输入字符图像
将文字图像归一化到24像素点的高度 左端, 轮廓检测 右端轮廓检测 结构特征提取
采用四边的轮廓结构特征和笔划统计识别字符 输出结果
图3-3单个字符识别流程图
采用四边的轮廓结构特征和笔划统计识别字符所得的结果如图所示 (a) (b) (c) (d)
图3-4数字识别结果的边框图形演示：（a）车牌中第一个数字0的轮廓识别结果；（b）图车牌中第二个数字8的轮廓识别结果（c）图车牌中第三个数字2的轮廓识别结果（d）图四车牌中最
后一个数字8的轮廓识别结果
3.6 本课题整体流程
汉字识别部分
车牌汉字字符特征提取按如下几个方面进行：
1车牌汉字的笔画特征。本文中车牌汉字的笔画特征主要是指通常意义上的汉字字体的笔画，比如横、竖、撇、捺等四种。
2 车牌汉字的结构特征。本文中车牌汉字的结构特征主要是指通常意义上的汉字字体的‘左右结构’、‘上下结构’、‘独立结构’。
3 车牌汉字的结构特征。本文中车牌汉字字符的笔顺结构主要是指通常意义上的汉字字体书写时的大致的习惯顺序，比如从上到下、从左到右2种。
车牌汉字字符特征提取是结合字体的笔顺特征进行。首先，利用图像的分割扫描字体的结构特征，比如车牌汉字字符中的‘鄂’字先分为左右结构，再分为上下结构，以此类推，最后定位在‘口’字独立结构上；同时分别编码为1（左右结构），2（上下结构），3（独立结构）。定义字体的结构特征为5维向量，不足的补零，最后‘鄂’字的结构特征被编码为XA=[12123]。同理，车牌汉字字符的‘京’字被编码为XA=[23003]（其中的0表示本次特征扫描中没有数值，即为空数据）。其次，按‘笔顺’（即从上到下、从左到右）扫描字体的笔画类型，并编码‘横’为1，‘竖’为3，“撇”为2，“捺”为4，并定义用一个5*7的矩阵存储每一个汉字的笔画特征数据。其中的维数5对应于字体的结构特征向量的维数，7对应于字体的笔画分析，要求精确到笔画数。例如，构成车牌汉字字符的“川”字的每一个结构字块的分析为： 其中的0表示本次特征扫描中没有数值，即为空数据。 4车牌汉字字符的模糊模式识别
模糊处理：由于扫描字体笔画类型过程中，同一种笔画类型的走向可能不同。尝试进行模糊描述。为此建立如下的隶属函数以描述笔画特征：
“横”1：1-abs(θ-90/17.5),72.5<θ<90; 1-abs(θ+90/17.5),-90<θ<-72.5; “竖”3：1-abs(θ/7.5）,-7.5<θ<7.5;
“撇”2：1-abs(θ+40/32.5）；-72.5<θ<-7.5； “捺”4：1-abs(θ-40/32.5);7.5<θ<72.5。
利用上述方法分别对要识别的汉字进行特征提取，以建立标准样本识别库。 贴近度的计算：选择格贴近度 （A,B）=A*B^(A(θ)*B(θ)); 其中，A代表待识别样本的特征矩阵； B代表标准识别样本的特征矩阵； θ代表字体的笔画走向角。
识别的实现：分别计算待识别汉字与标准样本汉字的贴近度，把贴近度最大的作为识别结果。字符标准识别样本字库：京、津、沪、渝、冀、豫、黑、吉、辽、皖、鲁、新、苏、浙、赣、鄂、桂、甘、晋、蒙、陕、闽、贵、青、藏、川、宁等。 识别过程实验测试用例分析
本文在WindowsXP操作系统下进行程序设计，在VC+6.0环境下设计实现了人机交互界面，采用MATLAB语言编程实现，在MATLAB6.5环境下设计了车牌汉字字符的特征提取和模糊识别相关子程序。
用于实现车牌汉字字符模板初始化的iniffmwork()函数，用于实现车牌图像细化的thin（）函数，用于车牌汉字字符结构特征提取的jgfx()函数，用于车怕汉字字符笔画特征提取的bhfx（）函数，和用于计算机模糊匹配度计算的adhere（）函数等等。 在VC++6.0中，相应源程序中的主要调用语句如下：
engEvalString(ep,“[CB,CMAP]=bmpread(‘picturel.bmp’,‘bmp’);”); engEvalString(ep,“imshow(CB,CMAP);”); engEvalString(ep,“title(读入图片);”); engEvalString(ep,“CB = thin (CB,CMAP);”); engEvalString(ep,“imshow(CB,CMAP);”); engEvalString(ep,“title(细化处理)；”)； engEvalString(ep,“CB=fanse(CB);”); engEvalString(ep,“figure;”);
engEvalString(ep,“imshow(CB,CMAP);”); engEvalString(ep,“title(反色处理);”); engEvalString(ep,“xarange=5;”); engEvalString(ep,“xbrange=7;”); engEvalString(ep,“TO=double(CB);”);
engEvalString(ep,“[M,XA,xanum]=jgfx(TO,xarange);”);
engEvalString(ep,“[XB,XU,XM,xbnum]=bhfx(M,TO,xarange,xbrange);”); engEvalString(ep,“wordrange=30;”);
engEvalString(ep,“[AM,BM,UM,BMNUM]=iniffmword(wordrange);”);
engEvalString(ep,“[maxend,flagp]=adhere(XA,XB,XU,AM,BM,UM,BMNUM,wordrange,xbnum);”);
图1 VC 界面图 图2 结构分析 图3 结构分析 图4 结果显示
3.6.1 对本课题流程的总体说明
一般的车牌识别系统分为如图所示三部分：
车牌定位 字符分割 字符识别
图3—5一般车牌识别系统框图
而本课题主要研究的是字符分割和字符识别两部分。在字符分割之前要得到已经进行部分处理后的图像。因此，本文在整体上分为两大部分。分别是车牌图像的预处理和字符识别。
在车牌图像的预处理部分要完成任务是：将所拍设下来的彩色车牌图像进行二值化并变成白底黑字的车牌图像，之后，通过数学形态学在MATLAB中的应用来进行车牌中存在的一些噪声的处理。然后根据对图片中列方向的黑色像素的积累的特点，通过列扫描的方法分析了图片的特征，由此，分割出七幅单个字符的图像。为下一补的字符识别做了准备。
在字符识别这一环节中。因为汉字的识别涉及到庞大的模式识别系统，所以本文主要是对车牌中数字的识别。而数字识别也主要是基于字符轮廓和基元检测的方法进行识别。此方法简化了程序，并得到了较好的效果。
3.6.2 用MATLAB完成本课题的流程图
开始
输入车牌图像
彩色图像转化成灰度图像 将灰度图像转化成二值图像 用开闭运算去除车牌中噪声 将图片分割成七幅单幅图像 输入单幅图像 四方向轮廓特征提取 基元检测 结构识别 输出结果 终止
图3-6车牌识别系统整体流程图
3.7 基于字符形态划分的字符识别方法的特点和不足
该方法是对字符结构的充分析构下通过归纳的方法的到的。 它的特点是:
不需要建立识别样本库，完全依据字符自身的结构特征进行逼近识别。
不需要将待识别字符与全部字符进行匹配识别，只需要归纳出较少的若干字符形态特征，(一般不超过3个特征，就可以识别出字符)因而提高了识别速度和准确率。
该方法的不足之处是对图像画质的要求较高，图像噪声对字符形态的影响是较大的。由于采用了基于连通值的去噪方法，所以一定程度上弥补了不足。对于噪声直径小于字符笔划宽度的情况可以较好的进行识别，但是对于噪声直径大于字符笔划宽度的图像，识别的结果可能会有所偏差。因此，基于字符形态划分的字符识别方法虽然拥有诸多优点，但还要接受更多的挑战。
3.8 本章小节
本章是对已经进行二值化，并且已经分割好的单幅字符图像进行识别。这一章是车牌号码中数字的自动识别研究的关键。通过对基元的检测，字符轮廓的统计。用一种简单易行的方法实现车牌中数字的自动识别。
结 论
本文是用MATLAB软件对车辆牌照中数字的自动识别。属于计算机视觉与模式识别领域的交叉应用。在本文中应用到了大量的MATLAB中关于图像处理方面的函数，并涉及到了数字图像处理，计算机应用等多方面的学科。
预处理中，图像灰度处理，图像二值化等方面充分利用了MATLAB的函数库，是程序简单易读且可实施性很强。在图像去噪方面应用了数学形态学中的开闭运算，实现了车牌中铆钉的有效去除，效果良好。字符图像分割，则是在对我国车牌的细致分析下，针对我国车牌的特点采用了列向量黑色像素积累的方法。事实证明此方法简单实用。
在字符识别环节，介绍了基于字符形态划分的字符识别方法。从字符的笔划上对字符进行解析和重构。实验结果表明，对于经过良好去噪的图像字符识别效果也是比较理想的。
程序中一切都从简单化出发，所以一些算法中还存在许多的不足。但是在完成本科毕业设计中，查阅了大量的相关资料，自我学习能力有了进一步提高。
近些年来，国内外许多学者经过对车辆牌照自动识别的研究，现在已经有许多新的方法涌现。相互取长补短，克服了车辆牌照自动识别系统的一些不足和欠缺的地方。本文也汲取了前人的一些
精华。虽然，还不是很成熟，但是如果经过进一步的优化，相信可以更进一步的提高识别的质量，达到工程实用的效果。
参考文献
[1] 李尚生，姜永华．瞬时中频测试技术及其在捷变频雷达测试中应用[J]．电子测量技术，2000(1)：36—38．
[2] 王云新，江俊峰，刘铁根．光电检测电路设计[J]．电子测量技术，2005(6)：18—19． [3] 李华。MCS-51系列单片机实用接口技术[M]．北京：北京航空航天大学出版社，1993． [4] 李朝青．单片机原理及接口技术[M]．北京：北京航空航天大学出版社，1998．
[5] 薛栋梁．MCS-51／151／251单片机原理与应用(二)[M]。北京：中国水利水电出版社，2001． [6] 徐爱钧．单片机高级语言C51编程与应用[M]．北京；电子工业出版社，2001．
[7] 王大印。基于数字图像处理的车牌识别系统。北京工业大学。理学硕士学位论文。2003年5月。1~3
[8] 程健。汽车牌照自动识别技术的研究。汕头大学。硕士学位论文。2003年3月，6~7 [9] 应宏微。汽车牌照静态图像识别系统的研究。浙江工业大学。硕士学位论文。2004年4月。1~3
[10] 王家文、曹宇编著。《MATLAB 6.5图形图像处理》国防工业出版社，1989年，170~171 [11] 冈萨雷斯，[美] Rafael C.Gonzalez、 Richard E.Woods 、Steven L.Eddins 编著。《数字图像处理（MATLAB版）》Digital Image Processing Using MATLAB。阮秋琦等译。电子工业出版社，2005年9月，252~263，305~307
[12] Abhijit S。Pandya， Robert B。Macy 著，徐勇等译，神经网络模式识别及其实现，电子工业出版社，1999(6)，35～55
[13] Darwiche E，Pandya A。S，and Mandalia A。D， “Automated opticalrecognition of degraded characters” SPIE vol。1661，1992
[14] Nelson。M， The Data Compression Book， M & T Books， San Mates， CA， [15] Naito T,Tsukada T,Yamada ,et al. Robust license2plate recog2 nition method for passing vehicles under outside environment [J ] . IEEE Transactions on Vehicular Technology , 2000 , 49(6) :2309～2319.
[16] 叶芗芸,等. 文本图像的快速二值化方法[J ]。红外与毫米波学报,1997 ,16(5) :344～350 [17] 龙建忠。汉字识别算法研究及其在车牌识别系统中的应用。四川大学电子信息学院。2003年。8~10
[18] 韩永强，李世祥，汽车牌照子图像的定位算法，微型电脑应用，1999，15(3)，14～16 [19] 宋建才。自符结构知识在车牌中的应用。计算机应用。2004年第四期。18～19
[20] 李宏升，利用牌照识别技术的停车场安全防盗系统，计算机系统应用，1999,10(5)，14～16
[21] 叶晨洲，廖金周，一种基于纹理的牌照图像二值化方法，微型电脑应用，1999,6(5)，28～