數(shù)字圖像處理課程設計基于圖像處理的車牌識別技術

《數(shù)字圖像處理》課程設計報告設計題目：基于圖像處理的車牌識別技術學院：xxxxxxxxxxxxxxxx專業(yè)：xxxxxxxxxxxxxxxxxxxxxxxxxxx姓名：xxxxxxxxxxxxxxxxxxxxxxx學號：xxxxxxxxxxxxxxxxxxx指導教師：xxxxxx2015年xx月xx日摘要智能交通系統(tǒng)已成為世界交通領域研究的重要課題，車牌識別系統(tǒng)作為智能交通系統(tǒng)的核心，起著非常關鍵的作用。目前，圖像處理技術在車牌識別中的應用研究已經(jīng)成為科學界的一個重要研究領域。

本課程設計旨在粗淺地運用所學基本原理和知識分析數(shù)字圖像處理技術在友好環(huán)境下的應用（所選車牌識別的車輛圖片均為友好環(huán)境下，易于處理的實驗圖片，不具有廣泛性）。以車牌為研究對象，主要研究如何通過圖像的預處理、車牌的定位、車牌字符分割和字符識別等一系列過程，完成車牌的識別。關鍵詞：智能交通、數(shù)字圖像處理、車牌識別ABSTRACTIntelligenttransportationsystemhasbecomeanimportantresearchtopicintheworldoftransportation,licenseplaterecognitionsystemasthecoreofintelligenttransportationsystem,playsakeyrole.Atpresent,theapplicationofimageprocessingtechnologyinvehiclelicenseplaterecognitionhasbecomeanimportantresearchareaofthescientificcommunity.Thiscourseisdesignedtoscratchthesurfaceandapplytheknowledgetoanalyzethebasicprinciplesofdigitalimageprocessingtechnologyinafriendlyenvironment(experimentalvehiclelicenseplaterecognitionimageselectedpicturesareenvironment-friendly,easytohandle,doesnothavethebreadth).Withlicenseplateforthestudy,themainresearchhowimagepreprocessing,licenseplateandlicenseplatecharactersegmentationandcharacterrecognitionprocessandaseriesofcompletelicenseplaterecognition.Keywords：smarttransportation、ImageProcessing、LicensePlateRecognition目錄1、緒論 41.1問題提出 41.2背景及現(xiàn)狀分析 41.3目的及意義 51.4開發(fā)工具 52、系統(tǒng)設計 52.1總體設計方案 52.2流程圖 52.3模塊功能分析 62.3.1圖像預處理 62.3.2車牌定位 82.3.3字符分割 82.3.4字符識別 103、系統(tǒng)結果分析 123.1本系統(tǒng)結果分析 123.2本系統(tǒng)的不足 124、課程設計總結 135、課程設計體會 136、參考文獻 137、附錄 141、緒論伴隨著工業(yè)的迅速發(fā)展，城市化的進展和汽車的普及，世界各國的交通量急劇增加。如何管理好公路的運行與運營，保障好車輛在公路上的安全、快速的行駛，成為交通管理的重要問題。人們開始考慮修建更多更寬的道路，然而修建新路的巨額資金和城市空間的限制使得這一方法的有效性大打折扣。近年來，隨著科技的發(fā)達、計算機技術、通信技術和計算機網(wǎng)絡技術的發(fā)展，自動化的信息處理能力和水平不斷提高，于是人們把目光聚焦到運用科學管理的方法來解決交通問題，并得到迅速的發(fā)展，最終形成了智能交通系統(tǒng)ITS的概念。1.1問題提出在信息業(yè)快速發(fā)展的今天，各行各業(yè)都迫切需要進行信息化、自動化以提高效率、減小人員使用。交通業(yè)也是如此。由于經(jīng)濟的騰飛，我國交通事業(yè)正在如火如荼地發(fā)展。信息事業(yè)與交通事業(yè)近幾年來的快速發(fā)展使二者形成一個交集，那就是用高度發(fā)達的信息化方法去適應高速發(fā)展的交通事業(yè)。具體來說，如何開發(fā)一套高效、實用的智能交通管理系統(tǒng)，已是迫在眉睫的問題。然而，實現(xiàn)基于圖像處理的機動車牌識別又是一切智能交通管理活動的基礎，所以說車牌識別系統(tǒng)是智能交通系統(tǒng)中重要組成部分。汽車牌照識別系統(tǒng)的應用非常廣泛，停車場、交通路口、高速公路收費站以及機關門衛(wèi)等領域都大量運用了車牌識別技術。所以說，如何開發(fā)一套高效、準確、使用方便的車牌識別系統(tǒng)已成為最亟待解決的問題。1.2背景及現(xiàn)狀分析基于圖像處理的車牌識別技術的研究在國外起步比較早，在美國、意大利、德國、以色列、新加坡等國家，現(xiàn)在都已經(jīng)有比較成熟的產(chǎn)品投入使用，比如美國的（AUTOSCOF）2003系統(tǒng)、以色列的Hi-Tech公司研制的See/CarSystem、德國西門子公司的ARTEM7SXI系統(tǒng)、新加坡的Optasia公司研制的VLPRS等車牌識別系統(tǒng)，但因為我國車牌樣式的多樣性、車牌顏色的多樣性以及包含漢字等特點，這些車牌識別系統(tǒng)不適合我國國情?；趫D像處理的車牌識別技術主要包括車牌定位、車牌分割、字符識別等方面的技術。關于車牌定位方面，主要理由車牌的邊緣、形狀、顏色等特征，再結合數(shù)字圖像處理、形態(tài)學、小波變換、人工神經(jīng)網(wǎng)絡等技術對車牌進行定位?；谔卣鞯能嚺贫ㄎ坏姆椒ㄓ蠧.J.Setchel提出的基于字符邊緣檢測的車牌定位方法，M.M.Mfahmy提出一種基于迭代閾值的車牌定位方法。完全基于形態(tài)學的算法有運用數(shù)學形態(tài)學的閉運算獲得車牌的候選區(qū)，然后采用投影的方法剔除假車牌，定位針車牌。基于神經(jīng)元網(wǎng)絡的方法有基于BP網(wǎng)絡的牌照定位方法，基于彩色的車牌定位方法有采用多層感知器網(wǎng)絡對輸入彩色圖像進行彩色分割及多級混合集成分類器的車牌自動識別方法。還有根據(jù)彩色邊緣檢測算子ColorPrewitt和彩色邊緣檢測與區(qū)域生長相結合的車牌定位算法。1.3目的及意義1.掌握圖像的獲取、預處理和分割的原理及MATLAB實現(xiàn)方法。2.自學一種字符圖像的分割算法并用MATLAB編程實現(xiàn)該算法。3.在課程設計中復習并豐富在數(shù)字圖像課上學到的知識。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。1.4開發(fā)工具PC機、ＭＡＴＬＡＢ應用軟件2、系統(tǒng)設計2.1總體設計方案車輛牌照識別整個系統(tǒng)主要是由車牌定位和字符識別兩部分組成，其中車牌定位又可以分為圖像預處理及邊緣提取模塊和牌照的定位及分割模塊；字符識別可以分為字符分割與特征提取和單個字符識別兩個模塊。為了用于牌照的分割和牌照字符的識別，原始圖象應具有適當?shù)牧炼龋^大的對比度和清晰可辯的牌照圖象。但由于該系統(tǒng)的攝像部分工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時攝像機與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照圖象可能出現(xiàn)模糊、歪斜和缺損等嚴重缺陷，因此需要對原始圖象進行識別前的預處理。牌照的定位和分割是牌照識別系統(tǒng)的關鍵技術之一，其主要目的是在經(jīng)圖象預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圖象中分割出來，供字符識別子系統(tǒng)識別之用，分割的準確與否直接關系到整個牌照字符識別系統(tǒng)的識別率。由于拍攝時的光照條件、牌照的整潔程度的影響，和攝像機的焦距調(diào)整、鏡頭的光學畸變所產(chǎn)生的噪聲都會不同程度地造成牌照字符的邊界模糊、細節(jié)不清、筆劃斷開或粗細不均，加上牌照上的污斑等缺陷，致使字符提取困難，進而影響字符識別的準確性。因此，需要對字符在識別之前再進行一次針對性的處理。車牌識別的最終目的就是對車牌上的文字進行識別。主要應用的為模板匹配方法。本系統(tǒng)設計主要分為四個模塊：圖像預處理、車牌定位、字符分割、字符識別車輛2.2流程圖車輛圖像采集圖像采集圖像預處理圖像預處理車牌定位車牌定位字符分割字符分割輸出車牌號識別字符識別識別輸出車牌號識別字符識別識別 2.3模塊功能分析2.3.1圖像預處理首先載入車牌圖像，目前我國普通汽車牌照的字符與背景搭配一般為藍底白字，本程序主要針對上述類型的車牌進行識別。然后進行預處理，首先進行車牌圖像的灰度處理和二值化處理，基于RGB顏色空間中的車牌顏色特征提取，當某像素呈現(xiàn)為藍色時，其藍色分量必大于其他兩個分量,記d1(xy)=b(x,y)-r(x,y)；d2(x,y)=b(x,y)-g(x,y),則可通過公式F(x,y)=k1*d1(x,y)+k2*d2(x,y)提取藍色特征。該特征可以看做是藍色分量與其他兩個顏色分量差的加權和。二值化處理，利用大津閾值法對灰度圖像進行二值處理，進一步將車牌從復雜背景中分離。灰度和二值化處理后圖像如下：灰度處理后效果圖二值化處理后效果圖形態(tài)學處理與連通域標記，形態(tài)學處理：利用結構算子對二值圖進行形態(tài)學運算，以融合圖像中的孔洞，去除車牌區(qū)域中的孤立背景噪聲。連通域標記：將處理后的二值圖像各連通域進行8-連通標記處理。效果圖如下：2.3.2車牌定位特征識別定位車牌，首先選取特征：以車牌的寬高比作為識別特征。車牌定位：求每個連通域的最小包圍矩形，計算其寬高比，當滿足車牌的寬高比范圍時，該區(qū)域即為車牌候選取。車牌定位效果如下：2.3.3字符分割提取車牌并預處理，通過形態(tài)學濾波去除孤立的噪聲，利用行掃描法分割車牌，將字符上方因螺絲造成的噪聲除去，精確定位目標字符區(qū)域。效果圖如下：計算垂直投影，計算行積累量，通過列掃描法求出列的投影值。垂直投影直方圖，根據(jù)行矩陣繪制垂直投影的直方圖，可以明顯地看出字符之間有間距。效果圖如下：字符分割，通過垂直投影直方圖來確定字符的邊界，從而將其切割成7個獨立的圖像。在汽車牌照自動識別過程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎上進行字符的分割，然后再利用分割的結果進行字符識別。字符識別的算法很多，因為車牌字符間間隔較大，不會出現(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，若長度大于某閾值，則認為該塊有兩個字符組成，需要分割。字符歸一化，一般分割出來的字符要進行進一步的處理，以滿足下一步字符識別的需要。但是對于車牌的識別，并不需要太多的處理，將分割的7個字符統(tǒng)一成識別庫中模板的尺寸，就已經(jīng)可以達到正確識別的目的。在此只進行了歸一化處理，然后進行后期處理。效果圖如下：2.3.4字符識別字符的識別目前用于車牌字符識別(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡的OCR算法?；谀０迤ヅ涞腛CR的基本過程是:首先對待識別字符進行二值化，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果。用人工神經(jīng)網(wǎng)絡進行字符識別主要有兩種方法:一種方法是先對待識別字符進行特征提取，然后用所獲得的特征來訓練神經(jīng)網(wǎng)絡分類器。識別效果與字符特征的提取有關，而字符特征提取往往比較耗時。因此，字符特征的提取就成為研究的關鍵。另一種方法則充分利用神經(jīng)網(wǎng)絡的特點，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。模板匹配的主要特點是實現(xiàn)簡單，當字符較規(guī)整時對字符圖像的缺損、污跡干擾適應力強且識別率相當高。綜合模板匹配的這些優(yōu)點我們將其用為車牌字符識別的主要方法。模板匹配是圖象識別方法中最具代表性的基本方法之一，它是將從待識別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應的特征量逐個進行比較，計算它們之間規(guī)格化的互相關量，其中互相關量最大的一個就表示期間相似程度最高，可將圖象歸于相應的類。也可以計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各自的成像條件存在差異，產(chǎn)生較大的噪聲干擾，或圖象經(jīng)預處理和規(guī)格化處理后，使得圖象的灰度或像素點的位置發(fā)生改變。在實際設計模板的時候，是根據(jù)各區(qū)域形狀固有的特點，突出各類似區(qū)域之間的差別，并將容易由處理過程引起的噪聲和位移等因素都考慮進去，按照一些基于圖象不變特性所設計的特征量來構建模板，就可以避免上述問題。我們采用相減的方法來求得字符與模板中哪一個字符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡稱；緊接其后的為字母與數(shù)字。車牌字符識別與一般文字識別在于它的字符數(shù)有限，漢字共約50多個，大寫英文字母26個，數(shù)字10個。所以建立字符模板庫也極為方便。為了實驗方便，結合本次設計所選汽車牌照的特點，只建立了4個數(shù)字26個字母與10個數(shù)字的模板。其他模板設計的方法與此相同。首先取字符模板，接著依次取待識別字符與模板進行匹配，將其與模板字符相減，得到的0越多那么就越匹配。把每一幅相減后的圖的0值個數(shù)保存，然后找數(shù)值最大的，即為識別出來的結果。效果圖如下：通過以上的方法，我組對多幅圖像進行了檢測，有較好的識別效果。下面是對另一幅車牌照的檢測效果圖：原始圖片灰度處理二值化處理識別字符分割輸出車牌3、系統(tǒng)結果分析3.1本系統(tǒng)結果分析對于光照條件不理想的圖象，可先進行一次圖象增強處理，使得圖象灰度動態(tài)范圍擴展和對比度增強，再進行定位和分割，這樣可以提高分割的正確率。而采用了色彩通道的牌照區(qū)域分割算法充分利用了牌照圖象的色彩信息，簡化了算法的實現(xiàn)，加快了圖象的處理速度，具有較高的檢出正確率，而且整個過程用MATLAB語言編程實現(xiàn)，無時間滯后感，可以滿足實時檢出的要求。但是在設計的過程中發(fā)現(xiàn)，使用另一幅圖像后，識別效果始終沒有那么理想。需要做一定的設置后才能識別出相應的字符。字符識別過程使用的是模板匹配的方法，利用兩幅圖片相減的方法，找到相減后值最小的，即為相似程度最大的。模板的制作很重要，必須要用精確的模板，否則就不能正確的識別。3.2本系統(tǒng)的不足本系統(tǒng)設計的重大缺陷就是只能識別情況較好的車牌圖像，對情況較復雜的交通圖像識別正確率較低。4、課程設計總結根據(jù)車牌特點，一般采用的車牌定位算法有：1.邊緣檢測定位算法；2.利用哈夫變換進行車牌定位；3.色彩分割提取車牌等。這里是通過色彩分割提取車牌的方法實現(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，主要是針對在車牌定位，圖像預處理后比較規(guī)則的車牌圖像。優(yōu)點是程序邏輯設計簡單，循環(huán)執(zhí)行功能單一，便于設計和操作，程序執(zhí)行時間短。字符識別的基本方法通常又三類：1.結構特征分析方法；2.模板匹配法；3.神經(jīng)網(wǎng)絡法。此處采用的是模板匹配的方法，即是將要識別的字符與事先構造好的模板進行比對，根據(jù)與模板的相似度的大小來確定最終的識別結果。5、課程設計體會課程設計不僅是對前面所學知識的一種檢驗，而且也是對自己能力的一種提高。通過這次課程設計使我們明白了自己原來知識還比較欠缺。這個課程設計讓我們學到了很多東西，涉及到方方面面的知識，在這整個過程中我們查閱了大量的資料，得到了老師和同學的幫助，在此對他們表示謝意。在這期間遇到了很多困難，我知道做什么都不容易，只能塌下心來，一步一個腳印的去完成才行。這學期我們學習了數(shù)字圖像處理這門課程，在這個課程設計中應用到了很多其中的知識。理論只有應用到實際中才能學著更有意義。學習是一個長期積累的過程，在后的工作、生活中都應該不斷的學習，努力提高自己知識和綜合素質(zhì)。此外，還得出一個結論：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，所以我們認為只有到真正會用的時候才是真的學會了。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，樹立了信心，相信會對今后的學習工作生活有非常重要的影響。同樣此次課程設計也大大提高了動手的能力，使我們充分體會到了在創(chuàng)造過程中探索的艱難和成功時的喜悅。雖然這個設計做的并非對所以車牌都合適，但是在設計過程中所學到的學習方法是我們最大收獲和財富，相信定會使我們受益終身。6、參考文獻[1]

（美）岡薩雷斯．數(shù)字圖像處理（第三版）．電子工業(yè)出版社，2011.6[2]許志影、李晉平.MATLAB極其在圖像處理中的應用.計算機與現(xiàn)代化，2010.4[3]葉晨洲等.車輛牌照字符識別系統(tǒng),計算機系統(tǒng)應用，2009.5[4]鄭成勇.基于RGB顏色空間中的車牌定位新方法.中國圖象圖形學報，2010.117、附錄源代碼：clearall;I=imread('C:\Users\lenovo\Desktop\作業(yè)\car3.jpg');figure;imshow(I);title('原圖');%%%%%%%%%%基于藍色對圖片進行灰度處理%%%%%%%%%%I_double=double(I);[row,column,color]=size(I_double);P=zeros(row,column);d1=zeros(row,column);d2=zeros(row,column);k1=0.33748;k2=0.66252;fori=1:rowforj=1:columnd1(i,j)=I(i,j,3)-I(i,j,1);d2(i,j)=I(i,j,3)-I(i,j,2);if(d1(i,j,1)>=0&&d2(i,j,1)>=0)P(i,j)=k1*d1(i,j)+k2*d2(i,j);elseP(i,j)=0;end;end;end;P=uint8(P);%%%%%%%%%%%%大津閾值法求二值%%%%%%%%%%%thresh=graythresh(P);P_bw=im2bw(P,thresh);subplot(1,2,1),imshow(P),title('灰度');subplot(1,2,2),imshow(P_bw),title('二值');%%%%%%%%%%%%%%對二值圖片進行形態(tài)處理%%%%%%%%%%%%%%%SE_1=strel('rectangle',[1025]);SE_2=strel('rectangle',[210]);SE_3=strel('rectangle',[102]);P_close=imclose(P_bw,SE_1);P_open=imopen(P_close,SE_2);P_open=imopen(P_open,SE_3);figure;imshow(P_open);title('形態(tài)處理');%%%%%%%%%%%%%%%對處理后的圖片進行連通標記%%%%%%%%%%%%%%%[P_con,num]=bwlabel(P_open,8);figure;imshow(P_con);title('8連通處理');%%%%%%%%%%%%%%定位車牌位置并提取%%%%%%%%%%%%%%%%%%%%%%%%%通過車牌的最小包圍矩形長寬比%%%%%%%%%%state=regionprops(P_con,'BoundingBox');%最小包圍矩形P_reg=zeros(row,column);form=1:numtop=round(state(m,1).BoundingBox(2));%左上角X值left=round(state(m,1).BoundingBox(1));%左上角Y值length=round(state(m,1).BoundingBox(3));%矩形寬width=round(state(m,1).BoundingBox(4));%矩形高rate=double(length/width);%寬高比fori=top:top+width-2forj=left+1:left+lengthif(rate>=2.7&&rate<=4.7)P_reg(i,j)=1;flag=1;end;end;end;end;state=regionprops(P_reg,'BoundingBox');top=round(state(1,1).BoundingBox(2));left=round(state(1,1).BoundingBox(1));length=round(state(1,1).BoundingBox(3));width=round(state(1,1).BoundingBox(4));P_pick=I(top:top+width-2,left+1:left+length,:);M=rgb2gray(P_pick);thresh=graythresh(M);P=im2bw(M,thresh);I1=bwareaopen(P,7);%刪除二值圖像P中面積小于7的對象，默認情況下conn使用8鄰域。[y1,x1,z1]=size(I1);%獲取二值圖像的尺寸I2=double(I1);%將圖像轉(zhuǎn)換為double類型便于運算TT=1;%%%%%%%去除圖像頂端和底端的不感興趣區(qū)域%%%%%Y1=zeros(y1,1);%設置一個列矩陣用來存儲累加值fori=1:y1forj=1:x1if(I2(i,j,1)==1)Y1(i,1)=Y1(i,1)+1;%將圖像中像素值為1的像素點累加起來endendendPy1=1;%設定用來切割后保留的部分Py0=1;%用來保存切割的部分while((Y1(Py0,1)<30)&&(Py0<y1))Py0=Py0+1;%確定要進行切割的初始位置，其中30是自己根據(jù)情況設定的一個判斷值endPy1=Py0;%切割的初始值while((Y1(Py1,1)>=30)&&(Py1<y1))Py1=Py1+1;endP1=I1(Py0:Py1,:,:);%進行切割后的區(qū)域subplot(2,2,2),imshow(P),title('二值化車牌');subplot(2,2,1),imshow(P_pick),title('提取');subplot(2,2,3),imshow(I1),title('形態(tài)學濾波后的二值化圖像');subplot(2,2,4),imshow(P1),title('目標字符區(qū)域');%%%%%%分割字符按行積累量%%%%%%%X1=zeros(1,x1);%設置行矩陣用來存數(shù)投影像素的累加值forj=1:x1fori=1:y1if(I2(i,j,1)==1)X1(1,j)=X1(1,j)+1;%將像素累加值保存在行矩陣的元素內(nèi)endendendfigure,plot(0:x1-1,X1),title('列方向像素點灰度值累計和'),xlabel('列值'),ylabel('累計像素量');%按累加的像素值進行顯示投影直方圖Px0=1;%設置進行分割的初始值Px1=1;%%%%%%%%%%%%分割字符%%%%%%%%%%%%%%%%%%fori=1:7while((X1(1,Px0)<3)&&(Px0<x1))Px0=Px0+1;%用來確定切割的邊界endPx1=Px0;while(((X1(1,Px1)>=3)&&(Px1<x1))||((Px1-Px0)<10))Px1=Px1+1;endZ=P1(:,Px0:Px1,:);switchstrcat('Z',num2str(i))case'Z1'PIN0=Z;case'Z2'PIN1=Z;case'Z3'PIN2=Z;case'Z4'PIN3=Z;case'Z5'PIN4=Z;case'Z6'PIN5=Z;otherwisePIN6=Z;%將切割出來的區(qū)域進行連接end;figure(8);subplot(2,7,i);imshow(Z);%在一張圖中顯示出來切割出來的圖像if(i==4)title('切割出的字符');endPx0=Px1;end%%%%%%%%%%%七個字符歸一化大小為[40,20]%%%%%%%%%%%%PIN0=imresize(PIN0,[4020]);PIN1=imresize(PIN1,[4020]);PIN2=imresize(PIN2,[4020]);PIN3=imresize(PIN3,[4020]);PIN4=imresize(PIN4,[4020]);PIN5=imresize(PIN5,[4020]);PIN6=imresize(PIN6,[4020]);subplot(2,7,8),imshow(PIN0);subplot(2,7,9),imshow(PIN1);subplot(2,7,10),imshow(PIN2);subplot(2,7,11),imshow(PIN3);title('字符大小歸一化');subplot(2,7,12),imshow(PIN4);subplot(2,7,13),imshow(PIN5);subplot(2,7,14),imshow(PIN6);imwrite(PIN0,'1.jpg');imwrite(PIN1,'2.jpg');imwrite(PIN2,'3.jpg');imwrite(PIN3,'4.jpg');imwrite(PIN4,'5.jpg');imwrite(PIN5,'6.jpg');imwrite(PIN6,'7.jpg');liccode=char(['0':'9''A':'Z''魯陜蘇京遼豫滬']);%建立自動識別字符代碼表SubBw2=zeros(40,20);l=1;forI=1:7ii=int2str(I);t=imread([ii,'.jpg']);SegBw2=imresize(t,[4020],'nearest');SegBw2=im2bw(SegBw2);ifl==1%第一位漢字識別kmin=37;kmax=43;elseifl==2%第二位A~Z字母識別kmin=11;kmax=36;elsel>=3%第三位以后是字母或數(shù)字識別kmin=1;kmax=36;endfork2=kmin:kmaxfname=strcat('字符模板\',liccode(k2),'.jpg');SamBw2=imread(fname);SamBw2=im2bw(SamBw2);fori=1:40forj=1:20SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);endend%以上相當于兩幅圖相減得到第三幅圖Dmax=0;fork1=1:40forl1=1:20if(SubBw2(k1,l1)<0||SubBw2(k1,l1)>0)Dmax=Dmax+1;endendendDif(k2)=Dmax;%記錄下字符與模板k2不同的點個數(shù)endDif1=Dif(kmin:kmax);MinDif=min(Dif1);%差別最小的findc=find(Dif1==MinDif);%找出差別最小的模板Code(l*2-1)=liccode(findc(1)+kmin-1);Code(l*2)='';%設置輸出格式l=l+1;%轉(zhuǎn)到下一個字符endfigure(10),imshow(P_pick),title(['車牌號碼:',Code]);目錄TOC\o"1-2"\h\z\u第一章總論 1一、項目概況 1二、項目提出的理由與過程 6三、項目建設的必要性 8四、項目的可行性 12第二章市場預測 15一、市場分析 15二、市場預測 16三、產(chǎn)品市場競爭力分析 19第三章建設規(guī)模與產(chǎn)品方案 22一、建設規(guī)模 22二、產(chǎn)品方案 22三、質(zhì)量標準 22第四章項目建設地點 25一、項目建設地點選擇 25二、項目建設地條件 25第五章技術方案、設備方案和工程方案 28一、技術方案 28二、產(chǎn)品特點 30三、主要設備方案 32四、工程方案 32第六章原材料與原料供應 35一、原料來源及運輸方式 35二、燃料供應與運輸方式 35第七章總圖布置、運輸、總體布局與公用輔助工程 37一、總圖布置 37二、運輸 38三、總體布局 38四、公用輔助工程 39第八章節(jié)能、節(jié)水與安全措施 44一、主要依據(jù)及標準 44二、節(jié)能 44三、節(jié)水 45四、消防與安全 45第九章環(huán)境影響與評價 47一、法規(guī)依據(jù) 47二、項目建設對環(huán)境影響 48三、環(huán)境保護措施 PAGEREF