數(shù)字圖像處理課程設(shè)計(jì)報(bào)告文檔

數(shù)字圖像處理課程設(shè)計(jì)報(bào)告課設(shè)題目：車輛識(shí)別學(xué)院：專業(yè)：班級(jí)：姓名：學(xué)號(hào)：指導(dǎo)教師：2011年11月20日

課程設(shè)計(jì)報(bào)告撰寫(xiě)要求1、頁(yè)面設(shè)置紙張大小設(shè)置為縱向A4，頁(yè)邊距設(shè)置為：上3.8厘米，下3.5厘米，左3厘米，右3厘米，頁(yè)眉設(shè)置為3厘米，頁(yè)腳設(shè)置為2.7厘米，文檔網(wǎng)絡(luò)設(shè)置為指定行和字符網(wǎng)格，每行34字，每頁(yè)34行。2、段落及字體設(shè)置除各級(jí)標(biāo)題外，首行縮進(jìn)2字符；圖、表及圖題、表題首行不縮進(jìn)，居中放置；圖表不應(yīng)超出版心范圍；行距采用單倍行距。正文中文采用小四號(hào)宋體，英文采用新羅馬字體（TimesNewRoman），段前0磅，斷后0磅；一級(jí)標(biāo)題采用小二號(hào)黑體，段前12磅，段后12磅二級(jí)標(biāo)題采用小三號(hào)黑體，段前6磅，段后6磅三級(jí)標(biāo)題采用四號(hào)黑體，段前6磅，段后0磅3、裝訂要求采用左側(cè)裝訂，訂兩釘。

目錄一.課程設(shè)計(jì)任務(wù)...................................................................二.課程設(shè)計(jì)原理及設(shè)計(jì)方案.........................................................三.課程設(shè)計(jì)的步驟和結(jié)果...........................................................四.課程設(shè)計(jì)總結(jié)...................................................................五.設(shè)計(jì)體會(huì).......................................................................六.參考文獻(xiàn).......................................................................128232425

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告一.課程設(shè)計(jì)任務(wù)在交通管理過(guò)程中，通常采用視頻監(jiān)控方式對(duì)闖紅燈和超速等違章車輛進(jìn)行監(jiān)督。對(duì)違章車輛，需要自動(dòng)檢測(cè)車牌信息，提取車牌號(hào)碼，以便查找車主信息和監(jiān)督管理。國(guó)內(nèi)常用的一般車牌通常是是藍(lán)底白字，長(zhǎng)寬比3:1。1、對(duì)車牌圖像進(jìn)行預(yù)處理，然后進(jìn)行車牌定位；2、進(jìn)行字符分割；2、對(duì)車牌中的數(shù)字、字母和漢字進(jìn)行提取和識(shí)別；3、要求自行設(shè)計(jì)方案、編寫(xiě)代碼實(shí)現(xiàn)上述功能，并設(shè)計(jì)車牌識(shí)別的軟件界面。-1-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告二.課程設(shè)計(jì)原理及設(shè)計(jì)方案1.系統(tǒng)簡(jiǎn)述一個(gè)完整的車牌識(shí)別系統(tǒng)閉應(yīng)包括車輛檢測(cè)、圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等單元。當(dāng)車輛到達(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。車輛識(shí)別單元對(duì)圖像進(jìn)行處理，定位出牌照位置，再將車牌中的字符分割出來(lái)進(jìn)行識(shí)別，然后組成車牌號(hào)碼輸出。車牌識(shí)別系統(tǒng)原理如圖l所示。車輛圖像采集圖像預(yù)處理字符識(shí)別車牌定位字符分割輸出結(jié)果圖1車牌識(shí)別系統(tǒng)原理圖（1）圖像預(yù)處理：對(duì)汽車圖像進(jìn)行圖像轉(zhuǎn)換、圖像增強(qiáng)和邊緣檢測(cè)等。（2）車牌定位：從預(yù)處理后的汽車圖像中分割出車牌圖像。即在一幅車輛圖像中找到車牌所在的位置。（3）字符分割：對(duì)車牌圖像進(jìn)行幾何校正、去噪、二值化以及字符分割以從車牌圖像中分離出組成車牌號(hào)碼的單個(gè)字符圖像（4）字符識(shí)別：對(duì)分割出來(lái)的字符進(jìn)行預(yù)處理（二值化、歸一化），然后分析提取，對(duì)分割出的字符圖像進(jìn)行識(shí)別給出文本形式的車牌號(hào)碼。為了用于牌照的分割和牌照字符的識(shí)別，原始圖象應(yīng)具有適當(dāng)?shù)牧炼?，較大的對(duì)比度和清晰可辯的牌照?qǐng)D象。但由于該系統(tǒng)的攝像部分工作于開(kāi)放，加之車輛牌照的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照?qǐng)D象可能出現(xiàn)模糊、歪斜和缺損的戶外環(huán)境等嚴(yán)重缺陷，因此需要對(duì)原始圖象進(jìn)行識(shí)別前的預(yù)處理。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)圖象預(yù)處理后的原始灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個(gè)圖象中分割出來(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。-2-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告由于拍攝時(shí)的光照條件、牌照的整潔程度的影響，和攝像機(jī)的焦距調(diào)整、鏡頭的光學(xué)畸變所產(chǎn)生的噪聲都會(huì)不同程度地造成牌照字符的邊界模糊、細(xì)節(jié)不清、筆劃斷開(kāi)或粗細(xì)不均，加上牌照上的污斑等缺陷，致使字符提取困難，進(jìn)而影響字符識(shí)別的準(zhǔn)確性。因此，需要對(duì)字符在識(shí)別之前再進(jìn)行一次針對(duì)性的處理。車牌識(shí)別的最終目的就是對(duì)車牌上的文字進(jìn)行識(shí)別。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。2.圖像預(yù)處理輸入車牌圖象灰度校正平滑處理提取邊緣圖2預(yù)處理及邊緣提取流程圖2.1灰度變換輸入的彩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?？蓪?duì)圖像進(jìn)行灰度化處理、提取背景圖像、增強(qiáng)處理、圖像二值化，邊緣檢測(cè)、濾波等處理。然后采用robert算子進(jìn)行邊緣檢測(cè)，再用imopen和imclose對(duì)所得二值圖像作開(kāi)、閉操作進(jìn)行濾波。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，灰度化就是使彩色的R、G、B分量（像素值最大為255，為白色），反之比較色）。圖像灰度化的算法主要有以下3種：相等的過(guò)程?；叶戎荡蟮南袼攸c(diǎn)比較亮暗（像素值最小為0，是黑1）最大值法：使轉(zhuǎn)化后R、G、B的值等于轉(zhuǎn)化前3個(gè)值中最大的一-3-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告?zhèn)€，即：R=G=B=max(R,G,B)，這種方法轉(zhuǎn)換的灰度圖亮度很高。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R=G=B=(R+G+B)/3這種方法產(chǎn)生的灰度圖像比較柔和。3）加權(quán)平均值法：按照一定的權(quán)值，對(duì)R、G、B的值加權(quán)平均，即：R=G=B=(R+G+B)/3，其中、、分別為R、G、B的權(quán)值。RGBR、、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GBRGB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GRB灰度圖像。一般情況下，當(dāng)=0.299、=0.587、=0.114時(shí)，得到的灰RGB度圖像效果最好。2.2邊緣提取數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(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)。邊緣是圖像的重要特征，圖像理解和分析的第一就是邊緣檢測(cè)。目前，邊緣檢測(cè)已成為計(jì)算機(jī)視覺(jué)研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。車牌的一個(gè)重要特征就是在該區(qū)域存在大量的邊緣信息，所以邊緣檢測(cè)對(duì)于我們進(jìn)行車牌識(shí)別來(lái)說(shuō)也是相當(dāng)重要的。邊緣是以圖像的局部特征不連續(xù)的形式出現(xiàn)的，也就是指圖像局部亮度變化最顯著的部分，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)邊緣也是不同區(qū)域的分界處。圖像邊緣有方向和幅度兩個(gè)特性，通常沿邊緣的走向灰度變化平緩，垂直于邊緣走向灰度變化劇烈。由于邊緣是圖像上灰度變化最劇烈的地方，傳統(tǒng)的邊緣檢測(cè)就利用這個(gè)特點(diǎn)，通過(guò)計(jì)算圖像中像素的梯度值來(lái)確定邊緣點(diǎn)。常用的圖像邊緣提取算子有Roberts算子、sobel算子、Prewitt算子、Laplacian算子等，它們的模板分別如下：(1)Roberts梯度算子：(2)Sobel算子：-4-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告(3)Prewitc算子：(4)Laplacian算子：3.車牌定位自然環(huán)境下，汽車圖像背景復(fù)雜，光照不均勻，在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個(gè)圖像識(shí)別過(guò)程中的關(guān)鍵。首先對(duì)采集到的圖像進(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)最佳區(qū)域作為牌照區(qū)域。將其從圖像中分割嘲出來(lái)，同時(shí)要考慮車牌傾斜問(wèn)題。算法流程如下：(1)對(duì)二值圖像進(jìn)行區(qū)域提取。計(jì)算并比較區(qū)域特征參數(shù)，提取車牌區(qū)域。進(jìn)行閉運(yùn)算，可使得水平相鄰的邊緣連接成為連通區(qū)域；進(jìn)行開(kāi)運(yùn)算可使得車牌區(qū)域與其它背景區(qū)域分開(kāi)，成為獨(dú)立的連通域。(2)計(jì)算包含所標(biāo)記區(qū)域的最小寬和高。并根據(jù)先前知識(shí)，提取并顯示更接近的車牌二子值圖。(3)通過(guò)計(jì)算車牌旋轉(zhuǎn)角度解決車牌傾斜問(wèn)題。由于車牌傾斜導(dǎo)致投影效果峰谷不明顯，需車牌矯正處理，采取線性擬合方法，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。4.字符分割完成牌照區(qū)域的定位后，再將牌照區(qū)域分割為單個(gè)字符，可采用垂直投影法。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．并且該位置應(yīng)滿足牌照的字符書(shū)寫(xiě)格式、字符、尺寸限制等條件。利用垂直投影法實(shí)現(xiàn)復(fù)雜環(huán)境下汽車圖像中的字符分割效果較好。通過(guò)分析計(jì)算字符的水平投影和垂直投影，可獲得車牌字符高度、字符-5-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告頂行與尾行、字符寬度、每個(gè)字符的中心位置，以方便提取分割字符。然后計(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。最后計(jì)算車牌每個(gè)字符的中心位置和最大字符寬度，提取分割字符，其算法流程如圖3所示。圖3車牌分割的MATLAB算法流程此處采用的方法為尋找連續(xù)有文字的塊，若長(zhǎng)度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。算法如下：[m，n]=size（d），逐排檢查有沒(méi)有白色像素點(diǎn)，設(shè)置1<=j<n-1，若圖像兩邊s（j）=0，則切割，去除切割去圖像上下多余的根據(jù)圖像的大小，設(shè)置一閾值，檢測(cè)圖像的X軸，若寬度等于這一閾值則切割，分離出七個(gè)字符歸一化切割出來(lái)的字符圖像的大小為22*14，與模板中字符圖像的大小相匹配5.字符識(shí)別字符識(shí)別方法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鞘紫葘⒎指詈蟮淖址祷?，并將其尺寸縮放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有模板進(jìn)行匹配，最后選取最佳匹配作為結(jié)果。建立數(shù)字庫(kù)對(duì)該方法在車牌識(shí)別過(guò)程中很重要，數(shù)字庫(kù)準(zhǔn)確才能保證檢測(cè)出的數(shù)據(jù)正確?；谌斯ど窠?jīng)元網(wǎng)絡(luò)的算法有兩種，一種是先對(duì)特征提取待識(shí)別字符，然后用所獲得的特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種是直接將待處理圖像輸入網(wǎng)絡(luò)由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別結(jié)果。模板匹配實(shí)現(xiàn)簡(jiǎn)單，當(dāng)字符較規(guī)整-6-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告時(shí)，對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率高。因此，這里將模板匹配作為車牌字符識(shí)別的主要方法。模板匹配是圖象識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖象歸于相應(yīng)的類。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類。然而，通常情況下用于匹配的圖象成像條件存在差異，產(chǎn)生較大的噪聲理后，使得圖象的灰度或像素點(diǎn)的位置發(fā)生改變。在實(shí)際根據(jù)各區(qū)域形狀固有的特點(diǎn)，突出各類似區(qū)域之間的差別，并將容易由處理程引起的噪聲和位移等因素都考慮進(jìn)去，按照一些基于圖象不變特征量來(lái)構(gòu)建模板，就可以避免上述問(wèn)題。干擾，或圖象經(jīng)預(yù)處理和規(guī)格化處設(shè)計(jì)模板的時(shí)候，是過(guò)特性所設(shè)計(jì)的建立自動(dòng)識(shí)別的代碼讀取分割出來(lái)的第一個(gè)字符與模板中的漢字模板進(jìn)行第二個(gè)字符與模板中的字母模板進(jìn)行后5個(gè)字符與模板中的字母與數(shù)字模板進(jìn)待識(shí)別字符與模板字符相減，值越小相似度越大，找到最小的一個(gè)即為匹配的最好的識(shí)別完成，輸出此模板對(duì)應(yīng)-7-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告三.課程設(shè)計(jì)的步驟和結(jié)果此處以車牌1作為示例圖像1.獲取圖像[fn,pn,fi]=uigetfile('*.bmp','選擇圖片');Scolor=imread([pnfn]);原始圖像2.圖像灰度化Sgray=rgb2gray(Scolor);%rgb2gray轉(zhuǎn)換成灰度圖3.圖像增強(qiáng)s=strel('disk',13);%strei函數(shù)13Bgray=imopen(Sgray,s);%打開(kāi)sgrays圖像Egray=imsubtract(Sgray,Bgray);%兩幅圖相減-8-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告背景圖像增強(qiáng)黑白圖像4.邊緣提取圖像中車輛牌照是具有比較顯著特征的一塊圖象區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列的；在整體圖象中的位置較為固定。正是由于牌照?qǐng)D象的這些特點(diǎn)，再經(jīng)過(guò)適當(dāng)?shù)膱D象變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣。邊緣提取是較經(jīng)典的算法，此處邊緣的提取采用的是Roberts算子。grd=edge(Egray,'robert',0.09,'both');se=[1;1;1];線%型結(jié)構(gòu)元素I3=imerode(grd,se);%腐蝕圖像robert算子邊緣檢測(cè)腐蝕后邊緣圖像5.開(kāi)閉運(yùn)算進(jìn)行濾波牌照?qǐng)D象經(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象中的準(zhǔn)確位置。這里選用數(shù)學(xué)形態(tài)學(xué)的方法，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)。在本程序中用到了開(kāi)閉兩個(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。-9-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告bg1=imclose(I3,strel('rectangle',[8,18]));%取矩形框的閉運(yùn)算即平滑8,18bg3=imopen(bg1,strel('rectangle',[8,14]));%取矩形框的開(kāi)運(yùn)算8,18bg2=bwareaopen(bg3,700);%去除聚團(tuán)灰度值小于700的部分圖像閉運(yùn)算[5,19]圖像開(kāi)運(yùn)算[5,19]從對(duì)象中移除小對(duì)象6.車牌初步定位通過(guò)比較累計(jì)行像素灰度值和列像素灰度值確定車牌的真實(shí)位置。[y,x,]=size(bg2);I6=double(bg2);%繪制行曲線圖Y1=zeros(y,1);%y行1列的零矩陣?yán)塾?jì)行像素灰度值fori=1:yforj=1:xif(I6(i,j,1)==1)Y1(i,1)=Y1(i,1)+1;endendend[temp,MaxY]=max(Y1);PY1=MaxY;while((Y1(PY1,1)>=50)&&(PY1>1))PY1=PY1-7;-10-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告endPY2=MaxY;while((Y1(PY2,1)>=50)&&(PY2<y))PY2=PY2+7;end%繪制列曲線圖X1=zeros(1,x);%累計(jì)列像素灰度值forj=1:xfori=PY1:PY2if(I6(i,j,1)==1)X1(1,j)=X1(1,j)+1;endendendPX1=1;while((X1(1,PX1)<3)&&(PX1<x))PX1=PX1+1;endPX2=x;while((X1(1,PX2)<3)&&(PX2>PX1))PX2=PX2-1;endDW=Scolor(PY1:PY2,PX1:PX2,:);%車牌定位后圖像車牌定位后圖像-11-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告7.進(jìn)一步車牌定位經(jīng)過(guò)上述方法分割出來(lái)的車牌圖像中存在目標(biāo)物體、背景還有噪聲，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。然后通過(guò)行像素點(diǎn)的累計(jì)值去除頂端和底端不感興趣的地方。ifisrgb(DW)I1=rgb2gray(DW);%將RGB圖像轉(zhuǎn)化為灰度圖像elseI1=DW;endg_max=double(max(max(I1)));g_min=double(min(min(I1)));T=round(g_max-(g_max-g_min)/3);%T為二值化的閾值[m,n]=size(I1);%二d:值圖像imane_bw=im2bw(I1,T/256);%二值化車牌圖像[y1,x1,z1]=size(imane_bw);I3=double(imane_bw);TT=1;%%%%%%%去除圖像頂端和底端的不感興趣區(qū)域%%%%%Y1=zeros(y1,1);fori=1:y1forj=1:x1if(I3(i,j,1)==1)Y1(i,1)=Y1(i,1)+1;endendendPy1=1;Py0=1;-12-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告while((Y1(Py0,1)<9)&&(Py0<y1))Py0=Py0+1;endPy1=Py0;while((Y1(Py1,1)>=9)&&(Py1<y1))Py1=Py1+1;endI2=imane_bw(Py0:Py1,:,:);目%標(biāo)車牌區(qū)域目標(biāo)車牌區(qū)域8.車牌字符分割字符分割的算法很多，因?yàn)檐嚺谱址g間隔較大，通常不會(huì)出現(xiàn)字符粘連情況，所以此處采用的方法為尋找連續(xù)有文字的塊，若長(zhǎng)度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。一般分割出來(lái)的字符要進(jìn)行進(jìn)一步的處理，以滿足下一步字符識(shí)別的需要。但是對(duì)于車牌的識(shí)別，并不需要太多的處理就已經(jīng)可以達(dá)到正確識(shí)別的目的。在此只進(jìn)行了歸一化處理，然后進(jìn)行后期處理。%尋找連續(xù)有文字的塊，若長(zhǎng)度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割d=qiege(I2);[m,n]=size(d);k1=1;k2=1;s=sum(d);j=1;whilej~=nwhiles(j)==0j=j+1;end-13-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告k1=j;whiles(j)~=0&&j<=n-1j=j+1;endk2=j-1;ifk2-k1>=round(n/6.5)[val,num]=min(sum(d(:,[k1+5:k2-5])));d(:,k1+num+5)=0;%分割endend%再切割d=qiege(d);%切割出7個(gè)字符y1=10;y2=0.25;flag=0;word1=[];whileflag==0[m,n]=size(d);left=1;wide=0;whilesum(d(:,wide+1))~=0wide=wide+1;endifwide<y1%認(rèn)為是左側(cè)干擾d(:,[1:wide])=0;d=qiege(d);elsetemp=qiege(imcrop(d,[11widem]));[m,n]=size(temp);-14-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告all=sum(sum(temp));two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:)));iftwo_thirds/all>y2flag=1;word1=temp;%WORD1endd(:,[1:wide])=0;d=qiege(d);endend[word2,d]=getword(d);%分割出第二個(gè)字符[word3,d]=getword(d);分%割出第三個(gè)字符[word4,d]=getword(d);分%割出第四個(gè)字符[word5,d]=getword(d);分%割出第五個(gè)字符[word6,d]=getword(d);分%割出第六個(gè)字符[word7,d]=getword(d);分%割出第七個(gè)字符[m,n]=size(word1);%歸一化大小為22*14word1=imresize(word1,[2214]);……word7=imresize(word7,[2214]);imwrite(word1,'1.jpg');……imwrite(word7,'7.jpg');-15-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告9.車牌字符識(shí)別此處采用相減的方法來(lái)求得字符與模板中哪一個(gè)字符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，緊接其后的為字母與數(shù)字。車牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約30多個(gè)，大寫(xiě)英文字母26個(gè)，數(shù)字10個(gè)。首先取字符模板，接著依次取待識(shí)別字符與模板進(jìn)行匹配，將其與模板字符相減，得到的非0值越少那么就越匹配。把每一幅相減后的圖的非0值個(gè)數(shù)保存，即為識(shí)別出來(lái)的結(jié)果。源程序：liccode=char(['0':'9'藏'A':'Z'川甘贛貴'桂黑滬吉濟(jì)冀津晉京警蘭遼領(lǐng)魯蒙閩寧青瓊陜使蘇皖湘新學(xué)渝豫粵云浙']);%建立自動(dòng)識(shí)別字符代碼表tt=1;l=1;forI=1:7ii=int2str(I);t=imread([ii,'.jpg']);t=255-t;level=graythresh(t);t=im2bw(t,level);SegBw2=imresize(t,[2214],'nearest');iftt==1%第一位漢字識(shí)別kmin=37;kmax=72;t=~t;SegBw2=imresize(t,[2214],'nearest');elseiftt==2%第二位A~Z字母識(shí)別kmin=11;-16-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告kmax=36;else%第三位以后是字母或數(shù)字識(shí)別kmin=1;kmax=36;endfork2=kmin:kmaxSamBw22=imread(fname);SamBw22=rgb2gray(SamBw22);SamBw2=imresize(SamBw22,[2214],'nearest');level=graythresh(SamBw2);SamBw2=im2bw(SamBw2,level);fori=1:22forj=1:14SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);endend%以上相當(dāng)于兩幅圖相減得到第三幅圖Dmax=0;fork1=1:22forl1=1:14if(SubBw2(k1,l1)>0||SubBw2(k1,l1)<0)Dmax=Dmax+1;endendend-17-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告Error(k2)=Dmax;endError1=Error(kmin:kmax);MinError=min(Error1);findc=find(Error1==MinError);iftt==1findc=findc+36;endiftt==2findc=findc+10;endtt=tt+1;res=liccode(findc);shibiejieguo(1,l)=res;l=l+1;end%%%getword子函數(shù)為：function[word,result]=getword(d)word=[];flag=0;y1=8;y2=0.5;whileflag==0[m,n]=size(d);wide=0;whilesum(d(:,wide+1))~=0&&wide<=n-2wide=wide+1;endtemp=qiege(imcrop(d,[11widem]));-18-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告[m1,n1]=size(temp);ifwide<y1&&n1/m1>y2d(:,[1:wide])=0;ifsum(sum(d))~=0d=qiege(d);%切割出最小范圍elseword=[];flag=1;endelseword=qiege(imcrop(d,[11widem]));d(:,[1:wide])=0;ifsum(sum(d))~=0;d=qiege(d);flag=1;elsed=[];endendendresult=d;%%%qiege子函數(shù)為：functione=qiege(d)[m,n]=size(d);top=1;bottom=m;left=1;right=n;%initwhilesum(d(top,:))==0&&top<=mtop=top+1;endwhilesum(d(bottom,:))==0&&bottom>1bottom=bottom-1;-19-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告endwhilesum(d(:,left))==0&&left<nleft=left+1;endwhilesum(d(:,right))==0&&right>=1right=right-1;enddd=right-left;hh=bottom-top;e=imcrop(d,[lefttopddhh]);得出車牌檢測(cè)結(jié)果為：陜A906L410.對(duì)話框顯示及語(yǔ)音朗讀msgbox(shibiejieguo,'識(shí)別結(jié)果');duchushengyin(shibiejieguo);%%%%duchushengyin子函數(shù)為：functionshengyin=duchushengyin(shibiejieguo)車牌檢測(cè).wav'),44000);fori=1:7ifshibiejieguo(1,i)=='桂'桂.wav'),44000);陜.wav'),44000);elseifshibiejieguo(1,i)=='陜'-20-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告……elseifshibiejieguo(1,i)=='A'……elseifshibiejieguo(1,i)=='0'……elseifshibiejieguo(1,i)=='9'endend車牌檢測(cè)完畢.wav'),44000);11.設(shè)計(jì)GUI界面界面設(shè)計(jì)如下：-21-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告界面可顯示車輛的原始圖像，車牌定位圖像，進(jìn)一步定位的車牌區(qū)域，車牌字符分割后的結(jié)果以及車牌的識(shí)別結(jié)果。瀏覽文件按鈕可在文件夾中選擇要處理的圖片，然后按下確認(rèn)按鈕，開(kāi)始處理，按下結(jié)束后，所有圖片及字符顯示均清除。-22-

哈爾濱工業(yè)大學(xué)（威海）課程設(shè)計(jì)報(bào)告四.課程設(shè)計(jì)總結(jié)本文主要解決了以下問(wèn)題：1、在背景的圖象中如何定位牌照2、將定位的牌照區(qū)域中的字符分割；3、對(duì)分割下來(lái)的牌照字符提取具有分類能力的特征，并對(duì)漢字、字母及數(shù)字均進(jìn)行識(shí)別。在車輛牌照字符識(shí)別系統(tǒng)的研究領(lǐng)域，近幾年出現(xiàn)了許多切實(shí)可行的識(shí)別技術(shù)和方法，從這些新技術(shù)和方法中可以看到：?jiǎn)我坏念A(yù)處理和識(shí)別技術(shù)都無(wú)法達(dá)到理想的結(jié)果，多種方法的有機(jī)結(jié)合才能使系統(tǒng)有效識(shí)別能力提高。在本系統(tǒng)的設(shè)計(jì)時(shí)，也汲取了以上一些算法的思想，結(jié)合實(shí)際，反復(fù)比較，綜合分析。根據(jù)車牌特點(diǎn)，一般采用的車牌定位算法有：1.邊緣檢測(cè)定位算法；2.利用哈夫變換進(jìn)行車牌定位；3.色彩分割提取車牌等。這里我采用的是邊緣檢測(cè)的方法實(shí)現(xiàn)定位的。字符分割的方法也有多種：1.基于聚類分析的字符分割；2.投影分割的方法；3.基于模板匹配的字符分割等。最常用的是投影分割，主要是針對(duì)在車牌定位，圖像預(yù)處理后比較規(guī)則的車牌圖像。優(yōu)點(diǎn)是程序邏輯設(shè)計(jì)簡(jiǎn)單，循環(huán)執(zhí)行功能單一，便于設(shè)計(jì)和操作，程序執(zhí)行時(shí)間短。字符識(shí)別的基本方法通常有三類：1.結(jié)構(gòu)特征分析方法；2.模板匹配法；3.神經(jīng)網(wǎng)絡(luò)法。此處采用的是模板匹