基于數(shù)字圖像處理的車(chē)牌識(shí)別系統(tǒng)

1、基于數(shù)字圖像處理的車(chē)牌識(shí)別系統(tǒng)言經(jīng)官電氣學(xué)院 電子112摘要：車(chē)牌識(shí)別系統(tǒng)（License Plate Recognition 簡(jiǎn)稱(chēng)LPR）技術(shù)基于數(shù)字圖像處理，是智能交通系統(tǒng)中的關(guān)鍵技術(shù)，同時(shí)他的發(fā)展也十分迅速，已經(jīng)逐漸融入到我們的現(xiàn)實(shí)生活中。文章介紹了車(chē)牌識(shí)別系統(tǒng)的意義、圖像去噪處理以及圖像二值化方法,并通過(guò)仿真試驗(yàn)?zāi)M了圖像處理的過(guò)程。本文所做的工作在于前期的圖像預(yù)處理工作。本次設(shè)計(jì)著重在于圖像識(shí)別方面, 中心工作都為此而展開(kāi),文中沒(méi)有進(jìn)行車(chē)牌的定位處理,而是采用數(shù)碼相機(jī)直接對(duì)牌照進(jìn)行正面拍照,獲取原始車(chē)牌圖像。之后利用Matlab編程對(duì)圖片進(jìn)行了大小的調(diào)整、彩色圖片轉(zhuǎn)化成灰度圖片、圖片

2、去噪、以及圖片二值化等工作。其中,去噪與二值化是關(guān)系圖像識(shí)別率的關(guān)鍵。關(guān)鍵字：車(chē)牌識(shí)別系統(tǒng)；圖像預(yù)處理；字符識(shí)別；Matlab；去噪；二值化引言 智能交通系統(tǒng)（ITS）是當(dāng)今世界交通管理體系發(fā)展的必然趨勢(shì)，而作為智能交通系統(tǒng)中的重要組成部分之一的車(chē)牌自動(dòng)識(shí)別技術(shù)，目前已被廣泛應(yīng)用于城市道路監(jiān)控、高速公路收費(fèi)與監(jiān)控、小區(qū)與停車(chē)場(chǎng)出入口管理、公安治安卡口等場(chǎng)合，成為研究的熱點(diǎn)。 伴隨我國(guó)國(guó)民經(jīng)濟(jì)的高速發(fā)展，國(guó)內(nèi)高速公路、城市道路、停車(chē)場(chǎng)建設(shè)越來(lái)越多，對(duì)交通控制，安全管理的要求也日益提高。因此迫切需要采用高科技手段,對(duì)違法違章車(chē)輛牌照進(jìn)行登記, 在這種情況下，作為信息來(lái)源的自動(dòng)檢索，圖像識(shí)別技術(shù)越來(lái)

3、越受到人們的重視。車(chē)牌識(shí)別系統(tǒng)的出現(xiàn)成為了交通管制必不可少的有力武器。1 車(chē)牌識(shí)別系統(tǒng)的目標(biāo) 利用計(jì)算機(jī)等輔助設(shè)備進(jìn)行的自動(dòng)汽車(chē)牌照自動(dòng)識(shí)別就是在裝備了數(shù)字?jǐn)z像設(shè)備和計(jì)算機(jī)信息管理系統(tǒng)等軟硬件平臺(tái)的基礎(chǔ)之上，通過(guò)對(duì)車(chē)輛圖像的采集，采用先進(jìn)的圖像處理、模式識(shí)別和人工智能技術(shù)，在圖像中找到車(chē)牌的位置，提取出組成車(chē)牌號(hào)碼的全部字符圖像，再識(shí)別出車(chē)牌中的文字、字母和數(shù)字，最后給出車(chē)牌的真實(shí)號(hào)碼。國(guó)外的車(chē)牌識(shí)別研究始于80 年代，90 年代始已有不少成套的產(chǎn)品出現(xiàn)。由于我國(guó)車(chē)牌的組成及組合的方式與國(guó)外的車(chē)牌不一致，使得我們不能直接使用國(guó)外的車(chē)輛牌照識(shí)別系統(tǒng)，而必須針對(duì)我國(guó)車(chē)牌重新設(shè)計(jì)相應(yīng)的車(chē)輛牌照識(shí)別系

4、統(tǒng)。車(chē)牌識(shí)別的使用環(huán)境、背景各有差異，目前還沒(méi)有一種算法能在不同環(huán)境、各種復(fù)雜背景條件下達(dá)到非常高的車(chē)牌識(shí)別率，因而車(chē)牌識(shí)別技術(shù)仍然是研究的重點(diǎn)。2 MATLAB 及其圖像處理工具概述 MATLAB 是MAT rix LABora tory( 矩陣實(shí)驗(yàn)室) 的縮寫(xiě), 是Ma thWorks 公司開(kāi)發(fā)的一種功能強(qiáng)、效率高、簡(jiǎn)單易學(xué)的數(shù)學(xué)軟件。MATLAB 7. 1 是一套功能十分強(qiáng)大的工程計(jì)算及數(shù)據(jù)分析軟件, 其應(yīng)用范圍涵蓋了數(shù)學(xué)、工業(yè)技術(shù)、電子科學(xué)、醫(yī)療衛(wèi)生、建筑、金融、數(shù)字圖像處理等各個(gè)領(lǐng)域。MATLAB 的圖像處理工具箱, 功能十分強(qiáng)大, 支持的圖像文件格式豐富, 如* .BMP、* .

5、JPG、* . JPEG、* . GIF、* . ti;f% 95% 94、* . ti;f%95%94F、* . PNG、* . PCX、* . XWD、* . HDF、* . ICO、* .CUR 等。本文將給出MATLAB的圖像處理工具箱中的圖像處理函數(shù)實(shí)現(xiàn)圖像處理與分析的應(yīng)用技術(shù)實(shí)例。 由于照片拍攝的好壞有很多外界因素決定，由于光照強(qiáng)度的影響，晴天拍攝的照片與陰天拍攝的照片質(zhì)量肯定不一樣，白天和晚上更是不同；由于每部車(chē)的車(chē)速的不一致，慢速行駛的車(chē)輛會(huì)比快速行駛的車(chē)輛拍攝的照片質(zhì)量好一些，而且車(chē)速過(guò)快，會(huì)使照片的字跡模糊，這肯定會(huì)影響字符的識(shí)別。故要對(duì)拍攝的照片進(jìn)行灰度化、二值化、濾波等

6、預(yù)處理。傳統(tǒng)的設(shè)計(jì)方法為：利用靜止的汽車(chē)牌照?qǐng)D片，利用C 語(yǔ)言或C+語(yǔ)言來(lái)對(duì)圖像進(jìn)行處理，編程很復(fù)雜，維護(hù)難度大。而MATLAB 語(yǔ)言對(duì)處理圖像而言非常方便，可直接調(diào)用已經(jīng)編好的函數(shù)，如可直接調(diào)用現(xiàn)成的函數(shù)進(jìn)行復(fù)雜的傅里葉變換、拉普拉斯變換、二值化處理、數(shù)字濾波等操作。3 車(chē)牌識(shí)別系統(tǒng)的工作原理 現(xiàn)在普遍通用的車(chē)牌識(shí)別系統(tǒng)通常包括兩大部分，軟件與硬件。其中軟件是整個(gè)系統(tǒng)的核心部分，車(chē)牌識(shí)別的核心技術(shù)就在于軟件。系統(tǒng)一般由車(chē)體感應(yīng)器，彩色攝像機(jī)輔助光源圖像采集與處理器，主控電腦和識(shí)別系統(tǒng)軟件構(gòu)成。系統(tǒng)軟件一般先對(duì)牌照?qǐng)D像進(jìn)行濾波、二值化、校正、分割等處理，再進(jìn)行識(shí)別。軟件部分由六個(gè)主要處理子模塊

7、組成。各模塊功能為：1) 實(shí)時(shí)采集模塊實(shí)現(xiàn)對(duì)汽車(chē)牌照?qǐng)D像的實(shí)時(shí)采集，并將采集的圖像轉(zhuǎn)換為數(shù)字圖像存儲(chǔ)；2) 車(chē)牌搜索及定位模塊對(duì)數(shù)字化后的車(chē)牌進(jìn)行區(qū)域目標(biāo)搜索，并將圖像進(jìn)行灰度翻轉(zhuǎn)統(tǒng)一為“白底黑字”；3) 車(chē)牌分割對(duì)定位的車(chē)牌區(qū)域進(jìn)行字符分割，將車(chē)牌分為7 個(gè)單一的字符圖片(針對(duì)普通民用車(chē))；4) 特征提取模塊對(duì)分割后的圖片進(jìn)行相應(yīng)的特征描述；5) 分類(lèi)識(shí)別模塊根據(jù)圖片的特征描述將其識(shí)別為相應(yīng)的結(jié)果字符串；6) 數(shù)據(jù)傳送輸出識(shí)別結(jié)果字符串到指定的設(shè)備上。車(chē)牌定位圖像預(yù)處理車(chē)輛圖像采集字符識(shí)別輸出結(jié)果字符分割圖1 車(chē)牌識(shí)別系統(tǒng)與原理圖4 圖像預(yù)處理 車(chē)牌圖像通常是在各種復(fù)雜的背景、環(huán)境條件下采集

8、得到，圖像質(zhì)量難以保證，因此在進(jìn)行車(chē)牌定位之前，通常要進(jìn)行圖像的預(yù)處理工作。圖像預(yù)處理主要是對(duì)系統(tǒng)獲取的原始圖像基本特征的信息進(jìn)行相應(yīng)的、有針對(duì)性的處理，以濾去干擾、噪聲，作幾何校正、色彩校正，以便于計(jì)算機(jī)的分析計(jì)算，一般包括濾波、圖像增強(qiáng)、圖像二值化、形態(tài)學(xué)運(yùn)算、邊緣檢測(cè)等。本文圖像預(yù)處理過(guò)程如圖2.圖像增強(qiáng)車(chē)輛圖像圖像灰度中值濾波形學(xué)處理直方圖衡圖像二值車(chē)牌定位圖2 車(chē)牌圖像預(yù)處理流程圖4.1 圖像灰度化 汽車(chē)圖像樣本目前大都是通過(guò)攝像機(jī)、數(shù)碼相機(jī)等設(shè)備拍攝獲取的，因而預(yù)處理前的圖像都是24 位真彩色圖像。彩色圖像包含著大量的顏色信息，不但在存儲(chǔ)上開(kāi)銷(xiāo)很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速

9、度，而且大多數(shù)圖像處理技術(shù)都是針對(duì)256 級(jí)灰度圖的，因此在對(duì)圖像進(jìn)行識(shí)別等處理中經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。由彩色轉(zhuǎn)換為灰度的過(guò)程叫做灰度化處理。 將彩色圖像轉(zhuǎn)換成灰度圖，一方面提高了圖像的處理速度，另一方面更統(tǒng)一了多種顏色的車(chē)輛牌照，因此，圖像灰度化是做圖像處理最根本的一步。本文采用加權(quán)平均值法將圖像灰度化，即根據(jù)重要性或其他指標(biāo)給R、G 、B 賦予不同的權(quán)值，并使R 、G 、B 等于它們的值的加權(quán)和平均，R=G=B （Wr*R+Wg*G+Wb*B）/3。其中Wr、Wg、Wb 分別是R、G、B 的權(quán)值，取Wr 0.299、Wg 0.588、Wb 0.113，從而得到最合理

10、的車(chē)牌灰度圖像。Matlab 程序如下：圖3 原圖與灰度化后圖片4.2 中值濾波 由于圖像中不可避免的存在有噪聲，常用的濾波方法有：低通濾波、高通濾波、帶通濾波、帶阻濾波。中值濾波的基本思想是用像素點(diǎn)鄰域灰度值的中值來(lái)代替該像素點(diǎn)的灰度值，該方法在去除脈沖噪聲、椒鹽噪聲的同時(shí)又能保留圖像邊緣細(xì)節(jié)這是因?yàn)樗灰蕾?lài)于鄰域內(nèi)那些與典型值差別很大的值中值濾波器在處理連續(xù)圖像窗函數(shù)時(shí)與線性濾波器的工作方式類(lèi)似，但濾波過(guò)程卻不再是加權(quán)運(yùn)算。取3*3 函數(shù)窗，計(jì)算以點(diǎn)i,j為中心的函數(shù)窗像素中值步驟如下：1)按強(qiáng)度值大小排列像素點(diǎn)。2)選擇排序像素集的中間值作為點(diǎn)i,j新值。圖4 3*3 中值濾波 這一過(guò)程

11、如圖5 所示一般采用奇數(shù)點(diǎn)的鄰域來(lái)計(jì)算中值但如果像素點(diǎn)數(shù)為偶數(shù)時(shí)，中值就取排序像素中間兩點(diǎn)的平均值。中值濾波在一定條件下，可以克服線性濾波器(如均值濾波等)所帶來(lái)的圖像細(xì)節(jié)模糊，而且對(duì)濾除脈沖干擾即圖像掃描噪聲最為有效。在實(shí)際運(yùn)算過(guò)程中并不需要圖像的統(tǒng)計(jì)特性，也給計(jì)算帶來(lái)不少方便。但是對(duì)一些細(xì)節(jié)多，特別是線、尖頂?shù)燃?xì)節(jié)多的圖像不宜采用中值濾波。Matlab 程序如下： c=medfilt2(b,3,3); imshow(c);圖5 中值濾波后圖像標(biāo)準(zhǔn)中值濾波算法的基本思想是將濾波窗口內(nèi)的最大值和最小值均視為噪聲，用濾波窗口內(nèi)的中值代替窗口中心像素點(diǎn)的灰度，在一定程度上抑制了噪聲。實(shí)際上在一定鄰

12、域范圍內(nèi)具有最大或最小灰度值這一特性的，除了噪聲點(diǎn)，還包括圖像中的邊緣點(diǎn)、線性特征點(diǎn)等。中值濾波以此作為圖像濾波依據(jù)，其濾波結(jié)果不可避免地會(huì)破壞圖像的線段、銳角等信息。因此，要找到一種既能實(shí)現(xiàn)有效濾除噪聲，又能完整保留圖像細(xì)節(jié)的濾波機(jī)制，僅考慮噪聲的灰度特性是難以實(shí)現(xiàn)的。4.3 圖像增強(qiáng) 如果一幅圖成像時(shí)由于光線過(guò)暗或曝光不足，則整幅圖偏暗（如灰度范圍從0到6 3 ）；光線過(guò)亮或曝光過(guò)度，則圖像偏亮（如灰度范圍從200 到2 5 5），都會(huì)造成圖像對(duì)比度偏低問(wèn)題，即灰度都擠在一起了，沒(méi)有拉開(kāi)，為了更方便的得到效果，提升識(shí)別率，對(duì)得到的灰度圖像做灰度增強(qiáng)，首先用strel 函數(shù)對(duì)原始圖像進(jìn)行開(kāi)操

13、作的到圖像的背景圖像。Matlab 程序如下： s=strel(disk,13); d=imopen(c,s); subplot(1,2,1); imshow(d); title(背景圖像); e=imsubtract(c,d);%中值濾波后圖像減去背景圖像 subplot(1,2,2); imshow(e); title(增強(qiáng)黑白圖像);圖6 灰度修正后圖像4.4 直方圖均衡化直方圖是用來(lái)表達(dá)一幅圖像灰度等級(jí)分布情況的統(tǒng)計(jì)表。通過(guò)對(duì)圖像中像素個(gè)數(shù)多的灰度值（及對(duì)畫(huà)面起主要作用的灰度值）進(jìn)行展寬，而對(duì)像素個(gè)數(shù)少的灰度值（及對(duì)畫(huà)面不起主要作用的灰度值）進(jìn)行歸并，從而達(dá)到清晰圖像的目的，其本質(zhì)上是

14、一個(gè)直方圖變換，即將輸入圖像的直方圖映射成一個(gè)最大平展的直方圖。實(shí)驗(yàn)效果如圖8。經(jīng)過(guò)直方圖均衡化處理以后，圖像的灰度分布變得均勻，原來(lái)偏暗的圖像亮度明顯增強(qiáng)，圖像變得更為清晰。Matlab 程序如下： subplot(1,2,1); imhist(e); f,g=histeq(e,64);%圖像灰度擴(kuò)展到0255，有64 個(gè)灰度級(jí) subplot(1,2,2); imhist(f); imshow(f);圖7 直方圖均衡化前（左）后（右）4.5 圖像二值化 圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為兩個(gè)數(shù)值，通常為0 或255。使整個(gè)圖像呈現(xiàn)出明顯的黑白效果。也就是將256 個(gè)亮度等級(jí)的灰度圖

15、像通過(guò)適當(dāng)?shù)拈T(mén)限值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像嘲?；谙袼?cái)?shù)目的直方圖閾值分割是本文采用的二值化算法，它的好處在于可以減少直方圖的不同形狀對(duì)二值化效果的影響。其步驟如下：計(jì)算直方圖，在直方圖中由0 至255 進(jìn)行累加計(jì)算，當(dāng)像素?cái)?shù)目大于某個(gè)值時(shí)將當(dāng)前像素值作為二值化門(mén)限。當(dāng)大于當(dāng)前像素值的像素點(diǎn)在圖像中所占的數(shù)量，也就是車(chē)牌中背景像素所占的比例稱(chēng)為該副圖像的閾值。經(jīng)過(guò)對(duì)一些圖片的計(jì)算確定該閾值在圖像像素?cái)?shù)目的60-80之間。閾值的取值不同，對(duì)二值化的結(jié)果影響很大。越小包含越多背景的高光部分，越大損失越多字符像素。對(duì)增強(qiáng)黑白后圖像進(jìn)行二值化處理。Matlab 程序如下：h

16、 = im2bw(e,0.299);imshow(h)圖6二值化后圖像4.7 形態(tài)學(xué)處理 二值化后的車(chē)牌圖像還存在許多干擾區(qū)域，若直接進(jìn)行車(chē)牌定位，很容易出現(xiàn)誤定位或增加了車(chē)牌定位的計(jì)算量，因此可以利用數(shù)學(xué)形態(tài)學(xué)算子，簡(jiǎn)化圖像數(shù)據(jù)，保持圖像的基本形狀特征，去除不相干的結(jié)構(gòu)。二值圖像的邏輯運(yùn)算，水平方向的噪聲去除和消除孤立的亮點(diǎn)，這兩個(gè)步驟是通過(guò)對(duì)圖像的亮度矩陣行方向的運(yùn)算和邏輯判斷來(lái)實(shí)現(xiàn)的，這對(duì)于實(shí)現(xiàn)以形態(tài)學(xué)為基礎(chǔ)的圖像處理算法是一種有力的補(bǔ)充手段。膨脹與腐蝕，膨脹最簡(jiǎn)單的應(yīng)用之一是將裂縫橋接起來(lái)，A 被膨B 脹可定義為：而腐蝕的一種最簡(jiǎn)單的用途是從二值圖像中根據(jù)尺寸消除不相關(guān)的細(xì)節(jié)，對(duì)集合Z

17、中的集合A和B，使用B對(duì)A進(jìn)行腐蝕,定義為：開(kāi)操作與閉操作正如仿真圖像所示，膨脹使圖像擴(kuò)大而腐蝕使圖像縮小。開(kāi)操作一般使對(duì)象的輪廓變得光滑，斷開(kāi)狹窄的間斷和消除細(xì)的突出物。閉操作同樣使輪廓線更光滑，但是與開(kāi)操作相反的是，它通常消彌狹窄的間斷和長(zhǎng)細(xì)的鴻溝，消除小的孔洞，并填補(bǔ)輪廓線中的斷裂。使用結(jié)構(gòu)元素B 對(duì)集合A 進(jìn)行開(kāi)操作， 定義為：因此，用B 對(duì)A 進(jìn)行開(kāi)操作就是用B 對(duì)A 腐蝕，然后用B 對(duì)結(jié)果進(jìn)行膨脹。同樣，使用結(jié)構(gòu)元素B對(duì)集合A的閉操作，定義為：通過(guò)仿真圖像我們可以看出這是我們已經(jīng)可以初步的定位到車(chē)牌的位置了。Matlab 進(jìn)行開(kāi)閉運(yùn)算的程序； h=double(h); grd=ed

18、ge(h,canny);%識(shí)別圖像中的邊界 imshow(grd); title(提取邊緣); bg1=imclose(grd,strel(rectangle,5,19);%取矩形框的閉運(yùn)算 subplot(2,2,1),imshow(bg1),title(圖像閉運(yùn)算); subplot(2,2,1),imshow(bg1),title(圖像閉運(yùn)算); bg3=imopen(bg1,strel(rectangle,5,19);%取矩形框的開(kāi)運(yùn)算 subplot(2,2,2),imshow(bg3),title(圖像開(kāi)運(yùn)算); bg2=imopen(bg3,strel(rectangle,19,

19、1);%取矩形框的開(kāi)運(yùn)算 subplot(2,2,3),imshow(bg2),title(圖像開(kāi)運(yùn)算);圖7 邊緣提取4.8 車(chē)牌定位 對(duì)形態(tài)處理后的圖像進(jìn)行區(qū)域提取，并進(jìn)行區(qū)域特征參數(shù)的計(jì)算，進(jìn)行區(qū)域參數(shù)比較提取車(chē)牌區(qū)域。1)對(duì)得到的圖像的每個(gè)區(qū)域進(jìn)行標(biāo)記，再計(jì)算每個(gè)區(qū)域的圖像特征參數(shù)：區(qū)域中心位置、最小的包含矩形和他們的面積。進(jìn)行顏色標(biāo)記的主要Matlab 程序如下： L,num=bwlabel(bg2,8);%標(biāo)注圖像中的連接部分 Feastats=imfeature(L,basic);%計(jì)算圖像區(qū)域的特征尺寸 Area=Feastats.Area;%計(jì)算面積 BoundingBox=Feastats.BoundingBox;%車(chē)牌框架的大小 RGB=label2rgb(L,spring,k,shuffle);%標(biāo)志圖像向RGB 轉(zhuǎn)換 subplot(2,2,4),imshow(RGB),title(圖像彩色標(biāo)記);%輸出框架彩色圖像圖8 圖像