Matlab渣土车车牌图像提取和分割技术研究(2)
本毕业设计研究渣土车车牌定位和字符分割技术，作为车牌识别的前奏。当今社会，在金钱与利益的冲击下，很多人的价值观扭曲变形。利益的驱使下各种事故层出不穷，其中渣土车问题也在舆论的风口浪尖。加强渣土车的管理刻不容缓，因此开发渣土车智能监管系统刻不容缓，车牌识别是渣土车智能监管系统的一个关键技术，而车牌图像提取和分割则是车牌识别的一个重要步骤。
1.2 车牌识别的研究现状以及评价标准
1.2.1 研究现状
1.2.2 评价标准
在系统设计时，必须给出评价系统性能的指标，这是设计和评价系统的标准和依据。尽管现在用于识别车辆牌照的系统不断出现，所运用的具体方法都不尽相同，但是其目标都是达到一种令人满意的实用性指标。
①准确性：这是车辆识别系统的第一要素。只有能够正确识别车辆牌照，系统才是有意义的。
②快速性：现代化交通需要快节奏管理，尤其在路桥收费口等处，要求系统处理牌照的时间越短越好，也就是实时性。
③鲁棒性：光照条件、车牌自身的清洁程度等因素对准确性均有影响，一个优秀的识别系统应该对各种图像质量不至于过分敏感。
④经济性：经济性与系统的软硬件配置密切相关，经济性良好的系统更具有市场生命力。
1.3 论文主要工作及论文结构
本章主要介绍了本毕业设计研究内容的一些基本知识和研究现状。
第二章介绍车牌图像提取和分割系统中涉及到的主要技术。
第三章是重点部分，首先介绍系统的设计思路；然后介绍各个模块的实现，对算法进行详细说明；最后介绍原型系统的使用方法。
第四章是对研究过程中遇到的问题进行分析。
2 涉及技术简介
2.1 图像处理概述
图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。
图像识别是图像处理的一个非常重要的组成部分，是人工智能的一个重要领域，利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。
人的“识别系统”是通过观察看到的物体的特征，通过这个特征去自己的大脑的特征库里面去匹配各个选项。其中，最为匹配的一项就是最后得到的结果。其实计算机的识别也遵循这样的规律，也需要先提取到特征。而渣土车车牌提取和分割就是要完成给计算机去特征库中匹配的前期准备，即需要将图像中的特征找出来让计算机容易识别。由此可看，这一步对于最后的识别成功至关重要。
但是，直接的照相机拍出来的清晰的彩色照片计算机是“看不清”的。因为未经处理的图像信息量太大,容易导致计算机判断失误的地方也较多。所以，必须对照片进行预处理，将图片转换成计算机可以轻松识别的简单的“二值图像”。经过图像处理后的图片就是计算机可以轻松“看”的了。然后就可以进行进一步更加高级的处理。
2.2 图像的类型
(1) RGB彩色图像
RGB图像可以表示彩色图像。与索引图像一样，它分别用红（R）、绿（G）、蓝（B）三原色的组合来表示每个像素的颜色。但与索引图像不同的是，RGB图像每一个像素的颜色值（由RGB三原色表示）直接存放在图像矩阵中，由于每一像素的颜色需由R、G、B三个分量来表示，M、N分别表示图像的行列数，三个M x N的二文矩阵分别表示各个像素的R、G、B三个颜色分量。RGB图像的数据类型一般为8位无符号整形，通常用于表示和存放真彩色图像。
(2) 二值图像
一幅二值图像的二文矩阵仅由0、1两个值构成，“0”代表黑色，“1”代白色。由于每一像素（矩阵中每一元素）取值仅有0、1两种可能，所以计算机中二值图像的数据类型通常为1个二进制位。二值图像通常用于文字、线条图的扫描识别（OCR）和掩膜图像的存储。