū)域。 圖 48 車牌對(duì)位的圖像 對(duì)定位后的彩色車牌的進(jìn)一步處理 定位后車牌圖像是彩色 的，會(huì)占用較大的存儲(chǔ)空間，加重計(jì)算機(jī)負(fù)擔(dān)。 圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為兩個(gè)數(shù)值 ， 通常為 0 或 255， 使整個(gè)圖像呈現(xiàn)出明顯的黑白效果 。 濾波則是為了除去圖像噪聲。均值濾波是典型的線性濾波算法， 指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素。 圖 49 車牌的進(jìn)一步處理 圖 字符分割 將得到的車牌區(qū)域圖像進(jìn)行二值化處理后 ， 對(duì)圖像進(jìn)行垂直投影 ， 投影圖上有明顯的類似于峰谷的波形起伏變化 ， 通過(guò)對(duì)投影圖上的波形從左向右進(jìn)行掃描 ，根據(jù)谷和峰的特征就可以判斷出每個(gè)字符的位置 ； 計(jì)算垂直峰 ， 檢測(cè)合理的字符高寬比 。 圖 [m， n]=size（ d），逐排檢查有沒(méi)有白色像素點(diǎn)，設(shè)置1=jn1，若圖像兩邊 s（ j） =0，則切割，去除圖像兩邊多余的部分 切割去圖像上下多余的部分 根據(jù)圖像的大小，設(shè)置一閾值，檢測(cè) 圖像的 X 軸，若寬度等于這一閾值則切割，分離出七個(gè)字符 歸一化切割出來(lái)的字符圖像的大小為40*20，與模板中字符圖像的大小相匹配 字符歸一化處理 由于數(shù)碼相機(jī)拍攝的汽車圖像大小不一樣 ， 所以得到的牌照上的字符大小就不一樣 ， 為了便于字符的識(shí)別 ， 需要對(duì)字符進(jìn)行歸一化處理 。 而大小歸一是指在長(zhǎng)度和寬度方向上分別乘以一個(gè)比例因子 ， 使其等于標(biāo)準(zhǔn)模塊的字符大小 ， 本文采用的 大小歸一的方法是分別從水平投影和垂直投影兩個(gè)方向上對(duì)字符象素的大小進(jìn)行歸一化處 理。下圖為另一組實(shí)驗(yàn)組圖。將得到的機(jī)動(dòng)車照片進(jìn)行灰度化和邊緣檢測(cè)處理，運(yùn)用良好的技術(shù)手段進(jìn)行車牌定位，將定位好的圖像進(jìn)行字符分割處理，得到七個(gè)字符，將字符歸一化處理。 對(duì)于分割出的車牌，我們進(jìn)行了均值濾波，膨脹和腐蝕處理，這樣可以把字符之間的雜色點(diǎn)去掉，只留下白色的字符以及黑色的背景，這對(duì)于字符的分割是相當(dāng)?shù)谋匾摹?失敗，尤其是車牌上第一個(gè)字符漢字的分割，常常因?yàn)檫^(guò)大或者過(guò)小導(dǎo)致分割失敗。 6．實(shí)驗(yàn)總結(jié) 通過(guò)對(duì)車牌識(shí)別的設(shè)計(jì)與研究，我覺(jué)得有幾個(gè)方面還可以進(jìn)行改進(jìn)。常見(jiàn)的車牌定位方法有邊緣檢測(cè)定位算法，利用哈夫變換進(jìn)行車牌定位以及色彩分割提取車牌等，本文采用的是邊緣檢測(cè)定位算法。我認(rèn)為對(duì)于以上各模塊的實(shí)現(xiàn)，應(yīng)該采用多種實(shí)驗(yàn)對(duì)照，看對(duì)于不同情況的照片質(zhì)量，哪種算法更好，因?yàn)?，以上處理方法都有自己的?cè)重方面，對(duì)于不同的圖片，各種算法的優(yōu)勢(shì)是不同的，所以我覺(jué)得 ，對(duì)于實(shí)際應(yīng)用的車牌識(shí)別系統(tǒng)，應(yīng)該是具有復(fù)雜結(jié)構(gòu)，對(duì)于拍攝到的車輛照片進(jìn)行分析，選擇更適合的算法來(lái)實(shí)現(xiàn)車牌的識(shí)別