关 键 词：

汽车 牌照 定位 系统 设计 开发 程序

资源描述：

内容简介：

无锡太湖学院 信机 系 计算机科学与技术 专业毕 业 设 计论 文 任 务 书一、题目及专题：、 题目 汽车牌照定位系统设计与开发 、专题 二、课题来源及选题依据 课题来源：导师指定 选题依据：汽车车牌识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。在车牌自动识别系统中,首先要将车牌从所获取的图像中分割出来实现车牌定位。这是进行车牌字符识别的重要步骤，定位的准确与否直接影响车牌识别率。 车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一，该技术应用范围非常广泛，其中包括：（1）交通流量检测；（2）交通控制与诱导；（3）机场、港口等出入口车辆管理；（4）小区车辆管理；（5）闯红灯等违章车辆监控；（6）不停车自动收费；（7）道口检查站车辆监控；（8）公共停车场安全防盗管理；（9）计算出行时间等。其潜在在市场应用价值极大，有能力产生巨大的社会效益和经济效益 。 三、本设计（论文或其他）应达到的要求：软件、技术要求： 在基于图像处理的车牌识别技术的基础上设计并开发了一个基于MATLAB的车牌定位系统通过编写MATLAB文件对各种车辆图像处理方法进行分析、比较,最终确定了车牌预处理、车牌粗定位和精定位的方法。 四、接受任务学生： 计科94 班 姓名 宋开拓 五、开始及完成日期：自 2012 年 11 月 12 日 至 2013年 5月 25日六、设计（论文）指导（或顾问）：指导教师签名 签名 签名教研室主任学科组组长研究所所长签名 系主任 签名2012年11月12日无锡太湖学院毕业设计（论文）开题报告题目： 汽车牌照定位系统设计与开发 信机 系 计算机科学与技术 专业学 号： 4 学生姓名： 指导教师： （职称：副教授 ） （职称： ）2012年11月20日 课题来源导师指定科学依据（包括课题的科学意义；国内外研究概况、水平和发展趋势；应用前景等）汽车车牌识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。在车牌自动识别系统中，首先要将车牌从所获取的图像中分割出来实现车牌定位，这是进行车牌字符识别的重要步骤，定位的准确与否直接影响车牌识别率。研究内容车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一，该技术应用范围非常广泛，其中包括：（1）交通流量检测；（2）交通控制与诱导；（3）机场、港口等出入口车辆管理；（4）小区车辆管理；（5）闯红灯等违章车辆监控；（6）不停车自动收费；（7）道口检查站车辆监控；（8）公共停车场安全防盗管理；（9）计算出行时间；（10）车辆安全防盗、查堵指定车辆等。其潜在在市场应用价值极大，有能力产生巨大的社会效益和经济效益。国外最早提出的是在20世纪80年别系统成功被研制，其主要途径就是对车牌的图像进行分析，自动提取车牌信息，进而确定汽车车牌号码。在现代，以色列Hi-Tech公司的See/Car System系列，新加坡Optasia公司的VLPRS 系列都是比较成熟的产品。其中，VLPRS产品主要适合与新加坡的车牌识别，Hi-Tech公司的See/Car System有多种变形产品来分别适应于某一个国家的车牌识别。See/Car Chinese系统也可以针对中国大陆的车牌进行识别，但是存在着一定的局限性，不能较好的识别车牌中的汉字，另外日本、加拿大、德国、意大利、英国等国家都有适合于本国的车牌识别系统。国内在20世纪90年代已经开始对车牌识别系统进代，该阶段并没有形成完整的理论系统知识，而是对车牌识别的某一种特定环境的应用或某一个问题进行了讨论，采用简单的图像处理技术来解决问题。国外正式开始出现车牌识别系统化的研究是20世纪90年代以后。1990年，国外的第一个车牌识行了相关的研究，其中的北京汉王公司的“汉王眼”、成都西图科技有限公司生产的CIAST2003车牌识别稽查系统、亚洲视觉生产的VECONVIS车辆牌照识别系统以及等产品牌照识别率都达到了95以上。上海交通大学戚飞虎提出了基于彩色分割的拍照识别方法；华中科技大学黄心汉提出了基于模板匹配和神经网络的拍照识别方法。另外，西安交通大学的郑南宁等人提出了多层次纹理分析的牌照识别方法也对车辆牌照识别系统也有极大价值的研究。众多的牌照识别技术的研究促进了适合我国车辆牌照识别产品的问世，国内的牌照识别产品相继问世并且投入使用。拟采取的研究方法、技术路线、实验方案及可行性分析本次毕业设计首先对车牌识别系统的现状和已有的技术进行了深入的研究在此基础上设计并开发了一个基于MATLAB的车牌定位系统通过编写MATLAB文件对各种车辆图像处理方法进行分析、比较,最终确定了车牌预处理、车牌定位的方法。本次设计采取的是基于Sobel的边缘检测先从经过边缘提取后的车辆图像中提取车牌特征，进行分析处理，从而初步定出车牌的区域，再利用车牌的先验知识和分布特征对车牌区域平滑图像进行处理，从而得到车牌的精确区域，并且取得了较好的定位结果。研究计划及预期成果2011年12月4日以前：填写毕业设计开题报告，并按开题报告条款进入毕业设计阶段2011年12月2012年1月：外文资料翻译，系统设计2012年2月：系统设计、编码2012年3月2012年4月：测试、验收，撰写毕业论文2012年5月：上交论文、系统代码、根据导师意见修改毕业论文并完善论文2012年6月2日4日，进行毕业答辩预期成果：每步安排都可以按时完美完成特色或创新之处本次设计采取的是Sobel边缘检测，先从经过边缘提取后的车辆图像中提取车牌特征，进行分析处理，从而初步定出车牌的区域，再利用车牌的先验知识和分布特征对车牌区域进行处理，从而得到车牌的精确区域并且取得了较好的定位结果。已具备的条件和尚需解决的问题已具备的条件：1、硬件方面有一台计算机，一台相机2、软件方面配有MATLAB平台3、网络方面有数条数据线可用指导教师意见 指导教师签名：年 月 日教研室（学科组、研究所）意见 教研室主任签名： 年 月 日系意见 主管领导签名： 年 月 日编编 号号无锡太湖学院毕毕业业设设计计（论论文文）题目：题目： 汽车牌照定位系统设计与开发汽车牌照定位系统设计与开发 信机 系系 计算机科学与技术专专 业业学 号： 学生姓名： 指导教师： （职称：副教授 ） （职称： ）2013 年 5 月 25I无锡太湖学院本科毕业设计（论文）无锡太湖学院本科毕业设计（论文）诚诚 信信 承承 诺诺 书书本人郑重声明：所呈交的毕业设计（论文） 汽车牌照定位系统设计与开发 是本人在导师的指导下独立进行研究所取得的成果，其内容除了在毕业设计（论文）中特别加以标注引用，表示致谢的内容外，本毕业设计（论文）不包含任何其他个人、集体已发表或撰写的成果作品。 班 级： 计科 94 学 号： 0921144 作者姓名： 2013 年 5 月 25 日摘摘 要要 车辆牌照识别系统（vehicle license plate recognition system，简称LPR）是现代智能交通系统中的一项重要研究课题，是实现智能交通的重要环节，涉及领域异常广阔。智能交通系统可以在不影响汽车正常行驶的状态下自动完成对牌照的有效识别，很显然这一技术的发明对于交通管理工作起到了很大的推动作用。目前，车辆牌照识别技术已经广泛应用于高速公路的监测，电子收费，交通违规管理，安全停车管理，偷盗车辆辨别等重要领域。由于牌照拍摄场景的复杂性以及车牌位置和图像质量的不可预知性，车牌定位系统一直都未做到令人满意，所以车牌定位一直是这个领域研究的热点。因此对于汽车牌照识别技术的研究具有重要的现实意义。 车牌识别技术主要包括车牌定位和车牌识别两部分,而车牌定位是该系统的关键之一。本文针对车牌识别系统中关于静态图片中的车牌定位问题。在车牌定位系统中，在MATLAB开发平台上，我们分别对图像预处理、图像的边缘检测和分割的若干方法进行编程实验，通过对静态图片进行灰度变换，二值化，中值滤波等一系列处理，提出了基于垂直边缘检测算子的车牌定位方法，根据汽车牌照区域的垂直边缘统计特性，从图像中确定可能存在的牌照候选区，在利用车牌几何形状的特点对这些候选区进行筛选，得到车牌位置，为进一步的字符识别打下基础。关键词：关键词：车牌定位；图像处理；边缘检测；MATLABIAbstractThe vehicle license plate recognition system (vehicle license plate recognition system, referred to as LPR) is an important research subject in modern intelligent transportation system, is an important part of realizing intelligent transportation, relates to the very broad filed. Intelligent transportation systems can auto-complete state does not affect the normal driving license identification, it is clear that the invention of this technology for traffic management has played a significant role in promoting. At present, the vehicle license plate recognition technology has been widely used in highway monitoring, electronic toll collection, traffic violation management, security, parking management, vehicle theft to identify important areas such as. License shooting scene complexity as well as the license plate location and image quality of the unpredictability of the, license plate positioning system, none has been done satisfactorily, so license plate location has been a hot research of this area. Therefore, the vehicle license plate recognition technology has important practical significance.License plate recognition technology mainly includes two parts of the license plate location and license plate recognition, the license plate location is one of the keys of the system. In this paper, the license plate location for license plate recognition system on a static picture. License plate positioning system, in the MATLAB development platform, we use image preprocessing, image edge detection and segmentation method for programming experiment, by gray-scale transformation of the still pictures, the two values, median filtering and a series of processing, put forward license plate location method based on vertical edge detection operator, according to the vertical edges of the statistical characteristics of the vehicle license area, identify possible license candidate from the image, on the use of license plate geometry characteristics of these candidate screening, license plate location, and lay the foundation for further character recognition.Keywords：License plate location; image processing; edge detection; MATLABII目目 录录摘 要.IIIABSTRACT.IV目 录 .V1 绪论.11.1 本课题的研究背景和意义.11.2 国内外的发展概况.11.3 本课题主要研究的内容.21.4 我国车牌的特点.21.5 设计的总体思想.31.6 本文各章节内容安排.31.7 开发工具及运行环境.32 基础知识和技术介绍.52.1 基础知识.52.2 MATLAB 简介.63 车牌定位详细设计.113.1 图像预处理.123.1.1 车牌的基本特征.123.1.2 彩色图像的灰度化.123.1.3 图像灰度变换.173.1.4 线性变换.173.1.5 分段线性灰度变换.183.1.6 非线性灰度变换.193.1.7 图像平滑.193.2 平滑处理.193.2.1 噪声的基本概念.193.2.2 空间域平滑.203.2.3 频率域平滑.223.3 图像边缘检测.223.3.1 引言.223.3.2 梯度算子.223.3.3 Roberts 算子.233.3.4 Prewitt 算子.233.3.5 Sobel 算子.243.3.6 Canny 算子.253.3.7 Laplacian 算子 .263.4 牌照的定位与分割.273.4.1 形态学去噪.28 III3.4.2 牌照区域的分割.323.4.3 车牌图像二值化.323.4.4 中值滤波.343.4.5 字符的分割与归一化.363.5 本章小结.374 车牌定位系统实现与测试.394.1 系统构成.394.2 实验结果及分析.394.3 本程序对其他图片的识别效果.444.4 本章小结.505 结论与展望.515.1 结论.515.2 研究工作的展望.51致 谢.53参考文献.54无锡太湖学院学士学位论文01 绪论绪论1.1 本课题的研究背景和意义本课题的研究背景和意义 20世纪90年代以来，随着我国经济的快速发展，人民生活水平的不断提高，国内高速公路、城市道路、停车场建设越来越多，汽车数量急剧增加。但伴随经济高速发展而产生的负产物也日益明显，即交通状况的不断恶化，尤其是近十多年来，无论是发达国家还是发展中国家，都不同程度的受交通问题的困扰。时常发生交通拥挤、事故等。面对日益严重的交通问题。智能交通系统（Intelligent Transportation System，简称ITS）已经成为当前交通管理发展的主要方向，而车牌识别技术作为智能交通系统的核心，起着举足轻重的作用，它在高速公路，城市道路，停车场等项目中占有无可取代的重要地位。目前，国外车牌识别系统已经成功应用于实际交通系统中，而国内的车牌识别系统的应用虽然也有部分成功事例，但基本上整体还处于试验阶段。如果引进国外的车牌识别系统不仅费用较高，而且由于我国车牌自身的特点与国外车牌有着很大的不同之处，特别是我国牌照中的汉字的识别问题，国外技术就无法实现。这就要求我们研制出适合我国国情的车牌识别系统。车牌定位是车牌识别系统中的关键性的第一步，很大程度上决定了车牌识别系统的准确性，鉴于车牌定位的重要性，本课题就是在这一背景下提出的。汽车牌照识别技术是现代交通管理中的一个非常重要的研究课题，是实现交通管理智能化的重要环节，它可广泛在高速公路、城市道路、停车场等的车辆管理，交通流量检测，交通管理，免停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，智能交通系统（ITS）已成为当前交通管理发展的主要方向。车牌识别系统在ITS系统中扮演着越来越重要的角色。所以，车牌识别系统的研究具有极大的市场价值。11.2 国内外的发展概况国内外的发展概况 汽车牌照识别系统不管采用哪种方法，有两个问题是必须解决的：第一：如何清楚的拍摄到清晰的汽车牌照图像。即是不论是刮风还是下雨，顺光还是逆光，白天还是黑夜。都能将牌照拍的清晰。第二：怎样在图像中准确的识别出汽车牌照，就是适应个中国环境下所拍摄到的图像。 一般来讲汽车牌照识别系统主要包括3个方面，即汽车牌照定位、汽车牌照切割、汽车牌照识别。汽车牌照定位的主要功能就是在图像中给出汽车牌照的位置并且分割出来，汽车牌照切割的主要功能就是把已获得的汽车牌照中的字符逐个切分出来，形成单个的字符图像块。汽车牌照识别是整个系统的最后一个步骤。即把切割出来的字符进行识别处理，得到可以用于计算机处理的信息格式（如文本格式） 。国外最早提出的是在20世纪80年代，该阶段并没有形成完整的理论系统知识，而是对车牌识别的某一种特定环境的应用或某一个问题进行了讨论，采用简单的图像处理技术来解决问题。国外正式开始出现车牌识别系统化的研究是20世纪90年代以后。1990年，国外的第一个车牌识别系统成功被研制，其主要途径就是对车牌的图像进行分析，自动提取车牌信息，进而确定汽车车牌号码。在现代，以色列Hi-Tech公司的See/Car System系列，新加坡Optasia公司的VLPRS 系汽车牌照定位系统设计与开发 1列都是比较成熟的产品。其中，VLPRS产品主要适合与新加坡的车牌识别，Hi-Tech公司的See/Car System有多种变形产品来分别适应于某一个国家的车牌识别。See/Car Chinese系统也可以针对中国大陆的车牌进行识别，但是存在着一定的局限性，不能较好的识别车牌中的汉字，另外日本、加拿大、德国、意大利、英国等国家都有适合于本国的车牌识别系统。国内在20世纪90年代已经开始对车牌识别系统进行了相关的研究，其中的北京汉王公司的“汉王眼” 、成都西图科技有限公司生产的CIAST2003车牌识别稽查系统、亚洲视觉生产的VECONVIS车辆牌照识别系统以及等产品牌照识别率都达到了95以上。上海交通大学戚飞虎提出了基于彩色分割的拍照识别方法；华中科技大学黄心汉提出了基于模板匹配和神经网络的拍照识别方法。另外，西安交通大学的郑南宁等人提出了多层次纹理分析的牌照识别方法也对车辆牌照识别系统也有极大价值的研究。众多的牌照识别技术的研究促进了适合我国车辆牌照识别产品的问世，国内的牌照识别产品相继问世并且投入使用。1.3 本课题主要研究的内容本课题主要研究的内容 车牌定位(License Plate Location，简称LPL)就是要在一副拥有复杂背景的车辆图像中把汽车牌照区域分割出来，它是汽车牌照识别系统中的第一步却是至关重要的一步。对于一幅车辆图像来说，车牌区域只占全图的一小部分，要想将其准确定位并分割出来是及其困难的，这就要求研究人员对车牌区域内的字符的纹理特征和字符与其背景之间的灰度特征进行分析，寻找它们之间的差别。当前最常见的定位技术主要有：“基于边缘检测的方法、 “基于彩色分割的方法” 、 “基于小波变换的方法和遗传算法等。本论文是基于Sobel边缘检测和数学形态学的车牌定位系统。针对车牌四周边框，采取了一种水平垂直结构元素的方法，有效地削弱它们对车牌定位准确率的不利影响，该了一种水平垂直结构元素的方法，有效地削弱它们对车牌定位准确率的不利影响，该方法方法主要利用了边缘检测和数学形态学中的开运算、图像膨胀和腐蚀、区域填充等对车牌图像进行处理。有效地提高了车牌定位准确率。1.4 我国车牌的特点我国车牌的特点 我国机动车使用的牌照主要是根据公安部1992年颁发的中华人民共和国机动车号牌标准（GA36-92）制作的。我国现有车辆牌照可分为四类：蓝底白字、黄底黑字、黑底白字和白底黑字。字符分为四种类型：中文字符、英文字母、阿拉伯数字、圆点分隔符。 所有车辆具有以下特点： （1）1 车辆牌照由7 个字符组成的字符串呈水平排列。待识别的字符模板可分为以下三类，汉字、英文字母、阿拉伯数字。 （2）车辆牌照区域牌底和牌字颜色对照大，边缘非常丰富。 （3） 车辆牌照原始尺寸每个字宽45mm，字高90mm，间隔符宽10mm，每个单元间隔12mm。 （4）汽车牌照的悬挂位置不唯一。 （5）我国对于不同车辆、车型、用途使用不同类型的牌照（如军车、民用车、大型无锡太湖学院学士学位论文2车辆）此次研究主要研究最常见的蓝底白字的车牌。1.5 设计的总体思想设计的总体思想本文介绍了课题设计的内容和步骤，然后分析了图像与处理中运用到得处理方法，如灰度变换，边缘检测，中值滤波等.最后检测车牌上下界和左右界，从而定位出车牌。设计总体思想如图 1.1 所示。输入图像图像预处理车牌定位字符分割 图1.1 系统整个过程第一步：在进行图像处理前先将位图读入到内存，这一步相当于车牌识别系统的汽车图像数据的采集。第二步：图像的预处理：包括灰度转换、边缘检测、背景干扰消弱、中值滤波等处理。第三步：车牌区域定位：采用水平投影和垂直投影法来获得车牌的具体位置。第四步：裁减车牌并显示：在获得车牌的坐标位置的灰度图像上裁减车牌并显示出来。1.6 本文各章节内容安排本文各章节内容安排 第一章：主要介绍了课题的研究背景及意义，重点阐述了车牌识别技术的研究现状，并对研究内容和论文结构作了详细描述。第二章：基本知识和 MATLAB 的基本原理介绍。第三章：车牌定位详细设计第四章：实验结果测试第五章：结论与展望1.7 开发工具及运行环境开发工具及运行环境 车牌定位系统作为汽车牌照识别系统中重要的一个环节，合理选取开发工具，不仅会对系统的研究与开发产生重大影响，而且还有可能大幅度降低开发成本，并提高系统的稳定性和可维护性。车牌定位功能的开发属于一个较为复杂的图像处理程序。换句话讲就是该功能对稳定性、可维护性有极为严格的要求，为此，本文决定选取MATLAB作为开发工具。软件环境：XP/WIN7。汽车牌照定位系统设计与开发 32 基础知识和技术介绍基础知识和技术介绍 2.1 基础知识基础知识普通的显示器屏幕是由许多个点构成的，我们称之为像素。显示器显示时采用扫描的方法为：电子枪每次从左到右扫描一行，为每个像素着色，然后从上到下扫描若干行，就扫过了一屏。为了防止闪烁，每秒要重复上诉过程几十次。例如我们常说的屏幕分辨率为 1024768，刷新频率为 60Hz，意思是说每行要扫描 1024 个像素，一共有 768 行，每秒重复扫描屏幕 60 次。我们称这种显示器为位映像设备。所谓位映像，就是指一个二维的像素矩阵，而位图就是采用位映像方法显示和存储的图像。大自然界中，人眼直接看到的是连续的模拟信号。色度学理论认为，任何颜色都可以由红、绿、蓝三种基本颜色按照不同的比例混合而得到，这三种颜色被称为三基色。因此，人们常称这三种光为三基色或三原色。有的颜色含有蓝色成分多一些，如深蓝；而有的含有蓝色成分少一些，如浅蓝。针对含有蓝色成分的多少，可以分成 0 到 255 共256 个等级，0 表示不含蓝色成分；255 级表示含有 100%的蓝色成分。同样的，红色和绿色也被分成 256 个等级。这种分级称为量化。这样，根据红、绿、蓝各种不同的组合我们就能表示出 256256256，约 1600 万种颜色。2由于计算机处理的是离散数据，因此要处理图像，则需要将图像进行离散化。这一过程叫做图像采集。图像采集系统包括三个基本单元，即成像系统、采集系统和量化器。在 Windows 操作系统中，常用的图像格式是位图格式，即 BMP 图像。位图图像(bitmap), 亦称为绘制图像或点阵图像，是由称作像素（图片元素）的单个点组成的。这些点可以进行不同的排列和染色以构成图样。BMP 格式的图像是一种设备无关位图。设备无关的含义是指格式中包含了完整的位图信息似的该位图可以在各种不同的设备上重现。位图保持为磁盘文件时，包含了 4 个部分：位图文件头、位图信息头、调色板、实际的位图数据。如图 2.1 所示。 图 2.1 BMP 文件格式这四个部分是以.BMP 文件格式存储的。1.位图文件头：包含文件类型，必须是 0x424D，即字符串“BM” ，并且指定文件大小，文件头到实际的位图数据的偏移字节数。位图文件头位图信息头调色板实际的位图数据无锡太湖学院学士学位论文42.位图信息头：信息包含有这个结构的长度，指定图像的宽度，单位是像素.指定图象的高度，单位是象素。指定位图是否压缩，有效值为 BI_RGB,BI_RLE8,BI_RLE4，BI-BITFIELDS(都是一些 Windows 定义好的常量)。指定实际的位图数据占用的字节数.指定目标设备的水平分辨率，单位是每米的象素个数，指定目标设备的垂直分辨率.指定本图像实际用到的颜色数。3.调色板：调色板实际上是一个数组存有 RGB 信息。 它有若干个表项，每一个表项是一个 RGBQUAD 类型的结构，定义的一种颜色。4.实际位图数据：用到调色板的位图，图像数据就是该象素在调色板中的索引值。对于真彩图，图像数据就是实际的 R、G、B 值对于 2 色位图，用 1 位就可以表示该象素的颜色（一般 0 表示黑，1 表示白） ，所以一个字节可以表示 8 个象素。对于 256 色位图，一个字节刚好可以表示一个象素。对于真彩图，三个字节才能表示 1 个象素。 Windows 规定一个扫描行所占的字节数必须是 4 的倍数(即以 long 为单位),不足的以0 填充。2.2 MATLAB 简介简介MATLAB 是矩阵实验室（MatrixLaboratory）之意。除具备卓越的数值计算能力外，它还提供了专业水平的符号计算，文字处理，可视化建模仿真和实时控制等功能。在 70年代中期，CleveMoler 博士和其同事在美国国家科学基金的资助下开发了调用 EISPACK和 LINPACK 的 FORTRAN 子程序库。EISPACK 是特征值求解的 FOETRAN 程序库,LINPACK 是解线性方程的程序库.在当时,这两个程序库代表矩阵运算的最高水平。到 70年代后期，身为美国 NewMexico 大学计算机系系主任的 CleveMoler,在给学生讲授线性代数课程时，想教学生使用 EISPACK 和 LINPACK 程序库，但他发现学生用 FORTRAN 编写接口程序很费时间，于是他开始自己动手，利用业余时间为学生编写 EISPACK 和LINPACK 的接口程序。CleveMoler 给这个接口程序取名为 MATLAB，该名为矩阵(matrix)和实验室(labotatory)两个英文单词的前三个字母的组合。在以后的数年里，MATLAB 在多所大学里作为教学辅助软件使用，并面向大众作为免费软件而广为流传。1984 年由 Little、Moler、SteveBangert 合作成立了的 MathWorks 公司正式把 MATLAB 推向市场。表 2-1 给出了 MATLAB 的版本更新情况。3表 2-1 MATLAB 版本更新情况版本建造编号发布时间MATLAB 1.01984MATALB 21986MATLAB 31987MATLAB 3.51990MATLAB 41992MATLAB 4.2cR71994MATLAB 5.0R81996MATLAB 5.1R91997MATLAB 5.1.1R9.11997MATLAB 5.2R101998汽车牌照定位系统设计与开发 5MATLAB 5.2.1R10.11998MATLAB 5.3R111999 续表 2-1版本建造编号发布时间MATLAB 5.3.1R11.11999MATLAB 6.0R122000MATLAB 6.1R12.12001MATLAB 6.5R132002MATLAB 6.5.1R13SP12003MATLAB 6.5.2R13SP22003MATLAB 7R142004MATLAB 7.0.1R14SP12004MATLAB 7.0.4R14SP22005MATLAB 7.1R14SP32005MATLAB 7.2R2006a2006MATLAB 7.3R2006b2006MATLAB 7.4R2007a2007MATLAB 7.5R2007b2007MATLAB 7.6R2008a2008MATLAB 7.7R2008b2008MATLAB 7.8R2009a2009.3.6MATLAB 7.9R2009b2009.9.4MATLAB 7.10R2010a2010.3.5MATLAB 7.11R2010b2010.9.3MATLAB 7.12R2011a2011.4.8MATLAB 7.13R2011b2011.9.1MATLAB 7.14R2012a2012.3.1MATLAB 8.0R2012b2012.9.11MATLAB 8.1R2013a2013.3.7MATLAB 的基本数据单位是矩阵，它的指令表达式与数学，工程中常用的形式十分相似，故用 MATLAB 来解算问题要比用 C, FORTRAN 等语言完成相同的事情简捷得多。当前流行的 MATLAB 5.3/Simulink 3.0 包括拥有数百个内部函数的主包和三十几种工具包(Toolbox).工具包又可以分为功能性工具包和学科工具包.功能工具包用来扩充 MATLAB的符号计算,可视化建模仿真,文字处理及实时控制等功能.学科工具包是专业性比较强的工具包,控制工具包,信号处理工具包,通信工具包等都属于此类。开放性使 MATLAB 广受用户欢迎.除内部函数外,所有 MATLAB 主包文件和各种工具包都是可读可修改的文件，用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。在当 30 多个数学类科技应用软件中,就软件数学处理的原始内核而言，可分为两大类.一类是数值计算型软件，如 MATLAB，Xmath，Gauss 等,这类软件擅长于数值计算，对处无锡太湖学院学士学位论文6理大批数据效率较高。另一类是数学分析型软，Mathematica，Maple 等，这类软件以符号计算见长，能给出解析解和任意精确解，其缺点是处理大量数据时效率较低。MathWorks 公司顺应多功能需求之潮流，在其卓越数值计算和图示能力的基础上，又率先在专业水平上开拓了其符号计算，文字处理，实时控制能力和可视化建模，开发了适合多学科，多部门要求的新一代科技应用软件 MATLAB。经过多年的不断努力,MATLAB已经占据了数值软件市场的主导地位。时至今日，经过 MathWorks 公司的不断完善，MATLAB 已经发展成适合多学科，多种工作平台的功能强大的大型软件。特别是在数值分析、工程与科学绘图、控制系统的设计与仿真、数字图像处理、数字信号处理、通讯系统设计与仿真、财务与金融工程等领域发挥着着较强的优势。在国外，MATLAB 已经经受了多年考验。在欧美等高校，MATLAB 已经成为线性代数，自动控制理论，数理统计，数字信号处理，时间序列分析，动态系统仿真等高级课程的基本教学工具；成为攻读学位的大学生，硕士生，博士生必须掌握的基本技能。在设计研究单位和工业部门，MATLAB 被广泛用于科学研究和解决各种具体问题。在国内，特别是工程界，MATLAB 一定会盛行起来。可以说，无论你从事工程方面的哪个学科，都能在 MATLAB 里找到合适的功能。一种语言之所以能如此迅速地普及，显示出如此旺盛的生命力，是由于它有着不同于其他语言的特点，正如同 FORTRAN 和 C 等高级语言使人们摆脱了需要直接对计算机硬件资源进行操作一样，被称作为第四代计算机语言的 MATLAB，利用其丰富的函数资源，使编程人员从繁琐的程序代码中解放出来。MATLAB 最突出的特点就是简洁。MATLAB 用更直观的，符合人们思维习惯的代码，代替了 C 和 FORTRAN 语言的冗长代码。MATLAB 给用户带来的是最直观，最简洁的程序开发环境。以下简单介绍一下MATLAB 的主要特点。（1）语言简洁紧凑，使用方便灵活，库函数极其丰富。MATLAB 程序书写形式自由，利用起丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程工作。由于库函数都由本领域的专家编写，用户不必担心函数的可靠性。可以说，用 MATLAB 进行科技开发是站在专家的肩膀上。具有 FORTRAN 和 C 等高级语言知识的读者可能已经注意到，如果用 FORTRAN 或C 语言去编写程序，尤其当涉及矩阵运算和画图时，编程会很麻烦。例如，如果用户想求解一个线性代数方程，就得编写一个程序块读入数据，然后再使用一种求解线性方程的算法（例如追赶法）编写一个程序块来求解方程，最后再输出计算结果。在求解过程中，最麻烦的要算第二部分。解线性方程的麻烦在于要对矩阵的元素作循环，选择稳定的算法以及代码的调试动不容易。即使有部分源代码，用户也会感到麻烦，且不能保证运算的稳定性。解线性方程的程序用 FORTRAN 和 C 这样的高级语言编写，至少需要四百多行，调试这种几百行的计算程序可以说很困难。（2）运算符丰富。由于 MATLAB 是用 C 语言编写的，MATLAB 提供了和 C 语言几乎一样多的运算符，灵活使用 MATLAB 的运算符将使程序变得极为简短。（3）MATLAB 既具有结构化的控制语句（如 for 循环，while 循环，break 语句和 if语句） ，又有面向对象编程的特性。汽车牌照定位系统设计与开发 7（4）程序限制不严格，程序设计自由度大。例如，在 MATLAB 里，用户无需对矩阵预定义就可使用。（5）程序的可移植性很好，基本上不做修改就可以在各种型号的计算机和操作系统上运行。（6）MATLAB 的图形功能强大。在 FORTRAN 和 C 语言里，绘图都很不容易，但在 MATLAB 里，数据的可视化非常简单。MATLAB 还具有较强的编辑图形界面的能力。（7）MATLAB 的缺点是，它和其他高级程序相比，程序的执行速度较慢。由于MATLAB 的程序不用编译等预处理，也不生成可执行文件，程序为解释执行，所以速度较慢。（8）功能强大的工具箱是 MATLAB 的另一特色。MATLAB 包含两个部分：核心部分和各种可选的工具箱。核心部分中有数百个核心内部函数。其工具箱又分为两类：功能性工具箱和学科性工具箱。功能性工具箱主要用来扩充其符号计算功能，图示建模仿真功能，文字处理功能以及与硬件实时交互功能。功能性工具箱用于多种学科。而学科性工具箱是专业性比较强的，如 control,toolbox,signal processing toolbox,communication toolbox 等。这些工具箱都是由该领域内学术水平很高的专家编写的，所以用户无需编写自己学科范围内的基础程序，而直接进行高，精，尖的研究。（9）源程序的开放性。开放性也许是 MATLAB 最受人们欢迎的特点。除内部函数以外，所有 MATLAB 的核心文件和工具箱文件都是可读可改的源文件，用户可通过对源文件的修改以及加入自己的文件构成新的工具箱。3因此本文是基于 MATLAB 实现机动车牌的自动定位。无锡太湖学院学士学位论文83 车牌定位详细设计车牌定位详细设计本论文所设计的是基于 MATLAB 的车牌定位系统。本论文的主要目的是设计出一种可以实现处理速度快且定位准确的车牌定位系统，以便用于实现汽车车牌的自动识别，进而满足智能交通的要求。图 3.1、3.2 分别为系统的大致流程图与具体设计流程图。输入图像图像预处理车牌定位字符分割图 3.1 车牌定位算法大致流程图车牌提取汽车彩色图像图像灰度化图像边缘检测图像增强（中值滤波）图像二值化处理平滑二值图像得到候选区域特征提取得到车牌坐标定位车牌对车牌图像二值化车牌图像归一化切割出字符输出字符图3.2 车牌定位算法具体流程图 本论文完成以下几方面的任务：(1) 通过对图像预处理方案（其中包括图像的滤波除噪，图像的锐化、图像增强、图像分割）的详细研究与实验对比，确定了适用于汽车牌照定位系统要求的汽车图像的预处理方案。本文给出了每一种预处理算法的实验效果图，以便于分析比较。(2) 对图像的边缘检测算法进行研究。通过对几种常用的边缘检测算法的分析和实验，汽车牌照定位系统设计与开发 9给出了本文使用的边缘检测算法。(3) 提出了基于垂直与水平边缘检测算子的车牌定位方法，利用此法实现了对车牌的定位。(4) 提取定位后的车牌区域图，将车牌图像处理分割出字符，为后续的车牌识别做准备。3.1 图像预处理图像预处理目前有很多对图像的预处理方法，通常采取的具体手段有：图像亮度的改变；图像对比度的变化；图像校正与图像滤波等。其中，图像滤波发挥着举足轻重的作用。图像滤波可以有效地抑制（平滑）图像的各种噪声、加强（锐化）边缘信息，图像质量能够得到很大程度上改善，为后续工作（图像分割）提高精度。23.1.1 车牌的基本特征车牌的基本特征从视觉角度来看，我国车牌具有以下特征可用于定位：1形状特征：车牌的边缘是线段围成的有规则的矩形。考虑到摄像机的安装位置固定，采集的分辨率保持不变，而且车牌的大小是标准的，宽高比在一定范围内固定，因此车牌在原始图像中的相对位置也比较集中，大小变化也有一定范围。2颜色特征：小型车车牌为蓝底白字，大型车车牌为黄底黑字，军警车车牌为白底黑字，国外驻华使馆车牌为黑底白字。3灰度跳变特征：车牌的边缘颜色、底色以及车牌外的颜色各不相同，图像中中呈现互不相同的灰度级，车牌边缘形成了灰度突变。在车牌区，由于牌照底部和字符本身灰度是均匀的，所以穿过车牌的水平直线呈现连续的峰-谷-峰的分布。4纹理特征：车牌有一个连续的边框，车牌内有多个水平排列且大小统一字符，所以在车牌的矩形区域内存在较丰富的边缘信息，呈现出规则的纹理特征。3.1.2 彩色图像的灰度化彩色图像的灰度化颜色图像可分为彩色、灰度色和黑白色。工程应用中经常需要把彩色图像转化成灰度图像，用数码相机采集汽车图像为彩色图像，为提高处理速度，需要把彩色图像向灰度图像转化，将含有亮度和色彩的图像变换成灰度图像的过程称为图像的灰度化处理，即使 RGB 模型中的 R=B=G。一般情况下彩色图像每个像素赋予 3 个字节，每个字节对应着 R、G、B 分量(红、绿、蓝)的亮度，转换后的灰度图像的每个像素仅用一个字节来表示该点的灰度值，它的值在 0-255 之间，数值越大，该点就越亮，越小则越暗。可见，经过这样转换减少了计算量。考虑到现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，利用不同的色彩通道就可以将区域与背景明显地区分出来，例如，对蓝底白字这种最常见的牌照，采用蓝色 B 通道时牌照区域为一亮的矩形，而牌照字符在区域中并不呈现。因为蓝色（255，0，0）与白色（255，255，255）在 B 通道中并无区分，而在 G、R 通道或是灰度图象中并无此便利。同理对白底黑字的牌照可用 R 通道，绿底白字的牌照可以用 G 通道就可以明显呈现出牌照区域的位置，便于后续处理。转换方法的主要有三种：41.最大值法：比较 R、G、B 三个分量，取其中最大的一个作为该点的灰度值，即：无锡太湖学院学士学位论文10。max( , )RGGR G B2.平均值法：求 R、G、B 三个分量值的平均值作为该点的灰度值，即：。()/3RGBRGB3.加权平均值法：根据 R、G、B 三种分量的重要性不同，赋予三者不同的权重，将三者的加权平均值作为该点的灰度值，由于人眼对绿色最为敏感，红色次之，对蓝色敏感性最差，所以对绿色赋予最高的权值，红色次之，蓝色最小，所以得到的灰度计算公式如下： （3.1）( , )0.11 ( , )0.59 ( , )0.3 ( , )Gray i jR i jG i jB i j这里为转化后的灰度图像在像素处的灰度值。5本文采用此经验公式( , )Gray i j( , )i j计算灰度值，使所用的颜色分量都等于，这样就完成了图像的灰度转换。图( , )Gray i j3.3、3.4 给出了通过数码相机采集的原始图像及其灰度化的图像。图 3.5、3.6 给出了上述灰度化之后图像的灰度直方图。(a) 原始彩色图像 汽车牌照定位系统设计与开发 11 (b) 转换后的灰度图图 3.3 颜色图像灰度化处理示例 1(a) 原始彩色图像 无锡太湖学院学士学位论文12 (b) 转换后的灰度图图 3.4 颜色图像灰度化处理示例 2灰度直方图是数字图像处理中一个最简单、最有用的工具。它表示图像中具有每种灰度级的像素个数，反映图像中每种灰度出现的频率，是图像的最基本的统计特征。如图 3.5、3.6 给出了上述灰度化之后图像的灰度直方图。 ，灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率。 (c) 灰度图像汽车牌照定位系统设计与开发 13 (d) 灰度直方图图 3.5 灰度图及其直方图示例 1 (c) 灰度图像无锡太湖学院学士学位论文14 (d) 灰度直方图图 3.6 灰度图及其直方图示例 23.1.3 图像灰度变换图像灰度变换由于牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不完全匹配，这将直接影响到图象的后续处理。如果造成这种影响的原因主要是由于被摄物体的远近不同，使得图象中央区域和边缘区域的灰度失衡，或是由于摄像头在扫描时各点的灵敏度有较大的差异而产生图象灰度失真，或是由于曝光不足而使得图像的灰度变化范围很窄。这时就可以采用灰度校正的方法来处理，增强灰度的变化范围、丰富灰度层次，以达到增强图象的对比度和分辨率。我们发现车辆牌照图象的灰度取值范围大多局限在 r=(50,200)之间，而且总体上灰度偏低，图象较暗。根据图象处理系统的条件，最好将灰度范围展开到 s=(0,255)之间，为此我们对灰度值作如下的变换： （3.2）minmax( ),sT rrrr 其中 T 为线性变换，计算使得。minmax,sss （3.3）minr -maxr minr Smax-maxr Sminrminr -maxr Smin-Smax S根据灰度变换采用函数的不同，可将灰度变换分为线性变换、分段线性变换和非线性变换。3.1.4 线性变换线性变换 线性变换是对线性段像素逐个处理，将原图像灰度值动态范围按指定的线性关系式汽车牌照定位系统设计与开发 15展到另一范围。假设图像的灰度范围为，若变换后的输出图像的的范,f x y, a b,g x y围为，可通过线性变换将输入图像的亮度范围变换到输出图像的动态范围, c d, a b，变换公式为：, c d （3.4）()( , )( , )cdf x yag x ycba若输入图像的大部分像素灰度级位于区间内，小部分不在此区间内，将上式变, a b形之后也可以达到改善图像效果，变形公式如下： （3.5）()( , )( , )( , )( , )( , )d cf x yacaf x ybb acf x yadf x ybg x y 这种变换拉长了区间，但缩小了及区间，实际上，上述区间被压缩, a b0,a,255b成单点，但只要选择合理，失真是可以允许的。, a b图 3.7 给出了原始图像经线性变换的效果图。图 3.7 线性变换3.1.5 分段线性灰度变换分段线性灰度变换有时需要对图像中感兴趣的灰度区域或者目标加强，就会用到分段线性变换。所谓分段线性变换就是讲灰度图像的灰度区间分成几段（两段或多段）分别作线性变换，以达到根据用户不同的需要，拉伸目标物体的灰度细节信息，而对相对不感兴趣区域的灰度级进行抑制。图 3.8 给出了三段线性变换函数。无锡太湖学院学士学位论文16图 3.8 分段线性灰度变换3.1.6 非线性灰度变换非线性灰度变换对某些非线性函数而言，如指数、对数函数等作为映射函数时，能够完成对图像灰度的非线性变换。对数变换公式如下： （3.6） 1),(ln),(yxfbayxg其中 a、b 为可调参数。此变换可用于希望将图像低灰度区域进行扩展，而对高灰度区域压缩。这样可以使图像灰度分布均匀以匹配人体视觉特性。3.1.7 图像平滑图像平滑在图像的获取和传输过程中，一般会受到各种类型噪声的干扰和影响，影响图像质量，对后续的图像分析带来困难。噪声反映在图像中，会使原本均匀和连续变化的灰度值变大或变小，造成虚假的边缘或轮廓。图像平滑就是抑制或消除这些噪声而达到改善图像质量的一种方法。图像平滑既可以在空间域进行，也可以在频率域进行。3.2 平滑处理平滑处理3.2.1 噪声的基本概念噪声的基本概念一般来讲，噪声是随机信号，通常会采用概率统计方法对其进行分析。噪声影响到数字图像处理中的获取、输入、处理的各个环节以及输出结果的全过程，因此消除噪声对数字图像处理非常重要。按噪声的来源来分，可以分为外部噪声和内部噪声两类。外部噪声是指处理系统受到外面的影响，如电磁波从电源线窜入系统或天线干扰的噪声。内部噪声则有以下四种汽车牌照定位系统设计与开发 17最常见形式：由光和电的基本性质引起的噪声；元器件噪声；由机械运动引起的噪声；系统内部电路的噪声。各种类型的噪声反映在图像上可以分为:椒盐噪声是由图像传感器、传输信道、解码处理等产生的黑白相间的亮暗点噪声，往往由图像切割引起；高斯噪声是指 n 维分布都服从高斯分布的噪声；白噪声是指功率谱密度在整个频域内均匀分布的噪声。我们对噪声的描述采用统计意义上的均值与方差。设图像信号的二维灰度分布为f(x,y)，则噪声可看作是对亮度的干扰，以 n(x,y)来表示。噪声的均值表明了图像中噪声的总体强度，计算公式为： （3.7）11,1,xyyxnyxnx噪声的方差表明了图像中噪声分布的强弱差异,计算公式为： （3.8）21122,1,xynnyxnnyxn其中,M、N 分别为图像的行数和列数。噪声的模型按照对信号的影响可分为加性噪声模型和乘性噪声模型两大类。设为信号，为噪声，在信号影响下的输出为，则有 ( , )f x y( , )n x y( , )f x y( , )g x y加性噪声模型：= + yxg,yxf,yxn,（3.9）乘性噪声模型： = + + yxg,yxf,yxf,yxf,yxn,（3.10）3.2.2 空间域平滑空间域平滑邻域平均法是直接在空间域上进行图像平滑处理的。设图像 为 N N 的阵列，平滑后的图像为 ，它的每个像素的灰度级由包含在(x，y)的预定邻域的几个像素的灰度级的平均值所决定，即用下式可得到平滑的图像： （3.11）yxg,Sjiyxf,1其中,x,y = 0,1,2,N-1，S 是(x,y)点邻域中心点的坐标的集合(不包括点(x,y)，M 是S 内坐标点的总数。常用的邻域为 4-邻域和 8-邻域。经过邻域平均法平滑后的图像有效地抑制了噪声，但同时使图像变模糊了，特别是图像边缘和图像细节处更为明显，邻域越大，模糊越厉害。前者比后者明显较清晰。对上述算法稍加改进，可导出一种称为阈值平均法。 （3.12）( , )1( , )( , )( , )i jSf x yMg x yf x y式中 T 是一个规定的非负阈值，表示图像的均方差。当一些点和它们邻域的差值不无锡太湖学院学士学位论文18超过规定的阈值 T 时，则保留这些点的像素灰度值；当某些点的灰度值与邻点灰度的均值差别较大时，它必然是噪声，则取其邻域平均值作为该点的灰度值。这样平滑后的图像比邻域平均法模糊度减少，平滑效果仍然很好。为了克服邻域平均法的缺点，目前有研究提出了许多保留边缘细节的图像平滑算法，它们研究的重点都在如何选择邻域的大小、形状和方向，如何选择参加平均的点数以及邻域各点的权重系数等。我们把这类根据参与平均像素的特点赋予不同权值的方法称为加权平均法，常用的有灰度最近 K 个邻点平均法、梯度倒数加权平滑、最大均匀性平滑、小斜面模型平滑等。从信号频谱分析的知识，我们知道信号的缓变部分在频率域中是低频部分，而信号的快变部分在频率域属于高频部分。对数字图像来说，它的边缘以及噪声干扰的频率分量都处于空间频率域高频的部分，因此可以采用低通滤波的方法去除噪声，而且频域滤波很容易用空间域的卷积来实现，为此只要适当地设计空间域系统的单位冲激响应矩阵就可以达到滤除噪声的效果。空间低通滤波法是应有模板卷积方法对图像每一个像素进行局部处理。模板就是一个滤波器，设它的响应为 ，于是滤波输出的数字图像 可以用离散卷积表示： （3.13）yxg, srHsyrxfkkrlls,式中，x, y = 0,1,2,., N 1，k、l 根据所选邻域大小来决定。由于模板尺寸小，因此具有计算量小、使用灵活、适于并行运算等优点。常用的 33 模板。模板不同，邻域内各像素重要程度也就不相同，因此，应根据问题的需要选取合适的模板。但不管什么样的模板，必须保证全部权系数之和为 1，这样可保证输出图像灰度值在许可范围内，不会产生灰度“溢出”现象。中值滤波是最常用的去除噪声的非线性平滑滤波处理方法，它是对一个滑动窗口内诸多的像素灰度值进行排序，用其中间值代替窗口中心像素的灰度值的滤波方法。中值滤波对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。1.一维中值滤波有其定义可得，一维中值滤波可表示为： （3.14）yxg,WlklykxfMed,式中：W 为选定窗口大小，一般为奇数，以便于有中间像素；若为偶数时，则取中间两像素灰度值的平均值。 为窗口 W 的像素灰度值。2.二维中值滤波二维中值滤波可由下式表示： （3.15） ijijfMedy 式中：A 为窗口； 为二维数据序列。二维中值滤波的窗口形状和尺寸对滤波效果影响较大，不同的图像内容和不同的应用要求，往往采用不同的窗口形状和尺寸。常见的二维中值滤波窗口形状有线性、方形、圆形、十字形及圆环形等。下面以一个简单的例子来说明中值滤波算法。设检测图像数据(包含噪声干扰)为汽车牌照定位系统设计与开发 19用的模板对其进行中值滤波。需要说明一下，为了保证模板内都能套住原图像的像素点，图像的四周即第一行、最后一行、第一列和最后一列是不做处理的。则原图中的像素 的模板像素为： 对模板中的 9 个数从小到大排序为：1，1，1，2，2，5，6，10，则滤波后的结果为排在该数据序列中间位置上(即第 5 个位置)的值，即 g(2,2) = 2，这样将像素值大于周围像素的噪声进行了很好的抑制。同理，对原图像中的像素 f (4,4) 进行滤波，结果 g(4,4) = 8，将像素值小于周围像素的噪声进行了很好的抑制。椒盐噪声图像进行的中值滤波操作之后我们发现图像上的椒盐噪声几乎全部被清除了，而且窗口尺寸越大，噪声清除越干净，但是图像的边缘信息随窗口尺寸变大而变得越模糊。但在采取中值滤波时，窗口的尺寸大小选择是十分关键的，应根据实际环境来确定。3.2.3 频率域平滑频率域平滑设原图像为 ，经傅里叶变换为 F(u,v)，频率域平滑就是选择合适的低通滤波器 H(u,v)来抑制高频部分(由前面可知，噪声主要集中高频部分)，然后经傅里叶逆变换得到滤波图像，就达到了平滑图像的目的。其一般过程可以表示为： （3.16） yxgvuHvuFvuFyxfIDFTvuHDFT, 3.3 图像边缘检测图像边缘检测3.3.1 引言引言边缘检测算法是模式识别与图像分析的重要组成部分，在计算机视觉和图像处理等领域中起着极其重要的作用。由于边缘包含了用于识别的大量的有用信息( 如形状、方向、阶跃性质等) ，所以边缘检测是模式识别与图像分析中提取主要特征的主要手段之一。3.3.2 梯度算子梯度算子 由于边缘处的灰度存在不连续性，于是使用求导的方式可以检测到边缘信息。最初的边缘检测算法是基于像素数值的导数运算。设图像在处梯度定义如下：( , )f x y( , )x y （3.17）( , )( , )( , )xyf x yfxgrad x yf x yfy由于梯度为一矢量，存在大小与方向，定义如下： （3.18）2222( , )( , )( , )xyf x yf x ygrad x yffxy （3.19）( , )( , )arctan/arctan/yxf x yf x yffyx梯度方向为在像素点灰度变化最大的方向，在处理数字图像时，一般可( , )f x y( , )x y以采用差分运算来近似代替。在处，x 轴方向与 y 轴方向上的一阶差分分别如下定( , )x y义：无锡太湖学院学士学位论文20 （3.20）( , )( , )(1, )xf x yf x yf xy （3.21）( , )( , )( ,1)yf x yf x yf x y这里，梯度公式可近似为： （3.22）22( , )( , )(1, )( , )( ,1)grad x yf x yf xyf x yf x y为了方便计算，上式可以简化为： （3.23）( , )( , )(1, )( , )( ,1)grad x yf x yf xyf x yf x y根据梯度计算可知：图像中灰度变化剧烈的区域梯度幅值较大，灰度级变化较小的区域梯度幅值较小，灰度变化均匀处梯度幅值为零。基于此，很多算法由此产生，其中比较常用的一阶微分算子有：Sobel 算子、Roberts算子、Prewitt 算子；二阶微分算子有：Canny 算子、Laplacian 算子(LOG 算子)。3.3.3 Roberts 算子算子Roberts 算子是一种利用局部差分方法寻找边界的算子，定义如下： （3.24）22,( , )(1,1)( ,1)(1, )R x yf x yf xyf x yf xy为了方便计算，上式可以简化为： （3.25）( , )( , )(1, )( ,1)(1, )grad x yf x yf xyf x yf xy用图像处理中模板描述形式表示，Roberts 算子的模板为两个卷积算子：2 2 1 001 010Roberts 算子与梯度算子方法类似，边缘定位较准，但对噪声敏感。图 3.9 给出了采用 Roberts 算子边缘检测的结果。汽车牌照定位系统设计与开发 21图 3.9 Roberts 算子边缘检测的结果3.3.4 Prewitt 算子算子为了减少噪声在边缘检测时的不利影响，Prewitt 算子加大算子的模板大小，将原来的模板扩大成模板来计算差分。2 23 3Prewitt 算子定义为： （3.26）22xyfdd 其中 (1,1)(1,1)(1, )(1, )(1,1)(1,1)xdf xyf xyf xyf xyf xyf xy (1,1)(1,1)( ,1)( ,1)(1,1)(1,1)ydf xyf xyf x yf x yf xyf xy（3.27）其模板为： 10111 11 Prewitt 算子不仅可以较好地检测边缘，而且能减少噪声的影响。通常对灰度和噪声较多的图像有较好处理效果。图 3.10 给出了采用 Prewitt 算子边缘检测的结果。无锡太湖学院学士学位论文22图 3.10 Prewitt 算子边缘检测的结果3.3.5 Sobel 算子算子Sobel 算子是在 Prewitt 算子的基础上，对像素点的采用的是邻域( 上下、左右)灰度加权算法。 Sobel 算子定义如下： （3.28）22xyfdd 其中 (1,1)(1,1)2(1, )(1, )(1,1)(1,1)xdf xyf xyf xyf xyf xyf xy (1,1)(1,1)2( ,1)( ,1)(1,1)(1,1)ydf xyf xyf x yf x yf xyf xy（3.29）其模板为： 1011 11 Sobel 算子受噪声的影响较小，且对噪声具有平滑作用，能够提供较为精确的边缘方向信息。图 3.11 给出了采用 Sobel 算子边缘检测的结果。汽车牌照定位系统设计与开发 23图 3.11 Sobel 算子边缘检测的结果3.3.6 Canny 算子算子Canny 算子是采用一个二维高斯函数的任一方向上的一阶方向导数作为噪声滤波器，并与图像卷积进行滤波；然后求出滤波后图像的梯度局部最大值来实现边缘检测，其能够较好的平衡边缘检测与噪声抑制。图 3.12 给出了采用 Canny 算子边缘检测的结果。无锡太湖学院学士学位论文24图 3.12 Canny 算子边缘检测的结果3.3.7 Laplacian 算子算子Laplacian 是一种二阶差分边缘检测算法，它是标量而不是矢量，而且具有旋转不变性，在图像处理中经常被用来提取图像的边缘，原理是将拉普拉斯算子与高斯滤波结合实现边缘检测，通过寻找图像灰度值中的二阶微分过零点(Zero Crossing) 来检测边缘点。该算子是一个线性移不变的算子，零是其传递函数在频域空间的原点，因此经拉普拉斯滤波过的图像具有零平均灰度。该算法主要步骤如下：1. 选取高斯函数对图像进行平滑滤波，二维高斯函数为：( , )f x y （3.30）22221()( , )exp22xyG x y （3.31）),(G*),(),(yxyxfyxg在空间域将高斯函数与图像进行卷积，得到一个平滑图像 其中，( , )G x y( , )f x y,g x y是一个圆对称函数，可以通过高斯函数的分布参数 进行控制其平滑作用。( , )G x y2. 对平滑后的图像进行拉普拉斯运算，即将与卷积：,g x y( , )G x y( , )f x y （3.32）y)G(x,*y)f(x,y)G(x,*y)f(x,),(),(222yxgyxh即为 Laplacian 算子，表达式为：2( , )G x y （3.33）22222222242211,1 exp22GGxyG x yxyxy数字图像可近似表达为： （3.34）2( , )(1, )(1, )( ,1)( ,1)4 ( , )f x yf xyf xyf x yf x yf x y其模板的基本要求是对应中心像素的系数为正，对应中心像素临近像素的值为负，且他们的和应为 0 。模板为： 0 111 由于该算子是一种二阶导数算子，所以对图像中的噪声相当敏感。另外它常产生双像素的边缘，而且也不能检测边缘方向的信息。由于上述原因，拉普拉斯算子很少直接用于检测边缘，而主要是用于已知边缘像素后确定该像素是在图像的暗区或明区一边。图 3.13 给出了采用 Laplacian 算子边缘检测的结果。汽车牌照定位系统设计与开发 25图 3.13 Laplacian 算子边缘检测的结果3.4 牌照的定位与分割牌照的定位与分割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割。无锡太湖学院学士学位论文26对图像进行腐蚀去除杂质通过计算寻找 X 和Y 方向车牌的区域完成车牌定位对分割出的车牌做进一步处理图3.14 牌照定位分割流程图3.4.1 形态学去噪形态学去噪牌照图像经过以上的处理后，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像中的准确位置。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(Mathematical Morphology)是马瑟荣和赛拉在 1964 年提出的，它是分析结构的数学和几何形状的方法，它是建立于集合代数的基础上，用集合论定量描述几何结构的一门科学。1985 年后成为一种新型图像处理方法，其基本方法和思想对图像处理有着重大的影响，形态学图像处理已逐渐成为计算机数字图像处理的一个重要领域。数学形态学是由一组形态学代数运算子组成，最基本的形态学运算有；腐蚀(Erosion)，膨胀(Dilation)、开(Opening)和闭(Closing)运算。用这些运算子及其组合来进行图像形状和结构的处理及分析，可广泛应用于图像分割、图像滤波、边界检测、图像增强及恢复、特征抽取等方面。形态学方法可以通过提取几何特征的手法对图像进行处理，并且将集合论融入处理过程中，可以形象地认为形态学滤波过程是一个“求同”而“去异”的过程。“求同”就是用特定的结构元素与图像进行运算时，与结构元素类似的图像结构都被很好的保留，不会产生与原形态相反的变形；“去异”就是不符合结构元素形态的图像结构都被去除。3.4.1.1 腐蚀腐蚀腐蚀是数学形态学最基本的运算，其定义为： (3.35):A Bx BxAA和B是n维欧式空间中的两个子集。上式表明A用B腐蚀的结果是所有x的集合，其中汽车牌照定位系统设计与开发 27B平移x后仍在A中。换句话说，用B来腐蚀A得到的集合是B完全包括在A中的原点位置的集合。图3.15给出了腐蚀之后的结果。图 3.15 腐蚀结果3.4.1.2 膨胀膨胀数学上，膨胀定义为集合运算。A被B膨胀记为，定义为：AB （3.36）:ABAb bB上式为 A 被 B 膨胀的过程，A 被 B 膨胀是所有结构原始原点位置组成的集合，其中映射并平移后的 B 至少与 A 的某些部分重叠。图 3.16 给出了采用线性膨胀，膨胀长度为 100像素的膨胀结果。从图中可以看出车牌区域已经连成一片。无锡太湖学院学士学位论文28图 3.16 膨胀结果3.4.1.3 开运算与闭运算开运算与闭运算膨胀和腐蚀并不互为逆运算，所以它们可以级连结合使用。例如，可先对图像进行腐蚀然后膨胀其结果，或先对图像进行膨胀然后腐蚀其结果(这里使用同一个结构元素)。前一种运算称为开运算，后一种运算称为闭运算。A 被 B 的形态学开运算可以记作，这种运算是 A 被 B 腐蚀后再用 B 来膨胀腐A B蚀结果，定义为： （3.37）A BA BB上式可以理解为 B 在 A 内完全匹配的平移的并集。开运算完全删除了不能包含结构元素的对象区域，平滑了对象的轮廓，断开了狭隘的连接，去掉了细小的突出部分。闭运算是开运算的对偶运算，记作是先膨胀后腐蚀的结果，定义为：A B （3.38）A BABB从几何学上讲，是所有不与 A 重叠的 B 的平移的并集。像开运算一样，形态学A B闭运算可以平滑对象的轮廓，然而，与开运算不同的是，闭运算一般会将狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞。对于车牌定位，需要将车牌区域连成一片，所以本文先进行膨胀处理，膨胀方式与上述一致，然后采用闭运算已达到对图像平滑的作用。图 3.17 分别给出闭运算平滑图像的结果。汽车牌照定位系统设计与开发 29图 3.17 闭运算平滑图像结果 由于平滑图像中存在一些噪声，还需进一步去除一些非车牌区域。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。图 3.18 为移除小对象之后的结果。图 3.18 移除小对象之后的结果图无锡太湖学院学士学位论文303.4.2 牌照区域的分割牌照区域的分割对车牌的分割可以有很多种方法，本程序是利用车牌的彩色信息的彩色分割方法。根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色 RGB 对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然后，在分割出的行区域内，统计列方向蓝色像素点的数量，最终确定完整的车牌区域。图 3.19 行方向区域和最终定位出来的部分车牌结果3.4.3 车牌图像二值化车牌图像二值化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。图像二值化目前主要有区域增长和阈值法两大类。前者利用局部空间信息进行分割，后者利用灰度频度分布信息(直方图)实现分割。阈值法方法因其简单，性能稳定而成为图象分割中的最基本技术。它利用了图像中所要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的区域的组合，通过选取阈值，将目标区域从它们的背景中分离出来。由于阈值分割可将灰度图像转换为二值图像，所以不仅可以大量压缩数据，减小存贮容量，而且能大大简化其后的分析和处理步骤。设一幅车辆灰度图的大小为 M 行 N 列，用来表示像素的灰度值，其中( , )f x yoxM，oyN，X 和 Y 为整数，T 通过一定准则确定的一灰度级作为阈值(Threshold)，二值化处理过程可以表示为下式： （3.39）1( , )( , )0( , )Tf x yTfx yf x yT汽车牌照定位系统设计与开发 31二值图像中值为“1”表示目标对象，值为“0”的部分表示背景。确定 T 的方法叫阈值选择，阀值选择是图像二值化的关键。如果阈值选得过高，则过多的目标点被误判为背景点，阈值选得过低，将存在信息过多，出现相反的情况，这将严重影响二值图像中目标的大小和形状，甚至会有目标丢失的情况出现。直方图二值化法就是取双峰间谷底的灰度值为阈值 T，根据阈值 T 对图像进行分割，将前景与背景分离出来，然后再进行其他处理。一般利用迭代法对直方图二值化求阈值具体描述如下： （3.40） 0001/2TrTNxxxx rTxH xH xxH xH x其中 x 表示灰度值，则或表示灰度值 x 的像素个数总共 H xK /H xKMN有 K 个，N 为图像中的最大灰度值，N=255。可以证明，对于直方图呈双峰正态分布的图像，两个峰之间一定存在一个阈值 T 满足上式，这个阈值 T 就是双峰间的谷底。迭代公式：设已经迭代 k 次则 （3.41） 1001/2kkkkTTTNkxxx Tx TTxH xH xxH xH x迭代法的初始值的选择会影响到该算法的收敛速度，所以希望初始值能够尽量靠近迭代结果，以减少迭代的次数。一般初始值选为整幅图像的灰度均值，即： （3.42） 00/kTNx TxTxH xH x阈值法还可分为多种，当阈值 T 仅取决于时，T 就称为全局阈值。典型的全( , )f x y局阈值法包括 Ostu 法、最大熵方法、最小模糊度法等。如果 T 取决于和目标像素( , )f x y点局部的性质时，T 称为局部阈值。局部阈值法通过定义考察点的邻域，并由邻域计算模板来实现考察点灰度与邻域点的比较，较全局方法有更广泛的应用。局部阙值法虽然能够根据局部灰度特性来自适应地选取阈值，有较大的灵活性，但是仍然存在缺点和问题，如实现速度慢、字符笔划中出现断裂及容易出现伪影现象(即在背景区域受噪声干扰得到笔划结果)等。典型的局部阈值法有 KamelZhao 算法、Bernscn 算法、灰度差直方图法等。另外，如果 T 取决于空闻坐标 X 和 Y，T 就是动态和自适应的阈值。在一幅图像中，如果图像的灰度直方图呈现双峰值，那么其中一个峰对应背景，另一个峰则对应字符区域。若在这两个峰之间取一个阈值，就能将目标和背景区分开。寻找阈值的方法有很多种，本节介绍的迭代法可以得到一个较好的 T，将背景和目标分开。算法如下：1选择一个 T 的初始估计值，一般选为图像中最大灰度值和最小灰度值的平均值，或者整个图像的平均灰度值。2用 T 分割图像。这样做会生成两组像素：为所有灰度值中大于 T 的像素组成，1G为所有灰度值中小于或等于 t 的像素组成。2G3对区域和中的所有像素计算平均灰度值和。1G2G12无锡太湖学院学士学位论文324计算新的阈值：121()2T5重复步骤 2 到 4，直到逐次迭代所得到的 T 值之差小于事先定义的参数。对边缘检测后的图像，大部分的区域为黑色或近似黑色，只有边缘处较为明显。这样的图像的直方图呈明显的双峰形状，用迭代法进行二值化有很好的效果。图 3.20 为部分车牌图像运用迭代法进行二值化后的图像。 图 3.20 车牌灰度图及其二值化图像3.4.4 中值滤波中值滤波中值滤波是一种非线性的信号处理方法。1971 年由 JWJukey 首先提出并应用在一维信号处理技术中，之后又应用于二维图像信号处理中。中值滤波一般采用一个滑动窗口，该窗口含有奇数个点，将窗口中各点灰度值的中值来替代指定点(一般是窗口的中心的灰度值)。对于奇数个元素，中值是指按大小排序后，中间的数值；对于偶数个元素，中值指排序后中间两个元素灰度值的平均值。这种方法既能消除噪声又能保持图像的细节。其算法步骤如下：1将模板在图中滑动，并将模板中心与图中某个像素位置重合；2. 读取模板下各对应像素的灰度值；3将这些灰度值从小到大排序；4找出排序后的灰度值的中间值；5将中间值赋给对应模板中心位置的像素。其优点在于：较好的去除孤立点，较好的抑制脉冲干扰及椒盐噪声，同时对随机噪声能有效的保存边缘信息。举例说明：A脉冲噪声：设图像为：，经一维 Box 模板和 Gauss 模板( , )f x y1 2 10 2 11 3 11 3 11 2 10 2 1 11 1 13 和中值滤波运算的结果分别如下：11 2 14 汽车牌照定位系统设计与开发 33，13 14 133331755313 14 133331515644997221515644 2 2 23 3 3 原图中，中间的灰度要比两边高许多(即脉冲)。从运算结果来看，中值滤波对脉冲噪声非常有效。B. 保存边缘信息设图像为：经一维 Box 模板和 Gauss 模板( , )f x y01203313001 14400 011 11 1 13 和中值滤波运算的结果分别如下：11 2 14 ，1233112893391 121112 33121233 134411211123312115 111516 16 16161344 12331344 原图中，左边区域灰度值低，右边区域灰度值高，中间有一条明显的边界。从运算结果来看，经 Box 和 Gauss 模板处理后尽管图像平滑了，但却使边界模糊了，而中值滤波却能很好的保持原来的边界。图 3.21 给出了经过中值滤波的部分效果图，图中可以看出，由于中值滤波不是简单的取平均值，因此它可以克服线性滤波器如均值滤波、最小均方滤波等带来的细节模糊，其主要功能是使周围像素灰度值的差比较大的像素改为与周围像素值接近的值，从而消除孤立的噪声。对二值图像效果尤其好。无锡太湖学院学士学位论文34图 3.21 中值滤波的部分效果图3.4.5 字符的分割与归一化字符的分割与归一化m，n=size（d） ，逐排检查有没有白色像素点，设置 1=jn-1，若图像两边 s（j）=0，则切割，去除图像两边多余的部分切割去图像上下多余的部分根据图像的大小，设置一阈值，检测图像的 X 轴，若宽度等于这一阈值则切割，分离出七个字符归一化切割出来的字符图像的大小为 40*20，与模板中字符图像的大小相匹配图3.22 字符分割与归一化流程图字符分割的任务就是把车牌的多字符图像中的每个字符从整幅图像中分割出来，成为单个字符。字符分割在整个车牌识别系统中不是难点，所以对于字符分割的问题常常不汽车牌照定位系统设计与开发 35被重视，但是字符的正确分割却对车牌字符的正确识别是至关重要的.并且光照的强弱，车牌图像的污损，角度倾斜等问题都能造成车牌的分割困难，所以对字符分割技术提出了较高的要求。通常在一般的车牌字符识别系统中，字符识别之前都先要对图像进行二值化.车牌图像经过二值化之后得到一个整体，其中包含了字与字、行与行之间的空白，这就需要采用一定的处理技术车牌中的一个个字符切分处理，形成单个字符的图像阵列，进行单个字识别处理。在这里我们需要对车牌进行两个步骤：即水平切分和垂直切分。3.5 本章小结本章小结 本章详细地介绍了汽车图像的边缘检测的多种方法，通过编程实验得出了各种方法的效果图，通过分析改进,提出 Sobel 边缘检测算子， 确定出在车牌定位系统中应用该方法。本章所叙述的内容是整个系统的重点，关系到定位的准确性和精度。而图像分割更是车牌识别工作的重点，所以在最后着重对图像分割进行了说明。无锡太湖学院学士学位论文36汽车牌照定位系统设计与开发 374 车牌定位系统实现与测试车牌定位系统实现与测试4.1 系统构成系统构成 汽车牌照识别系统包含了汽车牌照定位，字符分割和字符识别三个方面。首先我们通过对原始图像的处理，图像的边缘检测，从图像中确定车牌的位置，然后在定位好的区域中根据字符的纹理特征提取字符区域，根据字符区域的像素点覆盖轮廓的密度具有一定的阈值，这样可以获得包含各个字符的连通域；然后根据牌照水平投影结果以及字符的平均宽度和高度，分别获得各个字符的类型和位置，最后实现字符的正确分割。最后一步就是通过 BP 神经网络来识别。一个完整的车牌识别流程如图4.1。输入图像图像预处理车牌定位字符分割图 4.1 车牌识别流程4.2 实验结果及分析实验结果及分析车牌定位方法是将若干图像处理技术及提取车牌特征方法的有效结合。本文车牌定位系统包括图像预处理、车牌边缘检测、车牌定位和分割三部分。图像预处理就是获得有用的图像信息，实验结果如下图 4.2、4.3、4.4 所示。图 4.2 原始图像无锡太湖学院学士学位论文38图 4.3 灰度图图 4.4 灰度直方图汽车牌照定位系统设计与开发 39图 4.5 图像增强后的图像 车牌图像边缘检测就是提取车牌的边缘，并将其二值化，并采用图像形态学处理方法在此图像中搜索以获得可能含有车牌的感兴趣区域，本文经过比较最终采用 Sobel 边界算子获得图像的边界信息，如图 4.6 所示。图 4.6 Sobe