車牌識(shí)別系統(tǒng)的設(shè)計(jì)--課程設(shè)計(jì)報(bào)告

1、目錄 TOC o 1-5 h z HYPERLINK l bookmark0 o Current Document 一、摘要： 3 HYPERLINK l bookmark2 o Current Document 二、設(shè)計(jì)目的和意義： 3 HYPERLINK l bookmark4 o Current Document 2.1、設(shè)計(jì)目的： 3 HYPERLINK l bookmark6 o Current Document 2。2、設(shè)計(jì)意義： 2 HYPERLINK l bookmark8 o Current Document 三、設(shè)計(jì)原理： 2 HYPERLINK l bookmark10

2、o Current Document 四、詳細(xì)設(shè)計(jì)步驟： 2 HYPERLINK l bookmark12 o Current Document 4。1、提出總體設(shè)計(jì)方案：3 HYPERLINK l bookmark14 o Current Document 4。2、各模塊的實(shí)現(xiàn)： 4 HYPERLINK l bookmark41 o Current Document 五、設(shè)計(jì)結(jié)果及分析 20 HYPERLINK l bookmark49 o Current Document 六、總結(jié)： 21 HYPERLINK l bookmark51 o Current Document 七、體會(huì) 22

3、HYPERLINK l bookmark53 o Current Document 八、參考文獻(xiàn)： 22一、摘要：隨這圖形圖像技術(shù)的發(fā)展，現(xiàn)在的車牌識(shí)別技術(shù)準(zhǔn)確率越來(lái)越高， 識(shí)別速度越來(lái)越 快。無(wú)論何種形式的車牌識(shí)別系統(tǒng)，它們都是由觸發(fā)、圖像采集、圖像識(shí)別模塊、輔助 光源和通信模塊組成的。車牌識(shí)別系統(tǒng)涉及光學(xué)、電器、電子控制、數(shù)字圖像處理、計(jì) 算視覺、人工智能等多項(xiàng)技術(shù)。觸發(fā)模塊負(fù)責(zé)在車輛到達(dá)合適位置時(shí)，給出觸發(fā)信號(hào)， 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(yù)處理程序?qū)ψヅ牡膱D像進(jìn)行處理，去除噪聲，并進(jìn)行參數(shù)調(diào)整。然后通過(guò) 車牌定位、字符識(shí)別，

4、最后將識(shí)別結(jié)果輸出。二、設(shè)計(jì)目的和意義：設(shè)計(jì)目的:1、鞏固理論課上所學(xué)的知識(shí)，理論聯(lián)系實(shí)踐.2、鍛煉學(xué)生的動(dòng)手能力，激發(fā)學(xué)生的研究潛能，提高學(xué)生的協(xié)作精神。3、通過(guò)本次二級(jí)項(xiàng)目的設(shè)計(jì)，能夠綜合運(yùn)用所學(xué)理論知識(shí)，拓寬知識(shí)面，系統(tǒng)地進(jìn)行 電子電路的工程實(shí)踐訓(xùn)練，培養(yǎng)工程師的基本技能，提高分析問(wèn)題和解決問(wèn)題的能力。2。2、設(shè)計(jì)意義：車輛牌照在交通系統(tǒng)管理中有著重要的作用，通過(guò)它可以檢索車輛的各項(xiàng)重要信息， 實(shí)現(xiàn)車輛的控制、運(yùn)輸安排、停車管理、自動(dòng)收費(fèi)、事故處理等功能，從而給交通系統(tǒng) 的自動(dòng)管理提供極大的方便。車牌定位系統(tǒng)的目的在于正確獲取整個(gè)圖像中車牌的區(qū)域，并識(shí)別出車牌號(hào)。通過(guò)設(shè)計(jì)實(shí)現(xiàn)車牌識(shí)別系統(tǒng)

5、，能夠提高學(xué)生分析問(wèn)題和解決問(wèn)題的能力，還能培養(yǎng)一定的科研 能力。三、設(shè)計(jì)原理：牌照自動(dòng)識(shí)別是一項(xiàng)利用車輛的動(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)。具硬件基礎(chǔ)一般包括觸發(fā)設(shè)備、攝像設(shè)備、照明設(shè)備、圖像采集 設(shè)備、識(shí)別車牌號(hào)碼的處理機(jī)等，具軟件核心包括車牌定位算法、車牌字符分割算法和 光學(xué)字符識(shí)別算法等.某些牌照識(shí)別系統(tǒng)還具有通過(guò)視頻圖像判斷車輛駛?cè)胍曇暗墓δ?稱之為視頻車輛檢測(cè)。一個(gè)完整的牌照識(shí)別系統(tǒng)應(yīng)包括車輛檢測(cè)、圖像采集、牌照識(shí)別 等幾部分。當(dāng)車輛檢測(cè)部分檢測(cè)到車輛到達(dá)時(shí)觸發(fā)圖像采集單元，采集當(dāng)前的視頻圖像.牌照識(shí)別單元對(duì)圖像進(jìn)行處理，定位出牌照位置，再將牌照中的

6、字符分割出來(lái)進(jìn)行識(shí)別， 然后組成牌照號(hào)碼輸出。四、詳細(xì)設(shè)計(jì)步驟：鋤員信號(hào)京 EG15 572車輛 檢測(cè)器數(shù)字圖像視頻車輛檢測(cè)結(jié)果輸出字符識(shí)別(OCR)G6 572fcEG65牌照號(hào)碼：京EG(557上 牌照底色藍(lán)色圖1睥照識(shí)別系統(tǒng)示提出總體設(shè)計(jì)方案：牌照號(hào)碼、顏色識(shí)別為了進(jìn)行牌照識(shí)別，需要以下幾個(gè)基本的步驟：a。牌照定位，定位圖片中的牌照位置；b.牌照字符分割，把牌照中的字符分割出來(lái)；c.牌照字符識(shí)別，把分割好的字符進(jìn)行識(shí)別，最終組成牌照號(hào)碼.牌照識(shí)別過(guò)程中，牌照顏色的識(shí)別依據(jù)算法不同，可能在上述不同步驟實(shí)現(xiàn)，通常 與牌照識(shí)別互相配合、互相驗(yàn)證。(1)牌照定位：自然環(huán)境下，汽車圖像背景復(fù)雜、光

7、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。首先對(duì)采集到的視頻圖像進(jìn)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(duì)這些侯選區(qū)域做進(jìn)一步分析、評(píng)判，最后選 定一個(gè)最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來(lái)。流程圖:(2)牌照字符分割：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。計(jì)算水平投影進(jìn)

8、行車牌水平校正去掉車牌 的框架分析垂直投影找到每 個(gè)字符中心位置按左右寬度,切割出字符 3(3)牌照字符識(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?；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(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。基于人工神經(jīng)元網(wǎng)絡(luò)的算法有兩種： 一種是先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一 種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別出結(jié)果.實(shí)際應(yīng) 用中，牌照識(shí)別系統(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

9、、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， 使采集到的圖像最利于識(shí)別。切割出的字符送入庫(kù)中與數(shù)據(jù)庫(kù)的 圖片相減分析之差最小的圖片是哪張字符依次分析顯示誤 差最小的圖片名字各模塊的實(shí)現(xiàn):2。1輸入待處理的原始圖像：clear ；close all ;%Step1獲取圖像裝入待處理彩色圖像并顯示原始圖像Scolor = imread(3.jpg )

10、; % imread 函數(shù)讀取圖像文件圖2.1原始圖像圖像的灰度化：彩色圖像包含著大量的顏色信息，不但在存儲(chǔ)上開銷很大，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。由彩色轉(zhuǎn)換為灰度的過(guò)程叫做灰度化處理。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 %等彩色圖像轉(zhuǎn)換為黑白并顯示Sgray = rgb2gray (Scolor);%rgb2gray 轉(zhuǎn)換成灰度圖figure,imshow(Sgray ), title (原始黑白圖像,);J _ Q - lb 4, Jf,

11、N 口圖2。2原始黑白圖像對(duì)原始圖像進(jìn)行開操作得到圖像背景圖像：s=strel ( disk , 13) ; %strei 函數(shù)Bgray=imopen (Sgray, s) ; %丁 開 sgray s 圖像figure , imshow (Bgray);title (背景圖像)；俞出背景圖像圖2。3背景圖像原始圖像與背景圖像作減法，對(duì)圖像進(jìn)行增強(qiáng)處理：Egray=imsubtract (Sgray,Bgray );陰幅圖相減figure,imshow(Egray ) ; title( 增強(qiáng)黑白圖像)；輸出黑白圖像EJSl；3iI口*|*、00日| 1鼻苗KI:圖2。4黑白圖像2。5取得最佳

12、閾值，將圖像二值化：二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。在實(shí)際的車牌處理系統(tǒng)中，進(jìn) 行圖像二值變換的關(guān)鍵是要確定合適的閥值，使得字符與背景能夠分割開來(lái)，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(huì)產(chǎn)生額外的空缺等 等.車牌識(shí)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(jìn)行處理，能大大地提高處理效率。閾值處理的操作過(guò)程是先由用戶指定或通過(guò)算法生成一個(gè)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(shè)置為0或255,否則灰度值設(shè)置為255或0。fmax1=double (max(max(Egray) ) ); % egray 的最大值并

13、輸出雙精度型fmin1=double (min(min (Egray) ; %egray 的最小值并輸出雙精度型level= (fmax1-(fmax1-fmin1)/3)/255; %獲得最佳閾值bw22=im2bw (Egray, level ) ; %專換圖像為二進(jìn)制圖像bw2=double (bw22);figure,imshow(bw2 ) ;title (圖像二值化)；%導(dǎo)到二值圖像岳*曰日國(guó)*二也生圖2。5二值圖像邊緣檢測(cè)：兩個(gè)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(chǔ).為了對(duì)有意義的邊緣點(diǎn)進(jìn)行分類

14、，與這個(gè)點(diǎn)相聯(lián)系的灰度級(jí)必須比在這一點(diǎn)的背景上變換更有效，我們通過(guò)門限 方法來(lái)決定一個(gè)值是否有效。所以，如果一個(gè)點(diǎn)的二維一階導(dǎo)數(shù)比指定的門限大，我們 就定義圖像中的次點(diǎn)是一個(gè)邊緣點(diǎn)，一組這樣的依據(jù)事先定好的連接準(zhǔn)則相連的邊緣點(diǎn) 就定義為一條邊緣。經(jīng)過(guò)一階的導(dǎo)數(shù)的邊緣檢測(cè)，所求的一階導(dǎo)數(shù)高于某個(gè)閾值，則確 定該點(diǎn)為邊緣點(diǎn)，這樣會(huì)導(dǎo)致檢測(cè)的邊緣點(diǎn)太多?？梢酝ㄟ^(guò)求梯度局部最大值對(duì)應(yīng)的點(diǎn)并認(rèn)定為邊緣點(diǎn)，去除非局部最大值，可以檢測(cè)出精確的邊緣。一階導(dǎo)數(shù)的局部最大值 對(duì)應(yīng)二階導(dǎo)數(shù)的零交叉點(diǎn)，這樣通過(guò)找圖像強(qiáng)度的二階導(dǎo)數(shù)餓的零交叉點(diǎn)就能找到精確 邊緣點(diǎn)。grd=edge(bw2 , canny) %用can

15、ny算子識(shí)別強(qiáng)度圖像中的邊界figure , imshow(grd);title (圖像邊緣提取);%輸出圖像邊緣W q *- - 簾 H - n I I 回 口口組1對(duì):*號(hào)17圖2。6像邊緣提取對(duì)得到圖像作開操作進(jìn)行濾波：數(shù)學(xué)形態(tài)非線性濾波，可以用于抑制噪聲，進(jìn)行特征提取、邊緣檢測(cè)、圖像分割等圖 像處理問(wèn)題。腐蝕是一種消除邊界點(diǎn)的過(guò)程，結(jié)果是使目標(biāo)縮小，孔洞增大，因而可有效 的消除孤立噪聲點(diǎn)；膨脹是將與目標(biāo)物體接觸的所有背景點(diǎn)合并到物體中的過(guò)程，結(jié)果 是使目標(biāo)增大，孔洞縮小，可填補(bǔ)目標(biāo)物體中的空洞，形成連通域。先腐蝕后膨脹的過(guò)程 稱為開運(yùn)算，它具有消除細(xì)小物體，并在纖細(xì)處分離物體和平滑較大

16、物體邊界的作用；先 膨脹后腐蝕的過(guò)程稱為閉運(yùn)算，具有填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界的 作用。對(duì)圖像做了開運(yùn)算和閉運(yùn)算，閉運(yùn)算可以使圖像的輪廓線更為光滑，它通常用來(lái) 消掉狹窄的間斷和長(zhǎng)細(xì)的鴻溝，消除小的孔洞，并彌補(bǔ)輪廓線中的斷裂。bg1=imclose(grd , strel( rectangle , 5,19 ) ; %取矩形框的閉運(yùn)算figure,imshow (bg1) ;title(圖像閉運(yùn)算5, 19 ) ; %俞出閉運(yùn)算的圖像bg3=imopen (bg1, strel (rectangle ，5, 19);% 取矩形框的開運(yùn)算figure,imshow (bg3) ;

17、title (圖像開運(yùn)算5,19 ); %輸出開運(yùn)算的圖像 bg2=imopen(bg3 , strel (rectangle , 19, 1 ) ) ; %X矩形框的開運(yùn)算 figure , imshow (bg2) ;title (圖像開運(yùn)算19 , 1 ) ;%輸出開運(yùn)算的圖像圖2.7.1閉運(yùn)算的圖像D*ago1pM Eli 中一 Jih4t wie QiR。HM- 皿Vn門- q a -.尊匕* Q 口國(guó) q阻開罡巾|6”|圖2。7.2開運(yùn)算的圖像圖2。7。3開運(yùn)算的圖像對(duì)二值圖像進(jìn)行區(qū)域提取，并計(jì)算區(qū)域特征參數(shù)。進(jìn)行區(qū)域特征參數(shù)比較，提取車牌 區(qū)域：a.對(duì)圖像每個(gè)區(qū)域進(jìn)行標(biāo)記，然后計(jì)

18、算每個(gè)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。L, nunri = bwlabel (bg2, 8) ;%標(biāo)注二進(jìn)制圖像中已連接的部分Feastats = imfeature (L, basic ); %計(jì)算圖像區(qū)域的特征尺寸Area=Feastats.Area;%區(qū)域面積BoundingBox= Feastats 。 BoundingBox ; % xy width height 車牌的框架大小 RGB = label2rgb(L, spring , k , shuffle ) ; % 標(biāo)志圖像向 RGB圖像轉(zhuǎn)換figure , imshow(RGB);title (圖像彩色

19、標(biāo)記)；輸出框架的彩色圖像圖2。8.1彩色圖像bo計(jì)算出包含所標(biāo)記的區(qū)域的最小寬和高，并根據(jù)先驗(yàn)知識(shí) ，比較誰(shuí)的寬高比更接近實(shí) 際車牌寬高比，將更接近的提取并顯示出來(lái)。lx=0 ;for l=1:numwidth=BoundingBox(l 1) * 4+3) ； %框架寬度的計(jì)算hight=BoundingBox(l1) *4+4) ； %匡架高度的計(jì)算if (width 98 & width 160 & hight 25 & hight 50) %框架的寬度和高度的范圍 lx=lx+1;Getok(lx)=l;endendfor k= 1:lxl=Getok(k );(l 1) * 4+1

20、) 2;%開始列(l-1)*4+2)2;% 開始行* 4+3)+8 ;加牌寬(l-1 ) * 4+4)+2 ;加牌高startcol=BoundingBox startrow=BoundingBox( width=BoundingBox(l-1) hight=BoundingBoxrato=width/hight;%計(jì)算車牌長(zhǎng)寬比if rato 2 & rato=1markrow (l) =k； %k升點(diǎn)markrow1(l)=count1； %谷寬度(下降點(diǎn)至下一個(gè)上升點(diǎn))l=l+1；endcount1=0;11endendmarkrow2=diff(markrow) ； %峰距離(上升點(diǎn)至

21、下一個(gè)上升點(diǎn))ml, n1=size ( markrow2)；n1=n1+1;markrow(l)=hight ；markrowl (l ) =count1 ；markrow2 (n1) =markrow (l) markrow (l 1);l=0 ；for k=1 : n1markrow3(k)=markrow(k+1) markrow1 (k+1); %下降點(diǎn)markrow4 (k) =markrow3(k)-markrow(k) ； %峰寬度(上升點(diǎn)至下降點(diǎn))markrow5 (k)=markrow3 (k) -double(uint16 (markrow4(k) /2) ； %隼中心位

22、置 end%Step7計(jì)算車牌旋轉(zhuǎn)角度%(1)在上升點(diǎn)至下降點(diǎn)找第一個(gè)為1的點(diǎn)m2, n2=size (sbw1) ;%sbw1 的圖像大小m1, n1=size(markrow4); %markrow4 的大小maxw=max(markrow4) ； %最大寬度為字符if markrow4(1) =maxw% 測(cè)上邊ysite=1 ；k1=1;for l=1:n2for k=1:markrow3(ysite )煙頂邊至第一個(gè)峰下降點(diǎn)掃描if sbw1 (k,l ) =1xdata(k1)=l;ydata(k1) =k；k1=k1+1;break ； endendendelse%檢測(cè)下邊ysi

23、te=n1;if markrow4 (n1) =0if markrow4 ( n1 1) =maxwysite= 0； %無(wú)下邊else TOC o 1-5 h z ysite= n11;endendif ysite =0k1=1；for l=1: n2k=m2 ；while k=markrow12(ysite )%從底邊至最后一個(gè)峰的上升點(diǎn)掃描程序流程圖2。10計(jì)算車牌旋轉(zhuǎn)角度：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(jì)算出車牌上邊或下邊圖像值為1的點(diǎn)擬合直線與水平X軸的夾角.13程序流程圖% (2)線性擬合，計(jì)算與 x夾角fresu

24、lt = fit(xdata , ydata , polyl ) ; %poly1 Y = pl * x+p2p1=fresult 。 p1;angle=atan(fresult 。p1) * 180/pi ; %弧度換為度，360/2pi , pi=3.14% (3)旋轉(zhuǎn)車牌圖象subcol = imrotate(subcol1,angle , bilinear ,crop ) ; %旋轉(zhuǎn)車牌圖象sbw = imrotate (sbw1, angle bilinear , crop ); %旋轉(zhuǎn)圖像figure , subplot (2, 1,1) , imshow (subcol);tit

25、le (車牌灰度子圖)；俞出車牌旋轉(zhuǎn)后 的灰度圖像標(biāo)題顯示車牌灰度子圖subplot (2, 1,2 ) ,imshow(sbw ) ;title ( ) ; %輸出車牌旋轉(zhuǎn)后的灰度圖像title( 車牌旋轉(zhuǎn)角：,num2str (angle),度,Color,r ) ;%顯示車牌的旋轉(zhuǎn)角度圖2.10。1旋轉(zhuǎn)后的灰度圖像和旋轉(zhuǎn)角度b.旋轉(zhuǎn)車牌后重新計(jì)算車牌水平投影，去掉車牌水平邊框，獲取字符高度:14histcol1=sum(sbw); %計(jì)算垂直投影(垂直投影(旋轉(zhuǎn)后);(水平投影(旋轉(zhuǎn)后);histrow=sum (sbw) ; %計(jì)算水平投影 figure , subplot(2 , 1

26、,1 ) ,bar(histcol1);title subplot (2, 1, 2), bar (histrow); title圖2。10.2垂直投影(旋轉(zhuǎn)后)和水平投影(旋轉(zhuǎn)后)figure , subplot (2, 1, 1) , bar(histrow); title(水平投影(旋轉(zhuǎn)后);subplot(2 , 1,2), imshow (sbw); title(車牌二值子圖(旋轉(zhuǎn)后)；15圖2.10。3水平投影(旋轉(zhuǎn)后)和車牌二值子圖(旋轉(zhuǎn)后)去水平(上下)邊框，獲取字符高度：a.通過(guò)以上水平投影、垂直投影分析計(jì)算，獲得了車牌字符高度、字符頂行與尾行、字符 寬度、每個(gè)字符的中心位置

27、，為提取分割字符具備了條件。maxhight=max(markrow2);findc=find(markrow2=maxhight) ;rowtop=markrow (findc);rowbot=markrow (findc+1)-markrow1 (findc+1);sbw2=sbw(rowtop : rowbot,:);%子圖為(rowbot-rowtop+1 )行maxhight=rowbot rowtop+1; % 字符高度 (rowbot rowtop+1)b.計(jì)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histcol=sum (sbw2);% 計(jì)算垂直投影figure

28、 , 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subplot(2,1,2),imshow(sbw2 ) ; %輸出垂直投影圖像title(車牌字符高度：，int2str (maxhight ) ,Color r ); %俞出車牌字符高度I* 一圖2.11垂直投影圖像和車牌字符高度 b. %寸垂直投影進(jìn)行峰谷分析程序流程圖c.計(jì)算車牌上每個(gè)字符中心位置，計(jì)算最大字符寬度maxwidth161=0；for k=1:n1markco13(k ) =markco1 (k+1)-markco11(k+1); %符下

29、降點(diǎn)markco14(k)=markco13(k ) -markcol(k) ; %字符寬度(上升點(diǎn)至下降點(diǎn))markco15(k)=markco13 (k)-doub1e(uint16 (markco14(k)/2);% 字符中心位置endmarkco16=diff (markco15);%字符中心距離(字符中心點(diǎn)至下一個(gè)字符中心點(diǎn))maxs=max(markco16) ; %查找最大值，即為第二字符與第三字符中心距離findmax=find(markco16=maxs );markco16(findmax)=0 ;maxwidth=max (markco16); %查找最大值，即為最大字符

30、寬度d.提取分割字符，并變換為22行* 14列標(biāo)準(zhǔn)子圖1=1 ；m2,n2 =size (subcol);figure ;for k=findmax 1:findmax+5c1eft=markco15 (k) -maxwidth/2 ; TOC o 1-5 h z cright=markco15(k)+maxwidth/2 2;if cleft 1c1eft=1;cright=maxwidth;endif crightn2cright=n2;c1eft=n2maxwidth ;endSegGray=sbw (rowtop : rowbot,c1eft : cright );SegBw1=sbw

31、(rowtop : rowbot , c1eft:cright);SegBw2 = imresize(SegBw1 , 22 14 ) ;%變換為 32 行* 16 列標(biāo)準(zhǔn)子圖subp1ot(2,n1 , 1 ) ,imshow (SegGray);if 1=7tit1e(車牌字符寬度：,int2str (maxwidth) , Color, r);endsubp1ot(2 , n1, n1+1),imshow(SegBw2 );fname=strcat ( F:MATLABworksamimage int2str(k), .jpg ) ; %保存子圖備選入樣本庫(kù)，并建立樣本庫(kù)imwrite

32、(SegBw? fname, jpg ) 1=1+1;end將計(jì)算計(jì)算獲取的字符圖像與樣本庫(kù)進(jìn)行匹配,自動(dòng)識(shí)別出字符代碼:進(jìn)行車牌識(shí)別前需要使用樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對(duì)車牌 進(jìn)行識(shí)別。其具體流程為：使用漢字、字母、字母數(shù)字、數(shù)字四個(gè)樣本分別對(duì)四個(gè)子網(wǎng)絡(luò) 進(jìn)行訓(xùn)練，得到相應(yīng)的節(jié)點(diǎn)數(shù)和權(quán)值.對(duì)已經(jīng)定位好的車牌進(jìn)行圖像預(yù)處理，逐個(gè)的特征提取，然后從相應(yīng)的文件中讀取相應(yīng)的節(jié)點(diǎn)數(shù)和權(quán)值，把車牌字符分別送入相應(yīng)的網(wǎng)絡(luò) 進(jìn)行識(shí)別，輸出識(shí)別結(jié)果。17%Step12將計(jì)算計(jì)算獲取的字符圖像與樣本庫(kù)進(jìn)行匹配，自動(dòng)識(shí)別出字符代碼。liccode=char( 0 : 9 A : Z粵桂海云貴川京

33、津滬);%建立自動(dòng)識(shí)別字符代碼表SubBw2=zeros(22,14 );l=1 ；m2,n2 =size (sbw);for k=findmax 1: findmax+5 TOC o 1-5 h z cleft=markcol5(k)-maxwidth/2；cright=markcol5(k) +maxwidth/2 2;if cleft 1cleft=1;cright=maxwidth；endif crightn2cright=n2；cleft=n2maxwidth ；endSegBw1=sbw r rowtop : rowbot,cleft:cright )；SegBw2 = imres

34、ize (SegBw1, 22 14 ) ； %!換為 22 行* 14 列標(biāo)準(zhǔn)子圖if l=1%第一位漢字識(shí)別kmin=37 ； kmax=45;elseif l=2%第二位A-Z字母識(shí)別kmin=11;kmax=36;elseif l =3 & l 0| SubBw2 (k1,l1 )0 )Dmax=Dmax+1endend18endError(k2)=Dmax；endError1=Error(kmin:kmax);%比較誤差MinError=min( Errorl);% 取誤差的最小值findc=find( Error1=MinError);%查找最小誤差的圖像RegCode (l*2

35、1)=liccode(findc (1) +kmin 1);RegCode (l*2 ) = ; %輸出最小誤差圖像 l=l+1;endtitle(識(shí)別車牌號(hào)碼:,RegCode , Color , r);建立數(shù)據(jù)庫(kù)樣本與數(shù)據(jù)庫(kù)中圖片相減計(jì)算誤差找到誤差最小圖片依次識(shí)別并識(shí)別程序流程圖圖2。12識(shí)別的車牌號(hào)碼五、設(shè)計(jì)結(jié)果及分析原始圖像：19車牌定位和提取:F-K .llL fn jiu18Mlg.kiLp 也匕曲力工 U H。Q +少,小;口國(guó)J 口車睥聿出彳留京 H99999車牌二情子圖期9999920字符的分割和識(shí)別:從上面結(jié)果可以看出，這張車牌的識(shí)別失敗了，將京誤識(shí)別為H了。因此需要在車

36、牌 分割等方面做些彌補(bǔ)，最后達(dá)到識(shí)別效果。在車牌識(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)確才能保證檢測(cè)出來(lái)的 數(shù)據(jù)正確。切割出來(lái)的數(shù)據(jù)要與數(shù)據(jù)庫(kù)的數(shù)據(jù)作比較，所以數(shù)據(jù)庫(kù)的數(shù)據(jù)尤為重要。六、總結(jié)：實(shí)驗(yàn)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21分割以及字符識(shí)別等方面進(jìn)行了系統(tǒng)的分析。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)。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)

37、化了二值化處理過(guò)程，提高了后續(xù)處理的速度?；诓噬至康亩ㄎ环椒ǎ?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。本設(shè)計(jì)用MATLA褊程運(yùn)行結(jié)果可以得出，本設(shè)計(jì)采用的 圖像預(yù)處理、CANN邊緣檢測(cè)、開閉運(yùn)算子5,19、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

38、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。七、體會(huì)經(jīng)過(guò)幾周的奮戰(zhàn)我們的課程設(shè)計(jì)終于完成了.課程設(shè)計(jì)不僅是對(duì)前面所學(xué)知識(shí)的一種檢驗(yàn)，而且也是對(duì)自己能力的一種提高。通過(guò)這次課程設(shè)計(jì)我明白了我們?cè)谡n本上學(xué) 到的知識(shí)還比較欠缺。我們要學(xué)習(xí)的東西還太多，以前老是覺得什么都會(huì)，什么都懂，有點(diǎn)眼高手低.通過(guò)這次課程設(shè)計(jì)，我們才真正明白：學(xué)習(xí)是一個(gè)長(zhǎng)期積累的過(guò)程，在以后 的工作、生活中都應(yīng)該不斷的學(xué)習(xí)，努力提高我們的知識(shí)和綜合素質(zhì)。在這次課程設(shè)計(jì) 中也使我們的同學(xué)關(guān)系更進(jìn)一步了，同學(xué)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(duì)我們更好的理解知識(shí)。不管學(xué)會(huì)的還是學(xué)不會(huì)的的確覺 得困難比較多，真是萬(wàn)事開頭難，不知道如何入手。最后終于做完了有種如釋重負(fù)的感覺。