车牌自动识别系统设计

第1章绪论1.1研究背景最近这几年我国经济快速发展和科技的提高，家家户户开车在日常生活越来越普遍已经成为人们日常生活中随处可见的常态。据有效统计，我国近些年车辆总量呈现大幅度上升趋势，车辆的增加促使很多公共场所需要对相关车辆进行合理有效的管理。因此，如何对车辆进行更深一度的管理就成为了当前的一个重要研究方向。像人拥有身份证一样，社会上的每辆车都拥有独一无二的车牌，车牌就是车辆的ID，可以用来核实车辆信息。由于日常生活逐渐变得智能化和社会现代化信息技术的不断前进和发展，机器生产代替人工劳动已然成为一种社会趋势，在车牌信息处理过程中，能够正确获取车牌信息中的关键部分是后续信息传输、比较和存储等行为进行的重要前提。因此，车牌识别不仅是当前的一个研究热点，更是未来智能交通系统的重要组成部分之一，拥有一个快速有效的算法对于车牌信息的识别、采集和存储就显得至关重要。在我国目前的车牌组成上，与国外相比具有较大区别。国外车牌大多是一些简单字符，车牌类型比较单一；而我国的车牌则是由汉字、字母和数字三者结合组成的，且字符位置不固定，车牌类型多样，这就给车牌自动识别的实现造成了一定的困难。就目前来看，国外车牌识别技术已经比较成熟，但是由于国内车牌的复杂情况，国外的识别技术并不能完全适应国内车牌的复杂情况，我国车牌自身的独特性决定必须拥有属于适应我国车牌特点的一套完整系统，虽然国内技术发展较快，但是从结果上来说显得并不乐观，仍然有很长的一段路要走。尤其是近些年车辆的大幅度增加，车牌自动识别系统的运用和发展也更符合现代生活的需要。1.2国内外研究现状国外的车牌自动识别技术研究起源于上世纪80年代，由于技术发展的限制，计算机对数字图像处理并不能达到一个很好的程度，如何快速有效识别车牌成为世界各国尚未解决的难题。而随着社会的快速发展人类文明的进步，信息技术和网络不断前进，因此计算机的性能和发展得到大幅度提升，数字图像的处理也更加准确和快速，国外的车牌识别系统不断完善和进步，研发出大量的派生系统，而且目前系统的识别正确率高达95%以上。我国针对车辆牌照识别系统上的探究起步较晚，并且由于我国汽车牌照数量多、种类多、样式多，而且车牌上也有汉字，无法直接使用国外的车牌识别技术，这些因素给国家在车牌识别系统的研究上造成了一定程度的影响，因此，我国只能参考和学习外国的车牌识别技术，并根据我国的实际状况，研发一套可以快速准确识别我国车牌的系统。现阶段大量的高等学府、科技公司都投身于此项技术的研发，因此目前的车牌识别系统正逐渐走向成熟，但是仍然有进步空间。1.3车牌自动识别的意义车牌自动识别的产生源于社会的需要，现在车牌识别技术被大量应用在社会公共场所，包括高速路口、大小型停车场、校园门口以及小区门口等一些地方，极大地方便人们的生活。汽车的发展虽然在一定程度上丰富了人们的生活，但是随着车辆的不断增加，也大大增加了交通事故的发生的概率，过多的车辆造成了交通的极大拥堵，对社会经济发展和人们日常生活造成极大影响。在这种情况下车牌识别系统可以帮助警察更方便快速地追踪交通肇事者，处理交通事故的速度显著提高，工作效率也大大增强。自动车牌识别系统不仅可以在生活中帮助处理交通事故，还可以用于解决一系列刑事案件，比如：汽车盗窃、追踪罪犯等。车牌识别系统能够自动快速地识别车牌信息，并将此信息和犯罪信息进行比较，从而得到破案线索。在这个过程中，并不需要大量的人力劳动，因而大量节省了劳动力，及其识别也缩短了案件的解决时间，提高了工作效率。车牌识别这项技术具有重大的意义，车牌自动识别技术与我们息息相关，在这一技术系统的支持下，车辆管理效率可以得到非常大的提升，不仅对我们的生活提供了便利，对国家的长久发展、社会的平稳安定也具有重大意义。1.4章节安排本文分为七章，详细介绍了本课题的设计思路和课题意义，针对论文中涉及的不同问题提出了各个阶段的解决方法，对车牌进行识别所需要用到的数字图像处理系统和模式识别技术进行了详细的研究和阐述。第一章为绪论，重点介绍了车牌识别技术的背景、意义以及目前国内外的现状、国内外差异来表述车牌识别系统。第二章主要介绍当前我国主要的车牌类型，以及这些车牌的特点。列出车牌识别系统中使用的图像处理技术。第三章重点讲解了车牌识别系统的整体设计方案以及详细的设计流程。第四章重点讲解了目前普遍的车牌定位方式，主要有粗定位与精确定位两种方式和算法的流程图。第五章重点讲解了车牌上字符分割的主要方式和流程图。第六章重点讲解了识别车牌上字符的一般方法与流程图。第七章重点介绍在MATLAB的GUI模块中实现这种方法，并列举了一个实例。

第2章车牌特点与数字图像处理2.1我国的车牌2.1.1车牌种类我国车牌种类繁多，按车辆类型一般可以分为7类：1、装货车2、越野车3、自动装载汽车4、灌车5、卡车6、客车7、小轿车。每种车牌都有不同的特点，因此我国车牌自动识别的难度较大。我国人口众多，由于社会经济的不断前进发展，人民生活水平的极大提高，小型车的数量也随之急剧增加，所以本设计主要针对小型车牌的识别。车牌图像如图2-1所示。图2-1小型汽车车牌图片2.1.2车牌的特点车牌识别系统主要依据我国车牌的特征来作为设计算法的引导。车牌识别系统的工作原理首先是要选取单个或多个汽车牌照来研究车牌的特点，之后在依据车牌的特点来设计相应的算法。普遍来说，选取的可识别的特点越多，识别的准确率就越高，但与之相反的就是程序会变得相对繁琐和低效。因为本篇文章重点是研究小型车辆的车牌识别系统的开发，所以重点研究小型车辆牌照得出有以下几方面的特征：颜色特征：小型车辆牌照一般背景色为蓝色，字符颜色为白色。字符在整张牌照中占据的面积有一定范围比例。从这一特点我们能够明确的是在照片中首先要找到蓝色的背景，白色字符的面积占据总体面积的一定范围，可以作为最开始设置的车牌区域。形状特征：车牌形状为矩形。虽然在照片中车牌的大小不是很明确，但是车牌的长宽比例是有特定范围的。利用这个特点能够利用编程语言来轻松完成。纹理特征：车辆牌照的信息是呈水平排列的，因此水平方向的纹理应该作为重点分析研究的特点。背景比较特征：牌照的背景色是蓝底，其上的字符颜色是白色。当系统自左向右扫描牌照信息时，能够发现牌照的灰度值有鲜明的改变。在人物间，有高峰有低谷。因此根据这一特征，我们能够采用字符分割算法。（5）频域特征：对拍到的图像开展离散小波转换之后，可以获得牌照部分的频域特征，也就是高频特征，这一特征存在极大的研究价值，使用它能够极大的提升车牌识别的精确度。车牌具有许多特征，但上述的5个特征可以利用计算机语言实现。针对这5个特点，已经有许多人设计了相应的算法，同时取得了比较明显的效果。2.2数字图像的表示方法因为电脑只可以分析数字信号不可以分析模拟信号，因此电脑在工作的过程中只可以分析数字图像确无法分析模拟图像。数字图像的采集方式分为两部分一种是直接采集。另一种是间接采集，直接采集的方式就是用平时生活的相机直接拍摄得到的，间接采集方式则是用到一些专门的仪器采集到的，比如仪器扫描，采集卡采集等。要准确无误地进行处理和操作数字图像，就一定要知道数字图像在计算机中是如何表示的，这样才能计算机准确识别处理操作识别数字图像。图像不同在计算机上有不同的表示方法，一般来说，表示二维图像方法用二维数组，除上面的以外还有使用较多的图像中类，例如rgb图像、灰度图像、索引图像、二值图像以及多帧图像等。它们在计算机中的表示方法有：RGB图像:R是英文red（红色）的首字母，G是英文green（绿色）的首字母，B是英文blue（蓝色）的首字母，红色、绿色、蓝色是光的三原色。一般来说，采用8位来代表三原色中的其中一个颜色，在三个颜色分别用不同的值时，就能够出现一个新的颜色，由以上描述可以得知，一个像素单位的RGB图像须用24位的存储空间表示。灰度图像:大部分利用二维数组表现灰度图像，采用8位表示灰度图像值的大小，所以一个二维数组的值的范围是[0-255]，数字0代表黑色，数字255代表白色，而数字1-254代表的是由黑色到白色之间的颜色。在灰度图像的数据类型中，主要包含unit8、unit16和double。在数据类型为double时，规范化值为[0.0-1.0]。索引图像:从名字可以看出，索引图像就是利用序列号找出和序列号对应的rgb值。在matlab中，索引图像主要分为两部分，一是用于存储序列的图像数据矩阵，二是是用于存储映射的rgb值的映射矩阵。这之中rgb值的数据类型为double，数值大小在0-1之间。二值图像:二值图像也是采用二维数组表现，二维数组的值只有0和1两种情况，是一个十分重要的数字图像。在matlab中，0代表黑色1代表白色。Matlab中有非常多的二值图像处理有关函数，用起来也十分便捷，程序编写较为简单。多帧图像:指的是一组图像的集合，包含多幅图像，在matlab中，采用四维数组代表多图像，这之中图像集中的组合用第四维来表现。值得注意的是，收藏中的所有图片都应该具有相同的大小和颜色。系统设计包括图像类型:rgb图像、灰度图像和二值图像。2.3数字图像的处理数字图像处理技术有很多种方式，其中最主要的包括以下几种：灰度变换空间滤波影像复原小波变换几何变换图像配准彩色图像处理图像压缩形态图像处理图像分割每种不同的处理技术都有不同的处理方法，比如：膨胀、蚀刻、开放的操作。本篇文章重点使用彩色图像的灰度和二值化、图像几何转换以及彩色图像处理等方式。2.3.1数字图像的灰度化和二值化Rgb彩色图像的每一个像素单位都有红绿蓝三个值，因此计算使用的时间较长。彩色图像变灰度图像R=G=B=N（N为一定值）即可，但是N用不一样的值获得的灰度图的效果也会不一样。一般有以下三种方法获得N值：（1）最大值法：N为原图R、G、B值的最大值，即：

=max(R,G,B)(2.1)（2）平均值法：N为原图R、G、B值的平均值，即：（2.2）（3）加权平均法：N为原图R、G、B值的加权平均值，即：N=m*R+n*G+q*B（2.3）式（2.3）中m、n、q为权值，且m+n+q=1，m、n、q的值的选择基于人眼对不同颜色的敏感程度，对颜色的敏感程度大小排列为：绿>红>蓝。所以为了得到更好视觉效果的灰度图像，本文选取。上述采用上述三种方式获得的灰度图都有各自的特征：使用方法一获得灰度图亮度较大、使用方法二获得的灰度图比较柔和、使用方法三获得的灰度图能够调节，效果也是最优秀的。一般来说，假如把彩色图像转化为二进制的图像，必须要先把彩色图像转化为灰度图像，之后再把灰度图像转化为二进制图像，中间必须有灰色图像为中介。在将灰度图像转变为二进制图像的过程中，最重要的一点是选择一个正确的阈值。本文是用类间最大方差法来选取阈值。类间最大方差法（otsu算法）是以灰色直方图为基础，采取最小二乘法，是一类拥有统计意义的计算方法。Otsu算法的原理是选取一个阈值，该阈值把灰度图像划分为两个部分，且使这两个部分间的方差最大，所以被称作色散最大。最大类间方差法的主要原理公式可以借鉴后文文献[5]。在matlab中，最大类间方差的计算方法是graythresh()。灰度图像经过灰度graythresh()和im2bw()得到阈值后，可以转化为二值图像。2.3.2数字图像的运算数字图像的运算包括图像的场操作、图像的几何变换操作、像素操作和块操作等操作。图像的像素操作与图像的几何变换是本篇文章最常用的方法。图像像素操作可以划分为图像点操作、图像代数操作和图像逻辑操作。像素越大，分辨率越高，照片越清晰，可输出照片尺寸也可以越大。本文主要采用图像代数运算，图像的几何变换包括平移、换位、镜像、变焦、旋转、空间变换等多种方式，本篇文章只使用了缩放和旋转两种方式。在该系统的研发设计过程，图像的像素运算是一直在使用的。图像的旋转转换用作车牌精确定位时的倾斜矫正，在MATLAB中可以利用函数imrotate()来达到目的；图像的缩放转换可以用作字符识别中的归一化，在MATLAB中可以利用函数imresize()来达到目的。需要格外关注到的是，它的旋转变换通常以图像的正中心为原点，然后将图像旋转特定角度，得到旋转后的前后图像的大小一般来说都会产生一定变化。2.3.3数学形态学处理

数学形态学研究的核心在于图像因素。相比其他图像处理模式而言，数学形态学图像处理是依据于模型、差分和随机学概念。利用数学理念构造和算方法来体现图像的特性。此数学形态学具有一定的优势，譬如在数据监测层面比在差分选取层面要更为规整，对噪声具有很大程度上的隔绝作用；在选取图像架构层面，其构造的框架要更连续；易于互联网信息来体现，更简便高效。集合论作为数学形态学的根本，其是像素整合的∩、∪、∉等处理方式。侵蚀和扩张作为数学形态学的基本处理方式，两者运转模式是为对偶关系。在开展侵蚀和扩张操作时，同时也需要制定框架因素来划定扩张或侵蚀的走向，其中框架因素能够是任意形态的。除了膨胀腐蚀，文章还采用了其他数学形态学处理模式，汇总如下：（1）扩张：膨胀的效果是把图像向背景扩展，借此来填补图像中的小孔、缝隙以及凹下去的部分，结构元素的选取决定了膨胀程度的大小。其数学表达式表示如下[6]：（2.4）（2.5）（2.6）在式（2.4）中，A代表的是需要扩张的图像，其中结构元素用B来代表，为扩张运算符。式（2.5）和式（2.6）分别为反射运算和平移运算。在MATLAB中，结构元素采取函数strel()来完成，MATLAB提供了多类型结构元素的形状，膨胀运算采用函数imdilate()完成。（2）侵蚀：腐蚀与膨胀互相对应，效果是图像的“收缩”和“变细”。相同的，腐蚀也要给定结构元素，它的数学表达式如下：（2.7）式（2.7）中，A代表的是待腐蚀的图像，B代表结构元素，是腐蚀运算符。MATLAB中结构元素用strel()函数完成，MATLAB提供了多个结构元素的形状，腐蚀运算用函数imerode()实现。（3）开闭操作:开闭操作是腐蚀与膨胀的运算方法的结合。开启操作是腐蚀操作，之后是膨胀操作；关闭操作是膨胀操作，之后才是腐蚀操作。在matlab中分别利用imop()函数和imclose()函数开展开闭运算。（4）移除小对象：在二值图像中，利用数学形态法解决能够移除指定面积的对象、孤立的像素和特定的连通区域，达到消除噪声干扰的目标。在MATLAB中利用函数bewareaopen()和bwmorph()可以做到移处小对象的目的。清晰。2.3.4图像的变换技术将图像从空间域转换到变换域，进行图像变换的操作。在大多情况下，图像在空间域的某些特征并不是显而易见的。图像变换技术有很多，诸如Radon变换、傅里叶变换等。为了方便对图像的特征进行描述，应该将其转换为变换域。在一些图像的处理过程中，如识别及压缩等，这些过程发挥着不可替代的作用。在本文的研究中，采用的主要技术是Radon变换，目的是为了对车牌进行倾斜矫正。X-CT成像系统作为一种成熟的技术，其中发挥重要功能的就是Radon变换。例如将图像进行合理处理，设定成断层平面并在坐标系中进行投影，坐标系中XOY是已经公式化的对于每个投影线积分都得用特定的投影方向计算表面线，这样就可以获得投影值g（R,），这里要注意的是射线应该是光线的射线，具有特定的计算函数[7]。（2.8）Radon变换算法必须借助一定的数学软件，MATLAB作为一个成熟的商业化软件应用广泛，其含有的radon()函数就可以实现该过程，Radon反变换使用函数是radon（）前面加个小写字母i(也就是iradon())实现。2.4本章小结在本章当中，主要介绍我国车牌的一些主要特点以及种类，同时对数字的表达、图像处理手段等进行了详细阐述。但是当下由于发展水平的阻碍，车牌的识别系统还不够先进，识别度并不是不高，还有诸多方面需要进步，还有很长的路要走。车牌的类型和特征是下面程序设计的基础，数字图像处理方法是一个工具。本章仅介绍了本文所使用的数字图像处理技术，如灰度图像的二值化、图像操作、数学形态学处理和图像变换技术。文章不给出了图像处理技术的原理和方法，而且指出了在MATLAB中的实现。

第3章车牌自动识别系统总体设计3.1总体介绍本系统使用MATLAB中的GUI功能，所以为了获得良好的交互体验，需要考虑GUI界面的功能设计和布局设计。GUI界面中要实现的功能有：选择图片、开始运行程序、退出系统、系统信息、处理后的图片展示、查看正在处理的图片以及展现最终结果。GUI界面作为一个复杂的页面，内含有各种功能和菜单，需要进行合理布局，具体内容有标题位置、按钮位置等。要实现车牌的自动识别，系统必须满足如下功能：选择图片字符识别车牌定位字符分割语音播报在上述五个过程中，核心步骤是车牌定位、字符的识别和分割，下文中会进行系统介绍。MATLAB作为成熟的软件，功能强大，首先可以利用其函数打开图片，在本系统中，车牌图片的格式都是jpg。此时要对图片进行选择进而实现处理过程，后续的核心步骤才能成功进行。车牌定位按其精度差异可以分为粗定位和精确定位，前者主要是结合了车牌的自身特点即蓝底白字，进而获得粗略的位置信息。而后者的处理过程较为复杂，必须要经过处理获得二进制图像。处理原理是对彩色图片进行灰度化处理得到黑白照片，再经过二进制化处理得到二进制图像。为了减少干扰，必须采用形态学进行处理。进而在删除边界之后获得了车牌的明确详细位置。为了确保识别过程的准确度，在选择模板时要格外注意，相似度最高的模板时最佳选择。3.2车牌自动识别系统设计流程图图3-1车牌自动识别系统设计流程图3.3本章小结本章系统介绍了车牌自动识别系统的六大组成部分，同时对系统实现功能的方法进行了详细阐述，在本章节最后为了明确流程，画出了设计的流程图。

第4章车牌定位良好的车牌识别系统不仅要求车牌定位精度高，同时应该具备很高的处理效率。该过程作为系统中的关键一环，对系统功能的实现有着至关重要的作用。在实际的图像中可能会出现很多纷乱的信息给这一过程造成了很大的困扰。要确保功能的顺利实现，首先要结合车牌的具体特点，在图像中寻找到属于车牌的信息，进而将车牌进行裁剪，实现定位功能。在具体处理过程中，可能涉及到以下方法：（1）结合颜色信息进行处理；（2）结合边缘特征进行检测；（3）结合车牌的纹理进行检测；（4）结合小波变换进行处理。本研究中采用的方法借助了颜色信息和形态特点，实现初步定位，随后经数学形态学处理获得明确位置信息，进而确保了后续流程的顺利实现。4.1车牌粗定位我国车牌的种类繁多，其中以蓝底白字的小型汽车拍照数量最多，本文涉及的车牌自动识别系统的车牌为蓝底白字的小型车车牌，小型车车型有很多，具体包括车座低于7人的车型、载重小于1吨的货车。如前所述，本文在初期的粗略定位时，借助了车牌的颜色信息，进行RGB颜色识别。由于车牌具有明显的颜色信息，在图片中可以顺利查找，图片中车牌位置应该满足车牌的颜色特征：（1）背景呈现蓝色；（2）白色位置和整体面积必须满足一定比例范围。借助这两个基本信息，就可以顺利找到车牌的疑似位置。实际处理过程中，图片会包含很多信息非常复杂，单纯依靠车牌的颜色信息进行定位必然会很容易出现差错。为此，本论文在借助颜色信息的基础上，进一步结合了车牌的形状信息，因为车牌作为矩形物体，长宽之比必然要符合一定的比例。所以借助车牌的颜色信息和形状特点，可以实现对车牌的初步定位。初步定位后，车牌的所有信息都包含在内，所以后期需要对无关信息进行剔除，如边框、斑点以及螺栓等。4.1.2粗定位流程图从图4-1的流程图中我们可以看到，车牌基于RGB颜色模式进行对车牌的粗定位，通过定位图片中的指定区域，找到特定区域内是否拥有符合车牌特征的车辆；而如果不符合，特定区域就会显示为黑色，并且继续查找符合的目标，此方法有一定的抗干扰功能，但是对蓝色特定区域的识别效果并不明显，所以不能用于定位蓝色车的车牌。图4-1车牌粗定位流程图4.2车牌精确定位由于拍照的角度可能会不同，从而得到的车牌照片也可能是倾斜的，所以在进行详细定位之前，必须对照品进行矫正处理。但是值得注意的是，图片一旦经过矫正，信息量会增多，同时含有车牌信息以及一些无关的干扰信息。要确保定位的准确，必须对边框信息进行剔除，进而确保后续步骤的顺利实现。本文中的矫正过程借助了Radon变换方法，同时利用数学形态学方法和扫描法将无关信息进行剔除。4.2.1车牌的倾斜矫正在车牌的矫正过程中，有如下步骤：（1）图像进行灰度处理；（2）对得到的图像检测边缘信息；（3）借助Radon变换，在不同方向进行积分；（4）确认积分最大值，进而明确倾斜角；（5）经过旋转，对车牌进行正确矫正。4.2.2车牌精确定位流程图本文设计车牌自动识别系统精确定位流程图如下图4-2所示。图4-2车牌精确定位流程图借助MATLAB的强大功能，可以实现车牌边框信息的剔除，方法就是投影法，该方法具有一定的优势因为其算法简洁，不过值得注意的是适用过程中要选择合理的阈值。车牌大小不同，阈值会出现相应的变化，所以为了降低车牌信息对阈值的影响，通常根据经验确定两者之间的内在关系。阈值的存在，可以显著提升定位的准确度。在将边框信息剔除之后，为了将一些无关的圆点信息进行剔除，还需要第二次使用形态学处理方法。4.3本章小结本章主要介绍了在系统设计中，车牌精准定位是如何实现的，也就是具体的操作方法。车牌定位一般可以分为粗定位和精准定位，粗定位一般利用颜色识别实现，精准定位则是分为倾斜矫正和去除干扰两种方式。其中，精准定位的倾斜矫正需要使用Radon变换，去除干扰则使用的是数学形态法和投影法。在此基础上，还在文中添加了流程图，使整个过程更加清晰明白。

第5章字符分割5.1字符分割方法介绍字符分割即为将精确定位后得到的车牌分割为七个字符，每个字符的边界都不能有空白。若字符分割做得很好，那么字符识别的正确率将大大提高。同样地，字符分割的方法与车牌的特征紧密联系，分割方法依赖于车牌的具体特征，通常而言，常用的方法如下所示：颜色法：顾名思义该方法借助了车牌的颜色信息。以蓝底白字为例：白色信息是字符信息。通过强化颜色信息，利用该种方法，减少了使用单一阈值时的误差的出现，提升可靠度。连通区域法[13]：该方法顺利实现的关键在于要将无关信息剔除，随后对字符进行连通，进而确定连通位置也就是字符信息，实现正确分割。该方法具有一定的局限性，只适用于独立字符，如果字符不独立，处理效果差强人意。（3）车牌投影法[14]：该方法经过发展已经衍生出多种，为了提升效果，不断地进行完善和升级。为了实现更加准确的处理，对车牌投影特点等信息进行明确，达到精准分隔的目的。在这种方法下，即使在对车牌有干扰的情况下，也仍然具有很好的分隔效果，并且具有很高的准确性。（4）模板匹配法[15]：该方法的进行借助了字符排列特征也就是字符和空格间距排列。在实际使用过程中，应用最为普遍的有两个模板，宽度存在差异，目的是为了匹配字符和空行的宽度。通过模板的移动，统计像素信息，对两个模板中的像素进行对比，获得最大值时，此时就是字符分隔点。这种方法的优势在于，可以对车牌照片出现损坏，信息不完整的情况进行科学分割。本研究中通过对比各种方法，选择了投影法，该方法的根据通常是车牌的水平排列。当面临垂直投影的时候，会出现“峰”“谷”等形式的结果，可以确定两者的差异即“峰”是字符，“谷”是分界点，据此本文选定了投影法。如前所述，分割阈值的确定至关重要，车牌图片出现区别，阈值就应该进行相应改变。按照车牌确定阈值后，将该值和投影值进行比较，进而得到字符位置，完成字符分割。分割后的字符在GUI界面中显示。5.2字符分割流程图图5-1字符分割流程图在进行分隔时，先对阈值进行分隔，而为了防止出现边框清楚不干净的情况，需要判断第一个分隔所得到的内容是否符合字符要求，若是不符合，就需要将不符合处剔除。从左到右选择前14个边界，无论右边框是否能够被清除干净，都不会影响字符分割。5.3本章小结本章着重介绍字符分割的各种方法，本文所采用的是投影法。这种方法易于理解和操作，并且在考虑了干扰因素的情况下，对第一个的分隔内容进行检验，既提高了抗干扰能力，又易于操作。文中给出的操作流程图，让人看上去简单明了，更加清楚地让人明白和理解设计思路。

第6章字符识别6.1方法介绍字符识别也是核心步骤之一，即要是识别字符信息，进行输出和保存，同时予以显示。字符识别有多种方法，目前应用最为普遍的有特征匹配法、模板匹配法和神经网络法。为了提升处理过程的准确率，三种方法也在不断的更新升级。本研究中经过对比，选择了适用本研究的模板匹配法。首先要区分模板字符和分割字符，随后比较二值的数值差异，相同的像素点统一之后，就可以确认字符结果即像素点最多的模板。6.2字符识别流程图图6-1字符识别流程图本研究中使用的模板匹配法可以对信息完整的车牌字符进行良好识别，但是车牌信息不全时，该方法的效果会下降，出现差错。经过识别之后，处理结果进行保存。为了更好地提升交互体验，识别结果在GUI界面中予以展示，同时还刻意利用语音播报功能，选择是否播报车牌信息。6.3本章小结本章介绍了字符识别的最常用的三种方法，并详细介绍了本文所采用的模板匹配法，给出了相对性的操作流程图。在流程图中，主要包括归一化、字符比较、和数据输出三部分。模板匹配虽然容易实现，但是缺点也很明显，很难对信息不完整的字符进行较好的识别。

第7章系统实现上文中对系统使用方法和程序进行了详细介绍，设计的实现过程借助了MATLAB。同时为了提升用户的使用体验，借助GUI模块对图形界面进行科学设计，有利于用户进行方便简捷的使用。7.1软件介绍7.1.1MATLAB介绍MATLAB是一款已经在当前诸多领域和行业得到广泛应用的软件，本质上来说，其是一款基于数学运算而设计开发的软件，但随着版本不断更迭换代，功能越发全面和强大，适配性和实用性也越来越广，诸多专业方向都可以灵活利用其中功能，如电力系统等，目前已被纳入各研究领域常用工具列表。MATLAB软件由于其设计原理就是基于数学规则，内部矩阵运算效率性极高，让程序运算也变得相对简便起来，并且其编写程序也区别于其他类型语言，没有类似C++等复杂而繁琐的规则限制和约束，几乎是按条件进行输入后不需要任何等待时间就可得到输出反馈。并且该软件上编写程序还可以进行其他语言转化，如C语言，即便当前电子设备中没有安装MATLAB只要能够运行其他语言也同样可以得到利用，换言之可以让应用场景大幅外延，程序可以多现场运行，具备高移植性。目前MATLAB软件在经过迭代完善后，已经实现多语言兼容和编程，并且都可以实现在该软件中运行。由于车牌自动识别系统，其主要面向场景中需要进行大量数字图像处理，因此就需要利用到专业化图像软件，目前市场上该类型软件多种多样，并且其专业性上各有侧重点，如Imagine、MATLAB等。本文主要选用的MATLAB来作为数字图像处理工具。MATLAB自身拥有数字图像处理工具箱，并且很多数字图像处理的函数都是自身就具有的，极大地方便了研究人员的使用。7.1.2GUI介绍GUI的功能就是实现用户与电子设备的交互，开发目的是基于对象而进行的，实质而言就是一种图形用户界面。该模块通常来说也被利用在MATLAB中，这是因为该模块能够提供多种不同控件功能，诸如菜单、按钮等，与此同时，可以对控件属性进行基于需要和实用的修改，极大简化编程流程。作为一个图形界面，其中有多种不同属性和功能的控件，需要利用句柄来实现对GUI的控件操作，每个控件都会在内部设置一个相对应的句柄，且通常来说这些句柄是一对一且具有独一性。通过句柄来实现对特定目标控件的选择，进而展开对其的属性修改，这一流程中就实现了控件精准操作。前面提及，GUI提供多种不同功能且适配度极高的控件，具体可参见图7-1，涉及到的控件内容和功能主要有坐标轴、文本等。这其中的每个控件都可以进行针对性的回调函数使用和触发。本次开发中利用的GUI控件主要涉及以下几种，有按钮实现、轴框实现、文本实现等。图7-1GUI设计常用控件7.2设计与示例7.2.1界面设计与准备工作（1）界面设计：本文涉及GUI界面，具体内容见图7-2，控件类型包括面板、两种类型按钮、坐标轴框等，以下对它们的具体功能进行简要阐述：面板：该控件主要用来对其他控件进行放置如坐标轴框，也可以进行文本框放置，在使用操作中将坐标轴框放置在此处，能够提高运行有效性和效率性，否则可能会出现操作失误进而显示错误。坐标轴框：该控件主要用来显示图像，为了让界面更具简洁美感，可以将坐标轴信息进行消除操作，前述提及图7-2中，一共有各类型坐标轴框15个，分为三部分。第一部为标题周围的七彩图形，起到标题“车牌识别系统”的美化作用，不显示任何图像。第二部分为一个大的正方形坐标轴框，该坐标轴框用来显示左侧选中单选按钮想要查看的图片。第三部分为上面7个小的矩形，用来显示字符分割结果，分别对应车牌中的七个字符。按钮：按钮在图7-2左侧部分，共5个，涉及“选择图片”功能、“开始识别”功能等。通过按钮能够实现与相应程序的连接并执行指令，进而让按钮名称所显示并代表的功能得以实现。单选按钮：为了更直观显示，具体可见图7-2，位于查看图片这一题项之下，共有8个不同分功能实现按钮，其功能是当车牌介入识别程序并成功完成，为了能够让识别过程能够更清晰直观呈现于用户前，会对图像处理过程进行详细地且分类型的图像显示，具体是通过右侧按钮来实现与处理过程的连接。按钮组：该控件是为了让界面更为简洁而将所有单选按钮放置入内，由于单选按钮在实际运行中通常只选其一，因此需要用该控件来划定按钮范围。静态文本框：该控件通常用来实现数据呈现。图7-2中该控件的主要作用有两个，一个是用来对程序当年已经运行时间进行播放和显示，一个是对程序已经识别出来的车辆信息主要是车牌部位进行播放和显示。图7-2GUI界面（2）准备工作：本次设计需要进行模板预置，这是因为设计时依据用户诉求和功能实现而采用了模板匹配这一实用性方案，另外，语音功能也需要预先进行语音制备。其中模板制备其中的字符主要就是车牌常用字符，从省市等所需要的代称如湘，另外还有数字列表和字母列表，其中地级市在进行显示时要去掉字母I、O，因为涉及到其他功能实现。汉字模板范例见图7-3，而数字模板范例见图7-4，字母模板范例见图7-5。图7-3汉字模板图7-4数字模板图7-5字母模板由于模板在设计时并没有对大小进行规范化处理，因此字符识别时，需要对这些模板先进性预处理，使之实现同一化和规范化，以便让识别效率性和准确性更高。图7-6音频文件由图7-6可知，本次设计中所用到的语音音频，文件采用的是WAV，其具体格式设置涉及到字母、数字和汉字，另外，MATLAB中有针对该种播放格式的函数，不要进行转换即可直接调用。以“黑”做样本，具体如下：sound(audioread(‘黑.wav’),22000);pause(1);pause(1)为等待1s，等待该音频播放结束再播放其他字符的音频。7.2.2识别过程示例以图7-7为例，将之列入可识别对象范围，对系统程序进行阐述，并对系统运行进行实例样本检验，对最终结果进行观察和确认，对本次开发算法进行有效性运行判定。图7-7待识别的照片具体实现路径是在GUI中，对有需要识别的图片进行选定，之后点击识别进入正式识别进程，此时系统有弹框进行进度提示，具体详情见图8-8，直到进度条满载，代表此时识别程序已经完成并结束，此时界面详情见图7-9。图7-8进度条图7-9识别后的GUI界面由图7-9可知，整个图片识别所用时间已经在界面中得到清晰而明确显示，即2.59916s，与此同时，字符显示完整无误，说明识别程序运行有效，结果准确，语音播报也完整实现，在点击播报按钮后，所发出的语音能够实现与图片一致，播报功能有效。下面对过程中图片的变化进行详细描述，同时识别阶段中图片的识别结果都可以借由单选按钮实现逐一的检查。（1）车牌粗定位：详情见图7-10，粗定位车牌的识别结果呈现，本次定位实现中所涉及的为颜色定位方法，即对蓝色像素点投影，当满足条件时则认为是车牌区域，完成粗定位。图7-10车牌粗定位车牌的灰度化：这一程序步骤中，将利用加权平均法对前一个步骤中所识别车牌图像进行相应的灰度化处理，具体来说为m取值表达是0.299，n取值表达式0.582，而q的取值表达是0.114，步骤完成后车牌具体情况见图7-11。图7-11车牌灰度图像车牌倾斜矫正：延续上一个环节，对图像显示中车牌进行位置校正处理，以radon实现，车牌图像会更加规整，步骤完成后车牌具体情况见图7-12。图7-12车牌倾斜矫正后图像（4）对车牌图像进行二进制化处理，其中所涉及方法为最大类间方差，步骤完成后图像显示会呈现出二值化模式，具体详情见图7-13。图7-13车牌的二值图像（5）对车牌图像进行相应的形态学处理步骤，这也是首次进行类似处理，涉及到开操作等多个不同流程和操作。其中开操作指的是对前面处理过的图像进行先腐蚀处理之后又进行对应的膨胀操作。具体情况见图7-14，这里所显示的就是通过形态学处理后所得到的识别图像，由该图可知，图像中的干扰像素在经过处理后已经大幅度削减，但还是有残留，这些残留可通过精准定位进行再消除。图7-14车牌第一次形态学处理后的图像（6）车牌的精确定位：该一步骤主要是利用投影来实现，借此去其中的感染和杂质残留进行精准分离和去除，如图7-15所示。图7-15车牌精确定位图像二次形态学处理：在该步骤中，其主要实现路径是移除小对象函数，其功能和作用就是对车牌图像中一些难以去除的点状残留进行剔除，具体详情见图7-16。图7-16第二次形态学处理后的图像如图7-9所示，显示的是字符分隔和字符识别的结果，并且这个结果在GUI界面中显示出来。并且这些功能都具有对应的实现按钮，如“选择图片”、“开始识别”、“退出系统”等，共计有五个不同功能按钮。关于“推出系统”按钮，通常来说只在工作结束时进行系统退出时用到，为了防止出现错误退出造成用户困扰，一般会添加一道再确认流程，通过弹出系统弹框进行再选择实现，具体详情见图7-17。图7-17确认对话框关于“关于”按钮，通常来说并无实际用途，只是从来开发者信息，并对当前系统版本信息情况进行提示，对话框具体内容详情见图7-18。图7-18关于对话框需要注意的是，车牌信息完成识别并在GUI界面得到顺利呈现后，如果对车牌进行再识别可能会导致先前已识别完成的信息出现覆盖或丢失现象，为了有效避免此一现象出现，有必要对识别后的图像信息进行特殊的存储操作，将之放入Data.dat，并打上特定标识，通