车牌倾斜了,车牌倾斜校正常用方法

本篇文章给大家谈谈车牌倾斜了，以及车牌倾斜校正常用方法对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

125摩托车车头歪了如何调整

本文最佳回答用户：【铭门西典】 ，现在由道尔智控小编为你讲解与【车牌倾斜了】的相关内容！

贡献者回答这个好说，牌子倾斜到那边，就把牌子上那边的螺丝孔上下方向扩大一点，然后螺丝紧固，一直扩大，直到牌子正了为止.

以上就是道尔智控小编解答(铭门西典)回答关于“125摩托车车头歪了如何调整”的答案，接下来继续为你详解用户（赋流云）贡献“matlab的radon函数”的一些相关解答，希望能解决你的问题！

matlab的radon函数

本文最佳回答用户：【赋流云】 ，现在由道尔智控小编为你分析与【车牌倾斜了】的相关内容！

贡献者回答这个是 广西桂林大学的 无语言读取简化版本吧 程序矫正部分是调用radon内置函数 进行矫正啊

 theta = 1:180;

[R,xp] = radon(I,theta);%%图像I直接做radon变换 R是角度 xp是向量（位置）

%figure,imagesc(theta,xp,R);colormap(hot);%title('R_{theta} (Xprime)')%%imshow(theta,xp,R,[],'n')

[I,J] = find(R>=max(max(R)));%J记录了倾斜角，最大的倾斜角

qingxiejiao=90-J;%%%%%这边就是代表了点偏移的最大角度 那么相减就矫正了 看实验图

%直线位置

% xlabel('theta (degrees)');ylabel('Xprime');

% % colormap(hot)%     colorbar  IMAGE(C) displays matrix C as an image.

% title('R_{theta} (Xprime)');

% colorbar;

以上就是道尔智控小编解答贡献者：（赋流云）解答的关于“matlab的radon函数”的问题了，不知是否已经解决你的问题？如果没有，下一篇内容可能是你想要的答案，接下来继续详述下文用户【全国帅哥代表】回答的“你好，能不能麻烦你发一份MATLAB写的车牌识别程序给我，如果没有完整的，能实现车牌定位的也行，万分感谢”的一些相关疑点做出分析与解答，如果能找到你的答案，可以关注本站。

你好，能不能麻烦你发一份MATLAB写的车牌识别程序给我，如果没有完整的，能实现车牌定位的也行，万分感谢

本文最佳回答用户：【全国帅哥代表】 ，现在由道尔智控小编为你详解与【车牌倾斜了】的相关内容！

贡献者回答最小二乘我没用过；倾斜校正用得比较多的是hough变换和randon变换；hough变换必须得在车牌二值化的时候出现边框，要是粗定位没有边框或本来车牌边框不明显就没辙了。所以貌似radon变换比较靠谱；也叫旋转投影法，鲁棒性也比较好。

我现在用的是改进的radon变换，以检测投影值的一阶导数累加值为基础。你可以先看看相关论文

下面是我的radon变换子程序，你可以参考一下

function [picbw_xz,angle_xz]=radon(temparea_gray)

%temparea_gray=rgb2gray(temparea);

[height,width]=size(temparea_gray);

level=ostugetT(temparea_gray,height,width);

picbw=im2bw(temparea_gray,level/255.0);

%figure(1);imshow(picbw);

sum_xz=zeros(21,height);

total_xz=zeros(1,21);

max_total=0;

for angle=-5:5

picbw_temp = imrotate(picbw,angle,'crop');

t=angle+11;%%

for i=1:height

sum_xz(t,i)=0;

for j=1:width

sum_xz(t,i)=sum_xz(t,i)+picbw_temp(i,j);

end

end

total_xz(t)=0;

for i=1:height-1

total_xz(t)=total_xz(t)+abs( sum_xz(t,i)-sum_xz(t,i+1) );

end

if total_xz(t)>max_total

angle_xz=angle;

picbw_xz=picbw_temp;

max_total=total_xz;

end

end

字符识别的话用BP神经网络好了，简单。

下面这段是用来训练神经网络的，BP网络的基础知识是必须的啊忍忍多看两遍就理解了。

文件夹下面有1～199张阿拉伯数字的样本图片，循环送到MATLAB中保存32×16×200的特征值，并与输出教师信号t对应,存在num_PT里头。

然后送到matlab的神经网络工具箱里面去训练。（相关资料百度文库里面也有）最后保存网络

% 引自《神经网络模型及其MATLAB仿真程序设计》一书P94～98

% 生成输入向量和目标向量

clear all;

'LOADING'

for kk = 0:199

m=strcat('use_num\',int2str(kk),'.jpg');%

x=imread(m,'jpg'); %依次输入训练字符。

bw1=im2bw(x,0.5); %用0.5阈值进行二值化

for m=0:15

p(m*32+1:(m+1)*32,kk+1)=bw1(1:32,m+1);

end

switch kk

case

t(:,kk+1)=[0 0 0 0 0 0 0]; % t(kk+1)记录了真实的数值

case

t(:,kk+1)=[0 0 0 0 0 0 1];

case

t(:,kk+1)=[0 0 0 0 0 1 0];

case

t(:,kk+1)=[0 0 0 0 0 1 1];

case

t(:,kk+1)=[0 0 0 0 1 0 0];

case

t(:,kk+1)=[0 0 0 0 1 0 1];

case

t(:,kk+1)=[0 0 0 0 1 1 0];

case

t(:,kk+1)=[0 0 0 0 1 1 1];

case

t(:,kk+1)=[0 0 0 1 0 0 0];

case

t(:,kk+1)=[0 0 0 1 0 0 1];

end

end

'LOAD OK.'

save num_PT p t;

% 创建和训练BP网络

load num_PT p t;

pr(1:512,1)=0;

pr(1:512,2)=1;

net=newff(pr,[30 7],, 'traingdx', 'learngdm');% pr为输入节点 [25 1]隐层数目 为隐层传输函数

net.trainParam.epochs=3000; %最大训练步数 %Backpropagation network training function %%%%Backpropagation weight/bias learning function

%net.trainParam.goal=0.0001; %训练目标误差

net.trainParam.show=10; %显示训练结果的间隔步数

net.trainParam.lr=0.01; %学习

net=train(net,p,t)

'TRAIN OK.'

save num_PT net;

保存好的网络num_PT net说白了就是记录权值系数的矩阵，在识别的地方调用这些系数与待识别的特征值相乘；得到的t就是识别结果

以上就是道尔智控小编解答(全国帅哥代表)分析关于“你好，能不能麻烦你发一份MATLAB写的车牌识别程序给我，如果没有完整的，能实现车牌定位的也行，万分感谢”的答案，接下来继续为你详解用户（绅士告别）贡献“深圳车牌螺母安装图解”的一些相关解答，希望能解决你的问题！

深圳车牌螺母安装图解

本文最佳回答用户：【绅士告别】 ，现在由道尔智控小编为你分析与【车牌倾斜了】的相关内容！

贡献者回答车牌安装的小螺母可以安装在防盗帽的套筒上。

车牌上的小螺母主要起到的作用就是固定车辆牌照，避免在车辆牌照使用过程当中，螺丝出现松动，导致车辆号牌丢失。小螺母可以安装在防盗帽的套筒上，安装上去可以发现，螺钉的高度和螺帽的高度是一样的，不过，不是所有车辆都会用到螺母。

车牌的安装方法

1、在安装车牌的地方，找到四个固定点，将车牌放到固定点上，对齐四个螺孔。

2、将螺杆插入四个固定孔，用螺丝刀将螺杆固定。

3、固定好后，将车牌摆正，然后盖上螺帽的盖子即可。

车牌安装的注意事项

1、安装在号牌框上，正面朝外，文字朝前，严禁倒置安装或翻转。

2、前号牌要根据机动车前进方向，安装在机动车前端中部或右侧，后号牌安装在机动车后端中部或左侧，不应影响机动车安全行驶和号牌识别。

3、安装应保证号牌无任何变形和遮盖，水平和垂直，基本垂直于地面，纵向角度不大于15°，摩托车号牌向上倾斜不得超过30°。

4、安装孔中应安装符合GA804要求的固定装置，因车辆状况无法安装的除外。

5、使用牌照架辅助安装时，牌照架内边缘至机动车登记号码字符边缘的距离大于5毫米，不得覆盖生产顺序标识。

6、牌照周围不得有影响牌照识别的其他光源。

以上就是道尔智控小编解答(绅士告别)贡献关于“深圳车牌螺母安装图解”的答案，接下来继续为你详解用户（莫失情牵√）贡献“matlab车牌信息定位处理”的一些相关解答，希望能解决你的问题！

matlab车牌信息定位处理

本文最佳回答用户：【莫失情牵√】 ，现在由道尔智控小编为你讲解与【车牌倾斜了】的相关内容！

贡献者回答基于图像处理的汽车牌照的识别

作者:陈秋菊

指导老师:李方洲

(温州师范学院 物理与电子信息学院 325027)

摘要：以一幅汽车牌照的识别为例，具体介绍了车牌自动识别的原理。整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。在研究的同时对其中出现的问题进行了具体分析，处理。寻找出对于具体的汽车牌照识别过程的最好的方法。

关键词：汽车牌照 车牌提取 字符分割 字符识别

The vehicle license recognition based on the image processing

Author:Chen Qiuju

Tutor:Li Fangzhou

(School of Physics and Electronic Information Wen Zhou Normal College 325027)

Abstract： With one vehicle license recognition, the principle of the automobile License recognition is introduced .This process was divided into pre-process, edge extraction, vehicle license location, character division and character recognition, which is implemented separated by using MATLAB. The license is recognized at last. At the same time, the problems are also analyzed

And solved in the process. The best method of recognition to the very vehicle license is found.

Keywords: vehicle license vehicle license location character segmentation

Character recognition

1. 引言

1.1 选题意义

汽车牌照自动识别系统是以汽车牌照为特定目标的专用计算机视觉系统，是计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一，是实现交通管理智能化的重要环节，它可广泛应用于交通流量检测，交通控制与诱导，机场、港口、小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。目前，发达国家LPR（汽车牌照识别技术License Plate Recognition， LPR，简称“车牌通”）系统在实际交通系统中已成功应用，而我国的开发应用进展缓慢，车牌识别系统基本上还停留在实验室阶段。基于这种现状还有它广阔的应用前景，目前对汽车车牌的识别研究就有了深远的意义。

课题组成

汽车车牌的识别过程主要包括车牌定位、字符车牌分割和车牌字符识别三个关键环节。其识别流程如下：

原始图像 ：由数码相机或其它扫描装置拍摄到的图像

图像预处理：对动态采集到的图像进行滤波，边界增强等处理以克服图像干扰

边缘提取 ：通过微分运算，2值化处理，得到图像的边缘

车牌定位 ：计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域。最后得到的便为车牌区域。

字符分割 ：利用投影检测的字符定位分割方法得到单个的字符

字符识别 ：利用模板匹配的方法与数据库中的字符进行匹配从而确认出字符，得到最后的汽车牌照，包括英文字母和数字。

本文以一幅汽车图像为例，结合图像处理各方面的知识，利用MATLAB编程，实现了从

车牌的预处理到字符识别的完整过程。各部分的处理情况如下：

2.预处理及边缘提取

图1 汽车原图

图像在形成、传输或变换过程中，受多种因素的影响，如：光学系统失真、系统噪声、暴光不足或过量、相对运动等，往往会与原始景物之间或图像与原始图像之间产生了某种差异，这种差异称为降质或退化。这种降质或退化对我们的处理往往会造成影响。因此在图像处理之前必须进行预处理，包括去除噪音，边界增强，增加亮度等等。

因为噪声主要是一些含高频的突变成分，因此可以通过一个低通滤波器来消除图像中包含的噪声，并使低频成分得到增强。滤波的方式有两种，一种是空间域滤波，一种是频率域滤波。在空间域，常见的滤波方式有两种方式，均值滤波和中值滤波。空间域滤波主要有巴特沃斯滤波器。在车牌边缘提取之前，两种滤波方式均采用了。并与未进行滤波的边缘进行比较。以下是经处理后的一些图片。

图2 经均值滤波后提取的边缘图像

图3 经巴特沃斯低通滤波后提取的边缘图像

图4 未滤波直接提取出的边缘信息

图5 经高通滤波器增强后得到的边缘图像

对比几幅图片，图2的边缘太粗，而图3的边缘已经模糊掉了。图5中包含的噪声太多，图4未经滤波直接提取出的边缘图像最清晰，所包含的有用信息最多。分析这种情况产生的原因，归纳起来主要有以下方面:

1、原始图像清晰度比较高，从而简化了预处理

2、图像的平滑处理会使图像的边缘信息受到损失，图像变得模糊

3、图像的锐化可以增强图像中物体的边缘轮廓，但同时也使一些噪声得到了增强

综上所述，结合MATLAB实验过程，得出不是每一种图像处理之初都适合滤波和边界增强。本次汽车车牌的识别，为了保存更多的有用信息，经过多次比较，选择图4作为后期处理的依据。边缘的提取采用的是梯度算子，因为其实现过程比较简单，所以在此不多加赘述了。

提取出的边缘含有多个灰度值，要进行二值化处理，选择一个合适的域值。经多次比较，选取域值T=70，对于灰度值大于T的赋值为255，小于T的赋值为0。经过处理后的图像如下所示:

图6 二值化后的边缘图像

结合后期分割得到的车牌图7，二值化后的图像在后期的识别中并不会提高车牌的识别率，因此不采用二值化的图像来进行识别，因此后面的处理依然使用图4。

3.车牌提取

经过边缘提取得到的图像，车牌区域在水平方向灰度面积值具有明显频繁的跳变，在垂直方向上的面积投影则出现峰-谷-峰的特性。根据这种峰谷特点，自动检测车牌位置峰点检测的车牌区域定位方法， 并对初步定位后的车牌进一步使用微定位技术。该方法包括三部分: (1) 车牌的横向定位； (2)车牌的纵向定位； (3) 车牌的微定位。

汽车本身具有一定的特点，一般情况下，牌照都挂在缓冲器上或附近，处于车牌照图像的下半部分，本次分割的主要意图是缩小牌照搜索范围，大致确定出牌照的位置。对如图4所示的汽车边缘图像f ( x ， y) ，我们首先进行水平方向一阶差分运算，即

g ( i ， j) = | f ( i ， j) - f ( i ， j + 1) |

其中i = 1 ，2 ，3 ， ⋯，xw - 1 ，j = 0 ，1 ，2 ，3 ， ⋯yw - 1 ，其中xw，yw分别为图像的行数和列数。然后对水平差分图像的像素沿水平方向累加产生一个投影表T( i) ，如图7所示。

图7 汽车边缘图像的水平面积投影图

一般对应于车牌位置的投影值T( i) 较大，而在车牌上，下行附近的投影值较小，均有谷点存在。只要能找到这两个谷点，就能大致确定出车牌照的位置，缩小车牌搜索范围。由图4可以看出，车牌下方的横栏处的T(i)值应该是最大的，而车牌位置就在其附近。根据这些特定，可定出车牌位置大概在320~350行之间。

类似的方法得出汽车边缘图像的垂直面积投影图

图8 汽车边缘图像的垂直面积投影图

同上可初步得到汽车牌照的列位置在120~210之间。大致确定的牌照位置如下图。

图9 粗略定位出的汽车牌照

对初步确定出来的牌照进行微定位，所谓微定位法， 就是对基本定位后的车牌图像进

行局部分析， 以进一步确定字符范围， 缩减车牌的左、右和上、下边界， 这有利于后续的牌照字符处理。具体实现如下: (1) 由于车牌近似为一个矩形， 上下边缘近似为一条直线， 通过简单的灰度变化分析就可以再次定位车牌图像的上下边界， 这种情况适合于倾斜度较小的车牌； 对于倾斜程度较大的牌照来说， 在其横向定位之前就应该利用相关的技术进行车牌的矫正(例如Hough 变换技术) 。(2)确定左边界: 从左向右扫描 ，当遇到灰度值大于设定值60之后，停止扫描。上边界也是利用这种方式得到。这样就得到首字符的起始位置。再利用牌照的大小，宽高比一般都是固定的这些先验知识，就可以确定出牌照的具体位置。本设计中采用的车牌，其宽高比为1:3。从而确定出汽车牌照的具体位置。最后提取出的汽车牌照如下图:

图10 二值化的汽车牌照

图11 未进行二值化的汽车牌照

4.字符分割

在汽车牌照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定位的基础

上进行字符的分割，然后再利用分割的结果进行字符识别。字符识别的算法很多，常采用垂直面积投影法来实现。面积投影法的公式如下:

由于字符块在竖直方向上的投影必然在字符间或字符内的间隙处取得局部最小值，并且这个位置应满足车牌的字符书写格式、字符尺寸和其他一些条件的限制。下图是图10在垂直方向上的面积投影图。从图形中我们很直观的看出投影值中出现了8条间隙， 6个字母中间的间隙只有5个，还有三个间隙是字符间的。有字符的列其灰度值比较高，无字符的则相对比较低。依据这一点，再结合图10的特征，很容易得到每个字符的起始终止位置。第一个字符:1-10 第二个字符：10-18 第三个字符：28-41 第四个字符：42-48第五个字符：60-68 第六个字符：68-78

图12 车牌垂直方向上的面积投影图

将图10按照上面的分析行数不变，列数分为六组，分别影射到六个不同的数组中。又因为在字符的模式识别中，其模板大小统一，因此得到的六个数组必须变换其大小，均统一成26×14的形式。分割出来的六个字符如下所示，分别命名为M1.jpg，M2.jpg，M3.jpg，M4.jpg，M5.jpg，M6jpg并用imwrite函数写入图像文件夹中，以便在后期处理中可以直接进行调用。

图12 分割出来的六个字符图像

一般分割出来的字符要进行进一步的处理，以满足下一步字符识别的需要。因为图像中含有许多燥声，这在预处理的图像中已经看出来了。因此必须进行滤波，然后归一化，二值处理。使其最后得到的图像与标准模板一样。只含有两种灰度值,黑与白。但是对于车牌的识别，并不需要这么多的处理就已经可以达到正确识别的目的。在此简化了处理过程，未经滤波归一化，直接进行后期处理。

5.字符识别

字符的识别目前用于车牌字符识别(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神经网络的OCR算法。基于模板匹配的OCR的基本过程是:首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。用人工神经网络进行字符识别主要有两种方法:一种方法是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器。识别效果与字符特征的提取有关，而字符特征提取往往比较耗时。因此，字符特征的提取就成为研究的关键。另一种方法则充分利用神经网络的特点，直接把待处理图像输入网络，由网络自动实现特征提取直至识别。模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损、污迹干扰适应力强且识别率相当高。综合模板匹配的这些优点我们将其用为车牌字符识别的主要方法。

字符识别的算法如下:

因此在字符识别之前必须把模板库设置好。汽车拍照的字符一般有七个，大部分车牌第一位是汉字，通常代表车辆所属省份，或是军种、警别等有特定含义的字符简称；紧接其后的为字母与数字。车牌字符识别与一般文字识别在于它的字符数有限，汉字共约50多个，大写英文字母26个，数字10个。所以建立字符模板库也极为方便。本次设计所识别的车牌只有字母与数字。为了实验方便，结合本次设计所选汽车牌照的特点，只建立了3个字母与3个数字的模板。其他模板设计的方法与此相同。

5.1模板设计

分析字符分割得到的图像以及其他车牌图像中字符的特点，将模板大小定为26×14；

背景为黑色，代表灰度值 0，字符边缘为白色。代表灰度值255。

设计过程如下：

1． 用画图工具先画出P、F、M、1、0、3等几个字符的图像。并分别保存为m11.jpg，m12.jpg，

M1.jpg，m14.jpg，m15.jpg，m16.jpg。根据画图的经验其大小应略大于26×14，以利于后面的处理。所得到的字符均为黑字白底。字体为方正姚体，大小16号。

所画出的图形如下:

2. 对1中获得的粗略图像用MATLAB进行处理。处理的方面包括a.去除边框，利用二维数组的映射关系实现，去掉开始行(列)与结束行(列)即所有外围像素点b.提取模板的边缘。其实现方法与前面的汽车边缘提取的方法相同，也是利用梯度算子。C.尺寸大小变换，切割为标准的26×14格式。

3. 整个处理过程结束后，再用imwrite 函数写入图像库中，作为标准模板使用。

经过处理后的标准模板形式如下:

模板的设计过程，共进行了两次。作为一幅jpg或者bmp形式的图片，其中包含了许许

多多的像素点，各象素点的值也不一样，到底如何来确定这些像素点的值呢？模板设置无疑成为一个难点。于是便投机取巧，将本身分割得到的字符保存起来直接作为模板使用。这种方法明显不具有科学性。图像识别中模板匹配法是将未知的东西与已知的东西来进行比较。因此模板库中的字符应该是已知的，是预先设置好的是不可更改的，而不是在实验过程中来得到。第二次便是用的画图工具来一步一步逼近实现模板设置。实验结果显示，这种方法简单易行。

5.2识别过程

字符识别中模板匹配方法是实现离散输入模式分类的有效途径之一，其实质是度量输入与样本之间的某种相似性，取相似性最大者为输入模式所属类别，它根据字符的直观形象抽取特征，用相关匹配原理进行识别，即是将输入字符与标准字符在一个分类器中进行匹配。车牌字符相关匹配算法如下：

输入字符用输入函数X表示，标准模板用函数T表示，它们的大小均为26×14。将未知的模式逐个与模板匹配，求出其相似度。

其中，M=26，N=14。Ti 指第i个模板。X×Ti 是指矩阵对应元素相乘。如果把X与T都归一化为”1”和”0”，则上式表示标准模板与待识图像上对应点均为”1”的数目与标准模板上”1”点的数目之比。

如果 maxSi>λ 则判定X∈Ti，否则拒识，这里λ为拒识域值。本次实验中直接取相关最大值为判定域值。

用MATLAB来实现字符的识别。其中有两个很重要的函数可以直接调用:corr2 函数和max函数。

Corr2 函数直接用来计算图像拒阵A与B的相关系数r。A与B的大小及数据类型必须相同，得到的结果r是双精度标量。其调用方法如下:

r=corr2(A，B)

因此本设计中的字符识别只需调用此函数，即将分割出来的字符与设置好的模板一一进行相关运算，然后寻找出它们中的最大相关值。max函数就是用来选择几个数值的大小值。其调用方式如下:

[b，c]=max(a(:))

其中b返回的是比较后得到的最大值，c是最大值所对应的元素位置。

同时还自编了一个识别函数result.m用来返回识别结果。程序代码如下:

function c=result(H)；

M1=imread('M1.jpg')；

M2=imread('M2.jpg')；

M3=imread('M3.jpg')；

M4=imread('M4.jpg')；

M5=imread('M5.jpg')；

M6=imread('M6.jpg')；

M1=double(M1)；

M2=double(M2)；

M3=double(M3)；

M4=double(M4)；

M5=double(M5)；

M6=double(M6)；

d=zeros(6)；

d(1)=corr2(H，M1)；

d(2)=corr2(H，M2)；

d(3)=corr2(H，M3)；

d(4)=corr2(H，M4)；

d(5)=corr2(H，M5)；

d(6)=corr2(H，M6)；

[D，e]=max(d(:))；

switch e

case 1

c='P'；

case 2

c='F'；

case 3

c='M'；

case 4

c=1；

case 5

c=0；

case 6

c=3；

otherwise

end

M1， M2， M3， M4， M5， M6为标准模板对应的二维数组。函数在开始运行时，从主函数里得到待识别的字符，此字符与模板进行相关运算，同时找出相关运算后的最大值及对应的函数位置。然后对最大位置进行判别，返回所对应的字符给主程序。并在MATLAB运行窗口显示出来。

编写result.m函数大大简化了计算量，每个字符在识别的时候直接调用此函数，避免了重新编程浪费的时间及空间。这是本次车牌识别中的一大亮点

运行结果，MATLAB的运行窗口显示出的车牌号码为:P，F，M，1，0，3。完成了准确识别车牌的目的。

6.总结:

6.1 设计过程说明

在汽车车牌识别的整个过程中，查找了很多资料，综合了各方面的信息。车牌实现的每一步都有许多的方法，各种方法都有其优劣，但是对于具体的图像处理，并不是每一种理论在实践中都可以实现，即使实现了也很难说哪一种方法最合适，还得在具体的实验中比较选择。以车牌预处理为例，经过滤波和边界增强处理后提取出的车牌效果明显没有未处理的效果理想。第二点在程序调试的过程中要耐心的检查每一个错误。测试结果表明，本设计有以下几条优点:

1. 充分利用MATLAB中已有的函数库。整个程序设计简单易行

2. 识别准确率高

6．2设计工具说明:

车牌识别程序设计能够得以顺利完成。在很大程度上得利于MATLAB这套软件， MATLAB功能强大，它包括数值计算和符号计算，并且计算结果和编程可视化。这为编程调试创造了一个便利的环境。作为图像处理最适用的工具之一，其突出的特点是它包含一个图像处理工具包，这个工具包由一系列支持图像处理操作的函数组成。所支持的图像处理操作有:图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换(DCT 变换等) 、图像分析和统计、二值图像操作等。在图像的显示方面，MATLAB 提供了图像文件读入函数imread ( ) ，用来读取如: bmp 、tif 、jpg、pcx、tiff 、jpeg、hdf 、xwd 等格式图像文件；图像写出函数imwrite () ，还有图像显示函数image ( ) 、imshow() 等等。这些，都使编程效率大为提高。

7.讨论

本设计已成功达到了车牌识别的目的，而且准确率也很高。但是在整个设计过程中，发现了几个值得参考的算法，也试图用这种算法来实现车牌识别，但种种原因，而未采用。现在次简单讨论一下:

6.1.含8个方向的模板的边缘提取算法

本设计在边缘提取之时，使用的是梯度算子。这种算法的优点是简单易行，但是因为它不包含边缘的方向，因此对噪声不够敏感。目前，在图像处理方面使用得最多的是一种可抗噪声的Sobel算法。它定义了8个方向的模板。

通常物体的边缘是连续且光滑的，而噪声是随机的。 在任一边缘点附近沿边缘的走向总能找到另一边缘点，且这两边缘点之间的灰度差及方向差都不可能很大。但是噪声则不同，一般情况下，沿任一噪声点的方向(通过上述模板运算得到)不太可能找到与其灰度差及方向差都很小的噪声点。正是利用这一基本思想，本算法能将实际的边缘点与噪声点区分开来。

加权领域平均算法来进行滤波处理

6．2 加权领域平均算法来进行滤波处理

由实验我们可以看出，一般的滤波器在对图像进行噪声滤除的同时对图像中的细节部分有不同程度的破坏，都不能达到理想的效果。但是采用加权的邻域平均算法对图像进行噪声滤除， 不仅能够有效地平滑噪声， 还能够锐化模糊图像的边缘。 加权的邻域平均算法的基本思想是: 在一个邻域内， 除了可以利用灰度均值外， 灰度的上偏差和下偏差也能够提供某些局部信息。算法的计算公式描述如下， 用f (x ，y ) 表示原始图像， g (x ， y ) 为平滑后点(x ， y ) 的灰度值，V x ， y 表示以点(x ， y ) 为中心的邻域， 该邻域包含N 个象素，m (x ， y ) 表示邻域V x ， y 内的灰度均值。NI表示邻域内大于平均值的像素个数，Ng表示小于平均值的像素个数，而N0表示等于平均值的像素个数。则修正的邻域平均法由下式给出:

m - Aı m l； N l > max{N g ，N 0}

g(x，y)= m + Aı m g； N g > max{N l ，N 0} (1)

m ； else

(1)式(1) 中， A为修正系数， 取值范围为0～ 1， 其大小反映V x ， y 中的边缘状况。 是我认为在图像处理中比较有价值的两点，有兴趣的可网查阅相关的资料。

【参考文献】

[1] 霍宏涛.数字图像处理.机械工业出版社，2003.5

[2] 陈桂明、张明照、戚红雨.应用MATLAB语言处理数字信号与数字图像。科学出版社，2000

[3] 郎锐.数字图象处理学Visual C++实现.北京希望电子出版社，2002.12

[4] 刘露、强.汽车牌照自动识别技术初探，中国公路网，2003-09-26

[5] 周妮娜、王敏、黄心汉、吕雪峰、万国红.车牌字符识别的预处理算法.计算机工程与应用，2003(15)

[6] 佘新平、朱 立.一种具有抗噪声干扰的图像边缘提取算法的研究，2001-6-4

[7] 苑玮琦、伞晓钟. 一种汽车牌照多层次分割定位方法 ，2004 Vol.9 No.4 P.239-243

[8] 许志影、李晋平.MATLAB极其在图像处理中的应用.计算机与现代化，2004(4)

[9] 董慧颖、曹仁帅.汽车牌照自动识别系统中字符分割算法研究.沈阳工业学院学报2003(12)Vol.22 No.4

[10] 崔 江、王友仁.车牌自动识别方法中的关键技术研究.计算机测量与控制，2003.11(4)

[11] 王年、李婕、任彬、汪炳权.多层次汽车车牌照定位分割方法. 安徽大学学报，1999(6)Vol.23.No.2

[12] 马俊莉、莫玉龙、王明祥.一种基于改进模板匹配的车牌字符识别方法.小型微型计算机系统Vol.23.No.2

上文就是道尔智控小编解疑贡献者：（莫失情牵√）回答的关于“matlab车牌信息定位处理”的问题了，不知是否已经解决你的问题？如果没有，下一篇内容可能是你想要的答案，下面继续讲述下文用户【浮生半夏】贡献的“13个国家都有哪些项目”的一些相关疑问做出分析与解答，如果能找到你的答案，可以关注本站。

13个国家都有哪些项目

本文最佳回答用户：【浮生半夏】 ，现在由道尔智控小编为你分析与【车牌倾斜了】的相关内容！

贡献者回答我找到了，哈哈。个人信息就不上传了，只传关键的。

嵌入式汽车身份自动识别系统

一、项目介绍

（研究目标、研究背景及现状、工作原理和方案设想、计划进度安排等）

见附录。

二、项目自我评价

1、先进性：

在数字信息技术和网络技术高速发展的后PC时代，随着嵌入式处理器性能的不断提高，高性能的处理器已经能满足复杂算法应用和其他复杂功能应用，嵌入式将不可避免得走进各个领域。另一方面，伴随着我国经济的快速发展和北京奥运会的举行，“交通智能化”将毋庸质疑的成为热门话题。由于交通行业的特殊性，其对ITS设备的技术参数、使用条件都有苛刻的要求，而嵌入式恰好能够满足此要求，因此嵌入式智能交通设备的大范围应用是必然趋势。嵌入式汽车身份自动识别系统是智能化交通管理系统的重要组成部分，是嵌入式技术与汽车身份识别技术的完美结合，他涵盖了嵌入式车牌识别、嵌入式车标识别以及汽车颜色识别三大主体功能，力求将汽车目标一次性锁定。

它拥有以下优点：

1、高度独立：使用嵌入式技术，仅通过通信接口与应用系统连接，独立性高。

2、功能齐全：同时识别汽车车牌、车标及颜色，一次性锁定目标，具有现有系统所没有的强大功能。

3、可塑性强：前端可与信号触发装置等上游产品结合，末端内置无线网络及多种串口接口以便与下游产品结合。系统功能与使用范围得到极大拓展。

4、易于维护：修理、维护仅涉及本系统而不影响其他模块，维护成本远低于同类产品。

5、便携灵活：设备高度集成，小巧灵活，使用方便。

2、可操作性和可实现性：

目前，车牌识别、车标识别等技术日趋成熟与完善，相关资料较易获取。现有的嵌入式技术也比较成熟。故，从技术难度上讲该选题较于其他的前沿科学容易实现。选题所涉及的设备和材料也较易获得，且成本适中。

3、创新点：

现有的车牌识别装置一般使用电脑处理数据，有些甚至需要若干台电脑合作完成，占用大量空间与资源。即使偶有由嵌入式完成的系统其功能也仅限于车牌识别或车标识别。本系统创造性地将嵌入式与车牌识别、车标识别以及汽车颜色识别相结合，一次性解决了目前设备体系臃肿、集成难度大、稳定性差，维护难，功能单一等问题。

4、可能存在的问题：

目前，主要问题是嵌入式集成度及无线传输的距离。我们所设想的理想情况是：针对现在大多使用电脑整机处理数据，设备灵活性差的缺点，开发出便携式、数据可无线传输的汽车身份识别系统。但是由于我们时间、精力和资金的限制，“便携的程度”是目前最大的难题。另外车速与景深对图像识别的影响问题也是我们可能会面对的难题。

三、预期成果

（成果的具体形式，如：申请专利、公开发表论文、制作科技实物（含软件程序）等，可以同时有多种成果形式）

我们预计我们的实验成果有以下几个方面。

首先，我们计划制作出科技实物，即确实地完成该嵌入式系统，拿出实实在在的成果。

第二，从我们对市场现状的分析来看，该嵌入式汽车身份识别系统的市场前景非常乐观，故可以将我们的产品申请专利并投入市场进行生产。

第三方面，由于汽车颜色、车牌、车标的组合识别还没有合适的算法，所以在完成本系统的过程中我们不可避免的要完成算法设计，而这部分成果可以通过公开发表论文的形式进行展示。

因为我们计划完成一个系统，所以我们需要同时完成该系统的硬件和软件两个部分。从大的角度来看，软件及算法部分的成果可以通过论文发表，而硬件方面的成果则可以通过投入生产和申请专利来体现。无疑，我们的成果形式会比只做软件部分或者只做硬件部分的选题多。这也是我们的一大优势。

实验环境要求

经费预算 内容 用途 预算金额 预计执行时间

CCD摄像部分 前端图像的获取，购买摄像头或摄像机 3000 07.12~ 08.2月

辅助光源 针对特殊环境进行光线补充 1500 07.12~ 08.2月

图像采集卡 模拟信号数字化 2500 07.12~ 08.2月

嵌入式系统硬件设施 图像的处理 4000 08.3~ 08.10月

硬盘录像机 视频信息的存储 2500 08.10~ 08.12月

显示装置 输出图像识别结果 1500 08.12~ 09.2月

无线收发或有线传输装置 信息的传输 2500 09. 2~ 09.3月

机械加工 机械零件组装成样机 2000 最后阶段

合计：19500元

学院审批意见

专家委员会评审意见

学校审批意见

附录一：选题的现状、背景及意义

自1885年，世界上第一台汽车诞生至今，汽车为我们日常工作与生活的带来了翻天覆地的影响。一百多年来，汽车以其价格低廉，操作方便等优势逐渐被大众所接受，走入了千家万户。在我国，每年都有许多人加入有车一族。随之而来的自然是越来越快捷方便的生活方式以及由此引发的一系列问题：汽车盗窃案每年逾万，交通事故时有发生……无疑，汽车需要规范管理。现在，我国的大部分汽车管理工作都是由人来操作完成的。不难想象，面对越来越庞大的汽车队伍，人工操作明显的力不从心。所以“交通智能化”将成为未来交通管理的必然趋势。

要实现交通智能化怎么可以没有“汽车身份”的识别呢。早在上个世纪九十年代初，汽车身份识别已经引起了全世界的广泛重视，人们开始研究有关汽车身份证——汽车牌照自动识别的相关问题。几年后，汽车的另一个重要的身份象征——汽车标志识别也成为了热门话题。车牌识别的一般途径为：采用计算机图象处理技术对车牌进行分析后自动提取车牌信息以确定车牌号。车标识别则基于边缘直方图和模板匹配相关系数混合的算法。目前车牌与车标识别的理论已经成熟，离线算法识别率已经达到较高的水平，同时正向着集成化、智能化方向发展。

在智能化交通管理系统中，汽车身份识别相当于vc++中的“基类”地位，即智能化交通管理系统中的其他子模块需要在汽车身份识别的基础上进行继承和发展。所以我们认为，汽车身份识别要求较高的集成度，最好能由可以嵌入到其他系统中的、集成度高的模块来完成，如单片机、CPLD。而现阶段的汽车身份识别大部分却是依靠计算机来完成的。

另外，由于汽车身份识别的“基类”定位，使用时对“能否唯一的锁定汽车”以及“能否很快地判定是哪辆车”就有了一定的要求。而现阶段的汽车身份识别却仅依靠单纯的识别车牌来完成。市场上存在的也多是车牌或是车标的单独识别系统，将二者结合的系统则非常罕见。而这些单一的系统显然很难达到真正的识别锁定汽车身份的目的。

结合智能化交通管理系统的要求，现今汽车身份识别的现状以及二者的发展趋势，我们小组选择了嵌入式汽车身份自动识别系统作为我们本次创新实验计划的选题。我们计划以嵌入式完成汽车身份识别后，将处理完的数字信息传递到智能化交通管理系统的其他模块中。用嵌入式代替电脑处理汽车身份识别将大大提高智能化交通管理系统的集成度，降低成本。区别于单一的识别系统，我们设计完成的汽车身份识别系统将车牌识别与车标识别相结合，并辅以汽车颜色识别。同时识别，同时输出，从而从多方面判断并锁定汽车，力求达到万无一失。从而极大地方便了该系统在各个领域的使用。

公安交管领域，该嵌入式汽车身份自动识别系统可被应用在交管系统中。将本产品嵌入到用来测速、测超载的其他交通设施中，就可以完成一系列的管理工作；与终端电脑处理系统相连，传输的是已经经过处理的数字信息而非图片信息，大大节省了终端电脑的处理时间和内存空间，提高反应与处理效率，有效解决交管领域人手不足的现状。

在园区车辆管理方面，本嵌入式汽车身份自动识别系统将留有端口，使其可以与园区的业主入住时所登记的汽车信息库相连。在园区大门处，安装我们的车牌自动识别系统，以对进出车辆自动识别，然后将数据传到数据库并根据数据库中的车牌数据判断是否是园区内的车辆，然后分情况处理。这将大大增加园区汽车的安全系数，而使用该系统的成本远低于使用电脑处理的系统的成本。

关于停车场管理，我们的嵌入式车牌自动识别系统可以完成智能化管理过程。将系统安装在停车场的出、入口处，用来对进出停车场的车辆进行自动识别，而处理后的数据将传入终端电脑，由终端电脑结合传入的信息与数据库判断是否属已买（或租）车位的车辆做出相应处理。

综上，我们有理由相信我们计划完成的嵌入式车牌自动识别系统可以在未来的交通智能化管理系统中发挥举足轻重的作用，是值得去研究和探索的。

附录二：工作原理及方案设想

本汽车身份识别系统包含车牌识别、车色以及车标的识别，本系统将使用嵌入式系统完成此三部分的识别。由于我们刚接触这部分内容，所以想法不是很成熟。

下面将分车牌识别与车色、车标识别以及嵌入式三个部分介绍我们的工作原理和方案。

第一部分：车牌识别

1、总体结构

车牌自动识别系统主要分为三大模块:（1）触发：即前端设备的数据入口处，如测速系统等。(2)图像处理部分：分为图像采集、车牌定位、字符分割和字符识别四部分。(3)无线传输系统将所处理得的数据传送至后端应用系统，如交通违规管理系统，只能停车场系统，安检系统等。

2、算法部分

①前端CCD摄像机：

原始图像获取

由CCD摄像机及辅助照明装置组成。获取图像质量的好坏直接影响到后端处理和识别的效果. 要获得比较清晰的图像, 需要考虑许多影响图像质量的因素, 主要包括: 摄像头和图像卡的选取, 摄像机的位置标定, 汽车的车速, 出入单位的汽车车队之间的距离, 天气、光线等情况对摄像机所摄图像曝光量的影响。

判断是否有车辆进入观测区

采用图像差值法来判断监测区是否有目标进入，即首先将视频图像灰度化，然后比较两幅图像对应像素点的灰度值，看是否有变化以及变化有多少。

图像差分只能测定监测区中是否有物体经过，但它是否交通车辆，尚未可知。鉴于图像差分所产生的噪声、行人、自行车比汽车所占区域小得多，设计尺度滤波器将尺度较小的物体及噪声滤掉。

②车牌定位及预处理

左图为车牌定位的主要算法。完成基本的车牌定位后，还需要对车牌进行一些基本的预处理。包括倾斜矫

正与铆钉和边框的去除。

I、车牌字符的倾斜矫正

车牌字符分割的难点在有些车牌是倾的，直接分割效果不好，需要做校正。首先求出车牌的倾斜率，根据此斜率对车牌做旋转校正。

II、车牌边框和铆钉的去除

先验知识：对于标准车牌，字符间间距为12mm，第2、3个字符间间距为34mm，其中，中间小圆点l0mm宽，小圆点与第2、3个字符间间距分别为12mm。在车牌边框线的内侧，通常有四个铆钉，他们不同程度地与第2个字符或第6个字符粘连，如果不去除铆钉，将给第2和第6在字符的识别造成困难。

将车牌图像进行二值化后，图像仅黑、白二值。白色像素点(灰度值255)取1，黑色像素点(灰度值0)取0，这里采用的是白底黑字模式。对车牌图像逐行进行从内向外式扫描，当扫描到车牌图像某一行中，白色像素点的宽度大于某一阀值时(第一个符合条件的行)，则认为是车牌字符的边沿处，切除这一行或以下的所有行。

③车牌字符分割

右图为车牌

字符分割的主要

算法。

在此，由于

我们的知识有限

就不对这些算法

做具体介绍了。

④字符识别方法

字符

识别是车

牌识别的

核心部分。

常见的车

牌字符识

别算法包

括六种。

我们将他

们罗列在

右图中。

其中，我们比较感兴趣的是基于神经网络的字符识别算法。下面，我们具体介绍两种比较简单且普遍的算法以及基于神经网络的字符识别算法。

I、模板匹配车牌字符识别

中国车牌的字符模板分为汉字、英文字母和数字模板，由统计方法构造并保存到数据库中。模板匹配是将字符模板和标准化了的车牌字符进行匹配来识别字符。

II、特征匹配车牌字符识别

车牌识别的方法中，可利用的字符特征很多，大致可以分为结构特征、象素分布特征及其他特征。

在这里，我们拟重点突破神经网络法，因为人工神经网络技术具有非线性描述、大规模并行分布处理能力、高度鲁棒性和自学习与联想等特点，适用于非线性时变大系统的模拟与在线控制。具体步骤如下图所示：

此外，我们还会尝试将各种算法结合起来，以扬长避短，如：将遗传算法与人工神经网络结合起来，既能利用遗传算法能并行计算且能快速、全局搜索的优点又能克服神经网络固有的搜索慢且易陷入局部旱热的缺点等。

由于我们还在大学二年级学习专业基础课程，对图像处理的最新算法还不够了解，我们会在实际操作过程中，选择一种最优的方案并且结合我们的系统特征提出改进意见。

第二部分：车色以及车标识别

①、车身颜色识别

颜色特征具有对图像本身的尺寸、方向、视角等依赖小、鲁棒性高等优点，因此在基于内容的图像索引技术和智能交通系统以及众多的I业(如造纸、纺织、印刷等)系统中有着极其重要的应用。长期以来，由于各种原因，人们提出了数量众多的彩色空间模型，主要可分为三类:第一类是基于人类视觉系统(HumanV isionS ystem,H VS)的彩色空间，它包括RGB,H SI,M unsell彩色空间等；第二类是基于特定应用的彩色空间，它包括电视系统中所的YUV和YIQ、摄影行业如柯达的YCC、打印系统的CMY (K)彩色空间；第三类是CIE彩色空间(包括CIE XYZ, CIE Lab和CIE Luv等)。这些彩色空间各有优缺点，它们在各自的领域里发挥了重要的作用。

我们拟采用RGB彩色空间完成我们的系统。RGB彩色空间在计算机相关领域里应用广泛，例如用于常见的CRT显示器等。在RGB彩色空间中，各彩色值用R、G、B三通道值的组合来共同表示，而其相应的通道值是通过图形采集卡或者CCD传感器等类似器件中的光感受器来获得的。其中，各通道值用入射光及其相应光感受器的光敏函数值之和来表示:

R=

G=

B=

其中，S (A)是光谱，R(A)、G(A)和B(A)分别是R,G,B传感器的灵敏度函数。从上式可以看出，该彩色空间是设备相关的，它与具体捕获设备的光敏函数相关。然而，由于RGB值易于获得和在计算机中计算和表示，因此通常可以用来表示其他各彩色空间，即把RGB值转换为其他彩色空间值。RGB彩色空间的标准色差定义为：

）

由于不同的彩色对人主观感受的影响不同，为了更好的表示色差，在本颜色识别子系统中使用经验色差公式：

对于我们拟设计的车身颜色识别系统主要分以下四大步骤完成车身颜色识别

1．识别区域的选取

为了准确识别出车身颜色，识别区域的选取至关重要。本实验选取车脸前部靠近排气扇的部分

2．颜色直方图计算

对所选区域，计算出现次数最多的颜色。在实际应用中，由于其他彩色空间模型的分量值均可用RGB值来表示，为了计算简便，在计算颜色直方图时可仅针对RGB彩色空间模型进行。

3．色差计算

根据相应彩色空间模型的色差计算公式，计算其与 颜色模板间的色差。

4、颜色识别

在得到样本色与标准色在各个彩色空间模型中的对应色差后，就可以根据其结果进行颜色识别。即选取前一步计算得到的色差中的最小值，作为识别结果。

②、车标识别部分

毋庸质疑，车牌和车标的自动、实时识别是运动车辆类型精确识别系统中至关重要的两个部分。目前人们已经提出了众多的车牌定位算法，主要可以分为两大类:基于黑白图像的车牌定位算法和基于彩色图像的车牌定位算法。基于黑白图像的车牌定位算法又可以分为多类，如基于特征的车牌定位算法基于自适应能量滤波的车牌定位算法，基于小波变换和形态学处理相结合的车牌定位算法，基于二值投影的车牌定位算法，以及基于遗传算法的车牌定位算法等。

这些车牌定位算法各有优缺点，但他们都可以在一定程度上作为车标定位的参考。

车标定位与识别无论在国内还是国外都是一个较为崭新的领域。由于车标本身固有的特殊性：目标小、相似性大、受尺寸和光照影响大、背景不统一，以及不同汽车公司的车标形状大小不一致等，使得其精确定位识别成为一个难点。

我们将车标识别分为以下几个主要步骤:

(l)车牌定位:根据车牌的纹理特征，基于多分辨率分析快速获取车牌区域 ；

(2)车头定位:根据车头区域能量较高且较为集中的特点，通过OTSU二值化算法 进 行 图像二值化，然后利用二值投影，并结合车牌位置信息进行车头快速定位 ；

(3)中轴定位:在车头区域内，根据轴对称性定位车头中轴；

(4)车标粗定位:在定位出车头的基础上，根据车标与车牌的先验知识，得到车标经验搜矩形；

(5)车标精确定位:在第(4)步的基础上，利用车标纹理特征进行车标的精确定位。主要包括两步:一是根据车标区域在垂直方向上具有能量高且相对集中的特点，利用能量增强和自适应形态学滤波进行车标的一次定位；二是利用改进的模板匹配算法进行车标的精确定位。车标识别系统是运动车辆识别系统中的重要组成部分，与车牌识别一样，它也包括了定位和识别两项关键技术。

上图为车标识别系统结构示意图，与典型的目标识别系统一样，它包括了离线的训练过程和在线的识别过程。在训练过程中，首先将手工采集得到的车标样本进行图像归一化、尺度归一化等预处理，然后分别进行模板提取以得到车标标准模板库。车标标准模板库中的模板不仅用于车标定位，还用于进行特征提取以得到车标特征模型库用于车标识别。在定位过程中，除了输入汽车图像外，还需输入车牌的位置信息。这是因为各类车标不具有稳定的纹理特征，且大小、形状各不相同，所以在复杂的背景下直接利用特征匹配或模板匹配进行车标定位是非常困难的。因此必须利用车牌位置、车辆对称性等先验信息进行粗定位，在此基础上再利用相关图像处理技术和模板匹配进行精确定位。车标定位以后，车标识别问题就转化为一个2D形状的识别问题，这可以通过模板匹配的方法实现。但是在实际采集的图像中，往往存在光照、噪声、部分遮挡和形状相似等问题的影响，常规的模板匹配方法难以达到满意的识别效果。因此通常还需要一种合适的特征提取和识别方法来辅助进行车标识别，以提高系统的识别率。

第三部分：嵌入式

按照历史性、本质性、普遍性要求，嵌入式系统应定义为：“嵌入到对象体系中的专用计算机系统”。“嵌入性”、“专用性”与“计算机系统”是嵌入式系统的三个基本要素。对象系统则是指嵌入式系统所嵌入的宿主系统。

嵌入式系统的核心是嵌入式微处理器，它有4个优点：

(1) 对实时和多任务有很强的支持能力，能完成多任务并且有较短的中断响应时间，从而使内部的代码和实时操作系统的执行时间减少到最低限度；

(2) 具有功能很强的存储区保护功能。

(3) 可扩展的处理器结构，可以迅速地扩展出满足应用的高性能的嵌入式微处理器；

(4) 嵌入式微处理器的功耗很低，尤其是用于便携式的无线及移动的计算和通信设备中靠电池供电的嵌入式系统更是如此，功耗只能为 mW甚至μ W级，这对于能源越来越稀缺昂贵的时代，无疑是十分诱人的。

另外，嵌入式实时操作系统提高了系统的可靠性。这些都值得我们去做一个嵌入式车牌识别系统。

考虑到通常车牌以及车标识别算法的运算量大，同时又要满足实时性要求。因此，我们准备采用32位ARM嵌入式微处理器作为核心单元，以CPLD作为时序控制单元，采用基于ARM 9 S3C 241 C的嵌入式图像采集处理系统，在内嵌Linux操作系统的草础上，充分利用了ARM器件体积小、能力强以及功耗低的特点，实现并行数据总线/USB日接口图像接入、图像快速处理、图像信息的本地压缩存储和IP化数数据传输。该系统可使整个系统简化电路并且减少占用资源。

系统设计构成

整个系统由USB图像采集子系统，ARM处理子系统和网络数据传输子系统成摄像头采集现场视频数据通过U SB传输至ARM处理板;ARM处理板内嵌Linux操作系统，采用快速图像算法对图像序列进行处理，并根据处理结果采取相应的措施;网络传输子系统可以处理数据上传监控中心做进一步后续处理，系统结构下图所示。

ARM图像处理子系统拟采用S3C 2410处理器，能满足图像处理的要求；USB图像接入，可以保证图像传输;扩展64M SD RAM与64M Flash,大容量的RAM能够保存多幅图像，便于图像的分析与处理;无线网络接口实现了数据信息的网络化管理。

当然，只是我们的初步设想这些设想都将在我们以后的大量实验过程中得到论证和优化！

附录三：计划进度与安排

计划进度安排：

1.用约15天时间买一些实验所需的基本用品。

2.利用课余时间学习所需知识。

3.用约七个月时间完成编程，解决软件方面问题。

4.用约一年完成硬件方面，并制作样机。

5.初步检查，花费约一个月。

6.以六个月时间调试样机，发现缺陷并修正。反复试验，直至达到一个令人满意的水平。

综上，我们是计划用两年左右的时间拿下这个项目。当然，只是大体计划，以后会随实验的实际进度进行适当调整。

以上就是道尔智控小编解答贡献者：（浮生半夏）贡献的关于“13个国家都有哪些项目”的问题了，不知是否已经解决你的问题？如果没有，下一篇内容可能是你想要的答案，现在接着继续详述下文用户【雪影】贡献的“关于车牌定位的一段程序，有些地方没看懂，求解，为什么要对车牌区域进行校正？依据是什么？”的一些相关问题做出分析与解答，如果能找到你的答案，可以关注本站。

关于车牌定位的一段程序，有些地方没看懂，求解，为什么要对车牌区域进行校正？依据是什么？

本文最佳回答用户：【雪影】 ，现在由道尔智控小编为你讲解与【车牌倾斜了】的相关内容！

贡献者回答就是画框的时候画到外边框，没有特别的意思。如果不+1和-1，那么框住的是内边框。

这个基于颜色的车牌定位，有很多局限性。比如不能识别除了蓝色车牌以外的车牌，在车子颜色为蓝色时或背景区域有蓝色时，容易出错。在灯光影响下，可能找不到车牌等等。只能拿来做个演示。

上文就是道尔智控小编分享贡献者：（雪影）分析的关于“关于车牌定位的一段程序，有些地方没看懂，求解，为什么要对车牌区域进行校正？依据是什么？”的问题了，不知是否已经解决你的问题？如果没有，下一篇内容可能是你想要的答案，现在接着继续教你下文用户【我的痛♀有谁懂】分享的“c1倒车入库怎样修正”的一些相关疑问做出分析与解答，如果能找到你的答案，可以关注本站。

c1倒车入库怎样修正

本文最佳回答用户：【我的痛♀有谁懂】 ，现在由道尔智控小编为你探讨与【车牌倾斜了】的相关内容！

贡献者回答修正方向的原则以车尾为准，车尾想往右靠，往右打方向盘，车尾往左，往左打方向，再向相反方向回正。车子成\状，说明车尾往右倾斜，往左打方向，当车身正，回直。当车成/,说明车往左倾斜，往右打方向，当车身正，回直。车子成|形，但左边宽，右边窄，往左打方向，调整到后轮距线，理想范围，再向左打方向，回直。在倒库中，修正方向应提前1米左右距离，否则到库角时，即使修正也有压线的可能。

以上就是道尔智控小编解答(我的痛♀有谁懂)分析关于“c1倒车入库怎样修正”的答案，接下来继续为你详解用户（竹花夜如玉）解答“机动车牌可以自己安装吗”的一些相关解答，希望能解决你的问题！

机动车牌可以自己安装吗

本文最佳回答用户：【竹花夜如玉】 ，现在由道尔智控小编为你解答与【车牌倾斜了】的相关内容！

贡献者回答安装号牌的位置是指前号牌安装在机动车的前端中间或者偏右，后号牌的安装在车后端的中间或偏左，无任何变形和遮盖，横向水平，纵向基本垂直于地面并不得倒置。

并要求，除临时号码和试验车号牌外，其他机动车号牌使用统一的固封装置固封。同时，号牌应保持清晰完整，不得用任何物品遮挡、污损。不得故意遮挡或反向安装，也不得违反规定只使用一面号牌。

《中华人民共和国机动车号牌（GA 36—2014）》对于机动车号牌的规定如下：

【1】、应正面朝外、字符正向安装在号牌板（架）上，禁止反装或倒装；

【2】、前号牌安装在机动车前端的中间或者偏右（按机动车前进方向），后号牌安装在机动车后端的中间或者偏左，应不影响机动车安全行驶和号牌的识别；

【3】、安装要保证号牌无任何变形和遮盖，横向水平，纵向基本垂直于地面，纵向夹角不大于15°（摩托车号牌向上倾斜纵向夹角可不大于30°）；

【4】、安装孔均应安装符合GA804要求的固封装置，但受车辆条件限制无法安装的除外；

之前听说，汽车前一块车牌后一块车牌，一定要装满8颗螺丝钉，否则被查出来了要扣12分。这时，一些车主发出了质疑的声音，他们发现有的车牌上只有两个，怎么装上四颗螺丝钉啊，这样算前后车牌加一起也装不到8枚螺丝。针对这些问题，车管所做出了以下的回答：

牌只装两个螺丝扣12分，但车管所只给我装了两个螺丝，无处不在的坑，这年头啊我上次去上牌的时候，看见车管所给所有上牌的车都只装两个螺丝根据规定：

1）已经出厂在用的汽车（含进口车），如果在号牌安装位置上已经预留有四个安装孔的，必须安装四个固封；

2）只安装了2个的，要赶紧去补装；但原本车上只预留2个安装孔的，那只需安装2个固封就OK，不用再补装。也就是说，车上有四个孔，就安装四个；有两个孔，就安装2个。

在车管所补装螺丝时，要记得带行驶证。值得一提的是，补固封螺丝一定只能在你办理车牌的所在地补。因为各省各市的固封螺丝上都有不同的标识，是不能随便安装的。比如广东深圳的固封螺丝上面就有“粤B”，你不能用南宁的“桂A”特有车牌固封螺丝来代替。还有一个让车主关心的问题，在补装螺丝时要交钱吗？

从2016年3月1日起，所有出厂车辆都要安装四个固封。在正常的范围内，装2个固封和四个固封的车都会有，不会因为只能装2个固封的没有装四个就扣分罚款。只有当车牌有四个固封，而车主却只装2个螺丝才是违规的。对于不按规定安装机动车牌号的，可以一次性扣12分。

第一种情况：如果是应该要装却没有装的，比如要装四颗，在上牌时只装了2枚螺丝。然后去申领固封螺丝的，是不要收钱的。

第二种情况：如果上牌时已经装满了螺丝孔的，然后是行车过程中掉了的，这些情况去申领补装螺丝，那就要收费了。小编就换过，领四颗是一套，一共收费二十元。通常你要是真去换了，不管车管所收费多少，都必须听他的来办。

有些车友嫌换螺丝太贵想自己去杂货店买螺丝，或者直接用铁丝绑车牌的话，一经查处，一旦被抓到12分就没了。

很多人对于这个车牌上了几个螺丝并没有太在意。事实上，这个四个螺丝的加固是十分有必要的。为什么要装四个螺丝？因为四个固封定会比2个固封结实牢固！每当强降雨之后，我们都能在积水的路段发现丢失的车牌，丢车牌花钱补办事小，牌照被人捡到乱用麻烦就大了。

在法律层面强制要求车主给车牌加固4颗螺丝也是理所应当的，更是为保护每位车主的切身利益。尤其是广东地区暴雨天气多，受路面积水冲击，或道路颠簸影响，2个固封的车牌很容易脱落。

今天有关内容《车牌倾斜了,车牌倾斜校正常用方法》先分享到这里了，如果想要了解更多，请关注ask.drzk.cn,您的关注是给小编最大的鼓励。