【正文】 中心的區(qū)域最小值與圖像在x處的垂直投影進(jìn)行比較，如果相等，則 判斷x才是真正的分割點(diǎn)坐標(biāo)。該方法利用車牌字符等寬，排列規(guī)則的特點(diǎn)，引入模板，并使用該模板與豎直積分投影曲線匹配，計(jì)算最佳匹配位置，從而得到字符分割的準(zhǔn)確結(jié)果。首先對(duì)字符外輪廓垂直距離采用尺度自適應(yīng)三次B樣條小波變換進(jìn)行字符的粗分割：然后應(yīng)用基于目標(biāo)占有率模板匹配的字符識(shí)別反饋進(jìn)行字符的精分割，使字符分割效果好?？紤]到一般字符分割采用灰度處理方法丟失了很多顏色信息，而采用一種基于模糊神經(jīng)網(wǎng)絡(luò)的算法，充分利用車牌的顏色信息，根據(jù)車牌底色對(duì)不同分量進(jìn)行加強(qiáng)，并將顏色信息作為模糊神經(jīng)網(wǎng)絡(luò)的輸入量，最后進(jìn)行字符分割。另外在國(guó)外許多國(guó)家車牌的底色和字符顏色通常只有對(duì)比度較強(qiáng)的兩種顏色(例如韓國(guó)，其車牌底色為紅色，車牌的字符為白色)，我國(guó)汽車牌照僅底色就有藍(lán)、黃、黑、白等多種顏色，字符顏色也有黑、紅、白等若干種顏色。這都在很大程度上加大了車牌字符分割的難度。 以上種種分割方法實(shí)現(xiàn)方式雖然各式各樣，但歸結(jié)起來總是基于幾個(gè)基本點(diǎn)： (1)車牌區(qū)域的垂直投影呈現(xiàn)明顯的波峰和波谷，波峰即為字符區(qū)域，波谷基本上都是字符間的間隙。 (3)字符比例固定。標(biāo)準(zhǔn)字符不包含字符“I”，故可以不考慮這種情況。如果單純地使用顏色對(duì)特征點(diǎn)進(jìn)行投影以精確定位車牌邊界時(shí)，由于顏色判斷的精確度的誤差和顏色對(duì)干擾點(diǎn)的存在，本應(yīng)連續(xù)的字符邊緣可能會(huì)有斷裂，而不應(yīng)是字符邊緣的卻有可能存在干擾點(diǎn)。而將車牌區(qū)域二值化后，由于字符顏色與車牌底色的強(qiáng)烈色彩反差，字符與底色呈現(xiàn)兩極化。對(duì)這樣的圖像進(jìn)行投影得不到精確定位需要的信息。 通過以上的分析，最終結(jié)合以上所有特點(diǎn)，本文提出了幾種算法。而對(duì)于去噪一步，需要花一點(diǎn)心思。對(duì)于我們的車牌識(shí)別程序，干擾我們的通常會(huì)有光照、車牌上的污點(diǎn)等等，這些干擾通常會(huì)使用普通圖像處理手段來解決，比如用高斯等平滑濾波，用直方圖均衡化等。就是車牌的邊沿、螺絲等等，這些是幾乎每個(gè)車都有給出一個(gè)網(wǎng)上摘錄下來的車牌！圖 6 標(biāo)準(zhǔn)的車牌Fig 6 Standard plate我們可以看到，盡管車牌已經(jīng)比較完美地定位（切割）了出來，但是對(duì)于提取純字符任務(wù)來說，我們還面臨著邊沿、螺絲、空隙等挑戰(zhàn)。然后我們可以對(duì)此二值矩陣分別對(duì)行、列進(jìn)行求和統(tǒng)計(jì)。我們分別對(duì)二值化結(jié)果分別做一個(gè)行、列的求和統(tǒng)計(jì)，并疊加得出圖 8的結(jié)果：紅色代表對(duì)各行數(shù)值求和結(jié)果、藍(lán)色代表對(duì)各列求和結(jié)。通過紅色曲線，我們已經(jīng)可以輕易地去掉上下區(qū)域的直線。而對(duì)于藍(lán)色曲線，不能盲目地copy水平切割的方法。經(jīng)比較后不難發(fā)現(xiàn)，因?yàn)镸與0這兩個(gè)字母中間是空心的，所以曲線波動(dòng)較大。以下是代碼摘要：seg_target=sum_cols = (sum(sum_cols)/length(sum_cols))。bgs_img(i,:)]。nb_char = 0。temp_char = zeros(size(preseg_bgs_img,1),1)。 temp_char = [temp_char,preseg_bgs_img(:,i)]。amp。 if size(temp_char) 10 nb_char = nb_char + 1。 end temp_char = zeros(size(preseg_bgs_img,1),1)。其實(shí)不應(yīng)該設(shè)定一個(gè)固定閾值，而是根據(jù)不同圖片計(jì)算出不同的閥值。這種傻瓜程序，最要命的地方莫過于其工作環(huán)境必須很優(yōu)越：對(duì)齊了的車牌牌照、盡量減少的燈光影響等，其實(shí)實(shí)用性基本沒有。還有一個(gè)可以改進(jìn)的地方是，圖像在進(jìn)入之前最好先做歸一化處理，即大小和顏色等?？傁胫@是很簡(jiǎn)單的事情，卻處處需要自己打點(diǎn)，考慮各種情況等。 最后放上已經(jīng)寫好的function，進(jìn)行調(diào)用就可以了！現(xiàn)在放出寫好的function，如下調(diào)用：[number_char, outstanding_char] = Seg_Char(original_image,disp)。5車牌字符分割算法實(shí)現(xiàn)5．1MATLAB的開發(fā)環(huán)境本文字符分割技術(shù)主要使用的是MATLAB軟件進(jìn)行操作的，MATLAB是由美國(guó)mathworks公司發(fā)布的主要面對(duì)科學(xué)計(jì)算、可視化以及交互式程序設(shè)計(jì)的高科技計(jì)算環(huán)境。MATLAB的基本數(shù)據(jù)單位是矩陣，它的指令表達(dá)式與數(shù)學(xué)、工程中常用的形式十分相似，故用MATLAB來解算問題要比用C，F(xiàn)ORTRAN等語言完成相同的事情簡(jiǎn)捷得多，并且MATLAB也吸收了像Maple等軟件的優(yōu)點(diǎn),使MATLAB成為一個(gè)強(qiáng)大的數(shù)學(xué)軟件?？梢灾苯诱{(diào)用,用戶也可以將自己編寫的實(shí)用程序?qū)氲組ATLAB函數(shù)庫(kù)中方便自己以后調(diào)用，此外許多的MATLAB愛好者都編寫了一些經(jīng)典的程序，用戶可以直接進(jìn)行下載就可以用。MATLAB由一系列工具組成。包括MATLAB桌面和命令窗口、歷史命令窗口、編輯器和調(diào)試器、路徑搜索和用于用戶瀏覽幫助、工作空間、文件的瀏覽器。而且新版本的MATLAB提供了完整的聯(lián)機(jī)查詢、幫助系統(tǒng)，極大的方便了用戶的使用。 (2)簡(jiǎn)單易用的程序語言。用戶可以在命令窗口中將輸入語句與執(zhí)行命令同步，也可以先編寫好一個(gè)較大的復(fù)雜的應(yīng)用程序（M文件）后再一起運(yùn)行。使之更利于非計(jì)算機(jī)專業(yè)的科技人員使用。 (3)強(qiáng)大的科學(xué)計(jì)算機(jī)數(shù)據(jù)處理能力。其擁有600多個(gè)工程中要用到的數(shù)學(xué)運(yùn)算函數(shù)，可以方便的實(shí)現(xiàn)用戶所需的各種計(jì)算功能。在通常情況下，可以用它來代替底層編程語言，如C和C++ 。MATLAB的這些函數(shù)集包括從最簡(jiǎn)單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復(fù)雜函數(shù)。 (4)出色的圖形處理功能:MATLAB自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來，并且可以對(duì)圖形進(jìn)行標(biāo)注和打印?？捎糜诳茖W(xué)計(jì)算和工程繪圖。同時(shí)對(duì)一些特殊的可視化要求，例如圖形對(duì)話等，MATLAB也有相應(yīng)的功能函數(shù)，保證了用戶不同層次的要求。 (5)應(yīng)用廣泛的模塊集合工具箱。一般來說，它們都是由特定領(lǐng)域的專家開發(fā)的，用戶可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評(píng)估不同的方法而不需要自己編寫代碼。 （6）實(shí)用的程序接口和發(fā)布平臺(tái)。允許用戶編寫可以和MATLAB進(jìn)行交互的C或C++語言程序。MATLAB的一個(gè)重要特色就是具有一套程序擴(kuò)展系統(tǒng)和一組稱之為工具箱的特殊應(yīng)用子程序。 （7）應(yīng)用軟件開發(fā)（包括用戶界面）。 車牌定位與字符分割軟件主要流程如下：(1)圖片導(dǎo)入：直接讀入計(jì)算機(jī)中保存的jpg圖片或者bmp圖片，圖片來源不限，給出圖片絕對(duì)路徑即可。首先對(duì)原始圖片進(jìn)行HSI空間的圖像增強(qiáng)，然后假設(shè)當(dāng)前為藍(lán)自車牌，取藍(lán)白特征點(diǎn)并對(duì)藍(lán)白特征點(diǎn)圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)操作，根據(jù)車牌的長(zhǎng)寬比信息剔除偽年牌區(qū)域；再假設(shè)當(dāng)前為黑白年牌、黃黑年牌，使用同樣的方法處理得到車牌區(qū)域。(4)字符分割：傾斜校正后車牌周圍會(huì)有～部分邊緣區(qū)域，先通過車牌粗定位排除車牌邊緣區(qū)域得到車牌區(qū)域圖像；然后判斷車牌長(zhǎng)寬比是否滿足要求j對(duì)滿足要求的車牌區(qū)域分別進(jìn)行灰度化、灰度拉伸、二值化和邊緣提取后，精確定位字符區(qū)域；在統(tǒng)一車牌底色和字符顏色后，使用動(dòng)態(tài)模板法進(jìn)行字符分割：最后將得到的寧符大小歸一。若圖片背景比較復(fù)雜．車旁及車身后有大量干擾．但是在使用提取顏色對(duì)特征點(diǎn)的方法以后，成功捧除了背景干擾，得到完整的車牌區(qū)域．保證了后續(xù)車牌精確定位和字符分割的順利進(jìn)行。車牌字符區(qū)域精確定位后得到的字符被鉚釘粘蓮，但是通過動(dòng)態(tài)模板法的字符分割仍然準(zhǔn)確地拽到了字符分割線。在程序界面中，由于顯示圖片時(shí)將圖片寬高比例定在3：4．因此圖片在顯示時(shí)有點(diǎn)變形．但不影響處理過程。最后編程實(shí)現(xiàn)了車牌的定位與校正及字符分割，從輸入的車輛圖像中提取出一個(gè)個(gè)獨(dú)立的字符，為以后把分割出的單個(gè)字符輸入字符識(shí)別模塊并得到車牌識(shí)別結(jié)果奠定了基礎(chǔ)。利用車牌圖像中車牌底色和字符顏色的共生和互補(bǔ)的規(guī)律，在HSI空間判斷顏色并提取顏色對(duì)特征點(diǎn), 綜合了車牌的紋理、顏色以及顏色的固定搭配這三個(gè)條件，排除了很多干擾。動(dòng)態(tài)形態(tài)學(xué)算子可以根據(jù)圖像分辨率的不同自行調(diào) 整形態(tài)學(xué)算子尺寸，進(jìn)一步提高了車牌定位的適用范圍。 (2)在車牌的水平傾斜校正過程中，將顏色對(duì)特征點(diǎn)區(qū)域和主成分分析結(jié)合起來運(yùn)用在車牌的水sF校正中，提出了一種基于顏色對(duì)特征點(diǎn)區(qū)域的主成分分析的車牌水平傾斜校正方法。 (3)字符分割中，先根據(jù)車牌的顏色對(duì)特征點(diǎn)連通區(qū)域形狀特性和字符邊緣紋理特性，分別將車牌定位細(xì)分為車牌區(qū)域定位和字符區(qū)域定位。由于顏色對(duì)特征點(diǎn)不連續(xù)，在字符區(qū)域定位及字符分割時(shí)會(huì)造成誤判，因此采用了灰度圖像處理方法得到圖像邊緣信息，再進(jìn)行分析。由于 不同的圖片得到的字符區(qū)域長(zhǎng)寬不統(tǒng)～，顯然傳統(tǒng)的模板法過于呆板，在充分考慮車牌字符的尺寸特征后，提出動(dòng)態(tài)模板字符分割法。然后對(duì)得到的字符進(jìn)行了大小歸一。該軟件包含上述的車牌定位、傾斜校正和字符分割等所有步驟。 現(xiàn)代交通的飛速發(fā)展和車牌識(shí)別技術(shù)應(yīng)用范圍的不斷拓展給車牌識(shí)別提出了更高的要求，然而由于客觀條件及時(shí)問的限制，對(duì)車牌定位和字符分割的研究仍有很多工作需要進(jìn)行。(1)車牌定位之前的圖像預(yù)處理，對(duì)軟件處理的成敗至關(guān)重要。 (2)由于采樣圖片的限制，字符分割中尚沒有碰到漢字被分為兩部分的情況, 以后要加強(qiáng)對(duì)漢字間隔的處理。 (4)本文處理對(duì)象是彩色圖像，彩色圖像數(shù)據(jù)量比灰度圖像大，兇此如何在保證準(zhǔn)確性的同時(shí)提高軟件的實(shí)時(shí)性仍然值得研究。另外，車牌字符識(shí)別也是車牌識(shí)別系統(tǒng)中非常關(guān)鍵的一個(gè)步驟，這面還是有很多工作可以做。行文至此，我的這篇論文已接近尾聲了；歲月如梭，我四年的大學(xué)時(shí)光也即將敲響結(jié)束的鐘聲。生我者父母。是你們，為我的學(xué)習(xí)創(chuàng)造了條件；是你們一如既往的站在我身后默默的支持我。感謝我的指導(dǎo)老師何儒云副教授，這篇論文是在何老師的悉心指導(dǎo)與鼓勵(lì)下完成的。感謝我的同學(xué)們的幫助，感謝信科院2007級(jí)的同學(xué)們。附錄附錄1：源代碼附錄2：相似文獻(xiàn)附錄1 function [d]=main(jpg)I=imread(39。)。title(39。)。figure(2),subplot(1,2,1),imshow(I1)?；叶葓D39。%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])。 %閉運(yùn)算figure(5),imshow(I4)。平滑圖像的輪廓39。I5=bwareaopen(I4,2000)。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)為白色 %則Blue_y的相應(yīng)行的元素white_y(i,1)值加1 white_y(i,1)= white_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) white_x(1,j)= white_x(1,j)+1。 while ((white_x(1,PX1)3)amp。(PX1x)) PX1=PX1+1。 while ((white_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。輸入一個(gè)定位裁剪后的車牌圖像39。jpg=strcat(filepath,filename)。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)。 %BW = im2bw(I, level) 將灰度圖像 I 轉(zhuǎn)換為二進(jìn)制圖像。39。 %matlab里函數(shù)bwarea 計(jì)算目標(biāo)物的面積figure(8),subplot(3,2,4),imshow(d),title(39。)% 某些圖像進(jìn)行操作% 膨脹或腐蝕% se=strel(39。,3)。line39。diamond39。ball39。 % eye(n) returns the nbyn identity matrix 單位矩陣[m,n]=size(d)。 %imerode 實(shí)現(xiàn)圖像腐蝕 d為待處理圖像，se是結(jié)構(gòu)元素對(duì)象elseif bwarea(d)/m/n= d=imdilate(d,se)。39。figure(8),subplot(3,2,5),imshow(d),title(39。)% 尋找連續(xù)有文字的塊，若長(zhǎng)度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割d=qiege(d)。qiege39。%figure(9),subplot(