【正文】 采用先對(duì)圖像進(jìn)行預(yù)處理，再進(jìn)行二值化操作的方法。 基于彩色分量的定位方法，運(yùn)用基于藍(lán)色像素點(diǎn)統(tǒng)計(jì)特性的方法對(duì)車牌是藍(lán)色的車牌進(jìn)行定位，實(shí)驗(yàn)表明，用該方法實(shí)現(xiàn)的車牌定位準(zhǔn)確率較高。本設(shè)計(jì)雖然只對(duì)藍(lán)底白字車牌進(jìn)行分割識(shí)別，對(duì)黑底白字車牌原則上整個(gè)算法可直接適用，對(duì)白底黑字車牌、黃底黑字車牌，需要對(duì)車牌定位算法進(jìn)行調(diào)整，并將圖像反轉(zhuǎn)，而車牌字符的分割算法仍然行之有效。但是也存在一些不足之處，本文的算法設(shè)計(jì)還需要一些優(yōu)化的地方，比如在字符識(shí)別模板方面，增加易混淆字符的加權(quán)模板，并將識(shí)別出的字符作為模板，從而增大模板的數(shù)量，使得程序的準(zhǔn)確率更高，魯棒性更好。在以后的系統(tǒng)中，可以增加功能得到更多車牌的信息，比如汽車類型，所屬地區(qū)等。致 謝四年的學(xué)習(xí)生活接近尾聲，我感觸頗深，在此，我要感謝所有在學(xué)業(yè)和生活上給予我關(guān)心和幫助的人們。工作初期我是在單位實(shí)習(xí)，老師每周都會(huì)通過(guò)微信、或者電話詢問(wèn)我的進(jìn)展，想法，在指導(dǎo)過(guò)程中對(duì)我的思路進(jìn)行點(diǎn)評(píng)，包括優(yōu)點(diǎn)和不足都會(huì)指出來(lái)，在我設(shè)計(jì)遇到瓶頸的時(shí)候老師會(huì)給我指出一個(gè)方向，然后鼓勵(lì)我嘗試一下。另外，我還要感謝身邊的同學(xué)，我在校外實(shí)習(xí)找資料有時(shí)候會(huì)不方便，他們會(huì)幫我找一些資料然后把有用的再給我發(fā)過(guò)來(lái)，我遇到難題的時(shí)候也會(huì)跟他們討論，共同找出合適的解決方案。最后，我要感謝那些在這一課題中已經(jīng)做出成果的學(xué)者們，我從他們優(yōu)秀的研究成果中借鑒了很多解決問(wèn)題的思路、方法，避免了很多彎路。在設(shè)計(jì)過(guò)程中，我體會(huì)到了MATLAB在圖像處理方面的強(qiáng)大功能以及信息技術(shù)在實(shí)際生活中的廣泛應(yīng)用和優(yōu)越性，對(duì)我們專業(yè)也有了一個(gè)新的認(rèn)識(shí)。參 考 文 獻(xiàn)[1] [D].北京交通大學(xué),2007[2] 余棉水,黎紹飛,[J].機(jī)電工程技術(shù),2003（1）:5556[3] 袁寶民,于萬(wàn)波,[J].大連大學(xué)學(xué)報(bào),2002（2）:612[4] [D].鄭州大學(xué),2000[5] 崔江,[J].計(jì)算機(jī)科學(xué),2002（11）:14[6] 許志影,[J].計(jì)算機(jī)與現(xiàn)代化,2003（4）:6569[7] 樊啟斌,、特點(diǎn)及其應(yīng)用[J].計(jì)算機(jī)應(yīng)用,:2932[8] [J].南京航空航天大學(xué)學(xué)報(bào),:2930[9] [J].計(jì)算機(jī)與現(xiàn)代化,2000（4）[10] [J].計(jì)算機(jī)應(yīng)用研究,1999（5）:6567附 錄MATLAB源代碼function Result = carNumberIdentifier（）%用戶選擇要處理的車牌圖像，設(shè)置只能選擇圖片格式[filename, filepath] = uigetfile（{39。*.tif。*.gif39。All Image Files39。mytitle39。D:\Documents\MATLAB\39。jpg = strcat（filepath, filename）。 figure（1）, imshow（img）。原圖39。 grayimg = rgb2gray（img）。 title（39。）。 title（39。）。robert39。both39。 figure（3）, imshow（edgeimg）。robert算子邊緣檢測(cè)39。 se = [1。 1]。 figure（4）, imshow（erodeimg）。腐蝕后的圖像39。 se = strel（39。, [40,40]）。 figure（5）, imshow（closeimg）。平滑圖像的輪廓39。 bwareaopenimg = bwareaopen（closeimg, 2000）。 title（39。）。 myimg = double（bwareaopenimg）。 for i=1:y for j=1:x if（myimg（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=img（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（myimg（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 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。 b = rgb2gray（a）。39。 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 = d = imerode（d, se）。 end imwrite（d, 39。）。39。 [m, n] = size（d）。 k2 = 1。 j = 1。 end k1 = j。amp。 end k2 = j 1。 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 = 1。 %end if wide y1 % 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 / all y2 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。）。 % 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）。 Result = char（[39。 39。 39。 39。 39。 39。 39。]）。 t = imread（[ii, 39。]）。nearest39。 if l == 1 %第一位漢字識(shí)別 kmin = 37。 elseif l == 2 %第二位 A~Z 字母識(shí)別 kmin = 11。 else l = 3 %第三位以后是字母或數(shù)字識(shí)別 kmin = 1。 end for k2 = kmin : kmax fname = strcat（liccode（k2）, 39。）。 for i = 1 : 40 for j = 1 : 20 SubBw2（i, j）= SegBw2（i, j） SamBw2（i, j）。 for k1 = 1 : 40 for l1 = 1 : 20 if （ SubBw2（k1, l1） 0 | SubBw2（k1, l1） 0 ） Dmax = Dmax + 1。 end Error1 = Error（kmin : kmax）。 findc = find（Error1 == MinError）。 Result（l）= myliccode（findc）。 end figure（17）, subplot（3, 1, 2）, imshow（dw）, title（strcat（39。, ... Result（1）, Result（2）, Result（3）, Result（4）, ... Result（5）, Result（6）, Result（7）））。 flag = 0。 y2 = 。 wide = 0。amp。 end temp = qiege（imcrop（d, [1 1 wide m]））。 if wide y1 amp。 n1 / m1 y2 d（ : , [1 : wide]）= 0。 % 切割出最小范圍 else word = []。 end else word = qiege（imcrop（d, [1 1 wide m]））。 if sum（sum（d））~= 0。 flag = 1。 end end end result = d。 top = 1。 left = 1。 % init while sum（d（top, : ））== 0 amp。 top = m top = top + 1。amp。 end while sum（d（ : , left））== 0 amp。 left n left = left + 1。amp。 end dd = right left。 e = imcrop（d, [left top dd