基于MATLAB的车牌识别毕业设计样本.doc

基于MATLAB车牌辨认研究
摘要
汽车牌照自动辨认系统是近几年发展起来计算机视觉和模式辨认技术在智能交通领域应用重要研究课题之一。在车牌自动辨认系统中，一方面要将车牌从所获得图像中分割出来，这是进行车牌字符辨认重要环节，定位精确与否直接影响车牌辨认率。
本次毕业设计一方面对车牌辨认系统现状和已有技术进行进一步研究，在研究基本上开发出一种基于MATLAB车牌辨认系统，通过编写M文献，对各种车辆图像解决办法进行分析、比较，提出了车牌预解决、车牌粗定位何静定位办法。本次设计采用是基于边沿检测，先从通过边沿提取后车辆图像中提取车牌特性，进行分析解决，从而初步定出车牌区域，再运用车牌先验知识和分布特性对车牌区域二值化图像进行解决，从而得到车牌精准区域，并且获得了较好定位成果。

核心词：辨认率 车牌定位 二值化 边沿检测

Abstract
The subject of the automatic recognition of the most significant subiects that are improved from the connection of computer vision and pattren recognition .In LPSR ,the first step is for locating the license plate in the captured image which is very important for character recognition .The recognition correction rate of license plate is goverment by accurate degree of license plate location .
The graduation project first in-depth study on the status of the license plate recognition systems and existing technology，on the basis of the study developed a matlab-based license plate recognition system，a variety of vehicles，image processing，through the preparation of the M-fileanalysis of the proposed license plate pretreatment，the positioning of the coarse license plate positioning Jing. The design is taken based on edge detection，start to extract the license plate characteristics after the vehicle image edge extraction，analysis and processing，which initially identified the license plate area，then use the prior knowledge and distribution characteristics of the license plate plate region binary image processing，resulting in a precise area of the license plate，and has made good positioning results.

Key words：Recognition rate Location of the plate binary image
Checked up for the edge

目录
摘要 1
前言 4
第一章 绪论 5
1.1、课题研究背景和意义 5
1.2、国内外研究概况及发展趋势 6
1.3车牌定位意义 7
第二章 MATLAB简介 8
2.1.MATLAB发展历史 8
2.2MATLAB语言特点 9
第三章 车牌定位 11
3.1 车牌定位重要办法 11
3.1.1 基于直线检测办法 11
3.1.2 基于阈值化办法 12
3.1.3 基于灰度边沿检测办法 12
3.1.4 基于彩色图像车牌定位办法 13
3.2研究内容及实验方案 14
3.2.1研究内容 14
3.2.2 车牌辨认系统研究方案和办法 14
3.3 图像读取 15
3.4 预解决及边沿提取 17
3.4.1 图象采集与转换 17
3.4.2 图像预解决 17
3.4.3 图像增强 18
3.4.4灰度变换 18
3.4.5 图象平滑简介 20
3.4.6边沿检测 21
3.4.7图像腐蚀 22
3.5 牌照定位和分割 23
3.5.1 牌照区域定位和分割 24
3.5.2 牌照区域分割 24
3.5.3车牌进一步解决 24
3.6 图像边沿提取及二值化 25
3.7 形态学滤波 29
3.8 车牌提取 31
第四章 字符分割与辨认 32
4.1 字符分割与归一化 32
4.2 字符辨认 33
总结和体会 36
谢辞 37

前言
随着交通问题日益严重，智能交通系统应运而生。从20世纪90年代起，国内也逐渐展开了智能交通系统研究和开发，探讨在既有交通运送网基本上，提高运送效率，保障运送安全。
汽车牌照自动辨认系统是近几年发展起来计算机视觉和模式辨认技术在智能交通领域应用重要研究课题之一。车牌辨认目是对摄像头获取汽车图像进行预解决，拟定车牌位置，提取车牌上字符串，并对这些字符进行辨认解决，用文本形式显示出来。车牌自动辨认技术在智能交通系统中具备重要应用价值。在车牌自动辨认系统中，一方面要将车牌从所获取图像中分割出来，这是进行车牌字符辨认重要环节，定位精确与否直接影响车牌辨认率。
车牌自动辨认系统作为一种交通信息获取技术在交通车辆管理、园区车辆管理、停车场管理有着特别重要应用价值，受到业内人士普遍关注。车辆自动辨认系统由三某些构成，其中车牌定位作为最核心技术，成为重点研究对象。
车牌定位成功与否及定位精确限度将会直接决定后期能否进行车牌辨认及辨认精确度。由于在现实中，汽车车牌图像收到光照、背景、车型等外界干扰因素以及拍摄角度、远近等人为因素影响，导致图像受光不均匀，车牌区域不明显，给车牌区域提取带来了较大困难。
车牌定位办法有诸各种，当前比较典型定位办法大都在基于灰度图像基本上，本次设计就针对灰度图像定位进行了研究。针对不同背景和光照条件下车辆图像，提出了一种基于灰度变换特性进行车牌定位办法。根据车牌种不同区域灰度分布，车牌定位可以一方面将彩色车牌进行灰度化然后再进行车牌定位。

第一章 绪论
1.1、课题研究背景和意义
随着汽车数量迅速上涨，逐渐向自动化和实时性智能化管理进行转变。汽车智能化重要环节就是牌号自动辨认系统，重要使用仓储式立体库以及无人值守停车场管理、交通控制与诱导、不断车自动收费以及违章车辆以及车辆安全防盗等领域。牌照自动辨认是一项运用车辆动态视频或静态图像进行牌照号码、牌照颜色自动辨认模式辨认技术。该技术具备良好研究价值和辽阔应用前景。
车辆牌照自动辨认技术是智能交通系统一种重要构成某些，它在交通管理与监控中有着广泛应用。车辆牌照辨认系统技术可以从一副车辆图像中准拟定位车牌图像，通过字符切分和辨认后实现车辆牌照自动辨认，从而为以上应用提供信息和基本功能。当前，车牌辨认系统重要应用于如下领域：
(1) 停车场管理系统。运用车牌辨认技术对出入车辆车牌号进行辨认和匹配，与停车卡结合实现自动计时、自动收费车辆收费管理系统。
(2) 高速公路超速自动化管理系统。以车牌号自动辨认技术为基本，与其他高速高科技技术手段结合，对高速公路交通状况进行自动监测、自动控制，从而减少交通事故发生率，保证交通顺畅。
(3) 公路布控。采用车牌技术对重点车辆进行辨认，迅速报警，即可有效查找被盗车辆，又可作为公安、检察机关体工对犯罪嫌疑人交通工具跟踪和检查技术手段。
(4) 都市十字路口“电子警察”。可以对违章车辆进行责任追究，也可以辅助进行交通流量记录，交通检测和疏导。
(5) 社区车辆管理系统。社区保安系统将出入社区车辆通过车牌辨认技术进行记录，将成果与内部车辆进行对比，可以实现实时监管。
1.2、国内外研究概况及发展趋势
国内外有大量关于车牌辨认研究报道。国外在这方面研究工作开展较早。在上世纪70年代，英国就在实验室中完毕了“实时车牌监测系统”广域检测和开发。同步代，诞生了面向被盗车辆第一种实时自动车牌监测系统。发展到今日，国外车牌检测研究已经获得了令人瞩目成就，如yuntaocui提出了一种车牌辨认系统，在车牌定位后，运用马尔科夫场对车牌特性进行取值化，对样本辨认达到了较高辨认率。
车牌辨认技术作为智能交通系统中核心技术，在各国学者共同努力下，已经得到了长远展，并且已经得到了不同限度实际应用，但当前还存在这种种局限性。对于将来车牌辨认产品技术发展趋势，汉王科技智能交通部总经理乔炬以为，一方面，由于市场需求不同，对辨认产品需求也有差别，因而就规定研发针对不同细分市场车牌辨认产品。另一方面，随着算法不断改进，基于视频触发技术车牌辨认产品将得到大范畴应用，但是视频出发技术取代外触发装置尚需时日。第三，当前车牌辨认系统设备过多，系统集成难度大，系统稳定性差，系统维护是一种让人头疼问题。随着技术不断进步，以往各种设备实现功能也许由一种设备实现。
从车牌辨认系统进入国内以来，国内有大量学者在从事这方面研究，提出了许多新颖算法。当前上海大学图像解决实验室研制出汽车牌照自动辨认系统已经在泸宁高速公路收费口处得到了应用。该系统辨认率高，速度快，鲁棒性强，对环境和光照规定低，可以适应收费系统规定环境。在排除非正常牌照，严重污染牌照和对比度特别低牌照状况下，经现场数万辆车辆测试，对中文和后四个数字整体辨认率达99%以上，辨认时间＜0.2s，该系统结合人机对话，经泸宁高速公路江桥收费口试运营拟定，达到了实用规定。尚有中华人民共和国科学院自动化所刘志勇等开发系统在一种样本量为3180样本集中，车牌精确率为99.42%，切分精确率为94.52%，这套系统日后用于汉王公司车牌辨认系统，获得了不错效果。随着市场不断扩大，需求进一步提高，必将增进这一领域进一步发展。
当前，车牌辨认技术和产品性能进入实用阶段时间不是很长，随着人工智能以及自动辨认技术进步，将来技术发展空间还会非常大。例如，核心算法继续发展，辨认率和知识速度进一步改进，图像解决中对模糊图像预解决能力增强，画质改进技术提高等等。
1.3车牌定位意义
车牌定位是车牌定位辨认系统中核心技术之一，车牌照定位成果好坏直接影响着该系统辨认进度。所谓车牌照定位过程就是把车牌照区域完整从一幅复杂车牌图像中分割出来。然后对于一副车牌图像来说，车牌区域只占复杂车牌图像一小某些，要想精确地定位出车牌区域，就必要提取车牌区域内字符自身纹理特性及字符与其背景之间灰度特性来进行分析
当前社会已经进入信息时代，随着计算机技术、通信技术和计算机网络技术办法，自动化信息解决能力和水平不算提高，并在人们社会活动和生活各个领域得到广泛应用。在这种状况下，作为信息来源自动检测、图像辨认技术越来越受到人们注重。作为当代社会重要交通工具之一汽车，在人们生产、生活各个领域得到大量使用，对它信息自动采集和管理在交通车辆管理、园区车辆管理、停车场管理等方面有十分重要意义，成为信息解决技术一项重要课题。
车牌定位辨认系统正是在这中应用背景下研制出来可以自动实时检测车辆通过并定位辨认汽车牌照智能交通管理系统。车牌定位辨认系统是在装备了数字摄像设备和计算机信息管理系统等软硬件平台基本上，采用先进图像解决、模式辨认和人工智能技术，通过对图像采集和解决，完毕车牌定位辨认功能。车牌定位辨认系统，集现场辨认、远程传播和指挥中心网络化调度管理为一体，具备全天侯实时辨认车牌照、自动比对车辆信息、现场报警、事后排查、高速高效等功能，并符合21世纪安全防范和智能交通系统工程主流应用技术有关原则。
。

第二章 MATLAB简介
2.1.MATLAB发展历史
MATLAB是由美国Mathworks公司发布重要面对科学计算、可视化以及交互式程序设计高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统建模和仿真等诸多强大功能集成在一种易于使用视窗环境中，为科学研究、工程设计以及必要进行有效数值计算众多科学领域提供了一种全面解决方案，并在很大限度上挣脱了老式非交互式程序设计语言（如C、Fortran）编辑模式，代表了当今国际科学计算软件先进水平。
MATLAB是Matrix Laboratory缩写，意为“矩阵实验室”，是当今非常流行科学计算软件。这是由于信息技术、计算机技术发展，使得科学计算在各个领域得到了广泛应用，例如控制论、时间序列分析、系统仿真、图像信号解决等领域都产生了大量矩阵及其她计算问题。自己编写大量繁复计算程序，不但会消耗大量时间和精力，减缓工作进程，并且质量往往不高。美国Mathwork软件公司推出MATLAB软件正迎合了这一需求，为人们提供了一种以便数值平台。
MATLAB是一种交互式系统，其基本运算单元是不需要指定维数矩阵，并按照IEEE数值计算原则计算。系统自身提供了大量矩阵及其她运算函数，可以以便地进行很复杂计算，且运算效率高。MATLAB语言是当今国际上科学界最具影响力、也是最有活力软件。它来源于矩阵运算，并已经发展成为一种高度集成计算机语言。它提供了强大科学运算、灵活程序设计流程、高质量图形可视化与界面设计、便捷与其她程序和语言接口功能。MATLAB语言在各国高校与研究单位起着重大作用。
在70年代中期，Cleve Moler博士和其她同事在美国国家科学基金资助下开发了调用EISPACK和LIPACKFORTRAN子程序库。EISPACK是特性值求解FORTRAN程序库，LIPACK是解线性方程程序库。在当时，这两个程序库代表矩阵运算最高水平。到70年代后期，身为美国New Mexico大学计算机系系主任Cleve Moler在给学生讲授线性代数课程时，想教学生使用EISPACK和LIPACK程序库，但她发现学生用FORTRAN编写EISPACK和LIPACK接口程序。Cleve Moler给这个接口程序取名为MATLAB，该名为矩阵（matrix）和实验室(labotatory)两个英文单词前三个字母组合，在后来数年里，MATLAB在多所大学里作为教学辅助软件使用，并作为面向大众免费软件广为流传。
MATLAB 产品族可以用来进行如下各种工作：数值分析、数值和符号计算、工程与科学绘图、控制系统设计与仿真、数字图像解决技术、数字信号解决技术、通讯系统设计与仿真等。MATLAB 应用范畴非常广，涉及信号和图像解决、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。附加工具箱（单独提供专用MATLAB 函数集）扩展了MATLAB 环境，以解决这些应用领域内特定类型问题。
2.2MATLAB语言特点
MATLAB最突出特点就是简洁。MATLAB用更直观，符合人们思维习惯代码，代替了C和FORTRAN语言冗长代码。MATLAB给顾客带来是最直观，最简洁程序开发环境。她语言特点是：
1）、语言简洁紧凑，使用以便灵活，库函数极其丰富。MATLAB程序书写形式自由，运用起丰富库函数避开繁杂子程序编程任务，压缩了一切不必要编程工作。由于库函数都由本领域专家编写，顾客不必紧张函数可靠性。
2）、运算符丰富。由于MATLAB是用C语言编写，MATLAB提供了和C语言几乎同样多运算符，灵活使用MATLAB运算符将使程序变得极为简短。
3）、MATLAB既具备构造化控制语句（如for循环，while循环，break语句和if语句），又有面向对象编程特性。
4）、程序限制不严格，程序设计自由度大。例如，在MATLAB里，顾客无需对矩阵预定义就可使用。
5）、程序可移植性较好，基本上不做修改就可以在各种型号计算机和操作系统上运营。
6）、MATLAB图形功能强大。在FORTRAN和C语言里，绘图都很不容易，但在MATLAB里，数据可视化非常简朴。MATLAB还具备较强编辑图形界面能力。
7）、MATLAB缺陷是，它和其她高档程序相比，程序执行速度较慢。由于MATLAB程序不用编译等预解决，也不生成可执行文献，程序为解释执行，因此速度较慢。
8)功能强大工具箱是MATLAB另一特色。MATLAB包括两个某些：核心某些和各种可选工具箱。核心某些中有数百个核心内部函数。其工具箱又分为两类：功能性工具箱和学科性工具箱。功能性工具箱重要用来扩充其符号计算功能，图示建模仿真功能，文字解决功能以及与硬件实时交互功能。功能性工具箱用于各种学科。学科性工具箱是专业性比较强，如control,toolbox,signl proceessing toolbox,commumnication toolbox等。这些工具箱都是由该领域内学术水平很高专家编写，因此顾客无需编写自己学科范畴内基本程序，而直接进行高，精，尖研究。
9)源程序开放性。开放性也许是MATLAB最受人们欢迎特点。除内部函数以外，所有MATLAB核心文献和工具箱文献都是可读可改源文献，顾客可通过对源文献修改以及加入自己文献构成新工具箱。

第三章 车牌定位
3.1 车牌定位重要办法
所谓车牌定位算法是指在实际拍摄图像中拟定车牌区域位置以便提取分割出车牌区域图像问题。牌照迅速准拟定位是车牌自动辨认技术中非常核心一步，是典型图像分割问题，因而定位办法与车牌特性和图像解决技术是分不开。
典型车牌定位分割算法涉及从简朴灰度阈值办法、频域和空间分割办法到复杂连接元素办法以及Hough变化法等，在背景较复杂和光照不均匀条件下，这些办法难以获得令人满意分割效果。近年来，人们针对这种状况，提出了各种各样定位算法。当前没有一种原则图像数据库来评价无限制条件车牌定位算法性能，这个问题研究当前刚刚起步。
3.1.1 基于直线检测办法
在计算机辨认中，经常需要从图像上寻找特定形状图形，如果直接运用图像点阵进行搜索判断显然难以实现，这时就需要将图像像素按一定算法映射到参数空间。Hough变换提供了一种将图像像素信息按坐标映射到参数空间办法，通过它构建参数空间可以容易地对特定形状进行判断。
Hough变换是一种运用图像全局特性将特定形状边沿像素连接起来，形成持续平滑边沿一种办法。它通过将源图像上点映射到用于累加参数空间，实现对已知解析式曲线辨认。Hough变换惯用于对图像中直线和圆进行辨认。
此类办法普通采用Hough变化等办法来检测直线（车牌周边边框形成）。运用车牌形状特性来定位车牌，在实际运用中忧郁光照不均匀等影响和摄像机畸变，曝光局限性和动态范畴太窄等因素，导致图像存在伪影，加上车牌上灰尘、脏污等使形状特性体现不明显，从而影响定位效果，此外老式Hough变换法应用在车牌定位中，只是单纯进行直线检测，没有和车牌形状特性结合起来，并且Hough空间与原图像空间不是一一相应，由Hough空间中检测到特性点无法拟定出车牌轮廓起始位置，无法避免直线干扰问题，因而在有直线干扰时及未进行边框提取时也许性会大大增长。Hough变化计算量较大，对于边框不持续实际车牌，需要附加量加大运算。
3.1.2 基于阈值化办法
图像通过阈值化得到一种字符和背景分离二值图像是此类办法特点。当前已经提出了各种阈值化方略，但简朴算法二值化效果不好，复杂算法计算时间长、计算量大限制了实际应用。
3.1.3 基于灰度边沿检测办法
此类办法普通运用车牌区域局部对比度明显和灰度有规律变化纹理特性来定位。中华人民共和国车牌类型较多，在不同光照条件下车牌对比度更加不一，需要进行图像增强解决，还要考虑图像中与车牌特性非常相似非车牌区域排除问题。
（1）基于灰度直方图门限化边沿检测
基于灰度直方图门限化边沿检测是一种最惯用、最简朴边沿检测办法。对检测目的——背景图像中目的边沿效果较好。这种图像灰度直方图呈双峰状态。
（2）基于微分边沿检测
1.基于差分边沿检测
①一阶差分边沿检测
对位于边沿两侧点，像素点灰度值将发生急剧变化，因而有较大差分值。当差分方向和边界方向垂直时将获得最大差分，因而，只要对f(i ,j) 各方向差分值再进行一次门限化解决，即可检出边沿像素点，从而求得其边沿图像。
②二阶差分边沿检测
这是运用在图像边沿处，灰度发生急剧变化这一特性，采用图像灰度值沿着拟定方向(x，y或对角线)取二次差分后某些性质进行边沿检测。
2. 基于梯度边沿检测
由于边沿发生在图像灰度值变化比较大地方，相应持续情形就是函数梯度最大地方。Roberts算子、Prewitt算子和Sobel算子就是比较简朴而惯用例子。尚有一种比较直观办法就是运用当前像素临域中某些像素值拟合一种曲面，然后求这个持续曲面在该像素处梯度。从记录角度上说，咱们可以通过回归分析得到一种曲面，然后做类似解决。
3.1.4 基于彩色图像车牌定位办法
当前车牌分割受限于灰度图像，因此定位效果受阴影和光照条件限制。由于人类是绝对彩色信息比较敏感，人眼能力辨别灰度只有20多级，而辨别彩色却有35000各种，彩色图像可以提供更多视觉信息，有图像学者提出了运用车牌颜色信息来搜索牌照，将解决对象改为彩色图像以求可以精准地定位车牌。
例如某些系统采用BP神经网络对彩色图像进行彩色分割，把每个像素通过网络学习归类为盼望颜色，然后运用水平和数值直方图办法拟定牌照位置，但是当车牌区域颜色与附近颜色非常相似且牌照倾斜状况下彩色定位分个错误将会增长。
也有某些系统采用彩色边沿检测算子计算二值边沿图像，然后采用形态学办法来生成联通区域图像，在进行轮廓跟踪，一种标记候选牌照区域，但是当图中相似颜色区块较多时，定位速度会急剧下降。
也有系统一方面运用颜色信息对输入图像进行彩色粗分割，得到了颜色为车牌照某些区域。然后将分个成果中伪目的（即除了车牌区域以外区域）分为两类（一类是与汽车牌照颜色相近背景，一类是也许与牌照颜色相机汽车外壳），分别进行解决，最后运用投影法得到精确车牌位置。虽然这种办法定位率比较精确，但是辨认速度却很慢。此类办法普通都是将输入RGB彩色图像转换成HIS彩色图像，然后进行基于模糊逻辑或神经网络彩色分割，再进一步定位车牌，计算量大。
上述四种办法中，基于直线检测办法对国内车牌来讲并不完全使用，由于国内车牌悬挂明显不够规范，有些车牌边框不够明显必然导致定位算法失效，如果结合别算法侧需要在自身运算量很大状况下额外增长系统开销。车牌最明显特点是其纹理特性，基于灰度边沿检测办法不失为一种抱负选取。此外，基于颜色车牌定位也是比较普遍定位办法。
3.2研究内容及实验方案
3.2.1研究内容
本课题重要是就汽车牌照自动辨认进行一系列研究，通过查阅有关资料，理解课题背景，熟悉MATLAB软件基本操作，运用MATLAB软件，依照提供汽车车牌照片，采用图像分析和解决算法，有效辨认汽车车号等有关信息。重要研究内容有：
(1)在MATLAB基本上，实现车牌辨认系统中车牌定位及车牌字符辨认功能。
(2)对车牌定位、字符切分、字符辨认算法进行研究。
(3)对实验成果进行分析。
3.2.2 车牌辨认系统研究方案和办法
完整车牌辨认系统应包括车辆检测、图像采集、图像预解决、车牌定位、字符分割、字符辨认等单元。当车辆到达触发图像采集单元时，系统采集当前视频图像，牌照辨认单元对图像进行解决，定位出牌照位置，再将牌照中字符分割出来进行辨认，然后构成牌照号码输出。流程图如下：

图像预解决
区域搜索和分割
字符分割
图像输入

归一化
字符特性提取
单字辨认

图3.1.总体流程图
该系统是计算机图像解决与字符辨认技术在智能化交通管理系统中应用，它重要由牌照图像采集和预解决、牌照区域定位和提取、牌照字符分割和辨认等几种某些构成，如图3.1所示。其基本工作过程如下：
（1）当行驶车辆通过时，触发埋设在固定位置传感器，系统被唤醒处在工作状态；一旦连接摄像头光快门光电传感器被触发，设立在车辆前方、后方和侧面相机同步拍摄下车辆图像；
（2）由摄像机或CCD摄像头拍摄具有车辆牌照图像通视频卡输入计算机进行预解决，图像预解决涉及图像转换、图像增强、滤波和水平较正等；
（3）由检索模块进行牌照搜索与检测，定位并分割出包括牌照字符号码矩形区域；
（4）对牌照字符进行二值化并分割出单个字符，经归一化后输入字符辨认系统进行辨认。
3.3 图像读取
MATLAB中从图像中读取数据函数imread()，这个函数作用是将图像文献数据读入矩阵中，此外还可以用imfinfo()函数查看图像文献信息。函数imread可以从任何MATLAB支持图像文格式中读取一幅图像。格式为：
A=imread(filename,fmt)
[X,MAP]=imread(FTLENAME,'FMT'),其中：FTLENAME为需要读取图像文献名称，FMT是图像格式。
[...]=imread(filename,fmt)
[...]=imread(filename)
[...]=imread(URL,...)
[...]=imread(...,idx) (CUR,ICO,and TIFE only)
[...]=imread(...,'frames',idx) (GIF only)
[A,map,alpha]=imread(...) (ICO,CUR,and PNC only)
图像信息读取可以通过调用imfinfo函数获得与图像文献关于信息，格式如下：
INFO=imfinfo(FTLENAME,'FMT')，其中返回INFO是MATLAB一种构造体；
大多数图像文献格式采用8为数据存储像素值，将这些文献读入内存后，MATLAB都将其存储为unit8类型。对支持16为数据文献格式，如PNG和TIFE，MATLAB则将这些图像存储为unit16类型。和其她MATLAB生成图像同样，一旦一幅图像被显示了，那么它将成为一种图形对象句柄。
在读取图像之前，应当先清除MATLAB所有工作平台变量，并关闭打开图形窗口。为此，可使用如下命令：
clear；close all
然后使用图像选用函数imread就可以读取一幅图像。假设要读取图像为pout.tif(该图像是图像解决工具箱自带图像)，并将她存储在一种名为I数组中，使用命令：I=imread(‘pout.tif’);
然后调用inshow命令来显示图像：inshow(I)
本设计中图像读取程序如下：
imread('E:/车牌图片.jpg');

figure(),subplot(3,2,1),imshow(I),title('原始图像')

图3.2 .原始图像
Figure对象是MATLAB系统中涉及GUI设计编辑窗在内所有显示窗口。在系统运营极限条件下，顾客可以创立任意各种Figure窗。所有Figure对象父对象都是Root对象，而其她所有MATLAB图形对象都是Figure对象子对象。
如果当前没有创立任何Figure对象，MATLAB在调用一种绘图函数（如plot 函数mesh函数）时，都自动创立一种Figure对象，如果在 MATLAB系统中已经涉及了好多Figure窗，系统则总是指定一种Figure窗为当前窗口，后来所有函数默认把它作为输出图行窗。如果当前只有GUI设计编辑窗，MATLAB系统也默以为无可用Figure窗，及调用绘图函数时将重新创立一种Figure对象。

3.4 预解决及边沿提取
原始图像
灰度校正
平滑解决
提取并定位车牌

图3.3 预解决及边沿提取流程图
3.4.1 图像采集与转换
考虑到既有牌照字符与背景颜色搭配普通有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，运用不同色彩通道就可以将区域与背景明显地区别出来，例如，对蓝底白字这种最常用牌照，采用蓝色B 通道时牌照区域为一亮矩形，而牌照字符在区域中并不呈现。由于蓝色（255，0，0）与白色（255，255，255）在B 通道中并无区别，而在G、R 通道或是灰度图像中并无此便利。同理对白底黑字牌照可用R 通道，绿底白字牌照可以用G 通道就可以明显呈现出牌照区域位置，便于后续解决。原图、灰度图及其直方图见图2与图3。对于将彩色图像转换成灰度图像时，图像灰度值可由下面公式计算：
（3.4.1.1）
（3.4.1.2）
3.4.2 图像预解决
图像预解决是对原始资料进行遥感器效应和几何及辐射效应等应用前期解决，是将每一种文字图像分检出来交给辨认模块辨认。在图像分析中，对输入图像进行特性抽取、分割和匹配前所进行解决。图像预解决重要目是消除图像中无关信息，恢复有用真实信息，增强关于信息可检测性和最大限度地简化数据，从而改进特性抽取、图像分割、匹配和辨承认靠性。预解决过程普通有数字化、几何变换、归一化、平滑、复原和增强等环节。
图像预解决是车牌定位准备工作，以提高车牌图片合用性。图像不但涉及车牌照，并且尚有汽车自身和汽车背景图像，因而必要去掉这些非牌照图像影响，才有也许对的提取出牌照区域，为后来车牌字符辨认打下基本。在实际用用中，由于季节更替、自然光照昼夜变化、光照稳定性与均匀性、车辆自身运动、观测点、采集图像设备自身因素等影响，因而必要对图像进行预解决，以改进图像质量，提高字符辨认率。
3.4.3 图像增强
对车辆图像进行灰度化解决值后，车牌某些和非车牌某些图像对比度并不是很高，此时如果直接进行边沿提取，由于车牌界限较为模糊，难以提取出车牌边沿，因而难以准拟定位车牌。为了增强牌照某些图像和其她部位图像对比度，使其明暗鲜明，有助于提高辨认率，需要将车辆图像进行增强。
图像增强目是对图像进行加工，以得到对详细应用来说视觉效果更适共计算机辨认图像。增强图像办法有诸多，如灰度变换、图像平滑解决和线性滤波等，依照解决图像域又可以分为空间增强与领域增强。当前用于车牌图像增强办法有：灰度拉伸直方图均衡中值滤波高斯滤波图像腐蚀同等滤波等等。
3.4.4灰度变换
灰度图是指只包括亮度信息，不包括彩色信息图像，例如平时看到亮度持续变化黑白照片就是一幅灰度图。灰度化解决就是将一幅彩色图像转换成为灰度图像过程。彩色图像分为R、G、B三个分量，分别显示出红、绿、蓝等各种颜色，灰度化就是彩色R、G、B分量相等过程。灰度值大像素点比较亮，反之比较暗。输入彩色图像包括大量颜色信息，会占用较多存储空间，且解决时也会减少系统执行速度，因而对图像进行辨认等解决时，常将彩色图像转换为灰度图像，以加快解决速度。
图像灰度化算法重要由如下3种：
（1）最大值法：是转化后R、G、B值等于转化前3个之中最大一种，即:
（3.4.4.1）
这种办法转换灰度图亮度高。
（2）平均值法：使转化后R、G、B值为转化前R、G、B平均值
（3.4.4.2）
这种办法产生灰度图像比较柔和。
（3）加权平均值法：按照一定权值，对R、G、B值加权平均，即：
（3.4.4.3）
其中，、、分别为R、G、B权值。、、取不同值，将形成不同灰度图像。由于人眼对绿色最为敏感，红色次之，对蓝色敏感性最低，因而使＞＞将得到较易辨认灰度图像。

图3.4.灰度图像
灰度图像显示最基本调用格式如下：
imshow(I)
imshow 函数是通过将灰度值表杜威灰度级调色版索引来显示图像。如果I是双精度类型，若像素值为0.0，则显示为黑色，1.0则显示为白色，0.0和1.0之间类型，像素值将显示为灰影。如果I为unit16则像素值65535将被显示为白色。
imshow函数显示灰度图像另一种调用格式是：是用明确地指定灰度级数目。例如，如下语句将显示一幅32个灰度及图像I：
imshow(I，32)
本次毕业设计中灰度图像显示语句为：
I1=rgb2gray(I);
figure(2),subplot(1,2,1),imshow(I1);title（'灰度图'）；
为了更好地观测图像灰度分布信息，可以用imhist函数创立描述图像灰度分布直方图，并使用figure命令将直方图显示在一种新图像窗口，程序语句如下：
figure(2),subplot(1,2,2),imhist(I1);title('灰度直方图')
从图3.4中可以看出，由于图像灰度范畴比较狭窄，没有覆盖整个灰度范畴[0,255]，并且图像中灰度值高低区别较明显，因而能产生好对比效果。
3.4.5 图象平滑简介
图像平滑是对图像作低通滤波,可在空间域或频率域实现。空间域图像平滑办法重要用低通卷积滤波、中值滤波等；频率域图像平滑惯用低通滤波器有低通梯形滤波器、低通高斯滤波器、低通指数滤波器、巴特沃思低通滤波器等。对于受噪声干扰严重图像，由于噪声点多在频域中映射为高频分量，因而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办法来削弱噪声影响，这种办法称为图象平滑解决。例如，某一象素点邻域S 有两种表达办法：8邻域和4邻域分别相应邻域平均值为，

（3.4.5.1）
其中，M为邻域中除中心象素点f(i,j)之外涉及其他象素总数，对于4邻域M=4，8邻域M=8。然而，邻域平均值平滑解决会使得图像灰度急剧变化地方，特别是物体边沿区域和字符轮廓等某些产生模糊作用。为了克服这种平均化引起图像模糊现象，咱们给中心点像素值与其邻域平均值差值设立一固定阈值，只有不不大于该阈值点才干替代为邻域平均值，而差值不不不大于阈值时，仍保存本来值，从而减少由于平均化引起图像模糊。
车牌图像往往存在某些孤立噪点，在汽车牌照图像解决初期，若不能有效抑制或者去除这些噪点，将影响车牌定位精确性或者导致无法定位。普通采用图像平滑办法去除噪点。

图3.5 清除小面积对象后图像
3.4.6边沿检测
图像解决并不但限于对图像进行增强、复原和编码，还要对图像进行分析，图像分析旨在对图像进行描述，即用一组数或符号表征图像中目的区特性、性质和互相间关系，为模式辨认提供基本。描述普通针对图像或景物中特定区域和目的。为了描述，一方面要进行分割。边沿检测是图像分析中重要内容。边沿是图像最基本特性。所谓边沿，是指周边像素灰度有阶跃变化或屋顶变化那些像素集合。边沿广泛存在于物体与背景之间、物体与物体之间，基元与基元之间，因而她也是图像分割所依赖重要特性。
数字图像边沿检测是图像分割、目的区域辨认、区域形状提取等图像分析领域十分重要基本，也是图像辨认中提取图像特性一种重要属性。