【正文】 的選取十分重要。因?yàn)檐嚺剖且粋€(gè)矩形，所以結(jié)構(gòu)元素選取一個(gè)矩形的結(jié)構(gòu)元素比較合適，而通過圖片大基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計(jì) 10 小的分析，以及車牌定制標(biāo)準(zhǔn)中車牌的寬高比大約 3： 1到 4： 1，選取 strel(39。[4， 24])作為開閉運(yùn)算的結(jié)構(gòu)運(yùn)算，經(jīng)過多次測(cè)試，效果良好。 （ 2）利用開運(yùn)算的性質(zhì)，用步驟（ 1）的結(jié)構(gòu)元素，分離每個(gè)連通域的聯(lián)系，去除噪點(diǎn)。 MATLAB提供了方便的函數(shù)，可以輕松實(shí)現(xiàn)數(shù)學(xué)形態(tài)學(xué)處理的工作，具體函數(shù)如下： IM=imclose(y,strel(39。,[5,25]))； IM1=imopen(IM,strel(39。,[5,25]))； IM2=imopen(IM1,strel(39。,[20,1]))； 圖 9 閉運(yùn)算效果 從圖 9可以看到，圖像不再是邊緣輪廓，而是被填充了。 基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計(jì) 11 圖 10 開運(yùn)算效果 從圖 10可以看到，經(jīng)過閉運(yùn)算的填充和閉運(yùn)算的分離，車牌部分已經(jīng)有所突顯，為了更好能提取車牌區(qū)域，還需要再處理其他干擾因素。 圖 11 再一次開運(yùn)算效果 基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計(jì) 12 車牌提取 雖然車牌圖片很復(fù)雜，但是經(jīng)過上面幾步的處理之后，剩下的是一個(gè)清晰的目標(biāo)車牌位置和一些干擾的白色區(qū)域。有時(shí)候還會(huì)存在很多較大的干擾區(qū)域。 實(shí)現(xiàn)步驟如下： （ 1）求水平投影。由于車牌區(qū)域明顯較大，用 [temp MaxY]=max(Y1)取最大值作為起始位置。 （ 3）左右邊框確定，從左到右掃描，通過像素閥值找到左邊界，繼續(xù)掃描，通過像素閥值找到右邊界。 通過多次實(shí)驗(yàn)，很多情況下是車牌區(qū)域?yàn)樽畲笞蠲黠@區(qū)域，但是也存在數(shù)學(xué)形態(tài)學(xué)之后，干擾區(qū)域比車牌區(qū)域要大的。 第二個(gè)的提取方法是利用 MATLAB的工具函數(shù)中 [L， NUM] = BWLABEL(BW，N)可以返回圖上的連通域信息，在這些連通區(qū)域中，需要用到封閉矩形區(qū)域的信息，可以利用這樣的一個(gè)函數(shù) BoundingBox=[]得到。 圖 14 提取結(jié)果 當(dāng)形態(tài)學(xué)處理不夠好的時(shí)候，第二個(gè)方法往往會(huì)有很不錯(cuò)的識(shí)別效果。 至此，我們的定位工作完成，提取到我們所需要的車牌圖片。 實(shí)驗(yàn)測(cè)試和分析 本文對(duì)網(wǎng)上收集到的 100張圖片通過 MATLAB進(jìn)行處理，當(dāng)圖片大小統(tǒng)一處理為400*500時(shí)，成功定位有 85張 ，成功率為 85%；當(dāng)圖片大小統(tǒng)一處理為 450*500時(shí)，成功定位僅有 72張，成功率為 72%。 分析了一些失敗的圖片，如圖 15，當(dāng)圖片大小調(diào)整為 450*500時(shí)，或者結(jié)構(gòu)元素大小調(diào)整為 [25， 30]時(shí)，就會(huì)輸出圖 16的正確結(jié)果。 圖 15 失敗例子 圖 16 修改參數(shù)后結(jié)果 本章小結(jié) 本章主要介紹了一種基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法，對(duì)圖像進(jìn)行旋轉(zhuǎn)校正、灰度化和邊緣檢測(cè)之后，選擇合適的結(jié)構(gòu)元素利用數(shù)學(xué)形態(tài)的開、閉運(yùn)算對(duì)圖像進(jìn)行處理，然后通過投影法結(jié)合車牌的實(shí)際特征提取出我們需要的車牌。 4 字符分割 字符分割在車牌識(shí)別系統(tǒng)中是一個(gè)后期處理工作，是為了字符識(shí)別和錄入做一個(gè)必基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計(jì) 15 要的處理。字符分割方法有很多，本文采取簡(jiǎn)單直接的投影法。 車牌區(qū)域預(yù)處理 對(duì)車牌區(qū)域進(jìn)行預(yù)處理，為了加強(qiáng)輪廓，使目標(biāo)更清晰明顯。預(yù)處理的方法主要有灰度化、二值化和形態(tài)學(xué)處理等。 圖像的二值化，就是將圖像上的像 素點(diǎn)的灰度值設(shè)置為 0或 255，也就是整個(gè)圖像呈現(xiàn)出明顯的 黑和白，而不存在其他灰度值 。 閥值取值可以由 graythresh()函數(shù)取得，而二值化則用函數(shù) im2bw(I， level)實(shí)現(xiàn)。 圖 17 預(yù)處理結(jié)果 去除邊框 我們采取的是投影法，投影法的核心是通過像素值來確定邊界，車牌圖像的污點(diǎn)，邊框或者圓盤點(diǎn)等，都是干擾信息 ，因此在預(yù)處理的去噪之后，分割之前，我們還需要盡量去除干擾信息，而車牌邊框就是一個(gè)明顯的干擾信息。 步驟如下： （ 1）水平投影，與上面車牌定位介紹的一樣，不詳述。裁剪圖像。左邊框，取寬度 x的 1/8作為開始往左掃描，若發(fā)現(xiàn)某列像素值較高，這個(gè)值可取高度 y的 ，則認(rèn)為是左邊框。 至于閥值的選擇，可以通過投影的分布直方圖分析選取，如圖 18，則上下邊界閥值可取 20到 25。 字符分割 經(jīng)過上面的處理，如圖 19，車牌字符輪廓非常明顯，可以著手進(jìn)行切分。 先來看一下車牌的構(gòu)造規(guī)范： （ 1）一個(gè)省份漢字（軍警牌則為其他漢字）后跟字 母或阿拉伯?dāng)?shù)字組成的 7個(gè)字序列。 （ 2）車牌尺寸固定，規(guī)范為：車牌總長(zhǎng) 440mm，寬 140mm，字寬 45mm，字高 90mm，基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計(jì) 17 第二三個(gè)字符間隔 32mm，后面每個(gè)字符間隔 12mm。 先來看一下垂直投影圖： 圖 20 垂直投影圖 從圖 20可以看到有 7個(gè)波，對(duì)應(yīng) 7個(gè)字符區(qū)域，所以要做的 就是確定每個(gè)字符區(qū)域的左右邊界，把范圍定下來，就可以把字符成功分割出來了。重復(fù)進(jìn)行，直到 7個(gè)字符輸出完畢。由于車牌所包含的干擾因素還有很多，所以分割前必須對(duì)車牌圖片進(jìn)行預(yù)處理用以提高可識(shí)別 性，經(jīng)過灰度化、二值化之外還有邊框的去除等操作，車牌圖片變成只有黑白的而且輪廓清晰。 5 總結(jié)與展望 總結(jié) 通過對(duì) 100張不同圖片的處理情況來看，車牌定位成功率達(dá)到 85%，影響定位成功主要的原因有： （ 1）車牌采集的途徑不統(tǒng)一，導(dǎo)致每張圖片的大小和分辨率等不一樣，由于閥值是定值，因此在選擇閥值或者結(jié)構(gòu)元素時(shí)造成了難以統(tǒng)一確定的困難。 （ 3）結(jié)構(gòu)元素固定，導(dǎo)致適應(yīng)性差，對(duì)尺寸不合適的車牌圖像會(huì)起不到應(yīng)有的效果甚至有反效果。因?yàn)樽铌P(guān)鍵的結(jié)構(gòu)元素和閥值的選取都是通過對(duì)圖片的分析得到的，所以缺少適應(yīng)性，當(dāng)圖片規(guī)格不統(tǒng)一時(shí)，閥值和結(jié)構(gòu)元素都要相應(yīng)變化，但如果圖片規(guī)格統(tǒng)一，那么這套方法的識(shí)別率將會(huì)很高。 本文論述了車牌識(shí)別系統(tǒng)的發(fā)展情況和重要性，結(jié)合所學(xué)知識(shí)和學(xué)習(xí)國(guó)內(nèi)學(xué)者提出的各種車牌識(shí)別系統(tǒng)的研究，針對(duì)車牌識(shí)別系統(tǒng)的車牌定位和字符分割這兩個(gè)重要模塊提出了一套方法。 展望 目前的車牌識(shí)別系統(tǒng)在飛速發(fā)展，但在準(zhǔn)確率和識(shí)別速度方面依然還有很大的提升空間，對(duì)車牌定位算法的研究依然是車牌識(shí)別的一個(gè)重點(diǎn)。 （ 2）改進(jìn)車牌的定位方法，使車牌提取更準(zhǔn)確、更快。 （ 4）字符分割方法要改進(jìn)，增強(qiáng)細(xì)節(jié)處理，使分割出來的字符不斷裂和更完整。 通過本課題研究，學(xué)習(xí)到很多知識(shí)，了解到車牌定位算法的各種知識(shí)，希望能與實(shí)際的應(yīng)用如停車場(chǎng)、交通管理等進(jìn)行聯(lián)系和配合使用，學(xué)以致用。*.jpg39。%讀取圖片 gp=rgb2gray(I)。canny39。%邊緣檢測(cè) theta=1:180。%radon變換 [E,J]=find(R=max(max(R)))。 if((qingxiejiao5amp。qingxiejiao20)||(qingxiejiao5amp。qingxiejiao20)) I=imrotate(I,qingxiejiao,39。,39。)。旋轉(zhuǎn)校正 39。 end gp=rgb2gray(I)。roberts39。%邊緣檢測(cè) %形態(tài)學(xué)處理 IM=imclose(y,strel(39。,[4,24]))。rectangle39。%開運(yùn)算 IM2=imopen(IM1,strel(39。,[20,1]))。 %投影 [y,x,z]=size(IM2)。%水平投影 for i=1:y for j=1:x if(IM2(i,j,1)==1) Y1(i,1)=Y1(i,1)+1。 PY1=MaxY。amp。 end PY2=MaxY。amp。 end IY=IM2(PY1:PY2,:,:)。 while ((X1(1,PX1)12)amp。(PX1x)) PX1=PX1+1。 while ((X1(1,PX2)10)amp。(PX2x)) PX2=PX2+1。 PX2=PX2+1。 %定位選擇 if(PX2xamp。PX10amp。PY10amp。PY2yamp。camp。c=2) dw=I(PY1:PY2,PX1:PX2,:)。title(39。) else [L,num]=bwlabel(IM2,8)。basic39。 Area=[]。 nu=numel(BoundingBox)。 if (bamp。b) widthX=BoundingBox(i)。 xb=BoundingBox(i2)。 dw=I(yb:yb+widthY,xb:xb+widthX,:)。title(39。) end end end gd=rgb2gray(dw)。%二值化閥值 I1=im2bw(gd,h)。 I4=double(I1)。 Px1=1。%寬高比 for i=1:7 while((X1(1,Px0)10)amp。(Px0x)) Px0=Px0+1。 基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計(jì) 24 a=1。amp。amp。 a=Px1Px0。 Z4=imresize(Z3,[88 40])。 end 基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計(jì) 25 致 謝 謝謝你們！