基于數字圖像處理的車牌定位與識別畢業(yè)論文

1、<p>　　畢 業(yè) 設 計（論 文）</p><p>　　題 目 基于數字圖像處理的</p><p><b>　　車牌定位與識別 </b></p><p><b>　　目 錄</b></p><p><b>　　摘 要10</b></p><

2、p>　　Abstract11</p><p>　　第一章 緒論13</p><p>　　1.1 車牌定位技術的研究意義13</p><p>　　1.2車牌定位技術的國內外研究現狀14</p><p>　　1.3車牌定位技術的難點15</p><p>　　1.4論文的研究內容以及章節(jié)安排15</

3、p><p>　　1.5 本課題的研究內容16</p><p>　　第二章 車牌定位系統(tǒng)的結構設計17</p><p>　　2.1車牌識別系統(tǒng)總體設計17</p><p>　　2.2系統(tǒng)硬件設計18</p><p>　　2.3 系統(tǒng)軟件設計18</p><p>　　2.4 本章小結19&

4、lt;/p><p>　　第三章 車牌圖像預處理21</p><p>　　3.1圖像的灰度化22</p><p>　　3.2灰度拉伸23</p><p>　　3.3.圖像去噪23</p><p>　　第四章 車牌定位25</p><p>　　4.1牌照區(qū)域的定位25</p>

5、;<p>　　4.2牌照區(qū)域的分割26</p><p>　　4.2.1候選區(qū)域的提取26</p><p>　　4.2.2車牌進一步處理26</p><p>　　4.3 傾斜校正28</p><p>　　4.4分割與歸一化28</p><p>　　4.4.1字符分割30</p>&

6、lt;p>　　4.4.2字符歸一化30</p><p>　　第五章：字符識別31</p><p>　　5.1模版匹配法原理簡介31</p><p>　　5.2本文方法具體步驟34</p><p>　　5.3識別結果及對比35</p><p>　　第六章 基于matlab的程序源代碼36</p

7、><p><b>　　第一章 緒論</b></p><p>　　1.1 車牌定位技術的研究意義</p><p>　　隨著我國經濟的快速發(fā)展，人民生活水平的不斷提高，私有車輛越來越多，交通需求量越來越大，現有的交通基礎設施建設速度遠遠比不上機動車輛和其他交通工具的增長速度;傳統(tǒng)的人工管理方式已經越來越不能滿足實際工作的需要。由于違章造成的交通事故日

8、益頻繁，以及城市交通堵塞造成的運輸效率低下，嚴重地影響了我國城市經濟的發(fā)展和人民的生活，在路橋收費、十字路口交通和停車場收費中實行車輛自動識別(Automatic Vehicle Identification, AVI)已成為管理部門的迫切要求。因此，為了解決這些問題，在繼續(xù)加快交通基礎設施建設的同時，應該充分利用衛(wèi)星導航、視頻監(jiān)控和計算機調度管理等技術，發(fā)展智能交通系統(tǒng)(Intelligent Transportation Syste

9、m, ITS)來提高運輸效率，保障交通安全，緩解交通擁擠和實現管理自動化。</p><p>　　車輛自動識別是智能交通系統(tǒng)(ITS)實現的前提。近年來，車輛識別技術發(fā)展很快，主要有:射頻識別(Radio Frequency Identification),條形碼識別(Bar Code Based Identification)和車牌識別(LicensePlate Recognition, LPR)。其中，射頻識別

10、和條形碼識別屬于間接識別，難以核對車與車牌信息是否相符。而車牌識別屬于直接識別，與射頻識別和條形碼識別相比，車牌識別不需要在汽車上安裝專門的條形碼或射</p><p>　　頻識別標志，可以對車輛圖像進行檢索、回放，升級和維護方便。因此，車牌識別系統(tǒng)具有更為廣闊的應用前景。</p><p>　　但是，目前國內現有的車牌識別系統(tǒng)對環(huán)境的依賴性較大，而且對外界的干擾比較敏感;國外的車牌識別系統(tǒng)對

11、漢字的識別率較低，所以必須研究新的車牌識別方法。車牌識別系統(tǒng)主要由車牌定位、字符分割和字符識別三部分組成。其中，車牌定位是字符分割和字符識別的基礎，對整個系統(tǒng)的性能起著至關重要的作用，決定著系統(tǒng)的識別速度和識別精度。因此，車牌定位是車牌識別系統(tǒng)中的最為關鍵的技術之一。由于車輛圖像采集于戶外，圖像背景復雜、噪聲干擾嚴重。因此，車牌的自動定位一直都不是很理想，使得它一直是該領域的研究熱點。</p><p>　　車牌識

12、別系統(tǒng)涉及計算機視覺、數字圖像處理和模式識別等技術，對它的研究也會促進這些領域的發(fā)展。該系統(tǒng)是計算機視覺、數字圖像處理和模式識別等技術在智能交通領域的重要應用。它能自動獲取車輛圖像，采集車輛信息和實現智能化管理，廣泛應用于以下場合，如高速公路電子收費和流量監(jiān)控、失竊車輛查詢、停車場車輛管理、監(jiān)測黑車牌機動車輛和違章車輛等，大大提高了交通管理運行效率，節(jié)省了人力、物力，有利于交通管理的科學化、規(guī)范化和智能化。因此，對車牌識別中的首要問題一

13、車牌定位技術研究，不僅具有重要的理論意義，而且具有重要的現實意義。</p><p>　　1.2車牌定位技術的國內外研究現狀</p><p>　　90年代，隨著計算機視覺技術和圖像處理技術的發(fā)展，開始出現車牌識別系統(tǒng)化研究，取得了顯著的成效。運用計算機視覺技術和圖像處理技術建立了車輛牌照自動識別系統(tǒng)。</p><p>　　近年來，隨著計算機技術和人工智能的發(fā)展，新興技

14、術的出現，很多國家開始探討用人工神經網絡技術和生物遺傳技術等對車牌識別問題進行研究，并將研究重點轉向彩色圖像的車牌識別和一幅圖像多個牌照車牌識別問題上。</p><p>　　國外的研究人員對于車牌識別的研究工作開展較早，究方向主要是分析車牌圖像，提取車牌信息，確定車牌號。現如今，國外在車牌檢測、識別方面的研究已取得一些令人矚目的成績，開發(fā)出了很多技術成熟的車牌識別產品。例如英國IPI公司研究開發(fā)的RTVNPR系統(tǒng)

15、，它是一款便攜式的設備，可以應用在道路收費站、交通檢測口等場所;新加坡Optasia公司自行研發(fā)的車牌識別系統(tǒng)IMPS，可以在各種天氣條件和光照環(huán)境下準確定位識別，給出和車牌一致的處理結果。另外，日本、加拿大、德國、意大利等各發(fā)達國家都有適合于本國車牌的識別系統(tǒng)。國外比較好的車牌定位算法有:J.Barroso等人提出的基于水平線搜索的車牌定位方法(81; R.Parisi等人提出的基于DFT變換的頻域分析的車牌定位方法Charl Coe

16、tzee提出的基于Niblack二值化算法以及自適應邊界搜索算法的車牌定位方法fiol等</p><p>　　我國對車牌識別技術的研究工作開始于20世紀90年代，當前比較成熟的產品有:北京漢王公司采用DSP芯片作為識別算法的運行硬件平臺的“漢王眼”;深圳吉通電子有限公司的“車牌通”;上海高德威智能交通系統(tǒng)有限公司的汽車牌照識別器;川大智勝軟件股份有限公司的zTZ000車牌自動識別系統(tǒng)等等。這些產品都達到了較好的識

17、別效果。除此之外，上海交通大學計算機科學和工程系、西安交通大學的圖像處理和識別研究室、浙江大學的自動化系、清華大學人工智能國家重點實驗室等也都在進行類似的研究。國內常用的車牌定位技術有:基于彩色圖像的定位算法;基于邊緣檢測的定位算法;基于灰度值變化的定位算法;基于神經網絡的定位算法;基于遺傳算法的定位算法;基于數學形態(tài)學的定位算法等。</p><p>　　1.3車牌定位技術的難點</p><p

18、>　　車牌定位是車牌識別系統(tǒng)的關鍵技術，是字符分割和字符識別的基礎，對系統(tǒng)的識別精度有著重要的影響。由于在圖像的采集和傳輸過程中，車輛圖像不可避免地要受各種因素的影響，如光線和噪聲等影響，使得車牌難以準確定位。</p><p>　　車牌定位的難點主要有:</p><p>　　1.環(huán)境干擾不同光照條件的光線對車牌圖像的亮度影響很大，尤其是在光照不均的情況下車牌區(qū)域可能會形成部分陰影，從

19、而改變了車牌的某些特征，影響車牌定位。</p><p>　　2.背景復雜多變，類似區(qū)域干擾車牌識別系統(tǒng)一般應用在交叉路口、車庫、小區(qū)入口、高速公路等地，圖像背景復雜多變，背景中與車牌區(qū)域特征相似的區(qū)域也是車牌定位的干擾源，如背景中與車牌特征相似的廣告語、指示牌等，此外，車牌附近的障礙物遮攔車牌，如保險杠等，這些也影響車牌的定位。</p><p>　　3.車牌污損、模糊和褪色等由于各種原因(

20、如灰塵、泥濘等)造成車牌污損;因噪聲或運動等而使車牌模糊;因長期光照等原因而使車牌出現褪色，也會造成車牌定位困難。</p><p>　　4.圖像畸變由于各種原因造成的畸變，如拍攝時的角度不準造成車牌傾斜變形和攝像機透射畸變，還有車輛運動而造成的變形，在很大程度上也影響著車牌定位。</p><p>　　自動識別的難度，使得中國車輛牌照識別遠遠難于國外的車輛牌照識別。因而如何提高識別率和識別處

21、理的實時性及實用性成了一個緊要的任務。</p><p>　　1.4論文的研究內容以及章節(jié)安排</p><p>　　車牌識別系統(tǒng)可按順序分為視頻采集、圖像預處理、車牌定位、車牌字符分割和車牌字符識別幾部分，而車牌的定位部分是車牌識別系統(tǒng)中的關鍵技術，是字符分割和字符識別等后續(xù)工作的重要基礎，對整個識別系統(tǒng)最終的識別精度和識別效率都有著重大的影響。</p><p>　　

22、本文主要是通過數字圖像處理技術對由攝像機獲取到的彩色車牌的定位技術進行了研究，將整個車牌定位的過程分解為了圖像預處理和定位兩個部分。其中，預處理部分又分解為了圖像增強、二值化兩個處理過程;定位部分被分解為邊緣檢測、粗定位、傾斜校正和細定位等四個處理過程。</p><p>　　通過對數字圖像處理方面的技術作了深入的學習，本文對每一個處理過程做了詳細的研究設計并完成編碼實現。圖像增強階段中，采用了直方圖均衡化算法實現

23、了灰度圖的對比度增強作用;二值化階段中，分別實現了迭代最優(yōu)閉值法和大津閉值分割法，并通過對比算法實現的效果，以及算法的效率和準確率，選取大津閉值分割法作為本定位系統(tǒng)的二值化方法;邊緣檢測階段中，通過使用不同的算子實現邊緣檢測，考慮算法實現的優(yōu)劣，以及結合本次車牌定位的需求，選取Sobel算子完成對二值化圖像的邊緣檢測;粗定位基于邊緣檢測后的圖像采用改進的投影法進行定位;傾斜校正通過求取車牌上各字符的中心點，擬合直線來確定車牌的傾斜角;細

24、定位對校正后的圖像采用統(tǒng)計跳變次數和投影法結合的算法進行定位。</p><p>　　本論文的章節(jié)安排如下:</p><p>　　第一章:緒論。簡要介紹課題的研究背景及意義，以及當今國內外在車牌識別上的一些現狀，最后介紹本文的內容及章節(jié)安排。</p><p>　　第二章:車牌定位系統(tǒng)的結構設計。首先簡要介紹了車牌識別系統(tǒng)的結構框架以及每一模塊的具體工作，接著提出本文的

25、車牌定位方案設計，包括預處理和定位兩大模塊。其中，預處理部分圖像增強和圖像二值化，定位部分包括邊緣檢測、粗定位、傾斜校正和細定位。</p><p>　　第三章:車牌圖像預處理。首先介紹了和數字圖像處理相關的理論以及計算原理，其次分別對圖像預處理中涉及到的圖像增強和圖像二值化等環(huán)節(jié)進行了介紹和實現。</p><p>　　第四章:車牌粗定位。分析我國的車牌特征，介紹當前常用的定位方法，并提出包

26、含邊緣檢測、車牌粗定位、傾斜校正、車牌細定位等在內的車牌定位方法。本章詳細介紹粗定位算法。</p><p>　　第五章:研究車牌字符識別的問題，對模板匹配的方案進行研究、改進和試驗。對模板匹配法中的特征提取采用新的劃分方式進行劃分，分別提取特征，提高了識別準確率。</p><p>　　第六章:主要是程序源代碼。基于matlab的程序源代碼。</p><p>　　1.

27、5 本課題的研究內容</p><p>　　本文就車輛牌照自動識別技術進行了一系列的研究工作，在研究國內外各種典</p><p>　　型的車牌識別方法的基礎上，努力學習和創(chuàng)新，結合中國車牌的特點，對適合中國</p><p>　　車牌的識別系統(tǒng)進行了研究。</p><p>　　在課題研究中作者的主要研究內容有：</p><p&

28、gt;　　1）在廣泛查閱國內外車牌識別系統(tǒng)算法的基礎上，以 MATLAB 的 ImageAcquisition Toolbox、Image Processing Toolbox 以及 Neural Network Toolbox 工具箱為骨架，以 M 語言為主要編程語言，部分模塊結合 C 語言開發(fā)了一套車牌識別系統(tǒng)，實現了車牌識別系統(tǒng)中車牌的定位、車牌字符的切分、以及車牌字符的識別的功能。提取的算法，結合形態(tài)學處理，采用初步定位去除偽車

29、牌和精確定位相結合的算法實現車牌的準確定位。</p><p>　　2）關于車牌字符切分的研究，這里主要針對二值化、傾斜校正、字符切分進行了研究。對二值化中采用的 Otsu 算法進行改進，重新劃分二維直方圖的區(qū)域，改進后的算法運行時間短、二值化效果好。</p><p>　　第二章 車牌定位系統(tǒng)的結構設計</p><p>　　2.1車牌識別系統(tǒng)總體設計</p&g

30、t;<p>　　一個完整的車輛牌照識別系統(tǒng)是一個復雜的系統(tǒng)，應該包括圖像采集、圖像預</p><p>　　處理、車牌定位、字符切分、字符識別以及圖像編碼、數碼傳輸與更新等步驟，基</p><p>　　本可以分為硬件部分和軟件部分，硬件部分主要完成車輛圖像的攝取采集，軟件部</p><p>　　分主要完成對采集到的車輛圖像進行車輛牌照定位、車牌字符切分與

31、車牌字符識別</p><p>　　等工作，這部分工作最為復雜，最后對識別結果進行數據傳送和存儲，將處理后的</p><p>　　識別信息交給管理系統(tǒng)進行管理。整個系統(tǒng)的核心是軟件部分的工作，能否通過牌</p><p>　　照對車輛進行有效管理，很大程度上取決于軟件部分識別車牌的準確性。一個車牌</p><p>　　識別系統(tǒng)的基本結構如圖所示:

32、</p><p>　　車牌識別系統(tǒng)是只能交通系統(tǒng)的一個十分關鍵的構成部分。該系統(tǒng)可以實現從一副包含汽車牌照的圖片中自動的確定出車牌所在的位置，并對車牌所在的區(qū)域進行字符分割、字符識別等操作，最終識別出車牌的具體內容。車牌自動識別方法的成功實現將會大大提高ITS進程的實現步伐。</p><p>　　車牌識別系統(tǒng)從一幅車牌圖像中提取車牌部分圖像，分割字符，進一步對字符進行識別，從而得到車牌號碼

33、。由于應用場合的不同，相應的設計方案也有所區(qū)別，但通常一個典型的車牌識別系統(tǒng)主要包括四部分:車輛感應部分、圖像采集部分、車牌識別部分、數據庫管理部分。</p><p><b>　　2.2系統(tǒng)硬件設計</b></p><p>　　一個車牌識別系統(tǒng)的基本硬件配置由攝像機、主控機、采集卡和照明裝置組成。例如在停車場管理系統(tǒng)中，系統(tǒng)硬件主要包括車輛傳感探測器、高性能工控計算機

34、、高分辨率 CCD 攝像機、高放大倍數鏡頭、CCD 自動亮度控制器和視頻采集卡等。首先是探測車輛的接近、通過和停留等。常用的有光探測器、微波雷達通過型探測器、測速雷達探測器、聲探測器、紅外探測器、電磁感應探測器和壓敏探測器等。我國停車場應用較多的是紅外探測器和電磁感應環(huán)探測器。設置在停車場入口和出口的兩對紅外發(fā)射和接收設備進行車輛檢測。利用編碼調制信號，增強抗干擾的能力，具有較強的可靠性。前端工控機利用紅外線探測到車輛經過的信號時，控制

35、圖像采集卡抓拍圖像，并對抓拍的汽車圖像進行牌照識別，同時控制攝像機光圈的大小，以適應外界環(huán)境不同的光照條件。然后將識別出的牌照信息儲存到服務器中，當車輛離開時，同樣的進行牌照識別，將其與前面輸入的牌照信息進行對比，計算出停車時間，然后計費。</p><p>　　本課題主要側重算法的研究，主要工作是設計軟件，對已攝取到的卡口車輛照片實現車牌識別。</p><p>　　2.3 系統(tǒng)軟件設計&l

36、t;/p><p>　　硬件設備采集到圖片后首先要考慮圖像的存儲格式。目前比較常用的圖像格式有*.BMP、*.JPG、*.GIF、*.PCX 等，本課題采集到的圖片是*.JPG 的格式。軟件系統(tǒng)的編寫大多采用 VC 或者 MATLAB 語言，本課題選用了 MATLAB 語言。MATLAB 具有以下優(yōu)點：</p><p>　　1）MATLAB 編程效率高，使用方便。MATLAB 以矩陣作為基本語言

37、要素大大提高了數值計算的編程效率。MATLAB 本身擁有豐富的函數庫，并具有結構化的流程控制語句和運算符，用戶在使用過程中能夠方便自如地應用。其圖像處理工具箱更是大大擴展了 MATLAB 解決圖像處理問題的能力，其他還有諸如用于神經網絡和小波的工具箱等，對于算法的分析都有著很大的幫助。</p><p>　　2）MATLAB 擴充能力強，交互性好，移植性和開放性較好。MATLAB 的庫函數同用戶文件在形式上是一樣的

38、，用戶可以根據自己的需求方便地建立與擴充新的庫函數，擴充其功能。MATLAB 可在 Windows 系列、UNIX、Linux、VMS 6.1、PowerMac 平臺上使用，且所有的核心文件和工具箱文件都是公開的，用戶可以修改源文件構成新的工具箱，從而可以擴充很多新的功能，利于算法的研究和改進。</p><p>　　3） 較強的圖形控制和處理功能，自帶的 API 使得用戶可以方便地在 MATLAB與 C、C++等

39、其他程序設計語言之間建立數據通信。</p><p>　　本文設計的系統(tǒng)采用 MATLAB 搭建車輛牌照識別系統(tǒng)，具有非常明顯的優(yōu)勢：</p><p>　　1）可以直接使用 MATLAB 的 Image Acquisition Toolbox、Image Processing Toolbox 以及 Neural Network Toolbox 作為骨架來搭建整個系統(tǒng)。</p>

40、<p>　　2）使用 MATLAB 的圖形用戶界面技術（GUI）編寫牌照識別系統(tǒng)面板，可以達到與牌照定位切分程序及字符識別程序的無縫連接。</p><p>　　3）使用專業(yè)工具箱，使得研究人員不必過于關心程序的細節(jié)問題，可以將主要的精力放在算法的研究、設計方面，極大地減少了工作量，為算法的研究改進提供了先決條件。</p><p>　　整個軟件系統(tǒng)是一個具有車牌識別功能的圖像分析和

41、處理軟件。首先將采集到的汽車圖像進行灰度化、灰度拉伸和濾波處理，以降低噪點、增加車牌部分的對比度。然后，通過對預處理后的圖像進行小波變換分解提取圖像邊緣，并進行形態(tài)學處理，這時，車牌的輪廓已經非常清晰，并且可以和非車牌區(qū)域明顯區(qū)分開來了，接著，根據車牌的特點進行車牌初步定位，對車牌區(qū)域和偽車牌區(qū)域進行篩選后，采用投影法進行車牌二次定位，提取出車牌圖像。將提取出的車牌圖像進行二值化處理，根據投影圖的特點查找傾斜的角度，采用坐標變換的方法進

42、行車牌傾斜校正，并利用其垂直投影圖中字符顯示出的峰群的特點進行字符切分。最后利用改進的BP 網絡完成了整個車牌字符的識別。整個系統(tǒng)的設計主要采用了 M 語言，部分采用了 C 語言開發(fā)。最后搭建了一個測試平臺，將上述三個部分進行了系統(tǒng)化，對系統(tǒng)的性能進行了測試和分析。</p><p><b>　　2.4 本章小結</b></p><p>　　本章主要介紹了車牌識別系統(tǒng)的

43、總體設計方案。首先，簡單介紹了車牌識別系</p><p>　　統(tǒng)的組成部分，包括硬件部分和軟件部分。硬件部分主要完成車輛圖像的攝取，獲</p><p>　　取高質量的含有牌照的圖像，受條件限制，關于硬件的研究本文未展開具體工作。</p><p>　　軟件部分在整個系統(tǒng)中占有很重要的地位，而且軟件的優(yōu)化和升級能在很大程度上</p><p>　　

44、彌補硬件的不足，因此是本文研究的重點，軟件研究主要是設計車牌識別系統(tǒng)的主</p><p>　　體，包括基于小波變換的車牌定位模塊、基于 Otsu 算法的車牌字符切分模塊的車牌字符識別模塊。在確定總體設計方案后，后面將對每一模塊依次進行介紹。</p><p>　　整個軟件系統(tǒng)的設計流程圖如圖所示：</p><p>　　第三章 車牌圖像預處理</p>&

45、lt;p>　　為了便于車牌的分割識別，攝像機攝下的原始圖像應具有適當的亮度和對比度。但通常經輸入系統(tǒng)獲取的車牌圖像信息由于光照條件、牌照的整潔度、攝像機的狀態(tài)(焦距、角度和鏡頭的光學畸變)以及車速的不穩(wěn)定等因素都會使圖像含有各種各樣的噪聲與畸變。例如由于光照度不均勻造成圖像灰度過于集中;由攝像頭獲得的圖像經過AD轉換、線路傳送都會產生噪聲污染;車牌的字符部分受到磨損或是被污跡覆蓋等等。這些主客觀因素不可避免地影響車牌圖像的清晰程度

46、，降低圖像質量，輕者表現為圖像不干凈，難以看清細節(jié)，重者表現為圖像模糊不清、歪斜或缺損，車牌字符邊界模糊、細節(jié)不清、比劃斷開、粗細不均等現象。這勢必會影響車牌區(qū)域分割，降低車牌字符識別的準確度。因此，在對車牌圖像進行分析之前，必須要對車牌圖像進行預處理。對車牌圖像的預處理主要包括以下三個方面:</p><p>　　(l)圖像對比度增強。由于車牌識別系統(tǒng)需要全天候工作，自然光照度的晝夜變化會引起車輛圖像對比度的嚴重

47、不足，所以增強圖像是很有必要的。</p><p>　　(2)圖像去噪。通常得到的汽車圖像會有一些污點，為了保證識別的效果，需要對圖像進行去噪處理。</p><p>　　(3)傾斜矯正。攝像機的位置、車輛的運動等因素經常使拍攝出來的汽車圖像有一定的傾斜，這就需要對圖像進行傾斜矯正，或在分割出車牌區(qū)域之后對字符傾斜矯正</p><p><b>　　3.1圖像的

48、灰度化</b></p><p>　　通常情況下，實際的車牌識別系統(tǒng)中由攝像機采集到的原始圖像是彩色圖像，所有的彩色圖像都是由紅(R)、綠(G)、藍(B)三基色組合而成，在數字圖像中每一個基色都被分為256個等級，即0~255。由R、G、B三基色不同級別的組合方式，可以計算出一幅彩色數字圖像最多可包含167772種顏色。在灰度圖像中R=G=B，因此灰度圖像中只有一種灰度顏色，同彩色圖像中的三基色一樣，灰

49、度色也被分成0-255，共256個等級，同理可以計算出一幅灰度圖像最多只包含256種顏色。由此可見，一幅彩色圖像所包含的信息量遠遠大于一幅灰度圖像，它不僅需要大量的存儲空間還需要復雜的圖像處理算法，這使得整個車牌識別系統(tǒng)操作時間過長，無法達到其實時性的要求。所以，首先應將采集到的彩色圖像轉換成一幅灰度圖像，這個過程便是圖像的灰度化。令g為轉換后灰度圖像在某一點的灰度值，R、G、B分別為轉換前該點的R、G、B分量。</p>

50、<p><b>　　圖1彩色原圖</b></p><p>　　使用matlab自帶的灰度變換函數 rgb2gray(),對彩色圖片進行灰度化處理，結果如下圖。</p><p><b>　　圖2灰度圖像</b></p><p><b>　　3.2灰度拉伸</b></p><

51、p>　　對車輛圖像進行灰度化處理之后，車牌部分和非車牌部分圖像的對比度并不是很高，此時如果直接進行邊緣提取，由于車牌界限較為模糊，難以提取出車牌邊緣，因而難以準確定位車牌。為了增強牌照部位圖像和其他部位圖像的對比度，使其明暗鮮明，有利于提高識別率，需要將車輛圖像進行灰度拉伸。</p><p>　　使用matlab自帶的灰度調整函數imadjust().對灰度圖像進行灰度拉伸，結果如下：</p>

52、<p>　　圖3 灰度拉伸后的圖像</p><p>　　從兩圖的對比中我們可以看到灰度拉伸后對比度明顯增強，車牌區(qū)域更加明顯。</p><p><b>　　3.3.圖像去噪</b></p><p>　　車牌圖像中的邊緣、細節(jié)、跳躍部分以及噪聲都代表圖像的高頻分量，而大面積的背景區(qū)和緩慢變化部分則代表圖像的低頻分量。由此可見，若采用低

53、通濾波法去除車牌圖像中的噪聲，在除去噪聲的同時也會使車牌及字符的邊緣變得模糊，這對后續(xù)的車牌定位以及字符識別非常不利。反之，若采用高通濾波法則在增強邊緣信息的同時也增了噪聲。因此，為了在保證在車牌圖像邊緣信息不被弱化的情況下除去噪聲，采用中值濾波法來去除圖像噪聲。中值濾波是一種非線性濾波，由于它在實際運算過程中并不需要圖像的統(tǒng)計特性，所以比較方便。中值濾波首先是被應用在一維信號處理技術中，后來被二維圖像信號處理技術所引用。在一定的條件下

54、，可以克服線性濾波器所帶來的圖像細節(jié)模糊，而且對濾除脈沖干擾及顆粒噪聲最為有效。中值濾波它是一種鄰域運算，類似于卷積，首先把鄰域中的像素按灰度等級進行排序，然后選擇該組的中間值作為輸出像素值。它能減弱或消除傅里葉空間的高頻分量，因為高頻分量對應圖像中的邊緣區(qū)域，且其灰度值具有較大較快的變化，該濾波可將這些分量濾除，使圖像平滑。其主要原理是:首先確定一個以某個像素為中心點的鄰域，一般為方形鄰域;然后將鄰域中的各個像素的灰度值進</p

55、><p><b>　　具體步驟如下:</b></p><p>　　①將模板在圖像中漫游，并將模板中心與圖像中某個像素的位置重合;</p><p>　?、谧x取模板下各對應像素的灰度值;</p><p>　　③將這些灰度值從小到大排列成一列;</p><p>　?、苷页雠旁谥虚g的一個值;</p>

56、;<p>　?、輰⑦@個中間值賦給對應模板中心位置的像素。</p><p>　　本次作業(yè)采用matlab自帶的中值濾波器函數medfilt2()，對灰度圖像進行去噪處理。</p><p>　　第四章 車牌定位</p><p>　　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

57、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。由于牌照圖象在原始圖象中是很有特征的一個子區(qū)域，確切說是水平度較高的橫向近似的長方形，它在原始圖象中的相對位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同，因而在其邊緣形成了灰度突變的邊界，這樣就便于通過邊緣檢測來對圖象進行分割。</p><p>　　牌照定位于分割流程圖</p>&

58、lt;p>　　4.1牌照區(qū)域的定位</p><p>　　牌照圖象經過了以上的處理后，牌照區(qū)域已經十分明顯，而且其邊緣得到了勾勒和加強。此時可進一步確定牌照在整幅圖象中的準確位置。這里選用的是數學形態(tài)學的方法，其基本思想是用具有一定形態(tài)的機構元素去量度和提取圖像中的對應形狀以達到對圖像分析和識別的目的。數學形態(tài)學的應用可以簡化圖像數據，保持它們基本的形態(tài)特征，并除去不相干的結構。在本程序中用到了膨脹和閉合這兩

59、個基本運算，最后還用了bwareaopen來去除對象中不相干的小對象。</p><p>　　采用matlab自帶的edge()函數對圖像進行邊緣的提取。</p><p>　　edge()格式：[g,t]=edge(f,’method’,parameters)</p><p>　　本次作業(yè)采用canny邊緣檢測器。進行邊緣檢測，檢測后的結果如圖</p>

60、<p>　　4.2牌照區(qū)域的分割</p><p>　　4.2.1候選區(qū)域的提取</p><p>　　提取候選區(qū)域的步驟是：首先對經過開閉運算處理的圖像進行區(qū)域提取，并計算區(qū)域特征參數，然后根據車牌的先驗知識對區(qū)域特征參數進行比較，提取車牌區(qū)域。本課題選擇使用車牌的寬高范圍和比例關系對車牌進行初步定位。對車牌的區(qū)域提取可以利用regionprops 函數，對圖像每個區(qū)域進行標記，然

61、后計算每個區(qū)域圖像特征參數：區(qū)域中心位置、最小包含矩形，面積。最后計算出包含所標記區(qū)域的最小矩形的寬和高。</p><p>　　對車牌的分割可以2007 年實施的車牌標準規(guī)定，車前車牌長 440mm，寬 140mm。其比例為440 /140 3.15 ≈ 。根據圖像像素的大小，這里選取篩選條件為寬在50到150之間，高在20到50之間，同時寬高比例應大于0.45，就可以比較準確的得到車牌的大致位置。</p&

62、gt;<p><b>　　初步提取的車牌</b></p><p>　　4.2.2車牌進一步處理</p><p>　　經過上述方法分割出來的車牌圖像中存在目標物體、背景還有噪聲，要想從圖像中直接提取出目標物體，最常用的方法就是設定一個閾值T，用T將圖像的數據分成兩部分：大于T的像素群和小于T的像素群，即對圖像二值化。均值濾波是典型的線性濾波算法，它是指在圖

63、像上對目標像素給一個模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值來代替原來像素值。</p><p>　　圖像的二值化處理就是將圖像上的點的灰度值置為 0 或 255，這樣處理后整個圖像呈現明顯的黑白效果，即將256個亮度等級的灰度圖經過合適的閾值選取，而獲得的二值化圖像仍然可以反映圖像整體和局部特征。 二值化處理后的圖像，其集合性質只與像素值為0或255的點的位置有關，不再涉及像素的其他級值，

64、處理過程簡單，且數據的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為 255，否則，灰度值為 0，表示背景或者其他的物體區(qū)域。如果某圖像在內部有均勻一致的灰度值，并且處在一個具有其他等級灰度值的均勻背景下，利用閥值法就能得到較好的切分效果。如果物體同背景的差別難以用不同的灰度值表現（比如紋理不同） ，可以把這些差別特征轉換為灰度的差別，然后利

65、用閥值法來切分該圖像。動態(tài)調節(jié)閥值來實現圖像的二值化可動態(tài)地觀察其切分圖像的具體結果。</p><p>　　本次作業(yè)采用matlab中的im2bw函數對定位后的車牌進行二值化處理。</p><p>　　裁剪出來的車牌的進一步處理過程圖</p><p><b>　　4.3 傾斜校正 </b></p><p>　　雖然標準的

66、車牌字符應為水平依次排列，但是由于放置不當或車身前進方向與圖像采集設備不在同一條直線上等原因，會造成圖像中的車牌傾斜、扭曲。因為一個傾斜的數字或字母的識別和一個很正的數字或字母的識別是有很大差別的，所以車牌定位之后要進行傾斜校正。一般情況下，傾斜校正有兩步，第一步是找出傾斜的角度；第二部是進行坐標變換，得到校正后的圖像。</p><p>　　目前常用的計算傾斜角度的方法有兩種，一種是 Hough 變換來找出傾斜的

67、角度，一種是利用投影的方法來找出傾斜的角度。另外還有Radon變換方法等，這里主要介紹前面兩種方法。</p><p>　　本次作業(yè)采用hough算法對圖形進行傾斜校正。</p><p><b>　　圖9旋轉前的圖像</b></p><p>　　圖10 hough變換后的車牌二值圖像</p><p><b>　　

68、4.4分割與歸一化</b></p><p>　　經過車牌字符圖像的二值化和傾斜校正，得到的是一個只包含牌照字符的水平條形區(qū)域，為了進行字符識別，需要將牌照字符從圖像中分割出來。這里常用投影法，既簡單又快捷。投影法切分車牌字符的思想是根據車牌字符的特點，將車牌圖像進行垂直方向的投影，因為字符區(qū)域的黑色像素點比較多，比較集中，同時每個車牌字符之間有一定的空隙間隔隔開。這樣投影下來得到的投影圖應該有多個相對

69、</p><p>　　集中的投影峰值群，只要根據峰值群的特點進行分割，就可以得到車牌的字符。</p><p>　　對圖像的垂直方向進行投影，得到的投影圖如圖11所示。</p><p>　　圖 11 字符投影圖</p><p>　　圖中有七個比較集中的投影峰值群，且每個峰值之間都有一定的間隔。根據這一特點，從左往右依次定位出每個字符的起始和結束

70、位置，并且進行切割。然后對切割出來的每個字符圖像進行水平投影。根據水平投影像素累加值進行水平切割，從而得到精確切割后的字符。</p><p>　　車牌字符切分的具體算法為： </p><p>　　對車牌圖像進行垂直投影，計算出字符的寬度后，確定字符的中間位置，并計算相鄰兩個字符之間的間距，即中間距離的差值。取其最大值定為第二個字符和第三個字符之間的距離。以此為分界線，分別向前、后兩個方向進

71、行切分，從而定位出每個字符的左右邊界，并保存在數組里。由于 MATLAB 的數組可以存放不同大小的數據，為字符邊界信息的存儲提供了極大的便利。 2）對每個切分出的字符進行水平投影，確定字符的具體的上下邊界，保存到數組里。 3）由于用于最后識別的字庫中字符模板為24 48 × 像素，所以這里對切分出來的字符進行歸一化處理，統(tǒng)一為24 48 × 像素。4）將歸一化后的字符的信息保存在數組里，做為參數輸入字符識別模塊與模板

72、比較進行字符識別。</p><p><b>　　字符切分后的效果圖</b></p><p>　　圖13 字符分割與歸一化流程圖</p><p><b>　　4.4.1字符分割</b></p><p>　　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

73、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。 </p><p>　　4.4.2字符歸一化</p><p>　　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就已經可以達到正確識別的目的。在

74、此只進行了歸一化處理，然后進行后期處理。</p><p><b>　　第五章：字符識別</b></p><p>　　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網絡的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據庫中模板的大小，然后與所有的模板進行匹配，最后選最佳匹

75、配作為結果。模板匹配的主要特點是實現簡單，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。</p><p>　　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，

76、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，產生較大的噪聲干擾，或圖象經預處理和規(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。</p&g

77、t;<p>　　5.1模版匹配法原理簡介</p><p>　　要對一個車牌字符進行識別，首先是將這個車牌字符的圖片輸入電腦，而要對它進行處理，就要將它轉化為計算機可以識別的語言.由于每一個待識別字符都是以數字圖像的形式存在的，因此將待識別字符的圖片通過MATLAB轉化為矩陣，再通過對矩陣進行一系列的數學運算，從而達到對圖片進行識別的目的.MATLAB是處理矩陣運算的強大軟件，所以本文的整個識別過程都

78、是通過MATLAB來實現的.</p><p>　　首先以二維圖像的處理為例介紹一下傳統(tǒng)的模板匹配算法。算法的基本思想是：將歸一化的字符二值圖像與模板庫中的字符二值化圖像逐個進行匹配，采用相似度的方法計算車牌字符與每個模板字符的匹配程度，取最相似的就是匹配。匹配時相似度函數定義為：</p><p>　　其中， f ij 為待識別車牌字符圖像中像素點(i，j) 的灰度值，這里的取值為 0或1，

79、 t (i，j )為模板字符圖像中像素點(i，j )的灰度值，這里的取值為0或1；M 和 N為模板字符點陣橫向和縱向包含的像素個數。</p><p>　　本文是將待識別的字符與已經存儲在計算機中的標準模板進行邏輯‘與，運算，所有標準模板如圖1所示.而將待識別字符與標準字符模板進行邏輯與’運算之所以能夠達到識別目的，其原理是:當待識別字符與相應的字符模板匹配時結果較為清晰，與其余模板匹配時會變得很模糊，具體如圖2所

80、示。</p><p>　　圖2, 3和4中的(a)分別表示字符‘A', B，和‘C'的標準模板，(b)表示待識別字符‘A',(c)表示待識別字符分別與這三個標準模板進行匹配后的結果.從上述三幅圖中可以很容易看出，圖2中的模板‘A，應為待識別字符的識別結果. 在實際的識別過程中，計算機需要一定的判別規(guī)則才可以將正確的識別結果自動輸出。</p><p>　　這就需要引

81、入判別函數，而本文則是選取了兩個判別函數，分別利用這兩個判別函數對運算</p><p>　　圖16 字符識別流程圖</p><p>　　5.2本文方法具體步驟</p><p>　　步驟1：利用MATLAB將標準字符模板與待識別字符所對應的像素矩陣求出來，然后將它們二值化，得到相應的二值矩陣，分別記為B (i=1,2,3， 4)和D.將數字圖像進行二值化的MATLAB

82、命令為:</p><p>　　I=imread('a.b')</p><p>　　level=graythresh(1);</p><p>　　BW 1=im2bw(I, level)</p><p>　　其中‘a，表示圖片名稱，`b，表示圖片格式.</p><p>　　步驟2：將待識別字符與標準模板逐

83、一進行邏輯‘與’運算，即將二值矩陣D分別與二值矩陣Bi(i=1,2,3二34)進行邏輯‘與，運算，得到相應的二值矩陣Xz。=1,2,3二34).邏輯‘與’運算對應的MATLAB命令為:</p><p>　　L=and(a, b)</p><p>　　步驟3：根據預先設計好的判別函數，得出最終的識別結果.本文采用了兩個判別函數，分別為:</p><p>　　上述兩個函

84、數中，surn (A)表示求矩陣A中所有元素的和.在函數(1)中，與凡所對應的乓代表的標準模板為識別結果，在函數(2)中，與X、對應的B、所代表的標準模板為識別結果.</p><p>　　步驟4：通過MATLAB將正確的識別結果輸出.</p><p>　　5.3識別結果及對比</p><p>　　此處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

85、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，緊接其后的為字母與數字。車牌字符識別與一般文字識別在于它的字符數有限，漢字共約50多個，大寫英文字母26個，數字10個。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個數字26個字母與10個數字的模板。其他模板設計的方法與此相同。</p><p>　　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，

86、得到的0越多那么就越匹配。把每一幅相減后的圖的0值個數保存，即為識別出來的結果。</p><p>　　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，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，無時間滯后感

87、，可以滿足實時檢出的要求。但是在設計的過程中發(fā)現，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。</p><p>　　在車牌字符分割的預處理中，用到了對分割出的字符車牌進行均值濾波，膨脹或腐蝕的處理。這在對于有雜點的車牌是很有用的，因為這樣可以把字符與字符之間的雜色點去除，只有白色的字符和黑色的背景存在，這樣有利于的字符分割進行。</p><p>　　

88、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。</p><p>　　對于識別錯誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖象的質量；二是牌照字符的分割失敗導致的識別錯誤；再就是部分字符的形狀相似性，比如，B 和8；A 和4 等字符識別結果可能發(fā)生混淆的情況。</p><

89、p>　　總之，盡管目前牌照字符的識別率還不理想，但是只要在分割出的字符的大小、位置的歸一化，以及嘗試提取分類識別能力更好的特征值和設計分類器等環(huán)節(jié)上再完善，進一步提高識別率是完全可行的。</p><p>　　第六章 基于matlab的程序源代碼</p><p>　　function [d]=main(jpg)</p><p>　　I=imread('

90、;car.jpg');</p><p>　　figure(1),imshow(I);title('原圖');</p><p>　　I1=rgb2gray(I);</p><p>　　figure(2),subplot(1,2,1),imshow(I1);title('灰度圖');</p><p>　　f

91、igure(2),subplot(1,2,2),imhist(I1);title('灰度圖直方圖');</p><p>　　I2=edge(I1,'robert',0.08,'both');</p><p>　　figure(3),imshow(I2);title('robert算子邊緣檢測')</p><

92、p>　　se=[1;1;1];</p><p>　　I3=imerode(I2,se);</p><p>　　figure(4),imshow(I3);title('腐蝕后圖像');</p><p>　　se=strel('rectangle',[40,40]);</p><p>　　I4=imclose

93、(I3,se);</p><p>　　figure(5),imshow(I4);title('平滑圖像的輪廓');</p><p>　　I5=bwareaopen(I4,2000);</p><p>　　figure(6),imshow(I5);title('從對象中移除小對象');</p><p>　　[y,

94、x,z]=size(I5);</p><p>　　myI=double(I5);</p><p>　　%begin橫向掃描</p><p><b>　　tic</b></p><p>　　Blue_y=zeros(y,1);</p><p><b>　　for i=1:y</b&g

95、t;</p><p><b>　　for j=1:x</b></p><p>　　if(myI(i,j,1)==1) </p><p>　　%如果myI(i,j,1)即myI圖像中坐標為(i,j)的點為藍色</p><p>　　%則Blue_y的相應行的元素white_y(i,1)值加1</p><p

96、>　　Blue_y(i,1)= Blue_y(i,1)+1;%藍色像素點統(tǒng)計 </p><p><b>　　end </b></p><p>　　end </p><p><b>　　end</b></p><p>　　[temp MaxY]=max(Blue_y);%temp為

97、向量white_y的元素中的最大值，MaxY為該值的索引（ 在向量中的位置）</p><p><b>　　PY1=MaxY;</b></p><p>　　while ((Blue_y(PY1,1)>=120)&&(PY1>1))</p><p>　　PY1=PY1-1;</p><p><

98、;b>　　end </b></p><p><b>　　PY2=MaxY;</b></p><p>　　while ((Blue_y(PY2,1)>=40)&&(PY2<y))</p><p>　　PY2=PY2+1;</p><p><b>　　end<

99、;/b></p><p>　　IY=I(PY1:PY2,:,:);</p><p>　　%IY為原始圖像I中截取的縱坐標在PY1：PY2之間的部分</p><p><b>　　%end橫向掃描</b></p><p>　　%begin縱向掃描</p><p>　　Blue_x=zeros(1

100、,x);%進一步確定x方向的車牌區(qū)域</p><p><b>　　for j=1:x</b></p><p>　　for i=PY1:PY2</p><p>　　if(myI(i,j,1)==1)</p><p>　　Blue_x(1,j)= Blue_x(1,j)+1; </p>

101、<p><b>　　end </b></p><p>　　end </p><p><b>　　end</b></p><p><b>　　PX1=1;</b></p><p>　　while ((Blue_x(1,PX1)<3)&&a

102、mp;(PX1<x))</p><p>　　PX1=PX1+1;</p><p><b>　　end </b></p><p><b>　　PX2=x;</b></p><p>　　while ((Blue_x(1,PX2)<3)&&(PX2>PX1))<

103、;/p><p>　　PX2=PX2-1;</p><p><b>　　end </b></p><p><b>　　%end縱向掃描</b></p><p>　　PX1=PX1-2;%對車牌區(qū)域的校正</p><p>　　PX2=PX2+2;</p><p&g

104、t;　　dw=I(PY1:PY2,:,:);</p><p><b>　　t=toc; </b></p><p>　　figure(7),subplot(1,2,1),imshow(IY),title('行方向合理區(qū)域');</p><p>　　figure(7),subplot(1,2,2),imshow(dw),title(

105、'定位剪切后的彩色車牌圖像')</p><p>　　imwrite(dw,'dw.jpg');</p><p>　　[filename,filepath]=uigetfile('dw.jpg','輸入一個定位裁剪后的車牌圖像');</p><p>　　jpg=strcat(filepath,filena

106、me);</p><p>　　a=imread('dw.jpg');</p><p>　　b=rgb2gray(a);</p><p>　　imwrite(b,'1.車牌灰度圖像.jpg');</p><p>　　figure(8);subplot(3,2,1),imshow(b),title('1.車

107、牌灰度圖像')</p><p>　　g_max=double(max(max(b)));</p><p>　　g_min=double(min(min(b)));</p><p>　　T=round(g_max-(g_max-g_min)/3); % T 為二值化的閾值</p><p>　　[m,n]=size(b);</p&g

108、t;<p>　　d=(double(b)>=T); % d:二值圖像</p><p>　　imwrite(d,'2.車牌二值圖像.jpg');</p><p>　　figure(8);subplot(3,2,2),imshow(d),title('2.車牌二值圖像')</p><p>　　figure(8),su

109、bplot(3,2,3),imshow(d),title('3.均值濾波前')</p><p><b>　　% 濾波</b></p><p>　　h=fspecial('average',3);</p><p>　　d=im2bw(round(filter2(h,d)));</p><p>

110、;　　imwrite(d,'4.均值濾波后.jpg');</p><p>　　figure(8),subplot(3,2,4),imshow(d),title('4.均值濾波后')</p><p>　　% 某些圖像進行操作</p><p><b>　　% 膨脹或腐蝕</b></p><p>

111、;　　% se=strel('square',3); % 使用一個3X3的正方形結果元素對象對創(chuàng)建的圖像膨脹</p><p>　　% 'line'/'diamond'/'ball'...</p><p>　　se=eye(2); % eye(n) returns the n-by-n identity matrix 單位矩陣&

112、lt;/p><p>　　[m,n]=size(d);</p><p>　　if bwarea(d)/m/n>=0.365</p><p>　　d=imerode(d,se);</p><p>　　elseif bwarea(d)/m/n<=0.235</p><p>　　d=imdilate(d,se);<

113、;/p><p><b>　　end</b></p><p>　　imwrite(d,'5.膨脹或腐蝕處理后.jpg');</p><p>　　figure(8),subplot(3,2,5),imshow(d),title('5.膨脹或腐蝕處理后')</p><p>　　% 尋找連續(xù)有文字的塊