#/30l7l7/30圖3.7移除小對(duì)象后效果圖移除小對(duì)象后的效果圖已經(jīng)非常明顯了，圖像中最后只存在車牌區(qū)域，其他的圖像已經(jīng)完全濾除掉了，包括小物體，車的標(biāo)志等影響已經(jīng)沒(méi)有了。3.1.6車牌區(qū)域的邊界值計(jì)算在將原始圖像進(jìn)行二值化，然后輪廓平滑處理后，圖像的每個(gè)點(diǎn)為兩個(gè)離散值中的一個(gè)，這兩個(gè)值代表開(kāi)(1)與關(guān)(0)，即只有黑與白的特殊灰度圖像，并且整個(gè)圖像只有兩個(gè)域(如果有多個(gè)域需改變參數(shù)后重新進(jìn)行一此剔除干擾對(duì)象處理)，全1的域即為車牌區(qū)域，并且近似矩形，長(zhǎng)寬比為4.5:1,也可以用這兩個(gè)特性去檢驗(yàn)提取的區(qū)域是否為車牌區(qū)域。經(jīng)區(qū)域確定了，即可將車牌的四個(gè)邊界值確定下來(lái)。這里采用水平與垂直雙向投影法。水平坐標(biāo)的確定，先定義一個(gè)lxx的數(shù)組，其中咒為原始圖像的寬度值，然后將二值圖像垂直投影到X軸。從直方圖中基本可以看書水平方向上的兩個(gè)分界線，為了便于處理，該課題將像素值臨界值定量化，取值5個(gè)像素。從左向右尋找第一個(gè)1值像素大于5的咒坐標(biāo)為水平方向左側(cè)分界線，從右向左尋找到第一個(gè)1值像素量大于5的為右側(cè)分界線，程序可以用for循環(huán)語(yǔ)句。垂直方向的分界線可用同樣的方法實(shí)現(xiàn)。分界線計(jì)算后，即可從原圖像中剪切出只包含車牌的區(qū)域圖像。剪切得到的圖像如下。圖3.8為二值圖切割的車牌區(qū)域，圖3.9為RGB圖像切割出來(lái)的圖像：圖3.8車牌區(qū)域二值圖裁減圖像圖3.9原圖中的車牌區(qū)域圖像對(duì)比原始圖像與二值圖裁減圖可以看出，車牌的四個(gè)邊界值基本上被確定下來(lái)了，這樣就可以從原始圖像中直接確定車牌的區(qū)域了。所以車牌就成功地被提取出來(lái)了。3.2字符切割3.2.1字符切割前的圖像去噪處理由于圖像車牌號(hào)區(qū)域提取后獲得的是從原始圖像中剪切的，是RGB圖像，分割同樣采取投影法，故同樣需要先將RGB圖像轉(zhuǎn)換成灰度值，再將灰度圖轉(zhuǎn)化成二進(jìn)制圖，轉(zhuǎn)化的方法就是限定一個(gè)閥值，如果大于閥值則為1，小于閥值為0,閥值采用全局閥值，全局閥值是指整幅圖像都采用相同的閥值T處理，適用于背景和前景有明顯對(duì)比的圖像。雖然圖像間受背景、光照等影響存在較大的差異，但計(jì)算簡(jiǎn)單，程序運(yùn)算效率高。在Matlab實(shí)現(xiàn)方式如下：T=round(License_Image_Gray_max-(License_Image_Gray_max-License_ImageGray_min)/3);同時(shí)采集大的圖像噪點(diǎn)依然存在，因此可以通過(guò)處理圖像的低頻部分來(lái)銳化圖像。這里采用高通濾波算法。由此可得出濾波前后的圖像如下所示：圖3.10車牌區(qū)域圖像濾波前效果C9669圖3.11車牌區(qū)域圖像濾波后效果可以對(duì)比濾波前跟濾波后的圖像，如圖3.10和圖3.11所示，很明顯，不但噪聲去除了，而且圖像得到了銳化。3.2.2字符切割前的圖像膨脹和腐蝕處理腐蝕已經(jīng)在在上文介紹，膨脹剛好與腐蝕相反，運(yùn)算規(guī)則是輸出圖像的像素值是輸入圖像鄰域中的最大值，在一個(gè)二值圖像中，只要一個(gè)像素值為1，則相應(yīng)的輸出像素值為1。根據(jù)經(jīng)驗(yàn)值，車牌圖像中，字符面積與車牌面積之比在(0.235,0.365)之間，因此計(jì)算字符面積與車牌面積比值，如果大于0.365則對(duì)圖像進(jìn)行腐蝕，如果小于0.235則對(duì)圖像進(jìn)行膨脹，10在這里結(jié)構(gòu)元素Se使用一個(gè)二維單位矩陣L01-。對(duì)于此對(duì)象，系統(tǒng)給予膨脹處理，效果圖如圖3.12所示圖3.12車牌區(qū)域圖像腐蝕、膨脹后效果3.2.3字符切割完成牌照區(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。由于字符在垂直方向上的投影必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)滿足牌照的字符書寫格式、字符、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)境下的汽車圖像中的字符分割有較好的效果。圖3.13牌照字符切割框圖2007年頒布的我國(guó)車牌規(guī)范（普通中小型汽車）規(guī)定車牌總長(zhǎng)440mm，牌照中的7個(gè)字符的實(shí)際總長(zhǎng)為409mm左右，寬140mm，每個(gè)字符45mm寬，90mm高，字符間距為10mm，其中第二個(gè)字符與第三個(gè)字符的間距較為特殊，為15.5mm，最后一個(gè)字符與第一個(gè)字符距邊界25mm。這樣，如果平均分配每個(gè)字符在牌照中占據(jù)的寬度，那么每個(gè)字符寬度為：width/7（width為車牌圖像的寬度）。但是，實(shí)際上，第二個(gè)第三個(gè)字符之間存在一個(gè)黑點(diǎn)，牌照左右兩邊與圖像邊緣也都有一定的寬度，所以每個(gè)字符的寬度應(yīng)該小于width/7?？紤]所有的情況，一般情況下最小的寬度為width/9。因此，字符的寬度可以從width/9至到width/7之間漸進(jìn)的變化得到,程序流程圖。字符切割流程圖如下圖所示：

圖3.14字符切割流程圖字符分割一般采用垂直投影法。在這之前還必須切除周邊空白，由于字符在垂直方向上的投影必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)滿足牌照的字符書寫格式、字符、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)境下的汽車圖像中的字符分割有較好的效果。經(jīng)過(guò)切割，切割的字符圖像如下：圖3.15經(jīng)切割的七個(gè)字符切割后一連串的字符串變成了單個(gè)字符，為后面的字符匹配識(shí)別奠定了基礎(chǔ)。3.3字符識(shí)別3.3.1字符識(shí)別方法選擇目前字符識(shí)別的方案有使用神經(jīng)網(wǎng)絡(luò)和模板匹配法進(jìn)行比對(duì)。人工神經(jīng)網(wǎng)絡(luò)是模擬人腦思維功能和組織建立起來(lái)的數(shù)學(xué)模型，雖然現(xiàn)在神經(jīng)網(wǎng)絡(luò)正在迅速發(fā)展，但總體來(lái)說(shuō)應(yīng)用還是相對(duì)復(fù)雜的。模板匹配法雖然識(shí)別率低，但實(shí)現(xiàn)簡(jiǎn)單，計(jì)算量小，只有矩陣的加減與統(tǒng)計(jì)，而且車牌字符是有阿拉伯?dāng)?shù)字，英文大寫字母，還有部分漢字，雖有字庫(kù)量不大，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，因此本課題使用這種方法。對(duì)于模板匹配，首先建立標(biāo)準(zhǔn)模板庫(kù)，庫(kù)中字符使用統(tǒng)一的尺寸，這里使用2040。3.3.2字符歸一化由于圖像采集時(shí)圖像的像素值不一樣，經(jīng)切割出來(lái)的字符的大小也會(huì)不一樣，所以在進(jìn)行匹配前必須先進(jìn)行字符圖像歸一化。使圖像字符大小跟模板圖像

大小一致,atlab提供一個(gè)改變圖像大小的函數(shù)imresize(I,Size,Model),Model圖3.16經(jīng)歸一化后的七個(gè)字符切割的字符經(jīng)過(guò)歸一化之后,每個(gè)字符的大小基本一致,由此便解決了像素值不一致帶來(lái)的問(wèn)題,并且利于和庫(kù)中的字符進(jìn)行匹配比較。3.3.3字符匹配識(shí)別字符匹配識(shí)別的是要前提要簡(jiǎn)歷可以與之相比較的字庫(kù)表,再將已切割并進(jìn)行了歸一化處理的單個(gè)字符相比較,逐個(gè)字符進(jìn)行匹配比較,再將待識(shí)別的字符的特征值和模板字符相減,找到相減值為最小的那個(gè)即為匹配得最好的字符。字符識(shí)別步驟如下：圖3.17字符匹配框圖字符匹配的準(zhǔn)確度是車牌識(shí)別中的關(guān)鍵部分，所以首先要簡(jiǎn)歷精準(zhǔn)有效的模板字庫(kù)表，便于切割完的字符與庫(kù)中內(nèi)容相比較，接下來(lái)是讀取切割的字符，從第一個(gè)字符開(kāi)始一次與庫(kù)中字符相比較匹配，切割后的字符特征值與庫(kù)中模板字符相減，找到值最小的那個(gè)就是匹配得最恰當(dāng)?shù)淖址Ｆヅ浞椒ú捎脤⒛繕?biāo)圖像與模板圖像逐點(diǎn)做差，得到第三幅圖像，程序?qū)崿F(xiàn)如下forii=1:40orjj=1:20Word_Image_Diff(ii,jj)=Word_Image(ii,jj)-Word_Image_Code(ii,jj);endend最后計(jì)算第三幅二進(jìn)制圖像中像素值為1的個(gè)數(shù)，數(shù)值最小的即為匹配出來(lái)的結(jié)果，經(jīng)對(duì)比可得相似度最高的數(shù)字

如圖3.18所示：第一個(gè)字符在Lib_Code_No=39處取得最大相似度，查字庫(kù)Lib_Code_No=39的字符為“魯”，則可以確定該字符為“魯”，同理可得出其他6個(gè)字符。仿真結(jié)果及分析4.1車牌定位及圖像讀取及其圖像處理車牌定位后系統(tǒng)邊緣檢測(cè)的仿真結(jié)果圖如下圖所示:圖4.1圖像讀取及檢測(cè)結(jié)果圖結(jié)果分析：圖像車牌區(qū)域提取就是從原圖中截取含車牌的部分，即RGB圖像，然后進(jìn)行字符的切割與識(shí)別。為了去除圖像中的噪聲點(diǎn)必須對(duì)截取的圖像進(jìn)行濾波處理，經(jīng)濾波后，不僅去除了噪聲，并且使圖像得到了銳化。經(jīng)過(guò)這些步驟可以使得最終識(shí)別出的圖像與原圖的相似度更高，即結(jié)果更精確。仿真的結(jié)果也使得車牌部分從原圖被準(zhǔn)確的提取出來(lái)了，達(dá)到了車牌定位及圖像讀取及其圖像處理的目的。4.2車牌字符分割及其圖像處理對(duì)經(jīng)邊緣檢測(cè)掃描后的圖像經(jīng)字符切割后的圖像如下圖所示：圖4.2字符分割及歸一化結(jié)果圖結(jié)果分析：從MATLAB編程運(yùn)行結(jié)果看，便于圖像進(jìn)行匹配識(shí)別，必須先將連續(xù)的字符切割成單個(gè)字符，并且在切割字符之前要將周邊空白切除掉。由以上結(jié)果圖可以看到，車牌被切成只含字符部分，并且七個(gè)字符被切成清晰的七個(gè)字符，實(shí)現(xiàn)了字符切割。由右側(cè)的歸一化圖像可以看出，切割出的圖像像素值和模板圖像達(dá)到了一致，由此便避免了切割出的圖像像素值不一致所帶來(lái)的問(wèn)題。結(jié)論本課題對(duì)車牌識(shí)別系統(tǒng)的軟件部分進(jìn)行了研究，分別從圖像預(yù)處理、車牌定位、字符分割以及字符識(shí)別等方面進(jìn)行了系統(tǒng)的分析。主要工作內(nèi)容及結(jié)論如下:（1）整理和總結(jié)了國(guó)內(nèi)外在車牌定位、分割、字符識(shí)別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國(guó)車牌的固有特征，以及車牌識(shí)別的特點(diǎn)。（2）在車牌定位我們采用基于灰度跳變的定位方法，采用先對(duì)圖像進(jìn)行預(yù)處理，再進(jìn)行二值化操作的方法。實(shí)驗(yàn)表明本方法既保留了車牌區(qū)域的信息，又減少了噪聲的干擾，從而簡(jiǎn)化了二值化處理過(guò)程，實(shí)驗(yàn)表明本方法既保留了車牌區(qū)域的信息，又減少了噪聲的干擾，從而簡(jiǎn)化了二值化處理過(guò)程，提高了后續(xù)處理的速度。（3）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)車牌是藍(lán)色的車牌進(jìn)行定位。實(shí)驗(yàn)表明，用該方法實(shí)現(xiàn)的車牌定位準(zhǔn)確率較高。（4）用MATLAB編程運(yùn)行結(jié)果可以得出，本設(shè)計(jì)采用的圖像預(yù)處理、邊緣檢測(cè)、開(kāi)閉運(yùn)算子、車牌長(zhǎng)寬比特征識(shí)別等對(duì)車牌的定位都是非常有效的，而本設(shè)計(jì)提出的二次水平投影分析和閾值技術(shù)有效檢測(cè)了車牌圖像的上下左右邊框、旋轉(zhuǎn)角度，準(zhǔn)確實(shí)現(xiàn)的車牌字符的分割，對(duì)多個(gè)車牌進(jìn)行實(shí)驗(yàn)，均有很高的正確率。本設(shè)計(jì)雖然只對(duì)藍(lán)底白字車牌進(jìn)行分割識(shí)別，對(duì)黑底白字車牌原則上整個(gè)算法可直接適用，對(duì)白底黑字車牌、黃底黑字車牌，需要對(duì)車牌定位算法進(jìn)行調(diào)整，并將圖像反轉(zhuǎn)（0變1、1變0），而車牌字符的分割算法仍然行之有效。因此，本設(shè)計(jì)提出的車牌字符的分割算法實(shí)驗(yàn)證明是準(zhǔn)確、有效、可行的。參考文獻(xiàn).趙丹，丁金華?基于Matlab的車牌識(shí)別[J].大連：大連大連理工學(xué)報(bào),2008.6,14(4)：44?48.冀小平?基于Matlab的車牌識(shí)別系統(tǒng)研究[J].北京：電子設(shè)計(jì)工程,2009.11，11(3)：18?21.徐輝?基于Matlan實(shí)現(xiàn)汽車車牌自動(dòng)識(shí)別系統(tǒng)[M].北京：國(guó)防工業(yè)出版社，2010.6.王愛(ài)玲，葉明生等.MATLABR2007圖像處理技術(shù)與應(yīng)用[M].北京：電子工業(yè)出版社，2008.1.張德豐.MATLAB模糊系統(tǒng)設(shè)計(jì)[M].北京：國(guó)防工業(yè)出版社,2009.2.葉晨洲等.車輛牌照字符識(shí)別[J].上海：上海交通大學(xué)學(xué)報(bào),2000.4?6.劉智勇等?車牌識(shí)別(LPR)中的圖像提取及分割[J].北京：中文信息學(xué)報(bào),2000,14(4):29?34.賀興華、周媛媛、王繼陽(yáng)等.MATLAB圖像處理[M].北京：人民郵電出版社,2006.96?100.劉佐濂,鄧榮標(biāo),孔嘉圓.中國(guó)科技信息[J].2005(23期)9?12..張禹、馬駟良、韓笑、張忠波.車牌識(shí)別中的圖像提取及分割算法[J].吉林大學(xué)學(xué)報(bào),2006.第44卷第3期，407?410.霍宏濤?數(shù)字圖像處理[M].北京：機(jī)械工業(yè)出版社,2003.5.許志影、李晉平.MATLAB極其在圖像處理中的應(yīng)用[J].計(jì)算機(jī)與現(xiàn)代化,2004(4)：20?28.戚飛虎?模式識(shí)別與圖象處理[M].上海：上?？茖W(xué)技術(shù)出版社，1998.雷英杰.MATLAB遺傳算法工具箱及應(yīng)用[M].西安:西安電子科技大學(xué)出版社,2005.楊淑瑩.模式識(shí)別與