基于matlab的車牌識(shí)別系統(tǒng)的設(shè)計(jì)畢業(yè)設(shè)計(jì)

1、基于MATLAB的車牌識(shí)別系統(tǒng)的設(shè)計(jì)畢業(yè)設(shè)計(jì)畢業(yè)設(shè)計(jì)基于基于MATLABMATLAB的車牌識(shí)別系統(tǒng)的設(shè)計(jì)的車牌識(shí)別系統(tǒng)的設(shè)計(jì)摘要：汽車車牌的識(shí)別系統(tǒng)是現(xiàn)代智能交通管理的重要組成部分之一。車牌識(shí)別系統(tǒng)使車輛管理更智能化，數(shù)字化，有效的提升了交通管理的方便性和有效性。車牌識(shí)別系統(tǒng)主要包括了圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等五大核心部分。本文主要介紹圖像預(yù)處理、車牌定位、字符分割三個(gè)模塊的實(shí)現(xiàn)方法。本文的圖像預(yù)處理模塊是將圖

2、像灰度化和用Roberts算子進(jìn)行邊緣檢測的步驟。車牌定位和分割采用的是利用數(shù)學(xué)形態(tài)法來確定車牌位置，再利用車牌彩色信息的彩色分割法來完成車牌部位分割。字符的分割采用的方法是以二值化后的車牌部分進(jìn)行垂直投影，然后在對垂直投影進(jìn)行掃描，從而完成字符的分割。本文即是針對其核心部分進(jìn)行闡述并使用MATLAB軟件環(huán)境中進(jìn)行字符分割的仿真實(shí)驗(yàn)。關(guān)鍵詞關(guān)鍵詞：MATLAB、圖像預(yù)處理、車牌定位、字符分割基于MATLAB的車牌識(shí)別系統(tǒng)的設(shè)計(jì)輸出結(jié)果輸

3、出結(jié)果：輸出識(shí)別結(jié)果，并進(jìn)行數(shù)據(jù)存儲(chǔ)。三、各模塊的實(shí)現(xiàn)三、各模塊的實(shí)現(xiàn)車牌識(shí)別系統(tǒng)包括圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等模塊，本文主要研究圖像預(yù)處理、車牌定位和字符分割三個(gè)模塊。圖像預(yù)處理圖像預(yù)處理（1）圖像灰度化）圖像灰度化：因?yàn)檐嚺谱R(shí)別系統(tǒng)的攝像頭拍攝的圖片是彩色的，圖片的背景顏色有時(shí)和車牌的顏色相似，而且彩色圖片會(huì)占用較大的存儲(chǔ)空間，使計(jì)算機(jī)處理速度變慢，加重計(jì)算機(jī)負(fù)擔(dān)，所以我們要對拍攝的照片進(jìn)行灰度化處理。對于

4、將彩色圖像轉(zhuǎn)換成灰度圖像時(shí)，目前比較主流的灰度化方法叫平均值法，公式為：H=0.229R0.588G0.144B公式中H表示灰度圖的亮度值；R代表彩色圖像紅色分量值；G代表色彩圖像綠色分量值；B代表彩色圖像藍(lán)色分量值。RGB三分量前的系數(shù)為經(jīng)驗(yàn)加權(quán)值。加權(quán)系數(shù)的取值建立在人眼的視覺模型之上。對于人眼較為敏感的綠色取較大的權(quán)值；對人眼較為不敏感的藍(lán)色則取較小的權(quán)值。通過該公式轉(zhuǎn)換的灰度圖能夠比較好地反應(yīng)原圖像的亮度信息。在MATLAB中我

5、們可以調(diào)用im2gray函數(shù)對圖像進(jìn)行灰度化處理。（2）圖像的邊緣檢測：）圖像的邊緣檢測：邊緣是指圖像灰度發(fā)生空間突變或者在梯度方向上發(fā)生突變的像素的集合。用攝像機(jī)采集到的機(jī)動(dòng)車圖像由于受到噪聲干擾以及車輛本身的影響，使得獲得的圖像質(zhì)量不理想。因此，在進(jìn)行對汽車牌照的定位及字符識(shí)別之前需要先對車輛圖像進(jìn)行邊緣檢測處理，提高圖像的質(zhì)量，使其易于后面的分割和識(shí)別。通過良好的邊緣檢測可以大幅度的降低噪聲、分離出復(fù)雜環(huán)境中的車輛圖像、保留完好的