【正文】 將歸一化的字 符二值圖像與模板庫(kù)中的字符二值化圖像逐個(gè)進(jìn)行匹配，采用相似度的方法計(jì)算車牌字符與每個(gè)模板字符的匹配程度，取最相似的就是匹配。 本文是將待識(shí)別的字符與已經(jīng)存儲(chǔ)在計(jì)算機(jī)中的標(biāo)準(zhǔn)模板進(jìn)行邏輯‘與，運(yùn)算，所有標(biāo)準(zhǔn)模板如圖 1 所示 .而將待識(shí)別字符與標(biāo)準(zhǔn)字符模板進(jìn)行邏輯與’ 運(yùn)算之所以能夠達(dá)到識(shí)別目的，其原理是 :當(dāng)待識(shí)別字符與相應(yīng)的字符模板匹配時(shí)結(jié)果較為清晰，與其余模板匹配時(shí)會(huì)變得很模糊，具體如圖 2所示。, B，和‘ C39。,(c)表示待識(shí)別字符分別與這三個(gè)標(biāo)準(zhǔn)模板進(jìn)行匹配后的結(jié)果 .從上述三幅圖中可以很容易看出，圖 2中的模板‘ A，應(yīng)為待識(shí)別字符的識(shí)別結(jié)果 . 在實(shí)際的識(shí)別過(guò)程中，計(jì)算機(jī)需要一定的判別規(guī)則才可以將正確的識(shí)別結(jié)果自動(dòng)輸出。39。 BW 1=im2bw(I, level) 其中‘ a，表示圖片名稱， `b，表示圖片格式 . 步驟 2：將待識(shí)別字符與標(biāo)準(zhǔn)模板逐一進(jìn)行邏輯‘與’運(yùn)算，即將二值矩陣 D分別與二值矩陣 Bi(i=1,2,3 二 34)進(jìn)行邏輯‘與，運(yùn)算，得到相應(yīng)的二值矩陣Xz。汽車 牌照的字符一般有七個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，緊接其后的為字母與數(shù)字。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(shí)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。 對(duì)于光照條件不理想的圖象，可先進(jìn)行一次圖象增強(qiáng)處 理，使得圖象灰度動(dòng)態(tài)范圍擴(kuò)展和對(duì)比度增強(qiáng)，再進(jìn)行定位和分割，這樣可以提高分割的正確率。但是在設(shè)計(jì)的過(guò)程中發(fā)現(xiàn)，使用另一幅圖像后，識(shí)別效果始終沒(méi)有那么理想。 在車牌字符分割的預(yù)處理中，用到了對(duì)分割出的字符車牌進(jìn)行均值濾波，膨脹或腐蝕的處理。 字符識(shí)別過(guò)程使用的是模板匹配的方法，利用兩幅圖片相減的方法，找到相減后值最小的，即為相似程度最大的。 對(duì)于識(shí)別錯(cuò)誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖象的質(zhì)量；二是牌照字符的分割失敗導(dǎo)致的識(shí)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(shí)別結(jié)果可能發(fā)生混淆的情況。 26 畢業(yè)設(shè)計(jì) 專用紙 第六章 基于 matlab 的程序源代碼 function [d]=main(jpg) I=imread(39。)。title(39。)。 figure(2),subplot(1,2,1),imshow(I1)?；叶葓D 39。 figure(2),subplot(1,2,2),imhist(I1)?；叶葓D直方圖 39。 I2=edge(I1,39。,39。)。title(39。) se=[1。1]。 figure(4),imshow(I3)。腐蝕后圖像 39。 se=strel(39。,[40,40])。 figure(5),imshow(I4)。平滑圖像的輪廓 39。 I5=bwareaopen(I4,2021)。title(39。)。 myI=double(I5)。 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,1)= Blue_y(i,1)+1。%temp 為向量 white_y 的元素中的最大值， MaxY為該值的索引（ 在向量中的位置） PY1=MaxY。amp。 end PY2=MaxY。amp。 end IY=I(PY1:PY2,:,:)。%進(jìn)一步確定 x方向的車牌區(qū)域 for j=1:x for i=PY1:PY2 if(myI(i,j,1)==1) Blue_x(1,j)= Blue_x(1,j)+1。 while ((Blue_x(1,PX1)3)amp。(PX1x)) PX1=PX1+1。 while ((Blue_x(1,PX2)3)amp。(PX2PX1)) PX2=PX21。%對(duì)車牌區(qū)域的校正 28 畢業(yè)設(shè)計(jì) 專用紙 PX2=PX2+2。 t=toc。行方向合理區(qū)域 39。 figure(7),subplot(1,2,2),imshow(dw),title(39。) imwrite(dw,39。)。39。輸入一個(gè)定位裁剪后的車牌圖像 39。 jpg=strcat(filepath,filename)。39。 b=rgb2gray(a)。 .jpg39。 figure(8)。 39。 g_min=double(min(min(b)))。 % T 為二值化的閾值 [m,n]=size(b)。 % d:二值圖像 imwrite(d,39。)。subplot(3,2,2),imshow(d),title(39。) figure(8),subplot(3,2,3),imshow(d),title(39。) % 濾波 h=fspecial(39。,3)。 imwrite(d,39。)。 39。square39。 % 使用一個(gè) 3X3 的正方形結(jié)果元素對(duì)象對(duì)創(chuàng)建的圖像膨脹 % 39。/39。/39。... se=eye(2)。 if bwarea(d)/m/n= 29 畢業(yè)設(shè)計(jì) 專用紙 d=imerode(d,se)。 end imwrite(d,39。)。 39。 [m,n]=size(d)。k2=1。j=1。 end k1=j。amp。 end k2=j1。 d(:,k1+num+5)=0。 % 切割出 7 個(gè)字符 y1=10。flag=0。 while flag==0 [m,n]=size(d)。wide=0。 30 畢業(yè)設(shè)計(jì) 專用紙 end if widey1 % 認(rèn)為是左側(cè)干擾 d(:,[1:wide])=0。 else temp=qiege(imcrop(d,[1 1 wide m]))。 all=sum(sum(temp))。 if two_thirds/ally2 flag=1。 % WORD 1 end d(:,[1:wide])=0。 end end % 分割出第二個(gè)字符 [word2,d]=getword(d)。 % 分割出第四個(gè)字符 [word4,d]=getword(d)。 % 分割出第六個(gè)字符 [word6,d]=getword(d)。 figure(9),imshow(word1),title(39。)。239。 figure(11),imshow(word3),title(39。)。439。 figure(13),imshow(word5),title(39。)。639。 figure(15),imshow(word7),title(39。)。 31 畢業(yè)設(shè)計(jì) 專用紙 % 商用系統(tǒng)程序中歸一化大小為 40*20,此處演示 word1=imresize(word1,[40 20])。 word3=imresize(word3,[40 20])。 word5=imresize(word5,[40 20])。 word7=imresize(word7,[40 20])。139。 subplot(3,7,9),imshow(word2),title(39。)。339。 subplot(3,7,11),imshow(word4),title(39。)。539。 subplot(3,7,13),imshow(word6),title(39。)。739。 imwrite(word1,39。)。39。 imwrite(word3,39。)。39。 imwrite(word5,39。)。39。 imwrite(word7,39。)。039。939。A39。Z39。蘇豫陜魯 39。 %建立自動(dòng)識(shí)別字符代碼表 SubBw2=zeros(40,20)。 for I=1:7 ii=int2str(I)。.jpg39。 SegBw2=imresize(t,[40 20],39。)。 kmax=40。 kmax=36。 kmax=36。字符模板 \39。.jpg39。 SamBw2 = imread(fname)。 end end % 以上相當(dāng)于兩幅圖相減得到第三幅圖 Dmax=0。 end end end Error(k2)=Dmax。 MinError=min(Error1)。 l=l+1。車牌號(hào)碼 : 陜 A B A 2 2 339。 %子程序：（ getword 子程序） function [word,result]=getword(d) word=[]。y1=8。 33 畢業(yè)設(shè)計(jì) 專用紙 while flag==0 [m,n]=size(d)。 while sum(d(:,wide+1))~=0 amp。 wide=n2 wide=wide+1。 [m1,n1]=size(temp)。amp。 if sum(sum(d))~=0 d=qiege(d)。flag=1。 d(:,[1:wide])=0。 d=qiege(d)。 else d=[]。 % （ qiege 子程序 ） function e=qiege(d) [m,n]=size(d)。bottom=m。right=n。amp。 end while sum(d(bottom,:))==0 amp。 bottom1 bottom=bottom1。amp。 end while sum(d(:,right))==0 amp。 right=1 right=right1。 hh=bottomtop。 已查閱的主要參考文獻(xiàn) （一）專著 [1]徐飛 施曉紅等編著， MATLAB 應(yīng)用圖像處理 西安電子科技大學(xué)出版社 2021 [2]王嘉梅 .基于 MATLAB 的數(shù)字信號(hào)處理與實(shí)踐開(kāi)發(fā) 西安電子科技大學(xué) 2021 [3]樓舜天 姚若玉 沈俊霞編著 MATLAB 程序設(shè)計(jì)語(yǔ)言 西安電子科技大學(xué)出版社 2021 [4]阮秋琦 數(shù)字圖像處理基礎(chǔ) 清華大學(xué)出版社 2021 [5] 劉允才 . 智能交通國(guó)際發(fā)展概況和國(guó)內(nèi)優(yōu)先考慮的課題 [J]. 公路 ,2021,11(11):2634. [6] 張宏林 .精通 Visual C++數(shù)字圖像模式識(shí)別技術(shù)及工程實(shí)踐 [M]:第 2版 .北京 :人民郵電出版社 ,2021. 35 畢業(yè)設(shè)計(jì) 專用紙 [6] 鄭南寧 ,張西寧 ,戴瑩 ,朱海安 .行駛車輛牌照自動(dòng)識(shí)別系統(tǒng) [J].西安交通大學(xué)學(xué)報(bào) ,1991,l:4353. (二 )論文集 [1] 鄭影 .基于 VC++的汽車牌照定位與識(shí)別系統(tǒng)的設(shè)計(jì) [D].吉林大學(xué)碩士學(xué)位論文 ,2021. [2]基于數(shù)字信號(hào)處理的車牌定位與識(shí)別 廣東工業(yè)大學(xué)碩士學(xué)位論文 2021 （三）期刊報(bào)紙 [1] 張儉鴿 ,李娜 .車牌定位在 VC 中的實(shí)現(xiàn) [J].中國(guó)科技信息 ,2021, (13):123124. [2] 張麗偉 ,張晶 .基于圖像處理的車牌定位方法的研究 [J].長(zhǎng)春工程學(xué)院學(xué)報(bào) (自然科學(xué)版 ),2021,10(2):100