數(shù)字圖像處理車牌識別系統(tǒng)

1、*大學(xué)數(shù)字圖像處理系統(tǒng)設(shè)計(jì)說明書系統(tǒng)名稱：車牌識別系統(tǒng)姓 名：學(xué) 號：專 業(yè)：班 級：指導(dǎo)教師： 2014年4月23日目 錄 摘 要3一系統(tǒng)設(shè)計(jì)分析與意義6二系統(tǒng)的功能和實(shí)現(xiàn)方法8三系統(tǒng)流程圖和實(shí)現(xiàn)步驟9四. 圖像數(shù)理結(jié)果18五. 系統(tǒng)設(shè)計(jì)總結(jié)與分析19 六. 設(shè)計(jì)體會20 七. 參考文獻(xiàn)20 八. 附 錄30車牌識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)摘要：隨著我國經(jīng)濟(jì)、交通的的快速發(fā)展，車牌定位系統(tǒng)以及車牌字符自動識別技術(shù)也逐漸受到人們的重視。車牌識別是對采集的車牌圖像進(jìn)行灰度變換、邊緣檢測、腐蝕以及平滑處理，最后在取得的大對像中移除小對像，由此提出了一種基于車牌紋理特征的車牌定位算法，最終實(shí)現(xiàn)對車牌的定位。

2、車牌字符分割是為了以便后續(xù)對車牌模板進(jìn)行匹配從而對車牌進(jìn)行識別，考慮到我國車牌的結(jié)構(gòu)構(gòu)成所采用的字符并不是很多，由此本文采用了模板匹配的方法，對輸出的圖像和模板庫里的模板進(jìn)行匹配，通過處理后得到的圖片與模板字符相減，得到的0越多那么就越匹配，然后對其個數(shù)進(jìn)行累計(jì)并找出數(shù)值最大的，即為識別出來的結(jié)果。關(guān)鍵詞：字符識別；模式識別；車牌定位；模板匹配；邊緣檢測一、系統(tǒng)設(shè)計(jì)分析與意義1.1引言：近年來隨著社會經(jīng)濟(jì)的高速發(fā)展、汽車數(shù)量急劇增加，對交通管理的要求也日益提高，而相應(yīng)的人工管理方式以不能滿足實(shí)際的需要，微電子、通信和計(jì)算機(jī)技術(shù)在交通領(lǐng)域的應(yīng)用極大地提高了交通管理的效率。運(yùn)用電子信息技術(shù)實(shí)現(xiàn)安全

3、、高效的智能交通成為交通管理的主要發(fā)展方向。汽車牌照號碼是車輛的唯一“身份”標(biāo)識，通過智能的車牌定位及識別技術(shù)將對于維護(hù)交通安全和城市治安，防止交通堵塞，實(shí)現(xiàn)交通自動化管理有著現(xiàn)實(shí)的意義。車牌識別技術(shù)(Vehicle License Plate Recognition，VLPR) 是指能夠檢測到受監(jiān)控路面的車輛并自動提取車輛牌照信息進(jìn)行處理的技術(shù)。車牌識別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，應(yīng)用十分廣泛。它以數(shù)字圖像處理、模式識別、計(jì)算機(jī)視覺等技術(shù)為基礎(chǔ)，對攝像機(jī)所拍攝的車輛圖像或者視頻序列進(jìn)行分析，得到每一輛汽車唯一的車牌號碼，從而完成識別過程。車牌定位與字符識別技術(shù)是基于計(jì)算機(jī)圖像處理

4、、模式識別等技術(shù)為基礎(chǔ)，通過對原圖像的處理，以及邊緣檢測技術(shù)實(shí)現(xiàn)對車牌的定位，然后對車牌圖像處理、歸一化處理、分割以及保存，最后進(jìn)行分割圖像與模板庫的模板進(jìn)行匹配，最后輸出匹配結(jié)果。車牌的智能定位以及識別是一個完整的系統(tǒng)，考慮到其應(yīng)用的普遍性以及廣泛性，就要求我們在設(shè)計(jì)過程中考慮到以下幾方面：（1）準(zhǔn)確性:盡可能的避開其他外界造成的干擾，準(zhǔn)確的識別車牌信息。（2）實(shí)時性:考慮到車載行駛的過程中速度不一，對觸發(fā)超速攝像的抓拍應(yīng)當(dāng)及時的對其進(jìn)行識別并且儲存，才能有效的提高工作效率。（3）優(yōu)化性：采用竟可能低的硬件要求，對其快速的做出的計(jì)算與識別。本文采用的是選取不同的邊緣算子檢測，通過實(shí)驗(yàn)分析不同

5、算子的效果，最終選取了canny算子進(jìn)行車牌的邊緣檢測，更好的對其進(jìn)行檢測與識別，然后通過二值化等處理進(jìn)行分割，最終與模板庫模板進(jìn)行對比，達(dá)到車牌識別的目的。 1.2車牌識別現(xiàn)狀分析：模式識別 是一門以應(yīng)用為基礎(chǔ)的學(xué)科，目的是將對像進(jìn)行分類，這些對像與應(yīng)用領(lǐng)域有關(guān)，他們可以是圖像，信號波形或者是任何可測量且需要分類的對像，在機(jī)器視覺中，模式識別是非常重要的，機(jī)器視覺系統(tǒng)通過照相機(jī)捕捉圖像，然后通過分析生成圖像的描述信息。車牌識別技術(shù)是計(jì)算機(jī)模式識別技術(shù)在智能交通領(lǐng)域的典型應(yīng)用，是一個以特寫目標(biāo)為對像的專用計(jì)算機(jī)視覺系統(tǒng) 。簡單地說，它使計(jì)算機(jī)能像人一樣認(rèn)識汽車牌照(包括車牌的漢字、字母、數(shù)字)

6、。車輛牌照識別技術(shù)推出以來，人們就對其進(jìn)行了廣泛的研究。從20世紀(jì)90年代初，國外就已經(jīng)開始了對汽車牌照自動識別 的研究，其主要途徑就是對車牌的圖像進(jìn)行分析，自動提取車牌信息，確定汽車牌號。國外己有不少相關(guān)的文章發(fā)表，有的己經(jīng)非常成熟，投入實(shí)際使用。我國車牌自動識別的研究起步較晚，大約發(fā)生在八十年代末。1988年戴營等利用常見的圖像處理技術(shù)方法提出漢字識別的分類是在提取漢字特征的基礎(chǔ)上進(jìn)行的。根據(jù)漢字的投影直方圖（ProjectionHIStogram），選取浮動閡值，進(jìn)行量化處理后，形成一個變長鏈碼，再用動態(tài)規(guī)劃法，求出與標(biāo)準(zhǔn)模式鏈碼的最小距離，實(shí)現(xiàn)細(xì)分類，完成漢字省名的自動識別。 目前我國

7、市場上有二十幾家企業(yè)從事車牌識別產(chǎn)品的開發(fā)和生產(chǎn)，其中比較成熟的有香港的ASiavisionTeChnologyLtd公司（亞洲視覺科技有限公司）、北京漢王、沈陽聚德、川大智勝、上海高德威、清華紫光、杭州友通、深圳科安信、利普視覺中智交通電子系統(tǒng)有限公司等企業(yè)。1.3 車牌識別的意義：結(jié)合我國的國情，由于我國地域廣闊，車輛道路復(fù)雜，安裝相應(yīng)的檢測設(shè)備或者人員配備投資巨大，且造成人力物力的浪費(fèi)，因此我們急需對現(xiàn)有的檢測設(shè)備優(yōu)化，而車牌識別技術(shù)恰好能滿足這一需求，通過車牌識別我們可以解決被納入“黑名單”的通緝車輛，可以統(tǒng)計(jì)一定時間范圍內(nèi)進(jìn)出各省的車輛，還能有效的對該車輛進(jìn)行定位，對公安機(jī)關(guān)等相關(guān)部

8、門有著很重要的作用，具體歸結(jié)應(yīng)用方式如下：1）監(jiān)測報(bào)警 對于納入“黑名單”的車輛，例如：被通緝或掛失的車輛、欠交費(fèi)車輛、未年檢車輛、肇事逃逸及違章車輛等，我們只需要把其牌照的信息輸入系統(tǒng)，那么該車輛在通過裝有全國聯(lián)網(wǎng)系統(tǒng)的路口或者收費(fèi)站等卡口時，信息采集設(shè)備將會對其進(jìn)行采集并且與數(shù)據(jù)庫對比，實(shí)現(xiàn)其定位。這種方式可以通過程序?qū)崿F(xiàn)24小時工作，而且此過程保密性好，不會提醒黑名單車輛的死機(jī)。2）車輛出入自動登記及放行在需要管制的小區(qū)或者辦公場所門口裝設(shè)車牌識別系統(tǒng)，那么汽車進(jìn)出此場所時間，車牌牌照等信息將會被存儲在相應(yīng)的數(shù)據(jù)庫中，通過修改相應(yīng)的數(shù)據(jù)庫，添加車牌信息，我們還能讓自動門禁對相應(yīng)的車輛進(jìn)行

9、自動放行，如遇到非數(shù)據(jù)庫中的車輛則由保安進(jìn)行相應(yīng)的咨詢，或批準(zhǔn)后人為放行。這不僅提高物業(yè)管理的效益，同時自動比對進(jìn)出車輛，防止偷盜事件的發(fā)生。3）違法違章管理 車牌識別技術(shù)結(jié)合測速設(shè)備可以用于車輛超速違章處罰，一般用于高速公路、容易肇事路段。還可以在紅綠燈路口加上紅外檢測實(shí)現(xiàn)違規(guī)檢測，對出現(xiàn)闖紅燈的現(xiàn)像或者違規(guī)轉(zhuǎn)彎的現(xiàn)像進(jìn)行相應(yīng)的數(shù)據(jù)采集。將其傳送至相關(guān)部門，從而對其下發(fā)處罰通知書，實(shí)現(xiàn)對其處罰。4）交通流控制指標(biāo)參量的測量為達(dá)到交通流控制的目標(biāo)，一些交通流指標(biāo)的測量相當(dāng)重要。車牌識別系統(tǒng)能夠測量和統(tǒng)計(jì)很多交通流指標(biāo)參數(shù)例如車流量，車流高峰時間段，平均車速，車輛密度等。這也為交通誘導(dǎo)系統(tǒng)提供必

10、要的交通流信息。從而能夠有效的采取措施預(yù)防堵車，排隊(duì)，事故等交通異?，F(xiàn)像。5）移動電子警察系統(tǒng)隨著我國公路基礎(chǔ)建設(shè)的快速發(fā)展，公路的質(zhì)量、里程都有了很大程度上的提高，但也出現(xiàn)了不交養(yǎng)路費(fèi)等情況，給國家造成了巨大的經(jīng)濟(jì)損失。且丟失車輛稽查、車輛是否合法、攔車路檢等情況都需要公安人員對其進(jìn)行相應(yīng)的檢查，由于人工判斷工作效率很低且容易讓正常車主及乘客造成誤解，現(xiàn)在有了車牌自動識別技術(shù)之后將大大提高辦公效率以及檢查的準(zhǔn)確性，很大程度上解決了以上的問題。 二、系統(tǒng)的功能和實(shí)現(xiàn)方法車牌識別(Vehicle License Plate Recognition，VLPR) 是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之

11、一，應(yīng)用十分廣泛，車牌識別技術(shù)通過對信息量較大的對像采集，然后經(jīng)過一系列的處理提取了相對較小的信息量且有價值的一部分信息，僅僅提取識別車“身份”的車牌信息。在交通管理過程中，通常采用視頻監(jiān)控方式對闖紅燈和超速等違章車輛進(jìn)行監(jiān)督。對違章車輛，需要自動檢測車牌信息，提取車牌號碼，以便查找車主信息和監(jiān)督管理。對于維護(hù)交通安全和城市治安，防止交通堵塞，實(shí)現(xiàn)交通自動化管理有著現(xiàn)實(shí)的意義。2.1實(shí)現(xiàn)功能：1）對圖像進(jìn)行預(yù)處理，增加圖像的對比度；2）根據(jù)圖像的顏色對車牌區(qū)域定位3）對圖像進(jìn)行旋轉(zhuǎn)、二值化操作，并進(jìn)行水平投影操作，根據(jù)直方圖峰值和谷值對字符進(jìn)行分割；4）可采用模板匹配方法，對數(shù)字和字母進(jìn)行識別

12、，并輸出識別后的結(jié)果。2.2實(shí)現(xiàn)所采用的方法：車輛牌照識別整個系統(tǒng)主要是由車牌定位和字符識別兩部分組成，其中車牌定位又可以分為圖像預(yù)處理及邊緣提取模塊和牌照的定位及分割模塊；字符識別可以分為字符分割與特征提取和單個字符識別兩個模塊。為了用于牌照的分割和牌照字符的識別，原始圖像應(yīng)具有適當(dāng)?shù)牧炼?，較大的對比度和清晰可辯的牌照圖像。但由于該系統(tǒng)的攝像部分工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時攝像機(jī)與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照圖像可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷，因此需要對原始圖像進(jìn)行識別前的預(yù)處理。牌照的定位和分割是牌照識別系統(tǒng)的關(guān)鍵技術(shù)之一，其主

13、要目的是在經(jīng)圖像預(yù)處理后的原始灰度圖像中確定牌照的具體位置，并將包含牌照字符的一塊子圖像從整個圖像中分割出來，供字符識別子系統(tǒng)識別之用，分割的準(zhǔn)確與否直接關(guān)系到整個牌照字符識別系統(tǒng)的識別率。由于拍攝時的光照條件、牌照的整潔程度的影響，和攝像機(jī)的焦距調(diào)整、鏡頭的光學(xué)畸變所產(chǎn)生的噪聲都會不同程度地造成牌照字符的邊界模糊、細(xì)節(jié)不清、筆劃斷開或粗細(xì)不均，加上牌照上的污斑等缺陷，致使字符提取困難，進(jìn)而影響字符識別的準(zhǔn)確性。因此，需要對字符在識別之前再進(jìn)行一次針對性的處理。車牌識別的最終目的就是對車牌上的文字進(jìn)行識別。主要應(yīng)用的為模板匹配方法。因?yàn)橄到y(tǒng)運(yùn)行的過程中，主要進(jìn)行的都是圖像處理，在這個過程中要進(jìn)

14、行大量的數(shù)據(jù)處理，所以處理器和內(nèi)存要求比較高，CPU要求主頻在600HZ及以上，內(nèi)存在128MB及以上。系統(tǒng)可以運(yùn)行于Windows98、Windows2000或者Windows XP操作系統(tǒng)下，程序調(diào)試時使用matlab。三、系統(tǒng)流程圖和實(shí)現(xiàn)步驟3.1實(shí)現(xiàn)目標(biāo)方法流程圖：車牌定位與字符識別技術(shù)是基于計(jì)算機(jī)圖像處理、模式識別等技術(shù)為基礎(chǔ)，通過對原圖像的處理，以及邊緣檢測技術(shù)實(shí)現(xiàn)對車牌的定位，然后對車牌圖像處理、歸一化處理、分割以及保存，最后進(jìn)行分割圖像與模板庫的模板進(jìn)行匹配，最后輸出匹配結(jié)果。流程如下圖所示 車牌識別系統(tǒng)流程圖車牌圖像采集車牌圖像進(jìn)行處理字符分割字符識別輸出結(jié)果對車牌定位定位車

15、牌圖像處理圖1車牌識別系統(tǒng)流程圖3.2實(shí)現(xiàn)目標(biāo)主要步驟：1） 獲取圖像：裝入待處理彩色圖像并顯示原始圖像 2） 圖像預(yù)處理：對Sgray 原始黑白圖像進(jìn)行開操作得到圖像背景3） 取得最佳閾值，將圖像二值化 4） 對得到二值圖像作開閉操作進(jìn)行濾波5） 對二值圖像進(jìn)行區(qū)域提取，并計(jì)算區(qū)域特征參數(shù)。進(jìn)行區(qū)域特征參數(shù)比較，提取車牌區(qū)域。 6） 計(jì)算車牌水平投影，并對水平投影進(jìn)行峰谷分析7） 計(jì)算車牌旋轉(zhuǎn)角度 8） 旋轉(zhuǎn)車牌后重新計(jì)算車牌水平投影，去掉車牌水平邊框，獲取字符高度9） 計(jì)算車牌垂直投影，去掉車牌垂直邊框，獲取車牌及字符平均寬度10） 計(jì)算車牌上每個字符中心位置，計(jì)算最大字符寬度11） 提取

16、分割字符,并變換為22行?14列標(biāo)準(zhǔn)子圖四、圖像處理結(jié)果Step1 獲取圖像：裝入待處理彩色圖像并顯示原始黑白圖像。 圖1原始黑白圖像Step2 圖像預(yù)處理：對原始黑白圖像進(jìn)行開操作得到圖像背景。 圖2-1原始黑白圖像 圖2-2背景圖像 圖2-3增強(qiáng)黑白圖像（原始黑白圖像與背景圖像相減）Step3 取得最佳閾值，將圖像二值化：二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。在實(shí)際的車牌處理系統(tǒng)中，進(jìn)行圖像二值變換的關(guān)鍵是要確定合適的閾值，使得字符與背景能夠分割開來，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等等。車牌識別系統(tǒng)要求處理的速度高、成本低、信息量

17、大，采用二值圖像進(jìn)行處理，能大大地提高處理效率。閾值處理的操作過程是先由用戶指定或通過算法生成一個閾值，如果圖像中某中像素的灰度值小于該閾值，則將該像素的灰度值設(shè)置為0或255，否則灰度值設(shè)置為255或0。 圖3-1圖像二值化Step4 對得到二值圖像作開閉操作進(jìn)行濾波：1)邊緣檢測：兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣就是灰度值不連續(xù)的結(jié)果，是圖像分割、紋理特征提取和形狀特征提取等圖像分析的基礎(chǔ)。為了對有意義的邊緣點(diǎn)進(jìn)行分類，與這個點(diǎn)相聯(lián)系的灰度級必須比在這一點(diǎn)的背景上變換更有效，我們通過門限方法來決定一個值是否有效。所以，如果一個點(diǎn)的二維一階導(dǎo)數(shù)比指定的門限大，我們就定義圖像中

18、的次點(diǎn)是一個邊緣點(diǎn)，一組這樣的依據(jù)事先定好的連接準(zhǔn)則相連的邊緣點(diǎn)就定義為一條邊緣。經(jīng)過一階的導(dǎo)數(shù)的邊緣檢測，所求的一階導(dǎo)數(shù)高于某個閾值，則確定該點(diǎn)為邊緣點(diǎn)，這樣會導(dǎo)致檢測的邊緣點(diǎn)太多?？梢酝ㄟ^求梯度局部最大值對應(yīng)的點(diǎn)，并認(rèn)定為邊緣點(diǎn)，去除非局部最大值，可以檢測出精確的邊緣。一階導(dǎo)數(shù)的局部最大值對應(yīng)二階導(dǎo)數(shù)的零交叉點(diǎn)，這樣通過找圖像強(qiáng)度的二階導(dǎo)數(shù)的零交叉點(diǎn)就能找到精確邊緣點(diǎn)。 圖4-1圖像邊緣提取2)對得到圖像作開操作進(jìn)行濾波：數(shù)學(xué)形態(tài)非線性濾波，可以用于抑制噪聲，進(jìn)行特征提取、邊緣檢測、圖像分割等圖像處理問題。腐蝕是一種消除邊界點(diǎn)的過程，結(jié)果是使目標(biāo)縮小，孔洞增大，因而可有效的消除孤立噪聲點(diǎn)；

19、膨脹是將與目標(biāo)物體接觸的所有背景點(diǎn)合并到物體中的過程，結(jié)果是使目標(biāo)增大，孔洞縮小，可填補(bǔ)目標(biāo)物體中的空洞，形成連通域。先腐蝕后膨脹的過程稱為開運(yùn)算，它具有消除細(xì)小物體，并在纖細(xì)處分離物體和平滑較大物體邊界的作用；先膨脹后腐蝕的過程稱為閉運(yùn)算，具有填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界的作用。對圖像做了開運(yùn)算和閉運(yùn)算，閉運(yùn)算可以使圖像的輪廓線更為光滑，它通常用來消掉狹窄的間斷和長細(xì)的鴻溝，消除小的孔洞，并彌補(bǔ)輪廓線中的斷裂。 圖4-2圖像閉運(yùn)算 圖4-3圖像開運(yùn)算Step5 對二值圖像進(jìn)行區(qū)域提取，并計(jì)算區(qū)域特征參數(shù)。進(jìn)行區(qū)域特征參數(shù)比較，提取車牌區(qū)域。 1)對圖像每個區(qū)域進(jìn)行標(biāo)記，然后計(jì)算

20、每個區(qū)域的圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形、面積。 圖5-1圖像彩色標(biāo)記2)計(jì)算出包含所標(biāo)記的區(qū)域的最小寬和高，并根據(jù)先驗(yàn)知識，比較誰的寬高比更接近實(shí)際車牌寬高比，將更接近的提取并顯示出來。 圖5-2車牌灰度子圖與二值子圖Step6 計(jì)算車牌水平投影，并對水平投影進(jìn)行峰谷分析：1)對水平投影進(jìn)行峰谷分析,計(jì)算出車牌上邊框、車牌字符投影、車牌下邊框的波形峰上升點(diǎn)、峰下降點(diǎn)、峰寬、谷寬、峰間距離、峰中心位置參數(shù)。求水平投影的最小值取閾值計(jì)算谷寬度計(jì)算峰距離計(jì)算下降點(diǎn)找到峰中心位置求水平投影的平均值 圖6-2車牌二值子圖對水平投影進(jìn)行峰谷分析Step7 計(jì)算車牌旋轉(zhuǎn)角度：1)車牌傾斜的原因?qū)?/p>

21、致投影效果峰股谷不明顯，在這里需要做車牌矯正處理。這里采取的線性擬合的方法,計(jì)算出車牌上邊或下邊圖像值為1的點(diǎn)擬合直線與水平X軸的夾角。Step8 旋轉(zhuǎn)車牌后重新計(jì)算車牌水平投影，去掉車牌水平邊框。 圖8-1垂直與水平投影Step9 計(jì)算車牌垂直投影，去掉車牌垂直邊框，獲取車牌及字符平均寬度。1)通過以上水平投影、垂直投影分析計(jì)算，獲得了車牌字符高度、字符頂行與尾行、字符寬度、每個字符的中心位置，為提取分割字符具備了條件。 Step10字符分割及輸出結(jié)果。進(jìn)行車牌識別前需要使用樣本對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對車牌進(jìn)行識別。其具體流程為:使用漢字、字母、字母數(shù)字、數(shù)字四個樣本分別對

22、四個子網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到相應(yīng)的節(jié)點(diǎn)數(shù)和權(quán)值。對已經(jīng)定位好的車牌進(jìn)行圖像預(yù)處理，逐個的特征提取，然后從相應(yīng)的文件中讀取相應(yīng)的節(jié)點(diǎn)數(shù)和權(quán)值，把車牌字符分別送入相應(yīng)的網(wǎng)絡(luò)進(jìn)行識別，輸出識別結(jié)果。結(jié)果圖顯示結(jié)果為：除漢字外的字符BB88888 。五、系統(tǒng)設(shè)計(jì)總結(jié)與分析實(shí)驗(yàn)對車牌識別系統(tǒng)的軟件部分進(jìn)行了研究，分別從圖像預(yù)處理、車牌定位、字符分割以及字符識別等方面進(jìn)行了系統(tǒng)的分析。整理和總結(jié)了國內(nèi)外在車牌定位、分割、字符識別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國車牌的固有特征，以及車牌識別的特點(diǎn)。在車牌定位我們采用基于灰度跳變的定位方法，采用先對圖像進(jìn)行預(yù)處理，再進(jìn)行二值化操作的方法。實(shí)驗(yàn)表明本方法既保

23、留了車牌區(qū)域的信息，又減少了噪聲的干擾，從而簡化了二值化處理過程，提高了后續(xù)處理的速度。基于彩色分量的定位方法，運(yùn)用基于藍(lán)色像素點(diǎn)統(tǒng)計(jì)特性的方法對車牌是藍(lán)色的車牌進(jìn)行定位，實(shí)驗(yàn)表明，用該方法實(shí)現(xiàn)的車牌定位準(zhǔn)確率較高。本設(shè)計(jì)用MATLAB編程運(yùn)行結(jié)果可以得出，本設(shè)計(jì)采用的圖像預(yù)處理、CANNY邊緣檢測、開閉運(yùn)算子5，19、車牌長寬比特征識別等對車牌的定位都是非常有效的，而本設(shè)計(jì)提出的二次水平投影分析和閾值技術(shù)有效檢測了車牌圖像的上下左右邊框、旋轉(zhuǎn)角度，準(zhǔn)確實(shí)現(xiàn)的車牌字符的分割，對多個車牌進(jìn)行實(shí)驗(yàn)，均有很高的正確率。本設(shè)計(jì)雖然只對藍(lán)底白字車牌進(jìn)行分割識別，對黑底白字車牌原則上整個算法可直接適用，對

24、白底黑字車牌、黃底黑字車牌，需要對車牌定位算法進(jìn)行調(diào)整，并將圖像反轉(zhuǎn)（0變1、1變0），而車牌字符的分割算法仍然行之有效。在車牌識別的過程中數(shù)字庫的建立很重要,只有數(shù)字庫的準(zhǔn)確才能保證檢測出來的數(shù)據(jù)正確。切割出來的數(shù)據(jù)要與數(shù)據(jù)庫的數(shù)據(jù)作比較，所以數(shù)據(jù)庫的數(shù)據(jù)尤為重要。六、設(shè)計(jì)體會經(jīng)過近一周的奮戰(zhàn)我的課程設(shè)計(jì)終于完成了。課程設(shè)計(jì)不僅是對前面所學(xué)知識的一種檢驗(yàn)，而且也是對自己能力的一種提高。以前老是覺得自己什么東西都不會，什么東西都不懂，而且又急于求成，結(jié)果造成什么都沒學(xué)好，還是什么都不會。通過這次課程設(shè)計(jì)，我才明白學(xué)習(xí)是一個長期積累的過程，在以后的工作、生活中都應(yīng)該不斷的學(xué)習(xí)，努力提高自己知識和

25、綜合素質(zhì)，特別是對于我，基礎(chǔ)比較差，一定不能太過于心急，要靜下心來慢慢的研究。在這次課程設(shè)計(jì)中也使我們的同學(xué)關(guān)系更進(jìn)一步了，同學(xué)之間互相幫助，有什么不懂的大家在一起商量，聽聽不同的看法對我們更好的理解知識，所以在這里非常感謝幫助我的同學(xué)，我也明白學(xué)習(xí)不是埋頭苦讀書，而是合理的利用資源，從同學(xué)那里，老師那里得到的有用的想法和信息，特別是網(wǎng)上有很多很好的資料，對自己的自學(xué)能力也是很好的提高。七、參考文獻(xiàn)1（希）西奧多里德斯等著.模式識別（第三版）M.電子工業(yè)出版社，2006年12月。1-62孫增祈. 智能控制理論與技術(shù)M. 北京：清華大學(xué)出版社，19993鐘珞，潘昊，何平.模式識別M書.武漢：武漢

26、大學(xué)出版社，2006年9月第1版：P1-P5，P62-P644葉晨洲等. 車輛牌照字符識別系統(tǒng)J. 計(jì)算機(jī)系統(tǒng)應(yīng)用，1999(5): 10-135袁志偉，潘曉露. 車輛牌照定位的算法研究J. 昆明理工大學(xué)學(xué)報(bào)，2001，26(2)： 56-606岡薩雷斯. 數(shù)字圖像處理（第二版）M. 北京：電子工業(yè)出版社，2007八、附 錄主要代碼程序與注釋：clear ;close all;%Step1 獲取圖像 裝入待處理彩色圖像并顯示原始圖像Scolor = imread（3.jpg）;%imread函數(shù)讀取圖像文件%將彩色圖像轉(zhuǎn)換為黑白并顯示Sgray = rgb2gray（Scolor）;%rgb2

27、gray轉(zhuǎn)換成灰度圖figure,imshow（Scolor）,title（原始彩色圖像）;%figure命令同時顯示兩幅圖figure,imshow（Sgray）,title（原始黑白圖像）;%Step2 圖像預(yù)處理，對Sgray 原始黑白圖像進(jìn)行開操作得到圖像背景s=strel（disk,13）;%strel函數(shù)Bgray=imopen（Sgray,s）;%打開sgray s圖像figure,imshow（Bgray）;title（背景圖像）;%輸出背景圖像%用原始圖像與背景圖像作減法，增強(qiáng)圖像Egray=imsubtract（Sgray,Bgray）;%兩幅圖相減figure,imsho

28、w（Egray）;title（增強(qiáng)黑白圖像）;%輸出黑白圖像%Step3 取得最佳閾值，將圖像二值化fmax1=double（max（max（Egray）;%egray的最大值并輸出雙精度型fmin1=double（min（min（Egray）;%egray的最小值并輸出雙精度型level=（fmax1-（fmax1-fmin1）/3）/255;%獲得最佳閾值bw22=im2bw（Egray,level）;%轉(zhuǎn)換圖像為二進(jìn)制圖像bw2=double（bw22）;%Step4 對得到二值圖像作開閉操作進(jìn)行濾波figure,imshow（bw2）;title（圖像二值化）;%得到二值圖像grd=e

29、dge（bw2,canny）%用canny算子識別強(qiáng)度圖像中的邊界figure,imshow（grd）;title（圖像邊緣提取）;%輸出圖像邊緣bg1=imclose（grd,strel（rectangle,5,19）;%取矩形框的閉運(yùn)算figure,imshow（bg1）;title（圖像閉運(yùn)算5,19）;%輸出閉運(yùn)算的圖像bg3=imopen（bg1,strel（rectangle,5,19）;%取矩形框的開運(yùn)算figure,imshow（bg3）;title（圖像開運(yùn)算5,19）;%輸出開運(yùn)算的圖像bg2=imopen（bg3,strel（rectangle,19,1）;%取矩形框的開

30、運(yùn)算figure,imshow（bg2）;title（圖像開運(yùn)算19,1）;%輸出開運(yùn)算的圖像%Step5 對二值圖像進(jìn)行區(qū)域提取，并計(jì)算區(qū)域特征參數(shù)。進(jìn)行區(qū)域特征參數(shù)比較，提取車牌區(qū)域L,num = bwlabel（bg2,8）;%標(biāo)注二進(jìn)制圖像中已連接的部分Feastats = imfeature（L,basic）;%計(jì)算圖像區(qū)域的特征尺寸Area=Feastats.Area;%區(qū)域面積BoundingBox=Feastats.BoundingBox;%x y width height車牌框架大小RGB = label2rgb（L, spring, k, shuffle）; %標(biāo)志圖像向R

31、GB圖像轉(zhuǎn)換figure,imshow（RGB）;title（圖像彩色標(biāo)記）;%輸出框架的彩色圖像lx=0;for l=1:numwidth=BoundingBox（l-1）*4+3）;%框架寬度的計(jì)算hight=BoundingBox（l-1）*4+4）;%框架高度的計(jì)算if （width98 & width25 & hight2 & rato4 break; endendsbw1=bw2（startrow:startrow+hight,startcol:startcol+width-1）; %獲取車牌二值子圖subcol1=Sgray（startrow:startrow+hight,sta

32、rtcol:startcol+width-1）;%獲取車牌灰度子圖figure,subplot（2,1,1）,imshow（subcol1）;title（車牌灰度子圖）;%輸出灰度圖subplot（2,1,2）,imshow（sbw1）;title（車牌二值子圖）;%輸出車牌的二值圖%Step6 計(jì)算車牌水平投影，并對水平投影進(jìn)行峰谷分析histcol1=sum（sbw1）; %計(jì)算垂直投影histrow=sum（sbw1）; %計(jì)算水平投影figure,subplot（2,1,1）,bar（histcol1）;title（垂直投影（含邊框）;%輸出垂直投影subplot（2,1,2）,bar

33、（histrow）; title（水平投影（含邊框）;%輸出水平投影figure,subplot（2,1,1）,bar（histrow）; title（水平投影（含邊框）;%輸出水平投影subplot（2,1,2）,imshow（sbw1）;title（車牌二值子圖）;%輸出二值圖%對水平投影進(jìn)行峰谷分析meanrow=mean（histrow）;%求水平投影的平均值minrow=min（histrow）;%求水平投影的最小值levelrow=（meanrow+minrow）/2;%求水平投影的平均值count1=0;l=1;for k=1:hight if histrow（k）=1 mark

34、row（l）=k;%上升點(diǎn) markrow1（l）=count1;%谷寬度（下降點(diǎn)至下一個上升點(diǎn)） l=l+1; end count1=0; endendmarkrow2=diff（markrow）;%峰距離（上升點(diǎn)至下一個上升點(diǎn)）m1,n1=size（markrow2）;n1=n1+1;markrow（l）=hight;markrow1（l）=count1;markrow2（n1）=markrow（l）-markrow（l-1）;l=0;for k=1:n1markrow3（k）=markrow（k+1）-markrow1（k+1）;%下降點(diǎn)markrow4（k）=markrow3（k）-m

35、arkrow（k）;%峰寬度（上升點(diǎn)至下降點(diǎn)）markrow5（k）=markrow3（k）-double（uint16（markrow4（k）/2）;%峰中心位置end %Step7 計(jì)算車牌旋轉(zhuǎn)角度%（1）在上升點(diǎn)至下降點(diǎn)找第一個為1的點(diǎn)m2,n2=size（sbw1）;%sbw1的圖像大小m1,n1=size（markrow4）;%markrow4的大小maxw=max（markrow4）;%最大寬度為字符if markrow4（1） = maxw%檢測上邊 ysite=1; k1=1; for l=1:n2 for k=1:markrow3（ysite）%從頂邊至第一個峰下降點(diǎn)掃描 i

36、f sbw1（k,l）=1 xdata（k1）=l; ydata（k1）=k; k1=k1+1; break; end end endelse %檢測下邊 ysite=n1; if markrow4（n1） =0 if markrow4（n1-1） =maxw ysite= 0; %無下邊 else ysite= n1-1; end end if ysite =0 k1=1; for l=1:n2 k=m2; while k=markrow（ysite） %從底邊至最后一個峰的上升點(diǎn)掃描 if sbw1（k,l）=1 xdata（k1）=l; ydata（k1）=k; k1=k1+1; bre

37、ak; end k=k-1; end end endend %（2）線性擬合，計(jì)算與x夾角fresult = fit（xdata,ydata,poly1）; %poly1 Y = p1*x+p2p1=fresult.p1;angle=atan（fresult.p1）*180/pi; %弧度換為度，360/2pi, pi=3.14%（3）旋轉(zhuǎn)車牌圖像subcol = imrotate（subcol1,angle,bilinear,crop）; %旋轉(zhuǎn)車牌圖像sbw = imrotate（sbw1,angle,bilinear,crop）;%旋轉(zhuǎn)圖像figure,subplot（2,1,1）,im

38、show（subcol）;title（車牌灰度子圖）;%輸出車牌旋轉(zhuǎn)后的灰度圖像標(biāo)題顯示車牌灰度子圖subplot（2,1,2）,imshow（sbw）;title（）;%輸出車牌旋轉(zhuǎn)后的灰度圖像title（車牌旋轉(zhuǎn)角: ,num2str（angle）,度 ,Color,r）;%顯示車牌的旋轉(zhuǎn)角度%Step8 旋轉(zhuǎn)車牌后重新計(jì)算車牌水平投影，去掉車牌水平邊框，獲取字符高度。histcol1=sum（sbw）; %計(jì)算垂直投影histrow=sum（sbw）; %計(jì)算水平投影figure,subplot（2,1,1）,bar（histcol1）;title（垂直投影（旋轉(zhuǎn)后）;subplot（2

39、,1,2）,bar（histrow）; title（水平投影（旋轉(zhuǎn)后）;figure,subplot（2,1,1）,bar（histrow）; title（水平投影（旋轉(zhuǎn)后）;subplot（2,1,2）,imshow（sbw）;title（車牌二值子圖（旋轉(zhuǎn)后）;%去水平（上下）邊框,獲取字符高度maxhight=max（markrow2）;findc=find（markrow2=maxhight）;rowtop=markrow（findc）;rowbot=markrow（findc+1）-markrow1（findc+1）;sbw2=sbw（rowtop:rowbot,:）; %子圖為（r

40、owbot-rowtop+1）行maxhight=rowbot-rowtop+1; %字符高度（rowbot-rowtop+1）%Step9 計(jì)算車牌垂直投影，去掉車牌垂直邊框，獲取車牌及字符平均寬度histcol=sum（sbw2）; %計(jì)算垂直投影figure,subplot（2,1,1）,bar（histcol）;title（垂直投影（去水平邊框后）;%輸出車牌的垂直投影圖像subplot（2,1,2）,imshow（sbw2）; %輸出垂直投影圖像title（車牌字符高度： ,int2str（maxhight）,Color,r）;%輸出車牌字符高度%對垂直投影進(jìn)行峰谷分析meancol

41、=mean（histcol）;%求垂直投影的平均值mincol=min（histcol）;%求垂直投影的平均值levelcol=（meancol+mincol）/4;%求垂直投影的1/4count1=0;l=1;for k=1:width if histcol（k）=1 markcol（l）=k; %字符上升點(diǎn) markcol1（l）=count1; %谷寬度（下降點(diǎn)至下一個上升點(diǎn)） l=l+1; end count1=0; endendmarkcol2=diff（markcol）;%字符距離（上升點(diǎn)至下一個上升點(diǎn)）m1,n1=size（markcol2）;n1=n1+1;markcol（l）=width;markcol1（l）=count1;markcol2（n1）=markcol（l）-markcol（l-1）;%Step10 計(jì)算車牌上每個字符中心位置，計(jì)算最大字符寬度maxwidthl=0;for k=1:n1markcol3（k）=markcol（k+1）-markcol1（k+1）;%字符下降點(diǎn)markcol4（k）=markcol3（k）-markcol（k）; %字符寬度（上升點(diǎn)至下降點(diǎn)）markcol5（k）=markcol3（k）-double（uint16（markcol4（k）/2）;%字符中心位置end markc