【正文】 ......................9 對(duì)定位后的車牌再處理 .....................................................................................................10 字符的分割與歸一化 .....................................................................................................11 字符的分割 ..................................................................................................................12 字符的歸一化 ..............................................................................................................13 3 實(shí)驗(yàn)結(jié)果與分析 ................................................................................................................14 總結(jié) ...............................................................................................................................................15 致謝 ……………………………….…………………… ..……………… ...……… ...16 參考文獻(xiàn) ………………………….…… …………… ..…… ..……………… .…… ...17 附錄 ………………………….………………… ..…… ..……………… ........…… ...18 貴州民族大學(xué)畢業(yè)設(shè)計(jì) 第 1 頁 共 26 頁 緒 論 伴隨著我國現(xiàn)代化事業(yè)的高速發(fā)展，人民的生活水平也正逐步提高，車輛的數(shù)量也日益增加，給人們的出行帶來了便捷的同時(shí)，也對(duì)公路車輛的管理帶來了巨大的壓力，人工管理的方式也不能滿足實(shí)際的需要。 分割后的字符先進(jìn)行二值化處理 ， 再 對(duì)垂直投影進(jìn)行掃描 后 完成 對(duì)字符的分割。 本文的圖像預(yù)處理 環(huán)節(jié)則采用 圖像灰度化和用 Roberts 算子 對(duì)車牌進(jìn)行邊緣檢測(cè) 。本文 側(cè)重于 介紹圖像預(yù)處理、車牌定位、字符分割三個(gè)模塊 的實(shí)現(xiàn) 。貴州民族大學(xué)畢業(yè)設(shè)計(jì) I 摘 要 伴隨著時(shí)代的發(fā)展，車輛的逐漸走進(jìn)千家萬戶，車輛的管理日益困難，于是車牌識(shí)別系統(tǒng)的應(yīng)用得到了廣泛發(fā)展 。車牌識(shí)別系統(tǒng)主要包括了圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別五 個(gè) 核心部分。車牌識(shí)別系統(tǒng)使車輛管理更智能化，數(shù)字化，有效的提升了交通管理的方便性和有效性 。車牌定位和分割采用的是利用數(shù)學(xué)形態(tài)法來確定 車牌位置， 然后 利用車牌彩色信息的彩色分割法來完成車牌部位分割。 本課題是基于 Matlab 下的環(huán)境下對(duì)其進(jìn)行仿真。 電子科技領(lǐng)域在交通管理的應(yīng)用越來越頻 繁，比如自動(dòng)檢測(cè)，圖像處理技術(shù)便進(jìn)入了人們的視野中。汽車車牌等相關(guān)信息的自動(dòng)采集和管理有著非常重要的意義，成為信息處理技術(shù)的一項(xiàng)重要研究課題。 隨著人們生活水平的逐漸提高，私家車的出現(xiàn)越來越多，城市交通的壓力便開始擴(kuò)大，如何高效進(jìn)行交通管理也成為現(xiàn)在生活中所關(guān)注的焦點(diǎn)問題，于是各種各樣運(yùn)用于各種交通道路監(jiān)視，管理的系統(tǒng)出現(xiàn)在了人們的視線當(dāng)中，這些系統(tǒng)主要是通過對(duì)其過往的車輛進(jìn)行檢測(cè)，提取中間的交通數(shù)據(jù)，以達(dá)到監(jiān)控，管制，指揮調(diào)度的目的。識(shí)別算法的好壞關(guān)系到識(shí)別的正確性 好高效性，而傳統(tǒng)設(shè)備如 IC 卡識(shí)別因價(jià)格昂貴，設(shè)備復(fù)雜無形中增加了企業(yè)的成本，因此基于圖像處理的車牌識(shí)別方法，努力提高車牌識(shí)別系統(tǒng)的性能是有非常重要的現(xiàn)實(shí)意義。車牌識(shí)別系統(tǒng)的一般流程： ：通過數(shù)碼相機(jī)采集，由于圖像采集是整個(gè)系統(tǒng)的第一步，所以必須保障圖像的質(zhì)量，這樣在后續(xù)的識(shí)別階段才能減少誤差。 ：一般情況下車牌的拍攝都是在室外，因此就會(huì)受到自然光線，季節(jié)等因素影響，所以需對(duì)圖像進(jìn)行預(yù)處理。 ：由于車牌圖像是在室外拍攝，難免會(huì)受到自然因素的影響 ， 。通過以上步驟 ， 牌照一般能夠被定位 。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近 ， 并且這個(gè)位置應(yīng)滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件 ，所以垂直投影法可以取得較好的效果。模版匹配算法是講分割后的字符二值化，然后對(duì)其模版進(jìn)行匹配，選取比較理想的作為結(jié)果。 為了提高識(shí)別率 ， 除了不斷的完善識(shí)別算法 ， 還應(yīng)該想辦法克服各種光照條件 ， 使采集到的圖像最利于識(shí)別。 設(shè)計(jì)方案 該系統(tǒng)主要由圖像處理和字符識(shí)別兩部分構(gòu)成。字符部分可以分為字符識(shí)別分割與特征提取和單字符識(shí)別。 車牌定位和分割是系統(tǒng)的核心，它將預(yù)處理過后的灰度圖的車牌區(qū)域提取出來，并從中把字符挨個(gè)的分割出來，以便供字符識(shí)別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)識(shí)別系統(tǒng)的準(zhǔn)確性。 圖像預(yù)處理 圖像灰度 化 因?yàn)檐嚺谱R(shí)別系統(tǒng)采集的圖像是彩色的，圖像的背景有時(shí)候會(huì)與車牌顏色類似，并且彩色圖像比較占存儲(chǔ)空間，導(dǎo)致計(jì)算機(jī)運(yùn)行緩慢，加重計(jì)算機(jī)運(yùn)算，所以需要對(duì)拍攝的圖像進(jìn)行灰度化處理。 RGB 三分量的系數(shù)是經(jīng)驗(yàn)加權(quán)值。在 Matlab 中可以用 imrgb2gray 函數(shù)來對(duì)圖像進(jìn)行灰度化。 %讀取圖像 I1=inrgb2gray(I)。 貴州民族大學(xué)畢業(yè)設(shè)計(jì) 第 4 頁 共 26 頁 Subplot(3,3,1)。 %顯示灰色圖 圖 1：原始圖像 圖 2：灰色圖像 貴州民族大學(xué)畢業(yè)設(shè)計(jì) 第 5 頁 共 26 頁 圖像的邊緣檢測(cè) 邊緣指圖像灰度發(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。使得獲取理想圖像變得比較困難。通過邊緣檢測(cè)可以將干擾降到最低，分離出復(fù)雜環(huán)境中的車牌圖像，保留較好的車牌字符信息。用 Robert 邊緣檢測(cè)算子對(duì)圖像進(jìn)行邊緣檢測(cè)。robert39。both39。 在 edge()函數(shù)中有 Sobel 算子 ,Prewitt 算子 ,Roberts 算子 ,Log 算子 ,Canny 算子及 Robert算子 ,幾種算法相比之下 ,Roberts算子是一種最簡單的算子 ,是一種利用局部差分算子尋找邊緣的算子 ,他采 用對(duì)角線方向相鄰兩象素之差近似梯度幅值檢測(cè)邊緣。因此本課題使用了 Robert 算子。 () Robert 梯度以 (x1/2,y1/2)為中心 ,所以他度量了 (x1/2,y1/2)點(diǎn)處 45176。錯(cuò)誤 ！未找到引用源。適當(dāng)取門限 T， 做如下判斷 ： G （ x， y） T ,(x， y)為階躍狀邊緣點(diǎn)。對(duì)圖像進(jìn)行 卷積。 例如： I2=edge(I1,’robert’,’both’)。 Imshow(I2)。車輛圖像中的車牌部分是一個(gè)水平度很高的長方形區(qū)域，在原圖中比較集中，且灰色值和周圍圖樣 有明顯的差異，因此比較容易用邊緣檢測(cè)來對(duì)圖像進(jìn)行分割。本課題采用數(shù)學(xué)形態(tài)學(xué)來進(jìn)行圖像處理和模式識(shí)別。通過對(duì)圖像進(jìn)行腐蝕和去除噪聲，而腐蝕是即消除邊界點(diǎn)，是邊界向內(nèi)部收縮的過程，腐蝕的規(guī)則是輸出圖像的最小值是輸入圖像領(lǐng)域中的最小值 ， 在一個(gè)二值圖像中 ，只要有一個(gè)像 素值為 0， 則相應(yīng)的輸出像素值為 0。 其中結(jié)構(gòu)元素 Se又被形象成為刷子 ， 用于測(cè)試輸入圖像 ， 一般比待處理圖像小很多。二維結(jié)構(gòu)元素為數(shù)值 0 和 1 組成圖 像 的 腐蝕 去 除 圖 像雜質(zhì) 通過 X和 Y方向?qū)ふ? 完 成 車 牌定位 對(duì) 圖 像 進(jìn)一步處理 貴州民族大學(xué)畢業(yè)設(shè)計(jì) 第 7 頁 共 26 頁 的矩陣 。1。 車牌的腐蝕圖像： Se=[1。1]。 Figure(3)。 圖 4：邊緣檢測(cè) 從圖中可以看到，對(duì)于一些小的目標(biāo)通過腐蝕的方法已經(jīng)消除留下了的大體就是車牌區(qū)域部分。 它的作用是融合窄的缺口和細(xì)長的彎口，去除小洞以及填補(bǔ)輪廓中的縫隙。 平滑后圖像： Se=imstrel(‘rectangle’,[50,50])。 Figure(4)。 貴州民族大學(xué)畢業(yè)設(shè)計(jì) 第 8 頁 共 26 頁 圖 5：平滑后圖像 圖像平滑處理 后， 可能會(huì)有多個(gè)閉合區(qū)域 ， 對(duì)于不是車牌區(qū)域的必須予以刪除 ，這時(shí)需要使用 Matlab 中的 bwareaopen()函數(shù) 刪除二值圖像中面積小于一個(gè)定值的對(duì)象 ， 默認(rèn)情況下使用 8鄰居。 這樣 ， Car_Image_Perform 中面積小于 10000 的對(duì)象都被刪除了。 Figure(5)。 貴州民族大學(xué)畢業(yè)設(shè)計(jì) 第 9 頁 共 26 頁 圖 6：形