文章编号:100429037(2009)增刊20141203
基于M AT LAB 图像处理的车辆检测与识别
赵小军 林 晨 黄柳仙 杨以月
(青岛理工大学机械工程学院,青岛,266033)
摘要:针对目前汽车检测与识别所采用的方法在各个方面存在的不足,提出了一种基于M A TLAB 图像识别和处理技术的车辆检测方法,并用实例验证了其可靠性。该方法减轻了操作者的劳动强度,弥补了人在视觉与反应方面的不足之处,提高了统计的效率及准确率。关键词:图像处理;检测与识别;M A TLAB 中图分类号:T P 317.4 文献标识码:A
收稿日期:
2009206201;修订日期:2009207215
Veh icle D etection and Recogn ition of M AT LAB -Ba sed
I mage Processi ng M ethod
Z hao X iaojun ,L in Chen ,H uang L iux ian ,Y ang Y iy ue
(Co llege of M echanical Engineering ,Q ingdao T echno logical U niversity ,Q ingdao ,266033,Ch ina )
Abstract :A i m ed at the deficiencies in all aspects of m ethods u sed in au tom ob ile detecti on and recogn iti on p resen tly ,a veh icle detecti on m ethod based on M A tlaB I m age recogn iti on and p ro 2cessing techno logy is p resen ted .T he reliab ility of the m ethod is tested and verified w ith exam 2p les .T he m ethod ligh ten s the labo r in ten sity of operato rs ,m akes up the lack of hum an re 2spon se and visi on ,and i m p roves the efficiency and the accu racy in statistics .Key words :i m age p rocessing ;detecti on and recogn iti on ;M A TLAB
引 言
近年来,以图像分析及计算机视觉为基础大范围、全面的对车辆进行检测和识别的理论发展迅速,并能对交通信息进行全面的分析和管理。交通信息的获取、处理和管理包括:车辆及其牌照的检测、识别和分类;交通运行状态的检测(交通流量检
测、车速检测、阻塞及拥挤检测等);交通异常事件检测(堵车检测、车祸检测、违章超车检测、闯红灯违章检测等);交通运行状态的估计与预测;交通的智能控制与理等。本文主要对交通流量检测进行相关的研究,所采用的主要方法为基于M A TLAB 的图像处理和图像识别技术。
1 基于M A TLAB 的图像处理
常用的图像采集方法有图像采集卡采集、摄像机采集、数码相机拍摄等方法。本文采用300万像
素的数码硬盘摄像机获取交通路口的数码图像,该
方法具有操作简单、图像清晰度较高、移动性强等优点。
111 图像的读入
在M A TLAB 中,通过i m read 函数可以将格式为bm p ,cu r ,gif ,hdf ,ico ,jpg 或jpeg ,pbm ,pcx ,pgm ,p ng ,p nm ,ppm ,ras ,tif 或tiff ,xw d 等的图像读入内存,返回一个大小与原图像大小(图像的大小以像素计)相同的矩阵,通过i m show 函数将矩阵代表的图像显示在窗口上,可以看到,显示出来的图像与原图像是完全一样的[1]。
112 图像预处理
11211 图像灰度化处理
通常情况下,获得的原始图像是一个R GB 图
像,由于涉及的图像处理函数多针对灰度图像,因此需要将R GB 图像转换为灰度图像,灰度图像矩阵中每个元素代表一个像素点,如果矩阵为un it 8
第24卷增刊2009年10月数据采集与处理Journal of D ata A cquisiti on &P rocessing V o l .24N o.S O ct .2009
类型,其数据范围为[0,255],不同的元素数值代表不同的亮度或灰度级,数值0代表黑色,数值255代表白色,数值越大,表明该位置像素点亮度越高。112.2 图像滤波处理
从交通场景中获得的图像含有大量的点状或尖峰状噪声,多数是由于天气等原因引起的,而且运动速度较快会引起运动模糊现象。滤波处理就是要有效地去除这两种噪声。去噪的方法有很多,大致分为两大类:时域去噪和频域去噪。时域去噪的代表方法有加权平滑法、中值滤波、二值形态学法等;频域去噪的代表方法有经典数字滤波器、同态滤波、小波分析等。经过分析比较本文采用时域去噪中的中值滤波法,它不仅具有抑制干扰脉冲和点状噪声的作用,并且可保持较好的图像边缘,在M A TLAB中中值滤波的函数是m edfilt2[2]。
2 背景差法目标检测
背景差分法的原理是:首先获得车辆活动区域的道路背景图像,然后用当前输入图像和保存的背景图像做相减运算,获得差值图像。通过对差值图像进行二值化等处理可以判别当前输入图像中车辆信息。
这种算法的优点:能够检测运动车辆也能够检测静止车辆;算法原理简单,不涉及求取均值等较耗费时间的运算,运算速度较快;算法对光线变化不敏感,鲁棒性强。此方法的缺点是由于环境是时刻变化的,背景也在不断变化,因此必须不断地更新背景以防止环境变化所起的检测误差。
211 目标检测与识别
在背景及时更新下利用当前帧图像与背景图像做绝对差值运算,得到所需要的汽车目标信息,经过一系列的对象操作,最后做图像二值化变换即可得到目标。利用M A TLAB中的对象操作函数[1,num]=bw label(bw,n)还可实现对汽车数量的统计(结果中num即为汽车数量),用disp lay(num)可显示num的值[3]。
212 目标检测的试验结果分析
本次实验硬件环境:1GB内存;Pen tium D双核118GH z.软件环境:W indow s XP;M A TLAB R2008b.实验结果如图124所示
。
图1
中值滤波后的原始背景图像
图2
中值滤波后的当前帧图像
图3
背景差分图像
图4 二值化后的背景差分图像
213 目标检测的用户界面设计
图形用户界面(GU I)的广泛流行是当今计算机技术的重大成就之一,它极大地方便了非专业用户的使用,人们不再需要死记硬背大量的命令,而可以通过窗口、菜单方便地进行操作,当用户采用GU I执行操作后,屏幕上能立即给出反馈信息或结果[1]。基于这方面的特点,本文也自行设计了目标检测的M A TLAB GU I用户界面,如图5所示。
241数据采集与处理第24卷
图5 目标检测的GU I界面
3 目标跟踪
目标跟踪和目标检测是紧紧相连的,目标检测的目的不只是要检测出运动目标,而且要了解目标的一些特性,比如位置、形状大小、变化方向和趋势、速度及其他一些有利于目标识别的特征。这些特征的获得可以使系统不仅能够发现动目标,而且能够有效地掌握动目标的运动趋势。跟踪等价于在连续的图像帧间创建基于位置、速度、形状、纹理、色彩等有关特征的对应匹配问题。跟踪有助于对象运动轨迹的预测和对象分割。
311 目标跟踪的目的
(1)判断什么时候有新的对象进入了系统的观察场景中,并为刚进入的对象初始化跟踪的运动模型;
(2)计算当前帧中用背景差方法得到的对象与当前被系统跟踪的对象之间的相关性;
(3)用跟踪算法来预测每个对象的位置,并更新用于跟踪的运动模型。
312 跟踪算法的分类
跟踪是通过分析被跟踪对象的几何特征和基于区域的特性来实现的。从这一角度来看,跟踪算法可以分为基于边界的方法和基于区域的方法。经过实验分析,本文采用基于边界的方法进行目标跟踪。
基于边界这种方法依赖于由对象边界提供的信息,它在跟踪中被广泛地采用,因为基于边界的特征可以提供可靠的信息,这些信息不依赖于运动的类型和对象的形状。通常,基于边界的跟踪算法使用主动轮廓模型,像snakes和geodesic active co2 n i ou rs。这些模型是基于能量或基于几何的最小化方法,这些模型在内部和外部能量的作用下对初始曲线进行演化。
313 基于边界特征的目标跟踪结果分析
利用本文方法的跟踪结果如图6所示。结果表明:在背景能够及时得到更新下检测准确率可以达到98%以上
。
图6 边缘法跟踪结果
4 结束语
利用M A TLAB图像处理技术很方便地实现了背景图像中车辆的检测与跟踪。试验结果表明,在背景能够及时得到更新下检测准确率可以达到98%以上,这大大提高了工作效率及准确率,同时也避免了其他软件繁琐的编程工序,为后续进一步研究奠定基础。更重要的是本方法对灰度值与背景灰度值相近的目标车辆,同样得出很理想的检测结果。
参考文献:
[1] 许志影,李晋平.M A TLAB及其在图像处理中的应
用[J].计算机与现代化,2003(4):64265.
[2] 罗军辉,冯平.M A TLAB710在图像处理中的应用
[M].北京:机械工业出版社,2005.
[3] 董长虹,赖志国,余啸海.M A TLAB图像处理与应用
[M].北京:国防工业出版社,2004.
[4] 王家文,李仰军.M A TLAB710图形图像处理[M].北
京:国防工业出版社,2006.
作者简介:赵小军(19822),男,硕士研究生,研究方向:图像处理,E2m ail:zxjlyt@https://www.doczj.com/doc/d92738856.html,;林晨(19622),男,博士,教授,研究方向:表面工程中的表面涂层强化、机械结构的疲劳强度研究;黄柳仙(19732),男,硕士研究生,研究方向:表面涂层;杨以月(19842),男,硕士研究生,研究方向:连铸坯的质量分析、表面温度测量。
341
增刊赵小军,等:基于M A TLAB图像处理的车辆检测与识别
图像处理及识别技术在机器人路径规划中的一种应用 摘要：目前，随着计算机和通讯技术的发展，在智能机器人系统中，环境感知与定位、路径规划和运动控制等功能模块趋向于分布式的解决方案。机器人路径规划问题是智能机器人研究中的重要组成部分，路径规划系统可以分为环境信息的感知与识别、路径规划以及机器人的运动控制三部分，这三部分可以并行执行，提高机器人路径规划系统的稳定性和实时性。在感知环节，视觉处理是关键。本文主要对机器人的路径规划研究基于图像识别技术，研究了图像处理及识别技术在路径规划中是如何应用的，机器人将采集到的环境地图信息发送给计算机终端，计算机对图像进行分析处理与识别，将结果反馈给机器人，并给机器人发送任务信息，机器人根据接收到的信息做出相应的操作。 关键词：图像识别；图像处理；机器人；路径规划 ABSTRACT：At present, with the development of computer and communication technology, each module, such as environment sensing, direction deciding, route planning and movement controlling moduel in the system of intelligent robot, is resolved respectively. Robot path planning is an part of intelligent robot study. The path planning system can be divided into three parts: environmental information perception and recognition, path planning and motion controlling. The three parts can be executed in parallel to improve the stability of the robot path planning system. As for environment sensing, vision Proeessing is key faetor. The robot path planning of this paper is based on image recognition technology. The image processing and recognition technology is studied in the path planning is how to apply, Robots will sent collected environment map information to the computer terminal, then computer analysis and recognize those image information. After that computer will feedback the result to the robot and send the task information. The robot will act according to the received information. Keywords: image recognition，image processing, robot，path planning
MATLAB数字图像处理 1 概述 BW=dither(I)灰度转成二值图； X=dither(RGB,map)RGB转成灰度图，用户需要提供一个Colormap； [X,map]=gray2ind(I,n)灰度到索引； [X,map]=gray2ind(BW,n)二值图到索引，map可由gray(n)产生。灰度图n默认64，二值图默认2； X=graylice(I,n)灰度图到索引图，门限1/n,2/n,…,(n-1)/n，X=graylice(I,v)给定门限向量v； BW=im2bw(I,level)灰度图I到二值图； BW=im2bw(X,map,level)索引图X到二值图；level是阈值门限，超过像素为1，其余置0，level在[0,1]之间。 BW=im2bw(RGB,level)RGB到二值图； I=ind2gray(X,map)索引图到灰度图； RGB=ind2rgb(X,map)索引图到RGB； I=rgb2gray(RGB)RGB到灰度图。 2 图像运算 2.1 图像的读写 MATLAB支持的图像格式有bmp,gif,ico,jpg,png,cur，pcx,xwd和tif。 读取（imread）： [1] A=imread(filename,fmt) [2] [X,map]=imread(filename,fmt) [3] […]=imread(filename) [4] […]=imread(URL,…) 说明：filename是图像文件名，如果不在搜索路径下应是图像的全路径，fmt是图像文件扩展名字符串。前者可读入二值图、灰度图、彩图(主要是RGB)；第二个读入索引图，map 为索引图对应的Colormap,即其相关联的颜色映射表，若不是索引图则map为空。URL表示引自Internet URL中的图像。 写入（imwrite）： [1] R=imwrite(A,filename,fmt); [2] R=imwrite(X,map,filename,fmt); [3] R=imwrite(…,filename); [4] R=imwrite(…,Param1,V al1,Param2,Val2) 说明：针对第四个，该语句用于指定HDF,JPEG,PBM,PGM,PNG,PPM,TIFF等类型输出文件的不同参数。例如HDF的Quality,Compression,WriteMode;JPEG的BitDepth，Comment:Empty or not，Mode:lossy or lossless，Quality等。 2.2 图像的显示 方法1：使用Image Viewer(图像浏览器)，即运用imview函数。 同时显示多帧图像的所有帧，可用到montage函数。
龙源期刊网 https://www.doczj.com/doc/d92738856.html, 基于图像处理技术的车牌识别方法研究 作者：朱明秀 来源：《信息记录材料》2019年第03期 【摘要】近几年，智能化在我国各行各业中都应用极广，在交通系统中应用也非常多，车牌识别技术则是其中之一，如何在车辆正常行使状态下完成车牌自动识别？本文将从车牌识别现状入手进行分析，找到现有识别方式的一些问题，再吸取经验，从车牌定位、车牌字符分割、车牌字符识别几方面对基于图像处理技术的车牌识别方法进行探讨。 【关键词】图像处理技术车牌识别方法抓取识别 【中图分类号】TP274 【文献标识码】A 【文章编号】1009-5624（2019）03-0224-03 1 引言 随着经济和科技的发展，我国国民生活水平也日益提高，汽车成为每家每户常见的交通工具，这虽然带动了我国经济的发展，但也使交通管理工作量变大，在这种情况下，再依靠传统的办法根本无法完成交通管理工作，这就需要我们依靠信息化、智能化的技术去辅助完成交通管理工作。对于车辆来讲其主要识别是依靠车牌来的，因此我们必须将这种智能化、信息化技术应用到车牌识别中来，使之能服务于我国的车辆管理工作，使车辆管理工作能更加高效的运行。 2 车牌识别技术概述 2.1 车牌识别技术现状 近年来我国的车牌智能识别技术发展也非常快，现有的识别技术普遍有两种，一种是将车牌信息收集储存于IC卡或者条形码，通过无线电频率鉴别系统来识别汽车车牌号码，这种识别技术相对准确度比较高，但整套设备存在2个实际操作的问题：①十分复杂，不利于异型作业，而且需要所有车牌按照全国统一标准来制定，执行难度很大。②对扫描的工具要求非常高，这导致整套设备价格成本过高，而且虽能进行扫描，但无法核实车和卡是否一致，这也是个目前尚未突破的技术问题，这些问题都导致通过IC卡或条形码来进行识别的技术无法得到很好的推广。另一方面是直接通过突破来进行识别，因为这种识别方法能在无任何信号发送设备的情况下抓取到不同状态车辆的车牌，并通过非接触性信息菜系系统来进行智能识别，这种方法近年来使用很多，其相对IC卡和条形码来讲，能有效降低从成本，提高经济效益，而且起能通过图像抓取和人为参与结合来解决系统中的识别错误问题，有效提高。 2.2 车牌识别技术的研究意义
车牌提取 本文介绍了车牌定位的各种算法及发展，并利用matlab软件对一幅车头照片进行了车牌区域的定位。 一、前言 数字图像处理技术的发展十分迅速，最初应用在空间探索及医学领域，如今，它已经成为工程学、计算机科学、信息科学、统计学、物理学、化学、生物学甚至社会科学等领域学习和研究的对象。同时，随着我国经济的高速发展，交通变得日益繁忙，对智能交通系统的研究变得十分迫切。利用了图像处理技术的车牌自动识别系统己成为智能交通系统的重要组成部分。 要实现交通智能化，首先要能获得道路交通状况和车辆情况的相关数据，因此车辆牌照的识别智能交通领域的一个重要研究课题之一，是实现交通智能化的一个重要环节。要想准确识别出车牌的数字，首先必须要能在含有车牌的图像中定位出车牌的位置，才能进行进一步的数字分析识别，所以，车牌的定位技术是车牌识别的基础。 二、相关理论介绍 （一）车辆牌照的特点 现在我国车牌有4种类型： （1）小功率汽车使用的蓝底白字牌照； （2）大功率汽车使用的黄底黑字牌照； （3）军、警用的白底黑字、红字牌照； （4）国外驻华机构使用黑底白字牌照。 这些牌照的长度均为45cm，宽为15cm，共有字符7个。一般民用牌照第一个字符为汉字，且是各省市的简称；第二个字符为大写英文字母，如“E”；第三个字符是英文字母或阿拉伯数字，第四至第七个字符为阿拉伯数字，如“沪E 30265”就是最典型的车牌符号。车牌的位置一般在汽车的下方。 （二）车牌定位算法的发展现状 车牌定位算法分为图像的预处理、车牌的搜索和车牌鉴别定位三部分。 图像预处理就是要获得有用的图像的边缘，并将其二值化；车牌搜索则是搜索整幅图像以得到有可能包含车牌的若干感兴趣区域；车牌定位则是根据车牌的特征对提取出的感兴趣的区域进行鉴别和剔除假的车牌, 从而提取到真正的车牌。 相较于车身其他位置，车牌区域有其自身特点，主要有车牌底色与车身颜色，字符颜色有较大差异；车牌的矩形区域内存在较丰富的边缘，呈现出规则的纹理特征；车牌内字符之间的间隔比较均匀，字符和牌照底色在灰度上存在跳变；图像中牌照长宽比的变化有一定范围等。这些都为车牌定位分割提供了先验知识。但是，摄像机获得的图像含有丰富的自然背景及车身背景信息，易受照明、天气条件及运动失真和模糊的影响，同时由于在野外环境下使用，车牌会有不同程度的磨损、污迹干扰、变形等，这些问题给车牌定位带来了难度。 目前较为成熟的车牌区域定位算法有自适应边界搜索法、区域生长法、灰度图像数学形态学运算法、基于纹理或颜色的分割方法以及模糊聚类法等。 这些方法都有各自的优点，但是在实际应用中也存在着一些不足之处。例如，对于基于纹理的分割方法，图像中很可能不止一个区域具有车牌区域类似的纹理特征，难以准确找到
《图像处理与识别》 实验指导书 北京航空航天大学 仪器科学与光电工程学院 2008 年 5 月
目录 第一章、《图像处理与识别》课程实验大纲 (2) 第二章 CVIPtools图像处理软件 (3) 第三章实验内容 (4) 实验一熟悉CVIPtools (4) 实验二边缘/线探测 (7) 实验三、图像增强处理和分割综合实验 (9) 实验四设置CVIP编程环境 (10) 实验五理解CVIPlab (13)
第一章、《图像处理与识别》课程实验大纲 课程编号：17z83060 学时：6学时 一、课程实验教学目标 要求学生已有数学分析、向量、矩阵、概率、统计方面的基础知识和初步的计算机编程能力。通过本课程的实验，要求学生通过改变基本图像处理算法的参数，观察图像处理结果，并能够总结出典型图像处理算法的特点和应用场合，进一步巩固和掌握基本图像处理算法。通过综合运用典型图像处理算法，能够设计复杂背景图像中典型几何原型的自动分割，培养和锻炼学生的创新意识和创新思维，提高动手能力和创新能力。 二、教学内容及基本要求 主要内容包括两部分：第一部分是基于CVIPTOOLS图像软件处理平台，进行空间域和频率域增强以及图像分割实验。第二部分是设计复杂背景图像简单几何原型的自动分割方案，并编程实现。安排1个综合型系列实验和1个设计型实验，课堂为6学时＋课外，具体内容如下： 一：图像增强处理和分割综合实验（3学时） 内容：在图像处理软件平台（CVIPTOOLS），进行空间域和频率域增强以及图像分割实验。 1、直方图均衡化实验； 2、直方图匹配实验； 3、图像锐化实验：高通滤波、高提升滤波、反锐化滤波、FFT锐化、高频增强等（通过改变参数， 对不同的系列图像进行处理） 4、图像平滑实验：均值滤波、高斯滤波和FFT平滑等 5、图像分割实验：Sobel、prewit、Roberts、Laplaicn、Krish边缘提取、Hough变换、边缘连接等 6、二值图像斑的特征描述：面积、中心、方向、周长、欧拉数和孔径比等计算 二：图像分割设计实验（3学时） 内容：设计复杂背景图像简单几何原型的自动分割方案，并编程实现。 编程语言：matlab、C、VC++ 设计型实验，通过所学图像处理算法，实现复杂背景圆、椭圆、四边形等简单几何原型的自动分割。 三、教学安排及方式 课堂实验分组进行，学生通过课外VC++或者MATLAB编程实现实验二中的主要算法。 四、考核方式 提交实验设计报告，只提交实验二的设计报告，实验一的内容由任课教师课堂验收，作为平时成绩的依据之一。
实验一 内容（一） （1）彩色图像变灰度图像 A=imread('1.jpg'); B=rgb2gray(A); figure subplot(1,2,1), imshow(A) title('原图') subplot(1,2,2), imshow(B) title('原图灰度图像') （2）彩色图像变索引图像 A=imread('1.jpg'); figure subplot(1,2,1), imshow(A) title('原图') [X,map]=rgb2ind(A,128); subplot(1,2,2), imshow(X,map) title('原图索引图像') （3）彩色图像变二值图像 A=imread('1.jpg'); figure subplot(1,2,1), imshow(A) title('原图') C=im2bw(A,0.2); subplot(1,2,2), imshow(C) title('原图二值图像') （4）灰度图像变索引图像（一） A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') C=grayslice(B,39); subplot(1,2,2), imshow(C) title('灰度变索引图像')
（5）灰度图像变索引图像（二） A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') [X,map]=gray2ind(B,63); subplot(1,2,2), imshow(X,map) title('灰度变索引图像') （6）灰度图像变彩色图像 A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') C=gray2rgb(B,map); subplot(1,2,2), imshow(C) title('灰度变彩色图像') 内容（二） （1）灰度平均值 A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') B=double(B); [m,n]=size(B); sumg=0.0; for i=1:m; for j=1:n; sumg=sumg+B(i,j); end end avg=sumg/(m*n) % 均值 maxg=max(max(B)) % 区域最大灰度ming=min(min(B)) % 区域最小灰度 （2）彩色平均值
MATＬAＢ数字图像处理 1 概述 ＢW=ｄitheｒ(I)灰度转成二值图； Ｘ=ｄitｈer（RＧB,ｍap)RＧB转成灰度图，用户需要提供一个Cｏlorｍap; ［X，maｐ]＝grａy2inｄ(Ｉ,n)灰度到索引; [X,mａp]=grａy２ｉnd（BＷ,n)二值图到索引，ｍap可由grａｙ(n）产生。灰度图n 默认64，二值图默认２; X=grａylｉce（I,n）灰度图到索引图，门限１/n,2/ｎ,…,(n-1）／n,X=graｙlｉｃe(I，ｖ)给定门限向量v； BW=im２bw(I,levｅl)灰度图I到二值图； BW=im2bw(Ｘ,map,levｅl)索引图X到二值图；ｌevel是阈值门限，超过像素为1,其余置0,lｅvｅl在[0,1]之间。 ＢW=im2ｂｗ(RGＢ,leｖｅl)ＲＧＢ到二值图; I=iｎd2gray（Ｘ,mａp)索引图到灰度图; RＧＢ=ind2rｇb(Ｘ,maｐ）索引图到ＲGB; I＝ｒgb２gray(RGB)RGB到灰度图。 2 图像运算 2.１图像的读写 MATLAＢ支持的图像格式有bｍp，gif,ico,jｐｇ，png，cur，ｐcx,xwd和tｉf。 读取(imread): [1］Ａ=imreaｄ(fｉlenaｍe,fmt) ［2] [Ｘ,ｍaｐ］=imrｅad（ｆiｌｅｎame,fｍt） ［3] ［…]＝iｍｒead（ｆiｌｅnamｅ) ［4] […]=imread(UＲL,…) 说明:filenａme是图像文件名,如果不在搜索路径下应是图像的全路径,fmｔ是图像文件扩展名字符串。前者可读入二值图、灰度图、彩图(主要是RGＢ);第二个读入索引图，map 为索引图对应的Ｃolormap,即其相关联的颜色映射表，若不是索引图则ｍap为空。URＬ表示引自Ｉntｅrnet ＵRL中的图像。 写入(iｍｗrite): [1] R=imwrite(A,fileｎaｍe，fｍｔ)； [2] Ｒ=imwriｔe(X,map,fiｌename,ｆmt); [３] R＝ｉｍwritｅ(…,filenaｍｅ); [4] R=iｍｗrite(…，Param1,Val1,Pａraｍ2,Vａl2) 说明:针对第四个,该语句用于指定ＨDF,JPEＧ,PBＭ,PGM,PNG,PPM,ＴIＦＦ等类型输出文件的不同参数。例如ＨDF的Qualｉtｙ,Compreｓｓioｎ,ＷｒｉｔeMode;JPEＧ的BiｔＤｅpｔh，Cｏmｍent：Ｅmｐtｙor not，Mode:ｌossy oｒｌossless，Quality等。 ２．2 图像的显示 方法1：使用Imaｇe Viｅwer(图像浏览器），即运用imｖiｅw函数。
Matlab程序设计任务书
目录 一．课程设计目的 (3) 二．设计原理 (3) 三．详细设计步骤 (3) 四. 设计结果及分析 (18) 五. 总结 (19) 六. 设计体会 (20) 七. 参考文献 (21)
一、课程设计目的 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 三、详细设计步骤:
1. 提出总体设计方案: 牌照号码、颜色识别 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。 牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。 流程图:
基于数字图像处理的车牌识别系统 言经官 电气学院电子112 摘要：车牌识别系统（License Plate Recognition 简称LPR）技术基于数字图像处理，是智能交通系统中的关键技术，同时他的发展也十分迅速，已经逐渐融入到我们的现实生活中。文章介绍了车牌识别系统的意义、图像去噪处理以及图像二值化方法,并通过仿真试验模拟了图像处理的过程。本文所做的工作在于前期的图像预处理工作。本次设计着重在于图像识别方面, 中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。之后利用Matlab编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。其中,去噪与二值化是关系图像识别率的关键。 关键字：车牌识别系统；图像预处理；字符识别；Matlab；去噪；二值化 引言 智能交通系统（ITS）是当今世界交通管理体系发展的必然趋势，而作为智能交通系统中的重要组成部分之一的车牌自动识别技术，目前已被广泛应用于城市道路监控、高速公路收费与监控、小区与停车场出入口管理、公安治安卡口等场合，成为研究的热点。 伴随我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制，安全管理的要求也日益提高。因此迫切需要采用高科技手段,对违法违章车辆牌照进行登记, 在这种情况下，作为信息来源的自动检索，图像识别技术越来越受到人们的重视。车牌识别系统的出现成为了交通管制必不可少的有力武器。 1 车牌识别系统的目标 利用计算机等辅助设备进行的自动汽车牌照自动识别就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的基础之上，通过对车辆图像的采集，采用先进的图像处理、模式识别和人工智能技术，在图像中找到车牌的位置，提取出组成车牌号码的全部字符图像，再识别出车牌中的文字、字母和数字，最后给出车牌的真实号码。国外的车牌识别研究始于80 年代，90 年代始已有不少成套的产品出现。由于我国车牌的组成及组合的方式与国外的车牌不一致，使得我们不能直接使用国外的车辆牌照识别系统，而必须针对我国车牌重新设计相应的车辆牌照识别系统。车牌识别的使用环境、背景各有差异，目前还没有一种算法能在不同环境、各种复杂背景条件下达到非常高的车牌识别率，因而车牌识别技术仍然是研究的重点。 2 MATLAB 及其图像处理工具概述 MATLAB 是MAT rix LABora tory( 矩阵实验室) 的缩写, 是Ma thWorks 公司开发的一种功能强、效率高、简单易学的数学软件。MATLAB 7. 1 是一套功能十分强大的工程计算及数据分析软件, 其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。MATLAB 的图像处理工具箱, 功能十分强大, 支持的图像文件格式丰富, 如* .BMP、* . JPG、* . JPEG、* . GIF、* . ti;f% 95% 94、* . ti;f%95%94F、* . PNG、* . PCX、* . XWD、* . HDF、* . ICO、* .CUR 等。本文将给出MATLAB的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。
纹理特征和模型 １，基于纹理谱的纹理特征 图像纹理分析中，最重要的问题是提取能够描述纹理的特征信息；这些特征可被用来分类和描述不同的纹理图像。在实际中常用到的方法有结构法和统计法；本文提出一种新的统计方法，每个纹理单元表征该位置及其领域象素的特征，整幅图像的纹理特征用纹理谱来表征，用这种方法进行分析较为简单。 定义纹理谱：纹理单元的频率分布。 基于纹理频谱的纹理特征： 3×３领域：权重： original reference calculate by myself （1）、黑白对称性 ()(3281) 1*100 () s i S i BWS S i ?? -+ ?? ?? =- ?? ?? ?? ∑ ∑ 反映频谱的对称性，不随纹理单元中起始计数位置的不同而不同。 （2）、几何对称性 ()4() 1 1*100 4 2*() Sj i Sj i GS Sj i ?? -+ ?? ?? =- ?? ?? ?? ∑ ∑ ∑ 反映图像旋转180度后，纹理谱的相似性； （3）、方向度
()()11*10062*()Sm i Sn i DD Sm i ?? -?? ??=-?????? ∑∑ ∑ 反映线性结构的角度。大的DD 说明纹理谱对图像的方向模式较为敏感；即图 像中有线性机构纹理单元存在。 以上三个特征都是图像的几何特征，可描述原始图像的宏观纹理；下面介绍几个描述图像微观纹理的特征。 （4）、方向特征 微观水平结构特征： ()*()MHS S i HM i =∑ ()(,,)*(,,)HM i P a b c P f g h = 同样，我们可以得到其它方向的方向纹理特征MVS ，MDS1，MDS2 （5）中心对称性 2()*[()]CS S i K i =∑ ２．常用统计特征： 把图像看成是一个二维随机过程的一次实现，可得到图像的直方图、均值、方差、偏度、峰度、能量、墒、自相关、协方差、惯性矩、绝对值、反差分等特征量。常用来描述纹理的统计特征的技术有子相关函数、功率谱、正交变换、灰度级同时事件、灰度级行程长、灰度级差分、滤波模板、相对极值密度、离散马尔可夫随机场模型、自回归模型、同时自回归模型等。 原图： １、２、３、４阶矩
第一部分数字图像处理
实验一图像的点运算 实验1.1 直方图 一．实验目的 1．熟悉matlab图像处理工具箱及直方图函数的使用； 2．理解和掌握直方图原理和方法； 二．实验设备 1.PC机一台； 2.软件matlab。 三．程序设计 在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。 I=imread('cameraman.tif');%读取图像 subplot(1,2,1),imshow(I) %输出图像 title('原始图像') %在原始图像中加标题 subplot(1,2,2),imhist(I) %输出原图直方图 title('原始图像直方图') %在原图直方图上加标题 四．实验步骤 1. 启动matlab 双击桌面matlab图标启动matlab环境； 2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像， 如:cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像； 3．浏览源程序并理解含义； 4．运行，观察显示结果； 5．结束运行，退出； 五．实验结果 观察图像matlab环境下的直方图分布。 (a)原始图像 (b)原始图像直方图 六．实验报告要求 1、给出实验原理过程及实现代码； 2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。
实验1.2 灰度均衡 一．实验目的 1．熟悉matlab图像处理工具箱中灰度均衡函数的使用； 2．理解和掌握灰度均衡原理和实现方法； 二．实验设备 1.PC机一台； 2.软件matlab； 三．程序设计 在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。 I=imread('cameraman.tif');%读取图像 subplot(2,2,1),imshow(I) %输出图像 title('原始图像') %在原始图像中加标题 subplot(2,2,3),imhist(I) %输出原图直方图 title('原始图像直方图') %在原图直方图上加标题 a=histeq(I,256); %直方图均衡化，灰度级为256 subplot(2,2,2),imshow(a) %输出均衡化后图像 title('均衡化后图像') %在均衡化后图像中加标题 subplot(2,2,4),imhist(a) %输出均衡化后直方图 title('均衡化后图像直方图') %在均衡化后直方图上加标题 四．实验步骤 1. 启动matlab 双击桌面matlab图标启动matlab环境； 2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像， 如:cameraman图像；再调用相应的灰度均衡函数，设置参数；最后输出处理后的图像； 3．浏览源程序并理解含义； 4．运行，观察显示结果； 5．结束运行，退出； 五．实验结果 观察matlab环境下图像灰度均衡结果及直方图分布。 (a)原始图像 (b)均衡化后图像
专业综合实验报告----数字图像处理 专业：电子信息工程 班级： ： 学号： 指导教师：
2014年7月18日 车牌图像定位与识别 一、设计目的 利用matlab实现车牌识别系统，熟悉matlab应用软件的基础知识，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，巩固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。 二、设计容和要求 车牌识别系统应包含图像获取、图像处理、图像分割、字符识别、数据库管理等几个部分，能够完成复杂背景下汽车牌照的定位分割以及牌照字符的自动识别。这里，只要求对给定的彩色车牌图像变换成灰度图像，用阈值化技术进行字符与背景的分离，再提取牌照图像。 三、设计步骤 1．打开计算机，启动MATLAB程序； 2．调入给定的车牌图像，并按要求进行图像处理； 3．记录和整理设计报告 四、设计所需设备及软件 计算机一台；移动式存储器；MATLAB软件。 五、设计过程 车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割和单个字符识别两个模块。 (一）对图像进行图像转换、图像增强和边缘检测等
1.载入车牌图像： 原图 2.将彩图转换为灰度图并绘制直方图： 灰度图 灰度直方图 3.用roberts 算子进行边缘检测： 图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定。正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。边缘提取是较经典的算法，此处边缘的提取采用的是
数字图像去噪典型算法及matlab实现 希望得到大家的指点和帮助 图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响 到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等； 目前比较经典的图像去噪算法主要有以下三种： 均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度 的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊， 可以对其进行改进，主要避开对景物边缘的平滑处理。 中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。 Wiener维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，是一种自适应滤波器，根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。 实验一：均值滤波对高斯噪声的效果 l=imread（'C:\Documents and 桌面\1.gif'）;% 读取图像
J=imnoise(l,'gaussian',0,0.005);% 加入均值为0 ,方差为 0.005 的高斯噪声subplot(2,3,1);imshow(l); title(' 原始图像'); subplot(2,3,2); imshow(J); ti tle('加入高斯噪声之后的图像’)； %采用MATLAB 中的函数filter2 对受噪声干扰的图像进行均值滤波 K1=filter2(fspecial('average',3),J)/255; % 模板尺寸为3 K2=filter2(fspecial('average',5),J)/255;% 模板尺寸为5 K3=filter2(fspecial('average',7),J)/255; % 模板尺寸为7 K4= filter2(fspecial('average',9),J)/255; % 模板尺寸为9 subplot(2,3,3);imshow(K1); ti tle(' 改进后的图像1'); subplot(2,3,4); imshow(K2); title(' 改进后的图像2'); subplot(2,3,5);imshow(K3); title(' 改进后的图像3'); subplot(2,3,6);imshow(K4); title(' 改进后的图像4');
车牌识别系统的设计 一、摘要: 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。 二、设计目的和意义: 设计目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。 设计意义： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 三、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 四、详细设计步骤:
贵州大学实验报告 学院：计算机学院专业：网络工程班级：101 姓名学号实验组实验时间12.11 指导教师戴丹成绩 实验项目名称实验四汽车牌照自动识别 实 验目的 1.分析汽车牌照的特点，正确获取整个图像中车牌的区域，并识别出车牌号。 2.将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。 实验原理 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 实 验步骤 a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。 实验数据getword.m function [word,result]=getword(d) word=[];flag=0;y1=8;y2=0.5; while flag==0 [m,n]=size(d); wide=0; while sum(d(:,wide+1))~=0 && wide<=n-2 wide=wide+1; end temp=qiege(imcrop(d,[1 1 wide m])); [m1,n1]=size(temp);
论文（设计）题目： 基于MATLAB的数字图像处理系统设计
基于MATLAB的数字图像处理系统设计 摘要 MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。矚慫润厲钐瘗睞枥庑赖。 笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。聞創沟燴鐺險爱氇谴净。 上述功能均是在MA TLAB 语言的基础上，编写代码实现的。这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。残骛楼諍锩瀨濟溆塹籟。 关键词：MATLAB 数字图像处理图像处理工具箱图像变换
第一章绪论 1.1 研究目的及意义 图像信息是人类获得外界信息的主要来源，近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。酽锕极額閉镇桧猪訣锥。 MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。它编写简单、编程效率高并且通俗易懂。彈贸摄尔霁毙攬砖卤庑。 1.2 国内外研究现状 1.2.1 国内研究现状 国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。謀荞抟箧飆鐸怼类蒋薔。 TDB-IDK 系列产品是一款基于TMS320C6000 DSP 数字信号处理器的高级视频和图像系统，也是一套DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和企业进行视频、图像方面的实验与开发。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。可实现对图像信号的实时分析，图像数据相对DSP独立方便开发人员对图像进行处理，该产品融合DSP 和FPGA/CPLD 两个高端技术，可以根据用户的具体需求合理改动，可以分析黑白和彩色信号，可以完成图形显示功能。厦礴恳蹒骈時盡继價骚。 南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件可实现数字图像的采集、传输与处理。可利用软件及图像采集与传输设备，采集图像并实现点对点的数字图像传输，可以观察理解多种图像处理技术的效果和差别，
车牌识别系统的设计 一、 二、摘要: 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。 三、 四、设计目的和意义: 设计目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。 设计意义： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。
五、 六、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 七、 八、详细设计步骤: 1. 提出总体设计方案: 牌照号码、颜色识别 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。