车牌

微分，这也就产生了新的边缘检测方法 —— LOG 边缘检测。 这种检测方法需要用高斯函数对图像进行平滑处理后，再用拉普拉斯算子计算 [09]。 车牌分割 车牌定位 车牌定位的本质是把车牌图像从含有汽车和背景的图像中提取出来，即输入车牌原始图像输出车牌图像。 在自然环境下，原始图像采集背景复杂，光照不均，在自然背景中准确地确定牌照区域是整 个牌照是别的关键。 经过图像于处理后所得到的图像

eessing toolbox,mumnication toolbox 等。 这些工具箱都是由该领域内学术水平很高的专家编写的，所以用户无需编写自己学科范围内的基础程序，而直接进行高，精， 尖的研究。 9)源程序的开放性。 开放性也许是 MATLAB 最受人们欢迎的特点。 除内部函数以外，所有 MATLAB 的核心文件和工具箱文件都是可读可改的源文件

最重要的成分是函数，其一般形式为 [a,b,c， ...]=fun(d,e,f,...),即一个函数由函数名，输入变量 d,e,f,...和输出变量 a,b,c,...组成，同一函数名 F，不同数目的输入变量（包括无输入变量）及不同数目的输出变量，代表着不同的含义（有点像面向对象中的多态性）。 这不仅使 MATLAB 的库函数功能更丰富，而且大大减少了需要的磁盘空间看，使得 MATLAB 编写的

图像处理 和计算机视觉方面的很多通用算法。 OpenCV主要分为四大模块，如图 31 所示。 OpenCV的 CV模块包含基本的图像处理函数和高级的计算机视觉算法。 ML 是机器学习库，包含一些基于统计和聚类工具。 HighGUI 包含图像和视频输入 /输出的函数。 CXCore 包含 OpenCV 的一些基本数据结构和相关函数。 图 31 系统流程图 配置 OpenCV 的 Qt 开发环境

30 致谢 31 附录 32 附录 A 外文资料 32 附录 B 程序清单 40 石家庄铁道大学四方学院毕业设计 1 第 1 章 绪 论 研究背景及意义 汽车牌照自动识别系统是智能交通系统的重要组成部分，是高科技的公路交通监控管理系统的主要功能模块之一。 它在传统的交通监控技术的基础上，引入了数字摄像技术和计算 机信息管理技术，采用先进的图像处理、模式识别和人工智能技术

利用摄像机室外拍摄车牌图像，存在许多外在的干扰，如天气、背景因素、车牌磨损、污染、图像中车牌倾斜等因素，因此定位并不十分理想。 车牌定位是解决图像分割、图像分析与理解的问题。 它的方法多种多样，它可以是对先前方法的改进，也可以是独辟蹊径的创新，也可以是新老方法的结合。 对一些复杂的图像应用某些数学工具不仅可以加快处理速度，而且可以改善和优化处理结果。 车牌定位是车牌识别的基础

处理和车牌提取。 流程图如图 2所示： 图 2 车牌定位算法流程图 车牌输入 旋转校正 灰度化 边缘检测 形态学处理 车牌提取 输出 基于 Matlab 的车牌定位系统的研究与设计 5 旋转校正 很多时候，待处理图片不一定是水平的图片，会有一些倾斜的图片，在资料搜集中，看到不少的研究者把旋转校正放在车牌定位后做，做一个车牌位置的旋转校正。 事实上，经过多次的实验和反复调试，车牌定位后做旋转校正

,39。 s39。 )。 %202。 228。 200。 235。 179。 181。 197。 198。 213。 213。 198。 172。 I=imread(k)。 imshow(I)。 %I=imread(39。 D:\123\39。 )。 figure(1),imshow(I)。 title(39。 212。 205。 188。 39。 ) I1=rgb2gray(I)。

量的函数 ， 使其越来越受到人们的喜爱 ， 工具箱越来越多 ，应用范围也越来越广泛。 MATLAB 以商品形式出现后 ， 仅短短几年 ， 就以其良好的开放性和运行的可靠性 ， 使原先控制领域里的封闭式软件包 （ 如英国的 UMIST ， 瑞典的 LUND，和 SIMNON ， 德国的 KEDDC ） 纷纷淘汰 ， 而改以 MATLAB 为平台加以重建。 在时间进入 20 世纪九十年代的时候 ，

的灰度， r(0≤r≤1) 表示 原始图像 的灰度 (0代表黑， 1 代表白 )。 在 [0,1]的区间任意取一个 r 值， 都对应着一个 s 值，且 s=T(r)， T(r)为变换函数。 为了使这种灰度变换具有实际意义， T(r)应该满足下列条件： 南京工程学院毕业设计说明书（论文） 12 1)在 0≤r≤1 区间， T(r)为单调递增函数； 2)在 0≤r≤1 区间。 有 0≤T(r)≤1。