基于MATLAB的車牌識(shí)別課程設(shè)計(jì)【實(shí)用文檔】doc

基于MATLAB的車牌識(shí)別課程設(shè)計(jì)【實(shí)用文檔】doc文檔可直接使用可編輯，歡迎下載

基于MATLAB的車牌識(shí)別課程設(shè)計(jì)【實(shí)用文檔】doc文檔可直接使用可編輯，歡迎下載MＡTＬＡB課程設(shè)計(jì)報(bào)告書課題名稱基于MＡTLAB的車牌識(shí)別課程設(shè)計(jì)姓名學(xué)號(hào)學(xué)院專業(yè)指導(dǎo)教師20１6年6月21日基于MAＴＬAＢ的車牌識(shí)別課程設(shè)計(jì)目錄一.課程設(shè)計(jì)目的……………二．設(shè)計(jì)原理…………………三．詳細(xì)設(shè)計(jì)步驟……………四．設(shè)計(jì)結(jié)果及分析…………五.總結(jié)………六。設(shè)計(jì)體會(huì)…………………七。參考文獻(xiàn)…………………一、課程設(shè)計(jì)目的車牌定位系統(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)，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。二、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).其硬件基礎(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,其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芊Q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，再將牌照中的字符分割出來(lái)進(jìn)行識(shí)別，然后組成牌照號(hào)碼輸出。三、詳細(xì)設(shè)計(jì)步驟:１。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).車牌定位對(duì)圖像開(kāi)閉運(yùn)算邊緣提取圖像預(yù)處理增強(qiáng)效果圖像導(dǎo)入原始圖像流程圖:車牌定位對(duì)圖像開(kāi)閉運(yùn)算邊緣提取圖像預(yù)處理增強(qiáng)效果圖像導(dǎo)入原始圖像（2)牌照字符分割：按左右寬度切割出字符分析垂直投影找到每個(gè)字符中心位置去掉車牌的框架計(jì)算水平投影進(jìn)行車牌水平校正完成牌照區(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.按左右寬度切割出字符分析垂直投影找到每個(gè)字符中心位置去掉車牌的框架計(jì)算水平投影進(jìn)行車牌水平校正（3)牌照字符識(shí)別：字符依次分析顯示誤差最小的圖片名字分析之差最小的圖片是哪張與數(shù)據(jù)庫(kù)的圖片相減切割出的字符送入庫(kù)中字符識(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。基于模板匹配算法首先將分割后的字符二值化,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?；谌斯ど窠?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、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。字符依次分析顯示誤差最小的圖片名字分析之差最小的圖片是哪張與數(shù)據(jù)庫(kù)的圖片相減切割出的字符送入庫(kù)中2．各模塊的實(shí)現(xiàn)：2。1輸入待處理的原始圖像:clear;closeall；％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'）;％iｍread函數(shù)讀取圖像文件圖２.１原始圖像2。２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。%將彩色圖像轉(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');圖2。2原始黑白圖像2．3對(duì)原始圖像進(jìn)行開(kāi)操作得到圖像背景圖像：ｓ=strel（’disk’,13）；％ｓtrei函數(shù)Bｇｒay=imoｐｅｎ(Ｓgraｙ,ｓ);％打開(kāi)sgrａｙｓ圖像fiｇurｅ，imshow（Bｇray）；tiｔle（'背景圖像’）；％輸出背景圖像圖2。３背景圖像2．4灰度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)；%兩幅圖相減fｉgｕre，imｓｈｏw（Egray）；tｉtle('增強(qiáng)黑白圖像’)；％輸出黑白圖像圖2。4黑白圖像2。5取得最佳閾值，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(kāi)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）；％轉(zhuǎn)換圖像為二進(jìn)制圖像bw2=dｏubｌe（bw２2）;fｉgｕre,ｉmｓhow(bw2）;title(’圖像二值化')；％得到二值圖像圖2。5二值圖像２.6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,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)的零交叉點(diǎn)就能找到精確邊緣點(diǎn)。grd=edｇe（ｂw2,’caｎny’)％用canny算子識(shí)別強(qiáng)度圖像中的邊界figure，imshow(grd）；tｉtｌｅ（'圖像邊緣提取＇）；%輸出圖像邊緣圖2.6像邊緣提?。?7對(duì)得到圖像作開(kāi)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(kāi)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(kāi)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］')；％輸出閉運(yùn)算的圖像bg3＝imopen(bg1,sｔｒel(’rectangle’，［5，１9]));%取矩形框的開(kāi)運(yùn)算fiｇurｅ，iｍｓｈow（ｂg3）；title('圖像開(kāi)運(yùn)算[５,１9]’）;%輸出開(kāi)運(yùn)算的圖像bg2＝ｉmopen（ｂｇ3，stｒel（’rectａｎｇlｅ'，［19，1]））；％取矩形框的開(kāi)運(yùn)算figurｅ,imshow(bg２)；tｉtle(’圖像開(kāi)運(yùn)算[1９,１]');％輸出開(kāi)運(yùn)算的圖像圖2.7。1閉運(yùn)算的圖像圖２.7。２開(kāi)運(yùn)算的圖像圖２.7．3開(kāi)運(yùn)算的圖像２.８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)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，nuｍ］=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=[Fｅastａt(yī)s．Aｒea］；％區(qū)域面積BｏundiｎgBｏx=[Fｅａｓtats.BouｎdingＢox］；%[ｘywidthheight］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(’圖像彩色標(biāo)記’)；%輸出框架的彩色圖像圖２.８.１彩色圖像b。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).計(jì)算矩形的高度框架的寬度和高度的范圍計(jì)算矩形的高度框架的寬度和高度的范圍車牌的開(kāi)始列車牌的開(kāi)始行計(jì)算車牌長(zhǎng)寬比獲取車牌二值子圖計(jì)算矩形的寬度程序流程圖圖2.8.２灰度子圖和二值子圖２.9對(duì)水平投影進(jìn)行峰谷分析:對(duì)水平投影進(jìn)行峰谷分析,計(jì)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(diǎn)、峰下降點(diǎn)、峰寬、谷寬、峰間距離、峰中心位置參數(shù)。hｉstcol1=sum（sbｗ１)；%計(jì)算垂直投影hｉsｔｒow＝sum(sbw1');%計(jì)算水平投影fｉgurｅ，suｂplｏｔ（２,1，1）,ｂar(hiｓtcol1）；ｔitle（’垂直投影(含邊框）');％輸出垂直投影subplｏt（２，1，2），bａｒ(ｈｉｓtrｏw）;tiｔle(’水平投影（含邊框)’)；%輸出水平投影圖2.9.１垂直投影和水平投影fｉgure，sｕbplot（2，１，1)，bａr(hiｓtrｏｗ)；tｉtlｅ（'水平投影（含邊框)'）;％輸出水平投影subpｌot(2，1，2）,imｓhoｗ（sbw１）；title('車牌二值子圖’）；%輸出二值圖對(duì)水平投影進(jìn)行峰谷分析:求水平投影的最小值取閾值求水平投影的最小值取閾值計(jì)算谷寬度計(jì)算峰距離計(jì)算下降點(diǎn)找到峰中心位置求水平投影的平均值圖2．９.2水平投影和二值圖程序流程圖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。求最大寬度為字符求最大寬度為字符檢測(cè)上邊從頂邊至第一個(gè)峰下降點(diǎn)掃描從底邊至最后一個(gè)峰的上升點(diǎn)掃描找第一個(gè)為1的點(diǎn)標(biāo)示出圖像大小程序流程圖(2）線性擬合,計(jì)算與x夾角ｆｒesult=fit(xdata’,ydata'，’ｐoｌy1’）;％poly１表示一介擬合Y=ｐ１＊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）；tｉtｌｅ(’車牌灰度子圖');％輸出車牌旋轉(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：ｈisｔcol1=sum（sbw);％計(jì)算垂直投影ｈｉsｔrow=ｓｕｍ(sbw＇)；％計(jì)算水平投影figｕre，subｐlot（２，1,１）,baｒ(histcol1）;tiｔlｅ（’垂直投影（旋轉(zhuǎn)后）＇）；subplｏt(２，１,2),bａr(hiｓtｒow）；tｉtle（’水平投影(旋轉(zhuǎn)后)')；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）');圖2.10。3水平投影（旋轉(zhuǎn)后）和車牌二值子圖(旋轉(zhuǎn)后)２。1１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，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，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')；％輸出車牌字符高度％對(duì)垂直投影進(jìn)行峰谷分析求垂直投影的最小值取閾值求垂直投影的最小值取閾值計(jì)算字符上升點(diǎn)計(jì)算谷寬度計(jì)算字符距離找到字符中心位置求垂直投影的平均值圖2.11垂直投影圖像和車牌字符高度程序流程圖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maxwｉdthl=0;ｆorｋ=1：n１markcoｌ３（k)=markcol（k+1)－ｍarkcol１（k+１）；％字符下降點(diǎn)mａｒｋcoｌ4（k)＝ｍarkｃoｌ3(k)－markcol（k);%字符寬度（上升點(diǎn)至下降點(diǎn)）mａrｋcol5（k）＝markcoｌ3(k）—double（uiｎt16(maｒkｃol4（k)／2））；%字符中心位置endmａrｋcol６＝dｉfｆ（maｒkcol5)；%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（maｒｋcol６)；%查找最大值，即為第二字符與第三字符中心距離fiｎdmax=ｆiｎｄ(maｒｋcoｌ６==maxs）；marｋｃoｌ6（fｉndｍax）=０；maxwidth=maｘ(ｍarkcol６）;%查找最大值，即為最大字符寬度d.提取分割字符，并變換為22行＊1４列標(biāo)準(zhǔn)子圖l=1;[ｍ2，n２］=size(subcoｌ）；ｆｉｇｕｒe；fork=findmａx-1：findmax＋5cleｆt=mａｒｋcol5（ｋ)-mａxｗidth/2；crｉght=maｒkcoｌ5(k）+maxwiｄth／2－2;ifｃｌｅｆt〈1cleft=1；crｉｇht=ｍaxｗｉdth；endiｆcrighｔ>n2crigｈt=n2；cleft＝ｎ2-maxｗｉdth；eｎdSegGｒａｙ＝sbw（ｒｏｗtoｐ：rowbot,clefｔ:crighｔ）;SeｇBｗ1=sbw（roｗｔｏp:rowｂot,cｌeft：crｉght）；ＳegBｗ2＝iｍrｅsｉzｅ（SeｇBｗ1，［2２1４］);％變換為22行*14列標(biāo)準(zhǔn)子圖subplot（２，ｎ1，l)，imｓhow（SｅgGraｙ)；ifl==7tiｔlｅ（［'車牌字符寬度：＇,int2str（maxwｉdtｈ）］，＇Color＇,'ｒ＇);eｎdsubplot（２,n1，n１＋l)，iｍshow（SegBw2）;fnamｅ=ｓtrｃat（’Ｆ：\MATLAB\ｗork＼sａm＼image＇,iｎｔ2ｓｔｒ(k），’.jpg'）；%保存子圖備選入樣本庫(kù),并建立樣本庫(kù)imｗrite（SegBw2,ｆｎame，’jpg’）l=l+１;enｄ２。１2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。樣本與數(shù)據(jù)庫(kù)中圖片相減計(jì)算誤差樣本與數(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)別建立數(shù)據(jù)庫(kù)程序流程圖圖2．12識(shí)別的車牌號(hào)碼四、設(shè)計(jì)結(jié)果及分析原始圖像：預(yù)處理后:車牌定位和提?。鹤址姆指詈妥R(shí)別:可以看出對(duì)于這個(gè)車牌,可以準(zhǔn)確的識(shí)別.原始圖像:預(yù)處理：車牌的定位和提?。鹤址姆指詈妥R(shí)別：從上面結(jié)果可以看出,這張車牌的識(shí)別失敗了,將Ｇ誤識(shí)別為B了,K誤識(shí)為A，０識(shí)別為8,這在識(shí)別中是非常容易出錯(cuò)的地方,因此需要在其他方面做些彌補(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。五、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)化了二值化處理過(guò)程，提高了后續(xù)處理的速度。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。本設(shè)計(jì)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、CAＮＮＹ邊緣檢測(cè)、開(kāi)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.六、設(shè)計(jì)體會(huì)經(jīng)過(guò)幾周的奮戰(zhàn)我的課程設(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.以前老是覺(jué)得自己什么東西都不會(huì)，什么東西都不懂,而且又急于求成，結(jié)果造成什么都沒(méi)學(xué)好,還是什么都不會(huì)。通過(guò)這次課程設(shè)計(jì),我才明白學(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)，努力提高自己知識(shí)和綜合素質(zhì),特別是對(duì)于我,基礎(chǔ)比較差,一定不能太過(guò)于心急，要靜下心來(lái)慢慢的研究。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，有什么不懂的大家在一起商量，聽(tīng)聽(tīng)不同的看法對(duì)我們更好的理解知識(shí),所以在這里非常感謝幫助我的同學(xué),我也明白學(xué)習(xí)不是埋頭苦讀書,而是合理的利用資源，從同學(xué)那里，老師那里得到的有用的想法和信息，特別是網(wǎng)上有很多很好的資料，對(duì)自己的自學(xué)能力也是很好的提高。我的心得也就這么多了，總之，不管學(xué)會(huì)的還是學(xué)不會(huì)的的確覺(jué)得困難比較多,真是萬(wàn)事開(kāi)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(jué).此外,還得出一個(gè)結(jié)論:知識(shí)必須通過(guò)應(yīng)用才能實(shí)現(xiàn)其價(jià)值!有些東西以為學(xué)會(huì)了,但真正到用的時(shí)候才發(fā)現(xiàn)是兩回事，所以我認(rèn)為只有到真正會(huì)用的時(shí)候才是真的學(xué)會(huì)了。也不能因?yàn)樽龀鰜?lái)就以為自己什么都懂了，在很多的地方還需要進(jìn)一步的去學(xué)習(xí)和研究，就想這個(gè)課程設(shè)計(jì)雖然能實(shí)現(xiàn)車牌識(shí)別的功能，但是識(shí)別率還是還是非常低的，只是在理論上能行得通，根本不可能運(yùn)用到商業(yè)上，因此在接下來(lái)的工作中，應(yīng)該去找更好的方法來(lái)提高識(shí)別率.以前對(duì)ＭAＴLAB也是僅局限在數(shù)學(xué)實(shí)驗(yàn)上學(xué)的那些知識(shí)，但是通過(guò)此次的課程設(shè)計(jì)，才了解到MATＬＡB在圖形圖像處理方面的強(qiáng)大功能，這些事C/Ｃ++不能所及的.在此要感謝我們的指導(dǎo)老師葉老師對(duì)我們悉心的指導(dǎo),感謝老師給我們的幫助，以前我是不相信我能做出來(lái)的，是您的鼓勵(lì)讓我重新找到自信。在設(shè)計(jì)過(guò)程中,我通過(guò)查閱大量有關(guān)資料，與同學(xué)交流經(jīng)驗(yàn)和自學(xué),并向老師請(qǐng)教等方式，使自己學(xué)到了不少知識(shí)，也經(jīng)歷了不少艱辛,但收獲同樣巨大。在整個(gè)設(shè)計(jì)中我懂得了許多東西，也培養(yǎng)了我獨(dú)立工作的能力，樹立了對(duì)自己工作能力的信心，相信會(huì)對(duì)今后的學(xué)習(xí)工作生活有非常重要的影響。而且大大提高了動(dòng)手的能力，使我充分體會(huì)到了在創(chuàng)造過(guò)程中探索的艱難和成功時(shí)的喜悅。雖然這個(gè)設(shè)計(jì)做的也不太好，但是在設(shè)計(jì)過(guò)程中所學(xué)到的東西是這次課程設(shè)計(jì)的最大收獲和財(cái)富，使我終身受益。七、參考文獻(xiàn):［1］陳桂明、張明照、戚紅雨。應(yīng)用MAＴLAB語(yǔ)言處理數(shù)字信號(hào)與數(shù)字圖像?？茖W(xué)出版社,20０0［2]霍宏濤.數(shù)字圖像處理。機(jī)械工業(yè)出版社，2003。５［3］郁梅等，基于視覺(jué)的車輛牌照檢測(cè)，計(jì)算機(jī)應(yīng)用研究,１9９9（5），P６５～６７［4］葉晨洲,廖金周，一種基于紋理的牌照?qǐng)D象二值化方法，微型電腦應(yīng)用，19９９（6)，P28~29[5]周妮娜、王敏、黃心漢、呂雪峰、萬(wàn)國(guó)紅.車牌字符識(shí)別的預(yù)處理算法.計(jì)算機(jī)工程與應(yīng)用，20０3（１５）[6］楊萬(wàn)山等,基于ＢP神經(jīng)網(wǎng)絡(luò)的工程圖紙圖形符號(hào)的識(shí)別，微型電腦應(yīng)用，Voｌ．16,No。2,2000［7]王年、李婕、任彬、汪炳權(quán)。多層次汽車車牌照定位分割方法。安徽大學(xué)學(xué)報(bào),1９99（6）Ｖol.23.No.２［8］崔江、王友仁.車牌自動(dòng)識(shí)別方法中的關(guān)鍵技術(shù)研究。計(jì)算機(jī)測(cè)量與控制，2０0３．１1（4)［9]許志影、李晉平。MATLAB極其在圖像處理中的應(yīng)用.計(jì)算機(jī)與現(xiàn)代化，２004（４)摘要本課程設(shè)計(jì)主要運(yùn)用ＭATLＡB的仿真平臺(tái)設(shè)計(jì)進(jìn)行文字識(shí)別算法的設(shè)計(jì)與仿真。也就是用于實(shí)現(xiàn)文字識(shí)別算法的過(guò)程。從圖像中提取文字屬于信息智能化處理的前沿課題，是當(dāng)前人工智能與模式識(shí)別領(lǐng)域中的研究熱點(diǎn)。由于文字具有高級(jí)語(yǔ)義特征,對(duì)圖片內(nèi)容的理解、索引、檢索具有重要作用，因此，研究圖片文字提取具有重要的實(shí)際意義.又由于靜態(tài)圖像文字提取是動(dòng)態(tài)圖像文字提取的基礎(chǔ)，故著重介紹了靜態(tài)圖像文字提取技術(shù)。隨著計(jì)算機(jī)科學(xué)的飛速發(fā)展，以圖像為主的多媒體信息迅速成為重要的信息傳遞媒介，在圖像中，文字信息（如新聞標(biāo)題等字幕)包含了豐富的高層語(yǔ)義信息,提取出這些文字，對(duì)于圖像高層語(yǔ)義的理解、索引和檢索非常有幫助。關(guān)鍵字:文字識(shí)別算法;靜態(tài)圖像文字提取;檢索目錄TＯC\ｏ”１-3"\ｈ\z＼u1課程設(shè)計(jì)目的PAＧEＲEF_Toc533４９8９28\ｈ3HYＰEＲLＩＮＫ\l”＿Toc5334９8929"2課程設(shè)計(jì)要求ＰAＧEＲEF_Toc５33498９２9\h4HYPERLＩＮＫ\h\z\uHYPERLINＫ\l_Ｔｏc１918３1引言PAGＥREＦ_Toｃ191８３1HYＰERLＩNK\l_Toc１9２5１1.1概述PAＧEREF_Tｏc192511HＹPEＲＬINＫ\l＿Ｔoc86041．2設(shè)計(jì)內(nèi)容１ＨYPＥＲLＩNK\l_Ｔoc87592系統(tǒng)的功能設(shè)計(jì)分析和總體思路PＡGＥRＥF_Tｏc875９２HＹＰＥRＬINK\l_Tｏc14486２。１系統(tǒng)功能設(shè)計(jì)分析PＡGEREＦ＿Toc１４48６2HYPERLINK\l_Tｏｃ470２。２系統(tǒng)設(shè)計(jì)的總體思路PAGEＲEＦ_Ｔoc４702HYPERLＩNK\l_Ｔoc169３93ＰＬC和變頻器的選擇PＡGＥＲEF_Tｏｃ16９3９３3．１ＰLC的概述PAＧＥREF＿Toc1０5923HＹPＥＲLＩNK\l_Ｔoｃ178813.1.１PLＣ的基本結(jié)構(gòu)ＰＡＧEREF_Toc1７8８13３．1。2PLC的工作原理ＰＡＧEREF＿Toc230６45ＨＹPERLINＫ\l_Toｃ1393.１。３PLC的型號(hào)選擇ＰAGERＥＦ_Toc13９6３．2變頻器的選擇和參數(shù)設(shè)置PＡＧEREF_Toc1716８６3．2。1變頻器的選擇PAGEＲEＦ＿Toc3１6436ＨYPＥRＬIＮK\l＿Ｔｏｃ１14193.2.2變頻調(diào)速原理PAGEＲEF_Toc11４１9７HYPERLINＫ\l_Toc14５643.2．3變頻器的工作原理ＰAGＥREＦ_Tｏc1４56483.2．4變頻器的快速設(shè)置ＰAGERＥF_Toｃ２6７798ＨＹＰERLＩNK\l_Toc11364開(kāi)環(huán)控制設(shè)計(jì)及PLC編程ＰAGEREＦ_Toc11３694.１硬件設(shè)計(jì)PAＧEＲEF_Toc301９99HYPＥRLINK\l_Tｏc１6５134．2PＬＣ軟件編程PＡGEREF_Toc165131０４.2．１設(shè)計(jì)步驟ＰＡGＥREF_Toc３０9651０４。2．２系統(tǒng)流程框圖PAGＥＲEF＿Toc26３811０４.2。３程序的主體PAＧEREＦ_Ｔoc３05551１ＨYPERＬＩNK\l_Toｃ5０8７４.2。4控制程序T形圖PＡGＥＲEF_Toc508711HYPＥＲLINＫ\l_Ｔｏc323735PLC系統(tǒng)的抗干擾設(shè)計(jì)PAGEＲEF_Ｔoc３2373１7HYPERLINK\l_Ｔｏc176６1５.１

變頻器的干擾源PＡGEＲEＦ＿Toc176６11７ＨYＰERＬIＮK\l＿Toc１９０645。２干擾信號(hào)的傳播方式PAGＥREＦ_Toc1906４17HYPERLINK\l_Toｃ110１２5．3

主要抗干擾措施PAGERＥF_Tｏc１1012１84745.３。１電源抗干擾措施PAGEＲEF_Toc4７41８HYPEＲLINＫ\l_Ｔｏｃ290785．3.2硬件濾波及軟件抗干擾措施PＡGERＥF_Toc29０7818HYPERLＩＮK\l_Toc2７8025。３．3接地抗干擾措施ＰAGＥREF_Ｔoｃ２７8０218ＨＹPＥRLＩNK\l_Tｏc266４2結(jié)論與心得ＰAGEREF_Toc２６6４２193724參考文獻(xiàn)PAGEＲEF＿Ｔoｃ37242０HYPERLＩＮＫ\l_Toc29996附錄PＡGＥREＦ＿Toc299９6２11引言1．１概述調(diào)速系統(tǒng)快速性、穩(wěn)定性、動(dòng)態(tài)性能好是工業(yè)自動(dòng)化生產(chǎn)中基本要求.在科學(xué)研究和生產(chǎn)實(shí)踐的諸多領(lǐng)域中調(diào)速系統(tǒng)占有著極為重要的地位特別是在國(guó)防、汽車、冶金、機(jī)械、石油等工業(yè)中，具有舉足輕重的作用。調(diào)速控制系統(tǒng)的工藝過(guò)程復(fù)雜多變，具有不確定性,因此對(duì)系統(tǒng)要求更為先進(jìn)的控制技術(shù)和控制理論.?可編程控制器（ＰLＣ)可編程控制器是一種工業(yè)控制計(jì)算機(jī),是繼續(xù)計(jì)算機(jī)、自動(dòng)控制技術(shù)和通信技術(shù)為一體的新型自動(dòng)裝置.它具有抗干擾能力強(qiáng)，價(jià)格便宜,可靠性強(qiáng)，編程簡(jiǎn)樸，易學(xué)易用等特點(diǎn)，在工業(yè)領(lǐng)域中深受工程操作人員的喜歡，因此PLＣ已在工業(yè)控制的各個(gè)領(lǐng)域中被廣泛地使用。１。2設(shè)計(jì)內(nèi)容（1）利用西門子S７—200PLC、EM２35、西門子MM420變頻器等硬件設(shè)計(jì)一個(gè)變頻系統(tǒng),可以控制電動(dòng)機(jī)的正反轉(zhuǎn)和停止,另外能夠平滑地調(diào)節(jié)電動(dòng)機(jī)的轉(zhuǎn)速;（２）用MＣGS上位機(jī)軟件界面給出頻率設(shè)定值。

２系統(tǒng)的功能設(shè)計(jì)分析和總體思路2.１系統(tǒng)功能設(shè)計(jì)分析隨著電力電子技術(shù)以及控制技術(shù)的發(fā)展，交流變頻調(diào)速在工業(yè)電機(jī)拖動(dòng)領(lǐng)域得到了廣泛應(yīng)用；可編程控制器PLＣ作為替代繼電器的新型控制裝置，簡(jiǎn)單可靠,操作方便、通用靈活、體積小、使用壽命長(zhǎng)且功能強(qiáng)大、容易使用、可靠性高，常常被用于現(xiàn)場(chǎng)數(shù)據(jù)采集和設(shè)備的控制；組態(tài)軟件技術(shù)作為用戶可定制功能的軟件開(kāi)發(fā)平臺(tái)工具,可實(shí)現(xiàn)顯示電機(jī)轉(zhuǎn)速，可實(shí)現(xiàn)遠(yuǎn)程調(diào)速控制，在PC機(jī)上可開(kāi)發(fā)友好人機(jī)界面，通過(guò)PＬＣ可以對(duì)自動(dòng)化設(shè)備進(jìn)行“智能”控制。在此,本次設(shè)計(jì)就是基于ＰLＣ的變頻器調(diào)速系統(tǒng)。將現(xiàn)在應(yīng)用最廣泛的PLC和變頻器綜合起來(lái)主要功能實(shí)現(xiàn)了變壓變頻調(diào)速。電機(jī)的正反轉(zhuǎn)，加減速以及快速制動(dòng)等。因此，該系統(tǒng)必須具備以下三個(gè)主體部分：控制運(yùn)算部分、執(zhí)行和反饋部分。控制運(yùn)算主要由PLC和變頻器來(lái)完成；執(zhí)行元件為變頻器和電機(jī)；反饋部分主要為速度反饋。２．２系統(tǒng)設(shè)計(jì)的總體思路系統(tǒng)主要由三個(gè)部分構(gòu)成,即可編程邏輯控制器件PLC、變頻器和電機(jī)。首先通過(guò)設(shè)置給定輸入給PＬC，再通過(guò)ＰLC控制變頻器，再經(jīng)由變頻器來(lái)控制電機(jī),隨后將電機(jī)的轉(zhuǎn)速反饋給PLＣ，經(jīng)比較后輸出給變頻器從而實(shí)現(xiàn)無(wú)靜差調(diào)速.具體如下圖所示: