基于matlab图像处理的车牌识别研究

1、 毕业设计（论文）基于matlab图像处理的车牌识别研究学 院 专业名称班级学号学生姓名指导教师2013年6月13日基于matlab图像处理的车牌识别研究摘 要汽车牌照自动识别技术1(license plate recognition，lpr)是智能交通系统的核心技术，不但可以广泛地应用于交通流量检测，而且还可以应用于交通控制与诱导，机场、港口、小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域。因此，具有广阔的应用前景。本论文就是在这种背景下，研究基于图像处理的汽车牌识别系统。 车牌识别一般可以分为车牌预处理、车牌的定位、车牌的字符分割和字符识别四个主要部分。本文在分

2、析近年来一些典型的车牌识别系统，掌握基本的原理和方法后，在已有算法的基础上，在某些环节加入自己的改进，以自己拍摄的某一车牌为实例，以matlab作为平台工具，根据实际的处理过程划分章节，详细地阐述了对车牌进行识别的具体步骤、涉及的算法及相关外延知识，并最终确定了一套有效的车牌识别算法。关键词： 车牌识别(lpr)，图像处理，车牌定位，字符分割，字符识别research on license plate recognition based on matlab author :zhang ruochen tutor：wang lifuabstractthe vehicle license plat

3、e recognition(lpr) system as core of its, plays a very important role. it not only can widely be applied traffic flux detect, but also be applied traffic control and lead. it can also be applied to some fields where the vehicle breaks the laws, such as airport seaport, communities vehicle manage, no

4、 halted vehicle fee, and vehicle safe. so it has widely applied in the future. basing on the current thing, the thesis will expound the course that searches and deals with image of the license plate. license plate recognition can generally be divided into pre-processing, license plate location, lice

5、nse plate character segmentation and character recognition four main sections.after analyzing some typical license plate recognition system in recent years, mastering the basic principles and methods, and based on the algorithms which are existing, this paper makes its own improvements in some areas

6、. through taking a license plate as an example, working on matlab as platform and tool, according to the actual division of chapters, this paper elaborates on the license plate to identify the specific steps algorithms involved and related epitaxial knowledge, and finally work out an effective licen

7、se plate recognition algorithm.key words: license plate recognition(lpr), image processing, vehicle plate locating, character segmentation, character recognition目 录1绪论11.1 研究背景和研究意义11.2 国内外车牌识别技术的研究现状21.3 车牌自动识别的主要方法51.3.1 ic卡识别技术51.3.2 条形码识别技术51.3.3 图像处理技术51.4 基于图像处理的车牌识别技术的研究难点71.4.1 我国汽车牌照自身特点671

8、.4.2 外部环境影响71.4.3 拍摄角度问题71.5 车牌识别系统概述81.5.1 车牌识别系统的硬件设计81.5.2 车牌识别系统的软件设计91.6 本文主要内容102车牌图像预处理112.1 灰度化112.2 二值化处理122.3 图像增强142.3.1 灰度拉伸142.3.2 滤波处理152.4 边缘检测172.5 数学形态学192.5.1 数字形态学概述192.5.2 形态学滤波的基本操作192.5.3 填充处理213. 车牌定位算法的研究223.1 引言223.2 车牌规格及特征223.3 传统的车牌定位算法分析223.3.1 基于纹理特征的车牌定位法223.3.2 基于神经网络

9、的定位算法233.3.3 基于数学形态学的定位方法233.4 本文研究的车牌定位算法243.4.1 选取结构元素243.4.2 车牌区域的提取274. 车牌字符分割算法的研究294.1 传统的字符分割算法分析294.2 字符分割算法中的问题分析304.3 本文研究的字符分割算法304.3.1 车牌精确定位304.3.2 字符分割算法325. 基于神经网络的车牌字符识别355.1 常用的车牌字符识别方法355.2 基于神经网络的字符识别355.2.1 神经网络概述365.2.2 bp神经网络构造和训练375.2.3 bp神经网络算法375.3 字符识别385.3.1 建立字符模板数据库385.3

10、.2 神经系统识别的matlab实现40结 论45致 谢46参考文献47附 录491绪论1.1 研究背景和研究意义智能交通系统(intelligent transportation system，its)是美国智能交通学会在1990年提出的。its“借助系统的智能，将车辆运行调整到最佳状态，充分有效地利用道路时空资源，使车辆在道路上安全、高效地行驶，保障人、车、路和谐统一，在极大地提高运输效率的同时，充分保障交通安全、改善环境质量、提高能源利用率”。经过二十多年的发展，its应用范围非常广阔，从美国交通部网站可以了解到its一些应用领域，例如，高速公路管理、突发事件管理、电子计费等等。汽车牌照

11、识别技术（license plate recognition, lpr）是its的重要组成部分，多应用在电子计费领域。lpr系统是一个以特定目标为对象的专用计算机视觉系统，该系统能从一幅图像中自动提取车牌图像，自动分割字符，运用模式识别、人工智能技术，实时准确地自动识别出车牌的数字、字母及汉字字符，使得车辆的电脑化监控和管理成为现实。常用的lpr识别技术有ic卡识别技术、条形码识别技术和图像处理识别技术。基于图像处理的车牌识别技术有着其他车牌识别技术无法比拟的优点。车辆牌照自动识别技术是智能交通系统的一个重要组成部分，它在交通管理、监控中有着广泛的应用。车辆牌照识别系统技术能够从一幅车辆图像中

12、准确定位出车牌图像，经过字符切分和识别后实现车辆牌照的自动识别，从而为以上应用提供信息和基础功能。目前车牌识别系统主要应用于以下领域：（1）停车场管理系统。利用车牌识别技术对出入车辆的号牌进行识别和匹配，与停车卡结合实现自动计时、计费的车辆收费管理系统。（2）高速公路超速自动化管理系统。以车牌自动识别技术为基础，与其他高科技手段结合，对高速公路交通流状况进行自动监测、自动布控，从而降低交通事故的复发生率，确保交通顺畅。（3）公路布控。采用车牌识别技术实现对重点车辆的自动识别，快速报警，既可以有效查找被盗车辆，同时又为公安、检察机关提供了对犯罪嫌疑人的交通工具进行远程跟踪与监查的技术手段。（4）

13、城市十字交通路口的“电子警察”。可以对违章车辆进行责任追究，也可以辅助进行交通流量统计，交通监测和疏导。（5）小区车辆管理系统。社区保安系统将出入社区的车辆通过车牌识别技术进行记录，将结果与内部车辆列表对比可以实现防盗监管。现今，在高速公路的收费站，车牌识别技术已经基本全部实现了电子收费，缩短了在收费站口的停车时间。在城市的道路交通中，车牌识别技术也应用在了交通超速管理中，大大加强了城市交通监管的力度。同样的，在对公路流量的监控中应用车牌识别技术，可以缓解道路拥挤的问题。所以，车牌识别技术的应用就更具有实用价值和应用性。不但可以改善道路的畅通，也给人们的生活带来了经济价值。因为我国的车牌识别技

14、术起步较晚，所以很多技术尚处于初步适用阶段，人们也一直希望改进车牌识别技术，来满足对现今交通管理系统的需求。所以，对车牌识别技术的研究具有非常重要的意义。基于图像处理技术的lpr系统的最终目标是从图片中识别出所有车牌号码和车牌颜色(或者车牌类型)。如果直接从采集到的图片中寻找车牌字符，以现有的图像处理技术来看难度非常之大。为了降低难度，一般将lpr软件部分分为三大模块，分别是车牌定位、字符分割和字符识别。车牌定位的任务是从图片中给出车牌位置;字符分割的任务是在定位后的车牌图像中将字符一个个切分出来，这一部分还包括倾斜校正和颜色分类;字符识别的任务是识别切分出来的字符。1.2 国内外车牌识别技术

15、的研究现状 车牌识别技术作为智能交通系统中的关键技术，在各国学者的共同努力下，已经得到了长足的发展，并且已经得到了不同程度的实际应用，但目前还存在着种种不足。对于未来车牌识别产品的技术发展趋势，汉王科技智能交通部总经理乔炬认为。首先，由于市场需求不同，对识别产品的需求也有差异，因此就要求研发针对不同细分市场的车牌识别产品。其次，随着算法的不断改进，基于视频触发技术的车牌识别产品将得到大范围的应用，但是视频触发技术取代外触发装置尚需时日。第三，现在的车牌识别系统设备过多，系统集成难度大，系统稳定性差，系统维护是一个让人头疼的问题。随着技术不断进步，以往多个设备实现的功能可能由一个设备实现。现代交

16、通的飞速发展，其对交通自动化管理的要求也应运而生，并越来越急迫，为了顺应其发展步伐，上世纪 80 年代开始，国内外许多发达国家已将图像处理技术应用于其中，对车牌识别系统的研究与探讨也随之开始了。 早期的车牌识别技术仅仅是针对某一个单一的、具体的技术问题进行分析与研究，且只是采用比较简单的图像处理算法有针对性地解决问题。因此，还没有一个专门针对车牌识别技术的完整的系统体系被提出。早期的解决此类问题的过程大致描述如下：首先使用工业电视摄像机采集车辆正前方的车牌目标区域图像，并使用计算机对其进行较简单的图像处理，且最终结果需要大量的人工干预与经验因素。因此，早期的车牌识别技术解决问题的过程中，自动化

17、程度非常低，且精确度并不能达到理想程度。 从 20 世纪 90 年代至今，车牌识别技术的系统化研究也随着计算机视觉技术的不断发展及计算机性能的逐渐提升渐渐升温。1990 年，国外一些研究人员发明了一些用于车牌自动识别的系统，并运用了大量的计算机视觉与图像处理技术。此类系统主要利用不同阈值对应的直方图的区别，以此计算出车牌目标区域对应的直方图的阈值范围，且其中融入了大量的统计实验成分；然后利用此阈值对应的直方图进行车牌字符分割；最后，使用模板匹配进行车牌字符识别，而用于模板匹配的标准字符模板是经过大量统计实验后预先设置的。大抵而言，此类系统主要分为四个部分，即：图像分割、特征提取、构造车牌字符模

18、板及车牌字符识别等。还有一些研究人员将视觉字符识别技术应用于车牌图像的智能分析中，他们利用车牌的特征信息在二值图像中定位车牌目标区域，并使用边界跟踪技术提取出车牌字符特征；然后在统计最邻域分类器的帮助下对车牌字符样本库中的样本字符进行逐一比较，以此来获得一个或多个车牌候选识别结果；最后，再利用车牌字符的特征信息对候选结果进行逐一检测及详细核查，以此确定出最终车牌识别结果，并给出检测的车牌号码。相比早期的车牌识别技术而言，此段时期一些较为复杂的图像处理技术被广泛使用，尽管此类车牌识别没有更多地考虑车牌识别实时性的具体要求，精确度也有待进一步提高，但同时也有所突破。 现如今，随着社会经济的发展，我

19、们的车辆数量也急剧增加，车牌识别技术越来越广泛应用于一些智能交通等领域，并逐渐成为了众多热门研究课题之一，也吸引了更多的研究人员将研究与探索的目光定位于其上。车牌识别技术和产品性能进入实用阶段的时间还不是很长，随着人工智能以及自动识别技术的进步，未来的技术发展空间还会非常大。例如，核心算法继续发展，识别率和识别速度进一步改善，图像处理中对模糊图像预处理能力增强，画质改善技术的提高等等。然而，相比国外的有一定进展的车牌识别系统研究工作而言，我国车牌识别技术的研究与发展才处于起步阶段，且国外的一些技术并不能完全符合并应用到中国车牌识别问题上，导致这些问题的原因主要是因为我国车牌具有一些独特的特性，

20、其主要如下2: (1) 我国的标准车牌由汉字、英文字母及阿拉伯数字三部分组成，且相比英文字母与阿拉伯数字，汉字字符的识别难度更大； (2) 国外车牌颜色一般仅含有两种，且其具有较强的对比度。而我国车牌因其不同的应用场合而含有多种不同的颜色组合，如车牌背景颜色一般为黑、白、黄、蓝等多种颜色中的一种，而车牌字符颜色则一般为黑、白、红等中之一，且车牌背景颜色与字符颜色组合具有一定程度的对比； (3) 国外车牌的尺寸大小比较固定，且其车牌内的字符结构及其排列比较单一。相比之下，我国车牌的牌照格式种类比较繁多，对于不同的车牌型号如货车、客车、轿车、专用汽车等或不同车辆用途如军车、私家车等，其牌照格式也是

21、不一样的； (4) 我国车牌悬挂位置也并不唯一。按照公安部机动车号牌管理相关标准，机动车前号牌安装在机动车前端的中间或偏右处，后号牌安装在机动车后端的中间或偏左处，且应不影响机动车安全行驶和号牌的识别； (5) 由于天气、环境、道路及人为因素等的影响，车牌可能被严重污染。 同时，国内主要高校在车牌识别领域都有一定的阶段性研究，并有许多关于车牌识别问题的文章发表。然而，研究出的许多新算法、新技术也只是停留在理论和文章阶段，且被限定和约束在了一个比较狭隘的范围内，仅仅针对一些有限的适用范围，不能以产品的形式大范围投入使用。因此，在解决实际问题时，其存在着一些如：实时性、实用性均较差等不良问题。鉴于

22、以上因素，目前很多已开始大量应用于电子收费、车牌监测、超速检测、移动稽查等应用场合的车牌识别技术的识别准确率与识别速度都需要进一步提高。诸如此类问题，伴随着现代智能交通的飞速发展，对车牌识别系统提出了更迫切、更高的要求，以使其具有更强、更高效、更实用及更广泛的适用性。1.3 车牌自动识别的主要方法1.3.1 ic卡识别技术ic卡是一种集微电子技术、通讯技术和计算机技术于一体的高科技产品，利用ic卡技术进行汽车牌照的识别，主要是指在每辆汽车上安装一个微型的电子信号接收和发射装置即ic卡，卡内存储了该车的车牌号码以及其他一些信息，当汽车通过设有车辆检测装置的路口时，ic卡系统将与路口的计算机系统进

23、行对话，使之辨识出该汽车的车牌号码和其他有关内容，从而可以实现监督与管理.然而，尽管ic卡技术识别准确度高，运行可靠，可以全天候作业，但它整套装置价格昂贵，硬件设备十分复杂，不适用于异地作业，且须要制定出全国统一的标准.另外，无法核对车、卡是否相符，也是ic卡技术存在的缺点。1.3.2 条形码识别技术条形码技术由于具有识别速度快、准确度高、可靠性强以及成本较低等优点，目前已广泛应用在商品销售、图书借阅管理、仓库进出货管理、邮政管理等众多领域。而条形码用于汽车牌照识别方面还是一种较新的方法，它可以通过在车辆的侧面印刷条形码(包括地区、车型、车牌号码等基本信息)，当条形码扫描阅读出这些信息后，就可

24、以完成识别的任务，但是条形码对于扫描器要求很高，并且同ic卡技术一样，需要制定出全国统一的标准，并且无法核对车、卡(条码)是否相符，也是技术上存在的缺点，这给近期短时间内推广造成困难。1.3.3 图像处理技术运用图象处理技术解决汽车牌照识别的研究国内外都有，最早出现于80年代，这个阶段的研究并没有形成完整的系统体系，而是就车牌识别中的某一个具体问题进行讨论，并且通常是采用简单的图象处理技术来解决。识别过程是使用工业电视摄像机 (industrial tv camera)拍下汽车的正前方图像，然后交给计算机进行简单处理，并且最终仍需要人工干预。例如:车辆牌照中省份汉字的识别问题，1988年戴营等

25、人利用常见的图像处理技术方法提出汉字识别的分类是在抽取汉字特征的基础上进行的。根据汉字的投影直方图 (projection histogram)，选取浮动闽值，抽取汉字在y方向的峰值，利用树形查表法进行汉字的粗分类。然后根据汉字在x方向的投影直方图，选取适当阈值，进行量化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码的最小距离，实现细分类，完成汉字省名的自动识别。传统模式识别技术一般包括模板匹配法，统计特征法等.进入90年代，由于计算机视觉技术(computer vision technique)的发展，开始出现汽车牌照识别的系统化研究3。1990年a.s.johnson等运用计

26、算机视觉技术和图象处理技术实现了车辆牌照的自动识别系统.该系统分为图象分割 (image segment)、特征提取和模板构造 (feature extraction and template formation)、字符识别(character recognition)等三个部分.利用不同闭值(threshold)对应的直方图不同，经过大量统计实验确定出车牌位置的图像直方图的闭值范围，从而根据特定闭值对应的直方图分割出车牌，再利用预先设置的标准字符模板进行模式匹配(pattern matching)识别出字符。 1990年r.a.lotufo等使用视觉字符识别技术研究分析所获取的图像4，首先在

27、二值化图像中找到车牌，然后用边界跟踪技术提取字符特征，利用统计最邻近分类器(statistical nearest neighbor classifier)与字符库中的字符比较，得出一个或几个车牌号码，对这些号码做核实检查，看是否确实有该车牌号码，从而最终确定出一个实际存在的正确的号码。总之，这个时期的应用在识别正确率方面有所突破，但还没有考虑到识别实时性的要求，识别的速度有待进一步提高。近几年以来，计算机及其相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌的自动识别问题5。例如1994年m.m.m.fahmy等就成功地运用了bam(bidirectional associative

28、memories)神经网络方法对车牌上的字符进行自动识别，bam神经网络是由相同神经元构成的双向联想式单层网络，每一个字符模板对应着唯一一个bam矩阵，通过与车牌上的字符比较，识别出正确的车牌号码。这种采用bam神经网络方法的缺点是无法解决识别系统存储容量和处理速度相矛盾的问题。1.4 基于图像处理的车牌识别技术的研究难点 1.4.1 我国汽车牌照自身特点6(1) 字母、数字、汉字混合我国车牌不单有英文字母和阿拉伯数字，还有汉字，汉字的识别难度较英文字母和数字大的多，从而增加了识别的难度。(2) 颜色种类多国外的车牌颜色种类相对少一些，而我国的车牌颜色种类较多。大致分为四种:黄底黑字，蓝底白字

29、，黑底白字和白底黑字。(3) 人为因素由于环境、道路或人为因素造成有严重污渍、模糊不清的或偏斜很大的车牌可以在我国上路行驶。在国外，这种情况是不允许的。(4) 车牌格式多国外的车牌格式很单一，我国的车牌格式却有很多:民用车牌、公安警车牌、武警车牌、军车车牌、外交车牌、特种车牌、消防车牌等等。(5) 国车牌悬挂的位置不唯一。由于不同公司出产的汽车型号和外形的各有不同，导致了车牌悬挂位置的不确定性。1.4.2 外部环境影响(1) 外界光照条件各不相同，白天和晚上光照不同光照对图像质量影响很大。不同的光照角度，对车牌光照的不均匀度影响也较大。不同视觉，不同气候条件，以及背景光、车牌反光程度决定了车牌

30、区域的亮度特征。(2) 外界背景的复杂程度也影响车牌的定位准确率背景中与车牌区域特征相似区域的大小反映了背景的噪声程度。例如与车牌字符相似的车体上的或背景远处的广告语，容易影响车牌的粗定位1.4.3 拍摄角度问题(1) 不同实际工程其摄像方位和角度不一样实际工程中摄像方位相对于车辆行驶的方向一般是正上方、左侧和右侧。如果摄像角度越小，车牌在平面图像中变形越小，识别效果越好。摄像方位和角度对车牌字符分割影响较大，对车牌校正方法的校正能力的要求也更高了。(2) 光线较暗时，不同的人工光照角度、方位和亮度对车牌识别系统影响也不一样尽管规范的车牌对光的散射能力较强，但光照的方位角度不同时，也会影响车牌

31、的亮度。亮度不均匀对车牌二值化算法的适应性提出了更高的要求。(3) 不同的实际工程，图像的分辨率要求也不同分辨率大小影响车牌识别系统的识别速度和字符的识别率。ocr(演变成为利用光学技术对文字和字符进行扫描识别)中字符的象素分辨率一般为32x32，而车牌识别系统字符的分辨率一般在12x12和24x24之间。分辨率过高时，整个识别系统的处理时间会明显增多，特别是在车牌分割、车牌二值化的处理时间会显著增加。分辨率过低，字符识别率会下降，字符中的汉字的二值化效果较差，车牌识别系统的识别率会下降。1.5 车牌识别系统概述一个完整的车辆牌照识别系统是一个复杂的系统，应该包括图像采集、图像预处理、车牌定位

32、、字符切分、字符识别以及图像编码、数码传输与更新等步骤，基本可以分为硬件部分和软件部分，硬件部分主要完成车辆图像的摄取采集，软件部分主要完成对采集到的车辆图像进行车辆牌照定位、车牌字符切分与车牌字符识别等工作，这部分工作最为复杂，最后对识别结果进行数据传送和存储，将处理后的识别信息交给管理系统进行管理。整个系统的核心是软件部分的工作，能否通过牌照对车辆进行有效管理，很大程度上取决于软件部分识别车牌的准确性。1.5.1 车牌识别系统的硬件设计一个车牌识别系统的基本硬件配置由摄像机、主控机、采集卡和照明装置组成。例如在停车场管理系统中，系统硬件主要包括车辆传感探测器、高性能工控计算机、高分辨率cc

33、d摄像机、高放大倍数镜头、ccd自动亮度控制器和视频采集卡等。首先是探测车辆的接近、通过和停留等。常用的有光探测器、微波雷达通过型探测器、测速雷达探测器、声探测器、红外探测器、电磁感应探测器和压敏探测器等。我国停车场应用较多的是红外探测器和电磁感应环探测器。设置在停车场入口和出口的两对红外发射和接收设备进行车辆检测。利用编码调制信号，增强抗干扰的能力，具有较强的可靠性。前端工控机利用红外线探测到车辆经过的信号时，控制图像采集卡抓拍图像，并对抓拍的汽车图像进行牌照识别，同时控制摄像机光圈的大小，以适应外界环境不同的光照条件。然后将识别出的牌照信息储存到服务器中，当车辆离开时，同样的进行牌照识别，

34、将其与前面输入的牌照信息进行对比，计算出停车时间，然后计费。1.5.2 车牌识别系统的软件设计本课题主要侧重算法的研究，主要工作是设计软件，对已摄取到的卡口车辆照片实现车牌识别。硬件设备采集到图片后首先要考虑图像的存储格式。目前比较常用的图像格式有*.bmp、*.jpg、*.gif、*.pcx等，本课题采集到的图片是*.jpg的格式。软件系统的编写大多采用vc或者matlab语言，本课题选用了matlab语言。matlab具有以下优点：(1) matlab编程效率高，使用方便。matlab以矩阵作为基本语言要素大大提高了数值计算的编程效率。matlab本身拥有丰富的函数库，并具有结构化的流程控

35、制语句和运算符，用户在使用过程中能够方便自如地应用。其图像处理工具箱更是大大扩展了matlab解决图像处理问题的能力，其他还有诸如用于神经网络和小波的工具箱等，对于算法的分析都有着很大的帮助。(2) matlab扩充能力强，交互性好，移植性和开放性较好。matlab的库函数同用户文件在形式上是一样的，用户可以根据自己的需求方便地建立与扩充新的库函数，扩充其功能。matlab可在windows系列、unix、linux、vms6.1、powermac平台上使用，且所有的核心文件和工具箱文件都是公开的，用户可以修改源文件构成新的工具箱，从而可以扩充很多新的功能，利于算法的研究和改进。(3) 较强的

36、图形控制和处理功能，自带的api使得用户可以方便地在matlab与c、c+等其他程序设计语言之间建立数据通信。整个软件系统是一个具有车牌识别功能的图像分析和处理软件。首先将采集到的汽车图像进行灰度化、灰度拉伸和滤波处理，以降低噪点、增加车牌部分的对比度。然后，通过对预处理后的图像进行小波变换分解提取图像边缘，并进行形态学处理，这时，车牌的轮廓已经非常清晰，并且可以和非车牌区域明显区分开来了，接着，根据车牌的特点进行车牌初步定位，提取出车牌图像。将提取出的车牌图像进行二值化处理，根据投影图的特点查找倾斜的角度，采用坐标变换的方法进行车牌倾斜校正，并利用其垂直投影图中字符显示出的峰群的特点进行字符

37、切分。最后利用bp网络完成了整个车牌字符的识别。整个系统的设计主要采用了m语言。目前车牌识别的理论趋于成熟，在车牌识别系统中应解决以下几个关键问题:（1）图像预处理:对采集的图像进行滤波、边界增强等处理，以克服图像干扰，改善识别效果;（2）车牌定位:对采集的图像，定位出车牌的具体位置;（3）字符分割:在车牌图像上，逐个提取单个字符的图像;（4）字符识别:在每个字符图像中识别出字符文字。流程顺序如图1-1所示。图1.1 系统框图1.6 本文主要内容本文在分析近年来一些典型的车牌识别系统，掌握基本的原理和方法后，在已有算法的基础上，在某些环节加入了自己的改进。以自己拍摄的某一车牌为实例，以matl

38、ab作为平台工具，根据实际的处理过程划分章节（车牌预处理、车牌的定位、车牌的字符分割和字符识别），详细地阐述了对车牌进行识别的具体步骤、涉及的算法及相关外延知识，并最终确定了一套有效的车牌识别算法。2车牌图像预处理2.1 灰度化通过摄像头采集到的车牌图像是24位的彩色位图，考虑到图像文件的存储量和处理图像需要占用大量的系统资源，所以第一步要进行图像灰度变换，图像灰度化有各种不同的算法，比较直接的一种是给原像素的rgb值各自加权一个系数，然后求和，作为新灰度值。基于此原理，首先逐个将像素颜色分解成3个原色灰度r、g、b（分别显示红、绿、蓝三种颜色），然后考虑具有相同灰度值的不同原色对视觉亮度的反

39、应不同，灰度值大的像素点比较亮（像素值最大为255，为白色），反之比较暗（像素值最小为0，是黑色），将三原色灰度按照如下比例公式7: y=0.299*r+0.587*g+0.114*b （2.1）在实际计算时，可按下式进行:y=0.30*r+0.59*g+0.11*b （2.2）计算得到一个新的灰度值，用这个值分别作为三原色的灰度合成一个新颜色。读入原始图像并显示出来，如图2.1，代码：i=imread(picture);figure, imshow(i);图2.1 原始彩色车牌图像灰度处理后如图2.2所示。程序代码： j=rgb2gray(i); %灰度处理figure, imshow(j)

40、图2.2 灰度处理后的车牌图像2.2 二值化处理二值图像是指整幅图像内仅有黑、白二值的图像，在它们之间不存在其它灰度层次的变化。二值化算法又称闭值算法，目的是找出一个合适的闭值将待研究的车牌区域划分为前景和背景两部分。二值化后的车牌要能再现原字符图像，基本不出现笔画断裂和粘连现象，尽量不丢失原字符的特征。另外二值化算法可以用于车牌定位过程中精确定位车牌的上下左右边界。常用的二值化算法有基于灰度的二值化和基于彩色的二值化。基于灰度的二值化主要有全局动态二值化和局部自适应二值化;基于彩色的二值化主要有基于 hsv(hue saturation value)空间的彩色二值化。本文首先提取有关色彩的信

41、息，然后对灰度图像进行二值化处理。图像二值化的关键在于阐值t的选取，根据闭值t来区分图像中的对象和背景。设原始灰度图像为f(x，y)，变换过后的二值图像为g(x，y)，则二值化的过程表示为8: g(x，y)=1, fx,yt0,fx,y th，则(i,j)为阶跃状边缘点，g(i,j)为二值边缘图像。sobel算子容易在空间实现，sobel边缘检测器产生较好的边缘检测效果，同时引入局部平均受噪声影响也比较小。当使用大的邻域时，抗噪声特性会更好，但会增加计算量，并且得到的边缘也较粗。处理后如图2-6所示。程序代码：w=double(m);g=edge(w,sobel,0.45,both);figu

42、re, imshow(g);图2-6 边缘检测sobel算子处理后的车牌图像sobel算子利用像素点上下、左右相邻点的灰度加权算法，根据在边缘点处达到极值这一现象进行边缘检测。因此sobel算子对噪声具有平滑作用，能提供较为精确的边缘方向信息，但局部平均的影响同时会检测出许多伪边缘，且边缘定位精度不高。当对精度要求不高时，sobel算子是一种较好的边缘检测方法。2.5 数学形态学数学形态学广泛应用于图像处理和计算机视觉领域，它能够进行各种几何参数的间接测量，反映图像的体视性质，适于描述图像的随机性质。数学形态学基于形状集合理论而提出，运算本质上是并行的，便于并行处理实现。用数学形态学算子对图像

43、进行滤波，不需计算每点的局部特征，速度快且抗噪能力比较强。2.5.1 数字形态学概述数学形态学（mathematical morphology，简称形态学)是研究数字图像形态结构特征的理论，它通过对目标图像的形态变换实现结构分析和特征提取。利用形态学作为工具从图像中提取对于表达和描述区域形状有用的图像分量，比如边界、骨架以及凸壳等。形态学用于图像预处理或后处理，如形态学滤波、细化和修剪。下面将介绍形态学在滤波方面的应用。数学形态学是一种非线性滤波算法9，minkowski结构和、差运算，即形态膨胀和腐蚀是数学形态学的基础。结构元素是数学形态学中的关键概念，是一个可以在图像上平移、且尺寸比图像小

44、的集合。结构元素起着主、客观之间界面的作用，可以方便的按照目的选用不同形状和尺寸的结构元素，来度量和提取图像中对应的形状，达到对图像进行分析和识别的目的。数学形态学运算是将结构元素在图像范围内平移，同时施加交、并等几何运算。数学形态学可以用来解决抑制噪声、边缘检测、特征提取、图像分割、形状识别、纹理分析、图像恢复与重建和图像压缩等问题。2.5.2 形态学滤波的基本操作本文针对二值图像进行形态学滤波处理。在二值图像中，所有黑色像素的集合是图像完整的形态学描述，采用从小到大不同的结构元进行处理达到滤除噪声的目的。式(2.4)到式(2.7)给出了二值形态变换的基本变换公式，基本形态变换包括腐蚀、膨胀

45、、开操作和闭操作。腐蚀是一种消除边界点的过程，结果是使目标缩小，孔洞增大，因而可有效的消除孤立噪声点；膨胀是将与目标物体接触的所有背景点合并到物体中的过程，结果是使目标增大，孔洞缩小，可填补目标物体中的空洞，形成连通域。先腐蚀后膨胀的过程称为开运算，它具有消除细小物体，并在纤细处分离物体和平滑较大物体边界的作用；先膨胀后腐蚀的过程称为闭运算，具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。对图像做了开运算和闭运算，闭运算可以使图像的轮廓线更为光滑，它通常用来消掉狭窄的间断和长细的鸿沟，消除小的孔洞，并弥补轮廓线中的断裂。设f(x,y)和b(i,j)均为二维离散空间上的两个离散函数，其中f

46、(x,y)为图像位于(x,y)处像素的灰度值，b(i,j)为具有一定形状和大小的结构元素，则b(i,j)对灰度图像f(x,y)膨胀与腐蚀运算定义如下:膨胀: (fb)(x,y)=maxf(x-i，y-j)+b(i,j) (2.8)腐蚀: (fb)(x,y)=maxf(x+i，y+j)-b(i,j) (2.9)结构元素b(i,j)对灰度图像f(x,y)进行形态开运算和闭运算定义如下:开操作: (fb)(x,y)=(fb)b(x,y) (2.10)闭操作: (fb)(x,y)=(fb)b(x,y) (2.11)膨胀处理后如图2.7所示。程序代码：se90=strel(line,3,90);se0=strel(line,3,0);p=imdilate(g,se90 se0);figure, imshow(p);图2.7 膨胀处理后的车牌图像2.5.3 填充处理利用matlab中的imfill指令，对图像进行填充处理，将图中封闭曲线的内部进行填充，以便后一步处理。处理后如图2.8所示。程序代码：n=imfill(p,holes);figure, imshow(n);图2.8 填充处理后