利祖林儀器儀表課程設(shè)計

1、智能儀器儀表綜合課程設(shè)計報設(shè)計題目：車牌識別課程設(shè)計報告設(shè)計者:利祖林學 號:班 級:指導(dǎo)老師:完成時間:2011-12-24平時考勤論文設(shè)計答辯隨這圖形圖像技術(shù)的發(fā)展，現(xiàn)在的車牌識別技術(shù)準確率越來越高，識別速度越來越 快。無論何種形式的車牌識別系統(tǒng)，它們都是由觸發(fā)、圖像采集、圖像識別模塊、輔助 光源和通信模塊組成的。車牌識別系統(tǒng)涉及光學、電器、電子控制、數(shù)字圖像處理、計 算視覺、人工智能等多項技術(shù)。觸發(fā)模塊負責在車輛到達合適位置時，給出觸發(fā)信號， 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像進行處理，去除噪聲，并進行參數(shù)調(diào)整。

2、然后通過 車牌定位、字符識別，最后將識別結(jié)果輸出。目錄 TOC o 1-5 h z HYPERLINK l bookmark2 o Current Document 第一章設(shè)計目的和意義11.1設(shè)計目的11.2設(shè)計意義1 HYPERLINK l bookmark4 o Current Document 1.3設(shè)計原理1 HYPERLINK l bookmark6 o Current Document 1.4詳細設(shè)計步驟2 HYPERLINK l bookmark8 o Current Document 1.5提出總體設(shè)計方案2 HYPERLINK l bookmark10 o Current

3、Document 第二章各模塊的實現(xiàn)4 HYPERLINK l bookmark12 o Current Document 2.1輸入待處理的原始圖像4 HYPERLINK l bookmark14 o Current Document 2.2圖像的灰度化4 HYPERLINK l bookmark16 o Current Document 2.3對原始圖像進行開操作得到圖像背景圖像5 HYPERLINK l bookmark18 o Current Document 2.4原始圖像與背景圖像作減法，對圖像進行增強處理5 HYPERLINK l bookmark20 o Current Doc

4、ument 2.5取得最佳閾值，將圖像二值化6 HYPERLINK l bookmark22 o Current Document 2.6邊緣檢測7 HYPERLINK l bookmark24 o Current Document 2.7對得到圖像作開操作進行濾波7 HYPERLINK l bookmark26 o Current Document 2.8對二值圖像進行區(qū)域提取9 HYPERLINK l bookmark28 o Current Document 2.9對水平投影進行峰谷分析10 HYPERLINK l bookmark30 o Current Document 2.10計算

5、車牌旋轉(zhuǎn)角度11 HYPERLINK l bookmark32 o Current Document 2.11去水平（上下）邊框,獲取字符高度13 HYPERLINK l bookmark34 o Current Document 2.12將計算計算獲取的字符圖像與樣本庫進行匹配，自動識別出字符代碼:16 HYPERLINK l bookmark36 o Current Document 第三章結(jié)果及分析17第四章總結(jié)19 HYPERLINK l bookmark42 o Current Document 第五章體會20 HYPERLINK l bookmark44 o Current Doc

6、ument 參考文獻21第一章設(shè)計目的和意義1.1設(shè)計目的1、讓學生鞏固理論課上所學的知識，理論聯(lián)系實踐。2、鍛煉學生的動手能力，激發(fā)學生的研究潛能，提高學生的協(xié)作精神。1.2設(shè)計意義車牌定位系統(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(shè)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。1.3設(shè)計原理牌照自動識別是一項利用車輛的動態(tài)視頻或靜態(tài)圖像進行牌照號碼、牌照顏色自動 識別的模式識別技術(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、識別車牌號碼的處理機等，其軟件核心包括車牌定位算法、車牌字符分割算法和 光學字符識別

7、算法等。某些牌照識別系統(tǒng)還具有通過視頻圖像判斷車輛駛?cè)胍曇暗墓δ?稱之為視頻車輛檢測。一個完整的牌照識別系統(tǒng)應(yīng)包括車輛檢測、圖像采集、牌照識別 等幾部分。當車輛檢測部分檢測到車輛到達時觸發(fā)圖像采集單元，采集當前的視頻圖像。 牌照識別單元對圖像進行處理，定位出牌照位置，再將牌照中的字符分割出來進行識別, 然后組成牌照號碼輸出。1.4詳細設(shè)計步驟數(shù)字圖像視頻 車輛檢測1車輛A檢測器1.4詳細設(shè)計步驟數(shù)字圖像視頻 車輛檢測1車輛A檢測器京 EG6572SEG6572字符識別(:OCR)卜字符分割卜牌照定位結(jié)果輸出牌照號碼：京EG仍血牌照底色：藍色圖牌照識別系統(tǒng)示意圖1.5提出總體設(shè)計方案牌照號碼、顏

8、色識別為了進行牌照識別，需要以下幾個基本的步驟：牌照定位，定位圖片中的牌照位置；牌照字符分割，把牌照中的字符分割出來；牌照字符識別，把分割好的字符進行識別，最終組成牌照號碼。牌照識別過程中，牌照顏色的識別依據(jù)算法不同，可能在上述不同步驟實現(xiàn)，通常 與牌照識別互相配合、互相驗證。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確地確定牌照 區(qū)域是整個識別過程的關(guān)鍵。首先對采集到的視頻圖像進行大范圍相關(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)，然后對這些侯選區(qū)域做進一步分析、評判，最后 選定一個最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來。牌照字符分割完成牌照區(qū)域的定

9、位后，再將牌照區(qū)域分割成單個字符，然后進行識別。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。利用垂直投影法對復(fù)雜環(huán)境下的汽車圖像中的字符分割有較好的效果。牌照字符識別字符識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(jié)果?；谌斯ど窠?jīng)元網(wǎng)絡(luò)的算法有兩 種：一種是先對待識別字符進行特征提取，然后用所獲得特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)

10、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)自動實現(xiàn)特征提取直至識別出結(jié)果。 實際應(yīng)用中，牌照識別系統(tǒng)的識別率與牌照質(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；實際拍攝過程也會受到環(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別的識別率，也正是牌照識別系 統(tǒng)的困難和挑戰(zhàn)所在。為了提高識別率，除了不斷的完善識別算法，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別。切割出的字 符送入庫中與數(shù)據(jù)庫的圖片相減分析之差最小 補的圖片是哪張字符依次分析顯示

11、誤切割出的字 符送入庫中與數(shù)據(jù)庫的圖片相減分析之差最小 補的圖片是哪張字符依次分析顯示誤 差最小的圖片名字第二章各模塊的實現(xiàn)2.1輸入待處理的原始圖像clear ;close all;%Stepl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，不但在存儲上開銷很大，而且在處理上也會降低 系統(tǒng)的執(zhí)行速度，因此在對圖像進行識別等處理中經(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)換為灰度的過程叫做灰度化處理。選擇的標準是經(jīng)過灰度變換 后，像素的動態(tài)范圍增加

12、，圖像的對比度擴展，使圖像變得更加清晰、細膩、容易識別。%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對原始圖像進行開操作得到圖像背景圖像s=strel(disk,13);%strei 函數(shù)Bgray二imopen(Sgray,s);%打開 sgray s 圖像 figure,imshow(Bgray); title(背景圖像)；輸出背景圖像背景圖像圖2.3背景圖像2.4原始圖像與背景圖像作減法，對圖像進行增強處理Egray=imsu

13、b trac t(Sgray,Bgray);% 兩幅圖相減 figure,imshow(Egray); title(增強黑白圖像)；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。在實際的車牌處理系統(tǒng)中，進 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，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，不會產(chǎn)生額外的空缺等 等。車牌識別系統(tǒng)要求處理的速度高、成本低、信息量大，采用二值圖像進行處理，能 大大地提高處理效率。閾值處理的操作過程是先由用戶指定或通過算法生成一個閾值， 如果圖像中某中像素的灰

14、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。fmaxl二double(max(max(Egray);%egray 的最大值并輸出雙精度型 fminl二double(min(min(Egray);%egray 的最小值并輸出雙精度型 level=(fmaxl-(fmaxl-fminl)/3)/255;% 獲得最佳閾值 bw22=im2bw(Egray,level);%轉(zhuǎn)換圖像為二進制圖像 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邊緣檢測兩個具有不同灰度值的相鄰區(qū)域

15、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)。為了對有意義的邊緣點 進行分類，與這個點相聯(lián)系的灰度級必須比在這一點的背景上變換更有效，我們通過門 限方法來決定一個值是否有效。所以，如果一個點的二維一階導(dǎo)數(shù)比指定的門限大，我 們就定義圖像中的次點是一個邊緣點，一組這樣的依據(jù)事先定好的連接準則相連的邊緣 點就定義為一條邊緣。經(jīng)過一階的導(dǎo)數(shù)的邊緣檢測，所求的一階導(dǎo)數(shù)高于某個閾值，則 確定該點為邊緣點，這樣會導(dǎo)致檢測的邊緣點太多?？梢酝ㄟ^求梯度局部最大值對應(yīng)的 點，并認定為邊緣點，去除非局部最大值，可以檢測出精確的邊緣。一階導(dǎo)數(shù)的局部最 大值對應(yīng)

16、二階導(dǎo)數(shù)的零交叉點，這樣通過找圖像強度的二階導(dǎo)數(shù)餓的零交叉點就能找到 精確邊緣點。grd二edge(bw2,canny)%用canny算子識別強度圖像中的邊界 figure,imshow(grd);title(圖像邊緣提取)；輸出圖像邊緣圖2.6像邊緣提取2.7對得到圖像作開操作進行濾波數(shù)學形態(tài)非線性濾波，可以用于抑制噪聲，進行特征提取、邊緣檢測、圖像分割等圖像處理問題。腐蝕是一種消除邊界點的過程，結(jié)果是使目標縮小，孔洞增大，因而可 有效的消除孤立噪聲點；膨脹是將與目標物體接觸的所有背景點合并到物體中的過程， 結(jié)果是使目標增大，孔洞縮小，可填補目標物體中的空洞，形成連通域。先腐蝕后膨脹 的過程

17、稱為開運算，它具有消除細小物體，并在纖細處分離物體和平滑較大物體邊界的 作用；先膨脹后腐蝕的過程稱為閉運算，具有填充物體內(nèi)細小空洞，連接鄰近物體和平 滑邊界的作用。對圖像做了開運算和閉運算，閉運算可以使圖像的輪廓線更為光滑，它 通常用來消掉狹窄的間斷和長細的鴻溝，消除小的孔洞，并彌補輪廓線中的斷裂。 bgl二imclose(grd,s trel(rec tangle,5,19);% 取矩形框的閉運算 figure,imshow(bgl);title(圖像閉運算5,19);%輸出閉運算的圖像 bg3=imopen(bg1,s trel(rec tangle,5,19);% 取矩形框的開運算 fi

18、gure,imshow(bg3);title(圖像開運算5,19);%輸出開運算的圖像 bg2=imopen(bg3,s trel(rec tangle,19,1);% 取矩形框的開運算 figure,imshow(bg2);title(圖像開運算19,1);%輸出開運算的圖像圖2.7.2開運算的圖像圖2.7.1圖2.7.2開運算的圖像圖2.7.1閉運算的圖像圖2.7.3開運算的圖像2.8對二值圖像進行區(qū)域提取a.對圖像每個區(qū)域進行標記，然后計算每個區(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);%標注二進制圖像中已連接的部分Feas ta

19、ts = imfea ture(L,basic);%計算圖像區(qū)域的特征尺寸Area二Feas tat s.Area;% 區(qū)域面積BoundingBox二Feas tat s.BoundingBox;%x y wid th heigh t車牌的框架大小RGB = label2rgb(L, spring, k, shuffle); % 標志圖像向 RGB 圖像轉(zhuǎn)換 figure,imshow(RGB);title(圖像彩色標記)；輸出框架的彩色圖像圖2. 8.1彩色圖像b.計算出包含所標記的區(qū)域的最小寬和高，并根據(jù)先驗知識，比較誰的寬高比更接近實 際車牌寬高比，將更接近的提取并顯示出來。程序流程圖

20、圖2. 8.2灰度子圖和二值子圖程序流程圖圖2. 8.2灰度子圖和二值子圖2.9對水平投影進行峰谷分析對水平投影進行峰谷分析，計算出車牌上邊框、車牌字符投影、車牌下邊框的波形峰 上升點、峰下降點、峰寬、谷寬、峰間距離、峰中心位置參數(shù)。his tcoll二sum(sbwl);% 計算垂直投影his trow二sum(sbwl);% 計算水平投影figure,subplo t(2,l,l),bar(his tcoll); tit le(垂直投影(含邊框)； 輸出垂直投影 subplo t( 2,1,2),bar(his trow);tit le(水平投影(含邊框);% 輸出水平投影圖2.9.1垂直

21、投影和水平投影figure,subplo t(2,1,1),bar(his trow); tit le(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);%輸出二值圖對水平投影進行峰谷分析：圖2.9.2水平投影和二值圖程序流程圖圖2.9.2水平投影和二值圖程序流程圖2.10計算車牌旋轉(zhuǎn)角度車牌傾斜的原因?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，計算出車牌上邊或下邊圖像值為1的點擬合直線與水平X軸的夾角。程序流程圖%(2)線性擬合，計算與x夾角fresu lt 二 fit( xda ta,

22、yda ta,polyl);%polyl Y = pl* x+p2 pl二fresult .pl;angle二atan(fresult.pl) *180/pi; %弧度換為度，360/2pi,pi=3.14%(3)旋轉(zhuǎn)車牌圖象subcol = imr otat e(subcol1,angle,bilinear,crop); % 旋轉(zhuǎn)車牌圖象sbw = imro tat e(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 灰度圖像標題顯示車牌灰度子圖subp

23、lo t( 2,1,2),imshow(sbw); titl e();% 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)角度旋轉(zhuǎn)車牌后重新計算車牌水平投影，去掉車牌水平邊框，獲取字符高度: his tcoll二sum(sbw); % 計算垂直投影his trow二sum(sbw); % 計算水平投影figure,subplo t(2,l,l),bar(his tcoll); tit le(垂直投影(旋轉(zhuǎn)后); subplo t(2,1,2),bar(his trow);tit le(水平投影(旋轉(zhuǎn)后);圖2.10.2垂直

24、投影(旋轉(zhuǎn)后)和水平投影(旋轉(zhuǎn)后)figure,subplo t(2,1,1),bar(his trow);tit le(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.通過以上水平投影、垂直投影分析計算，獲得了車牌字符高度、字符頂行與尾行、字 符寬度、每個字符的中心位置，為提取分割字符具備了條件。maxhight二max(markrow2);findc二find(markrow2二二maxhight);rowtop=markrow

25、(findc);rowbot二markrow(findc+l)markrowl(findc+l);sbw2二sbw(row to p:rowbo t,:);% 子圖為(rowbo t- row to p+1)行maxhigh t二 rowbo t-row to p+1;%字符高度(rowbo t- row to p+1)b.計算車牌垂直投影，去掉車牌垂直邊框，獲取車牌及字符平均寬度his tcol二sum(sbw2); % 計算垂直投影figure,subplo t(2,1,1),bar(his tcol); tit le(垂直投影(去水平邊框后)； 輸出車 牌的垂直投影圖像subplo t(

26、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 %對垂直投影進行峰谷分析求垂直投影的平均值1求垂直投影的最小值求垂直投影的平均值1求垂直投影的最小值1F取閾值1f計算字符上升點1計算谷寬度.計算字符距離1找到字符中心位置圖2.11垂直投影圖像和車牌字符高度程序流程圖計算車牌上每個字符中心位置，計算最大字符寬度maxwidthl=0;for k=1:n1markcol3(k)=markcol(k+1)-markcol1(k+1);% 字符下降點 markcol4(k)=markco

27、l3(k)-markcol(k); %字符寬度(上升點至下降點) markcol5(k)=markcol3(k)-double(uin t16(markcol4(k)/2);% 字符中心位置end markcol6二diff(markcol5); %字符中心距離(字符中心點至下一個字符中心點) maxs二max(markcol6); %查找最大值，即為第二字符與第三字符中心距離 findmax二find(markcol6二二maxs);markcol6(findmax)=0;maxwid th二max(markcol6);%查找最大值，即為最大字符寬度提取分割字符，并變換為22行*14列標準子

28、圖1=1;m2,n2=size(subcol);figure;for k二findmax1:findmax+5cleft二markco15(k)maxwidth/2;cright二markco15(k)+maxwidth/22;if cleftn2cright二n2;cleft二n2maxwidth;endSegGray二sbw(rowtop:rowbot,cleft:cright); SegBw1=sbw(rowtop:rowbot,cleft:cright);SegBw2 = imresize(SegBw1,22 14); %變換為 32 行* 16 列標準子圖 subpl ot( 2,n

29、1,l),imshow(SegGray);if l=7title(車牌字符寬度：，int2str(maxwidth),Color,r);endsubpl ot( 2,n1,n1+l),imshow(SegBw2);fname=strcat( F:MATLABworksamimage, int2str(k),.jpg);% 保存子 圖備選入樣本庫,并建立樣本庫imwri te(SegBw2,fname,jpg)l=l+1;End2.12將計算計算獲取的字符圖像與樣本庫進行匹配，自動識別出字符代碼:進行車牌識別前需要使用樣本對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對車牌 進行識別。其具體流程為:使

30、用漢字、字母、字母數(shù)字、數(shù)字四個樣本分別對四個子網(wǎng)絡(luò) 進行訓(xùn)練，得到相應(yīng)的節(jié)點數(shù)和權(quán)值。對已經(jīng)定位好的車牌進行圖像預(yù)處理，逐個的特 征提取，然后從相應(yīng)的文件中讀取相應(yīng)的節(jié)點數(shù)和權(quán)值，把車牌字符分別送入相應(yīng)的網(wǎng) 絡(luò)進行識別，輸出識別結(jié)果。程序流程圖圖2.12識別的車牌號碼第三章結(jié)果及分析原始圖像:原始彩色圖像預(yù)處理后:原始圖像:原始彩色圖像預(yù)處理后:車牌定位和提取:字符的分割和識別:車牌定位和提取:字符的分割和識別:車牌觀度子圖車牌字符分割車牌二值子圖l#0 A2446；識別車牌號碼粵042446車牌觀度子圖車牌字符分割車牌二值子圖l#0 A2446；識別車牌號碼粵042446從上面結(jié)果可以看出

31、，這張車牌的識別失敗了，將A誤識別為4 了。在識別中還可 能出錯的有0和8,因此需要在其他方面做些彌補，最后達到識別效果。預(yù)處理:原始圖像:原始彩色圖象m write車牌的定位和提取:字符的分割和識別:車牌現(xiàn)度子圖車牌字符寬度：16齟01預(yù)處理:原始圖像:原始彩色圖象m write車牌的定位和提取:字符的分割和識別:車牌現(xiàn)度子圖車牌字符寬度：16齟01軀識別車牌號碼:粵A1 W985瓠HIM在車牌識別的過程中數(shù)字庫的建立很重要，只有數(shù)字庫的準確才能保證檢測出來的 數(shù)據(jù)正確。切割出來的數(shù)據(jù)要與數(shù)據(jù)庫的數(shù)據(jù)作比較，所以數(shù)據(jù)庫的數(shù)據(jù)尤為重要。章總結(jié)實驗對車牌識別系統(tǒng)的軟件部分進行了研究，分別從圖像預(yù)

32、處理、車牌定位、字符 分割以及字符識別等方面進行了系統(tǒng)的分析。整理和總結(jié)了國內(nèi)外在車牌定位、分割、 字符識別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國車牌的固有特征，以及車牌識別 的特點。在車牌定位我們采用基于灰度跳變的定位方法，采用先對圖像進行預(yù)處理，再 進行二值化操作的方法。實驗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，從而簡化了二值化處理過程，提高了后續(xù)處理的速度?；诓噬至康亩ㄎ环椒?， 運用基于藍色象素點統(tǒng)計特性的方法對車牌是藍色的車牌進行定位，實驗表明，用該方 法實現(xiàn)的車牌定位準確率較高。本設(shè)計用MATLAB編程運行結(jié)果可以得出，本設(shè)計采用的 圖像預(yù)處理、CANNY邊緣

33、檢測、開閉運算子5，19、車牌長寬比特征識別等對車牌的定 位都是非常有效的，而本設(shè)計提出的二次水平投影分析和閾值技術(shù)有效檢測了車牌圖像 的上下左右邊框、旋轉(zhuǎn)角度，準確實現(xiàn)的車牌字符的分割，對多個車牌進行實驗，均有 很高的正確率。本設(shè)計雖然只對藍底白字車牌進行分割識別，對黑底白字車牌原則上整 個算法可直接適用，對白底黑字車牌、黃底黑字車牌，需要對車牌定位算法進行調(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。第五章體會經(jīng)過幾周的奮戰(zhàn)我的課程設(shè)計終于完成了。在沒有做課程設(shè)計以前覺得課程設(shè)計只 是對這幾年來所學知識的單純總結(jié)，但是通過這次做課程設(shè)計發(fā)現(xiàn)自己的看法有點太片 面。課程設(shè)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(shè)計使我明白了自己原來知識還比較欠缺。自己要學習的東西還太多，以前 老是覺得自己什么東西都會，什么東西都懂，有點眼高手低