基于MATLAB軟件的車(chē)牌識(shí)別畢業(yè)論文

1、基于MATLAB軟件的車(chē)牌識(shí)別作者： 林維泉 學(xué)號(hào)：02101237作者： 孔方方 學(xué)號(hào)：02101273學(xué)院(系)：電子工程學(xué)院 專業(yè)：電子信息工程題目：基于matlab的車(chē)牌識(shí)別指導(dǎo)教師：潔職稱：教授2013年5月29 / 33摘要隨著經(jīng)濟(jì)社會(huì)的發(fā)展與人們生活水平的提高，機(jī)動(dòng)車(chē)輛的數(shù)量越來(lái)越多，給交通管理帶來(lái)了很大的壓力，所以，我們必須找到一種方法來(lái)解決這個(gè)問(wèn)題。因?yàn)檐?chē)牌號(hào)的重要地位，我們第一個(gè)想到就是設(shè)法利用車(chē)牌號(hào)來(lái)對(duì)車(chē)輛進(jìn)行管理，所以車(chē)牌提取應(yīng)運(yùn)而生，用來(lái)提高汽車(chē)的安全管理水平與管理效率。車(chē)牌識(shí)別系統(tǒng)主要包括了圖像采集、圖像預(yù)處理、車(chē)牌定位、字符分割、字符識(shí)別等五大核心部分。關(guān)鍵詞：M

2、ATLAB、圖像預(yù)處理、車(chē)牌識(shí)別與分割目 錄1. 緒論11.1 本課題的研究背景11.2 國(guó)外發(fā)展?fàn)顩r31.3 主要應(yīng)用領(lǐng)域51.4 設(shè)計(jì)原理62. MATLAB簡(jiǎn)介72.1 MATLAB發(fā)展歷史73各模塊的實(shí)現(xiàn)113.1設(shè)計(jì)方案113.2圖像預(yù)處理113.2.1圖像灰度化113.2.2圖像的邊緣檢測(cè)123.3車(chē)牌定位和分割143.3.1車(chē)牌的定位153.3.2車(chē)牌的分割163.3.3對(duì)定位后的彩色車(chē)牌的進(jìn)一步處理173.4字符的分割和歸一化處理17 3.4.1字符的分割18 3.4.2字符的歸一化處理193.5 字符的識(shí)別194實(shí)驗(yàn)結(jié)果和分析225實(shí)驗(yàn)總結(jié)24致25參考文獻(xiàn)26程序附錄27第

3、一章 緒論1.1 本課題的研究背景隨著經(jīng)濟(jì)社會(huì)的發(fā)展與人們生活水平的提高，機(jī)動(dòng)車(chē)輛的數(shù)量越來(lái)越多，給交通管理帶來(lái)了很大的壓力，所以，我們必須找到一種方法來(lái)解決這個(gè)問(wèn)題。因?yàn)檐?chē)牌號(hào)的重要地位，我們第一個(gè)想到就是設(shè)法利用車(chē)牌號(hào)來(lái)對(duì)車(chē)輛進(jìn)行管理，所以車(chē)牌提取應(yīng)運(yùn)而生，用來(lái)提高汽車(chē)的安全管理水平與管理效率。此外，智能交通系統(tǒng)，簡(jiǎn)稱ITS（IntelligentTrafficSystem）已成為現(xiàn)代社會(huì)道路交通發(fā)展趨勢(shì)。智能交通系統(tǒng)，是在當(dāng)代科學(xué)技術(shù)高速發(fā)展的背景下產(chǎn)生的。其目標(biāo)在于將現(xiàn)金的計(jì)算機(jī)處理技術(shù)、數(shù)據(jù)通信技術(shù)、自動(dòng)控制技術(shù)等綜合應(yīng)用于地面交通管理體系，從而建立起一種高效、準(zhǔn)確、實(shí)時(shí)的交通管理系

4、統(tǒng)。公路交通基礎(chǔ)建設(shè)的不斷發(fā)展和車(chē)輛管理體制的不斷完善，為以視覺(jué)監(jiān)控為基礎(chǔ)的智能交通系統(tǒng)的實(shí)際應(yīng)用打下了良好基礎(chǔ)。車(chē)牌號(hào)識(shí)別系統(tǒng)是基于圖像處理技術(shù)的基礎(chǔ)進(jìn)行研究的。本課題圖像處理分為以下幾方面：1.圖像數(shù)字化其目的是將模擬形式的圖像通過(guò)數(shù)字化設(shè)備變?yōu)閿?shù)字計(jì)算機(jī)可用的離散的圖像數(shù)據(jù)。2.圖像變換為了達(dá)到某種目的而對(duì)圖像使用一種數(shù)學(xué)技巧,經(jīng)過(guò)變換后的圖像更為方便、容易地處理和操作。3.圖像增強(qiáng)圖像增強(qiáng)的主要目標(biāo)是改善圖像的質(zhì)量。采用某些處理技術(shù)來(lái)突出圖像中的某些信息,削弱或消除某些無(wú)關(guān)信息,從而有目的地強(qiáng)調(diào)圖像的整體或局部特征，讓觀察者能看到更加直接、清晰的分析和處理圖像。直方圖修正、灰度變換、強(qiáng)

5、化圖像輪廓等都是常用的手段。4.圖像分割在圖像研究和應(yīng)用中,人們往往僅對(duì)圖像的某些部分感興趣。它們一般對(duì)應(yīng)圖像中待定的、具有獨(dú)特性質(zhì)的區(qū)域。圖像分割就是把圖像中需要的那一個(gè)部分分割出來(lái)。5.圖像分析圖像分析的容分為特征提取、圖像分割、符號(hào)描述、和圖像的檢測(cè)與匹配。1.2 國(guó)外的發(fā)展?fàn)顩r在現(xiàn)代化交通系統(tǒng)中，如何快速準(zhǔn)確地提取目標(biāo)車(chē)輛的車(chē)牌信息一直是一個(gè)技術(shù)性難題，它一直制約著交通系統(tǒng)現(xiàn)代化、自動(dòng)化、智能化的發(fā)展腳步。車(chē)牌識(shí)別技術(shù)的研究早在20世紀(jì)90年代就已經(jīng)開(kāi)始了。技術(shù)的核心是通過(guò)對(duì)拍到的車(chē)牌圖像進(jìn)行分析，在非人工千預(yù)的情況下自動(dòng)獲取車(chē)牌信息，從而確定車(chē)輛牌號(hào)。在車(chē)牌識(shí)別系統(tǒng)研究中，許多的新技

6、術(shù)和新方法被不斷地提出并應(yīng)用，例如圖像處理技術(shù)、模糊數(shù)學(xué)理論、神經(jīng)元網(wǎng)絡(luò)算法等等，也有人將一些傳統(tǒng)方式和高新技術(shù)相結(jié)合來(lái)進(jìn)行應(yīng)用，但到目前為止，由于各種客觀的不利環(huán)境因素存在，還沒(méi)有一種解決辦法可以作為最有效的"銀彈，來(lái)解決應(yīng)用中的所有技術(shù)難題，它們?cè)谙到y(tǒng)的準(zhǔn)確性和實(shí)時(shí)性方面雖都有其自己的解決辦法和設(shè)計(jì)方案，但健壯性和魯棒性均達(dá)不到理想要求。因此LPR系統(tǒng)雖然經(jīng)歷了20多年的發(fā)展，依然是一個(gè)能夠被解決但一直沒(méi)有被妥善解決的問(wèn)題。國(guó)外在這方面的研究工作開(kāi)展較早。早在上世紀(jì)70年代，英國(guó)就在實(shí)驗(yàn)室中完成了"實(shí)時(shí)車(chē)牌檢測(cè)系統(tǒng)，的廣域檢測(cè)和開(kāi)發(fā)。同時(shí)代，還誕生了面向被盜車(chē)輛的第一個(gè)

7、實(shí)時(shí)自動(dòng)車(chē)牌監(jiān)測(cè)系統(tǒng)。直至今日，國(guó)外對(duì)車(chē)牌檢測(cè)的研究已經(jīng)取得了一些令人矚目的成就，如YuniaoCul提出了一種車(chē)牌識(shí)別系統(tǒng)，在車(chē)牌定位以后，利用馬爾科夫場(chǎng)對(duì)車(chē)牌特征進(jìn)行提取和二值化，對(duì)樣本的識(shí)別達(dá)到了較高的識(shí)別率。EunRyung等利用圖像中的顏色分量，對(duì)車(chē)輛牌照進(jìn)行定位識(shí)別，其中提到了三種方法:以Hough變換為基礎(chǔ)的邊緣檢測(cè)定位識(shí)別；以灰度值變換為基礎(chǔ)的識(shí)別算法；以HLS彩色模式為基礎(chǔ)的車(chē)牌識(shí)別系統(tǒng)，識(shí)別率分別為81.25%、85%、91.25%。日本對(duì)車(chē)牌圖像的獲取也做了大量的研究，并為系統(tǒng)產(chǎn)業(yè)化做了大量工作。目前，以色列的Hi一Teeh公司研制的多種see/CarSystem，適用于

8、幾個(gè)不同國(guó)家的車(chē)牌識(shí)別。新加坡的vLPRs只適合于新加坡的車(chē)牌。此外日本、德國(guó)等發(fā)達(dá)國(guó)家都有適合自己本國(guó)車(chē)牌的識(shí)別系統(tǒng)。我國(guó)做得較好的產(chǎn)品是中科院自動(dòng)化研究所的"漢王眼"，另外，亞洲視覺(jué)科技、市吉通電子以與交通大學(xué)、清華大學(xué)等高校都做過(guò)類(lèi)似的研究。從目前一些產(chǎn)品的性能來(lái)看，車(chē)牌識(shí)別系統(tǒng)的識(shí)別率和識(shí)別速度都有待提高。因此，研究高速、準(zhǔn)確的定位與識(shí)別算法是當(dāng)前的主要任務(wù)，圖像處理技術(shù)的發(fā)展與計(jì)算機(jī)性能的提高都會(huì)促進(jìn)車(chē)牌識(shí)別技術(shù)的發(fā)展，提高車(chē)牌識(shí)別系統(tǒng)的性能。1.3 主要應(yīng)用領(lǐng)域車(chē)牌自動(dòng)識(shí)別系統(tǒng)具有廣泛的應(yīng)用圍，主要應(yīng)用于：(1)高速公路收費(fèi)、監(jiān)控管理；(2)小區(qū)、停車(chē)場(chǎng)管理；(

9、3)城市道路監(jiān)控、違章管理；(4)車(chē)牌登錄、驗(yàn)證；(5)車(chē)流統(tǒng)計(jì)、安全管理等。車(chē)牌自動(dòng)識(shí)別系統(tǒng)應(yīng)用于這些系統(tǒng)，可以解決通緝車(chē)輛的自動(dòng)稽查問(wèn)題，可以解決車(chē)流高峰期因出入口車(chē)流瓶頸造成的路橋卡口、停車(chē)場(chǎng)交通堵塞問(wèn)題，可以解決因工作人員作弊造成的路橋卡口、高速公路、停車(chē)場(chǎng)應(yīng)收款流失的問(wèn)題，還可以以最簡(jiǎn)單的方式完成交通部門(mén)的車(chē)輛信息聯(lián)網(wǎng)，解決數(shù)據(jù)統(tǒng)計(jì)自動(dòng)化，模糊查詢的問(wèn)題。1.4 設(shè)計(jì)原理汽車(chē)牌照自動(dòng)識(shí)別技術(shù)是一項(xiàng)利用車(chē)輛的動(dòng)態(tài)視頻或靜態(tài)圖像進(jìn)行牌照、牌照顏色自動(dòng)識(shí)別的模式識(shí)別技術(shù)。通過(guò)對(duì)圖像的采集和處理，完成車(chē)牌自動(dòng)識(shí)別功能，能從一幅圖像中自動(dòng)提取車(chē)牌圖像，自動(dòng)分割字符，進(jìn)而對(duì)字符進(jìn)行識(shí)別.第二章

10、MATLAB簡(jiǎn)介2.1 MATLAB發(fā)展歷史簡(jiǎn)介MATLAB軟件是由美國(guó)Mathworks公司推出的用于數(shù)值計(jì)算和圖形處理的科學(xué)計(jì)算系統(tǒng)環(huán)境。MATLAB是英文MATrix LABoratory(短陣實(shí)驗(yàn)室)的縮寫(xiě)。它的第1版(DoS版本1.0)發(fā)行于1984年，經(jīng)過(guò)10余年的不斷改進(jìn)，現(xiàn)今已推出它的WindoM 98/NT版本(6.1版)。新的版本集中了日常數(shù)學(xué)處理中的各種功能，包括高效的數(shù)值計(jì)算、矩陣運(yùn)算、信號(hào)處理和圖形生成等功能。在MATLAB環(huán)境下，用戶可以集成地進(jìn)行程序設(shè)計(jì)、數(shù)值計(jì)算、圖形繪制、輸入輸出、文件管理等各項(xiàng)操作。 MATLAB提供了一個(gè)人機(jī)交互的數(shù)學(xué)系統(tǒng)環(huán)境，該系統(tǒng)的基本

11、數(shù)據(jù)結(jié)構(gòu)是矩陣，在生成矩對(duì)象時(shí)，不要求作明確的維數(shù)說(shuō)明。與利用c語(yǔ)言或FoRTRAN語(yǔ)言作數(shù)值計(jì)算的程序設(shè)計(jì)相比，利用MATLAB可以節(jié)省大量的編程時(shí)間。在美國(guó)的一些大學(xué)里，MATLAB正在成為對(duì)數(shù)值線性代數(shù)以與其他一些高等應(yīng)用數(shù)學(xué)課程進(jìn)行輔助教學(xué)的有益工具。在工程技術(shù)界，MATLAB也被用來(lái)解決一些實(shí)際課題和數(shù)學(xué)模型問(wèn)題。典型的應(yīng)用包括數(shù)值計(jì)算、算法預(yù)設(shè)計(jì)與驗(yàn)證，以與一些特殊的短陣計(jì)算應(yīng)用，如自動(dòng)控制理論、統(tǒng)計(jì)、數(shù)字信號(hào)處理(時(shí)間序列分拆)等。 MATLAB系統(tǒng)最初是由CIeve Moler用FORTRAN語(yǔ)盲設(shè)計(jì)的，有關(guān)短陣的算法來(lái)自LINPACK和EIsPACK課題的研究成果；現(xiàn)在的MA

12、TLAB程序是MathWorks公司用 C語(yǔ)言開(kāi)發(fā)的，第一版由steve Bangert主持開(kāi)發(fā)編譯解釋程序，Steve Kleiman完成圖形功能的設(shè)計(jì)，John Little和Cleve Moler主持開(kāi)發(fā)了各類(lèi)數(shù)學(xué)分分析的子模塊，撰寫(xiě)用戶指南和大部分的M文件。自從第1版發(fā)行以來(lái)，已有眾多的科技工作者加入到MATLAB的開(kāi)發(fā)隊(duì)伍中，并為形成今天約MATLAB系統(tǒng)做出了巨大的貢獻(xiàn)。 MATLAB以商品形式出現(xiàn)后，僅短短幾年，就以其良好的開(kāi)放性和運(yùn)行的可靠性，使原先控制領(lǐng)域里的封閉式軟件包（如英國(guó)的UMIST，瑞典的LUND和SIMNON，德國(guó)的KEDDC）紛紛淘汰，而改以MATLAB為平臺(tái)加

13、以重建。在時(shí)間進(jìn)入20世紀(jì)九十年代的時(shí)候，MATLAB已經(jīng)成為國(guó)際控制界公認(rèn)的標(biāo)準(zhǔn)計(jì)算軟件。到九十年代初期，在國(guó)際上30幾個(gè)數(shù)學(xué)類(lèi)科技應(yīng)用軟件中，MATLAB在數(shù)值計(jì)算方面獨(dú)占鰲頭，而Mathematica和Maple則分居符號(hào)計(jì)算軟件的前兩名。Mathcad因其提供計(jì)算、圖形、文字處理的統(tǒng)一環(huán)境而深受中學(xué)生歡迎。 MathWorks公司于2001年推出MATLAB6.0版本，6.x版在繼承和發(fā)展其原有的數(shù)值計(jì)算和圖形可視能力的同時(shí)，出現(xiàn)了以下幾個(gè)重要變化：（1）推出了SIMULINK。這是一個(gè)交互式操作的動(dòng)態(tài)系統(tǒng)建模、仿真、分析集成環(huán)境。它的出現(xiàn)使人們有可能考慮許多以前不得不做簡(jiǎn)化假設(shè)的非線

14、性因素、隨機(jī)因素，從而大大提高了人們對(duì)非線性、隨機(jī)動(dòng)態(tài)系統(tǒng)的認(rèn)知能力。（2）開(kāi)發(fā)了與外部進(jìn)行直接數(shù)據(jù)交換的組件，打通了MATLAB進(jìn)行實(shí)時(shí)數(shù)據(jù)分析、處理和硬件開(kāi)發(fā)的道路。（3）推出了符號(hào)計(jì)算工具包。1993年MathWorks公司從加拿大滑鐵盧大學(xué)購(gòu)得Maple的使用權(quán)，以Maple為“引擎”開(kāi)發(fā)了Symbolic Math Toolbox 1.0。MathWorks公司此舉加快結(jié)束了國(guó)際上數(shù)值計(jì)算、符號(hào)計(jì)算孰優(yōu)孰劣的長(zhǎng)期爭(zhēng)論，促成了兩種計(jì)算的互補(bǔ)發(fā)展新時(shí)代。（4）構(gòu)作了Notebook 。MathWorks公司瞄準(zhǔn)應(yīng)用圍最廣的Word ，運(yùn)用DDE和OLE，實(shí)現(xiàn)了MATLAB與Word的無(wú)縫

15、連接，從而為專業(yè)科技工作者創(chuàng)造了融科學(xué)計(jì)算、圖形可視、文字處理于一體的高水準(zhǔn)環(huán)境。 MTALAB系統(tǒng)由五個(gè)主要部分組成，下面分別加以介紹。 (1)MATALB語(yǔ)言體系 MATLAB是高層次的矩陣數(shù)組語(yǔ)言具有條件控制、函數(shù)調(diào)用、數(shù)據(jù)結(jié)構(gòu)、輸入輸出、面向?qū)ο蟮瘸绦蛘Z(yǔ)言特性。利用它既可以進(jìn)行小規(guī)模端程，完成算法設(shè)計(jì)和算法實(shí)驗(yàn)的基本任務(wù)，也可以進(jìn)行大規(guī)模編程，開(kāi)發(fā)復(fù)雜的應(yīng)用程序。 (2)MATLAB工作環(huán)境這是對(duì)MA丁LAB提供給用戶使用的管理功能的總稱包括管理工作空間中的變量據(jù)輸入輸出的方式和方法，以與開(kāi)發(fā)、調(diào)試、管理M文件的各種工具。 (3)圖形句相系統(tǒng)這是MATLAB圖形系統(tǒng)的基礎(chǔ)，包括完成2D

16、和3D數(shù)據(jù)圖示、圖像處理、動(dòng)畫(huà)生成、圖形顯示等功能的高層MATLAB命令，也包括用戶對(duì)圖形圖像等對(duì)象進(jìn)行特性控制的低層MATLAB命令，以與開(kāi)發(fā)GUI應(yīng)用程序的各種工具。 (4)MATLAB數(shù)學(xué)函數(shù)庫(kù)這是對(duì)MATLAB使用的各種數(shù)學(xué)算法的總稱包括各種初等函數(shù)的算法，也包括矩陣運(yùn)算、矩陣分析等高層次數(shù)學(xué)算法。 (5)MATLAB應(yīng)用程序接口(API) 這是MATLAB為用戶提供的一個(gè)函數(shù)庫(kù)，使得用戶能夠在MATLAB環(huán)境中使用c程序或FORTRAN程序，包括從MATLAB中調(diào)用于程序(動(dòng)態(tài))，讀寫(xiě)MAT文件的功能。可以 看出MATLAB是一個(gè)功能十分強(qiáng)大的系統(tǒng)，是集數(shù)值計(jì)算、圖形管理、程序開(kāi)發(fā)為

17、一體的環(huán)境。除此之外，MA丁LAB還具有根強(qiáng)的功能擴(kuò)展能力，與它的主系統(tǒng)一起，可以配備各種各樣的工具箱，以完成一些特定的任務(wù)。用戶可以根據(jù)自己的工作任務(wù)，開(kāi)發(fā)自己的工具箱。在歐美大學(xué)里，諸如應(yīng)用代數(shù)、數(shù)理統(tǒng)計(jì)、自動(dòng)控制、數(shù)字信號(hào)處理、模擬與數(shù)字通信、時(shí)間序列分析、動(dòng)態(tài)系統(tǒng)仿真等課程的教科書(shū)都把MATLAB作為容。這幾乎成了九十年代教科書(shū)與舊版書(shū)籍的區(qū)別性標(biāo)志。在那里，MATLAB是攻讀學(xué)位的大學(xué)生、碩士生、博士生必須掌握的基本工具。在國(guó)際學(xué)術(shù)界，MATLAB已經(jīng)被確認(rèn)為準(zhǔn)確、可靠的科學(xué)計(jì)算標(biāo)準(zhǔn)軟件。在許多國(guó)際一流學(xué)術(shù)刊物上，（尤其是信息科學(xué)刊物），都可以看到MATLAB的應(yīng)用。在設(shè)計(jì)研究單位和

18、工業(yè)部門(mén)，MATLAB被認(rèn)作進(jìn)行高效研究、開(kāi)發(fā)的首選軟件工具。如美國(guó)National Instruments公司信號(hào)測(cè)量、分析軟件LabVIEW，Cadence公司信號(hào)和通信分析設(shè)計(jì)軟件SPW等，或者直接建筑在MATLAB之上，或者以MATLAB為主要支撐。又如HP公司的VXI硬件，TM公司的DSP，Gage公司的各種硬卡、 儀器等都接受MATLAB的支持。 第三章 各模塊的實(shí)現(xiàn)車(chē)牌識(shí)別系統(tǒng)包括圖像采集、圖像預(yù)處理、車(chē)牌定位、字符分割、字符識(shí)別等模塊，本文主要研究圖像預(yù)處理、車(chē)牌定位和字符分割三個(gè)模塊。3.1 設(shè)計(jì)方案：該系統(tǒng)主要是由圖像處理和字符識(shí)別兩部分組成。其中圖像處理部分包括圖像預(yù)處理

19、、邊緣提取模塊、牌照的定位以與分割模塊。字符識(shí)別部分可以分為字符分割與特征提取和單個(gè)字符識(shí)別兩個(gè)模塊。字符識(shí)別部分要求照片清晰，但由于該系統(tǒng)的攝像頭長(zhǎng)時(shí)間在室外工作，加上光照條件、攝像頭角度和距離、車(chē)輛自身?xiàng)l件以與車(chē)輛的行駛速度的影響，想拍出較理想的圖片很困難。因此，我們要對(duì)攝像頭拍攝的圖片進(jìn)行預(yù)處理，主要包括圖片灰度化和圖片邊緣提取等。 車(chē)牌定位和車(chē)牌分割是整個(gè)系統(tǒng)的關(guān)鍵，其作用是在經(jīng)圖象預(yù)處理后的灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個(gè)圖象中分割出來(lái)，供字符識(shí)別子系統(tǒng)識(shí)別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識(shí)別系統(tǒng)的識(shí)別率。 車(chē)牌識(shí)別系統(tǒng)的最終目的就是將不清楚

20、的車(chē)牌照片進(jìn)行識(shí)別，輸出清晰的圖片?，F(xiàn)在字符識(shí)別的常用方法有模板匹配法和神經(jīng)網(wǎng)絡(luò)模型法。3.2圖像預(yù)處理3.2.1圖像灰度化：汽車(chē)圖像樣本目前大都是通過(guò)攝像機(jī)、數(shù)碼相機(jī)等設(shè)備拍攝獲取的，因而預(yù)處理前的圖像都是彩色圖像。彩色圖像包含著大量的顏色信息，不但在存儲(chǔ)上開(kāi)銷(xiāo)很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度。由于圖像的每個(gè)象素都具有三個(gè)不同的顏色分量，存在許多與識(shí)別無(wú)關(guān)的信息，不便于進(jìn)一步的識(shí)別工作，因此在對(duì)圖像進(jìn)行識(shí)別等處理中，經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。 對(duì)于將彩色圖像轉(zhuǎn)換成灰度圖像時(shí)，目前比較主流的灰度化方法叫平均值法，公式為：H=0.229R+0.588G+0.144B

21、公式中H表示灰度圖的亮度值；R代表彩色圖像紅色分量值；G代表色彩圖像綠色分量值；B代表彩色圖像藍(lán)色分量值。RGB 三分量前的系數(shù)為經(jīng)驗(yàn)加權(quán)值。加權(quán)系數(shù)的取值建立在人眼的視覺(jué)模型之上。對(duì)于人眼較為敏感的綠色取較大的權(quán)值；對(duì)人眼較為不敏感的藍(lán)色則取較小的權(quán)值。通過(guò)該公式轉(zhuǎn)換的灰度圖能夠比較好地反應(yīng)原圖像的亮度信息。 在MATLAB中我們可以調(diào)用im2gray函數(shù)對(duì)圖像進(jìn)行灰度化處理。3.2.2圖像的邊緣檢測(cè)： 邊緣是指圖像灰度發(fā)生空間突變或者在梯度方向上發(fā)生突變的像素的集合。用攝像機(jī)采集到的機(jī)動(dòng)車(chē)圖像由于受到噪聲干擾以與車(chē)輛本身的影響，使得獲得的圖像質(zhì)量不理想。因此，在進(jìn)行對(duì)汽車(chē)牌照的定位與字符識(shí)

22、別之前需要先對(duì)車(chē)輛圖像進(jìn)行邊緣檢測(cè)處理，提高圖像的質(zhì)量，使其易于后面的分割和識(shí)別。通過(guò)良好的邊緣檢測(cè)可以大幅度的降低噪聲、分離出復(fù)雜環(huán)境中的車(chē)輛圖像、保留完好的車(chē)牌字符信息，方便后面的車(chē)牌精確定位與字符識(shí)別。 由于車(chē)牌識(shí)別系統(tǒng)攝像頭安裝位置固定以與機(jī)動(dòng)車(chē)車(chē)牌的固有屬性，我們可以發(fā)現(xiàn)機(jī)動(dòng)車(chē)車(chē)牌圖像都處在水平的矩形區(qū)域，在圖像中位置較為固定，車(chē)牌中字符都是按水平方向排列。因?yàn)橛羞@些明顯的特征，經(jīng)過(guò)適當(dāng)?shù)膱D像變換，可以清晰的呈現(xiàn)出車(chē)牌的邊緣。本文采用經(jīng)典的Roberts邊緣檢測(cè)算子來(lái)對(duì)圖像進(jìn)行邊緣檢測(cè)。圖3.1 原圖圖3.2 灰度圖圖3.3 Robert算子邊緣檢測(cè)3.3車(chē)牌定位和分割 該系統(tǒng)的攝像

23、頭拍攝的圖片是整個(gè)機(jī)動(dòng)車(chē)的圖片，而只有車(chē)牌部分是對(duì)系統(tǒng)有用的。所以我們要對(duì)照片進(jìn)行車(chē)牌定位和分割。車(chē)牌的定位和分割是從經(jīng)過(guò)圖像預(yù)處理后的灰度圖像中確定牌照位置，并將車(chē)牌部分從整個(gè)圖像中分割出來(lái)，從而進(jìn)行字符識(shí)別。車(chē)牌圖像的灰度圖的車(chē)牌部分是一個(gè)水平度很高的長(zhǎng)方形圖樣，在原圖中比較集中，且灰度值和周?chē)鷪D樣有明顯差異，因此很容易用邊緣檢測(cè)來(lái)對(duì)圖像進(jìn)行分割。車(chē)牌定位和分割的準(zhǔn)確度直接關(guān)系到最后的字符識(shí)別的質(zhì)量。對(duì)圖像進(jìn)行圖像腐蝕除去圖像雜質(zhì)通過(guò)計(jì)算尋找X和Y方向車(chē)牌的區(qū)域完成車(chē)牌定位對(duì)定位后的彩色車(chē)牌的進(jìn)一步處理圖3.4車(chē)牌定位流程圖3.3.1車(chē)牌定位機(jī)動(dòng)車(chē)圖像經(jīng)過(guò)灰度化和邊緣檢測(cè)的處理后，邊緣得到

24、了加強(qiáng)，牌照區(qū)域已經(jīng)非常明顯。本文采用的是用數(shù)學(xué)形態(tài)學(xué)來(lái)進(jìn)行圖像處理和模式識(shí)別。數(shù)學(xué)形態(tài)學(xué)用具有一定形態(tài)的機(jī)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的，能有效的去除噪聲，保留圖像原有信息的同時(shí)提取的邊緣比較平滑，提取的圖像骨架也比較連續(xù)，斷點(diǎn)少?，F(xiàn)在我們將經(jīng)過(guò)預(yù)處理的圖像進(jìn)行圖像腐蝕以與去除雜質(zhì)，就可以得到相對(duì)準(zhǔn)確的車(chē)牌位置。圖3.5腐蝕后的圖像圖3.6 平滑圖像的輪廓圖3.7從對(duì)象中移除小對(duì)象后圖像3.3.2車(chē)牌分割 車(chē)牌字符分割是車(chē)牌自動(dòng)識(shí)別系統(tǒng)中的重要步驟，這一模塊的正確性受到很多因素的影響，最大問(wèn)題是二值化不徹底使投影圖像中字符間的波谷不夠分明；其次，車(chē)牌污損、反光

25、、光照不均等原因使車(chē)牌圖像交差，存在大量噪聲；再次，車(chē)牌邊框和鉚釘也會(huì)造成分割不正確；還有車(chē)牌的前兩個(gè)字符和后面五個(gè)字符之間的間隔符（小圓點(diǎn)）對(duì)字符識(shí)別有影響；車(chē)牌旋轉(zhuǎn)對(duì)水平分割有較大影響。本文車(chē)牌部分的分割采用的是利用車(chē)牌彩色信息的彩色分割法。使用統(tǒng)計(jì)彩色像素點(diǎn)的方法分割出車(chē)牌區(qū)域，確定車(chē)牌底色藍(lán)色RGB對(duì)應(yīng)的灰度圍，然后統(tǒng)計(jì)在行方向的顏色圍的像素點(diǎn)數(shù)量，確定車(chē)牌在行方向的區(qū)域。然后，在分割出的行區(qū)域，統(tǒng)計(jì)列方向藍(lán)色像素點(diǎn)的數(shù)量，最終確定完整的車(chē)牌區(qū)域。圖3.8車(chē)牌對(duì)位的圖像3.3.3對(duì)定位后的彩色車(chē)牌的進(jìn)一步處理 定位后車(chē)牌圖像是彩色的，會(huì)占用較大的存儲(chǔ)空間，加重計(jì)算機(jī)負(fù)擔(dān)。且車(chē)輛圖片不可

26、避免存在噪聲，所以要對(duì)圖像進(jìn)行灰度化，二值化以與濾波處理。圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為兩個(gè)數(shù)值，通常為0或255，使整個(gè)圖像呈現(xiàn)出明顯的黑白效果。也就是將256個(gè)亮度等級(jí)的灰度圖像通過(guò)適當(dāng)?shù)拈T(mén)限值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。濾波則是為了除去圖像噪聲。濾波方法有多種，本文采取的濾波方法為均值濾波。均值濾波是典型的線性濾波算法，指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周?chē)呐R近像素。再用模板中的全體像素的平均值來(lái)代替原來(lái)像素值。圖3.9車(chē)牌的進(jìn)一步處理3.4字符分割與歸一化m，n=size（d），逐排檢查有沒(méi)有白色像素點(diǎn)，設(shè)置1<=j<n-

27、1，若圖像兩邊s（j）=0，則切割，去除圖像兩邊多余的部分切割去圖像上下多余的部分根據(jù)圖像的大小，設(shè)置一閾值，檢測(cè)圖像的X軸，若寬度等于這一閾值則切割，分離出七個(gè)字符歸一化切割出來(lái)的字符圖像的大小為40*20，與模板中字符圖像的大小相匹配圖3.10 字符分割和歸一化流程圖3.4.1字符分割 在汽車(chē)牌照自動(dòng)識(shí)別過(guò)程中，字符分割有承前啟后的作用。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(shí)別。將得到的車(chē)牌區(qū)域圖像進(jìn)行二值化處理后，對(duì)圖像進(jìn)行垂直投影，投影圖上有明顯的類(lèi)似于峰谷的波形起伏變化，通過(guò)對(duì)投影圖上的波形從左向右進(jìn)行掃描，根據(jù)谷和峰的特征就可以判斷出每個(gè)字符的位置；

28、計(jì)算垂直峰，檢測(cè)合理的字符高寬比。在字符切割時(shí),往往由于閾值取得不好，導(dǎo)致字符切割不準(zhǔn)確，針對(duì)這種情況，可以對(duì)切割出的字符寬度進(jìn)行統(tǒng)計(jì)分析，用以指導(dǎo)切割，對(duì)因錯(cuò)誤切割過(guò)寬的字符進(jìn)行分裂處理。圖3.11 字符分割后的圖像3.4.2字符歸一化處理 由于數(shù)碼相機(jī)拍攝的汽車(chē)圖像大小不一樣，所以得到的牌照上的字符大小就不一樣，為了便于字符的識(shí)別，需要對(duì)字符進(jìn)行歸一化處理。歸一化處理的目的就是使車(chē)牌字符同標(biāo)準(zhǔn)模塊里面的字符特征一樣。而大小歸一是指在長(zhǎng)度和寬度方向上分別乘以一個(gè)比例因子，使其等于標(biāo)準(zhǔn)模塊的字符大小，本文采用的大小歸一的方法是分別從水平投影和垂直投影兩個(gè)方向上對(duì)字符象素的大小進(jìn)行歸一化處理。圖

29、3.12字符歸一化后的圖像3.5字符的識(shí)別 字符的識(shí)別目前用于車(chē)牌字符識(shí)別(OCR)中的算法主要有基于模板匹配的OCR算法以與基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法?；谀０迤ヅ涞腛CR的基本過(guò)程是:首先對(duì)待識(shí)別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，當(dāng)字符較規(guī)整時(shí)對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率相當(dāng)高。綜合模板匹配的這些優(yōu)點(diǎn)我們將其用為車(chē)牌字符識(shí)別的主要方法。 模板匹配是圖象識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特

30、征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖象歸于相應(yīng)的類(lèi)。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類(lèi)。然而，通常情況下用于匹配的圖象各自的成像條件存在差異，產(chǎn)生較大的噪聲干擾，或圖象經(jīng)預(yù)處理和規(guī)格化處理后，使得圖象的灰度或像素點(diǎn)的位置發(fā)生改變。在實(shí)際設(shè)計(jì)模板的時(shí)候，是根據(jù)各區(qū)域形狀固有的特點(diǎn)，突出各類(lèi)似區(qū)域之間的差別，并將容易由處理過(guò)程引起的噪聲和位移等因素都考慮進(jìn)去，按照一些基于圖象不變特性所設(shè)計(jì)的特征量來(lái)構(gòu)建模板，就可以避免上述問(wèn)題。建立自動(dòng)識(shí)別的代碼表讀取分割出來(lái)的字符第一個(gè)字符與模板中的漢字模板進(jìn)行匹配第二個(gè)字

31、符與模板中的字母模板進(jìn)行匹配待識(shí)別字符與模板字符相減，值越小相似度越大，找到最小的一個(gè)即為匹配的最好的識(shí)別完成，輸出此模板對(duì)應(yīng)值后5個(gè)字符與模板中的字母與數(shù)字模板進(jìn)行匹配圖3.13 字符識(shí)別流程圖此處采用相減的方法來(lái)求得字符與模板中哪一個(gè)字符最相似，然后找到相似度最大的輸出。汽車(chē)牌照的字符一般有七個(gè)，大部分車(chē)牌第一位是漢字，通常代表車(chē)輛所屬省份，或是軍種、警別等有特定含義的字符簡(jiǎn)稱；緊接其后的為字母與數(shù)字。車(chē)牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約50多個(gè)，大寫(xiě)英文字母26個(gè)，數(shù)字10個(gè)。所以建立字符模板庫(kù)也極為方便。為了實(shí)驗(yàn)方便，結(jié)合本次設(shè)計(jì)所選汽車(chē)牌照的特點(diǎn)，只建立了4個(gè)數(shù)字2

32、6個(gè)字母與10個(gè)數(shù)字的模板。其他模板設(shè)計(jì)的方法與此一樣。 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。把每一幅相減后的圖的0值個(gè)數(shù)保存，即為識(shí)別出來(lái)的結(jié)果。第四章 實(shí)驗(yàn)結(jié)果和分析在得到結(jié)果之前，需要對(duì)車(chē)牌圖像進(jìn)行預(yù)處理、車(chē)牌定位、車(chē)牌分割等處理。 對(duì)于識(shí)別錯(cuò)誤情況的分析可知，主要原因：一是對(duì)于彩色車(chē)牌的識(shí)別具有局限性，有些車(chē)牌不是藍(lán)色底的，例如我們的校車(chē)就是黃色底的。二是牌照自身的污漬等影響了圖象的質(zhì)量；三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。 一是對(duì)于彩

33、色車(chē)牌的識(shí)別具有局限性，有些車(chē)牌不是藍(lán)色底的，例如我們的校車(chē)就是黃色底的?？傊M管目前牌照字符的識(shí)別率還不理想，但是這種思路的可行性得到了證實(shí)，更多的實(shí)驗(yàn)與程序的改進(jìn)完全可以實(shí)現(xiàn)搞成功率的車(chē)牌識(shí)別。致 通過(guò)這次大作業(yè)的實(shí)踐與學(xué)習(xí)，我們學(xué)習(xí)和鞏固了許多數(shù)字圖像處理中學(xué)習(xí)到的知識(shí)，并且對(duì)matlab這個(gè)軟件有了更深層次的了解與認(rèn)識(shí)。對(duì)于在大作業(yè)的完成過(guò)程中給予幫助的同學(xué)與老師在此表示真心的感。參考文獻(xiàn)1 許錄平.數(shù)字圖像處理.科學(xué)2 樓順天.MATLAB7.X程序設(shè)計(jì)語(yǔ)言.電子科技大學(xué)3 .baidu.程序附錄：function d=main(jpg)I=imread('car.jpg&

34、#39;);figure(1),imshow(I);title('原圖');I1=rgb2gray(I); %將真彩色圖像轉(zhuǎn)換為灰度圖像figure(2),subplot(1,2,1),imshow(I1);title('灰度圖');figure(2),subplot(1,2,2),imhist(I1);title('灰度圖直方圖');I2=edge(I1,'robert',0.08,'both'); %高斯濾波器,方差為0.08figure(3),imshow(I2);title('robert算子邊緣檢

35、測(cè)')se=1;1;1;I3=imerode(I2,se); %圖像的腐蝕figure(4),imshow(I3);title('腐蝕后圖像');se=strel('rectangle',40,40); %構(gòu)造結(jié)構(gòu)元素，以長(zhǎng)方形構(gòu)造一個(gè)seI4=imclose(I3,se); %對(duì)圖像實(shí)現(xiàn)閉運(yùn)算，閉運(yùn)算也能平滑圖像的輪廓，但與開(kāi)運(yùn)算相反，它一般融合窄的缺口和細(xì)長(zhǎng)的彎口，去掉小洞，填補(bǔ)輪廓上的縫隙。figure(5),imshow(I4);title('平滑圖像的輪廓');I5=bwareaopen(I4,2000); %從二進(jìn)制圖像中移除

36、所有少于p像素的連接的組件（對(duì)象），產(chǎn)生另一個(gè)二進(jìn)制圖像figure(6),imshow(I5);title('從對(duì)象中移除小對(duì)象');y,x,z=size(I5); %返回I5各維的尺寸，并存儲(chǔ)在變量y、x、z中myI=double(I5); %換成雙精度數(shù)值 %begin橫向掃描tic %計(jì)算tic與toc之間程序的運(yùn)行時(shí)間 Blue_y=zeros(y,1); %產(chǎn)生y*1的全0矩陣 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

37、,1)值加1 Blue_y(i,1)= Blue_y(i,1)+1;%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end end temp MaxY=max(Blue_y);%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; while (Blue_y(PY1,1)>=120)&&(PY1>1) PY1=PY1-1; end PY2=MaxY; while (Blue_y(PY2,1)>=40)&&(PY2<y) PY2=PY2+1; end IY=I(PY1:PY2,:,:);%IY為原始圖像I中截

38、取的縱坐標(biāo)在PY1：PY2之間的部分 %end橫向掃描 %begin縱向掃描 Blue_x=zeros(1,x);%進(jìn)一步確定x方向的車(chē)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; end end end PX1=1; while (Blue_x(1,PX1)<3)&&(PX1<x) PX1=PX1+1; end PX2=x; while (Blue_x(1,PX2)<3)&&(PX2>PX1) PX2=PX2-1; end %end縱向掃

39、描 PX1=PX1-2;%對(duì)車(chē)牌區(qū)域的校正 PX2=PX2+2; dw=I(PY1:PY2,:,:); t=toc; figure(7),subplot(1,2,1),imshow(IY),title('行方向合理區(qū)域');figure(7),subplot(1,2,2),imshow(dw),title('定位剪切后的彩色車(chē)牌圖像')imwrite(dw,'dw.jpg'); %將圖像數(shù)據(jù)寫(xiě)入到圖像文件中filename,filepath=uigetfile('dw.jpg','輸入一個(gè)定位裁剪后的車(chē)牌圖像');

40、 %讀取jpg=strcat(filepath,filename); %將數(shù)組filepath,filename水平地連接成單個(gè)字符串，并保存于變量jpg中a=imread('dw.jpg'); %讀取圖片文件中的數(shù)據(jù)b=rgb2gray(a); %將真彩色圖像轉(zhuǎn)換為灰度圖像imwrite(b,'1.車(chē)牌灰度圖像.jpg'); %將圖像數(shù)據(jù)寫(xiě)入到圖像文件中figure(8);subplot(3,2,1),imshow(b),title('1.車(chē)牌灰度圖像')g_max=double(max(max(b); %換成雙精度數(shù)值g_min=double

41、(min(min(b); %換成雙精度數(shù)值T=round(g_max-(g_max-g_min)/3); % T 為二值化的閾值m,n=size(b); %返回矩陣b的尺寸信息， 并存儲(chǔ)在m、n中。其中m中存儲(chǔ)的是行數(shù)，n中存儲(chǔ)的是列數(shù)。 d=(double(b)>=T); % d:二值圖像imwrite(d,'2.車(chē)牌二值圖像.jpg'); %將圖像數(shù)據(jù)寫(xiě)入到圖像文件中figure(8);subplot(3,2,2),imshow(d),title('2.車(chē)牌二值圖像')figure(8),subplot(3,2,3),imshow(d),title(&

42、#39;3.均值濾波前')% 濾波h=fspecial('average',3); %建立預(yù)定義的濾波算子，average指定算子的類(lèi)型，3為相應(yīng)的參數(shù)d=im2bw(round(filter2(h,d); %轉(zhuǎn)換為二值圖像imwrite(d,'4.均值濾波后.jpg'); %將圖像數(shù)據(jù)寫(xiě)入到圖像文件中figure(8),subplot(3,2,4),imshow(d),title('4.均值濾波后')% 某些圖像進(jìn)行操作% 膨脹或腐蝕% se=strel('square',3); % 使用一個(gè)3X3的正方形結(jié)果元素對(duì)象對(duì)

43、創(chuàng)建的圖像膨脹% 'line'/'diamond'/'ball'.se=eye(2); % eye(n) returns the n-by-n identity matrix 單位矩陣m,n=size(d); %返回矩陣b的尺寸信息， 并存儲(chǔ)在m、n中。其中m中存儲(chǔ)的是行數(shù)，n中存儲(chǔ)的是列數(shù)if bwarea(d)/m/n>=0.365 %計(jì)算二值圖像中對(duì)象的總面積 d=imerode(d,se); %圖像的腐蝕elseif bwarea(d)/m/n<=0.235 %計(jì)算二值圖像中對(duì)象的總面積 d=imdilate(d,se); %

44、實(shí)現(xiàn)膨脹操作endimwrite(d,'5.膨脹或腐蝕處理后.jpg'); %將圖像數(shù)據(jù)寫(xiě)入到圖像文件中figure(8),subplot(3,2,5),imshow(d),title('5.膨脹或腐蝕處理后')% 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); %切割m,n=size(d); %返回矩陣b的尺寸信息， 并存儲(chǔ)在m、n中。其中m中存儲(chǔ)的是行數(shù)，n中存儲(chǔ)的是列數(shù)figure,subplot(2,1,1),imshow(d),title(n)k1=1;k2=1;s=sum(d);j=1;while j=

45、n while s(j)=0 j=j+1; end k1=j; while s(j)=0 && j<=n-1 j=j+1; end k2=j-1; if k2-k1>=round(n/6.5) val,num=min(sum(d(:,k1+5:k2-5); d(:,k1+num+5)=0; % 分割 endend% 再切割d=qiege(d);% 切割出 7 個(gè)字符y1=10;y2=0.25;flag=0;word1=;while flag=0 m,n=size(d); left=1;wide=0; while sum(d(:,wide+1)=0 wide=wide

46、+1; end if wide<y1 % 認(rèn)為是左側(cè)干擾 d(:,1:wide)=0; d=qiege(d); else temp=qiege(imcrop(d,1 1 wide m); m,n=size(temp); all=sum(sum(temp); two_thirds=sum(sum(temp(round(m/3):2*round(m/3),:); if two_thirds/all>y2 flag=1;word1=temp; % WORD 1 end d(:,1:wide)=0;d=qiege(d); endend% 分割出第二個(gè)字符word2,d=getword(d)

47、;% 分割出第三個(gè)字符word3,d=getword(d);% 分割出第四個(gè)字符word4,d=getword(d);% 分割出第五個(gè)字符word5,d=getword(d);% 分割出第六個(gè)字符word6,d=getword(d);% 分割出第七個(gè)字符word7,d=getword(d);figure(9),imshow(word1),title('1');figure(10),imshow(word2),title('2');figure(11),imshow(word3),title('3');figure(12),imshow(word4

48、),title('4');figure(13),imshow(word5),title('5');figure(14),imshow(word6),title('6');figure(15),imshow(word7),title('7');m,n=size(word1); %返回矩陣b的尺寸信息， 并存儲(chǔ)在m、n中。其中m中存儲(chǔ)的是行數(shù)，n中存儲(chǔ)的是列數(shù)word1=imresize(word1,40 20);% 商用系統(tǒng)程序中歸一化大小為 40*20,此處演示word2=imresize(word2,40 20); %對(duì)圖像做縮

49、放處理，高40，寬20word3=imresize(word3,40 20);word4=imresize(word4,40 20);word5=imresize(word5,40 20);word6=imresize(word6,40 20);word7=imresize(word7,40 20);figure(16),subplot(3,7,8),imshow(word1),title('1');subplot(3,7,9),imshow(word2),title('2');subplot(3,7,10),imshow(word3),title('3

50、');subplot(3,7,11),imshow(word4),title('4');subplot(3,7,12),imshow(word5),title('5');subplot(3,7,13),imshow(word6),title('6');subplot(3,7,14),imshow(word7),title('7');imwrite(word1,'1.jpg');imwrite(word2,'2.jpg');imwrite(word3,'3.jpg');imwr

51、ite(word4,'4.jpg');imwrite(word5,'5.jpg');imwrite(word6,'6.jpg');imwrite(word7,'7.jpg');liccode=char('0':'9' 'A':'Z' '魯陜渝京'); %建立自動(dòng)識(shí)別字符代碼表，將t'0':'9' 'A':'Z' '魯陜?cè)?#39;多個(gè)字符串組成一個(gè)字符數(shù)組，每行對(duì)應(yīng)一個(gè)字符串，字符數(shù)不足的自動(dòng)補(bǔ)空格SubBw2=zeros(32,16);l=1;for I=1:7 SubBw2=zeros(32,16); %產(chǎn)生32*16的全0矩陣 ii=int2str(I);%轉(zhuǎn)換為串 t=imread(ii '.jpg&