【正文】 對(duì)于像素的位置南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 20 的影響做了加權(quán)，可以降低邊緣模糊的程度，因此在現(xiàn)實(shí)中得到廣泛的應(yīng)用。拉普拉斯算子等效為階躍邊緣二階導(dǎo)數(shù) 。 將 j 換成 1?j ， 于 是有 ?22xf?? ]1,[]),[2]1,[( ???? jifjifjif (49) 式 49 等號(hào)右 邊的式子近似等于左邊， 是以點(diǎn)[為中心 ， 同樣地， 對(duì)于y 的二階導(dǎo)數(shù)為： ?22yf?? ],1[]),[2],1[( jifjifjif ???? (410) 將式 49 與 410 通過 數(shù)學(xué)上公式上的合并得到下面近似 拉普拉斯算子的模板 ： ?????????????0101410102 (411) 通常會(huì)對(duì)模板進(jìn)行改進(jìn)，得到另一種 優(yōu)化的 模板， 這種模板可以使鄰域中心點(diǎn)的權(quán)重更大，如式 412 所示。 運(yùn)用拉普拉斯算子的圖像邊緣的信息易丟失 ， 同時(shí)噪聲信息比較大， 所以在運(yùn) 用此算法時(shí)為了避免噪聲的影響，必須采用特別有效 的濾波方法。 LOG 算子 Marr 和 Hildreth 將高斯濾波和拉普拉斯邊緣檢測(cè) 相結(jié)合 ，創(chuàng)造出了 拉普拉斯高斯算法，又被稱為 LOG 算法。由于 LOG 算法采用 平滑 的方法 會(huì)導(dǎo)致邊緣的延展，因此 ， LOG 算法只是將局部梯度最大值的點(diǎn)算作邊緣點(diǎn) 。即先進(jìn)行圖像 平滑，在進(jìn)行 圖像 卷積，最后定位邊緣點(diǎn)。 (2)邊緣點(diǎn)定位 Canny 指出用梯度方向的二階導(dǎo)數(shù)的零交叉作為判別邊緣點(diǎn)的準(zhǔn)則。 圖 42 是幾種不同算子在車輛圖像邊緣監(jiān)測(cè)的效果圖： (a) Roberts 效果 (b) Sobel 效果 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 23 (c) Canny 效果 (d) LOG 效果 圖 42 邊緣檢測(cè) 對(duì)比圖 通過圖 42 所示的車牌對(duì)照?qǐng)D 像我們可以看到各種 邊緣檢測(cè)算法的 效果 ，其中圖 42 采用的 Sobel 算法 的效果不錯(cuò)，因此本系統(tǒng)采用的就是 Sobel 算法進(jìn)行邊緣檢測(cè)，檢測(cè)出的圖像可以能夠很快的進(jìn)行車牌定位，其 主要實(shí)現(xiàn)代碼如下： %獲取 handles中保存的圖像增強(qiáng)后的圖像 WI src=； %Sobel邊緣檢測(cè) SobelImg=edge(src,39。)； SobelImg=bwareaopen(SobelImg,20)； %保存數(shù)據(jù) =SobelImg； guidata(hObject,handles)； 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 24 %顯示 axes()； imshow(SobelImg)； 車牌定位 車牌含有許多的特征，因此可以依據(jù)車牌的眾多特征 來判斷牌照，并從車輛圖像中將車牌分割出來，這是車牌定位的原理。 (2)車牌底色一般與車身顏色、字符顏色有較大差異。 (4)車牌內(nèi)字符之間的間隔較均勻，字符和牌照底色在灰度值上存在 較大的跳變，字符本身和牌照底內(nèi)部都有比較 均勻的灰度。 常用的 定位方法 在實(shí)際生活中，車輛牌照存在許多的特征，因此，可以針對(duì)不同特征采用相應(yīng)的方法，主流的車牌定位方法大致分為以下幾類： 基于邊緣檢測(cè)的定位方法 物 體的邊緣是圖像局部亮度變化最顯著的部分，是 物體邊緣分界的地方，它是由于 圖像局部特征不連續(xù)的形式而產(chǎn)生的 ， 物體的邊緣 兩側(cè)的形狀，結(jié)構(gòu)，灰度，紋理等都存在著巨大的差別，尤其是灰度的變化最明顯，本系統(tǒng)的邊緣檢測(cè)就是基于圖像中物體的邊緣的灰度差異而設(shè)計(jì)的 。 這些算子各具特色，各有特點(diǎn)，本次設(shè)計(jì)采用的是 sobel算子 ，因?yàn)?Sobel 算子比較簡(jiǎn)單，同時(shí)可以很好的檢測(cè)出邊緣和抑制圖像的噪聲 ，經(jīng)過多次驗(yàn)證，此算法處理的效果比較好，能夠準(zhǔn)確定位車牌，從而為車牌的準(zhǔn)確分割打下基礎(chǔ)。 該方法由于采用了多層感知器，定位比較準(zhǔn)確，但對(duì)彩色圖像要求比較高，彩色圖像邊緣顏色差別必須比較大。 該方法定位比較準(zhǔn)確，但 抗干擾能力差，反應(yīng)速度慢，要求圖像噪聲干擾比較小。 車牌上下邊界定位 (1)首先 對(duì)邊緣檢測(cè)后的 圖像進(jìn)行從下至上水平直線掃描。 (3)當(dāng) bottomflag=0 時(shí) (車牌尚未找到 )且 首個(gè) count[i]bottomtest 的行，確定車牌底 i 行 ， 且置 bottomflag 為 1。 bottomtest 和 toptest 的值由一定量的實(shí)驗(yàn)確定，本文設(shè)為 28。 車牌左右邊界定位 (1)首先對(duì) 邊緣檢測(cè) 后圖像進(jìn)行從左到右垂直直線掃描。 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 26 (3)根據(jù) 車牌的實(shí)際 字符 寬高比是 430:90，結(jié)合上下邊界定位時(shí)求出的車牌的高度 plateheight，算出車牌寬度 platewidth。 (4)計(jì)算整個(gè)臨時(shí)車牌區(qū)域內(nèi)的黑白跳變次數(shù) 賦給 AreaCount，如果AreaCount28*plateheight， 則 左邊界定位錯(cuò)誤，重置標(biāo)志為 leftflag=0，繼續(xù)尋找左邊界。 (6)定位右邊界的方法與左邊界 相同 。 應(yīng)用此 算法進(jìn)行車牌定位的效果如圖 43。 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 27 對(duì)圖像進(jìn)行從下至上 水平直線掃描 每行黑 白 值改變次數(shù)賦給 count[i]，bottomflag==topflag==0 表示上下邊界未找到 count[i]toptest bottom=i， bottomflag=1 bottomflag==0amp。count[i]bottomtest N Y top=i， topflag=1 bottomtop20 車牌上邊界為 top，下邊界為 bottom N 圖 44車牌上下邊界定位流程圖 Y 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 28 對(duì)圖像進(jìn)行 從左 至 右 垂直直線掃描 每行黑 白 值改變次數(shù)賦給 count[m]，leftflag=0 表示左邊界未找到 計(jì)算得到臨時(shí)右邊界 right left=i， leftflag=1 leftflag==0amp。count[m]lefttest N Y 計(jì)算左右邊界區(qū) 域跳變點(diǎn)數(shù)，賦給 AreaCount AreaCount28*plateheight？ 左邊界為 left Y N 計(jì)算左邊界右邊兩個(gè)字符區(qū)域跳變點(diǎn)數(shù)，賦給temparray temparray7* plateheight？ Y N 圖 45左邊界定位流程圖 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 29 第五章 車 牌字符識(shí)別 及實(shí)現(xiàn) 車牌字符識(shí)別是 本次 設(shè)計(jì)的最終工作，車牌定位為車牌識(shí)別做了必要的準(zhǔn)備工作，字符識(shí)別首先要進(jìn)行字符分割，即從圖像中分割出來字符，其次，將字符轉(zhuǎn)化成文本字符。為了辨別和分析圖像中的目標(biāo)，需要將他們分離出來，并且為進(jìn)一步識(shí)別和理 解圖像打下基礎(chǔ)。 圖像分割是 建立在像素間的“相似性”和“非連續(xù)性”的特點(diǎn)上，相似性是指圖像上某個(gè)區(qū)域內(nèi)像素具有某種相似的特性，非連續(xù)性是指像素灰度的不連續(xù)，形成跳變的階躍，或是像素紋理結(jié)構(gòu)的突變。 車牌字符分割 車牌字符特征 車牌圖像分割中重要的就是分割車牌字符，在分割字符的過程中要充分考慮到許多問題，其中比較重要的問題是車牌的邊框會(huì)造 成分割不正確，其次，車牌的干凈程度和光照程度低，車牌傾斜等都會(huì)造成車牌的錯(cuò)誤分割，還有車牌的字符之間的間隔符 (小圓點(diǎn) )對(duì) 也會(huì)對(duì)分割效果產(chǎn)生重要的影響 。經(jīng)過大量理論研究 以及系統(tǒng)驗(yàn)證 ，本文所 采用比例先驗(yàn)知識(shí)與投影相結(jié)合的車牌字符分割方法得到的效果不錯(cuò)。實(shí)際生活中，牌照基本都符合國(guó)家規(guī)定的標(biāo)準(zhǔn)，如牌照共有字符 7 個(gè)，輪廓長(zhǎng)一般為 430mm，寬一般為 140mm，字符總長(zhǎng)度為 409mm，單個(gè)字符高 90mm，寬 45mm，字符間距 12mm（第二、三字符間距 34mm，中間小圓點(diǎn)寬 10mm，小圓點(diǎn)距兩邊字符距離為 12mm），首位為漢字（省簡(jiǎn)稱），第二位為英文字母，第三位為英文字母或者數(shù)字，第四位到第七位均為阿拉伯?dāng)?shù)字。 車牌字符分割算法 (1)車牌圖像預(yù)處理 車牌圖像 進(jìn)行 灰度化，灰度拉伸，二值化 。 (2)根據(jù)垂直投影進(jìn)行字符粗分割 從左至右 掃描車牌圖像，統(tǒng)計(jì)每一列的跳變點(diǎn)數(shù)， 賦給 whitecount[i],i為對(duì)應(yīng)的列，如果 whitecount[i]0,視為找到第一個(gè)字符左邊界；繼續(xù)向右掃描，若 whitecount[i]=0， 視為找到第一個(gè)字符右 邊界；依次進(jìn)行此操作，記錄所有字符區(qū)域的左右邊界。從右至左的前六個(gè)字符是英文和數(shù)字，只有漢字區(qū)域可能出現(xiàn)左右或左中右結(jié)構(gòu)，可能出現(xiàn)分割錯(cuò)誤。 字符分割流程圖如圖 51 所示。 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 31 找到字符的左邊界， startflag=1(表示左邊界找到 )， startline(flagcount)=i 對(duì)圖像進(jìn)行 從左 至 右 垂直直線掃描 將每列白色像素點(diǎn)數(shù)賦給 whitecount[i] whitecount[i]0 amp。startflag==0？ N Y 找到字符的右邊界， endflag=1(表示 右邊界找到 )， endline(flagcount++)=i whitecount[i]==0amp。startflag==1？ Y N 遍歷 startline 和 endline，先輸出漢字和六個(gè)字符 whitecount[i]0amp。startflag==1amp。endflag==0？ Y N 圖 51字符分割 流程圖 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 32 圖 52 字符分割 車牌字符識(shí)別 車牌字符識(shí)別屬于光學(xué)字符識(shí)別 (Optical Character Recognition)的 范圍， ORC是一門非常 綜合的學(xué)科，是圖像處理、概率論、信息論、語言學(xué)等學(xué)科的綜合，它 主要包括 誤識(shí)率、識(shí)別速度、 拒識(shí)率、 穩(wěn)定性、易用性等 指標(biāo)。 (2)車牌二值化的效果比較差，難以識(shí)別。 (4)有些車牌字符 比較相似 ， 難以識(shí)別， 如“ Q”和“ O” ，“ 8”和“ B”等； 車牌 字符識(shí)別 雖然存在上述識(shí)別困難，但是也存在優(yōu)點(diǎn)，比如車牌字符數(shù)量少，一般只有 7 個(gè)字符，而且 7 個(gè)字符中共有 50 個(gè)漢字字符樣本， 10 個(gè)數(shù)字樣本， 24 個(gè)英文字母樣本（ I， O 除外），因此所需制作的樣本庫(kù)簡(jiǎn)單，這樣處理速度比較快。這 3 類 識(shí)別方法各有特點(diǎn)和優(yōu)勢(shì)，都可以用于字符的識(shí)別，必須根據(jù)字符不同的特征有條件的來進(jìn)行選擇。這種方法抗噪聲干擾能力強(qiáng)，識(shí)別效果比較好 。 結(jié)構(gòu)模式法 模式識(shí)別是用模式的基本組成元素（基元）及其相互間的結(jié)構(gòu)關(guān)系對(duì)模式進(jìn)行描述和識(shí)別的方法。同樣，在實(shí)際應(yīng)用中，抗干擾能力差，不能夠識(shí)別存在較大噪聲的字符。 神經(jīng)網(wǎng)絡(luò) 法具有獨(dú)特的優(yōu)點(diǎn)，主要表現(xiàn)在三個(gè)方面：聯(lián)想存儲(chǔ)功能 ， 自我學(xué)習(xí)功能，快速優(yōu)化的功能，這些功能很強(qiáng)大，能夠提高識(shí)別的效果和速度。 本文的車牌字符識(shí)別方法 正如 3大類的識(shí)別方法各有千秋，本文采用的是模板匹配法，模板匹配法是 是統(tǒng)計(jì)模式 法 和結(jié)構(gòu)模式 法 相結(jié)合的產(chǎn)物，經(jīng)過理論研究和實(shí)驗(yàn)論證，采用模板匹配法進(jìn)行字符的識(shí)別準(zhǔn)確率較高，效果不錯(cuò)。字符圖像的尺寸必不能太大，也不能太小。由于圖像的尺寸基本固定導(dǎo)致模板的尺寸大小也是基本固定的。 字符匹配 將輸入的車牌字符圖形特征與模板庫(kù)中的字符特征做比較，相似度最大者記為最佳匹配。 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 34 第六章 系統(tǒng)測(cè)試及分析 測(cè)試的目的 軟件測(cè)試是對(duì)軟件各個(gè)方面的需求分析，是軟件的性能檢測(cè)，是對(duì)編碼的最終復(fù)審 ，是保證軟件成品質(zhì)量的重要步驟，是實(shí)現(xiàn)軟件經(jīng)濟(jì)價(jià)值的重要保證 。 總之，軟件測(cè)試 是軟件制作過程中必不可少的 。 軟件界面測(cè)試 對(duì)軟件界面進(jìn)行測(cè)試，就是檢查程序運(yùn)行時(shí)，界面中是否有錯(cuò)別字， 是否有 表述不妥的標(biāo)題、標(biāo)簽，或一些顯示的畫面是否 正常。在單擊按鈕時(shí)，鼠標(biāo)移動(dòng)到哪個(gè)按鈕上，該按鈕應(yīng)為高亮度顯示，測(cè)試中反應(yīng)良好。經(jīng)測(cè)試所有的按鈕均能正常使用，所有的功能模塊均能正常運(yùn)作。 南京工程學(xué)院畢業(yè)設(shè)計(jì)說明書（論文） 35 應(yīng)該 說在設(shè)計(jì)完成后，基本上需求功能都已經(jīng)實(shí)現(xiàn)了。而且本系統(tǒng)中模塊比較多，有些功能是互相聯(lián)系的。因此在修改這種功能時(shí)，要注意協(xié)調(diào)統(tǒng)一，在可能影響