【模板】基于Matlab的靜態(tài)車(chē)牌識(shí)別

1、【關(guān)鍵字】模板文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持1文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持2文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持基于Matlab的靜態(tài)車(chē)牌識(shí)別計(jì)算機(jī)與軟件學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)鐘文鋒學(xué)號(hào)：94【摘要】：車(chē)牌識(shí)別是圖像識(shí)別領(lǐng)域的重要研究課題，運(yùn)用 MATLAB技術(shù)研究車(chē)牌識(shí)別技術(shù) 中的圖像預(yù)處理、車(chē)牌定位、字符分割與字符識(shí)別等核心部分，并提出一種基于MATLAB的靜態(tài)車(chē)牌識(shí)別系統(tǒng)的實(shí)現(xiàn)方法，綜合使用多種方法提高系統(tǒng)的有效識(shí)別能力。該方法解決了

2、在自然背景的圖像中定位分割牌照區(qū)域、車(chē)牌傾斜和提取分割的字符等問(wèn)題。本文叫詳細(xì)介紹了該系統(tǒng)的實(shí)現(xiàn)方法等技術(shù)，重點(diǎn)介紹車(chē)牌提取、字符分割，以及字符的模板匹配三個(gè)方面。通過(guò)對(duì)一定數(shù)量的車(chē)牌圖像進(jìn)行識(shí)別處理，結(jié)果表明MATLAB在車(chē)牌靜態(tài)識(shí)別方面的運(yùn)用有較好的效果。非常有效?！娟P(guān)鍵詞】車(chē)牌識(shí)別；字符分割；圖像提??；字符識(shí)別；模板匹配；閾值；傾斜校正等。 關(guān)鍵字3-4個(gè)1引言隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，人民生活水平的不斷提高，私有車(chē)輛越來(lái)越多，交通需求量 也越來(lái)越大，現(xiàn)有的交通基礎(chǔ)設(shè)施建設(shè)速度遠(yuǎn)遠(yuǎn)比不上機(jī)動(dòng)車(chē)輛和其他交通工具的增長(zhǎng)速 度；傳統(tǒng)的人工管理方式已經(jīng)越來(lái)越不能滿(mǎn)足實(shí)際工作的需要。為快速、高效地對(duì)

3、車(chē)輛進(jìn)行管理和監(jiān)控，實(shí)現(xiàn)交通管理的自動(dòng)化、智能化，車(chē)牌自動(dòng)識(shí)別技術(shù)在智能交通系統(tǒng)中已成為核心技術(shù)比。車(chē)輛牌照是機(jī)動(dòng)車(chē)唯一的管理標(biāo)識(shí)符號(hào).在交通管理中具有不可替代的作用。 因此車(chē)輛牌照識(shí)別系統(tǒng)應(yīng)具有很高的識(shí)別率，對(duì)環(huán)境光照條件、拍攝位置和車(chē)輛行駛速度等因素的影響應(yīng)有較大的容閾，并應(yīng)滿(mǎn)足實(shí)時(shí)性要求。 牌照自動(dòng)識(shí)別是一項(xiàng)利用車(chē)輛的動(dòng)態(tài)視頻或靜態(tài)圖像進(jìn)行牌照號(hào)碼、牌照顏色自動(dòng)識(shí)別的模式識(shí)別技術(shù)。其硬件一般包括觸發(fā)、攝像、照明、圖像采集等設(shè)備。其軟件核心包括車(chē)牌定位、車(chē)牌字符分割和字符識(shí)別等算法。 利用該技術(shù)可以實(shí)現(xiàn)對(duì)車(chē)輛的自動(dòng)登記、驗(yàn)證、監(jiān)視和報(bào)警， 高速公路收費(fèi)，對(duì)停車(chē)場(chǎng)進(jìn)行管理，特殊場(chǎng)所車(chē)輛的出入

4、許可等。傳統(tǒng)的實(shí)現(xiàn)車(chē)牌識(shí)別的軟件是采用C+來(lái)實(shí)現(xiàn)的，本文將采用MATLAB對(duì)軟件實(shí)現(xiàn)方式作初步嘗試性探討。用 MATLAB作車(chē)牌識(shí)別比用其他工具 有許多優(yōu)勢(shì)，因?yàn)镸A TLAB的函數(shù)隱藏了傅立葉變換等復(fù)雜的計(jì)算，并且在圖像的灰度化、 二值轉(zhuǎn)換和濾波等方面都有很大優(yōu)勢(shì)。本設(shè)計(jì)是在采集了車(chē)牌相片之后對(duì)其號(hào)碼進(jìn)行識(shí)別， 并輸出號(hào)碼。選題意義汽車(chē)牌照自動(dòng)識(shí)別系統(tǒng)是以汽車(chē)牌照為特定目標(biāo)的專(zhuān)用計(jì)算機(jī)視覺(jué)系統(tǒng)，是計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)，它可廣泛應(yīng)用于交通流量檢測(cè)，交通控制與誘導(dǎo)，機(jī)場(chǎng)、港口、小區(qū)的車(chē)輛管理，不停 車(chē)自動(dòng)收費(fèi)，闖紅燈等違章車(chē)

5、輛監(jiān)控以及車(chē)輛安全防盜等領(lǐng)域，具有廣闊的應(yīng)用前景。目前,發(fā)達(dá)國(guó)家LPR （汽車(chē)牌照識(shí)別技術(shù) License Plate Recognition , LPR,簡(jiǎn)稱(chēng)車(chē)牌通”）系統(tǒng) 在實(shí)際交通系統(tǒng)中已成功應(yīng)用，而我國(guó)的開(kāi)發(fā)應(yīng)用進(jìn)展緩慢，車(chē)牌識(shí)別系統(tǒng)基本上還停留在實(shí)驗(yàn)室階段。基于這種現(xiàn)狀還有它廣闊的應(yīng)用前景，目前對(duì)汽車(chē)車(chē)牌的識(shí)別研究就有了深遠(yuǎn)的意義。正如參考資料的介紹一樣，目前已經(jīng)有大量的車(chē)牌識(shí)別系統(tǒng)的相關(guān)資料，但是那些系統(tǒng)1文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持基本上都是直接將彩色圖像轉(zhuǎn)換為二值圖像，然后再進(jìn)行后續(xù)處理，而本課題需要研究的是先

6、從彩色圖像中提取車(chē)牌，然后再接著做其它與已有處理過(guò)程相似的處理，。其中，從彩色圖像中提取包含車(chē)牌信息的圖像是本設(shè)計(jì)的主要意義所在，也是重點(diǎn)。而其他部分是在已有成果的基礎(chǔ)上進(jìn)行的改進(jìn)或引用。Matlab與圖像處理簡(jiǎn)介MATLAB是由美國(guó)math works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。它將數(shù)值分析、矩陣計(jì)算、科學(xué)數(shù)據(jù)可視化以及非線(xiàn)性動(dòng)態(tài)系統(tǒng)的 建模和仿真等諸多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計(jì)以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計(jì)語(yǔ)言（如C、Fortran）的編輯

7、模式，代表了當(dāng)今國(guó)際科學(xué)計(jì)算軟件的先進(jìn)水平。MATLAB 和、并稱(chēng)為三大數(shù)學(xué)軟件。它在數(shù)學(xué)類(lèi)科技應(yīng)用軟件中在方面首屈一指。 MATLAB可以進(jìn)行運(yùn)算、繪制函數(shù)和數(shù)據(jù)、實(shí)現(xiàn)算法、創(chuàng)建用戶(hù)界面、連接其他編程語(yǔ)言 的程序等，主要應(yīng)用于工程計(jì)算、控制設(shè)計(jì)、信號(hào)處理與通訊、金融建模設(shè)計(jì)與分析等領(lǐng)域。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，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(lái)，并且可以對(duì)圖形進(jìn)行標(biāo)注和打印。高層次的作圖包括二維和三維的可視化、圖象處理、 動(dòng)畫(huà)和表達(dá)式作圖?？捎糜诳茖W(xué)計(jì)算和工程繪圖。新版本的MATLAB

8、對(duì)整個(gè)圖形處理功能作了很大的改進(jìn)和完善， 使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線(xiàn)和三維曲面的繪制和處理等） 方面更加完善，而且對(duì)于一些其他軟件所沒(méi)有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），MATLAB同樣表現(xiàn)了出色的處理能力。同時(shí)對(duì)一些特殊的可視化要求，例如圖形對(duì)話(huà)等，MATLAB也有相應(yīng)的功能函數(shù)，保證了用戶(hù)不同層次的要求。另外新版本的MATLAB還著重在圖形用戶(hù)界面（GUI ）的制作上作了很大的改善，對(duì)這方面有特殊要求的用戶(hù)也可以得到滿(mǎn)足。數(shù)字圖彳處理（Digital Image Processing）是通過(guò)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征

9、等處理的方法和技術(shù)。而圖像分割是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一。圖像分割是將圖像中有意義的特征部分提取出來(lái)，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進(jìn)一步進(jìn)行圖像識(shí)別、分析和理解的基礎(chǔ)。雖然目前已研究出不少邊緣提取、區(qū)域分割的方法， 但還沒(méi)有一種普遍適用于各種圖像的有效方法。因此，對(duì)圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點(diǎn)之一。圖像分類(lèi)（識(shí)別）屬于模式識(shí)別的范疇，其主要內(nèi)容是圖像經(jīng)過(guò)某些預(yù)處理（增強(qiáng)、 復(fù)原、壓縮）后，進(jìn)行圖像分割和特征提取，從而進(jìn)行判決分類(lèi)。圖像分類(lèi)常采用經(jīng)典的模 式識(shí)別方法，有統(tǒng)計(jì)模式分類(lèi)和句法（結(jié)構(gòu)）模式分類(lèi)，近年來(lái)新發(fā)展起來(lái)的和人工神經(jīng)網(wǎng)絡(luò)模式分類(lèi)在圖

10、像識(shí)別中也越來(lái)越受到重視。2系統(tǒng)簡(jiǎn)介本設(shè)計(jì)研究的車(chē)牌識(shí)別系統(tǒng)是一項(xiàng)利用車(chē)輛的靜態(tài)圖像進(jìn)行車(chē)牌號(hào)碼的自動(dòng)識(shí)別的模 式識(shí)別技術(shù)。一個(gè)完整的車(chē)牌識(shí)別系統(tǒng)應(yīng)包括圖像采集和車(chē)牌識(shí)別等幾部分。車(chē)牌識(shí)別技 術(shù)中車(chē)牌定位、字符切割、字符識(shí)別及后處理是其關(guān)鍵技術(shù)。車(chē)牌識(shí)別單元對(duì)圖像進(jìn)行處 理，定位出車(chē)牌位置，再將車(chē)牌中的字符分割出來(lái)進(jìn)行識(shí)別，然后組成完整的車(chē)牌號(hào)碼輸 出。具體步驟如下：2文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持圖2.1 系統(tǒng)開(kāi)發(fā)流程圖圖中箭頭不規(guī)范本設(shè)計(jì)是在靜態(tài)車(chē)牌圖像的及基礎(chǔ)上對(duì)車(chē)牌進(jìn)行識(shí)別，故車(chē)牌圖像采集不做介紹，而 圖像預(yù)處理就是對(duì)圖

11、像進(jìn)行一些簡(jiǎn)單的處理，如增加亮度等，也不是設(shè)計(jì)的重點(diǎn)，也不做 詳細(xì)介紹。下面介紹一下其他幾個(gè)模塊：車(chē)牌區(qū)域定位自然環(huán)境下，汽車(chē)圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)確地確定牌照區(qū) 域是整個(gè)識(shí)別過(guò)程的關(guān)鍵。本系統(tǒng)主要針對(duì)家庭小型車(chē)藍(lán)底白字車(chē)牌進(jìn)行識(shí)別，根據(jù)彩色 圖像的RGB比例定位出近似藍(lán)色的候選區(qū)域。由于深港兩地車(chē)牌為黑底白字，因此在車(chē)牌 識(shí)別最初階段將其分離出來(lái)，直接判斷，不再進(jìn)行后期處理。在圖片中出現(xiàn)較多的藍(lán)色背 景情況下識(shí)別率會(huì)下降，不能有效提取車(chē)牌區(qū)域。通過(guò)自適應(yīng)調(diào)節(jié)方案對(duì)分割出來(lái)的區(qū)域 進(jìn)行識(shí)別調(diào)整，根據(jù)車(chē)牌的長(zhǎng)寬比，藍(lán)白色比例對(duì)候選區(qū)域進(jìn)行多次定位，最終準(zhǔn)確定位 出車(chē)牌區(qū)域。

12、車(chē)牌圖像灰度化由于本系統(tǒng)的處理的車(chē)牌圖像是在室外用高清數(shù)碼相機(jī)拍攝的，因此原始圖像的數(shù)據(jù)一般比較大，所以對(duì)其進(jìn)行處理的時(shí)間一般也較長(zhǎng)，而由于實(shí)時(shí)性的要求，車(chē)牌的提取需要一次性處理就能把絕大多數(shù)特征提取出來(lái)。所以需要把得到的圖像轉(zhuǎn)化為灰度圖像，這樣會(huì)大大減少數(shù)據(jù)量，為實(shí)時(shí)性提供一定程度的保證?；叶然蟮能?chē)牌要能再現(xiàn)原字符圖像，基本不出現(xiàn)筆畫(huà)斷裂和粘連現(xiàn)象，盡量不丟失原字符的特征。傾斜校正如果車(chē)牌不是水平的，那么在后面的字符分割搜索時(shí)便不能保證每次是在對(duì)同一個(gè)字 符進(jìn)行黑色像素統(tǒng)計(jì)，即會(huì)導(dǎo)致識(shí)別出錯(cuò)。所以對(duì)于存在傾斜角度的圖片，需要進(jìn)行傾斜 校正，本文采取rando算法進(jìn)行傾斜角度的計(jì)算，然后對(duì)傾

13、斜圖片進(jìn)行修正，得到水平方 向一致的圖片，便于進(jìn)行后期的圖片分割及圖像識(shí)別。車(chē)牌后處理準(zhǔn)確定位出車(chē)牌位置后，還需要對(duì)車(chē)牌進(jìn)行的后處理，以便進(jìn)一步提前出車(chē)牌信息。 其中包括車(chē)牌區(qū)域二值化、擦除干擾、濾波等。車(chē)牌區(qū)域變成二值圖像能夠大大的節(jié)省存 儲(chǔ)空間，而且能降低運(yùn)算了，從而有效的提高處理效率。擦除干擾是把除去車(chē)牌多余的信 息給擦除掉，然后通過(guò)濾波獲得更好的處理效果，但如果閾值選擇不好，可能把把某些車(chē) 牌信息也給過(guò)濾掉了，因此，應(yīng)當(dāng)適度。字符分割完成車(chē)牌區(qū)域的定位后，再將牌照區(qū)域分割成單個(gè)字符，然后進(jìn)行識(shí)別。字符分割一 般采用垂直投影法。對(duì)黑色區(qū)域進(jìn)行水平垂直投影，計(jì)算水平垂直峰值，檢測(cè)合理的字符

14、高寬比,可用與區(qū)域分割相同的方法進(jìn)行峰值的刪除和合并。由于字符在垂直方向上的投影必去掉車(chē)牌3文檔犯!學(xué)品聯(lián)網(wǎng),如按字符寬度切割出字符然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個(gè)位置應(yīng)滿(mǎn)足牌照的字符書(shū) 寫(xiě)格式、字符大小、尺寸限制和一些其他條件。利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車(chē)圖像 中的字符分割有較好的效果。計(jì)算水平投影進(jìn) 行車(chē)牌水平校正文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持圖2,2字符分割步驟模板匹配和字符識(shí)別字符識(shí)別方法目前主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法。其中模板匹配是 字符識(shí)別的最基本的方法之一，該方法是將要識(shí)別的字符與預(yù)告構(gòu)造好了的模板進(jìn)行比

15、較， 根據(jù)與模板的相似度大小來(lái)確定最終的識(shí)別結(jié)果?；舅枷胧牵菏紫雀鶕?jù)字符模板大小， 確定一幅帶有加權(quán)因子的骨架模板，然后，將切割下來(lái)的字符按照模板的大小進(jìn)行歸一化，包括大小的歸一化和灰度的歸一化，歸一化后的字符圖像與創(chuàng)建的模板進(jìn)行匹配。變換后的圖像中，亮度的高低指示相應(yīng)區(qū)域與模板的匹配程度。通過(guò)檢查匹配后圖像的最大值，試驗(yàn)確定一個(gè)合適的閾值(這里240比較合適)，顯示亮度大于該閾值的點(diǎn)，也就是與模板的匹配程 度最高的位置。本文主要采用基于模板匹配算法。首先將分割后的字符進(jìn)行歸一化，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。實(shí)際應(yīng)用中，牌照識(shí)別

16、系統(tǒng)的識(shí)別率與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(zhì)量會(huì)受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反 光、多牌照、假牌照等等；實(shí)際拍攝過(guò)程也會(huì)受到環(huán)境亮度、拍攝亮度、車(chē)輛速度等等因素 的影響。這些影響因素不同程度上降低了牌照識(shí)別的識(shí)別率，也正是牌照識(shí)別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識(shí)別率，除了不斷的完善識(shí)別算法，還應(yīng)該想辦法克服各種光照條件， 通過(guò)不斷完善識(shí)別算法來(lái)提高識(shí)別率，使采集到的圖像最利于識(shí)別。數(shù)據(jù)存儲(chǔ)和顯示輸出顯示識(shí)別結(jié)果，并且將識(shí)別結(jié)果保存在一個(gè)預(yù)先建立的Excel文件中，七個(gè)字符按照識(shí)別先后順便一一存儲(chǔ)起來(lái)就可以得到車(chē)牌信息。也可以通過(guò)打開(kāi)Exc

17、el文件查看識(shí)別出來(lái)的結(jié)果車(chē)牌號(hào)碼。3算法與實(shí)現(xiàn)本部分主要介紹一下在整個(gè)系統(tǒng)研究過(guò)程中所涉及的主要算法，以及實(shí)現(xiàn)的效果。除去次要的部分，關(guān)鍵的核心是車(chē)牌提取、傾斜校正、字符切割與識(shí)別等。操作系統(tǒng)：Windows XP實(shí)驗(yàn)環(huán)境：MATLAB 7.0,13.1閾值處理簡(jiǎn)介 這部分沒(méi)有跟本文沒(méi)有多大關(guān)系，可以不要在數(shù)字圖像處理中，圖像分割占有非常重要的地位，很多時(shí)候?qū)D像進(jìn)行處理都要運(yùn)用到圖像分割技術(shù)，分割就得有分割點(diǎn)，而閾值便是分割點(diǎn)。一幅圖像中含有大量的圖像數(shù)據(jù)， 在分割時(shí)，選擇什么閾值就顯得比較重要，因?yàn)橹苯雨P(guān)系到分割的效果。在本系統(tǒng)中會(huì)運(yùn)用到閾值處理，而由于閾值處理的實(shí)現(xiàn)具有直觀(guān)性和簡(jiǎn)單性，

18、所以閾值處理在圖像分割應(yīng)用中占有重要的地位。假設(shè)直方圖對(duì)應(yīng)于圖像f(x,y),該圖像由背景相對(duì)較亮的對(duì)象組成，采用這種方法，目標(biāo)和背景像素會(huì)具有兩種主要模式的灰度級(jí)。一種從背景上提取對(duì)象的明顯方法是選取一個(gè)閾值T來(lái)分離這兩種模式。任何滿(mǎn)足 K勺力三丁的點(diǎn)(x,y)稱(chēng)為對(duì)象點(diǎn)，其他點(diǎn) 稱(chēng)為背景點(diǎn)。換言之，閾值處理后的圖像g(x,y)定義為：4文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持.標(biāo)注為1的像素對(duì)應(yīng)于對(duì)象，而標(biāo)注為 0的像素則對(duì)應(yīng)于背景。 T為常數(shù)時(shí)，這種方法稱(chēng)為全 局閾值處理，而允許閾值變化的方法稱(chēng)為局部閾值處理。本設(shè)計(jì)中采用的就是基于

19、直方圖的全局閾值處理。具體步驟如下：1、為T(mén)選一個(gè)初始估計(jì)值(一般選圖像中的最大亮度值和最小亮度值的中間值)。2、使用T分割圖像。結(jié)果會(huì)產(chǎn)生兩組彳t素：亮度值大于等于T的所有像素組成的亮度值小于陰所有像素組成的?。3、計(jì)算與和G二范圍內(nèi)的像素的平均亮度值甲2。4、計(jì)算一個(gè)新閾值：7 =軟1 +出)5、重復(fù)步驟2到步驟4,直到連續(xù)迭代中T的差比預(yù)先指定的參數(shù) 丁。小為止。在Matlab的工具箱中提供了一個(gè)稱(chēng)為graythresh的函數(shù)，該函數(shù)使用 Otsu方法來(lái)計(jì)算閾值。為檢驗(yàn)這種基于直方圖的方法，從處理一個(gè)離散概率密度函數(shù)的歸一化直方圖開(kāi)始， 如下所示：PrTq)=打 q = 0,1,2,，L

20、-1其中，n是圖像中的像素總數(shù)，”是灰度級(jí)為7的像素?cái)?shù)目，L是圖像中所有可能的灰度級(jí)數(shù)。假設(shè)現(xiàn)在已經(jīng)選定了一個(gè)閾值k, 是一組灰度級(jí)為0,1,2,3,k-1的像素，匚1是一組灰度級(jí)為k,k+1,，L-1的像素。Otsu方法選擇最大化類(lèi)間方差 *的閾值k,類(lèi)間方差定義為： 扁二%0出-的,) 一 +叫孫丁)彳其中，L-i TOC o 1-5 h z %=2 %(%) 曬二 y 媼%) 卬三仆;L- 1=丫;L-1廣郎(%)Q - 0函數(shù)graythresh 取一幅圖像，計(jì)算它的直方圖，找到最大化琥的閾值，閾值返回為 0.0和1.0之間的歸一化值。函數(shù) graythresh 的調(diào)用語(yǔ)法為T(mén) = g

21、raythresh(f)其中，f是輸入圖像，T是產(chǎn)生的閾值。為了分割圖像，在函數(shù) im2bw中使用閾值T。因?yàn)?文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除.文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持閾值已被歸一化到范圍0,1,所以必須在使用閾值之前將其縮放到合適的范圍。模板匹配簡(jiǎn)介 這個(gè)符號(hào)表示什么，參考資料要用上角標(biāo)。認(rèn)知是一個(gè)把未知與已知聯(lián)系起來(lái)的過(guò)程。對(duì)一個(gè)復(fù)雜的視覺(jué)系統(tǒng)來(lái)說(shuō)，它的內(nèi)部常同時(shí)存在著多種輸入和其它知識(shí)共存的表達(dá)形式。感知是把視覺(jué)輸入與事前已有表達(dá)結(jié)合的過(guò)程，而識(shí)別也需要建立或發(fā)現(xiàn)各種內(nèi)部表達(dá)式之間的聯(lián)系。匹配就是建立這些聯(lián)系的技術(shù)和過(guò)程。建立聯(lián)系的目的是為了用已

22、知解釋未知。（章毓晉圖像工程 下冊(cè)P.163）模板匹配的基本概念模板就是一幅已知的小圖像。模板匹配就是在一幅大圖像中搜尋目標(biāo)，已知該圖中有要找的目標(biāo)，且該目標(biāo)同模板有相同的尺寸、方向和圖像，通過(guò)一定的算法可以在圖中找到目標(biāo)，確定其坐標(biāo)位置。以8位圖像（其1個(gè)像素由1個(gè)字節(jié)描述）為例，模板T（腔N個(gè)像素）疊放在被搜索圖S（W X1人像素）上平移，模板覆蓋被搜索圖的那塊區(qū)域叫子圖$兒i , j為子圖左上角在被搜索圖S上的坐標(biāo)。搜索范圍是:公式要有標(biāo)號(hào)通過(guò)比較T和的相似性，完成模板匹配過(guò)程。用以下等式衡量 T和%的相似性:-HSJ? SM 即.vm In = 1r” = Iri = 1m - Ijj

23、 - 1in I n J該式中S的角標(biāo)與前述不符上式的第一項(xiàng)為子圖的能量，第三項(xiàng)為模板的能量， 都與模板匹配無(wú)關(guān)。 第二項(xiàng)是模板ZZx Re*) m = In = 1MJ)=和子圖的互相關(guān)，隨 GJ）而改變。當(dāng)模板和子圖匹配時(shí)，該項(xiàng)有極大值。將其歸一化，得模 板匹配的相關(guān)系數(shù)：nj五i7fitm 1 k h 1 m = In-1當(dāng)模板和子圖完全一樣時(shí)，相關(guān)系數(shù)則）=1。在被搜索圖S中完成全部搜索后， 找出R勺最大值用的*肺八），其對(duì)應(yīng)的子圖加朋即為匹配目標(biāo)。顯然，用這種公式做圖像匹配計(jì)算量大、速度較慢.另一種算法是衡量 可口%,的誤差，其公式為:6文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除文檔來(lái)源為

24、：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持后辦= I WomA r佃,叫 m = 1 fj = 1其中，EUJ）為最小值處即為匹配目標(biāo)。為提高計(jì)算速度，取一個(gè)誤差閾值% ,當(dāng)譏討）二 瓦j時(shí)就停止該點(diǎn)的計(jì)算，繼續(xù)下一點(diǎn)計(jì)算。經(jīng)過(guò)試驗(yàn)可知：被搜索圖越大，匹配速度越慢；模板越小，匹配速度越快。誤差法速 度較快，閾值的大小對(duì)匹配速度影響大，和模板的尺寸有關(guān)。在誤差算法的基礎(chǔ)上設(shè)計(jì)二次匹配誤差算法： 第一次匹配是粗略匹配。取模板的隔行隔 列數(shù)據(jù)，即四分之一的模板數(shù)據(jù)， 在被搜索圖上進(jìn)行隔行隔列掃描匹配， 即在原圖的四分之 一范圍內(nèi)匹配。由于數(shù)據(jù)量大幅度減少，匹配速度顯著提高。為了合理的給出一個(gè)

25、誤差閾值島，我設(shè)計(jì)了一個(gè)確定誤差閾值 埒的準(zhǔn)則：% = % X ?W-其中，q為各點(diǎn)平均的最大誤差，一般取 處宓 即可；m,n為模板的長(zhǎng)和寬。第二次匹配是精確匹配。在第一次誤差最小點(diǎn)（Ml，的鄰域內(nèi),即在對(duì)角點(diǎn)為&/.二1,九說(shuō)二1億儲(chǔ)1+1，/廿4 + L）的矩形內(nèi)，進(jìn)行搜索匹配，得到最后結(jié)果。經(jīng)試驗(yàn)可知：二次匹配誤差法的速度比其它算法要快10倍左右。輸入待處理的原始圖像研究的第一步是車(chē)牌相片的獲取，即通過(guò)文件選擇的方式讀取待處理彩色圖像，直接調(diào)用Matlab的內(nèi)帶函數(shù)uigetfile ,用于創(chuàng)建標(biāo)準(zhǔn)的對(duì)話(huà)框并通過(guò)交互式操作取得文件名。 Uigetfile的使用方法如下：uigetfile

26、 :顯示一個(gè)模態(tài)對(duì)話(huà)框，對(duì)話(huà)框列出了當(dāng)前目錄下的文件和目錄，用于可以 選擇一個(gè)將要打開(kāi)的文件名。如果文件名是有效的且該文件存在，則當(dāng)用戶(hù)點(diǎn)擊Open寸函數(shù)uigetfile返回該文件名。若不存在，uigetfile顯示一個(gè)控制返回對(duì)話(huà)框值的錯(cuò)誤提示信息，此時(shí)用戶(hù)可以輸入另外的文件名或點(diǎn)擊Cancel按鈕。如果用戶(hù)點(diǎn)擊 Cancel按鈕或關(guān)閉對(duì)話(huà)框，函數(shù)uigetfile 將返回0。函數(shù)格式為：FileName,PathName,FilterIndex = uigetfile（FilterSpec）創(chuàng)建并顯示對(duì)話(huà)框，列出當(dāng)前目錄下的文件。 FilterSpec決定文件的初始顯示，它可以 為一個(gè)文

27、件全名或者包含通配符*，如*, jpg 表示列出所有的圖像文件。如果FilterSpec是一個(gè)包含文件名的字符串，則該文件名所在的文件名域?qū)⒈贿x中并顯示出來(lái)，且該文件的擴(kuò)展名將作為過(guò)濾作用；如果FilterSpec是一個(gè)包含文件路徑的字符串，例如./*,m 表示列出當(dāng)前目錄上的所有 Mt件；如果FilterSpec是一個(gè)單元數(shù)組，則其第一列為擴(kuò)展名列 表，第二列為描述列表；如果 FilterSpec沒(méi)有指定路徑對(duì)象，則 uigetfile將使用默認(rèn)路徑下的所有文件類(lèi)型。本設(shè)計(jì)中按照如下格式調(diào)用uigetfile函數(shù)來(lái)讀取彩色圖像。讀取過(guò)程如圖3.1所示。fn,pn,fi = uigetfile

28、（*.jpg,選擇圖片）;%讀取*,jpg格式的圖像文件7文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持圖3.1 讀取圖片選擇運(yùn)用imread函數(shù)來(lái)調(diào)用uigetfile 函數(shù)讀取的圖像，調(diào)用結(jié)果如圖 3.2所示。圖3.2 原始圖像車(chē)牌提取車(chē)牌提取是指將車(chē)牌從原始圖像中分割出來(lái)以便進(jìn)行后續(xù)處理，具體包含圖像分割、修 正，以及提取幾個(gè)部分， 而重點(diǎn)部分又是圖像分割部分。本設(shè)計(jì)主要識(shí)別的對(duì)象是小型民用汽車(chē)，而該類(lèi)汽車(chē)的車(chē)牌牌照全部為藍(lán)底白字，而且車(chē)牌的長(zhǎng)寬比例也是固定的，這些就是要識(shí)別的車(chē)牌的特點(diǎn)，而本系統(tǒng)中的車(chē)牌提取部分也正是利用了這些特點(diǎn)來(lái)進(jìn)行

29、車(chē)牌圖像提 取。在RB彰色圖彳中，uint8類(lèi)RGI像的取彳1范圍是0,255,通過(guò)反復(fù)的手工實(shí)驗(yàn)， 可以 得出近似藍(lán)色的取值范圍是40,200,紅色和綠色的范圍呢？所以可以通過(guò)確定閾值在40,200范圍類(lèi)來(lái)找出近似藍(lán)色的區(qū)域，以備用。然后根據(jù)車(chē)牌是藍(lán)底白字的特點(diǎn)對(duì)已找到的藍(lán)色區(qū)域進(jìn)行搜索并記錄統(tǒng)計(jì)白色像素點(diǎn)，如統(tǒng)計(jì)結(jié)果為沒(méi)有白色像素點(diǎn)，則該藍(lán)色區(qū)域肯定不是車(chē)牌區(qū)域，否則需要進(jìn)行下一步判斷，這樣就可以判斷提取的藍(lán)色區(qū)域是否滿(mǎn)足車(chē)牌的第一個(gè)特點(diǎn)。如滿(mǎn)足第一個(gè)特點(diǎn)的不止一個(gè)區(qū)域，則需運(yùn)用車(chē)牌的第二個(gè)特點(diǎn)一一長(zhǎng)寬比例是固定的來(lái)進(jìn)一步判斷剩下的備選區(qū)域，如仍就滿(mǎn)足條件，則為車(chē)牌所在區(qū)域， 可對(duì)其進(jìn)行修

30、正并提取出來(lái)。在本設(shè)計(jì)中的具體過(guò)程為：1、假設(shè)所要處理的圖像圖片是二維平面圖像，確定一個(gè)起始點(diǎn)分別從y方向和x方向開(kāi)始搜索藍(lán)色像素點(diǎn)并統(tǒng)計(jì)， 而且定義zeros(y , 1)統(tǒng)計(jì)y方向上的藍(lán)色像素點(diǎn)， 定義zeros(1 , x)統(tǒng)計(jì)x方向上的藍(lán)色像素點(diǎn)。2、通過(guò)y方向和x方向上的藍(lán)色像素點(diǎn)所確定的區(qū)域的值與給定的已知的閾值進(jìn)行比較， 從而在y方向上確定出藍(lán)色區(qū)域的上下邊界，并且在x方向上確定出藍(lán)色區(qū)域的起始點(diǎn)，這樣就可以得到很多備選的藍(lán)色區(qū)域。同時(shí)得出藍(lán)色區(qū)域的長(zhǎng)和寬，并記錄。3、在(2)中所得的眾多藍(lán)色區(qū)域內(nèi)進(jìn)行白色像素點(diǎn)搜索，并統(tǒng)計(jì)。同時(shí)，計(jì)算出白色比例跟長(zhǎng)寬比例。4、判斷藍(lán)色區(qū)域是否是

31、車(chē)牌區(qū)域。如沒(méi)有白色像素或長(zhǎng)寬比不滿(mǎn)足既定比例，則該區(qū) 域不是車(chē)牌區(qū)域，否則就是車(chē)牌區(qū)域，進(jìn)而可以將其提取出來(lái)。5、若藍(lán)色區(qū)域不是車(chē)牌區(qū)域，則需要進(jìn)行第二次x方向上的搜索，再次搜索采用增強(qiáng)型 的兩邊往中間收縮進(jìn)行搜索，這樣可以防止車(chē)牌中間某些位置出現(xiàn)斷層對(duì)搜索的影響。6、重復(fù)步驟(3)和步驟(4)的操作，進(jìn)而確定出車(chē)牌所在區(qū)域。7、對(duì)車(chē)牌區(qū)域進(jìn)行修正。因?yàn)榍懊娌襟E中獲得的車(chē)牌區(qū)域沒(méi)有車(chē)牌的邊框，所以需要 對(duì)所得區(qū)域稍加修正即可使車(chē)牌邊框顯示出來(lái)，從分割出完整的車(chē)牌。 這里只需對(duì)前面所得區(qū)域的四個(gè)邊界都向外擴(kuò)展一個(gè)既定的距離，從而使所要提取的區(qū)域擴(kuò)大，這樣就能提取出整個(gè)車(chē)牌。8、對(duì)前面分割出來(lái)的

32、車(chē)牌區(qū)域進(jìn)行進(jìn)一步修正。根據(jù)像素區(qū)域的大小的不同， 又y方向上的寬和x方向上的長(zhǎng)進(jìn)行進(jìn)一步修正。這里與步驟 (7)中的修正的不同點(diǎn)在于：步驟 (7)中 向各個(gè)方向的修正值是相同的， 而這里的y方向與x方向上的修正的不一定相同， 主要根據(jù)像 素區(qū)域的大小決定。9、提取出車(chē)牌圖像并顯示。經(jīng)過(guò)以上步驟，可以提取出較為理想的車(chē)牌圖像。在本設(shè)計(jì)中，設(shè)計(jì)了以下函數(shù)對(duì)圖片進(jìn)行分割。8文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除.文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持PY2,PY1,PX2,PX1,m=caitu_fenge(I,fn);%車(chē)牌圖像分割函數(shù)其中，PY2,PY1,PX2,PX1,m

33、分別代表車(chē)牌區(qū)域y方向上的下邊界、上邊界和x方向上的終點(diǎn)邊界、起始邊界，以及返回的閾值。設(shè)計(jì)并采用如下函數(shù)對(duì)車(chē)牌區(qū)域進(jìn)行再次修正。PY2,PY1,PX2,PX1,threshold=SEC_xiuzheng(PY2,PY1,PX2,PX1);%再次修正其中，PY2,PY1,PX2,PX1的意義與前面相同，Wthreshold為函數(shù)返回的一個(gè)閾值，該閾值表將在裁剪時(shí)用到。設(shè)計(jì)并采用如下函數(shù)對(duì)車(chē)牌圖像進(jìn)行提取。PY2,PY1,PX2,PX1=caitu_tiqu(I,I_bai);哪圖 _車(chē)牌提取該函數(shù)與車(chē)牌分割函數(shù)的原理和作用基本上相同，但是沒(méi)有返回閾值，而且提取過(guò)程中處理也簡(jiǎn)單些了。車(chē)牌圖像提

34、取結(jié)果如圖3,3所示。圖3.3車(chē)牌提取結(jié)果說(shuō)明：由于深港兩地車(chē)牌為黑底白字，因此在車(chē)牌分割后就可以直接判斷出不滿(mǎn)足藍(lán)底白字的要求，因此經(jīng)過(guò)車(chē)牌分割這一步驟之后就可以直接分別出來(lái)，所以不再對(duì)其進(jìn)行后續(xù)識(shí)別處理。圖像的灰度化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，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。選擇的標(biāo)準(zhǔn)是經(jīng)過(guò)灰度變換后，像素的動(dòng)態(tài)范圍增加，圖像的對(duì)比度擴(kuò)展，使圖像變得更加清晰、細(xì)膩、容易識(shí)別。將彩色圖像轉(zhuǎn)換為二值的黑白灰度圖像只需直接調(diào)用Matlab內(nèi)帶函數(shù)rgb2gray即可，具體調(diào)用為：bw=rgb2g

35、ray(bw);圖像灰度化后的效果如圖3.4所示。圖3.4 圖像灰度處理后傾斜校正在本設(shè)計(jì)中，字符切割時(shí)，要對(duì)圖像進(jìn)行掃描，并且統(tǒng)計(jì)像素點(diǎn)數(shù)目并累計(jì)，當(dāng)累計(jì) 到一點(diǎn)數(shù)目時(shí)，達(dá)到預(yù)定的閾值時(shí)，就被認(rèn)定為一個(gè)字符，如果圖像不水平，就會(huì)影響掃描結(jié)果，進(jìn)而導(dǎo)致字符切割不準(zhǔn)或失敗，所以在切割之前必須進(jìn)行傾斜校正，即對(duì)存在傾斜角度的圖片進(jìn)行傾斜校正，以便獲得水平方向的圖片。可調(diào)用如下函數(shù)完成校正任務(wù)：Rando_bianhuan(I)該函數(shù)使用邊緣檢測(cè)函數(shù)edge識(shí)別經(jīng)過(guò)灰度處理的車(chē)牌圖像的邊界，并且定義角度theta=1:180 ,然后調(diào)用 Matlab內(nèi)帶的radon變換函數(shù)識(shí)別出傾斜角度并記錄。Ra

36、don變換是一幅圖像在一個(gè)特定的角度下的徑向線(xiàn)方向的投影。Radon在該函數(shù)中的具體使用方法為：R,xp = radon(I,theta)該函數(shù)中，對(duì)應(yīng)于 R中的每一行，返回一個(gè)包含徑向坐標(biāo)的向量xp。xp中的徑向坐標(biāo)是?占著X軸的數(shù)值，其為在theta下，X軸逆時(shí)針?lè)较蛴成鋪?lái)的。9文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持如記錄的角度為J,則需要旋轉(zhuǎn)的角度為 90-J。旋轉(zhuǎn)時(shí)調(diào)用Matlab內(nèi)帶的imrotate ()函數(shù)，如需旋轉(zhuǎn)的角度定義為負(fù)值，則圖像順時(shí)針旋轉(zhuǎn)，正值則沿著逆時(shí)針?lè)较蛐D(zhuǎn)。旋轉(zhuǎn)校正之后的效果如圖3.5所示。圖3.5傾斜

37、校正處理后圖片后處理對(duì)經(jīng)過(guò)傾斜校正之后的圖片，還需要進(jìn)行一些后處理，以便獲得更好的信息。主要是 擦除干擾和對(duì)圖片做進(jìn)一步的裁剪，把過(guò)多的邊界裁剪掉，僅留下車(chē)牌字符。在裁剪之前，首先得對(duì)干擾進(jìn)行處理，以防裁剪時(shí)將車(chē)牌信息也裁剪掉了。由于圖像 是高清數(shù)碼相機(jī)所拍攝的靜態(tài)車(chē)牌，所以干擾比較少，不需要進(jìn)行特別復(fù)雜高效的干擾處理， 只需簡(jiǎn)單處理一下即可。對(duì)干擾進(jìn)行處理時(shí)，只需圖像轉(zhuǎn)換為基于閾值的二進(jìn)制圖像，直接調(diào)用Matlab的內(nèi)帶函數(shù)im2bw(),調(diào)用格式為：Bw = im2bw(bw,graythresh(bw)其中，graythresh(bw)為閾值，函數(shù)graythresh 能用來(lái)自動(dòng)計(jì)算變量

38、閾值，具體介紹可參 見(jiàn)3,0中的簡(jiǎn)介，輸出圖bw將輸入圖像中亮度值大于graythresh(bw)的像素替換為值1 (白色)，其他替換為值0(黑色)。指定graythresh(bw) 在0,1之間，不用管輸入圖像的等 級(jí)。如果你不指定閾值，im2bw則默認(rèn) 使用0.5。然后調(diào)用 Matlab內(nèi)帶函數(shù)bwmorph提 取二進(jìn)制圖像的輪廓，并且調(diào)用Matlab內(nèi)帶的bwareaopen函數(shù)刪除二進(jìn)制圖像中面積小于 threshold 的對(duì)象，對(duì)剩下的沒(méi)被刪除的對(duì)象調(diào)用自己定義的touying函數(shù)進(jìn)行投影，從而可得到只有車(chē)牌號(hào)碼的黑白圖像，如圖 3,6所示。其中，touying函數(shù)從右往左，從上往下

39、 進(jìn)行投影，并且投影過(guò)程中要統(tǒng)計(jì)黑點(diǎn)數(shù)目，在尋找圖片上下邊界時(shí)，從兩端向中間進(jìn)行搜索，還有在整個(gè)過(guò)程中也要使用閾值，在確定左邊邊界時(shí)，先預(yù)定義一個(gè)值1,當(dāng)不大于投影往下面投影的統(tǒng)計(jì)值的十四分子一的整數(shù)小于等于1時(shí)，即為左邊界，找到三個(gè)邊界即可得到只有車(chē)牌號(hào)碼的黑白圖像，即圖 3,6所示圖像。圖3.6擦除干擾等處理后效果字符切割車(chē)牌號(hào)碼由漢字、字母、數(shù)字三種字符組成，而且組成形式為漢字+字母+數(shù)字或漢字+字母+數(shù)字+漢字兩種，前面是小型民用汽車(chē)車(chē)牌的組成形式，也是本系統(tǒng)主要處理的車(chē)牌類(lèi)型，后一種形式的是指某些有特定意義的汽車(chē)的車(chē)牌，如大使館的汽車(chē)最后有一個(gè)紅色的使字。在字符切割時(shí)也將運(yùn)用這一特點(diǎn)

40、。字符切割采用累積計(jì)數(shù)的方法，對(duì)每一行，每一列的黑色像素點(diǎn)進(jìn)行統(tǒng)計(jì)，然后累積像素與設(shè)定的閾值進(jìn)行比較，當(dāng)累計(jì)像素達(dá)到設(shè)定的閾值時(shí)，被認(rèn)為是一個(gè)字符，然后進(jìn)行切割。根據(jù)車(chē)牌的特點(diǎn)，可以對(duì)車(chē)牌中的漢字、字母、數(shù)字進(jìn) 行定位，對(duì)應(yīng)位置分割出來(lái)的分別為漢字、字母、數(shù)字三種不同的字符，而且這樣也有利于后面的識(shí)別過(guò)程的效率的提高。在本設(shè)計(jì)中定義如下函數(shù)對(duì)字符進(jìn)行分割。function fenge = shuzifenge(imfenge,qingxiejiao) %字符分割函數(shù)該函數(shù)首先設(shè)定分割閾值，然后開(kāi)始黑色像素搜索，當(dāng)搜索統(tǒng)計(jì)的像素達(dá)到設(shè)定的閾值 時(shí)，即被認(rèn)定為一個(gè)字符，切割出來(lái)；然后繼續(xù)搜索，繼續(xù)

41、確定其它字符，直到字符被全部 切割出來(lái)為止。切割之后的字符圖樣如圖3,7所示。圖3,7字符切割效果說(shuō)明：為了區(qū)別數(shù)字“ 1”和字母“ l ”，如遇到數(shù)字“ 1，字符長(zhǎng)度會(huì)自動(dòng)增加，正如 圖3,7所示的效果一樣。10文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持3.9字符識(shí)別字符識(shí)別過(guò)程采用模板匹配算法進(jìn)行識(shí)別，關(guān)于模板匹配算法原理可參考3.1。具體識(shí)別步驟如下：1、對(duì)字符進(jìn)行歸一化處理。在 3.7已經(jīng)將字符分割開(kāi)來(lái)了，但是分割開(kāi)之后的字符的 大小等數(shù)據(jù)并不一定相同，也就無(wú)法進(jìn)行正確的匹配識(shí)別，所以需要通過(guò)對(duì)分割出來(lái)的字符進(jìn)行歸一化處理使它們具有

42、相同的屬性。2、字符模板存儲(chǔ)。將分割字符進(jìn)行歸一化處理后，將它們以模板的形式存儲(chǔ)（存儲(chǔ)格式為位圖）在字符模板庫(kù)中。這樣便可以得到一個(gè)字符模板庫(kù)。注意：生成模板庫(kù)時(shí)，并不是 隨便排列的，而是按照數(shù)字 （從0到9）、字母（從A到Z）、漢字的順序排列的，目的是為了 提高識(shí)別效率。3、對(duì)分割字符分別進(jìn)行黑白像素的統(tǒng)計(jì)，然后根據(jù)統(tǒng)計(jì)像素與模板大小的比例判斷出 識(shí)別的結(jié)果，并且依次保存。4、導(dǎo)出文本。輸出并顯示識(shí)別結(jié)果直接調(diào)用 Matlab內(nèi)帶的msgbox函數(shù)即可。然后調(diào) 用Matlab內(nèi)帶的fopen函數(shù)打開(kāi)預(yù)先建立的表格， 并調(diào)用Matlab內(nèi)帶的fprintf 函數(shù)將識(shí) 別結(jié)果寫(xiě)入表格中，最后保存

43、寫(xiě)入的識(shí)別結(jié)果并關(guān)閉表格。在以上四個(gè)步驟中，前面三個(gè)步驟為字符的識(shí)別過(guò)程，第四步是對(duì)識(shí)別結(jié)果的輸入顯示和保存。最終顯示的識(shí)別結(jié)果如圖3.8所示。圖3.8 識(shí)別結(jié)果效果當(dāng)然，也可以通過(guò)直接打開(kāi)保存了車(chē)牌識(shí)別結(jié)果的Excel文件查看識(shí)別出來(lái)的結(jié)果車(chē)牌號(hào)碼。4系統(tǒng)運(yùn)行結(jié)果分析系統(tǒng)運(yùn)行基本正常，大部分滿(mǎn)足條件的車(chē)牌號(hào)碼能被正確識(shí)別出來(lái)，但是部分車(chē)牌目 前還無(wú)法正確識(shí)別出來(lái)，如車(chē)牌號(hào)碼所有數(shù)字都相同時(shí)，識(shí)別會(huì)出錯(cuò)。還有，在識(shí)別過(guò)程中，可能會(huì)遇到圖4.1所示問(wèn)題：圖4.1 出錯(cuò)識(shí)別從上面結(jié)果可以看出，這張車(chē)牌的識(shí)別存在著一點(diǎn)問(wèn)題，將“S”誤識(shí)另為“ 5”。在識(shí)別中還可能出錯(cuò)的有“ 0”和“ 8”，“粵”和

44、“京”，“A”和“4”等。由于時(shí)間的關(guān)系，目前 已對(duì)后面一個(gè)問(wèn)題中的部分修改好了，而其他部分還可以進(jìn)行優(yōu)化改進(jìn)，通過(guò)進(jìn)一步修改程序，在某些方面做些彌補(bǔ)，最后達(dá)到識(shí)別效果。由此可知，在車(chē)牌識(shí)別的過(guò)程中數(shù)字庫(kù)的建立很重要，只有數(shù)字庫(kù)的準(zhǔn)確才能保證識(shí)別出來(lái)的數(shù)據(jù)正確。5結(jié)束語(yǔ)本設(shè)計(jì)所采用的基于彩色分量的定位方法，運(yùn)用基于藍(lán)色象素點(diǎn)統(tǒng)計(jì)特性的方法對(duì)藍(lán)底車(chē)牌進(jìn)行定位，通過(guò)實(shí)驗(yàn)數(shù)據(jù)表明，用該方法實(shí)現(xiàn)的車(chē)牌定位準(zhǔn)確率較高。本設(shè)計(jì)只對(duì)藍(lán)底白字車(chē)牌進(jìn)行分割識(shí)別，針對(duì)其他顏色的車(chē)牌，則需要對(duì)車(chē)牌定位算法進(jìn)行進(jìn)一步的調(diào)整， 而車(chē)牌字符的分割算法仍然有效。本設(shè)計(jì)所采用的圖片都是用1000萬(wàn)像素相機(jī)拍攝的，清晰地比較高

45、，因此效果比較好，如果圖片質(zhì)量不高，識(shí)別還存在著一定的問(wèn)題，識(shí)別率也會(huì)下降，因此還需要進(jìn)一步對(duì)算法進(jìn)行改進(jìn)，才能達(dá)到較好的效果。11文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除.文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持把模4系統(tǒng)運(yùn)行結(jié)果與分析內(nèi)容太少，其它顯示結(jié)果的地方也可以增加一些圖片說(shuō)明。板匹配部分可放在后面一點(diǎn)。12文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持【注釋】、摘自數(shù)字圖像處理（MATLAB版），作者：岡薩雷斯、摘自期刊文檔圖像處理技術(shù)一一模板匹配算法，作者：左力【參考文獻(xiàn)】1岡薩雷斯數(shù)字圖像處理（第二版）北京電子工

46、業(yè)出版社2007.82岡薩雷斯數(shù)字圖像處理（MATLAB版）北京電子工業(yè)出版社2005.93趙丹等基于MATLAB勺車(chē)牌識(shí)別大連工業(yè)大學(xué)學(xué)報(bào)2007.94王剛等基于MATLAB勺車(chē)牌識(shí)別系統(tǒng)的研究電子設(shè)計(jì)工程2009.115葛哲學(xué)精通MATLAB 電子工業(yè)出版社2008.26百度資料庫(kù)網(wǎng)址:7左力圖像處理技術(shù)一一模板匹配算法2002.38Milind M.MushrifAjoy K. Ray ,Colorimage segmentation: Rough-set theoreticapproach,Pattern Recognition Letters,29(2008)483-4939 錢(qián)成，

47、盧玨車(chē)牌識(shí)別中字符分割的研究中國(guó)科技論文在線(xiàn)2011.1中央民族大學(xué)學(xué)報(bào)（自然科學(xué)版）10朱俊梅，陳少平基于改進(jìn)的投影方法的車(chē)牌圖像字符分割2007.4郭大波彩色汽車(chē)圖像車(chē)牌定位技術(shù)分析山西大學(xué)學(xué)報(bào)(自然科學(xué)版)2005.1Yanli Zhai A novel variational model for image segmentation Journal of Computational and Applied Mathematics 2011 No.813文檔收集于互聯(lián)網(wǎng)，如有不妥請(qǐng)聯(lián)系刪除文檔來(lái)源為：從網(wǎng)絡(luò)收集整理,word版本可編輯.歡迎下載支持.致謝這次基于Matlab的靜態(tài)車(chē)牌識(shí)別系統(tǒng)畢業(yè)設(shè)計(jì)的完成，首先要