車牌識別系統(tǒng)的設計--課程設計報告

1、<p><b>　　目錄</b></p><p><b>　　一、摘要:3</b></p><p>　　二、設計目的和意義:3</p><p>　　2.1、設計目的：3</p><p>　　2.2、設計意義：3</p><p><b>　　三、設計

2、原理:3</b></p><p>　　四、詳細設計步驟:3</p><p>　　4.1、提出總體設計方案:4</p><p>　　4.2、各模塊的實現(xiàn):5</p><p>　　五、設計結(jié)果及分析20</p><p><b>　　六、總結(jié):22</b></p>

3、<p><b>　　七、體會23</b></p><p>　　八、參考文獻:23</p><p><b>　　一、摘要:</b></p><p>　　隨這圖形圖像技術(shù)的發(fā)展，現(xiàn)在的車牌識別技術(shù)準確率越來越高，識別速度越來越快。無論何種形式的車牌識別系統(tǒng)，它們都是由觸發(fā)、圖像采集、圖像識別模塊、輔助光源和通信模

4、塊組成的。車牌識別系統(tǒng)涉及光學、電器、電子控制、數(shù)字圖像處理、計算視覺、人工智能等多項技術(shù)。觸發(fā)模塊負責在車輛到達合適位置時，給出觸發(fā)信號，控制抓拍。輔助光源提供輔助照明，保證系統(tǒng)在不同的光照條件下都能拍攝到高質(zhì)量的圖像。圖像預處理程序?qū)ψヅ牡膱D像進行處理，去除噪聲，并進行參數(shù)調(diào)整。然后通過車牌定位、字符識別，最后將識別結(jié)果輸出。</p><p>　　二、設計目的和意義:</p><p>

5、<b>　　2.1、設計目的：</b></p><p>　　1、鞏固理論課上所學的知識，理論聯(lián)系實踐。</p><p>　　2、鍛煉學生的動手能力，激發(fā)學生的研究潛能，提高學生的協(xié)作精神。</p><p>　　3、通過本次二級項目的設計，能夠綜合運用所學理論知識，拓寬知識面，系統(tǒng)地進行電子電路的工程實踐訓練，培養(yǎng)工程師的基本技能，提高分析問題和

6、解決問題的能力。</p><p><b>　　2.2、設計意義：</b></p><p>　　車輛牌照在交通系統(tǒng)管理中有著重要的作用，通過它可以檢索車輛的各項重要信息，實現(xiàn)車輛的控制、運輸安排、停車管理、自動收費、事故處理等功能，從而給交通系統(tǒng)的自動管理提供極大的方便。</p><p>　　車牌定位系統(tǒng)的目的在于正確獲取整個圖像中車牌的區(qū)域，并

7、識別出車牌號。通過設計實現(xiàn)車牌識別系統(tǒng)，能夠提高學生分析問題和解決問題的能力，還能培養(yǎng)一定的科研能力。</p><p><b>　　三、設計原理:</b></p><p>　　牌照自動識別是一項利用車輛的動態(tài)視頻或靜態(tài)圖像進行牌照號碼、牌照顏色自動識別的模式識別技術(shù)。其硬件基礎一般包括觸發(fā)設備、攝像設備、照明設備、圖像采集設備、識別車牌號碼的處理機等，其軟件核心包括車

8、牌定位算法、車牌字符分割算法和光學字符識別算法等。某些牌照識別系統(tǒng)還具有通過視頻圖像判斷車輛駛?cè)胍曇暗墓δ芊Q之為視頻車輛檢測。一個完整的牌照識別系統(tǒng)應包括車輛檢測、圖像采集、牌照識別等幾部分。當車輛檢測部分檢測到車輛到達時觸發(fā)圖像采集單元，采集當前的視頻圖像。牌照識別單元對圖像進行處理，定位出牌照位置，再將牌照中的字符分割出來進行識別，然后組成牌照號碼輸出。</p><p><b>　　四、詳細設計步驟

9、:</b></p><p>　　4.1、提出總體設計方案:</p><p><b>　　牌照號碼、顏色識別</b></p><p>　　為了進行牌照識別，需要以下幾個基本的步驟：</p><p>　　a.牌照定位，定位圖片中的牌照位置；</p><p>　　b.牌照字符分割，把牌照中的

10、字符分割出來；</p><p>　　c.牌照字符識別，把分割好的字符進行識別，最終組成牌照號碼。</p><p>　　牌照識別過程中，牌照顏色的識別依據(jù)算法不同，可能在上述不同步驟實現(xiàn)，通常與牌照識別互相配合、互相驗證。</p><p><b>　　(1）牌照定位:</b></p><p>　　自然環(huán)境下，汽車圖像背景復

11、雜、光照不均勻，如何在自然背景中準確地確定牌照區(qū)域是整個識別過程的關(guān)鍵。首先對采集到的視頻圖像進行大范圍相關(guān)搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對這些侯選區(qū)域做進一步分析、評判，最后選定一個最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來。</p><p><b>　　流程圖:</b></p><p>　　（2）牌照字符分割 :</p>&

12、lt;p>　　完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個字符，然后進行識別。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，并且這個位置應滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。利用垂直投影法對復雜環(huán)境下的汽車圖像中的字符分割有較好的效果。</p><p>　?。?）牌照字符識別 :</p><p>　　字符識別

13、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)絡算法?；谀０迤ヅ渌惴ㄊ紫葘⒎指詈蟮淖址祷?并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進行匹配，最后選最佳匹配作為結(jié)果?；谌斯ど窠?jīng)元網(wǎng)絡的算法有兩種：一種是先對待識別字符進行特征提取，然后用所獲得特征來訓練神經(jīng)網(wǎng)絡分配器；另一種方法是直接把待處理圖像輸入網(wǎng)絡，由網(wǎng)絡自動實現(xiàn)特征提取直至識別出結(jié)果。實際應用中，牌照識別系統(tǒng)的識別率與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(zhì)量

14、會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；實際拍攝過程也會受到環(huán)境亮度、拍攝亮度、車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別的識別率，也正是牌照識別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識別率，除了不斷的完善識別算法，還應該想辦法克服各種光照條件，使采集到的圖像最利于識別。</p><p>　　4.2、各模塊的實現(xiàn):</p>

15、<p>　　2.1輸入待處理的原始圖像:</p><p><b>　　clear ;</b></p><p>　　close all;</p><p>　　%Step1 獲取圖像 裝入待處理彩色圖像并顯示原始圖像</p><p>　　Scolor = imread('3.jpg');%im

16、read函數(shù)讀取圖像文件</p><p><b>　　圖2.1原始圖像</b></p><p>　　2.2圖像的灰度化:</p><p>　　彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度，因此在對圖像進行識別等處理中經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理。選擇

17、的標準是經(jīng)過灰度變換后，像素的動態(tài)范圍增加，圖像的對比度擴展，使圖像變得更加清晰、細膩、容易識別。</p><p>　　%將彩色圖像轉(zhuǎn)換為黑白并顯示</p><p>　　Sgray = rgb2gray(Scolor);%rgb2gray轉(zhuǎn)換成灰度圖</p><p>　　figure,imshow(Sgray),title('原始黑白圖像');<

18、;/p><p>　　圖2.2原始黑白圖像</p><p>　　2.3對原始圖像進行開操作得到圖像背景圖像:</p><p>　　s=strel('disk',13);%strei函數(shù)</p><p>　　Bgray=imopen(Sgray,s);%打開sgray s圖像</p><p>　　figure,

19、imshow(Bgray);title('背景圖像');%輸出背景圖像</p><p><b>　　圖2.3背景圖像</b></p><p>　　2.4原始圖像與背景圖像作減法，對圖像進行增強處理:</p><p>　　Egray=imsubtract(Sgray,Bgray);%兩幅圖相減</p><p&g

20、t;　　figure,imshow(Egray);title('增強黑白圖像');%輸出黑白圖像</p><p><b>　　圖2.4黑白圖像</b></p><p>　　2.5取得最佳閾值，將圖像二值化:</p><p>　　二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。在實際的車牌處理系統(tǒng)中，進行圖像二值變換的關(guān)鍵是要確定合

21、適的閥值，使得字符與背景能夠分割開來，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等等。車牌識別系統(tǒng)要求處理的速度高、成本低、信息量大，采用二值圖像進行處理，能大大地提高處理效率。閾值處理的操作過程是先由用戶指定或通過算法生成一個閾值，如果圖像中某中像素的灰度值小于該閾值，則將該像素的灰度值設置為0或255，否則灰度值設置為255或0。</p><p>　　fmax1=dou

22、ble(max(max(Egray)));%egray的最大值并輸出雙精度型</p><p>　　fmin1=double(min(min(Egray)));%egray的最小值并輸出雙精度型</p><p>　　level=(fmax1-(fmax1-fmin1)/3)/255;%獲得最佳閾值</p><p>　　bw22=im2bw(Egray,level);%

23、轉(zhuǎn)換圖像為二進制圖像</p><p>　　bw2=double(bw22);</p><p>　　figure,imshow(bw2);title('圖像二值化');%得到二值圖像</p><p><b>　　圖2.5二值圖像</b></p><p><b>　　2.6邊緣檢測:</b&g

24、t;</p><p>　　兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣就是灰度值不連續(xù)的結(jié)果，是圖像分割、紋理特征提取和形狀特征提取等圖像分析的基礎。為了對有意義的邊緣點進行分類，與這個點相聯(lián)系的灰度級必須比在這一點的背景上變換更有效，我們通過門限方法來決定一個值是否有效。所以，如果一個點的二維一階導數(shù)比指定的門限大，我們就定義圖像中的次點是一個邊緣點，一組這樣的依據(jù)事先定好的連接準則相連的邊緣點就定義為一條

25、邊緣。經(jīng)過一階的導數(shù)的邊緣檢測，所求的一階導數(shù)高于某個閾值，則確定該點為邊緣點，這樣會導致檢測的邊緣點太多?？梢酝ㄟ^求梯度局部最大值對應的點，并認定為邊緣點，去除非局部最大值，可以檢測出精確的邊緣。一階導數(shù)的局部最大值對應二階導數(shù)的零交叉點，這樣通過找圖像強度的二階導數(shù)餓的零交叉點就能找到精確邊緣點。</p><p>　　grd=edge(bw2,'canny')%用canny算子識別強度圖像中的

26、邊界</p><p>　　figure,imshow(grd);title('圖像邊緣提取');%輸出圖像邊緣</p><p><b>　　圖2.6像邊緣提取</b></p><p>　　2.7對得到圖像作開操作進行濾波:</p><p>　　數(shù)學形態(tài)非線性濾波，可以用于抑制噪聲，進行特征提取、邊緣檢測、

27、圖像分割等圖像處理問題。腐蝕是一種消除邊界點的過程，結(jié)果是使目標縮小，孔洞增大，因而可有效的消除孤立噪聲點；膨脹是將與目標物體接觸的所有背景點合并到物體中的過程，結(jié)果是使目標增大，孔洞縮小，可填補目標物體中的空洞，形成連通域。先腐蝕后膨脹的過程稱為開運算，它具有消除細小物體，并在纖細處分離物體和平滑較大物體邊界的作用；先膨脹后腐蝕的過程稱為閉運算，具有填充物體內(nèi)細小空洞，連接鄰近物體和平滑邊界的作用。對圖像做了開運算和閉運算，閉運算可以

28、使圖像的輪廓線更為光滑，它通常用來消掉狹窄的間斷和長細的鴻溝，消除小的孔洞，并彌補輪廓線中的斷裂。</p><p>　　bg1=imclose(grd,strel('rectangle',[5,19]));%取矩形框的閉運算</p><p>　　figure,imshow(bg1);title('圖像閉運算[5,19]');%輸出閉運算的圖像</p&g

29、t;<p>　　bg3=imopen(bg1,strel('rectangle',[5,19]));%取矩形框的開運算</p><p>　　figure,imshow(bg3);title('圖像開運算[5,19]');%輸出開運算的圖像</p><p>　　bg2=imopen(bg3,strel('rectangle',[1

30、9,1]));%取矩形框的開運算</p><p>　　figure,imshow(bg2);title('圖像開運算[19,1]');%輸出開運算的圖像</p><p>　　圖2.7.1閉運算的圖像</p><p>　　圖2.7.2開運算的圖像</p><p>　　圖2.7.3開運算的圖像</p><p&g

31、t;　　2.8對二值圖像進行區(qū)域提取，并計算區(qū)域特征參數(shù)。進行區(qū)域特征參數(shù)比較，提取車牌區(qū)域:</p><p>　　a.對圖像每個區(qū)域進行標記，然后計算每個區(qū)域的圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形、面積。</p><p>　　[L,num] = bwlabel(bg2,8);%標注二進制圖像中已連接的部分</p><p>　　Feastats = imfeat

32、ure(L,'basic');%計算圖像區(qū)域的特征尺寸</p><p>　　Area=[Feastats.Area];%區(qū)域面積</p><p>　　BoundingBox=[Feastats.BoundingBox];%[x y width height]車牌的框架大小</p><p>　　RGB = label2rgb(L, 'sprin

33、g', 'k', 'shuffle'); %標志圖像向RGB圖像轉(zhuǎn)換</p><p>　　figure,imshow(RGB);title('圖像彩色標記');%輸出框架的彩色圖像</p><p>　　圖2.8.1彩色圖像</p><p>　　b. 計算出包含所標記的區(qū)域的最小寬和高，并根據(jù)先驗知識，比較誰的寬

34、高比更接近實際車牌寬高比，將更接近的提取并顯示出來。</p><p><b>　　lx=0;</b></p><p>　　for l=1:num</p><p>　　width=BoundingBox((l-1)*4+3);%框架寬度的計算</p><p>　　hight=BoundingBox((l-1)*4+4);%

35、框架高度的計算</p><p>　　if (width>98 & width<160 & hight>25 & hight<50)%框架的寬度和高度的范圍</p><p><b>　　lx=lx+1;</b></p><p>　　Getok(lx)=l;</p><p>&

36、lt;b>　　end</b></p><p><b>　　end</b></p><p>　　for k= 1:lx</p><p>　　l=Getok(k); </p><p>　　startcol=BoundingBox((l-1)*4+1)-2;%開始列</p><p&g

37、t;　　startrow=BoundingBox((l-1)*4+2)-2;%開始行</p><p>　　width=BoundingBox((l-1)*4+3)+8;%車牌寬</p><p>　　hight=BoundingBox((l-1)*4+4)+2;%車牌高</p><p>　　rato=width/hight;%計算車牌長寬比</p>&l

38、t;p>　　if rato>2 & rato<4 </p><p><b>　　break;</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　sbw1=bw2(startrow:s

39、tartrow+hight,startcol:startcol+width-1); %獲取車牌二值子圖</p><p>　　subcol1=Sgray(startrow:startrow+hight,startcol:startcol+width-1);%獲取車牌灰度子圖</p><p>　　figure,subplot(2,1,1),imshow(subcol1);title('

40、車牌灰度子圖');%輸出灰度圖像</p><p>　　subplot(2,1,2),imshow(sbw1);title('車牌二值子圖');%輸出車牌的二值圖</p><p><b>　　程序流程圖 </b></p><p>　　圖2.8.2灰度子圖和二值子圖</p><p>　　2.9對

41、水平投影進行峰谷分析:</p><p>　　對水平投影進行峰谷分析,計算出車牌上邊框、車牌字符投影、車牌下邊框的波形峰上升點、峰下降點、峰寬、谷寬、峰間距離、峰中心位置參數(shù)。</p><p>　　histcol1=sum(sbw1); %計算垂直投影</p><p>　　histrow=sum(sbw1'); %計算水平投影</p&

42、gt;<p>　　figure,subplot(2,1,1),bar(histcol1);title('垂直投影（含邊框）');%輸出垂直投影</p><p>　　subplot(2,1,2),bar(histrow); title('水平投影（含邊框）');%輸出水平投影</p><p>　　圖2.9.1垂直投影和水平投影</p

43、><p>　　figure,subplot(2,1,1),bar(histrow); title('水平投影（含邊框）');%輸出水平投影</p><p>　　subplot(2,1,2),imshow(sbw1);title('車牌二值子圖');%輸出二值圖</p><p>　　圖2.9.2水平投影和二值圖</p><

44、;p>　　對水平投影進行峰谷分析:</p><p>　　meanrow=mean(histrow);%求水平投影的平均值</p><p>　　minrow=min(histrow);%求水平投影的最小值</p><p>　　levelrow=(meanrow+minrow)/2;%求水平投影的平均值</p><p><b>　

45、　count1=0;</b></p><p><b>　　l=1;</b></p><p>　　for k=1:hight</p><p>　　if histrow(k)<=levelrow </p><p>　　count1=count1+1;

46、 </p><p><b>　　else </b></p><p>　　if count1>=1</p><p>　　markrow(l)=k;%上升點</p><p>　　markrow1(l)=count1;%谷寬度（下降點至下一個上升點）</p

47、><p><b>　　l=l+1;</b></p><p><b>　　end</b></p><p><b>　　count1=0;</b></p><p><b>　　end</b></p><p><b>　　end&l

48、t;/b></p><p>　　markrow2=diff(markrow);%峰距離（上升點至下一個上升點）</p><p>　　[m1,n1]=size(markrow2);</p><p><b>　　n1=n1+1;</b></p><p>　　markrow(l)=hight;</p>&l

49、t;p>　　markrow1(l)=count1;</p><p>　　markrow2(n1)=markrow(l)-markrow(l-1);</p><p><b>　　l=0;</b></p><p>　　for k=1:n1</p><p>　　markrow3(k)=markrow(k+1)-markr

50、ow1(k+1);%下降點</p><p>　　markrow4(k)=markrow3(k)-markrow(k);%峰寬度（上升點至下降點）</p><p>　　markrow5(k)=markrow3(k)-double(uint16(markrow4(k)/2));%峰中心位置</p><p><b>　　end </b></p&

51、gt;<p>　　%Step7 計算車牌旋轉(zhuǎn)角度</p><p>　　%(1)在上升點至下降點找第一個為1的點</p><p>　　[m2,n2]=size(sbw1);%sbw1的圖像大小</p><p>　　[m1,n1]=size(markrow4);%markrow4的大小</p><p>　　maxw=max(mark

52、row4);%最大寬度為字符</p><p>　　if markrow4(1) ~= maxw%檢測上邊</p><p><b>　　ysite=1;</b></p><p><b>　　k1=1;</b></p><p>　　for l=1:n2</p><p>　　for

53、 k=1:markrow3(ysite)%從頂邊至第一個峰下降點掃描</p><p>　　if sbw1(k,l)==1</p><p>　　xdata(k1)=l;</p><p>　　ydata(k1)=k;</p><p><b>　　k1=k1+1;</b></p><p><b&g

54、t;　　break;</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　else %檢測下邊</p><p><b>　

55、　ysite=n1;</b></p><p>　　if markrow4(n1) ==0</p><p>　　if markrow4(n1-1) ==maxw</p><p>　　ysite= 0; %無下邊</p><p><b>　　else</b></p><p>　　ysite

56、= n1-1;</p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　if ysite ~=0</p><p><b>　　k1=1;</b></p><p>　　for l=1:n2</p&g

57、t;<p><b>　　k=m2;</b></p><p>　　while k>=markrow(ysite) %從底邊至最后一個峰的上升點掃描</p><p>　　if sbw1(k,l)==1</p><p>　　xdata(k1)=l;</p><p>　　ydata(k1)=k;</p&

58、gt;<p><b>　　k1=k1+1;</b></p><p><b>　　break;</b></p><p><b>　　end</b></p><p><b>　　k=k-1;</b></p><p><b>　　end&

59、lt;/b></p><p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　end </b></p><p><b>　　程序流程圖</b></p><p>　　2

60、.10計算車牌旋轉(zhuǎn)角度:</p><p>　　a.車牌傾斜的原因?qū)е峦队靶Ч骞晒炔幻黠@，在這里需要做車牌矯正處理。這里采取的線性擬合的方法,計算出車牌上邊或下邊圖像值為1的點擬合直線與水平X軸的夾角。</p><p><b>　　程序流程圖</b></p><p>　　%(2)線性擬合，計算與x夾角</p><p>　

61、　fresult = fit(xdata',ydata','poly1'); %poly1 Y = p1*x+p2</p><p>　　p1=fresult.p1;</p><p>　　angle=atan(fresult.p1)*180/pi; %弧度換為度，360/2pi, pi=3.14</p><p>　　%(3)

62、旋轉(zhuǎn)車牌圖象</p><p>　　subcol = imrotate(subcol1,angle,'bilinear','crop'); %旋轉(zhuǎn)車牌圖象</p><p>　　sbw = imrotate(sbw1,angle,'bilinear','crop');%旋轉(zhuǎn)圖像</p><p>　　figu

63、re,subplot(2,1,1),imshow(subcol);title('車牌灰度子圖');%輸出車牌旋轉(zhuǎn)后的灰度圖像標題顯示車牌灰度子圖</p><p>　　subplot(2,1,2),imshow(sbw);title('');%輸出車牌旋轉(zhuǎn)后的灰度圖像</p><p>　　title(['車牌旋轉(zhuǎn)角: ',num2str(ang

64、le),'度'] ,'Color','r');%顯示車牌的旋轉(zhuǎn)角度</p><p>　　圖2.10.1旋轉(zhuǎn)后的灰度圖像和旋轉(zhuǎn)角度</p><p>　　b.旋轉(zhuǎn)車牌后重新計算車牌水平投影，去掉車牌水平邊框，獲取字符高度:</p><p>　　histcol1=sum(sbw); %計算垂直投影</p>&l

65、t;p>　　histrow=sum(sbw'); %計算水平投影</p><p>　　figure,subplot(2,1,1),bar(histcol1);title('垂直投影（旋轉(zhuǎn)后）');</p><p>　　subplot(2,1,2),bar(histrow); title('水平投影（旋轉(zhuǎn)后）');</p>

66、<p>　　圖2.10.2垂直投影（旋轉(zhuǎn)后）和水平投影（旋轉(zhuǎn)后）</p><p>　　figure,subplot(2,1,1),bar(histrow); title('水平投影（旋轉(zhuǎn)后）');</p><p>　　subplot(2,1,2),imshow(sbw);title('車牌二值子圖（旋轉(zhuǎn)后）');</p>&l

67、t;p>　　圖2.10.3水平投影（旋轉(zhuǎn)后）和車牌二值子圖（旋轉(zhuǎn)后）</p><p>　　2.11去水平（上下）邊框,獲取字符高度: </p><p>　　a.通過以上水平投影、垂直投影分析計算，獲得了車牌字符高度、字符頂行與尾行、字符寬度、每個字符的中心位置，為提取分割字符具備了條件。</p><p>　　maxhight=max(markrow2);<

68、;/p><p>　　findc=find(markrow2==maxhight);</p><p>　　rowtop=markrow(findc);</p><p>　　rowbot=markrow(findc+1)-markrow1(findc+1);</p><p>　　sbw2=sbw(rowtop:rowbot,:); %子圖為(row

69、bot-rowtop+1)行</p><p>　　maxhight=rowbot-rowtop+1; %字符高度(rowbot-rowtop+1)</p><p>　　b.計算車牌垂直投影，去掉車牌垂直邊框，獲取車牌及字符平均寬度</p><p>　　histcol=sum(sbw2); %計算垂直投影</p><p>　　figure

70、,subplot(2,1,1),bar(histcol);title('垂直投影（去水平邊框后）');%輸出車牌的垂直投影圖像</p><p>　　subplot(2,1,2),imshow(sbw2); %輸出垂直投影圖像</p><p>　　title(['車牌字符高度： ',int2str(maxhight)],'Color','

71、;r');%輸出車牌字符高度</p><p>　　圖2.11垂直投影圖像和車牌字符高度 </p><p>　　b．%對垂直投影進行峰谷分析</p><p>　　meancol=mean(histcol);%求垂直投影的平均值</p><p>　　mincol=min(histcol);%求垂直投影的平均值</p>&l

72、t;p>　　levelcol=(meancol+mincol)/4;%求垂直投影的1/4</p><p><b>　　count1=0;</b></p><p><b>　　程序流程圖</b></p><p>　　c.計算車牌上每個字符中心位置，計算最大字符寬度maxwidth</p><p>

73、;<b>　　l=0;</b></p><p>　　for k=1:n1</p><p>　　markcol3(k)=markcol(k+1)-markcol1(k+1);%字符下降點</p><p>　　markcol4(k)=markcol3(k)-markcol(k); %字符寬度（上升點至下降點）</p><p>

74、;　　markcol5(k)=markcol3(k)-double(uint16(markcol4(k)/2));%字符中心位置</p><p><b>　　end </b></p><p>　　markcol6=diff(markcol5); %字符中心距離（字符中心點至下一個字符中心點）</p><p>　　maxs=max(markcol

75、6); %查找最大值，即為第二字符與第三字符中心距離</p><p>　　findmax=find(markcol6==maxs);</p><p>　　markcol6(findmax)=0;</p><p>　　maxwidth=max(markcol6);%查找最大值，即為最大字符寬度</p><p>　　d.提取分割字符,并變換為22

76、行*14列標準子圖</p><p><b>　　l=1;</b></p><p>　　[m2,n2]=size(subcol);</p><p><b>　　figure;</b></p><p>　　for k=findmax-1:findmax+5</p><p>　　c

77、left=markcol5(k)-maxwidth/2;</p><p>　　cright=markcol5(k)+maxwidth/2-2;</p><p>　　if cleft<1</p><p><b>　　cleft=1;</b></p><p>　　cright=maxwidth;</p>

78、<p><b>　　end</b></p><p>　　if cright>n2</p><p>　　cright=n2;</p><p>　　cleft=n2-maxwidth;</p><p><b>　　end</b></p><p>　　SegGray

79、=sbw(rowtop:rowbot,cleft:cright);</p><p>　　SegBw1=sbw(rowtop:rowbot,cleft:cright);</p><p>　　SegBw2 = imresize(SegBw1,[22 14]); %變換為32行*16列標準子圖 </p><p>　　subplot(2,n1,l),imshow(

80、SegGray);</p><p><b>　　if l==7</b></p><p>　　title(['車牌字符寬度： ',int2str(maxwidth)],'Color','r');</p><p><b>　　end</b></p><p>

81、;　　subplot(2,n1,n1+l),imshow(SegBw2); </p><p>　　fname=strcat('F:\MATLAB\work\sam\image',int2str(k),'.jpg');%保存子圖備選入樣本庫,并建立樣本庫</p><p>　　imwrite(SegBw2,fname,'jpg')

82、</p><p><b>　　l=l+1;</b></p><p><b>　　end</b></p><p>　　2.12將計算計算獲取的字符圖像與樣本庫進行匹配，自動識別出字符代碼:</p><p>　　進行車牌識別前需要使用樣本對神經(jīng)網(wǎng)絡進行訓練，然后使用訓練好的網(wǎng)絡對車牌進行識別。其具體流程

83、為:使用漢字、字母、字母數(shù)字、數(shù)字四個樣本分別對四個子網(wǎng)絡進行訓練，得到相應的節(jié)點數(shù)和權(quán)值。對已經(jīng)定位好的車牌進行圖像預處理，逐個的特征提取，然后從相應的文件中讀取相應的節(jié)點數(shù)和權(quán)值，把車牌字符分別送入相應的網(wǎng)絡進行識別，輸出識別結(jié)果。</p><p>　　%Step12 將計算計算獲取的字符圖像與樣本庫進行匹配，自動識別出字符代碼。</p><p>　　liccode=char([

84、9;0':'9' 'A':'Z' '粵桂海云貴川京津滬']); %建立自動識別字符代碼表 </p><p>　　SubBw2=zeros(22,14);</p><p><b>　　l=1;</b></p><p>　　[m2,n2]=size(sbw);</p&g

85、t;<p>　　for k=findmax-1:findmax+5</p><p>　　cleft=markcol5(k)-maxwidth/2;</p><p>　　cright=markcol5(k)+maxwidth/2-2;</p><p>　　if cleft<1</p><p><b>　　cleft

86、=1;</b></p><p>　　cright=maxwidth;</p><p><b>　　end</b></p><p>　　if cright>n2</p><p>　　cright=n2;</p><p>　　cleft=n2-maxwidth;</p>

87、<p><b>　　end</b></p><p>　　SegBw1=sbw(rowtop:rowbot,cleft:cright);</p><p>　　SegBw2 = imresize(SegBw1,[22 14]);%變換為22行*14列標準子圖 </p><p>　　if l==1

88、 %第一位漢字識別</p><p><b>　　kmin=37;</b></p><p><b>　　kmax=45;</b></p><p>　　elseif l==2 %第二位 A~Z 字母識別</p><p><b>　　kmin=11;</b>&

89、lt;/p><p><b>　　kmax=36;</b></p><p>　　elseif l>=3 & l<=5 %第三、四位 0~9 A~Z字母和數(shù)字識別</p><p><b>　　kmin=1;</b></p><p><b>　　kmax=36;<

90、;/b></p><p>　　else %第五～七位 0~9 數(shù)字識別</p><p><b>　　kmin=1;</b></p><p><b>　　kmax=10;</b></p><p><b>　　end</b></p&

91、gt;<p>　　for k2=kmin:kmax</p><p>　　fname=strcat('D:\360Downloads\card\Sam',liccode(k2),'.jpg');</p><p>　　SamBw2 = imread(fname); </p><p>　　for i=1:

92、22</p><p>　　for j=1:14</p><p>　　SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);</p><p><b>　　end</b></p><p>　　end %SubBw2 = SamBw2-SegBw2;</p><p><b>

93、　　Dmax=0;</b></p><p>　　for k1=1:22</p><p>　　for l1=1:14</p><p>　　if ( SubBw2(k1,l1) > 0 | SubBw2(k1,l1) <0 )</p><p>　　Dmax=Dmax+1;</p><p><b

94、>　　end</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　Error(k2)=Dmax;</p><p><b>　　end</b></p><p>　　Error

95、1=Error(kmin:kmax);%比較誤差</p><p>　　MinError=min(Error1);%取誤差的最小值</p><p>　　findc=find(Error1==MinError);%查找最小誤差的圖像</p><p>　　RegCode(l*2-1)=liccode(findc(1)+kmin-1);</p><p&g

96、t;　　RegCode(l*2)=' ';%輸出最小誤差圖像</p><p><b>　　l=l+1;</b></p><p><b>　　end</b></p><p>　　title (['識別車牌號碼:', RegCode],'Color','r');&

97、lt;/p><p><b>　　程序流程圖</b></p><p>　　圖2.12識別的車牌號碼</p><p><b>　　五、設計結(jié)果及分析</b></p><p><b>　　原始圖像:</b></p><p>　　車牌定位和提?。?

98、 字符的分割和識別：</p><p>　　從上面結(jié)果可以看出，這張車牌的識別失敗了，將京誤識別為H了。因此需要在車牌分割等方面做些彌補，最后達到識別效果。</p><p>　　在車牌識別的過程中數(shù)字庫的建立很重要,只有數(shù)字庫的準確才能保證檢測出來的數(shù)據(jù)正確。切割出來的數(shù)據(jù)要與數(shù)據(jù)庫的數(shù)據(jù)作比較，所以數(shù)據(jù)庫的數(shù)據(jù)尤為重要。</p><p><

99、;b>　　六、總結(jié):</b></p><p>　　實驗對車牌識別系統(tǒng)的軟件部分進行了研究，分別從圖像預處理、車牌定位、字符分割以及字符識別等方面進行了系統(tǒng)的分析。整理和總結(jié)了國內(nèi)外在車牌定位、分割、字符識別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國車牌的固有特征，以及車牌識別的特點。在車牌定位我們采用基于灰度跳變的定位方法，采用先對圖像進行預處理，再進行二值化操作的方法。實驗表明本方法既保留了車牌

100、區(qū)域的信息，又減少了噪聲的干擾，從而簡化了二值化處理過程，提高了后續(xù)處理的速度。基于彩色分量的定位方法，運用基于藍色象素點統(tǒng)計特性的方法對車牌是藍色的車牌進行定位，實驗表明，用該方法實現(xiàn)的車牌定位準確率較高。本設計用MATLAB編程運行結(jié)果可以得出，本設計采用的圖像預處理、CANNY邊緣檢測、開閉運算子[5，19]、車牌長寬比特征識別等對車牌的定位都是非常有效的，而本設計提出的二次水平投影分析和閾值技術(shù)有效檢測了車牌圖像的上下左右邊框、

101、旋轉(zhuǎn)角度，準確實現(xiàn)的車牌字符的分割，對多個車牌進行實驗，均有很高的正確率。本設計雖然只對藍底白字車牌進行分割識別，對黑底白字車牌原則上整個算法可直接適用，對白底黑字車牌、黃底黑字車牌，需要對車牌定位算法進行調(diào)整，</p><p><b>　　七、體會</b></p><p>　　經(jīng)過幾周的奮戰(zhàn)我們的課程設計終于完成了。課程設計不僅是對前面所學知識的一種檢驗，而且也是對

102、自己能力的一種提高。通過這次課程設計我明白了我們在課本上學到的知識還比較欠缺。我們要學習的東西還太多，以前老是覺得什么都會，什么都懂，有點眼高手低。通過這次課程設計，我們才真正明白：學習是一個長期積累的過程，在以后的工作、生活中都應該不斷的學習，努力提高我們的知識和綜合素質(zhì)。在這次課程設計中也使我們的同學關(guān)系更進一步了，同學之間互相幫助、相互合作，有什么不懂的大家在一起商量，聽聽不同的看法對我們更好的理解知識。不管學會的還是學不會的的確

103、覺得困難比較多，真是萬事開頭難，不知道如何入手。最后終于做完了有種如釋重負的感覺。此外，還得出一個結(jié)論：知識必須通過應用才能實現(xiàn)其價值！有些東西以為學會了，但真正到用的時候才發(fā)現(xiàn)是兩回事，所以我認為只有到真正會用的時候才是真的學會了。在設計過程中，我們通過查閱大量有關(guān)資料，與同學交流經(jīng)驗和自學，并向老師請教等方式，使自己學到了不少知識，也經(jīng)歷了不少艱辛，但收獲同樣巨大。在整個設計中我們懂得了許多東西，也培養(yǎng)了我們獨立工作的能力，樹立了對

104、我們工作能力的信心，相信會對今</p><p><b>　　八、參考文獻:</b></p><p>　　[1] 沈美明、溫東蟬．IBM-PC匯編語言程序設計（第二版）．清華大學出版社，2001．8</p><p>　　[2] 李紅．淺談計算機病毒.山西大學財經(jīng)學報，2002.12：527-530</p><p>　　[3

105、] 趙均宇．強化科學管理機制．光明日報，1999-3-24（4）</p><p>　　[4] 劉佐濂 , 鄧榮標 , 孔嘉圓.中國科技信息 [J].2005（23期）9～12.</p><p>　　[5] 宋建才.汽車牌照識別技術(shù)研究[J].工業(yè)控制計算機,2004,44～45.</p><p>　　[6] 韓勇強、李世祥.汽車牌照子圖像的定位算法[M].微型電腦運

106、用，1999.60～65.</p><p>　　[7] 王枚、王國宏.基于伴生與互補顏色特征的車牌字符分割技術(shù)[J].山東大學學報，2007。第37卷</p><p>　　[8] 賀興華、周媛媛、王繼陽等.MATLAB 圖像處理[M].人民郵電出版社,2006.96～100.</p><p>　　[9] 龔聲蓉、劉純平、王強. 數(shù)字圖象處理與分析[M]. 清華出版社

107、 ,2006.24～29.</p><p>　　[10]劉陽，伊鐵源等.數(shù)字圖象處理應用于車輛牌照的識別.遼寧大學學報.2004，65～68.</p><p>　　[11] 張興會, 劉玲, 杜升之.車牌照定位及傾斜校正方法研究[J].系統(tǒng)工程與電子技術(shù), 2004, 26(2): 237～239.</p><p>　　[12] 葉晨洲，楊杰，宣國榮.車輛牌照字符識

108、別[J].上海交通大學學報，2000，5(34)： 672～675.</p><p>　　[13] 魏武, 黃心漢, 張起森, 等.一種基于垂直字符邊界特征的車牌定位方法,中國公路學報, 2000, (4) : 88-90</p><p>　　[14 葉晨洲等.車輛牌照字符識別[J].上海交通大學學報，2000.4～6.</p><p>　　[15劉智勇，劉迎建.車

109、牌識別（LPR）中的圖像提取及分割[J].中文信息學報，2000,14(4):29～34.</p><p>　　[16張禹、馬駟良、韓笑、張忠波.車牌識別中的圖像提取及分割算法[J].吉林大學學報，2006.第44卷第3期，407～410.</p><p>　　[16 章毓晉.數(shù)字圖象處理和分析[M].清華大學出版社.1993.256～261.</p><p>　　

110、[17 崔屹.圖象處理與分析—數(shù)學形態(tài)學方法及應用[M].北京：科學出版社，2000.</p><p>　　[18 袁志偉，潘曉露.車輛牌照定位的算法研究[J].昆明理工大學學報，2001，26(2): 56～60.</p><p>　　[19 梁瑋、羅劍鋒、賈云得.一種復雜背景下的多車牌圖像分割與識別方法[D]. 2003.</p><p>　　[20羅希平，田