五、总体设计
车牌识是一辆汽车独一无二的信息，因此，对车辆牌照的识别技术可以作为辨识一样车最为有效地方法。车牌识别系统包括摄取的汽车图像，车牌号码的识别，车牌图像的采集和预处理，牌照区域的定位和提取，牌照字符的分割和识别等几个部分组成，如下图所示。
输入预输出车牌定字符字符归 图1 车牌识别系统流程图
六、具体设计
界面效果图
5
（1）灰度校正
由于牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不完全匹配，这将直接影响到图象的后续处理。如果造成这种影响的原因主要是由于被摄物体的远近不同，使得图象中央区域和边缘区域的灰度失衡，或是由于摄像头在扫描时各点的灵敏度有较大的差异而产生图象灰度失真，或是由于曝光不足而使得图像的灰度变化范围很窄。这时就可以采用灰度
6
校正的方法来处理，增强灰度的变化范围、丰富灰度层次，以达到增强图象的对比度和分辨率。我们发现车辆牌照图象的灰度取值范围大多局限在r=(50,200)间，而且总体上灰度偏低，图象较暗
图6 灰度增强后的图像
（2）平滑处理
对于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量，因此可以在通过低通滤波器来滤除噪声，但实际中为了简化算法，也可以直接在空域中用求邻域平均值的方法来削弱噪声的影响，这种方法称为图象平滑处理。 例如，某一象素点的邻域S 有两种表示方法：8邻域和4邻域分别对应的邻域平均值为，g(i,j)?1M(i,j)?s?f(i,j)。其中，M 为邻域中除中心象素点f(i,j) 之
外包括的其它象素总数，对于4邻M=4，8 邻域M=8。然而，邻域平均值的平滑处理会使得图象灰度急剧变化的地方，尤其是物体边缘区域和字符轮廓等部分产生模糊作用。为了克服这种平均化引起的图象模糊现象，我们给中心点象素值与其邻域平均值的差值设置一固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原来的值，从而减少由于平均化引起的图象模糊。边缘提取是较经典的算法，此处边缘的提取采用的是Roberts算子。
综上所述，结合MATLAB实验过程，得出不是每一种图像处理之初都适合滤波和边界增强。本次汽车车牌的识别，为了保存更多的有用信息，经过多次比较，选择图9作为后期处理的依据。
7
（6）操作界面设计
为了使整个操作界面更加的美观，对背景颜色和字体颜色进行设置。
二、程序调试及结果分析
在程序设计过程中，碰到很多的问题。
a) 一个函数只能对灰度图像处理，不能对RGB图像处理，那么
如何才能对RGB图像处理呢？
这主要是对MATLAB函数的不够清楚，用到的很多函数是针对二维数据的，而RGB图像的数据是一个三维矩阵，所以处理要与灰度图像不同，在开始的时候，我认为应该找一个能够应用于三维矩阵的函数，结果却没找到，后来想到可以把三维数据进行降维处理，同样使用二维的函数，只要是同样处理三次。比如，彩色图像的滤波处理，直方图均衡等。
b) 同一个操作对灰度图像可以使用，当用户选择的是彩色图像
时，该操作就会出错？
这是由于设计程序时，本身程序是有针对性的，有些程序只能对灰度图像有效，有些对彩色图像有效，但是用户并不清楚这些，所以在设计的过程中就要考虑全面，要分开设计。在本次课程设计中，我均对每个程序的开始时，用if isrgb（x）进行判断。
c) 在没有加入噪声的情况下，点击“中值滤波”或是其它滤波，
会提示错误？
这是由于在滤波程序设计的过程中，开始用到的变量是
handles.noise_img，而这个变量是在加入噪声时候才定义的，所以在没有加入噪声的情况下，点击各个滤波就会弹出变量没有定义的错误，解决方法就是在文件打开的时候就给定义handles.noise_img=x。
d) 本次设计存在一个比较大的问题，就是每次操作都是独立的，
比如：要对图像加入噪声，然后在此基础上进行亮度调整，截图，频谱分析等等就不行。
我认为应该是整个程序设计过程中对变量的设置没有做好，应该每次操作后，把处理后的数据保存在一个全局变量，这样还要对处理后的数据进行在处理时，只要把这个全局变量作为原始数据带入就可。
三， 心得体会
1、在这次课程设计过程中，感触很深，由于对MATLAB图像处理的函数不
熟悉，导致自己走了很多的弯路，比如在设计图像左转90度和右转90度时，由于开始并不知道imrotate函数，只知道上下翻转flipud和左右翻转fliplr函数，想着要怎么用这两个函数来实现左转和右转呢，如果当当只用矩阵转置的话，并不能达到要求，后来想可以结合flipud和fliplr函数来实现，下面程序是实
8
相关推荐：
loading