基于OpenCV的車牌識別系統(tǒng)

1、基于OpenCV的車牌識別系統(tǒng)設(shè)計-馬金峰，宋福星，楊偉上海大學數(shù)字圖像處理背景及意義 牌照識別系統(tǒng) 簡稱 LPR（License Plate Recognition）,是智能交通系統(tǒng)的基礎(chǔ)和核心技術(shù)之一，在交通管理自動化和智能化中占據(jù)重要地位。 車牌識別系統(tǒng)是智能交通系統(tǒng)的一個非常重要的方向，主要由圖像采集，車牌定位，字符分割以及字符識別四個部分組成，具有良好的實用價值，目前主要應(yīng)用于公路治安卡口，開放式收費站，車載移動查車，違章記錄系統(tǒng)，門禁管理，停車場管理等場合。主要內(nèi)容 圖像獲取 圖像預(yù)處理 車牌定位 字符分割 字符識別圖像獲取 利用OpenCV庫函數(shù)可以對攝像機進行操作，首先定義Cv

2、Capture結(jié)構(gòu)變量captrue并初始化 然后使用庫函數(shù)cvCreateCameraCapture()從攝像機得到視頻信息 獲取視頻信息后還要獲取圖像，首先要定義IplImage結(jié)構(gòu)變量frame并進行初始化 從獲取的視頻中得到圖像幀frame = cvQueryFrame(capture).圖像的預(yù)處理 利用opencv庫函數(shù)獲取的圖像是彩色圖像，即每個像素點由R，G，B三個分量組成，直接計算量很大，很難達到實時快速識別的目的，在實際應(yīng)用中要轉(zhuǎn)換為灰度圖像，轉(zhuǎn)換公式如下： Y = 0.299R+0.587G+0.114B 對灰度圖像進行二值化處理 采用robert邊緣檢測法預(yù)處理后的結(jié)果

3、車牌的定位 該系統(tǒng)的攝像頭拍攝的圖片是整個機動車的圖片，而只有車牌部分是對系統(tǒng)有用的。所以我們要對照片進行車牌定位和分割。 車牌的定位是從經(jīng)過圖像預(yù)處理后的灰度圖像中確定牌照位置，并將車牌部分從整個圖像中分割出來，從而進行字符識別。車牌的定位 定位步驟：預(yù)處理后的圖像圖像的形態(tài)學處理通過計算尋找X，Y方向車牌的區(qū)域完成車牌的定位對分割出的車牌做進一步處理車牌的定位 圖像的腐蝕：腐蝕處理的作用是將目標圖形收縮。 圖像的膨脹：膨脹的處理的作用是將目標圖形擴大。 圖像的開運算：先腐蝕后膨脹的過程稱為開運算。它具有消除細小物體，在纖細處分離物體和平滑較大物體邊界的作用。 圖像的閉運算：先膨脹后腐蝕的過

4、程稱為閉運算。它具有填充物體內(nèi)細小空洞，連接鄰近物體和平滑邊界的作用。車牌的定位 精確定位方法：通過計算尋找X，Y方向車牌的區(qū)域來分割出車牌區(qū)域。 原理：使用統(tǒng)計白色像素點的方法分割出車牌區(qū)域，確定車牌底色藍色二值化后對應(yīng)的灰度范圍，然后統(tǒng)計在行方向的顏色范圍內(nèi)的像素點數(shù)量，確定車牌在行方向的區(qū)域。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計列方向像素點的數(shù)量，最終確定完整的車牌區(qū)域。車牌的定位 定位結(jié)果顯示：字符的分割 存在的問題：1、最大問題是二值化不徹底使投影圖像中字符間的波谷不夠分明2、車牌污損、反光、光照不均等原因使車牌圖 像交差，存在大量噪聲3、車牌邊框和鉚釘也會造成分割不正確4、牌的前兩個字符

5、和后面五個字符之間的間 隔符（小圓點）對字符識別有影響5、車牌旋轉(zhuǎn)對水平分割有較大影響字符的分割 字符分割的步驟：m，n=size（d），逐排檢查有沒有白色像素點，設(shè)置1=jn-1，若圖像兩邊s（j）=0，則切割，去除圖像兩邊多余的部分切割去圖像上下多余的部分根據(jù)圖像的大小，設(shè)置一閾值，檢測圖像的X軸，若寬度等于這一閾值則切割，分離出七個字符歸一化切割出來的字符圖像的大小為40*20，與模板中字符圖像的大小相匹配字符的分割 分割的結(jié)果浙浙 CSB123字符 的識別 使用基于模板的匹配方法 原理：首先對待識別字符進行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進行匹配，最后選最佳匹配作為結(jié)果。 模板匹配的特點：模板匹配的主要特點是實現(xiàn)簡單，當字符較規(guī)整時對字符圖像的缺損、污跡干擾適應(yīng)力強且識別率相當高。字符的識別 識別過程：建立自動識別的代碼表讀取分割出來的字第一個字符與模板中的漢字模板進行匹配第二個字符與模板中的字母模板進行匹配后5個字