基于matlab的車(chē)牌識(shí)別畢業(yè)設(shè)計(jì)

1、<p>　　基于MATLAB的車(chē)牌識(shí)別研究</p><p><b>　　摘要</b></p><p>　　汽車(chē)牌照自動(dòng)識(shí)別系統(tǒng)是近幾年發(fā)展起來(lái)的計(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。在車(chē)牌自動(dòng)識(shí)別系統(tǒng)中，首先要將車(chē)牌從所獲得的圖像中分割出來(lái)，這是進(jìn)行車(chē)牌字符識(shí)別的重要步驟，定位準(zhǔn)確與否直接影響車(chē)牌識(shí)別率。</p><

2、;p>　　本次畢業(yè)設(shè)計(jì)首先對(duì)車(chē)牌識(shí)別系統(tǒng)的現(xiàn)狀和已有的技術(shù)進(jìn)行深入的研究，在研究的基礎(chǔ)上開(kāi)發(fā)出一個(gè)基于MATLAB的車(chē)牌識(shí)別系統(tǒng)，通過(guò)編寫(xiě)M文件，對(duì)各種車(chē)輛圖像處理方法進(jìn)行分析、比較，提出了車(chē)牌預(yù)處理、車(chē)牌粗定位何靜定位的方法。本次設(shè)計(jì)采取的是基于邊緣檢測(cè)，先從經(jīng)過(guò)邊緣提取后的車(chē)輛圖像中提取車(chē)牌特征，進(jìn)行分析處理，從而初步定出車(chē)牌的區(qū)域，再利用車(chē)牌的先驗(yàn)知識(shí)和分布特征對(duì)車(chē)牌區(qū)域二值化圖像進(jìn)行處理，從而得到車(chē)牌的精確區(qū)域，并且取得了

3、較好的定位結(jié)果。</p><p>　　關(guān)鍵詞：識(shí)別率 車(chē)牌定位 二值化 邊緣檢測(cè)</p><p><b>　　Abstract</b></p><p>　　The subject of the automatic recognition of the most significant subiects that are improved

4、from the connection of computer vision and pattren recognition .In LPSR ,the first step is for locating the license plate in the captured image which is very important for character recognition .The recognition correctio

5、n rate of license plate is goverment by accurate degree of license plate location .</p><p>　　The graduation project first in-depth study on the status of the license plate recognition systems and existing te

6、chnology, on the basis of the study developed a matlab-based license plate recognition system, a variety of vehicles, image processing, through the preparation of the M-fileanalysis of the proposed license plate pretreat

7、ment, the positioning of the coarse license plate positioning Jing. The design is taken based on edge detection, start to extract the license plate characteristics af</p><p>　　Key words: Recognition rate

8、Location of the plate binary image</p><p>　　Checked up for the edge</p><p><b>　　目錄</b></p><p><b>　　摘要1</b></p><p><b>　　前言4</b>&l

9、t;/p><p><b>　　第一章 緒論5</b></p><p>　　1.1、課題研究背景和意義5</p><p>　　1.2、國(guó)內(nèi)外研究概況及發(fā)展趨勢(shì)6</p><p>　　1.3車(chē)牌定位的意義7</p><p>　　第二章 MATLAB簡(jiǎn)介8</p><p>

10、　　2.1.MATLAB發(fā)展歷史8</p><p>　　2.2MATLAB的語(yǔ)言特點(diǎn)9</p><p>　　第三章 車(chē)牌定位11</p><p>　　3.1 車(chē)牌定位的主要方法11</p><p>　　3.1.1 基于直線檢測(cè)的方法11</p><p>　　3.1.2 基于閾值化方法12</p>

11、<p>　　3.1.3 基于灰度邊緣檢測(cè)方法12</p><p>　　3.1.4 基于彩色圖像的車(chē)牌定位方法13</p><p>　　3.2研究?jī)?nèi)容及實(shí)驗(yàn)方案14</p><p>　　3.2.1研究?jī)?nèi)容14</p><p>　　3.2.2 車(chē)牌識(shí)別系統(tǒng)研究的方案和方法14</p><p>　　3

12、.3 圖像的讀取15</p><p>　　3.4 預(yù)處理及邊緣提取17</p><p>　　3.4.1 圖象的采集與轉(zhuǎn)換17</p><p>　　3.4.2 圖像預(yù)處理17</p><p>　　3.4.3 圖像增強(qiáng)18</p><p>　　3.4.4灰度變換18</p><p>　　

13、3.4.5 圖象平滑的介紹20</p><p>　　3.4.6邊緣檢測(cè)21</p><p>　　3.4.7圖像的腐蝕22</p><p>　　3.5 牌照的定位和分割23</p><p>　　3.5.1 牌照區(qū)域的定位和分割24</p><p>　　3.5.2 牌照區(qū)域的分割24</p>&l

14、t;p>　　3.5.3車(chē)牌進(jìn)一步處理24</p><p>　　3.6 圖像邊緣提取及二值化25</p><p>　　3.7 形態(tài)學(xué)濾波29</p><p>　　3.8 車(chē)牌提取31</p><p>　　第四章 字符的分割與識(shí)別32</p><p>　　4.1 字符分割與歸一化32</p>

15、<p>　　4.2 字符的識(shí)別33</p><p><b>　　總結(jié)和體會(huì)36</b></p><p><b>　　謝辭37</b></p><p><b>　　前言</b></p><p>　　隨著交通問(wèn)題的日益嚴(yán)重，智能交通系統(tǒng)應(yīng)運(yùn)而生。從20世紀(jì)90年代

16、起，我國(guó)也逐漸展開(kāi)了智能交通系統(tǒng)的研究和開(kāi)發(fā)，探討在現(xiàn)有的交通運(yùn)輸網(wǎng)的基礎(chǔ)上，提高運(yùn)輸效率，保障運(yùn)輸安全。</p><p>　　汽車(chē)牌照自動(dòng)識(shí)別系統(tǒng)是近幾年發(fā)展起來(lái)的計(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。車(chē)牌識(shí)別的目的是對(duì)攝像頭獲取的汽車(chē)圖像進(jìn)行預(yù)處理，確定車(chē)牌位置，提取車(chē)牌上的字符串，并對(duì)這些字符進(jìn)行識(shí)別處理，用文本的形式顯示出來(lái)。車(chē)牌自動(dòng)識(shí)別技術(shù)在智能交通系統(tǒng)中具有重要的應(yīng)用價(jià)值。在車(chē)

17、牌自動(dòng)識(shí)別系統(tǒng)中，首先要將車(chē)牌從所獲取的圖像中分割出來(lái)，這是進(jìn)行車(chē)牌字符識(shí)別的重要步驟，定位準(zhǔn)確與否直接影響車(chē)牌識(shí)別率。</p><p>　　車(chē)牌自動(dòng)識(shí)別系統(tǒng)作為一種交通信息的獲取技術(shù)在交通車(chē)輛管理、園區(qū)車(chē)輛管理、停車(chē)場(chǎng)管理有著特別重要的應(yīng)用價(jià)值，受到業(yè)內(nèi)人士的普遍關(guān)注。車(chē)輛自動(dòng)識(shí)別系統(tǒng)由三部分組成，其中車(chē)牌定位作為最關(guān)鍵的技術(shù)，成為重點(diǎn)研究的對(duì)象。</p><p>　　車(chē)牌定位的成功與否

18、及定位的準(zhǔn)確程度將會(huì)直接決定后期能否進(jìn)行車(chē)牌識(shí)別及識(shí)別的準(zhǔn)確度。由于在現(xiàn)實(shí)中，汽車(chē)的車(chē)牌圖像收到光照、背景、車(chē)型等外界干擾因素以及拍攝角度、遠(yuǎn)近等人為因素的影響，造成圖像受光不均勻，車(chē)牌區(qū)域不明顯，給車(chē)牌區(qū)域的提取帶來(lái)了較大的困難。</p><p>　　車(chē)牌定位的方法有很多種，目前比較經(jīng)典的定位方法大都在基于灰度圖像的基礎(chǔ)上，本次設(shè)計(jì)就針對(duì)灰度圖像的定位進(jìn)行了研究。針對(duì)不同背景和光照條件下的車(chē)輛圖像，提出了一種基

19、于灰度變換特征進(jìn)行車(chē)牌定位的方法。依據(jù)車(chē)牌種不同區(qū)域的灰度分布，車(chē)牌定位可以首先將彩色車(chē)牌進(jìn)行灰度化然后再進(jìn)行車(chē)牌定位。</p><p><b>　　第一章 緒論</b></p><p>　　1.1、課題研究背景和意義</p><p>　　隨著汽車(chē)數(shù)量的迅速上漲，逐漸向自動(dòng)化和實(shí)時(shí)性的智能化管理進(jìn)行轉(zhuǎn)變。汽車(chē)智能化的重要環(huán)節(jié)就是牌號(hào)的自動(dòng)識(shí)別系

20、統(tǒng)，主要使用倉(cāng)儲(chǔ)式立體庫(kù)以及無(wú)人值守停車(chē)場(chǎng)管理、交通控制與誘導(dǎo)、不停車(chē)自動(dòng)收費(fèi)以及違章車(chē)輛以及車(chē)輛安全防盜等領(lǐng)域。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)。該技術(shù)具有良好的研究?jī)r(jià)值和廣闊的應(yīng)用前景。</p><p>　　車(chē)輛牌照自動(dòng)識(shí)別技術(shù)是智能交通系統(tǒng)的一個(gè)重要組成部分，它在交通管理與監(jiān)控中有著廣泛的應(yīng)用。車(chē)輛牌照識(shí)別系統(tǒng)技術(shù)能夠從一副車(chē)輛圖像中準(zhǔn)確定位車(chē)牌圖像

21、，經(jīng)過(guò)字符切分和識(shí)別后實(shí)現(xiàn)車(chē)輛牌照的自動(dòng)識(shí)別，從而為以上應(yīng)用提供信息和基礎(chǔ)功能。目前，車(chē)牌識(shí)別系統(tǒng)主要應(yīng)用于以下領(lǐng)域：</p><p>　　(1) 停車(chē)場(chǎng)管理系統(tǒng)。利用車(chē)牌識(shí)別技術(shù)對(duì)出入的車(chē)輛車(chē)牌號(hào)進(jìn)行識(shí)別和匹配，與停車(chē)卡結(jié)合實(shí)現(xiàn)自動(dòng)計(jì)時(shí)、自動(dòng)收費(fèi)的車(chē)輛收費(fèi)管理系統(tǒng)。</p><p>　　(2) 高速公路超速自動(dòng)化管理系統(tǒng)。以車(chē)牌號(hào)自動(dòng)識(shí)別技術(shù)為基礎(chǔ)，與其它高速高科技技術(shù)手段結(jié)合，對(duì)高速公

22、路交通狀況進(jìn)行自動(dòng)監(jiān)測(cè)、自動(dòng)控制，從而降低交通事故的發(fā)生率，確保交通順暢。</p><p>　　(3) 公路布控。采用車(chē)牌技術(shù)對(duì)重點(diǎn)車(chē)輛進(jìn)行識(shí)別，快速報(bào)警，即可有效查找被盜車(chē)輛，又可作為公安、檢察機(jī)關(guān)體工對(duì)犯罪嫌疑人的交通工具的跟蹤和檢查的技術(shù)手段。</p><p>　　(4) 城市十字路口的“電子警察”。可以對(duì)違章車(chē)輛進(jìn)行責(zé)任追究，也可以輔助進(jìn)行交通流量統(tǒng)計(jì)，交通檢測(cè)和疏導(dǎo)。</p

23、><p>　　(5) 小區(qū)車(chē)輛管理系統(tǒng)。社區(qū)保安系統(tǒng)將出入社區(qū)的車(chē)輛通過(guò)車(chē)牌識(shí)別技術(shù)進(jìn)行記錄，將結(jié)果與內(nèi)部的車(chē)輛進(jìn)行對(duì)比，可以實(shí)現(xiàn)實(shí)時(shí)監(jiān)管。</p><p>　　1.2、國(guó)內(nèi)外研究概況及發(fā)展趨勢(shì)</p><p>　　國(guó)內(nèi)外有大量關(guān)于車(chē)牌識(shí)別的研究報(bào)道。國(guó)外在這方面的研究工作開(kāi)展較早。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)牌監(jiān)測(cè)系統(tǒng)”的廣域檢測(cè)和開(kāi)發(fā)。同時(shí)代，誕

24、生了面向被盜車(chē)輛的第一個(gè)實(shí)時(shí)自動(dòng)車(chē)牌監(jiān)測(cè)系統(tǒng)。發(fā)展到今日，國(guó)外的車(chē)牌檢測(cè)的研究已經(jīng)取得了令人矚目的成就，如yuntaocui提出了一種車(chē)牌識(shí)別系統(tǒng)，在車(chē)牌定位后，利用馬爾科夫場(chǎng)對(duì)車(chē)牌特征進(jìn)行取值化，對(duì)樣本的識(shí)別達(dá)到了較高的識(shí)別率。</p><p>　　車(chē)牌識(shí)別技術(shù)作為智能交通系統(tǒng)中的關(guān)鍵技術(shù)，在各國(guó)學(xué)者的共同努力下，已經(jīng)得到了長(zhǎng)遠(yuǎn)的展，并且已經(jīng)得到了不同程度的實(shí)際應(yīng)用，但目前還存在這種種不足。對(duì)于未來(lái)車(chē)牌識(shí)別產(chǎn)品

25、的技術(shù)發(fā)展趨勢(shì)，漢王科技智能交通部總經(jīng)理喬炬認(rèn)為，首先，由于市場(chǎng)需求不同，對(duì)識(shí)別產(chǎn)品的需求也有差異，因此就要求研發(fā)針對(duì)不同細(xì)分市場(chǎng)的車(chē)牌識(shí)別產(chǎn)品。其次，隨著算法的不斷改進(jìn)，基于視頻觸發(fā)技術(shù)的車(chē)牌識(shí)別產(chǎn)品將得到大范圍的應(yīng)用，但是視頻出發(fā)技術(shù)取代外觸發(fā)裝置尚需時(shí)日。第三，現(xiàn)在的車(chē)牌識(shí)別系統(tǒng)設(shè)備過(guò)多，系統(tǒng)集成難度大，系統(tǒng)穩(wěn)定性差，系統(tǒng)維護(hù)是一個(gè)讓人頭疼的問(wèn)題。隨著技術(shù)不斷進(jìn)步，以往多個(gè)設(shè)備實(shí)現(xiàn)的功能可能由一個(gè)設(shè)備實(shí)現(xiàn)。</p>

26、<p>　　從車(chē)牌識(shí)別系統(tǒng)進(jìn)入國(guó)內(nèi)以來(lái)，國(guó)內(nèi)有大量的學(xué)者在從事這方面的研究，提出了許多新穎的算法。目前上海大學(xué)圖像處理實(shí)驗(yàn)室研制出的汽車(chē)牌照自動(dòng)識(shí)別系統(tǒng)已經(jīng)在瀘寧高速公路收費(fèi)口處得到了應(yīng)用。該系統(tǒng)識(shí)別率高，速度快，魯棒性強(qiáng)，對(duì)環(huán)境和光照的要求低，能夠適應(yīng)收費(fèi)系統(tǒng)要求的環(huán)境。在排除非正常牌照，嚴(yán)重污染的牌照和對(duì)比度特別低的牌照的情況下，經(jīng)現(xiàn)場(chǎng)數(shù)萬(wàn)輛車(chē)輛測(cè)試，對(duì)漢字和后四個(gè)數(shù)字的整體識(shí)別率達(dá)99%以上，識(shí)別時(shí)間＜0.2s，該系統(tǒng)結(jié)

27、合人機(jī)對(duì)話，經(jīng)瀘寧高速公路江橋收費(fèi)口試運(yùn)行確定，達(dá)到了實(shí)用要求。還有中國(guó)科學(xué)院自動(dòng)化所劉志勇等開(kāi)發(fā)的系統(tǒng)在一個(gè)樣本量為3180的樣本集中，車(chē)牌的準(zhǔn)確率為99.42%，切分準(zhǔn)確率為94.52%，這套系統(tǒng)后來(lái)用于漢王公司的車(chē)牌識(shí)別系統(tǒng)，取得了不錯(cuò)的效果。隨著市場(chǎng)的不斷擴(kuò)大，需求的進(jìn)一步提高，必將促進(jìn)這一領(lǐng)域的進(jìn)一步發(fā)展。</p><p>　　目前，車(chē)牌識(shí)別技術(shù)和產(chǎn)品性能進(jìn)入實(shí)用階段時(shí)間不是很長(zhǎng)，隨著人工智能以及自動(dòng)識(shí)

28、別技術(shù)的進(jìn)步，未來(lái)的技術(shù)發(fā)展空間還會(huì)非常大。例如，核心算法繼續(xù)發(fā)展，識(shí)別率和知識(shí)速度進(jìn)一步改善，圖像處理中對(duì)模糊圖像預(yù)處理能力增強(qiáng)，畫(huà)質(zhì)改善技術(shù)的提高等等。</p><p>　　1.3車(chē)牌定位的意義</p><p>　　車(chē)牌定位是車(chē)牌定位識(shí)別系統(tǒng)中的關(guān)鍵技術(shù)之一，車(chē)牌照定位結(jié)果的好壞直接影響著該系統(tǒng)的識(shí)別進(jìn)度。所謂車(chē)牌照定位過(guò)程就是把車(chē)牌照區(qū)域完整的從一幅復(fù)雜的車(chē)牌圖像中分割出來(lái)。然后對(duì)于

29、一副車(chē)牌圖像來(lái)說(shuō)，車(chē)牌區(qū)域只占復(fù)雜的車(chē)牌圖像的一小部分，要想準(zhǔn)確地定位出車(chē)牌區(qū)域，就必須提取車(chē)牌區(qū)域內(nèi)的字符本身的紋理特征及字符與其背景之間的灰度特征來(lái)進(jìn)行分析</p><p>　　現(xiàn)在社會(huì)已經(jīng)進(jìn)入信息時(shí)代，隨著計(jì)算機(jī)技術(shù)、通信技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的方法，自動(dòng)化的信息處理能力和水平不算提高，并在人們社會(huì)活動(dòng)和生活的各個(gè)領(lǐng)域得到廣泛應(yīng)用。在這種情況下，作為信息來(lái)源的自動(dòng)檢測(cè)、圖像識(shí)別技術(shù)越來(lái)越受到人們的重視。作為現(xiàn)

30、代社會(huì)的主要交通工具之一的汽車(chē)，在人們的生產(chǎn)、生活的各個(gè)領(lǐng)域得到大量的使用，對(duì)它的信息自動(dòng)采集和管理在交通車(chē)輛管理、園區(qū)車(chē)輛管理、停車(chē)場(chǎng)管理等方面有十分重要的意義，成為信息處理技術(shù)的一項(xiàng)重要課題。</p><p>　　車(chē)牌定位識(shí)別系統(tǒng)正是在這中應(yīng)用背景下研制出來(lái)的能夠自動(dòng)實(shí)時(shí)的檢測(cè)車(chē)輛經(jīng)過(guò)并定位識(shí)別汽車(chē)牌照的智能交通管理系統(tǒng)。車(chē)牌定位識(shí)別系統(tǒng)是在裝備了數(shù)字?jǐn)z像設(shè)備和計(jì)算機(jī)信息管理系統(tǒng)等軟硬件平臺(tái)基礎(chǔ)上，采用先進(jìn)的

31、圖像處理、模式識(shí)別和人工智能技術(shù)，通過(guò)對(duì)圖像的采集和處理，完成車(chē)牌定位識(shí)別功能。車(chē)牌定位識(shí)別系統(tǒng)，集現(xiàn)場(chǎng)識(shí)別、遠(yuǎn)程傳輸和指揮中心網(wǎng)絡(luò)化調(diào)度管理為一體，具有全天侯實(shí)時(shí)識(shí)別車(chē)牌照、自動(dòng)比對(duì)車(chē)輛信息、現(xiàn)場(chǎng)報(bào)警、事后排查、高速高效等功能，并符合21世紀(jì)安全防范和智能交通系統(tǒng)工程主流應(yīng)用技術(shù)的相關(guān)標(biāo)準(zhǔn)。</p><p><b>　　。</b></p><p>　　第二章 MAT

32、LAB簡(jiǎn)介</p><p>　　2.1.MATLAB發(fā)展歷史</p><p>　　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。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

33、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。</p><p>　　MATLAB是Matrix Laboratory的縮寫(xiě)，意為“矩陣實(shí)驗(yàn)室”，是當(dāng)今非常流行的科學(xué)計(jì)算軟件。這是因?yàn)樾畔⒓夹g(shù)、計(jì)算機(jī)技術(shù)的發(fā)展，使得科學(xué)計(jì)算在各個(gè)領(lǐng)域得到了廣泛的應(yīng)用，比如控制論、時(shí)間序列分析、系統(tǒng)仿真、圖像信號(hào)處理等領(lǐng)域都產(chǎn)生了大量的矩陣及其他計(jì)算問(wèn)題。自己編寫(xiě)大

34、量繁復(fù)的計(jì)算程序，不僅會(huì)消耗大量的時(shí)間和精力，減緩工作進(jìn)程，而且質(zhì)量往往不高。美國(guó)Mathwork軟件公司推出的MATLAB軟件正迎合了這一需求，為人們提供了一個(gè)方便的數(shù)值平臺(tái)。</p><p>　　MATLAB是一個(gè)交互式的系統(tǒng)，其基本運(yùn)算單元是不需要指定維數(shù)的矩陣，并按照IEEE數(shù)值計(jì)算標(biāo)準(zhǔn)計(jì)算。系統(tǒng)本身提供了大量的矩陣及其他運(yùn)算函數(shù)，可以方便地進(jìn)行很復(fù)雜的計(jì)算，且運(yùn)算效率高。MATLAB語(yǔ)言是當(dāng)今國(guó)際上科學(xué)

35、界最具影響力、也是最有活力的軟件。它起源于矩陣運(yùn)算，并已經(jīng)發(fā)展成為一種高度集成的計(jì)算機(jī)語(yǔ)言。它提供了強(qiáng)大的科學(xué)運(yùn)算、靈活的程序設(shè)計(jì)流程、高質(zhì)量的圖形可視化與界面設(shè)計(jì)、便捷的與其他程序和語(yǔ)言接口的功能。MATLAB語(yǔ)言在各國(guó)高校與研究單位起著重大作用。</p><p>　　在70年代中期，Cleve Moler博士和其他同事在美國(guó)國(guó)家科學(xué)基金的資助下開(kāi)發(fā)了調(diào)用EISPACK和LIPACK的FORTRAN子程序庫(kù)。E

36、ISPACK是特征值求解的FORTRAN程序庫(kù)，LIPACK是解線性方程的程序庫(kù)。在當(dāng)時(shí)，這兩個(gè)程序庫(kù)代表矩陣運(yùn)算的最高水平。到70年代后期，身為美國(guó)New Mexico大學(xué)計(jì)算機(jī)系系主任的Cleve Moler在給學(xué)生講授線性代數(shù)課程時(shí)，想教學(xué)生使用EISPACK和LIPACK程序庫(kù)，但他發(fā)現(xiàn)學(xué)生用FORTRAN編寫(xiě)EISPACK和LIPACK的接口程序。Cleve Moler給這個(gè)接口程序取名為MATLAB，該名為矩陣（matrix

37、）和實(shí)驗(yàn)室(labotatory)兩個(gè)英文單詞的前三個(gè)字母的組合，在以后的數(shù)年里，MATLAB在多所大學(xué)里作為教學(xué)輔助軟件使用，并作為面向大眾的免費(fèi)軟件廣為流傳。</p><p>　　MATLAB 產(chǎn)品族可以用來(lái)進(jìn)行以下各種工作：數(shù)值分析、數(shù)值和符號(hào)計(jì)算、工程與科學(xué)繪圖、控制系統(tǒng)的設(shè)計(jì)與仿真、數(shù)字圖像處理技術(shù)、數(shù)字信號(hào)處理技術(shù)、通訊系統(tǒng)設(shè)計(jì)與仿真等。MATLAB 的應(yīng)用范圍非常廣，包括信號(hào)和圖像處理、通訊、控制系

38、統(tǒng)設(shè)計(jì)、測(cè)試和測(cè)量、財(cái)務(wù)建模和分析以及計(jì)算生物學(xué)等眾多應(yīng)用領(lǐng)域。附加的工具箱（單獨(dú)提供的專(zhuān)用MATLAB 函數(shù)集）擴(kuò)展了MATLAB 環(huán)境，以解決這些應(yīng)用領(lǐng)域內(nèi)特定類(lèi)型的問(wèn)題。</p><p>　　2.2MATLAB的語(yǔ)言特點(diǎn)</p><p>　　MATLAB最突出的特點(diǎn)就是簡(jiǎn)潔。MATLAB用更直觀的，符合人們思維習(xí)慣的代碼，代替了C和FORTRAN語(yǔ)言的冗長(zhǎng)代碼。MATLAB給用戶(hù)帶來(lái)

39、的是最直觀，最簡(jiǎn)潔的程序開(kāi)發(fā)環(huán)境。他的語(yǔ)言特點(diǎn)是：</p><p>　　1）、語(yǔ)言簡(jiǎn)潔緊湊，使用方便靈活，庫(kù)函數(shù)極其豐富。MATLAB程序書(shū)寫(xiě)形式自由，利用起豐富的庫(kù)函數(shù)避開(kāi)繁雜的子程序編程任務(wù)，壓縮了一切不必要的編程工作。由于庫(kù)函數(shù)都由本領(lǐng)域的專(zhuān)家編寫(xiě)，用戶(hù)不必?fù)?dān)心函數(shù)的可靠性。</p><p>　　2）、運(yùn)算符豐富。由于MATLAB是用C語(yǔ)言編寫(xiě)的，MATLAB提供了和C語(yǔ)言幾乎一樣多

40、的運(yùn)算符，靈活使用MATLAB的運(yùn)算符將使程序變得極為簡(jiǎn)短。</p><p>　　3）、MATLAB既具有結(jié)構(gòu)化的控制語(yǔ)句（如for循環(huán)，while循環(huán)，break語(yǔ)句和if語(yǔ)句），又有面向?qū)ο缶幊痰奶匦浴?lt;/p><p>　　4）、程序限制不嚴(yán)格，程序設(shè)計(jì)自由度大。例如，在MATLAB里，用戶(hù)無(wú)需對(duì)矩陣預(yù)定義就可使用。</p><p>　　5）、程序的可移植性很好

41、，基本上不做修改就可以在各種型號(hào)的計(jì)算機(jī)和操作系統(tǒng)上運(yùn)行。</p><p>　　6）、MATLAB的圖形功能強(qiáng)大。在FORTRAN和C語(yǔ)言里，繪圖都很不容易，但在MATLAB里，數(shù)據(jù)的可視化非常簡(jiǎn)單。MATLAB還具有較強(qiáng)的編輯圖形界面的能力。</p><p>　　7）、MATLAB的缺點(diǎn)是，它和其他高級(jí)程序相比，程序的執(zhí)行速度較慢。由于MATLAB的程序不用編譯等預(yù)處理，也不生成可執(zhí)行文

42、件，程序?yàn)榻忉寛?zhí)行，所以速度較慢。</p><p>　　8)功能強(qiáng)大的工具箱是MATLAB的另一特色。MATLAB包含兩個(gè)部分：核心部分和各種可選的工具箱。核心部分中有數(shù)百個(gè)核心內(nèi)部函數(shù)。其工具箱又分為兩類(lèi)：功能性工具箱和學(xué)科性工具箱。功能性工具箱主要用來(lái)擴(kuò)充其符號(hào)計(jì)算功能，圖示建模仿真功能，文字處理功能以及與硬件實(shí)時(shí)交互功能。功能性工具箱用于多種學(xué)科。學(xué)科性工具箱是專(zhuān)業(yè)性比較強(qiáng)的，如control,toolbo

43、x,signl proceessing toolbox,commumnication toolbox等。這些工具箱都是由該領(lǐng)域內(nèi)學(xué)術(shù)水平很高的專(zhuān)家編寫(xiě)的，所以用戶(hù)無(wú)需編寫(xiě)自己學(xué)科范圍內(nèi)的基礎(chǔ)程序，而直接進(jìn)行高，精，尖的研究。</p><p>　　9)源程序的開(kāi)放性。開(kāi)放性也許是MATLAB最受人們歡迎的特點(diǎn)。除內(nèi)部函數(shù)以外，所有MATLAB的核心文件和工具箱文件都是可讀可改的源文件，用戶(hù)可通過(guò)對(duì)源文件的修改以及加

44、入自己的文件構(gòu)成新的工具箱。</p><p><b>　　第三章 車(chē)牌定位</b></p><p>　　3.1 車(chē)牌定位的主要方法</p><p>　　所謂車(chē)牌定位算法是指在實(shí)際拍攝的圖像中確定車(chē)牌區(qū)域的位置以便提取分割出車(chē)牌區(qū)域圖像的問(wèn)題。牌照的快速準(zhǔn)確定位是車(chē)牌自動(dòng)識(shí)別技術(shù)中非常關(guān)鍵的一步，是典型的圖像分割問(wèn)題，因此定位方法與車(chē)牌特征和圖像

45、處理技術(shù)是分不開(kāi)的。</p><p>　　經(jīng)典的車(chē)牌定位分割算法包括從簡(jiǎn)單的灰度閾值方法、頻域和空間分割方法到復(fù)雜的連接元素方法以及Hough變化法等，在背景較復(fù)雜和光照不均勻條件下，這些方法難以取得令人滿(mǎn)意的分割效果。近年來(lái)，人們針對(duì)這種情況，提出了各種各樣的定位算法。目前沒(méi)有一個(gè)標(biāo)準(zhǔn)圖像數(shù)據(jù)庫(kù)來(lái)評(píng)價(jià)無(wú)限制條件車(chē)牌定位算法的性能，這個(gè)問(wèn)題的研究目前剛剛起步。</p><p>　　3.1.

46、1 基于直線檢測(cè)的方法</p><p>　　在計(jì)算機(jī)識(shí)別中，常常需要從圖像上尋找特定形狀的圖形，如果直接利用圖像點(diǎn)陣進(jìn)行搜索判斷顯然難以實(shí)現(xiàn)，這時(shí)就需要將圖像像素按一定的算法映射到參數(shù)空間。Hough變換提供了一種將圖像像素信息按坐標(biāo)映射到參數(shù)空間的方法，通過(guò)它構(gòu)建的參數(shù)空間可以容易地對(duì)特定形狀進(jìn)行判斷。</p><p>　　Hough變換是一種利用圖像的全局特征將特定形狀的邊緣像素連接起

47、來(lái)，形成連續(xù)平滑邊緣的一種方法。它通過(guò)將源圖像上的點(diǎn)映射到用于累加的參數(shù)空間，實(shí)現(xiàn)對(duì)已知解析式曲線的識(shí)別。Hough變換常用于對(duì)圖像中的直線和圓進(jìn)行識(shí)別。</p><p>　　這類(lèi)方法一般采用Hough變化等方法來(lái)檢測(cè)直線（車(chē)牌周?chē)吙蛐纬桑?。利用?chē)牌形狀特性來(lái)定位車(chē)牌，在實(shí)際運(yùn)用中憂(yōu)郁光照不均勻等影響和攝像機(jī)畸變，曝光不足和動(dòng)態(tài)范圍太窄等原因，導(dǎo)致圖像存在偽影，加上車(chē)牌上的灰塵、臟污等使形狀特性表現(xiàn)的不明顯，從

48、而影響定位效果，此外傳統(tǒng)的Hough變換法應(yīng)用在車(chē)牌定位中，只是單純的進(jìn)行直線的檢測(cè)，沒(méi)有和車(chē)牌形狀特性結(jié)合起來(lái)，而且Hough空間與原圖像空間不是一一對(duì)應(yīng)的，由Hough空間中檢測(cè)到的特征點(diǎn)無(wú)法確定出車(chē)牌輪廓的起始位置，無(wú)法避免直線干擾的問(wèn)題，因此在有直線干擾時(shí)及未進(jìn)行邊框提取時(shí)的可能性會(huì)大大增加。Hough變化計(jì)算量較大，對(duì)于邊框不連續(xù)的實(shí)際車(chē)牌，需要附加量加大的運(yùn)算。</p><p>　　3.1.2 基于閾

49、值化方法</p><p>　　圖像經(jīng)過(guò)閾值化得到一個(gè)字符和背景分離的二值圖像是這類(lèi)方法的特點(diǎn)。目前已經(jīng)提出了多種閾值化策略，但簡(jiǎn)單算法二值化效果不好，復(fù)雜算法計(jì)算時(shí)間長(zhǎng)、計(jì)算量大限制了實(shí)際應(yīng)用。</p><p>　　3.1.3 基于灰度邊緣檢測(cè)方法</p><p>　　此類(lèi)方法通常利用車(chē)牌區(qū)域局部對(duì)比度明顯和灰度有規(guī)律變化的紋理特征來(lái)定位。中國(guó)車(chē)牌類(lèi)型較多，在不同光

50、照條件下車(chē)牌對(duì)比度更加不一，需要進(jìn)行圖像增強(qiáng)處理，還要考慮圖像中與車(chē)牌特征非常相似的非車(chē)牌區(qū)域的排除問(wèn)題。</p><p>　?。?）基于灰度直方圖的門(mén)限化邊緣檢測(cè)</p><p>　　基于灰度直方圖的門(mén)限化邊緣檢測(cè)是一種最常用、最簡(jiǎn)單的邊緣檢測(cè)方法。對(duì)檢測(cè)目標(biāo)——背景圖像中目標(biāo)的邊緣效果很好。這種圖像的灰度直方圖呈雙峰狀態(tài)。</p><p>　?。?）基于微分的邊

51、緣檢測(cè)</p><p>　　1.基于差分的邊緣檢測(cè)</p><p><b>　?、僖浑A差分邊緣檢測(cè)</b></p><p>　　對(duì)位于邊緣兩側(cè)的點(diǎn)，像素點(diǎn)灰度值將發(fā)生急劇變化，因此有較大的差分值。當(dāng)差分方向和邊界方向垂直時(shí)將獲得最大差分，因此，只要對(duì)f(i ,j) 各方向的差分值再進(jìn)行一次門(mén)限化處理，即可檢出邊緣像素點(diǎn)，從而求得其邊緣圖像。&l

52、t;/p><p><b>　　②二階差分邊緣檢測(cè)</b></p><p>　　這是利用在圖像的邊緣處，灰度發(fā)生急劇變化這一特性，采用圖像灰度值沿著確定方向(x，y或?qū)蔷€)取二次差分后的某些性質(zhì)進(jìn)行邊緣檢測(cè)的。</p><p>　　2. 基于梯度的邊緣檢測(cè)</p><p>　　由于邊緣發(fā)生在圖像灰度值變化比較大的地方，對(duì)應(yīng)連

53、續(xù)情形就是函數(shù)梯度最大的地方。Roberts算子、Prewitt算子和Sobel算子就是比較簡(jiǎn)單而常用的例子。還有一種比較直觀的方法就是利用當(dāng)前像素臨域中的一些像素值擬合一個(gè)曲面，然后求這個(gè)連續(xù)曲面在該像素處梯度。從統(tǒng)計(jì)角度上說(shuō)，我們可以通過(guò)回歸分析得到一個(gè)曲面，然后做類(lèi)似的處理。</p><p>　　3.1.4 基于彩色圖像的車(chē)牌定位方法</p><p>　　目前的車(chē)牌分割受限于灰度圖像

54、，所以定位效果受陰影和光照條件的限制。由于人類(lèi)是絕對(duì)彩色信息比較敏感，人眼能力分辨的灰度只有20多級(jí)，而分辨的彩色卻有35000多種，彩色圖像可以提供更多的視覺(jué)信息，有圖像學(xué)者提出了利用車(chē)牌的顏色信息來(lái)搜索牌照，將處理對(duì)象改為彩色圖像以求可以精確地定位車(chē)牌。</p><p>　　比如一些系統(tǒng)采用BP神經(jīng)網(wǎng)絡(luò)對(duì)彩色圖像進(jìn)行彩色分割，把每個(gè)像素通過(guò)網(wǎng)絡(luò)學(xué)習(xí)歸類(lèi)為期望的顏色，然后利用水平和數(shù)值直方圖的方法確定牌照的位置

55、，但是當(dāng)車(chē)牌區(qū)域顏色與附近顏色非常相似且牌照傾斜的情況下彩色定位分個(gè)錯(cuò)誤將會(huì)增加。</p><p>　　也有一些系統(tǒng)采用彩色邊緣檢測(cè)算子計(jì)算二值邊緣圖像，然后采用形態(tài)學(xué)方法來(lái)生成聯(lián)通區(qū)域圖像，在進(jìn)行輪廓跟蹤，一個(gè)標(biāo)記候選牌照區(qū)域，但是當(dāng)圖中相似顏色區(qū)塊較多時(shí)，定位速度會(huì)急劇下降。</p><p>　　也有的系統(tǒng)首先利用顏色信息對(duì)輸入圖像進(jìn)行彩色粗分割，得到了顏色為車(chē)牌照的一些區(qū)域。然后將分

56、個(gè)結(jié)果中的偽目標(biāo)（即除了車(chē)牌區(qū)域以外的區(qū)域）分為兩類(lèi)（一類(lèi)是與汽車(chē)牌照顏色相近的背景，一類(lèi)是可能與牌照顏色相機(jī)的汽車(chē)外殼），分別進(jìn)行處理，最終利用投影法得到準(zhǔn)確的車(chē)牌位置。雖然這種方法的定位率比較準(zhǔn)確，但是識(shí)別速度卻很慢。這類(lèi)方法一般都是將輸入的RGB彩色圖像轉(zhuǎn)換成HIS彩色圖像，然后進(jìn)行基于模糊邏輯或神經(jīng)網(wǎng)絡(luò)的彩色分割，再進(jìn)一步定位車(chē)牌，計(jì)算量大。</p><p>　　上述四種方法中，基于直線檢測(cè)的方法對(duì)我國(guó)車(chē)

57、牌來(lái)講并不完全使用，因?yàn)槲覈?guó)車(chē)牌的懸掛明顯不夠規(guī)范，有些車(chē)牌邊框不夠明顯必然造成定位算法失效，如果結(jié)合別的算法側(cè)需要在本身運(yùn)算量很大的情況下額外增加系統(tǒng)開(kāi)銷(xiāo)。車(chē)牌的最明顯特點(diǎn)是其紋理特征，基于灰度邊緣檢測(cè)的方法不失為一個(gè)理想選擇。此外，基于顏色的車(chē)牌定位也是比較普遍的定位方法。</p><p>　　3.2研究?jī)?nèi)容及實(shí)驗(yàn)方案</p><p><b>　　3.2.1研究?jī)?nèi)容</

58、b></p><p>　　本課題主要是就汽車(chē)牌照的自動(dòng)識(shí)別進(jìn)行一系列的研究，通過(guò)查閱相關(guān)資料，了解課題背景，熟悉MATLAB軟件的基本操作，利用MATLAB軟件，根據(jù)提供的汽車(chē)車(chē)牌照片，采用圖像分析和處理算法，有效識(shí)別汽車(chē)的車(chē)號(hào)等相關(guān)信息。主要的研究?jī)?nèi)容有：</p><p>　　(1)在MATLAB基礎(chǔ)上，實(shí)現(xiàn)車(chē)牌識(shí)別系統(tǒng)中的車(chē)牌定位及車(chē)牌字符的識(shí)別功能。</p>&l

59、t;p>　　(2)對(duì)車(chē)牌定位、字符切分、字符識(shí)別的算法進(jìn)行研究。</p><p>　　(3)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。</p><p>　　3.2.2 車(chē)牌識(shí)別系統(tǒng)研究的方案和方法</p><p>　　完整的車(chē)牌識(shí)別系統(tǒng)應(yīng)包含車(chē)輛檢測(cè)、圖像采集、圖像預(yù)處理、車(chē)牌定位、字符分割、字符識(shí)別等單元。當(dāng)車(chē)輛到達(dá)觸發(fā)圖像采集單元時(shí)，系統(tǒng)采集當(dāng)前的視頻圖像，牌照識(shí)別單元對(duì)圖像進(jìn)

60、行處理，定位出牌照位置，再將牌照中的字符分割出來(lái)進(jìn)行識(shí)別，然后組成牌照號(hào)碼輸出。流程圖如下：</p><p>　　圖3.1.總體流程圖</p><p>　　該系統(tǒng)是計(jì)算機(jī)圖像處理與字符識(shí)別技術(shù)在智能化交通管理系統(tǒng)中的應(yīng)用，它主要由牌照?qǐng)D像的采集和預(yù)處理、牌照區(qū)域的定位和提取、牌照字符的分割和識(shí)別等幾個(gè)部分組成，如圖3.1所示。其基本工作過(guò)程如下：</p><p>　

61、?。?）當(dāng)行駛的車(chē)輛經(jīng)過(guò)時(shí)，觸發(fā)埋設(shè)在固定位置的傳感器，系統(tǒng)被喚醒處于工作狀態(tài)；一旦連接攝像頭光快門(mén)的光電傳感器被觸發(fā)，設(shè)置在車(chē)輛前方、后方和側(cè)面的相機(jī)同時(shí)拍攝下車(chē)輛圖像；</p><p>　　（2）由攝像機(jī)或CCD攝像頭拍攝的含有車(chē)輛牌照的圖像通視頻卡輸入計(jì)算機(jī)進(jìn)行預(yù)處理，圖像預(yù)處理包括圖像轉(zhuǎn)換、圖像增強(qiáng)、濾波和水平較正等；</p><p>　?。?）由檢索模塊進(jìn)行牌照搜索與檢測(cè)，定位并

62、分割出包含牌照字符號(hào)碼的矩形區(qū)域；</p><p>　?。?）對(duì)牌照字符進(jìn)行二值化并分割出單個(gè)字符，經(jīng)歸一化后輸入字符識(shí)別系統(tǒng)進(jìn)行識(shí)別。</p><p><b>　　3.3 圖像的讀取</b></p><p>　　MATLAB中從圖像中讀取數(shù)據(jù)函數(shù)imread()，這個(gè)函數(shù)的作用是將圖像文件的數(shù)據(jù)讀入矩陣中，此外還可以用imfinfo()函數(shù)查

63、看圖像文件的信息。函數(shù)imread可以從任何MATLAB支持的圖像文格式中讀取一幅圖像。格式為：</p><p>　　A=imread(filename,fmt)</p><p>　　[X,MAP]=imread(FTLENAME,'FMT'),其中：FTLENAME為需要讀取的圖像文件名稱(chēng)，F(xiàn)MT是圖像格式。</p><p>　　[...]=imr

64、ead(filename,fmt)</p><p>　　[...]=imread(filename)</p><p>　　[...]=imread(URL,...)</p><p>　　[...]=imread(...,idx) (CUR,ICO,and TIFE only)</p><p>　　[...]=imread(...,

65、'frames',idx) (GIF only)</p><p>　　[A,map,alpha]=imread(...) (ICO,CUR,and PNC only)</p><p>　　圖像的信息讀取可以通過(guò)調(diào)用imfinfo函數(shù)獲得與圖像文件有關(guān)的信息，格式如下：</p><p>　　INFO=imfinfo(FTLENAME,'FMT

66、')，其中返回的INFO是MATLAB的一個(gè)結(jié)構(gòu)體；</p><p>　　大多數(shù)圖像文件格式采用8為數(shù)據(jù)存儲(chǔ)像素值，將這些文件讀入內(nèi)存后，MATLAB都將其存儲(chǔ)為unit8類(lèi)型。對(duì)支持16為數(shù)據(jù)的文件格式，如PNG和TIFE，MATLAB則將這些圖像存儲(chǔ)為unit16類(lèi)型。和其他MATLAB生成的圖像一樣，一旦一幅圖像被顯示了，那么它將成為一個(gè)圖形對(duì)象句柄。</p><p>　　在

67、讀取圖像之前，應(yīng)該先清除MATLAB所有的工作平臺(tái)變量，并關(guān)閉打開(kāi)的圖形窗口。為此，可使用以下命令：</p><p>　　clear; close all</p><p>　　然后使用圖像選取函數(shù)imread就可以讀取一幅圖像。假設(shè)要讀取圖像為pout.tif(該圖像是圖像處理工具箱自帶的圖像)，并將他存儲(chǔ)在一個(gè)名為I的數(shù)組中，使用命令：I=imread(‘pout.tif’);</

68、p><p>　　然后調(diào)用inshow命令來(lái)顯示圖像：inshow(I)</p><p>　　本設(shè)計(jì)中圖像的讀取程序如下：</p><p>　　imread('E:/車(chē)牌圖片.jpg');</p><p>　　figure(),subplot(3,2,1),imshow(I),title('原始圖像') </p

69、><p>　　圖3.2 .原始圖像</p><p>　　Figure對(duì)象是MATLAB系統(tǒng)中包括GUI設(shè)計(jì)編輯窗在內(nèi)所有顯示窗口。在系統(tǒng)運(yùn)行極限條件下，用戶(hù)可以創(chuàng)建任意多個(gè)Figure窗。所有Figure對(duì)象的父對(duì)象都是Root對(duì)象，而其他所有MATLAB圖形對(duì)象都是Figure對(duì)象的子對(duì)象。</p><p>　　如果當(dāng)前沒(méi)有創(chuàng)建任何Figure對(duì)象，MATLAB在調(diào)用

70、一個(gè)繪圖函數(shù)（如plot 函數(shù)mesh函數(shù)）時(shí)，都自動(dòng)創(chuàng)建一個(gè)Figure對(duì)象，如果在 MATLAB系統(tǒng)中已經(jīng)包括了好多Figure窗，系統(tǒng)則總是指定一個(gè)Figure窗為當(dāng)前窗口，以后所有的函數(shù)默認(rèn)把它作為輸出圖行窗。如果當(dāng)前只有GUI設(shè)計(jì)編輯窗，MATLAB系統(tǒng)也默認(rèn)為無(wú)可用的Figure窗，及調(diào)用繪圖函數(shù)時(shí)將重新創(chuàng)建一個(gè)Figure對(duì)象。</p><p>　　3.4 預(yù)處理及邊緣提取</p>&

71、lt;p>　　圖3.3 預(yù)處理及邊緣提取流程圖 </p><p>　　3.4.1 圖像的采集與轉(zhuǎn)換</p><p>　　考慮到現(xiàn)有牌照的字符與背景的顏色搭配一般有藍(lán)底白字、黃底黑字、白底紅字、綠底白字和黑底白字等幾種，利用不同的色彩通道就可以將區(qū)域與背景明顯地區(qū)分出來(lái)，例如，對(duì)藍(lán)底白字這種最常見(jiàn)的牌照，采用藍(lán)色B 通道時(shí)牌照區(qū)域?yàn)橐涣恋木匦?，而牌照字符在區(qū)

72、域中并不呈現(xiàn)。因?yàn)樗{(lán)色（255，0，0）與白色（255，255，255）在B 通道中并無(wú)區(qū)分，而在G、R 通道或是灰度圖像中并無(wú)此便利。同理對(duì)白底黑字的牌照可用R 通道，綠底白字的牌照可以用G 通道就可以明顯呈現(xiàn)出牌照區(qū)域的位置，便于后續(xù)處理。原圖、灰度圖及其直方圖見(jiàn)圖2與圖3。對(duì)于將彩色圖像轉(zhuǎn)換成灰度圖像時(shí)，圖像灰度值可由下面的公式計(jì)算：</p><p><b>　?。?.4.1.1）</b&g

73、t;</p><p><b>　　（3.4.1.2）</b></p><p>　　3.4.2 圖像預(yù)處理</p><p>　　圖像預(yù)處理是對(duì)原始資料進(jìn)行遙感器效應(yīng)和幾何及輻射效應(yīng)等的應(yīng)用前期處理，是將每一個(gè)文字圖像分檢出來(lái)交給識(shí)別模塊識(shí)別。在圖像分析中，對(duì)輸入圖像進(jìn)行特征抽取、分割和匹配前所進(jìn)行的處理。圖像預(yù)處理的主要目的是消除圖像中無(wú)關(guān)的信息

74、，恢復(fù)有用的真實(shí)信息，增強(qiáng)有關(guān)信息的可檢測(cè)性和最大限度地簡(jiǎn)化數(shù)據(jù)，從而改進(jìn)特征抽取、圖像分割、匹配和識(shí)別的可靠性。預(yù)處理過(guò)程一般有數(shù)字化、幾何變換、歸一化、平滑、復(fù)原和增強(qiáng)等步驟。</p><p>　　圖像預(yù)處理是車(chē)牌定位的準(zhǔn)備工作，以提高車(chē)牌圖片的適用性。圖像不僅包括車(chē)牌照，而且還有汽車(chē)本身和汽車(chē)背景圖像，因此必須去掉這些非牌照?qǐng)D像的影響，才有可能正確的提取出牌照區(qū)域，為以后的車(chē)牌字符識(shí)別打下基礎(chǔ)。在實(shí)際用用中

75、，由于季節(jié)的更替、自然光照的晝夜變化、光照的穩(wěn)定性與均勻性、車(chē)輛自身的運(yùn)動(dòng)、觀察點(diǎn)、采集圖像的設(shè)備本身因素等的影響，因而必須對(duì)圖像進(jìn)行預(yù)處理，以改善圖像質(zhì)量，提高字符識(shí)別率。</p><p>　　3.4.3 圖像增強(qiáng)</p><p>　　對(duì)車(chē)輛圖像進(jìn)行灰度化處理值后，車(chē)牌部分和非車(chē)牌部分圖像的對(duì)比度并不是很高，此時(shí)如果直接進(jìn)行邊緣提取，由于車(chē)牌界限較為模糊，難以提取出車(chē)牌邊緣，因此難以準(zhǔn)確

76、定位車(chē)牌。為了增強(qiáng)牌照部分圖像和其他部位圖像的對(duì)比度，使其明暗鮮明，有利于提高識(shí)別率，需要將車(chē)輛圖像進(jìn)行增強(qiáng)。</p><p>　　圖像增強(qiáng)的目的是對(duì)圖像進(jìn)行加工，以得到對(duì)具體應(yīng)用來(lái)說(shuō)視覺(jué)效果更適合計(jì)算機(jī)識(shí)別的圖像。增強(qiáng)圖像的方法有很多，如灰度變換、圖像平滑處理和線性濾波等，根據(jù)處理圖像域又可以分為空間增強(qiáng)與領(lǐng)域增強(qiáng)。目前用于車(chē)牌圖像增強(qiáng)的方法有：灰度拉伸直方圖均衡中值濾波高斯濾波圖像腐蝕同等濾波等等。</

77、p><p><b>　　3.4.4灰度變換</b></p><p>　　灰度圖是指只包含亮度信息，不包含彩色信息的圖像，例如平時(shí)看到的亮度連續(xù)變化的黑白照片就是一幅灰度圖?；叶然幚砭褪菍⒁环噬珗D像轉(zhuǎn)換成為灰度圖像的過(guò)程。彩色圖像分為R、G、B三個(gè)分量，分別顯示出紅、綠、藍(lán)等各種顏色，灰度化就是彩色的R、G、B分量相等的過(guò)程。灰度值大的像素點(diǎn)比較亮，反之比較暗。輸入的彩

78、色圖像包含大量顏色信息，會(huì)占用較多的存儲(chǔ)空間，且處理時(shí)也會(huì)降低系統(tǒng)的執(zhí)行速度，因此對(duì)圖像進(jìn)行識(shí)別等處理時(shí)，常將彩色圖像轉(zhuǎn)換為灰度圖像，以加快處理速度。</p><p>　　圖像灰度化的算法主要由以下3種：</p><p>　?。?）最大值法：是轉(zhuǎn)化后R、G、B的值等于轉(zhuǎn)化前3個(gè)之中最大的一個(gè)，即:</p><p><b>　?。?.4.4.1）</b

79、></p><p>　　這種方法轉(zhuǎn)換的灰度圖亮度高。</p><p>　　（2）平均值法：使轉(zhuǎn)化后R、G、B的值為轉(zhuǎn)化前R、G、B的平均值</p><p><b>　　（3.4.4.2）</b></p><p>　　這種方法產(chǎn)生的灰度圖像比較柔和。</p><p>　?。?）加權(quán)平均值法：按

80、照一定的權(quán)值，對(duì)R、G、B的值加權(quán)平均，即：</p><p><b>　?。?.4.4.3）</b></p><p>　　其中，、、分別為R、G、B的權(quán)值。、、取不同的值，將形成不同的灰度圖像。由于人眼對(duì)綠色最為敏感，紅色次之，對(duì)藍(lán)色的敏感性最低，因此使＞＞將得到較易識(shí)別的灰度圖像。</p><p><b>　　圖3.4.灰度圖像&l

81、t;/b></p><p>　　灰度圖像顯示最基本的調(diào)用格式如下：</p><p><b>　　imshow(I)</b></p><p>　　imshow 函數(shù)是通過(guò)將灰度值表杜威灰度級(jí)調(diào)色版的索引來(lái)顯示圖像。如果I是雙精度類(lèi)型，若像素值為0.0，則顯示為黑色，1.0則顯示為白色，0.0和1.0之間的類(lèi)型，像素值將顯示為灰影。如果I為u

82、nit16則像素值65535將被顯示為白色。</p><p>　　imshow函數(shù)顯示灰度圖像的另一種調(diào)用格式是：是用明確地指定灰度級(jí)數(shù)目。例如，以下語(yǔ)句將顯示一幅32個(gè)灰度及的圖像I：</p><p>　　imshow(I，32)</p><p>　　此次畢業(yè)設(shè)計(jì)中灰度圖像顯示的語(yǔ)句為：</p><p>　　I1=rgb2gray(I);&

83、lt;/p><p>　　figure(2),subplot(1,2,1),imshow(I1);title（'灰度圖'）；</p><p>　　為了更好地觀察圖像的灰度分布信息，可以用imhist函數(shù)創(chuàng)建描述圖像灰度分布的直方圖，并使用figure命令將直方圖顯示在一個(gè)新的圖像窗口，程序語(yǔ)句如下：</p><p>　　figure(2),subplot(

84、1,2,2),imhist(I1);title('灰度直方圖')</p><p>　　從圖3.4中可以看出，由于圖像的灰度范圍比較狹窄，沒(méi)有覆蓋整個(gè)灰度范圍[0,255]，并且圖像中灰度值的高低區(qū)分較明顯，因而能產(chǎn)生好的對(duì)比效果。</p><p>　　3.4.5 圖象平滑的介紹</p><p>　　圖像平滑是對(duì)圖像作低通濾波,可在空間域或頻率域?qū)崿F(xiàn)。

85、空間域圖像平滑方法主要用低通卷積濾波、中值濾波等；頻率域圖像平滑常用的低通濾波器有低通梯形濾波器、低通高斯濾波器、低通指數(shù)濾波器、巴特沃思低通濾波器等。對(duì)于受噪聲干擾嚴(yán)重的圖像，由于噪聲點(diǎn)多在頻域中映射為高頻分量，因此可以在通過(guò)低通濾波器來(lái)濾除噪聲，但實(shí)際中為了簡(jiǎn)化算法，也可以直接在空域中用求鄰域平均值的方法來(lái)削弱噪聲的影響，這種方法稱(chēng)為圖象平滑處理。例如，某一象素點(diǎn)的鄰域S 有兩種表示方法：8鄰域和4鄰域分別對(duì)應(yīng)的鄰域平均值為，<

86、;/p><p><b>　?。?.4.5.1）</b></p><p>　　其中，M為鄰域中除中心象素點(diǎn)f(i,j)之外包括的其它象素總數(shù)，對(duì)于4鄰域M=4，8鄰域M=8。然而，鄰域平均值的平滑處理會(huì)使得圖像灰度急劇變化的地方，尤其是物體邊緣區(qū)域和字符輪廓等部分產(chǎn)生模糊作用。為了克服這種平均化引起的圖像模糊現(xiàn)象，我們給中心點(diǎn)像素值與其鄰域平均值的差值設(shè)置一固定的閾值，只有

87、大于該閾值的點(diǎn)才能替換為鄰域平均值，而差值不大于閾值時(shí)，仍保留原來(lái)的值，從而減少由于平均化引起的圖像模糊。 </p><p>　　車(chē)牌圖像往往存在一些孤立的噪點(diǎn)，在汽車(chē)牌照?qǐng)D像處理初期，若不能有效抑制或者去除這些噪點(diǎn)，將影響車(chē)牌定位的準(zhǔn)確性或者造成無(wú)法定位。通常采用圖像平滑的方法去除噪點(diǎn)。 </p><p>　　圖3.5 清除小面積對(duì)象后的圖像<

88、/p><p><b>　　3.4.6邊緣檢測(cè)</b></p><p>　　圖像處理并不僅限于對(duì)圖像進(jìn)行增強(qiáng)、復(fù)原和編碼，還要對(duì)圖像進(jìn)行分析，圖像分析旨在對(duì)圖像進(jìn)行描述，即用一組數(shù)或符號(hào)表征圖像中目標(biāo)區(qū)的特征、性質(zhì)和相互間的關(guān)系，為模式識(shí)別提供基礎(chǔ)。描述一般針對(duì)圖像或景物中的特定區(qū)域和目標(biāo)。為了描述，首先要進(jìn)行分割。邊緣檢測(cè)是圖像分析中的重要內(nèi)容。邊緣是圖像的最基本特征。所

89、謂邊緣，是指周?chē)袼鼗叶扔须A躍變化或屋頂變化的那些像素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間，基元與基元之間，因此他也是圖像分割所依賴(lài)的重要特征。</p><p>　　數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，也是圖像識(shí)別中提取圖像特征的一個(gè)重要屬性。在進(jìn)行圖像理解和分析時(shí)，第一步往往是邊緣檢測(cè)，目前他已成為機(jī)器視覺(jué)研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占

90、有十分重要的地位。物體邊緣是以圖像的局部特征不連續(xù)的形式出現(xiàn)的，即是指圖像局部亮度變化最顯著的部分，例如灰度值的突變、顏色的突變、紋理結(jié)構(gòu)的突變等，同時(shí)物體的邊緣也是不同區(qū)域的分界處。圖像邊緣具有方向和幅度兩個(gè)特性，通常沿邊緣的走向灰度變化平緩，垂直于邊緣走向的像素灰度變換劇烈。</p><p>　　邊緣檢測(cè)是在圖像的局部區(qū)域上針對(duì)像素點(diǎn)的一種運(yùn)算，在計(jì)算機(jī)視覺(jué)、圖像理解等應(yīng)用中非常重要。同時(shí)也是圖像分析與模式識(shí)

91、別的重要環(huán)節(jié)。因?yàn)閳D像邊緣包含了模式識(shí)別的有用信息，所以邊緣檢測(cè)是圖像分析和模式識(shí)別種特征提取的主要手段。</p><p>　　邊緣檢測(cè)的基本步驟：</p><p>　　濾波：邊緣和噪聲同屬圖像中強(qiáng)度變化劇烈的部位，因此邊緣檢測(cè)算子對(duì)邊緣和噪聲都很敏感，因此必須使用濾波來(lái)改善與噪聲有關(guān)的邊緣檢測(cè)算子的性能。</p><p>　　增強(qiáng)：增強(qiáng)邊緣的基礎(chǔ)是確定圖像各點(diǎn)領(lǐng)域

92、強(qiáng)度的變化值。增強(qiáng)算法可以將領(lǐng)域強(qiáng)度中有顯著變化的點(diǎn)突顯出來(lái)。</p><p>　　檢測(cè)：在圖像中有許多的梯度幅值比較大，而這些點(diǎn)在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來(lái)確定哪些點(diǎn)是邊緣點(diǎn)。</p><p>　　定位：邊緣檢測(cè)定位即邊遠(yuǎn)點(diǎn)的具體位置，除此之外還應(yīng)包括邊緣細(xì)化、連接。</p><p>　　3.4.7圖像的腐蝕</p><

93、p>　　圖像的腐蝕是對(duì)所提取的目標(biāo)圖像進(jìn)行形態(tài)學(xué)分析。腐蝕處理的作用是將目標(biāo)圖像收縮。運(yùn)算結(jié)果取決于結(jié)構(gòu)元素大小內(nèi)容以及邏輯運(yùn)算性質(zhì)。結(jié)構(gòu)元素是指具有某種確定形狀的基本結(jié)構(gòu)元素，例如，一定大小的矩形，圓形或菱形等。</p><p>　　腐蝕處理可以表示成用結(jié)構(gòu)元素對(duì)像進(jìn)行探測(cè)，找出圖像中可以放下該結(jié)構(gòu)元素的區(qū)域。腐蝕是一種消除邊界點(diǎn)，是邊界向內(nèi)部收縮的過(guò)程?？梢杂脕?lái)消除小且無(wú)意義的目標(biāo)物。如果兩目標(biāo)物建有細(xì)

94、小的連通，可以選取足夠大的結(jié)構(gòu)元素，將細(xì)小連通腐蝕掉。</p><p>　　Se=[1:1:1];</p><p>　　I3=imerode(I2,Se);</p><p>　　Subplot(3,2,4),imshow(I3),title("腐蝕后圖像"）</p><p>　　MATLAB使用imerode函數(shù)進(jìn)行圖像腐

95、蝕。Imerode函數(shù)需要兩個(gè)基本輸入?yún)?shù)：待處理的輸入圖像以及結(jié)構(gòu)元素對(duì)象。此外，imerode函數(shù)還可以接受3個(gè)可選參數(shù)：PADOPT、PACKOPT和M，前兩個(gè)參數(shù)的含義與imadilate函數(shù)的可選參數(shù)類(lèi)似。另外。如果圖像時(shí)打包的二進(jìn)制圖像，則M將制定原始圖像的行數(shù)。</p><p>　　圖3.6.腐蝕后的圖片</p><p>　　3.5 牌照的定位和分割</p>&

96、lt;p>　　牌照的定位和分割是牌照識(shí)別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖像預(yù)處理后的原始灰度圖像中確定牌照的具體位置，并將包含牌照字符的一塊子圖像從整個(gè)圖像中分割出來(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。由于牌照?qǐng)D像在原始圖像中是很有特征的一個(gè)子區(qū)域，確切說(shuō)是水平度較高的橫向近似的長(zhǎng)方形，它在原始圖像中的相對(duì)位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同，因而在其邊緣形成了灰度突

97、變的邊界，這樣就便于通過(guò)邊緣檢測(cè)來(lái)對(duì)圖像進(jìn)行分割。</p><p>　　3.5.1 牌照區(qū)域的定位和分割</p><p>　　牌照?qǐng)D像經(jīng)過(guò)了以上的處理后，牌照區(qū)域已經(jīng)十分明顯，而且其邊緣得到了勾勒和加強(qiáng)。此時(shí)可進(jìn)一步確定牌照在整幅圖像中的準(zhǔn)確位置。這里選用的是數(shù)學(xué)形態(tài)學(xué)的方法，其基本思想是用具有一定形態(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。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以

98、簡(jiǎn)化圖像數(shù)據(jù)，保持它們基本的形態(tài)特征，并除去不相干的結(jié)構(gòu)。在本程序中用到了膨脹和閉合這兩個(gè)基本運(yùn)算，最后還用了bwareaopen來(lái)去除對(duì)象中不相干的小對(duì)象。對(duì)車(chē)牌的分割可以有很多種方法，本程序是利用車(chē)牌的彩色信息的彩色分割方法。根據(jù)車(chē)牌底色等有關(guān)的先驗(yàn)知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的車(chē)牌區(qū)域，確定車(chē)牌底色藍(lán)色RGB對(duì)應(yīng)的各自灰度范圍，然后行方向統(tǒng)計(jì)在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)定合理的閾值，確定車(chē)牌在行方向的合理區(qū)域。然后，

99、在分割出的行區(qū)域內(nèi)，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。</p><p>　　3.5.2 牌照區(qū)域的分割</p><p>　　對(duì)車(chē)牌的分割可以有很多種方法，本程序是利用車(chē)牌的彩色信息的彩色分割方法。根據(jù)車(chē)牌底色等有關(guān)的先驗(yàn)知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的車(chē)牌區(qū)域，確定車(chē)牌底色藍(lán)色RGB對(duì)應(yīng)的各自灰度范圍，然后行方向統(tǒng)計(jì)在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)定合理的閾值，確

100、定車(chē)牌在行方向的合理區(qū)域。然后，在分割出的行區(qū)域內(nèi)，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。</p><p><b>　　'</b></p><p>　　圖3.7.定位出來(lái)的車(chē)牌區(qū)域</p><p>　　3.5.3車(chē)牌進(jìn)一步處理</p><p>　　經(jīng)過(guò)上述方法分割出來(lái)的車(chē)牌圖像中存在目標(biāo)物體、背景還

101、有噪聲，要想從圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個(gè)閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群，即對(duì)圖像二值化。均值濾波是典型的線性濾波算法，它是指在圖像上對(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。</p><p>　　均值濾波是典型的線性濾波算法，它是指在圖像上對(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（以目標(biāo)象

102、素為中心的周?chē)?個(gè)象素，構(gòu)成一個(gè)濾波模板，即去掉目標(biāo)象素本身）。均值濾波也稱(chēng)為線性濾波，其采用的主要方發(fā)法為領(lǐng)域平均法。線性濾波的基本原理是用均值代替原圖像中的各個(gè)像素值，即對(duì)待處理的當(dāng)前像素點(diǎn)（x，y），選擇一個(gè)模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當(dāng)前像素點(diǎn)（x，y），作為處理后圖像在該點(diǎn)上的灰度個(gè)g（x，y），即個(gè)g（x，y）=1/m ∑f（x，y） m為該模板中包含當(dāng)前像素在內(nèi)的像素總個(gè)數(shù)。&

103、lt;/p><p>　　3.6 圖像邊緣提取及二值化</p><p><b>　　邊緣提取</b></p><p>　　邊緣主要存在與目標(biāo)、目標(biāo)與背景、區(qū)域與區(qū)域之間，邊緣檢測(cè)主要是精確定位邊緣和抑制噪點(diǎn)，原理是：由于微分算子具有突出灰度變化的作用，對(duì)圖像進(jìn)行微分運(yùn)算，在圖像邊緣出機(jī)器會(huì)讀變化較大，計(jì)算值較高，可將這些為分支作為供應(yīng)點(diǎn)的邊緣強(qiáng)度，通

104、過(guò)閾值判別來(lái)提取邊緣點(diǎn)，即如果為分支大于閾值，則為邊緣點(diǎn)。其基本步驟是首先利用邊緣增強(qiáng)算子，突出圖像中的局部邊緣，邊緣檢測(cè)算子有Robert 算子、Soble 算子、Prewitt算子、 Laplace 算子和Canny算子。</p><p>　　(一)梯度算子可分為3類(lèi)： </p><p>　　1、使用差分近似圖像函數(shù)導(dǎo)數(shù)的算子。有些是具有旋轉(zhuǎn)不變性的(如：Laplacian算子)，因此

105、只需要一個(gè)卷積掩模來(lái)計(jì)算。其它近似一階導(dǎo)數(shù)的算子使用幾個(gè)掩模。 </p><p>　　2、基于圖像函數(shù)二階導(dǎo)數(shù)過(guò)零點(diǎn)的算子(如：M arr—Hild reth或Canny邊緣檢測(cè)算子。</p><p>　　3、試圖將圖像函數(shù)與邊緣的參數(shù)模型相匹配的箅子。 </p><p>　　(二)第一類(lèi)梯度算子拉普拉斯(Laplace)算子</p><p>

106、;　　通常使用3×3的掩模，有時(shí)也使用強(qiáng)調(diào)中心象素或其鄰接性的拉普拉斯算子(這種近似不再具有旋轉(zhuǎn)不變性)。 </p><p>　　拉普拉斯算子的缺點(diǎn)：它對(duì)圖像中的某些邊緣產(chǎn)生雙重響應(yīng)。 </p><p>　　圖像銳化(shapeening) </p><p>　　圖像銳化的目的是圖像的邊緣更陡峭、清晰。銳化的輸出圖像f是根據(jù)下式從輸入圖像g得到的：f(i，

107、j)=g(i，j)-c s(i，j)，其中c是反映銳化程度的正系數(shù)，s(i，j)是圖像函數(shù)銳化程度的度量，用梯度箅子來(lái)計(jì)算，Laplacian箅子常被用于這一目的。</p><p>　　(三)第二類(lèi)梯度算子--二階導(dǎo)數(shù)過(guò)零點(diǎn)算子 </p><p>　　根據(jù)圖像邊緣處的一階微分(梯度)應(yīng)該是極值點(diǎn)的事實(shí)，圖像邊緣處的二階微分應(yīng)為零，確定過(guò)零點(diǎn)的位置要比確定極值點(diǎn)容易得多也比較精確。右側(cè)是Le

108、na的過(guò)零點(diǎn)檢測(cè)結(jié)果。 為抑制噪聲，可先作平滑濾波然后再作二次微分，通常采用高斯函數(shù)作平滑濾波，故有LoG(Laplacian of Gaussian)算子。 </p><p>　　高斯-拉普拉斯(LoG，Laplacian of Gaussian)算子。噪聲點(diǎn)對(duì)邊緣檢測(cè)有較大的影響，效果更好的邊緣檢測(cè)器是高斯-拉普拉斯(Lo G)算子。它把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合起來(lái)，先平滑掉噪聲，再進(jìn)行邊緣檢測(cè)

109、，所以效果更好。 </p><p><b>　　過(guò)零點(diǎn)檢測(cè)</b></p><p>　　在實(shí)現(xiàn)時(shí)一般用兩個(gè)不同參數(shù)的高斯函數(shù)的差DoG(Difference ofGaussians)對(duì)圖像作卷積來(lái)近似，這樣檢測(cè)來(lái)的邊緣點(diǎn)稱(chēng)為f(x，y)的過(guò)零點(diǎn)(Zero—crossing)。與前面的微分算子處僅采用很小的鄰域來(lái)檢測(cè)邊緣不同，過(guò)零點(diǎn)(Zero-crossing)的檢測(cè)所