最新版：基于数字图像处理的车牌识别本科毕业论文。 doc 34页

本科毕业论文（设计）标题：基于数字图像处理的车牌识别设计名称：大学：：班级：学生ID：指导老师：我提交的毕业论文（设计）原创性声明（设计）是我的研究在主管的指导下获得的工作和研究成果。据我所知，除文章中引用的内容外，本文（设计）不包含其他人发表或撰写的研究结果。对本文（设计）的研究做出了重要贡献的个人和集体在文章中都明确指出并表示感谢。作者签名：日期：毕业论文（设计）的授权使用本论文（设计）的作者充分理解**大学关于毕业论文（设计）的保留和使用的规定，学校有权保留毕业论文（设计） ），并将其发送至相关部门。论文的电子版和纸质版（设计）。出于少量非营利目的使用论文（设计）的权利，并允许论文（设计）进入学校图书馆进行查看。学校可以发表全部或部分论文（设计）。这些规定适用于解密后的机密文件（设计）。作者签名：主管签名：日期：日期：注释1.设计（论文）的内容包括：1）封面（根据教务处制定的标准封面格式制作）2）原创性声明3）中文摘要（约300个单词），关键字4）外文摘要，关键字5）目录（附件不统一）6）论文的主要部分：简介（或简介），正文，结论7）参考8）致谢9）附录（在需要论文支持的情况下）2.论文所需的字数：科学与工程（论文）设计的肯定字数不少少于10,000（不包括图纸，程序列表等），而文科论文的肯定词数不少于1. 20,000词。

3.附件包括：作业，建议报告，外语翻译和原始翻译（副本）。4.文本和图表的要求：1）文本流利，语言流利，文字整齐，印刷字体和大小符合要求，没有错字，也不允许问其他人代表工程设计主题的图纸写作。标尺的一部分由计算机绘制，所有图纸均应符合国家技术标准。图表整洁且布局合理。文本注释必须使用工程字符编写。不允许徒手绘制。3）毕业论文必须以A4单面打印的方式进行，并且论文的50页或更多的双面打印应在无网格的页面上进行。关于5）软件工程主题应该有一个程序列表，并提供电子文档5.装订单1）设计（论文）2）附件：根据任务书，开题报告，外语翻译，原文翻译（副本）订单绑定3）其他目录摘要3关键字3 TOC \ o“ 1-3” \ h \ z \ u1、设计目的32、设计原理：33、设计步骤：34、实施计划44. 1.总体实施计划：44. 2.每个模块的实施：44. 2. 1输入要处理的原始图像：44. 2. 2图像的灰度缩放和直方图：54. 2. 3边缘检测64. 2. 4图像腐蚀操作：h 74. 2. 5平滑图像h 84. 2. 6删除二进制图像的小对象84. 3车牌位置h 94. 4字符分割和识别114.4. 1.车牌重新处理114.4. 2字符细分134. 5车牌识别： h 175、摘要：h 206、致谢207、参考文献：h 21基于数字图像处理的车牌识别设计电子信息工程学生周金新讲师刘春丽摘要：车牌识别在人类社会运输系统。精心设计的车牌识别系统将为人们的生活带来极大的便利。本文利用Matlab和数字图像处理的一些知识，简单地通过了图像预处理，车牌定位，字符分割，并通过模板匹配的方法实现了车牌字符的识别。

关键字：图像预处理，边缘处理，字符分割，字符识别1、车牌识别系统的设计目的主要是识别所拍摄图片的车牌部分，以识别车辆。通过车牌识别系统的设计，实现对通过我校西门的车辆的识别。2、设计原理：设计原理如下图所示：照明设备摄像设备触发设备照明设备摄像设备触发设备车牌识别处理单元图像采集设备车牌识别处理单元图像采集设备3、设计步骤：流程图如下：图像输入图像输入图像预处理图像预处理车牌位置车牌位置字符分割字符分割字符识别字符识别4、实施方案4.1.总体实施方案：使用获取自然环境中的汽车彩像，用matlab软件将彩像处理为灰度图像，绘制直方图，然后腐蚀边缘检测图像，对图像进行平滑处理，去除二值图像的小物体，然后是车牌位置和字符分割最终实现识别。识别车牌的目的。4. 2.每个模块的实现：4.2. 1输入要处理的原始图像：I = imread（'car.jpg'）; imshow（I）;％显示许可证的原始图像图像，结果如下：图4.2. 1原始图像4.2. 2图像的灰度和直方图绘制：彩像的存储成本很高，并且会减慢图像的速度。系统速度。因此，在图像识别中，通常将彩像转换为灰度图像，以加快图像信息的处理速度。

从彩像到灰度图像的转换称为灰度处理。灰度直方图的横坐标表示图片中像素的数量，从左到右从暗到亮，灰度直方图的纵轴表示图片所占的面积，峰值越低表示数量明暗值的像素数越少，从图4.2. 2可以看出，最高峰是车牌面积。 ？I1 = rgb2gray（I）;％灰度处理子图（1,2，1)，imshow（I 1); title（'gray image'）;;子图（1,2，2)，imhist（I1); title（“灰度图像直方图”）;％绘制灰度图像和直方图显示结果图像，如下所示：图4.2. 24. 2. 3边缘检测边缘必须存在于两个相邻区域之间灰度值不同是灰度值不连续的体现，也是图像分割，纹理和形状特征提取等图像分析的基础。本文使用Roberts算子来实现边缘检测，它是一个算子使用局部差分算子来找到边缘，经过罗伯特算子的图像处理后，边缘不是很平滑，当然，它需要随后的腐蚀，平滑图像并消除二值图像的小对象运算。由于阈值越小，检测到的边缘越丰富，因此选择阈值更为合适值0.16结合所选的灰度图像。使用roberts运算符实现边缘检测：I2 = edge（I1，'roberts'，0.16，'both'）; imshow（I 2); title（'roberts运算符边缘检测图像'）;结果如下：图4.2. 3边缘检测4.2. 4图像腐蚀操作：腐蚀操作为通过连续删除图片上的像素来缩小图片，以达到去除小点图形的效果。

se = [1; 1; 1]; I3 =腐蚀（I2，se）;％图像腐蚀操作imshow（I3); title（'腐蚀图像'）;图4.2. 4个图像腐蚀操作4.2. 5图像平滑图像平滑是去除图像中的高频信息并使图像模糊，噪声通常是高频信息，平滑过程是指去除图像噪声的过程。 se = strel（'rectangle'，[16,16]）;％建立正方形结构元素I4 = imclose（I3，se）;％图像聚类并填充imshow（I4); title（'smothing image'）;图2. 5平滑图像picture54. 2. 6去除二进制图像中的小物体去除二进制图像中的小物体，以去除不相关的小的白色区域，并突出显示车牌所在的大的白色区域。 bwareaopen（I4,1900);％删除低于1900 imshow（I5); title（'remove the small objects'））的部分群集灰度值；％过滤后的图像显示结果如下：Figure4.2. 6删除sma ll二进制图像中的ll个对象4.3牌照位置在自然环境中，汽车图像的背景非常复杂，受不均匀照明，污渍等的影响，因此在自然背景下准确确定了牌照面积。关键是整个识别过程，因此有必要对原始图像进行的水平（X）和垂直（Y）像素相关性搜索，以找到符合车牌的候选区域，然后进一步分析和判断候选区域。确定一个最佳区域作为许可证区域。

代码如下所示：[y，x，z] = size（I5);％返回存储在x，y，z中的I5每个维度的大小myI = double（I5) ;％将I5转换为双精度tic％tic时间开始，toc时间结束Blue_y = zeros（y，1);％为i = 1：y产生ay * 1零矩阵，其中j = 1：xif（myI（ i，j，1) == 1)％如果myI图像中坐标（i，j）的点值为1，则表示蓝色背景％为Blue_y（i，1)加1 Blue_y（i，1) = Blue_y（i，1) +1）;％蓝色像素点统计量端点[temp MaxY] = max（Blue_y）;％Y方向牌照面积确定％MaxY是yellow_y元素中的最大值temp PY1 = MaxY; while（（（Blue_y（PY1，1)> =5) &&（PY1> 1)）PY1 = PY1-1; endPY2 = MaxY;而（（ PY2，1)> =5) &&（PY2PX 1)）PX2 = PX2-1;末端PX1 = PX1-1;％牌照面积校正PX2 = PX2 + 1; dw = I（PY1：PY2 -8，PX1：PX2，:); t = toc;子图（1,2，1)，imshow（IY），title（'行方向区域'）;车牌行方向a的百分比确定rea subplot（1,2，2)，imshow（dw），title（'定位彩像'）;％车牌所在的区域如下所示：图4.3. 1车牌4.4个字符的分割和识别[k13]4. 1.车牌的再处理以分割彩像需要对其进行灰度转换，二值化，均值滤波，腐蚀和扩展为字符，以及图像预处理（例如，分割后的字符的二值化和归一化）以分离出车牌图像中的车牌号字符，然后进行分析和识别字符识别的图像已被分割并以车牌的形式呈现文字编号。

代码显示如下：imwrite（dw，'dw.jpg'）;％将彩色车牌写入dw文件中a = imread（'dw.jpg'）;％读取车牌文件数据b = rgb2gray（a）;％将车牌图像转换为灰度图像imwrite（b，'gray license plate.jpg'）;％将灰度图像写入文件子图（3,2，1)，imshow（b ），title（'车牌的灰度图像'）g_max = double（max（max（b（））））; g_min = double（min（min（min（b））））; T = round（g_max-（g_max-g_min）/3);％T表示二值化的阈值[m，n] = size（b）; d =（double（b）> = T）;％d：二进制图像写入（d，'binary license plate.jpg' ）; subplot（3,2，2)，imshow（d），title（'在过滤二进制车牌之前'）％在过滤二进制车牌之前'）％过滤h = fspecial（'average'，3);％模板大小：3 * 3，平均值：平均过滤，建立过滤器运算符d = im2bw（round（filter2（h，d）））;％使用指定的过滤器h，然后过滤其平均值，即dimwrite（d，'在平均车牌之后.jpg'）;子图（3,2，3)，imshow（d） ，title（'平均车牌号后'）％操作某些图像％膨胀或腐蚀％se = strel（'square'，3);％图像扩展处理％'line'/'diamond'/'ball'... se = eye（2);％eye（n）返回n×n单位矩阵[m，n] = size（d）;如果bwarea（d）/ m / n> = 0.36d = imerode（d，se）;％如果大于0.36，则图像将被腐蚀，否则bwarea（d）/ m / n20;如果l = = 1％，则第一个汉字kmin = 37的识别； kmax = 43; elseif l == 2％识别第二个数字A〜Z字母kmin = 11; kmax = 36;否则，l> = 3％（在第三位数字之后）识别字母或数字kmin = 1; kmax = 36; endfor k2 = kmin：kmaxfname = strcat（'字符模板\'，liccode（k 2)，'。jpg'）; SamBw2 = imread（fname）; SamBw2 = double（SamBw 2)> 1;对于i = 1：40对于j = 1：20 SubBw2（i，j）= SegBw2（i，j）-SamBw2（i，j）; endend％减去2张图片得到第三张图片Dmax = 0;对于k1 = 1：40对于l1 = 1：20if（SubBw2（k1，l 1)> 0 | SubBw2（k1，l 1)

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shumachanpin/article-323611-1.html