《毕业论文5.11最终版基于Matlab的车牌识别系统的设计与实现.doc》由会员分享，可在线阅读，更多相关《毕业论文5.11最终版基于Matlab的车牌识别系统的设计与实现.doc（45页珍藏版）》请在三一办公上搜索。
1、浙江万里学院本科毕业设计(论文)(2013届)论文题目 基于Matlab的车牌识别系统的设计与实现(英文) Design and Implementation of Matlab-based license plate recognition system 所在学院 电子信息学院 专业班级 xxxxxx 学生姓名 xxxx 学号 xxxxxx 指导教师 xxxx 职称 副教授 完成日期 年 月 日基于Matlab的车牌识别系统的设计与实现2013年4月摘 要汽车车牌的识别系统是现代化的智能交通管理领域的重要组成部分之一。车牌识别系统能使车辆管理更加智能化和数字化，可以有效地提升交通管理的方便性
2、与有效性。车牌识别系统中主要包括了五大核心部分，分别是图像采集、图像预处理、车牌定位、字符分割、字符识别等。而本文主要介绍的是图像预处理、车牌定位、字符分割这三个模块的实现方法。本文的图像预处理模块的步骤是将图像灰度化和用Roberts算子进行边缘检测。分割采用和车牌定位是利用的数学形态法来确定车牌的位置，然后利用车牌彩色信息彩色的分割法来完成车牌部位的分割。字符的分割采用的是以二值化后的车牌部分进行垂直投影的方法，之后再对垂直投影进行扫描，来完成字符的分割。本文针对其的核心部分是进行阐述并使用MATLAB软件环境下来进行字符分割的仿真实验。关键词：MATLAB；图像预处理；车牌定位；字符分割
3、AbstractVehicle license plate recognition system is one important of the modern intelligent traffic management. License plate recognition system to make more intelligent vehicle management, digital, Effective traffic management to enhance the convenience and effectiveness. License plate recognition
4、system includes image acquisition, image preprocessing, license plate localization, character segmentation, character recognition and other five core parts. In this paper, preprocessing, license plate localization, character segmentation method for the realization of three modules. This is the image
5、 preprocessing module and the use of the image grayscale Roberts edge detection operator steps. License plate location and segmentation using mathematical morphology method is used to determine the license plate location，Re-use license plate color segmentation method of color information to complete
6、 the license plate area segmentation. Character segmentation approach is based on the license plate after the binary part of the vertical projection, Then scan in the vertical projection, thus completing the character segmentation. This article is described for the core part and use the MATLAB softw
7、are environment, the simulation experiments for character segmentation.Key Words: MATLAB software； image preprocessing； license plate localization；character segmentation .目 录1引言11.1 本课题的研究背景11.2 本课题的研究目的及意义21.3 国内外的发展状况31.4 主要应用领域51.5 设计原理72MATLAB简介82.1 MATLAB发展历史82.2 MATLAB的语言特点83LPR系统设计与实现103.1 系统
8、框架结构和工作流程103.2 设计方案113.3 图像预处理123.3.1 图像灰度化123.3.2 图像的边缘检测133.4 车牌定位和分割163.4.1 车牌定位163.4.2 车牌分割183.4.3 对定位后的彩色车牌的进一步处理193.5 字符分割与归一化203.5.1 字符分割203.5.2 字符归一化处理213.6 字符的识别214实验结果和分析245总结26致 谢27参考文献281 引言1.1 本课题的研究背景现代社会已经步入信息时代，伴随着通信技术与计算机网络技术和计算机技术的一起全面发展，自动化信息的处理水平和能力在不断提高，但作为现代社会最主要交通工具的汽车在人们的生活生产
9、的各个领域被大量使用，所以他的信息进行自动采集技术和管理方案具有十分重要的意义，成为信息处理技术的一项重要研究课题1。在此之外，智能交通系统，简称ITS（Intelligent Traffic System）已经成为现代社会道路交通发展的趋势。智能的交通系统，就是在当代科学技术高速发展的背景下产生的。其目的在于将现今的计算机处理技术、自动控制技术、数据通信技术等综合的应用于地面交通管理体型中来，从而建立了一种高效、实时准确的交通管理系统。公路交通基础建设的将会不断发展和车辆管理体制不断完善，就为了以视觉监控为基础的智能交通系统的实际应用打下了良好基础。智能交通的系统中，车牌自动识别系统是一个非
10、常重要的发展方向。LPRS或ALPRS是车牌自动识别系统的简称，该系统能够对车辆进行自动登记、监视、验证、报警。系统应用的场合包括：桥梁，高速公路，隧道这一系列收费管理系统2。城市交通车辆的管理，智能停车场管理，智能小区，车流统计，车牌验证等。同时，汽车的牌照自动识别的基本方法还可以在其他检测和识别领域得到应用，由此可见车牌自动识别这个问题已成为现代交通工程领域研究的重点和热点问题之一。车牌识别系统是一项科学技术含量很高的，并且具有多种技术结合的产品，主要有数字图像处理、计算机视觉、模式识别、数字视频处理等技术组成。同时也是智能交通系统的重要技术，产生在60年代。在80年代时，当时城市交通问题
11、日趋严重，美国和欧洲等许多国家投入了大量人力和物力，建立了自动化高速公路网，并且安装了摄像、光纤网络和雷达探测系统，简历智能交通系统。在美国、欧洲、日本等这些发达国家的带动下，世界各国也都开始简历智能交通系统。但是由于公路车流量日益增大、车辆管理相对越来越困难，道路交通日益拥挤，因此全世界各个国家都在积极建设适应未来交通运输需求的智能交通系统。车辆牌照识别系统是基于图像处理技术的基础上进行研究的。本课题的图像处理分为以下几方面3：1.图像数字化其目标是将模拟形式下的图像通过数字化的设备转变为数字计算机可用的离散形的图像数据。2.图像变换其目的是为达到了某种目标从而对图像使用的一种技巧,通过变换
12、图像能够使其更为容易、方便地处理和操作。3.图像增强改善图像的质量是图像增强的主要目的。从而采用一些处理技术来增强图像中的某些信息, 消除或削弱某些无关信息,因而有目的地强调图像的整体或局部特征，让观察者能看到更加清晰、直接的处理和分析图像。强化图像轮廓、直方图修正、灰度变换等全都是常用的手段。4.图像分割在图像应用和研究中,人们仅仅对图像的某些部分感到兴趣。它们一般在对应图像中待定的、具有独特性质的某个区域。图像分割就是要把图像中需要的那个部分给分割出来。5.图像分析图像分析内容分为图像分割、特征提取、符号描述、与图像的检测和匹配1.2 本课题的研究目的及意义车牌识别系统的主要任务是处理和分
13、析摄取到的在复杂背景下的车辆图像，定位分割牌照，然后自动识别汽车牌照上面的字符，车牌识别系统是利用车辆牌照的唯一性来进行识别和统计车辆的，它是以模式识别、数字图像处理、计算机视觉等科学技术为基础的智能化识别系统。在现代化的交通发展中车牌识别系统将会是制约交通系统智能化、现代化的一个重要因素，车牌的识别系统能够从一张图像中自动提取出车辆的图像，能够将牌照的图像自动分割，可以正确识别字符，从而降低了交通的管理工作复杂度。车牌识别系统是把获取的车辆图像来进行一系列的分析处理之后，并以字符串的形式得出输出结果，所以不但数据量变小，易于存储，操作更容易，得出车牌识别系统便捷绝对是人工车牌识别所不能媲美的
14、，它包含着很大的经济价值和发展前景，因此车牌识别技术的研究是非常有的必要的。其中车牌识别系统中最重要的两个技术是车牌字符识别和车牌定位，所以这两个技术的好坏可以直接影响到一整个车牌识别系统的实时性和准确性。因此国内外己有不少学者就对车牌定位技术做了很多的研究，但是在实际的应用中却还没有一个有效可行的方法，就例如由于车辆抖动而造成车牌图像的歪斜、和由于污迹，磨损造成车牌字符模糊、并且由于光照不均造成车牌图像的模糊等都会或少或多影响到了车牌定位的准确性。根据实际情况可以得出，许多学者开始在鉴于车牌图像的本身特征基础上研究车牌的定位技术，并且先后提出了些有效的定位方法，以减小由于种种主、客观因素而对
15、车牌定位准确度的影响4。但是由于智能交通的不断发展，从而使得对车牌定位系统有更高的要求，主要表现在系统的准确性和实时性。 车牌字符识别的目的是对车牌上的字母、数字和汉字进行准确快速的识别并且要以字符串的形式输出识别的结果，所以说字符识别技术是整个车牌识别系统关键。其它图像识别系统与车牌识别系统相比较而言要简单的多，在字符的识别中，汉字识别同样是最关键也是最难的部分，这就是为什么很多国外较为成熟的一些车牌识别系统无法进军中国市场的原因。此外，由于环境的影响，车牌识别系统必须能够保证在任何天气情况中全天不间断的正常工作。到现在为止，在众多的车牌自动识别系统中还没有一个可以完全达到理想的效果，所以对
16、车牌识别技术的研究意义重大。1.3 国内外的发展状况从20世纪90年代初开始，国内外就都已经有了对汽车牌照自动识别的研究，它的主要途径就是对车牌图像进行的分析，自动提取车牌的信息，确定汽车的牌号。在一些应用中，有使用到模糊数学理论也有用到神经元网络的算法来识别车牌中的字符，但是由于光路中有灰尘、外界环境光线变化、季节环境变化以及车牌本身比较模糊等这些条件下的影响，给车牌的识别带来较大的困难。国外的相关研究有：(1)J Barroso提出基于扫描的行高频分析的方法； (2) I.T. Lancaster提出的类字符分析的方法等5。都是为了解决图像恶化这一问题，就目前来讲，国内外都采用主动红外的照
17、明摄像或者使用特殊传感器用来提高图像质量，然后提高识别率，但是系统的投资成本过于旁大，不适合普遍推广。 车牌识别系统中两个关键子系统是车牌字符识别系统和车牌定位系统。 在车牌定位系统的研究中，国内外学者都已经作了大量的工作，但是实际效果却不是很理想，比如说车牌图像的倾斜问题、车牌表面的磨损和污秽问题、光线的干扰问题等都是成为影响定位准确度的潜在因素。所以近年来有不少的学者针对车牌本身特点，车辆拍摄的很多不良现象以及背景的复杂状况，先后都提出了许多有针对性的定位方法，可以使车牌定位在方法和技术上都有了非常大的改善.然而现代化的交通系统不断提高快节奏，将对车牌定位的实时性和准确率提出更高的要求。因
18、而进一步加深车牌定位的研究是必要的。 车牌字符识别是在车牌准确定位的基础之上，对车牌上的字母、汉字、数字进行有效的确认过程，其中汉字识别就是一个难点，很多国外的LPR系统也是往往因为汉字很难以识别而无法打入中国市场，因而探寻好方法解决字符的识别也会是至关重要的。目前已有的方法很多，但是其效果与实际的要求相差很远，难以适应现代化交通系统快节奏、高速度的要求。所以对字符识别的进一步研究也需要同时具有必要性和紧迫性。 从实用技术来看，如以色列的Hi-Tech公司研制出的多种See/Car system，适应于几个不同国家的车牌识别，就针对于中国格式车牌的See/Car syste而言，它不仅仅能识别
19、汉字，并且识别率有待提高。新加坡Optasia公司的VLPRS产品，更加适合于新加坡的车牌，此外加拿大、意大利、日本、德国、英国等这些西方发达国家都已经有适合于本国车牌的识别系统。 但是在我国实际情况会更加复杂，国外的拍摄环境都非常的理想，而且车牌技术规范很统一，这一方面我国明显规范的并不到位，不同种类的汽车有不同的规格、颜色和大小，所以车牌的颜色很多，而且位数都不统一，这样会对管理造成一定的困难。需要识别的车牌图像中就有功率不大的汽车使用的蓝底白字牌照，黄底黑字牌照是大功率汽车所用的，警车和军车是白底黑字，红字牌照，还有黑底白字牌照是国外驻华机构的等。所以根据数字而言，有七个字位的，但是也存
20、在有九位数字的武警车，还有军车、前两位字符上下排列的等，这样对车牌识别系统的要求要变的很高。 现在国内最主要的使用的产品是中国科技学院自动化研究所研究的一款汉王公司的“汉王眼”，此外国内的中智交通电子系统有限公司、深圳市吉通电子有限公司、亚洲视觉科技有限公司等都有自己的产品，此外清华大学、西安交通大学研究室、浙江大学、上海交通大学的计算机科学与工程系等都做过一系列的研究。为了提高识别率，都采用了一些其他的辅助设备和硬件的探测器如红外照明等，汉眼王就是采用光学滤波器和主动红外照明来削弱可见光的不易操控的影响，减少汽车大小灯光和恶劣气候的影响，另外还要求在高速公路管理窗口到“汉王眼”识别点埋设两条
21、线路管道，一条管道铺设触发信号线路和汉王眼与管理计算机的通讯线路，投资巨大，不适合于大面积的推广:另一条管道铺设220伏50赫兹1安培的交流供电线路。 此外，还有两种特别的科技被用在车牌的识别中，无线射频技术和条形码识别技术。条形码识别的要求是要先在车身上喷刷条形码，把扫描设备在系统的某一固定位置上，通过读取条形码，来达到识别车辆车牌的目的。想要使用无线射频技术，就要求在车内安装标示卡，收发器等装置安装在系统某一位置，接受标示卡来通过收发器来的信号，这样就可以识别车辆。但是很显然这两项技术的推广性不大6。 就目前的产品的使用的指标不难看出，车牌识别系统的识别速度和识别率需要提高。现代交通飞速的
22、发展和车牌识别系统的应用范围不断的加宽，这样人们对车牌识别系统就提出了更严格的要求。因此，研究高速、识别算法与准确的定位会是当前的主要任务，而图像处理技术的发展与计算机性能、摄像设备的提高都会影响车牌识别技术的进步，从而车牌识别系统的辨识度提高。1.4 主要应用领域车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一, 该技术应用范围非常广泛, 主要应用于： (1) 不停车自动收费； (2) 机场、港口等出入口车辆管理；(3) 交通控制与诱导；(4) 闯红灯等违章车辆监控；(5) 小区车辆管理；(6) 交通流量检测；(7) 公共停车场安全防盗管理；(8) 道口检查站
23、车辆监控；(9) 车辆安全防盗、查堵指定车辆；(10) 计算出行时间等。其存在的市场价值是非常大的，有足够大的能量的社会效益和经济效益。部分应用如图1-1所示：图1-1 收费口、道路监控和停车管理中的应用车牌自动识别系统可安装于公路收费站、停车场、十字路口等交通关卡处，其具体应用可概括为： (l) 监视相应路段的交通状况，可以直接通过交通监控利用车牌识别系统的摄像设备，获得车辆密度、排队、队长规模等交通信息，观察和防范交通事故。它还可以同其他的检测器或雷达测速器配合使用，用来监督违犯限速值的车辆。如果发现违规操作的车辆，摄像机拍取该车的图像，牌照号码就可以得知了，最后会给违规车辆发出警告。 (
24、2)交通流测量控制指标的参量，就是为了达到交通流控制的目的，一部分测量的交通流指标是相当重要的。该系统能够统计和测量许多交通流指标的参数，如总行程时间，总的流入量流出量，总的服务流率，日车流量，车型及车流组成，车流高峰时间段，小时/分钟车流量，车辆密度，平均车速等。这些交通诱导系统是提供我们需要的交通流信息。 (3)高速公路上面的事故自动测报就是由于该系统能够测量交通流量指标和监视道路情况，能及时发现堵车、排队、超速、事故等交通异常现象。 (4)对运营管理、安全检查、养路费交纳，这些情况实行不停车检查。根据所识别出的车牌号码可以从数据库中调取该车档案材料，可以发现还没交纳养路费的车辆。另外，该
25、系统可以发现没有车牌的车辆。如果联用同车型检测器，可很快的发现所车型与挂车不符的车辆。 (5)车辆定位可以能够自动识别车牌的号码，所以很容易发现车辆被盗，他还可以定位车辆的行驶位置。这为发现、追踪和防范涉及车辆的犯罪，保护车辆的安全有着重大作用，保障城市治安及交通安全。 车牌自动识别系统拥有广阔的应用前景，但若在每个街口都装配一套全新的车辆探测器的硬件系统则投资巨大，所以急需一个纯软件实行的车牌自动识别系统来最大限度的减少费用，而纯软件的设计，不仅投资小而且灵活性高，适合我国的国情。1.5 设计原理车牌识别系统的摄像头通过对经过指定区域的机动车辆进行拍照，因为照片会受到光照、拍摄位置和车辆行驶
26、速度的影响，导致拍摄的图片不能准确的确定汽车的车牌。而车牌识别系统就通过对机动车辆的照片进行图像预处理、车牌定位、字符分割、字符识别等技术手段，从而得到清晰的机动车牌照的照片，从而提高现代智能交通的管理效率，可以说车牌识别系统对于现代智能交通至关重要。2 MATLAB简介2.1 MATLAB发展历史MATLAB是一门计算机的编程语言，Matrix Laboratory是它名字的来源，原本的意思就是计算机数据用矩阵的方式来处理，它把可视化环境和数值计算集成到一起显得非常直观，并且MATLAB还提供了大量的函数，所以MATLAB越来越受到人们的喜爱，应用的范围也变得广泛起来。MATLAB以商品样子
27、出现后，在短短的几年中，以它运行的可靠性和良好的开放性，使其它原来控制这个领域的封闭式软件包（瑞典的 LUND，如英国的 UMIST，德国的 KEDDC ，SIMNON）纷纷被淘汰，全变成以 MATLAB 为平台加以重建。20 世纪九十年代，MATLAB 就已成为了国际控制界的公认标准计算软件7。20 世纪九十年代初期，在国际上的三十几个数学科技类应用软件中，MATLAB 在数值的计算方面遥遥领先，而 Mathematica 和 Maple则居于符号计算软件的前两名。 Mathcad 是因为提供了文字处理、计算、图形的统一环境中而深受中学生欢迎。 在国际的学术界中，MATLAB已经被定为可靠、
28、准确的科学计算标准软件。在许多的国际一流学术型刊物上面，都可以看得到 MATLAB 的应用。 在工业部门和设计研究单位，MATLAB 都被认作为进行高效开发、研究的首选的软件工具。如美国的分析软件 Lab VIEW、National Instruments公司信号测量，Cadence 公司信号和通信分析设计软件 SPW等，直接构造在 MATLAB 之上，或者就以MATLAB为主要支撑。又如TM 公司的 DSP，HP公司的VXI硬件，Gage 公司的各种仪器、硬卡等都接受MATLAB的支持。2.2 MATLAB的语言特点一种语言之所以可以以如此速度地普及，显示出其极其旺盛的生命力，这跟它有着不同
29、于其他语言的特点是密不可分的。正如同C和FORTRAN等高级语言使人们摆脱了一定需要直接对计算机硬件资源进行操作一样，作为第四代计算机语言的MATLAB，利用其极其丰富的函数资源，使编程人员从复杂的程序代码中解放出来。MATLAB的最为突出的一个特点就是简洁。MATLAB用最直观的、符合人们的思维代码，代替了C和FORTRAN语言的冗长代码。MATLAB给用户带来的是最直观、最简洁的程序开发环境。以下简单介绍一下MATLAB的主要特点8：（1）语言简洁紧凑，使用方便灵活，库函数极其丰富。MATLAB程序书写形式自由，利用其丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程工作。由于库
30、函数都由本领域的专家编写，用户不必担心函数的可靠性。可以说，用MATLAB进行科技开发是站在专家的肩膀上。 （2）运算符丰富。由于MATLAB是用C语言编写的，MATLAB提供了和C语言几乎一样多的运算符，灵活使用MATLAB的运算符将使程序变得极为简短。（3）MATLAB既具有结构化的控制语句（如for循环、while循环、break语句和if语句），又有面向对象编程的特性。（4）语法限制不严格，程序设计自由度大。例如，在MATLAB里，用户无需对矩阵预定义就可使用。 （5）程序的可移植性很好，基本上不做修改就可以在各种型号的计算机和操作系统上运行。 （6）MATLAB的图形功能强大。在FO
31、RTRAN和C语言里，绘图都很不简单，但是在MATLAB中确实很容易表现出来的。而且MATLAB还具有很强的编辑图形的能力。 （7）MATLAB也是有缺点的，它与其他的高级程序相比较，程序的执行速度很慢。但是MATLAB的程序不需要编译等预处理，不生成能执行文件，程序是为解释执行，导致速度非常慢。 （8）功能强劲的工具箱是MATLAB的另一重大特色。MATLAB包含两个部分：各种可选和核心部分的工具箱。核心部分中有数百个核心内部函数。其工具箱又可分为两类：学科性工具箱和功能性工具箱。功能性工具箱主要是用来硬件实时交互功能、文字处理功能、图示建模仿真功能以及与扩充其符号计算功能。功能性工具箱可以
32、用于多种学科技术。而学科性工具箱是专业性比较强的，如control、toolbox、signal processing toolbox、communication toolbox等。这些工具箱都是由该领域内的学术水平很高的专家编写的，所以用户无需编写自己学科范围内的基础程序，而直接进行高、精、尖的研究。3 LPR系统设计与实现3.1 系统框架结构和工作流程汽车牌照的识别（LPR）系统是通过引入计算机信息管理技术和数字摄像技术，采用先进的模式识别、人工智能和图像处理技术，通过对图像的处理和采集，获得更多的信息，从而更高的达到智能化管理程度。在LPR 系统产品的性能指标中，识别速度和识别率难以同时
33、提高的原因是有图像处理技术不够成熟，和受到计算机摄像设备等性能因素的限制。因此，研究高速准确的识别与定位算法，是当前的首要任务9。 汽车车牌的自动识别系统主要有图像采集、触发拍照、车牌定位、图像预处理、字符分割、字符识别、输出结果等单元如图3-1。图像采集图像预处理字符识别输出结果车牌定位字符分割视频信号图3-1 车牌识别系统工作流程图触发拍照：该单元会自动检测车辆在指定区域的存在，现有的成熟技术的有线圈触发、视频触发、红外触发、雷达触发以及激光触发。其中线圈触发和视频触发得到了广泛的应用。图像采集：该单元是指道路上安装的摄像头在检测到有车辆通过的同时进行拍照并借助网络传送到汽车自动识别系统。
34、图像预处理：该单元是指车牌识别系统对拍摄的汽车图片进行灰度化和边缘检测等处理。当外界光照不均匀时，光照强度不稳定的情况下，通过摄像机所采集到的原始车牌图像就会会模糊不清，这时需要对图片进行图像增强处理；在电子器件自身产生的噪声以及干扰外界环境噪声下，所拍的图像质量可能会有所下降，所以这时就需要对原图做去噪处理的一系列的事情。综上所述，这些处理均是图像预处理的工作。车牌定位：是指对预处理过的汽车图片进行处理，把车牌部分进行定位，把无用的部分去除，得到定位好的车牌图片。在完整的车牌图像中，绝大的一部分都是背景，对识别毫无用处，我们能将背景区域当做无用区域，并且想方法将他去除，从而在复杂的背景中准确
35、的分割并定位在车牌区域，从原图中提取需要的部分舍弃不需要的部分，从而节省识别图像的时间，这也是车牌定位分割的意义及目的所在。在定位分割的过程中确保不要把非车牌区域识别为车牌区域，也不能舍弃车牌区域，不然接下来的工作将无法进行。字符分割：对已经定位的车牌图片的进行字符分割，将车牌分割为7个单一的字符图片。系统并不能直接识别被分离出的车牌区域图像，还需要将车牌上的任何一个字符都要完整的独立的分割出来，就是说从车牌区域中图像上将车牌里所包含的任意字符都切分出来，将他们变成没有任何相关性的独立字符图像，之后由系统对每个字符进行分开识别，在切分字符时，需注意保证所有字符的准确完整度。字符识别：最为关键的
36、一步是车牌字符的识别，之前对车牌图像所做的各种处理都是为完成最终的识别所做的努力。单个的字符图像是系统的输入，输出的却是以文本格式体现的完整车牌号码，车牌字符识别的正确率可以直接反映出车牌识别系统的性能好坏。输出结果：输出识别结果，并进行数据存储。就车牌识别系统来看，以上的所有步骤都是不可或缺的，并且前一步骤均是给后面步骤的打基础，因此，只有确保做好每一步才能顺利完成系统最终的识别工作。 3.2 设计方案车牌识别系统包括图像预处理、图像采集、字符分割、字符识别、车牌定位等模块，本文主要研究字符分割、图像预处理和车牌定位三个模块9。本系统主要是由字符识别和图像处理两部分组成的。其中图像处理部分包
37、括边缘提取、模块牌照的定位、图像预处理以及分割模块。字符识别部分可以分为特征提取与单个字符识别和字符分割两个模块。字符识别这部分要求照片清晰，但是可能摄像头在外长时间工作，摄像头角度和距离、再加上光照条件、车辆自身条件不同以及车辆行驶速度的不同所影响，想拍出很理想的图片很困难。所以我们要对摄像头拍摄出来的图片进行预处理，其中主要有图片边缘提取和图片灰度化等。 车牌定位和车牌分割是整个系统的关键，其作用是在经图像预处理后的灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。 车牌识别系统的
38、最终目的就是将不清楚的车牌照片进行识别，输出清晰的图片。现在字符识别的常用方法有模板匹配法和神经网络模型法。3.3 图像预处理3.3.1 图像灰度化汽车图像的样本目前大多是通过数码相机、摄像机等设备拍下的，因此在预处理前的所有图像全都是彩色图像。RGB图像是彩色图像简称，它是利用R、G、B分量来表示某个像素的颜色，红、绿、蓝3种颜色分别用R、G、B个不同的字母表示，并通过三基色将其调和成任意颜色。并且每个所知分量有255种值可取，所以说这样任意的像素点可以有1600多万的颜色的变化。灰度图像就是R、G、B三个分量具有相同的一种特殊的真彩色图像，任意的像素点的变化范围为255种，因此在数字图像处
39、理中一般先是会把各种格式的图像转变为灰度图像后，这样图像的计算量就会变得少一些。在灰度图像的描述中，它与彩色图像一样仍然反映了整幅图像的局部和整体的亮度和色度等级的分布和特征。所以说对与尺寸为m*n的一个彩色图像来说，存储m*n*3的多维数组10。彩色图像中有大量的颜色信息，不仅在存储上面开销很大，而且会在处理上降低系统的执行识别速度。因为图像的每个像素都具有三个颜色不同的分量，并且存在很多同识别无关的信息，不利于进一步展开的识别工作，所以在对图像识别过程处理中，经常是将彩色图像转变为灰度图像，以便增加处理速度。数字图像分为灰度图像和彩色图像。在RGB模型中，如果R=G=B，那么这个颜色就会表
40、示一种灰度颜色，其中R=G=B的值就叫做灰度值。而彩色转变为灰度的过程就叫做灰度化处理。灰度图像就是没有颜色信息的图像而只有强度信息，存储的灰度图像仅仅需要一个数据矩阵，矩阵中每个元素都表示对应位置像素点的灰度值。灰度图像的像素色为RGB ( r, r, r ),彩色图像的像素色为RGB (R, G, B )， R, G, B可以从彩色图像的颜色中分解获得.并且R, G, B的取值是0-255的范围内,而灰度的级别只有256级。当将彩色图像转变为灰度图像时， 就现在而言用的比较多的灰度化方法为平均值法，公式为： H=0.229R+0.588G+0.144B11在公式中，H表示灰度图中的亮度值；
41、R代表彩色图像中红色分量值；G则代表色彩图像中绿色分量值；B是代表彩色图像中蓝色分量值。RGB 这三分量前的系数叫做经验加权值。加权系数的取值是建立在人眼的视觉模型之上。所以对人眼很敏感的绿色取了较大的权值；而对于人眼比较不敏感的蓝色取较小的权值。通过这个公式将转换的灰度图能很好的反应原来图像的真实亮度信息。在MATLAB中我们可以调用im2gray函数对图像来进行灰度化处理。3.3.2 图像的边缘检测边缘是指图像灰度发生空间突变或者在梯度方向上发生突变的像素的集合。用摄像机采集到的机动车图像由于受到噪声干扰以及车辆本身的影响，使得获得的图像质量不理想。因此，在对汽车牌照进行定位的时候及字符识
42、别之前需要先对车辆的图像进行边缘检测处理，从而提高图像的质量，以便于后面的识别和分割。可以通过良好的边缘检测，大幅度的降低了噪声和分离出复杂环境下的车辆图像，保留较完好的车牌字符信息情况，有助于后面的字符识别与精确定位。对于车牌识别系统的摄像头安装位置以及机动车的车牌固有属性，我们就可以发现机动车的车牌图像一般都处在水平的矩形区域中，在图像中有较为固定的位置，车牌中的字符都是按照水平方向排列的。因为有这些非常明显的特征，所以经过适当的图像变换后，可以更为清晰的呈现出车牌的边缘。本文采用经典的Roberts边缘检测算子对图像进行边缘检测。Roberts算子是一种比较最简单的算子，是一种利用局部差
43、分算子寻找边缘的算子，他采用对角线方向相邻两象素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感,无法抑制噪声的影响。灰度化和边缘检测的MATLAB程序如下：I=imread(53.jpg);figure(1),imshow(I);title(原图)I1=rgb2gray(I);figure(2),subplot(1,2,1),imshow(I1);title(灰度图);figure(2),subplot(1,2,2),imhist(I1);title(灰度图直方图);I2=edge(I1,robert,0.08,both);figure(3),imshow(I
44、2);title(robert算子边缘检测)图3-2 原图图3-3 灰度图 图3-4 Robert算子边缘检测3.4 车牌定位和分割 该系统的摄像头拍摄的图片是整个机动车的图片，而只有车牌部分是对系统有用的。所以我们要对照片进行车牌定位和分割。车牌的定位和分割是从经过图像预处理后的灰度图像中确定牌照位置，并将车牌部分从整个图像中分割出来，从而进行字符识别。车牌图像的灰度图的车牌部分是一个水平度很高的长方形图样，在原图中比较集中，且灰度值和周围图样有明显差异，因此很容易用边缘检测来对图像进行分割。车牌定位和分割的准确度直接关系到最后的字符识别的质量。其流程图如图3-5所示。对图像进行图像腐蚀除去
45、图像杂质通过计算寻找X和Y方向车牌的区域完成车牌定位对定位后的彩色车牌的进一步处理图3-5 车牌定位流程图3.4.1 车牌定位 机动车图像经过灰度化和边缘检测的处理后，边缘得到了加强，牌照区域已经非常明显。本文采用的是用数学形态学来进行图像处理和模式识别。数学形态学是用具有一定形态的结构元素去量度和提取图像中的对应形状，以达到对图像分析和识别的目的，能有效地去除噪声，保留图像原有信息的同时提取的边缘比较平滑，提取的图像骨架也比较连续，断点少。现在我们将经过预处理的图像进行图像腐蚀以及去除杂质，就可以得到相对准确的车牌位置。处理过程图如图3-6腐蚀后的图像，图3-7平滑图像的轮廓，图3-8从对象
46、中移除小对象后图像所示。图3-6 腐蚀后的图像图3-7 平滑图像的轮廓图3-8 从对象中移除小对象后图像3.4.2 车牌分割车牌自动识别系统中的其中一个重要步骤是车牌字符分割，这这一模块中，正确性受到了很多因素的影响，最大问题莫过于二值化的不彻底使投影图像中的字符间波谷不够分明；再就是车牌反光、光照不均、污损等原因使车牌图像较差，并存在大量噪声；再者，车牌铆钉和边框也能够造成分割不正确；还会有车牌前的两个字符和后面的五个字符之间的间隔符（小圆点）对于字符识别有影响；车牌的旋转对于水平分割有着很大影响12。对于车牌部分的本文分割采用的是利用车牌信息的彩色分割法。通过使用和统计彩色的像素点这个方法
47、分割出来车牌的区域，从而确定车牌的底色蓝色RGB所对应的灰度范围，然后通过统计在行方向的颜色像素点的数量，就可以确定车牌在行方向上的区域。再在分割出的行区域内统计列方向上的蓝色像素点数量，最终就确定出完整的车牌区域（如图3-9所示）。图3-9车牌对位的图像3.4.3 对定位后的彩色车牌的进一步处理定位后车牌图像是彩色的，会占用较大的存储空间，加重计算机负担。且车辆图片不可避免存在噪声，所以要对图像进行灰度化，二值化以及滤波处理。图像进行二值化处理就是为了图像上的点进行灰度设置，数值通常为0或255，从而使得整个图像都呈现出来非常明显的黑白效果。也就是将这256个亮度等级的灰度图像通过一个适当值的选取，从而获得依旧可以反映图像局部和整体特征的二值化图像13。为了除去图像噪声采用滤波的方式。滤波有多种方法，在本设计中，所采取的滤波方法是均值滤波。均值滤波是一种典型的线性滤波算法，它在图像上对目标像素给一个模板，此模板包括其周围的临近像素。再使用模板中的全体像素的平均值来代替原来像素值（表达式）最后再进行膨胀或腐蚀处理通过对定位后的彩色车牌的进一步处理，得到
