【正文】 起來比 Sobel 模板更為簡單，此外，該算子沒有將重心放在接近模板中心的像素點上。（4）LOG 算子（拉普拉斯算子）是圖像首先與高斯濾波器進(jìn)行卷積，這一步即平滑了圖像又降低了噪聲，孤立的噪聲點和較小的結(jié)構(gòu)組織將被濾除。拉普拉斯算子是一個線性的、移不變的算子，它的傳輸函數(shù)在頻域空間的點是零，因此拉普拉斯算子濾波過的圖像具有零平均灰度。（5）Canny 算子檢測邊緣的方式是尋找圖像梯度的局部極大值。Canny 算子使用兩個閾值來分別檢測強(qiáng)邊緣和弱邊緣，而且僅當(dāng)弱邊緣與強(qiáng)邊緣相連時，弱邊緣才會包含在輸出中，因此，此方法不容易受噪聲的干擾，能夠檢測到真正的弱邊緣。這種方法不僅在車牌邊緣的提取上用到，在處理汽車圖像也很有用。本文中所用方法是基于圖像的特征來做的，計算了類車牌區(qū)域的特征值，面積、寬和高，在根據(jù)先驗知識的寬高比來定位車牌。disk39。bg=imopen(i,s)。石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計12圖 34　背景圖像（2）原始圖像與背景圖像作減法，對圖像進(jìn)行增強(qiáng)處理，如圖 35 所示bw=imsubtract(i,bg)。 圖 35　增強(qiáng)黑白圖 （3）參考《數(shù)字圖象處理與分析》介紹的圖像二值化最佳閥值計算方法：Level=fmax（fmaxfmin）/3式中 Level 為最佳閥值，fmax 為最大灰度，fmin 為最小灰度。fmax1=double(max(max(bw)))。level=(fmax1(fmax1fmin1)/3)/255。figure,imshow(bw2)。在本文中采用的是 Canny 算子提取邊緣。canny39。 title(39。)。rectangle39。figure,imshow(bg1)。圖像閉運算[5,19]39。bg3=imopen(bg1,strel(39。,[5,19]))。 title(39。)。rectangle39。 figure,imshow(bg2)。圖像開運算[19,1]39。石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計14圖 37　邊緣提取圖 38　閉運算石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計15圖 39　開運算圖 310　開運算Canny 算子提取邊緣能有效檢測出車牌區(qū)域的紋理特征，而采用 [5，19]的矩形運算子能有效的將車牌區(qū)域連接成片，去除非車牌區(qū)域。　車牌提取確定思路：對二值圖像進(jìn)行區(qū)域提取，并計算區(qū)域特征參數(shù)。并根據(jù)先驗知識和調(diào)試中的經(jīng)驗，設(shè)定了車牌長寬的范圍作為判斷依據(jù)。然后計算每個區(qū)域的圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形、面積。如圖 312圖 312　灰度子圖和二值子圖石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計17第 4章　車牌字符分割車牌定位后的下一步是字符分割。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識別。　計算車牌水平投影經(jīng)過上面一系列預(yù)處理后，得到的是一條上下邊緣緊貼字符的水平二值圖像，如上圖 311 所示。 histrow=sum(sbw139。figure,subplot(2,1,1),bar(histcol1)。垂直投影（含邊框）39。subplot(2,1,2),bar(histrow)。水平投影（含邊框）39。石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計18圖 41　車牌二值子圖 對水平投影進(jìn)行峰谷分析,計算出車牌上邊框、車牌字符投影、車牌下邊框的石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計19（波形峰上升點、峰下降點、峰寬、谷寬、峰間距離、峰中心位置等）參數(shù)。下面需對矯正處理后的水平投影數(shù)據(jù)進(jìn)行分析處理，計算出上下邊框位置、字符高度、字符頂行與尾行，分析原理如圖 43 所示。MATLAB 實現(xiàn)程序如下：meanrow=mean(histrow)。levelrow=(meanrow+minrow)/2。l=1。 else if count1=1 markrow(l)=k。 %谷寬度（下降點至下一個上升點） l=l+1。 endendmarkrow2=diff(markrow)。n1=n1+1。markrow1(l)=count1。for k=1:n1 markrow3(k)=markrow(k+1)markrow1(k+1)。 %峰寬度（上升點至下降點） markrow5(k)=markrow3(k)double(uint16(markrow4(k)/2))。findc=find(markrow2==maxhight)。rowbot=markrow(findc+1)markrow1(findc+1)。 %子圖為(rowbotrowtop+1)行maxhight=rowbotrowtop+1。 %計算垂直投影figure,subplot(2,1,1),bar(histcol)。垂直投影（去水平邊框后）39。subplot(2,1,2),imshow(sbw2)。車牌字符高度： 39。Color39。r39。石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計22圖 44車牌字符高度從上圖可見，車牌去水平邊框后，垂直投影已經(jīng)非常清晰，可以明顯看出車牌字符間隔、左邊框、右邊框位置。石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計23 字 符 寬 字 符 寬 左 邊 谷 寬 度 Markcol1(k) 峰 上 升 點 Markcol (k) 峰 寬 度 Markcol4(k) 峰 下 降 點 Markcol3(k) 峰 距 離 Markcol2(k) 峰 中 心 Markcol5(k) 谷 寬 度 Markcol1(k+1) 峰 上 升 點 Markcol (k+1) 右 邊 峰 中 心 Markcol5(k) 峰 中 心 距 離 Markcol6(k) 圖 45　垂直投影分析計算示意根據(jù)垂直投影分析計算原理，因為谷值近似為 0，取閥值 Level = （投影均值+投影最小值）/4 。MATLAB 實現(xiàn)程序如下：%對垂直投影進(jìn)行峰谷分析meancol=mean(histcol)。levelcol=(meancol+mincol)/4。l=1。 else if count1=1 markcol(l)=k。 %谷寬度（下降點至下一個上升點） l=l+1。 endendmarkcol2=diff(markcol)。n1=n1+1。markcol1(l)=count1。% 計算車牌上每個字符中心位置，計算最大字符寬度 maxwidthl=0。 %字符下降點 markcol4(k)=markcol3(k)markcol(k)。 %字符中心位置end markcol6=diff(markcol5)。 %查找最大值，即為第二字符與第三字符中心距離findmax=find(markcol6==maxs)。 %將最大值清 0maxwidth=max(markcol6)。采用如下石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計25MATLAB 實現(xiàn)：figure。 cright=markcol5(k)+maxwidth/22。 SegBw1=sbw(rowtop:rowbot,cleft:cright)。 %變換為 32 行*16 列標(biāo)準(zhǔn)子圖 subplot(2,n1,l),imshow(SegGray)。車牌字符寬度： 39。Color39。r39。 end subplot(2,n1,n1+l),imshow(SegBw2)。end程序中 markcol5 為字符峰中心位置， maxwidth 為字符寬度，(rowbot –rowtop+1) 為字符高度，SegGray 為分割出的車牌灰度圖像，SegBw1 為二值圖像，大小為(rowbot –rowtop+1)行* maxwidth 列，SegBw2 為歸一化二值圖像，大小為 32 行*16列。歸一化包括位置的歸一化和大小的歸一化。實現(xiàn)程序中采用 markcol5 字符峰中心位置來實現(xiàn)位置定位歸一化。實現(xiàn)程序中采用空間變換將分割出的大小為(rowbot –rowtop+1)行* maxwidth 列的二值圖像 SegBw1 歸一化為大小為 32 行*16 列的二值圖像 SegBw2。早在 1929 年 Tauschek 就試圖用模板匹配的方法來識別十個印刷替阿拉伯?dāng)?shù)字，在文字識別的真正發(fā)展還是在計算機(jī)科學(xué)技術(shù)有了長足的進(jìn)步之后。模式識別主要用兩類方法進(jìn)行，統(tǒng)計方法和結(jié)構(gòu)方法，許多具體的模式識別方法都可以歸結(jié)到這兩種方法中來。下面簡單介紹幾種已有的車牌字符識別的方法。模板匹配對噪聲很敏感，而且對字符的字體風(fēng)格不具有適應(yīng)性。（2）　特征分析匹配的方法這類方法是基于特征平面來進(jìn)行匹配的，是使用率較高的一種方法，相比較于模板匹配而言，它能更好的獲得字符的特征，有的特征對噪聲是不明顯的。訓(xùn)練已有的樣本，從而構(gòu)建一個穩(wěn)定的神經(jīng)網(wǎng)絡(luò)來進(jìn)行識別?！∧０迤ヅ?　建立樣本庫根據(jù)實際情況，將部分地區(qū)的汽車牌照單個字符進(jìn)行編輯，建立一個車牌照識別樣本庫，樣本庫可利用繪圖工具建立，字符根據(jù)實際情況設(shè)定大??；并將樣本庫石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計28放入文檔中以備自動識別時使用。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計29第 6章　結(jié)　論本文主要針對對車牌識別系統(tǒng)的軟件部分進(jìn)行了研究和編譯，分別從圖像預(yù)處理、車牌定位、字符分割以及字符識別等方面進(jìn)行了分析。本文設(shè)計了一個汽車牌照自動識別系統(tǒng)，包括圖像預(yù)處理、車牌定位、字符分割及車牌識別。最后利用二次水平投影方法對車牌照字符進(jìn)行了分割。石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計30參考文獻(xiàn)[1] [J].～6[2] 劉智勇,（LPR）中的圖像提取及分割[J].中文信息學(xué)報，(4):29～34[3] 張禹,馬駟良,韓笑,[J].44 卷第 3 ～410[4] 劉佐濂,鄧榮標(biāo), [J].2022（23 期）9～12[5] [J].～45[6] 韓勇強(qiáng),[M].微型電腦運用，～65[7] 王枚,[J]. 37卷第 1 ～4[8] 賀興華,周媛媛, 圖像處理[M].人民郵電出版社,～100[9] 龔聲蓉,劉純平,王強(qiáng). 數(shù)字圖象處理與分析[M]. ～29[10] 劉陽,[J].～68[11] [M].～261[12] —數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用[M].[13] 袁志偉,[J].(2): 56～60[14] 梁瑋,羅劍鋒,[D]. 2022[15] 羅希平,[J].模式識別與人工智能，(3): 300～312[16] 張興會,劉玲,[J].系統(tǒng)工程與電子技術(shù).(2): 237～239[17] 葉晨洲,楊杰,[J].(34)： 672～675[18] 魏武,黃心漢,中國公路學(xué)報, 2022.(4).8890[19] ， Techniques for Analog And Digitial Ciruits,McGrawHill [20] ANALOG technology of AT89C51[EB/OL].White Paper,石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計31致　謝在整個畢業(yè)設(shè)計中,我的指導(dǎo)老師鄭偉副教授給予了我很細(xì)心的指導(dǎo),從選題到完成論文,鄭老師都給了我很多中肯的意見,鄭老師又幫我解決了疑難,在關(guān)鍵問題上點撥了我,我向鄭老師表示我最衷心的敬意和感謝。 Next, want to from containing the plex background plate information segment the license plate area。s installations.2. The license plate identification technique research status:Current license plate recognition system can be widely used in the following fields:(1) the freeway tolling management system: in the expressway toll collection plete license number respectively, and exportIdentify and license plate matching work. The vehicles can be found that the change to the card act, the cashier at frauds,Maintain owner interests。(3) by road vehicle plate recognition technology have been supervised, and to realize the automatic identification and key vehicle... speed alarmProces