毕业设计基于数字图像处理的车牌定位与识别的设计与实现.doc

《毕业设计基于数字图像处理的车牌定位与识别的设计与实现.doc》由会员分享，可在线阅读，更多相关《毕业设计基于数字图像处理的车牌定位与识别的设计与实现.doc（37页珍藏版）》请在三一办公上搜索。

1、 毕 业 设 计（论 文）题 目 基于数字图像处理的车牌定位与识别 基于数字图像处理的车牌定位与识别目 录摘 要10Abstract11第一章 绪论131.1 车牌定位技术的研究意义131.2车牌定位技术的国内外研究现状141.3车牌定位技术的难点151.4论文的研究内容以及章节安排151.5 本课题的研究内容16第二章 车牌定位系统的结构设计172.1车牌识别系统总体设计172.2系统硬件设计182.3 系统软件设计182.4 本章小结19第三章 车牌图像预处理213.1图像的灰度化223.2灰度拉伸233.3.图像去噪23第四章 车牌定位254.1牌照区域的定位254.2牌照区域的分割26

2、4.2.1候选区域的提取264.2.2车牌进一步处理264.3 倾斜校正284.4分割与归一化284.4.1字符分割304.4.2字符归一化30第五章：字符识别315.1模版匹配法原理简介315.2本文方法具体步骤345.3识别结果及对比35第六章 基于matlab的程序源代码36第一章 绪论1.1 车牌定位技术的研究意义随着我国经济的快速发展，人民生活水平的不断提高，私有车辆越来越多，交通需求量越来越大，现有的交通基础设施建设速度远远比不上机动车辆和其他交通工具的增长速度;传统的人工管理方式已经越来越不能满足实际工作的需要。由于违章造成的交通事故日益频繁，以及城市交通堵塞造成的运输效率低下，

3、严重地影响了我国城市经济的发展和人民的生活，在路桥收费、十字路口交通和停车场收费中实行车辆自动识别(Automatic Vehicle Identification, AVI)已成为管理部门的迫切要求。因此，为了解决这些问题，在继续加快交通基础设施建设的同时，应该充分利用卫星导航、视频监控和计算机调度管理等技术，发展智能交通系统(Intelligent Transportation System, ITS)来提高运输效率，保障交通安全，缓解交通拥挤和实现管理自动化。车辆自动识别是智能交通系统(ITS)实现的前提。近年来，车辆识别技术发展很快，主要有:射频识别(Radio Frequency I

4、dentification),条形码识别(Bar Code Based Identification)和车牌识别(LicensePlate Recognition, LPR)。其中，射频识别和条形码识别属于间接识别，难以核对车与车牌信息是否相符。而车牌识别属于直接识别，与射频识别和条形码识别相比，车牌识别不需要在汽车上安装专门的条形码或射频识别标志，可以对车辆图像进行检索、回放，升级和维护方便。因此，车牌识别系统具有更为广阔的应用前景。但是，目前国内现有的车牌识别系统对环境的依赖性较大，而且对外界的干扰比较敏感;国外的车牌识别系统对汉字的识别率较低，所以必须研究新的车牌识别方法。车牌识别系统主

5、要由车牌定位、字符分割和字符识别三部分组成。其中，车牌定位是字符分割和字符识别的基础，对整个系统的性能起着至关重要的作用，决定着系统的识别速度和识别精度。因此，车牌定位是车牌识别系统中的最为关键的技术之一。由于车辆图像采集于户外，图像背景复杂、噪声干扰严重。因此，车牌的自动定位一直都不是很理想，使得它一直是该领域的研究热点。车牌识别系统涉及计算机视觉、数字图像处理和模式识别等技术，对它的研究也会促进这些领域的发展。该系统是计算机视觉、数字图像处理和模式识别等技术在智能交通领域的重要应用。它能自动获取车辆图像，采集车辆信息和实现智能化管理，广泛应用于以下场合，如高速公路电子收费和流量监控、失窃车

6、辆查询、停车场车辆管理、监测黑车牌机动车辆和违章车辆等，大大提高了交通管理运行效率，节省了人力、物力，有利于交通管理的科学化、规范化和智能化。因此，对车牌识别中的首要问题一车牌定位技术研究，不仅具有重要的理论意义，而且具有重要的现实意义。1.2车牌定位技术的国内外研究现状 90年代，随着计算机视觉技术和图像处理技术的发展，开始出现车牌识别系统化研究，取得了显著的成效。运用计算机视觉技术和图像处理技术建立了车辆牌照自动识别系统。近年来，随着计算机技术和人工智能的发展，新兴技术的出现，很多国家开始探讨用人工神经网络技术和生物遗传技术等对车牌识别问题进行研究，并将研究重点转向彩色图像的车牌识别和一幅

7、图像多个牌照车牌识别问题上。国外的研究人员对于车牌识别的研究工作开展较早，究方向主要是分析车牌图像，提取车牌信息，确定车牌号。现如今，国外在车牌检测、识别方面的研究已取得一些令人瞩目的成绩，开发出了很多技术成熟的车牌识别产品。例如英国IPI公司研究开发的RTVNPR系统，它是一款便携式的设备，可以应用在道路收费站、交通检测口等场所;新加坡Optasia公司自行研发的车牌识别系统IMPS，可以在各种天气条件和光照环境下准确定位识别，给出和车牌一致的处理结果。另外，日本、加拿大、德国、意大利等各发达国家都有适合于本国车牌的识别系统。国外比较好的车牌定位算法有:J.Barroso等人提出的基于水平线

8、搜索的车牌定位方法(81; R.Parisi等人提出的基于DFT变换的频域分析的车牌定位方法Charl Coetzee提出的基于Niblack二值化算法以及自适应边界搜索算法的车牌定位方法fiol等 我国对车牌识别技术的研究工作开始于20世纪90年代，当前比较成熟的产品有:北京汉王公司采用DSP芯片作为识别算法的运行硬件平台的“汉王眼”;深圳吉通电子有限公司的“车牌通”;上海高德威智能交通系统有限公司的汽车牌照识别器;川大智胜软件股份有限公司的zTZ000车牌自动识别系统等等。这些产品都达到了较好的识别效果。除此之外，上海交通大学计算机科学和工程系、西安交通大学的图像处理和识别研究室、浙江大学

9、的自动化系、清华大学人工智能国家重点实验室等也都在进行类似的研究。国内常用的车牌定位技术有:基于彩色图像的定位算法;基于边缘检测的定位算法;基于灰度值变化的定位算法;基于神经网络的定位算法;基于遗传算法的定位算法;基于数学形态学的定位算法等。1.3车牌定位技术的难点车牌定位是车牌识别系统的关键技术，是字符分割和字符识别的基础，对系统的识别精度有着重要的影响。由于在图像的采集和传输过程中，车辆图像不可避免地要受各种因素的影响，如光线和噪声等影响，使得车牌难以准确定位。车牌定位的难点主要有:1.环境干扰不同光照条件的光线对车牌图像的亮度影响很大，尤其是在光照不均的情况下车牌区域可能会形成部分阴影，

10、从而改变了车牌的某些特征，影响车牌定位。2.背景复杂多变，类似区域干扰车牌识别系统一般应用在交叉路口、车库、小区入口、高速公路等地，图像背景复杂多变，背景中与车牌区域特征相似的区域也是车牌定位的干扰源，如背景中与车牌特征相似的广告语、指示牌等，此外，车牌附近的障碍物遮拦车牌，如保险杠等，这些也影响车牌的定位。3.车牌污损、模糊和褪色等由于各种原因(如灰尘、泥泞等)造成车牌污损;因噪声或运动等而使车牌模糊;因长期光照等原因而使车牌出现褪色，也会造成车牌定位困难。4.图像畸变由于各种原因造成的畸变，如拍摄时的角度不准造成车牌倾斜变形和摄像机透射畸变，还有车辆运动而造成的变形，在很大程度上也影响着车

11、牌定位。自动识别的难度，使得中国车辆牌照识别远远难于国外的车辆牌照识别。因而如何提高识别率和识别处理的实时性及实用性成了一个紧要的任务。1.4论文的研究内容以及章节安排 车牌识别系统可按顺序分为视频采集、图像预处理、车牌定位、车牌字符分割和车牌字符识别几部分，而车牌的定位部分是车牌识别系统中的关键技术，是字符分割和字符识别等后续工作的重要基础，对整个识别系统最终的识别精度和识别效率都有着重大的影响。 本文主要是通过数字图像处理技术对由摄像机获取到的彩色车牌的定位技术进行了研究，将整个车牌定位的过程分解为了图像预处理和定位两个部分。其中，预处理部分又分解为了图像增强、二值化两个处理过程;定位部分

12、被分解为边缘检测、粗定位、倾斜校正和细定位等四个处理过程。 通过对数字图像处理方面的技术作了深入的学习，本文对每一个处理过程做了详细的研究设计并完成编码实现。图像增强阶段中，采用了直方图均衡化算法实现了灰度图的对比度增强作用;二值化阶段中，分别实现了迭代最优闭值法和大津闭值分割法，并通过对比算法实现的效果，以及算法的效率和准确率，选取大津闭值分割法作为本定位系统的二值化方法;边缘检测阶段中，通过使用不同的算子实现边缘检测，考虑算法实现的优劣，以及结合本次车牌定位的需求，选取Sobel算子完成对二值化图像的边缘检测;粗定位基于边缘检测后的图像采用改进的投影法进行定位;倾斜校正通过求取车牌上各字符

13、的中心点，拟合直线来确定车牌的倾斜角;细定位对校正后的图像采用统计跳变次数和投影法结合的算法进行定位。 本论文的章节安排如下: 第一章:绪论。简要介绍课题的研究背景及意义，以及当今国内外在车牌识别上的一些现状，最后介绍本文的内容及章节安排。 第二章:车牌定位系统的结构设计。首先简要介绍了车牌识别系统的结构框架以及每一模块的具体工作，接着提出本文的车牌定位方案设计，包括预处理和定位两大模块。其中，预处理部分图像增强和图像二值化，定位部分包括边缘检测、粗定位、倾斜校正和细定位。 第三章:车牌图像预处理。首先介绍了和数字图像处理相关的理论以及计算原理，其次分别对图像预处理中涉及到的图像增强和图像二值

14、化等环节进行了介绍和实现。第四章:车牌粗定位。分析我国的车牌特征，介绍当前常用的定位方法，并提出包含边缘检测、车牌粗定位、倾斜校正、车牌细定位等在内的车牌定位方法。本章详细介绍粗定位算法。 第五章:研究车牌字符识别的问题，对模板匹配的方案进行研究、改进和试验。对模板匹配法中的特征提取采用新的划分方式进行划分，分别提取特征，提高了识别准确率。 第六章:主要是程序源代码。基于matlab的程序源代码。1.5 本课题的研究内容本文就车辆牌照自动识别技术进行了一系列的研究工作，在研究国内外各种典型的车牌识别方法的基础上，努力学习和创新，结合中国车牌的特点，对适合中国车牌的识别系统进行了研究。在课题研究

15、中作者的主要研究内容有：1）在广泛查阅国内外车牌识别系统算法的基础上，以 MATLAB 的 ImageAcquisition Toolbox、Image Processing Toolbox 以及 Neural Network Toolbox 工具箱为骨架，以 M 语言为主要编程语言，部分模块结合 C 语言开发了一套车牌识别系统，实现了车牌识别系统中车牌的定位、车牌字符的切分、以及车牌字符的识别的功能。提取的算法，结合形态学处理，采用初步定位去除伪车牌和精确定位相结合的算法实现车牌的准确定位。2）关于车牌字符切分的研究，这里主要针对二值化、倾斜校正、字符切分进行了研究。对二值化中采用的 Ots

16、u 算法进行改进，重新划分二维直方图的区域，改进后的算法运行时间短、二值化效果好。第二章 车牌定位系统的结构设计2.1车牌识别系统总体设计 一个完整的车辆牌照识别系统是一个复杂的系统，应该包括图像采集、图像预处理、车牌定位、字符切分、字符识别以及图像编码、数码传输与更新等步骤，基本可以分为硬件部分和软件部分，硬件部分主要完成车辆图像的摄取采集，软件部分主要完成对采集到的车辆图像进行车辆牌照定位、车牌字符切分与车牌字符识别等工作，这部分工作最为复杂，最后对识别结果进行数据传送和存储，将处理后的识别信息交给管理系统进行管理。整个系统的核心是软件部分的工作，能否通过牌照对车辆进行有效管理，很大程度上

17、取决于软件部分识别车牌的准确性。一个车牌识别系统的基本结构如图所示:车牌识别系统是只能交通系统的一个十分关键的构成部分。该系统可以实现从一副包含汽车牌照的图片中自动的确定出车牌所在的位置，并对车牌所在的区域进行字符分割、字符识别等操作，最终识别出车牌的具体内容。车牌自动识别方法的成功实现将会大大提高ITS进程的实现步伐。 车牌识别系统从一幅车牌图像中提取车牌部分图像，分割字符，进一步对字符进行识别，从而得到车牌号码。由于应用场合的不同，相应的设计方案也有所区别，但通常一个典型的车牌识别系统主要包括四部分:车辆感应部分、图像采集部分、车牌识别部分、数据库管理部分。2.2系统硬件设计 一个车牌识别

18、系统的基本硬件配置由摄像机、主控机、采集卡和照明装置组成。例如在停车场管理系统中，系统硬件主要包括车辆传感探测器、高性能工控计算机、高分辨率 CCD 摄像机、高放大倍数镜头、CCD 自动亮度控制器和视频采集卡等。首先是探测车辆的接近、通过和停留等。常用的有光探测器、微波雷达通过型探测器、测速雷达探测器、声探测器、红外探测器、电磁感应探测器和压敏探测器等。我国停车场应用较多的是红外探测器和电磁感应环探测器。设置在停车场入口和出口的两对红外发射和接收设备进行车辆检测。利用编码调制信号，增强抗干扰的能力，具有较强的可靠性。前端工控机利用红外线探测到车辆经过的信号时，控制图像采集卡抓拍图像，并对抓拍的

19、汽车图像进行牌照识别，同时控制摄像机光圈的大小，以适应外界环境不同的光照条件。然后将识别出的牌照信息储存到服务器中，当车辆离开时，同样的进行牌照识别，将其与前面输入的牌照信息进行对比，计算出停车时间，然后计费。本课题主要侧重算法的研究，主要工作是设计软件，对已摄取到的卡口车辆照片实现车牌识别。2.3 系统软件设计硬件设备采集到图片后首先要考虑图像的存储格式。目前比较常用的图像格式有*.BMP、*.JPG、*.GIF、*.PCX 等，本课题采集到的图片是*.JPG 的格式。软件系统的编写大多采用 VC 或者 MATLAB 语言，本课题选用了 MATLAB 语言。MATLAB 具有以下优点：1）M

20、ATLAB 编程效率高，使用方便。MATLAB 以矩阵作为基本语言要素大大提高了数值计算的编程效率。MATLAB 本身拥有丰富的函数库，并具有结构化的流程控制语句和运算符，用户在使用过程中能够方便自如地应用。其图像处理工具箱更是大大扩展了 MATLAB 解决图像处理问题的能力，其他还有诸如用于神经网络和小波的工具箱等，对于算法的分析都有着很大的帮助。2）MATLAB 扩充能力强，交互性好，移植性和开放性较好。MATLAB 的库函数同用户文件在形式上是一样的，用户可以根据自己的需求方便地建立与扩充新的库函数，扩充其功能。MATLAB 可在 Windows 系列、UNIX、Linux、VMS 6.

21、1、PowerMac 平台上使用，且所有的核心文件和工具箱文件都是公开的，用户可以修改源文件构成新的工具箱，从而可以扩充很多新的功能，利于算法的研究和改进。 3） 较强的图形控制和处理功能，自带的 API 使得用户可以方便地在 MATLAB与 C、C+等其他程序设计语言之间建立数据通信。 本文设计的系统采用 MATLAB 搭建车辆牌照识别系统，具有非常明显的优势：1）可以直接使用 MATLAB 的 Image Acquisition Toolbox、Image Processing Toolbox 以及 Neural Network Toolbox 作为骨架来搭建整个系统。2）使用 MATLA

22、B 的图形用户界面技术（GUI）编写牌照识别系统面板，可以达到与牌照定位切分程序及字符识别程序的无缝连接。3）使用专业工具箱，使得研究人员不必过于关心程序的细节问题，可以将主要的精力放在算法的研究、设计方面，极大地减少了工作量，为算法的研究改进提供了先决条件。 整个软件系统是一个具有车牌识别功能的图像分析和处理软件。首先将采集到的汽车图像进行灰度化、灰度拉伸和滤波处理，以降低噪点、增加车牌部分的对比度。然后，通过对预处理后的图像进行小波变换分解提取图像边缘，并进行形态学处理，这时，车牌的轮廓已经非常清晰，并且可以和非车牌区域明显区分开来了，接着，根据车牌的特点进行车牌初步定位，对车牌区域和伪车

23、牌区域进行筛选后，采用投影法进行车牌二次定位，提取出车牌图像。将提取出的车牌图像进行二值化处理，根据投影图的特点查找倾斜的角度，采用坐标变换的方法进行车牌倾斜校正，并利用其垂直投影图中字符显示出的峰群的特点进行字符切分。最后利用改进的BP 网络完成了整个车牌字符的识别。整个系统的设计主要采用了 M 语言，部分采用了 C 语言开发。最后搭建了一个测试平台，将上述三个部分进行了系统化，对系统的性能进行了测试和分析。2.4 本章小结本章主要介绍了车牌识别系统的总体设计方案。首先，简单介绍了车牌识别系统的组成部分，包括硬件部分和软件部分。硬件部分主要完成车辆图像的摄取，获取高质量的含有牌照的图像，受条

24、件限制，关于硬件的研究本文未展开具体工作。软件部分在整个系统中占有很重要的地位，而且软件的优化和升级能在很大程度上弥补硬件的不足，因此是本文研究的重点，软件研究主要是设计车牌识别系统的主体，包括基于小波变换的车牌定位模块、基于 Otsu 算法的车牌字符切分模块的车牌字符识别模块。在确定总体设计方案后，后面将对每一模块依次进行介绍。 整个软件系统的设计流程图如图所示：第三章 车牌图像预处理 为了便于车牌的分割识别，摄像机摄下的原始图像应具有适当的亮度和对比度。但通常经输入系统获取的车牌图像信息由于光照条件、牌照的整洁度、摄像机的状态(焦距、角度和镜头的光学畸变)以及车速的不稳定等因素都会使图像含

25、有各种各样的噪声与畸变。例如由于光照度不均匀造成图像灰度过于集中;由摄像头获得的图像经过AD转换、线路传送都会产生噪声污染;车牌的字符部分受到磨损或是被污迹覆盖等等。这些主客观因素不可避免地影响车牌图像的清晰程度，降低图像质量，轻者表现为图像不干净，难以看清细节，重者表现为图像模糊不清、歪斜或缺损，车牌字符边界模糊、细节不清、比划断开、粗细不均等现象。这势必会影响车牌区域分割，降低车牌字符识别的准确度。因此，在对车牌图像进行分析之前，必须要对车牌图像进行预处理。对车牌图像的预处理主要包括以下三个方面:(l)图像对比度增强。由于车牌识别系统需要全天候工作，自然光照度的昼夜变化会引起车辆图像对比度

26、的严重不足，所以增强图像是很有必要的。(2)图像去噪。通常得到的汽车图像会有一些污点，为了保证识别的效果，需要对图像进行去噪处理。(3)倾斜矫正。摄像机的位置、车辆的运动等因素经常使拍摄出来的汽车图像有一定的倾斜，这就需要对图像进行倾斜矫正，或在分割出车牌区域之后对字符倾斜矫正 3.1图像的灰度化通常情况下，实际的车牌识别系统中由摄像机采集到的原始图像是彩色图像，所有的彩色图像都是由红(R)、绿(G)、蓝(B)三基色组合而成，在数字图像中每一个基色都被分为256个等级，即0255。由R、G、B三基色不同级别的组合方式，可以计算出一幅彩色数字图像最多可包含167772种颜色。在灰度图像中R=G=

27、B，因此灰度图像中只有一种灰度颜色，同彩色图像中的三基色一样，灰度色也被分成0-255，共256个等级，同理可以计算出一幅灰度图像最多只包含256种颜色。由此可见，一幅彩色图像所包含的信息量远远大于一幅灰度图像，它不仅需要大量的存储空间还需要复杂的图像处理算法，这使得整个车牌识别系统操作时间过长，无法达到其实时性的要求。所以，首先应将采集到的彩色图像转换成一幅灰度图像，这个过程便是图像的灰度化。令g为转换后灰度图像在某一点的灰度值，R、G、B分别为转换前该点的R、G、B分量。图1彩色原图使用matlab自带的灰度变换函数 rgb2gray(),对彩色图片进行灰度化处理，结果如下图。图2灰度图像

28、3.2灰度拉伸对车辆图像进行灰度化处理之后，车牌部分和非车牌部分图像的对比度并不是很高，此时如果直接进行边缘提取，由于车牌界限较为模糊，难以提取出车牌边缘，因而难以准确定位车牌。为了增强牌照部位图像和其他部位图像的对比度，使其明暗鲜明，有利于提高识别率，需要将车辆图像进行灰度拉伸。使用matlab自带的灰度调整函数imadjust().对灰度图像进行灰度拉伸，结果如下：图3 灰度拉伸后的图像从两图的对比中我们可以看到灰度拉伸后对比度明显增强，车牌区域更加明显。3.3.图像去噪车牌图像中的边缘、细节、跳跃部分以及噪声都代表图像的高频分量，而大面积的背景区和缓慢变化部分则代表图像的低频分量。由此可

29、见，若采用低通滤波法去除车牌图像中的噪声，在除去噪声的同时也会使车牌及字符的边缘变得模糊，这对后续的车牌定位以及字符识别非常不利。反之，若采用高通滤波法则在增强边缘信息的同时也增了噪声。因此，为了在保证在车牌图像边缘信息不被弱化的情况下除去噪声，采用中值滤波法来去除图像噪声。中值滤波是一种非线性滤波，由于它在实际运算过程中并不需要图像的统计特性，所以比较方便。中值滤波首先是被应用在一维信号处理技术中，后来被二维图像信号处理技术所引用。在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及颗粒噪声最为有效。中值滤波它是一种邻域运算，类似于卷积，首先把邻域中的像素按灰度等级进

30、行排序，然后选择该组的中间值作为输出像素值。它能减弱或消除傅里叶空间的高频分量，因为高频分量对应图像中的边缘区域，且其灰度值具有较大较快的变化，该滤波可将这些分量滤除，使图像平滑。其主要原理是: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;然后将邻域中的各个像素的灰度值进行排序，取其中间值作为中心点像素灰度的新值，这里的邻域通常被称为窗口。当窗口在图像中上下左右进行移动后，利用中值滤波算法可以很好地对图像进行平滑处理。具体步骤如下:将模板在图像中漫游，并将模板中心与图像中某个像素的位置重合;读取模板下各对应像素的灰度值;将这些灰度值从小到大排列成一列;找出排在中间的一个值;将这个中间值

31、赋给对应模板中心位置的像素。本次作业采用matlab自带的中值滤波器函数medfilt2()，对灰度图像进行去噪处理。第四章 车牌定位牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始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。由于牌照图象在原始图象中是很有特征的一个子区域，确切说是水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘形成了灰度突变的边界，这样就便于通过边缘检测来对图象进行分

32、割。 牌照定位于分割流程图4.1牌照区域的定位牌照图象经过了以上的处理后，牌照区域已经十分明显，而且其边缘得到了勾勒和加强。此时可进一步确定牌照在整幅图象中的准确位置。这里选用的是数学形态学的方法，其基本思想是用具有一定形态的机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。数学形态学的应用可以简化图像数据，保持它们基本的形态特征，并除去不相干的结构。在本程序中用到了膨胀和闭合这两个基本运算，最后还用了bwareaopen来去除对象中不相干的小对象。采用matlab自带的edge()函数对图像进行边缘的提取。edge()格式：g,t=edge(f,method,paramete

33、rs)本次作业采用canny边缘检测器。进行边缘检测，检测后的结果如图4.2牌照区域的分割4.2.1候选区域的提取提取候选区域的步骤是：首先对经过开闭运算处理的图像进行区域提取，并计算区域特征参数，然后根据车牌的先验知识对区域特征参数进行比较，提取车牌区域。本课题选择使用车牌的宽高范围和比例关系对车牌进行初步定位。对车牌的区域提取可以利用regionprops 函数，对图像每个区域进行标记，然后计算每个区域图像特征参数：区域中心位置、最小包含矩形，面积。最后计算出包含所标记区域的最小矩形的宽和高。对车牌的分割可以2007 年实施的车牌标准规定，车前车牌长 440mm，宽 140mm。其比例为4

34、40 /140 3.15 。根据图像像素的大小，这里选取筛选条件为宽在50到150之间，高在20到50之间，同时宽高比例应大于0.45，就可以比较准确的得到车牌的大致位置。 初步提取的车牌4.2.2车牌进一步处理经过上述方法分割出来的车牌图像中存在目标物体、背景还有噪声，要想从图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群，即对图像二值化。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素。再用模板中的全体像素的平均值来代替原来像素值。图像的二值化处理就是将图像上的点的灰度值置为

35、0 或 255，这样处理后整个图像呈现明显的黑白效果，即将256个亮度等级的灰度图经过合适的阈值选取，而获得的二值化图像仍然可以反映图像整体和局部特征。 二值化处理后的图像，其集合性质只与像素值为0或255的点的位置有关，不再涉及像素的其他级值，处理过程简单，且数据的处理和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为 255，否则，灰度值为 0，表示背景或者其他的物体区域。如果某图像在内部有均匀一致的灰度值，并且处在一个具有其他等级灰度值的均匀背景下，利用阀值法就能得到较好的切分效果。如果物体同背景的差

36、别难以用不同的灰度值表现（比如纹理不同） ，可以把这些差别特征转换为灰度的差别，然后利用阀值法来切分该图像。动态调节阀值来实现图像的二值化可动态地观察其切分图像的具体结果。本次作业采用matlab中的im2bw函数对定位后的车牌进行二值化处理。裁剪出来的车牌的进一步处理过程图4.3 倾斜校正 虽然标准的车牌字符应为水平依次排列，但是由于放置不当或车身前进方向与图像采集设备不在同一条直线上等原因，会造成图像中的车牌倾斜、扭曲。因为一个倾斜的数字或字母的识别和一个很正的数字或字母的识别是有很大差别的，所以车牌定位之后要进行倾斜校正。一般情况下，倾斜校正有两步，第一步是找出倾斜的角度；第二部是进行坐

37、标变换，得到校正后的图像。目前常用的计算倾斜角度的方法有两种，一种是 Hough 变换来找出倾斜的角度，一种是利用投影的方法来找出倾斜的角度。另外还有Radon变换方法等，这里主要介绍前面两种方法。本次作业采用hough算法对图形进行倾斜校正。图9旋转前的图像图10 hough变换后的车牌二值图像4.4分割与归一化经过车牌字符图像的二值化和倾斜校正，得到的是一个只包含牌照字符的水平条形区域，为了进行字符识别，需要将牌照字符从图像中分割出来。这里常用投影法，既简单又快捷。投影法切分车牌字符的思想是根据车牌字符的特点，将车牌图像进行垂直方向的投影，因为字符区域的黑色像素点比较多，比较集中，同时每个

38、车牌字符之间有一定的空隙间隔隔开。这样投影下来得到的投影图应该有多个相对集中的投影峰值群，只要根据峰值群的特点进行分割，就可以得到车牌的字符。对图像的垂直方向进行投影，得到的投影图如图11所示。图 11 字符投影图图中有七个比较集中的投影峰值群，且每个峰值之间都有一定的间隔。根据这一特点，从左往右依次定位出每个字符的起始和结束位置，并且进行切割。然后对切割出来的每个字符图像进行水平投影。根据水平投影像素累加值进行水平切割，从而得到精确切割后的字符。车牌字符切分的具体算法为： 对车牌图像进行垂直投影，计算出字符的宽度后，确定字符的中间位置，并计算相邻两个字符之间的间距，即中间距离的差值。取其最大

39、值定为第二个字符和第三个字符之间的距离。以此为分界线，分别向前、后两个方向进行切分，从而定位出每个字符的左右边界，并保存在数组里。由于 MATLAB 的数组可以存放不同大小的数据，为字符边界信息的存储提供了极大的便利。 2）对每个切分出的字符进行水平投影，确定字符的具体的上下边界，保存到数组里。 3）由于用于最后识别的字库中字符模板为24 48 像素，所以这里对切分出来的字符进行归一化处理，统一为24 48 像素。4）将归一化后的字符的信息保存在数组里，做为参数输入字符识别模块与模板比较进行字符识别。字符切分后的效果图 图13 字符分割与归一化流程图4.4.1字符分割在汽车牌照自动识别过程中，

40、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，因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割。 4.4.2字符归一化 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。但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的。在此只进行了归一化处理，然后进行后期处理。第五章：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

41、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。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。模板匹配是图象识别方法中最具代表性的基本方法之一，它是将从待识别的图象或图象区域f(i,j)中提取的若干特征量与模板T(i,j)相应的特征量逐个进行比较，计算它们之间规格化的互相关量，其中互相关量最大的一个就表示期间相似程度最高，可将图象归于相应的类。也可以计算图象与模板特征量之间的距离，用最小距离法判定

42、所属类。然而，通常情况下用于匹配的图象各自的成像条件存在差异，产生较大的噪声干扰，或图象经预处理和规格化处理后，使得图象的灰度或像素点的位置发生改变。在实际设计模板的时候，是根据各区域形状固有的特点，突出各类似区域之间的差别，并将容易由处理过程引起的噪声和位移等因素都考虑进去，按照一些基于图象不变特性所设计的特征量来构建模板，就可以避免上述问题。5.1模版匹配法原理简介要对一个车牌字符进行识别，首先是将这个车牌字符的图片输入电脑，而要对它进行处理，就要将它转化为计算机可以识别的语言.由于每一个待识别字符都是以数字图像的形式存在的，因此将待识别字符的图片通过MATLAB转化为矩阵，再通过对矩阵进

43、行一系列的数学运算，从而达到对图片进行识别的目的.MATLAB是处理矩阵运算的强大软件，所以本文的整个识别过程都是通过MATLAB来实现的.首先以二维图像的处理为例介绍一下传统的模板匹配算法。算法的基本思想是：将归一化的字符二值图像与模板库中的字符二值化图像逐个进行匹配，采用相似度的方法计算车牌字符与每个模板字符的匹配程度，取最相似的就是匹配。匹配时相似度函数定义为：其中， f ij 为待识别车牌字符图像中像素点(i，j) 的灰度值，这里的取值为 0或1， t (i，j )为模板字符图像中像素点(i，j )的灰度值，这里的取值为0或1；M 和 N为模板字符点阵横向和纵向包含的像素个数。本文是将

44、待识别的字符与已经存储在计算机中的标准模板进行逻辑与，运算，所有标准模板如图1所示.而将待识别字符与标准字符模板进行逻辑与运算之所以能够达到识别目的，其原理是:当待识别字符与相应的字符模板匹配时结果较为清晰，与其余模板匹配时会变得很模糊，具体如图2所示。 图2, 3和4中的(a)分别表示字符A, B，和C的标准模板，(b)表示待识别字符A,(c)表示待识别字符分别与这三个标准模板进行匹配后的结果.从上述三幅图中可以很容易看出，图2中的模板A，应为待识别字符的识别结果. 在实际的识别过程中，计算机需要一定的判别规则才可以将正确的识别结果自动输出。这就需要引入判别函数，而本文则是选取了两个判别函数

45、，分别利用这两个判别函数对运算图16 字符识别流程图5.2本文方法具体步骤 步骤1：利用MATLAB将标准字符模板与待识别字符所对应的像素矩阵求出来，然后将它们二值化，得到相应的二值矩阵，分别记为B (i=1,2,3， 4)和D.将数字图像进行二值化的MATLAB命令为: I=imread(a.b) level=graythresh(1); BW 1=im2bw(I, level)其中a，表示图片名称，b，表示图片格式.步骤2：将待识别字符与标准模板逐一进行逻辑与运算，即将二值矩阵D分别与二值矩阵Bi(i=1,2,3二34)进行逻辑与，运算，得到相应的二值矩阵Xz。=1,2,3二34).逻辑与

46、运算对应的MATLAB命令为:L=and(a, b) 步骤3：根据预先设计好的判别函数，得出最终的识别结果.本文采用了两个判别函数，分别为:上述两个函数中，surn (A)表示求矩阵A中所有元素的和.在函数(1)中，与凡所对应的乓代表的标准模板为识别结果，在函数(2)中，与X、对应的B、所代表的标准模板为识别结果.步骤4：通过MATLAB将正确的识别结果输出.5.3识别结果及对比此处采用相减的方法来求得字符与模板中哪一个字符最相似，然后找到相似度最大的输出。汽车牌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，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

47、限，汉字共约50多个，大写英文字母26个，数字10个。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4个数字26个字母与10个数字的模板。其他模板设计的方法与此相同。首先取字符模板，接着依次取待识别字符与模板进行匹配，将其与模板字符相减，得到的0越多那么就越匹配。把每一幅相减后的图的0值个数保存，即为识别出来的结果。对于光照条件不理想的图象，可先进行一次图象增强处理，使得图象灰度动态范围扩展和对比度增强，再进行定位和分割，这样可以提高分割的正确率。而采用了色彩通道的牌照区域分割算法充分利用了牌照图象的色彩信息，简化了算法的实现，加快了图象的处理速度，具有较高的检出正确率，而且整个过程用MA