Matlab平臺基于顏色的車牌識別程序

一、 摘要

Matlab平臺基于顏色的車牌識別程序近年來,隨著交通現(xiàn)代化的發(fā)展要求,汽車牌照自動識別技術(shù)已經(jīng)越來越受到人們的重視.車牌自動識別技術(shù)中車牌定位、字符切割、字符識別及后處理是其關(guān)鍵技術(shù).由于受到運(yùn)算速度及內(nèi)存大小的限制,以往的車牌識別大都是基于灰度圖象處理的識別技術(shù).其中首先要求正確可靠地檢出車牌區(qū)域,法,如Hough行區(qū)域分割,或使用紋理特征分析技術(shù)等.本文提出基于車牌彩色信息的彩色分割方法。二、 設(shè)計目的和意義目的：1、鞏固理論課上所學(xué)的知識，理論聯(lián)系實踐。2、鍛煉自己的動手能力，激發(fā)研究潛能，提高協(xié)作精神。意義：車牌定位系統(tǒng)的目的在于正確獲取整個圖像中車牌的區(qū)域，并識別出車牌號。通過設(shè)計實現(xiàn)車牌識別系統(tǒng)，能夠提高分析問題和解決問題的能力，還能培養(yǎng)一定的科研能力。三、設(shè)計原理圖1牌照識別系統(tǒng)原理圖該系統(tǒng)是計算機(jī)圖像處理與字符識別圖像輸入圖像輸入車牌區(qū)域定位對車牌區(qū)域去噪處理讀取識別結(jié)果識別結(jié)果存儲字符歸一化模版匹配識別字符分割1本工作過程如下：當(dāng)行駛的車輛經(jīng)過時，觸發(fā)埋設(shè)在固定位置的傳感器，系統(tǒng)被喚醒處于工側(cè)面的相機(jī)同時拍攝下車輛圖像；由攝像機(jī)或CCD行預(yù)處理，圖像預(yù)處理包括圖像轉(zhuǎn)換、圖像增強(qiáng)、濾波和水平較正等；區(qū)域；進(jìn)行識別。對識別結(jié)果讀取、并進(jìn)行數(shù)據(jù)庫存儲。四、 詳細(xì)設(shè)計步驟提出總體設(shè)計方案?？梢苑譃樽址指钆c特征提取和單個字符識別兩個模塊。陷，因此需要對原始圖象進(jìn)行識別前的預(yù)處理。系到整個牌照字符識別系統(tǒng)的識別率。方法。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1.0GHZ及以上，內(nèi)存在128MB及以上。系統(tǒng)可以運(yùn)行于Windows98、Windows2000或者WindowsXP操作系統(tǒng)下，程序調(diào)試時使用matlab。各模塊的實現(xiàn)。本文主要模塊如下：顏色信息提取、車牌區(qū)域定位、識別、提取、檢測傾斜度、車牌校正、車牌區(qū)域2值化、擦除干擾區(qū)域、文字分割、模版匹配、結(jié)果輸出。一、顏色信息提取及車牌區(qū)域定位輸入車牌圖象尋找車牌區(qū)域灰度處理傾斜校正圖2顏色信息提取及車牌區(qū)域定位1、圖象的采集與轉(zhuǎn)換RGBRGB牌區(qū)域。對藍(lán)底白字這種最常見的牌照，采用藍(lán)色B通道時牌照區(qū)域為一亮的矩形，而牌照字符在區(qū)域中并不呈現(xiàn)。因為藍(lán)色與白色BGRRG通道就可以明顯呈現(xiàn)出牌照456。對于將彩色圖象轉(zhuǎn)換成灰度圖象時，圖象灰度值可由下面的公式計算：G=0.110B+0.588G+0.302R （1）G=BGR3

（2）我們發(fā)現(xiàn)車輛牌照圖象的灰度取值范圍大多局限在r=(50,200)之間，而且總體上灰度偏低，圖象較暗。根據(jù)圖象處理系統(tǒng)的條件，最好將灰度范圍展開到s=(0,255)之間，為此我們對灰度值作如下的變換：s=T(r) r=[rmin,，rmax]使得S∈[S

min,

S 其中，為線性變換，], ], SSmax-SminrSminrmax-Smaxrmin （3）rmax-rmin rmax-rmin若r(50,200)、s(0，255)則：S255r-255501.7r85 （4）150 150圖3原始圖片 圖4定位后的車牌灰度圖像 圖5灰度圖像 圖6邊緣檢測圖像2、圖像校正二值化處理本文在針對傾斜角度的圖片采取radon算法進(jìn)行傾斜角度計算，并對傾斜圖擦除反色傾斜校正圖7傾斜校正圖像 圖8二值化處理3、精確分離車牌區(qū)域以圖8圖像為例，以圖像中間線為起點，設(shè)定某一閾值向上向下進(jìn)行掃描。精確分離出車牌字符所在區(qū)域。如圖9所示。Y方向處理圖9精確分離字符二、字符的定位和分割[[n]=sizd1<=j<n-，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110*55，與模板中字符圖像的大小相匹配圖10字符分割與歸一化流程圖1、字符分割：將計算得到車牌區(qū)域的二值化后的圖象,對黑色進(jìn)行垂直投影,計算垂直峰,.在字符切割時,,導(dǎo)致字符切割不準(zhǔn)確,針對這種情況,,對切割出的字符寬度進(jìn)行統(tǒng)計分析,用以指導(dǎo)切割,對因錯誤切割過寬的字符進(jìn)行分裂處理。對‘桂’字經(jīng)常出現(xiàn)10所示。2、字體識別：

圖11提取分割字符區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個就表示期間相似程度最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(jìn)行匹配第二個字符與模板中的字母模板進(jìn)行匹配后5個字符與模板中的字母與數(shù)字模板進(jìn)行匹配待識別字符與模板字符相減，值越小相似度越大，找到最小的一個即為匹配的最好的識別完成，輸出此模板對應(yīng)值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(jìn)行匹配第二個字符與模板中的字母模板進(jìn)行匹配后5個字符與模板中的字母與數(shù)字模板進(jìn)行匹配待識別字符與模板字符相減，值越小相似度越大，找到最小的一個即為匹配的最好的識別完成，輸出此模板對應(yīng)值圖12字符識別流程圖00找數(shù)值最大的，即為識別出來的結(jié)果。以桂字為例，模版圖片如圖11、提取出來的圖片如圖12、整體識別結(jié)果如圖13。圖13模版 圖14提取圖片 圖15識別結(jié)果提示框三、語音播報對字符正確識別之后，用事先對對每一個字符的錄音根據(jù)對應(yīng)字符順序播放。在對車牌區(qū)域識別出錯、字體分割出錯時程序暫停，并有語音提醒。四、存儲數(shù)據(jù)播放結(jié)束之后對相應(yīng)的識別出來的字符存儲到指定文件夾的 EXCEL文內(nèi)。并同時存儲對應(yīng)識別日期。如下圖所示。桂ACC2862009-5-615:38圖16Excel表格記錄五、 總結(jié)本文主要解決了以下幾個問題：根據(jù)車牌特點，一般采用的車牌定位算法有：1.邊緣檢測定位算法；2.利用位。字符分割的方法也有多種：1.基于聚類分析的字符分割；2.投影分割的方1.2.模板匹配法；3.的模板進(jìn)行比對，根據(jù)與模板的相似度的大小來確定最終的識別結(jié)果。系統(tǒng)是針對藍(lán)底白字的車票進(jìn)行的識別故對顏色依賴度高對顏色的抗干擾能力差對藍(lán)色汽車無法正確識別目前沒有想到好的改進(jìn)算法在圖片中出現(xiàn)較多的藍(lán)色背景情況下識別率會下降不能有效提取車牌區(qū)域識別的照片是用320萬像素相機(jī)拍攝的對圖片的清晰度要求較高系統(tǒng)本身還存在許多不足距離具體實用的要求仍有很大差距。但我卻在這次課程設(shè)計中學(xué)到了很多知識。六、 參考文獻(xiàn)岡薩雷斯．?dāng)?shù)字圖像處理（第二版2008胡小鋒、趙輝．VC++/MATLAB2004.9,1999(5),P65～67P28～29P140～145BPNo.2，2000袁志偉潘曉車輛牌照定位的算法研[J]昆明理工大學(xué)學(xué)報20026(2): 56～60.2004，65～68.MATLAB2004(4)崔 江、王友車牌自動識別方法中的關(guān)鍵技術(shù)研計算機(jī)測量與控制2003.11(4)[J],2004,44～45.附程序流程圖對提取出的車牌區(qū)域灰度、計算傾斜角、二值化處理、傾斜校正、清除邊緣干擾布設(shè)定閾值、字符分割對提取出的車牌區(qū)域灰度、計算傾斜角、二值化處理、傾斜校正、清除