车牌识别系统

1、 编号 200602422006024207南京航空航天大学金城学院南京航空航天大学金城学院毕毕业业设设计计题 目车牌识别系统的设计与实现学生姓名赵云学 号2006024207系 部信息工程系专 业计算机科学与技术班 级20060242指导教师李静 副教授二一年六月南京航空航天大学金城学院南京航空航天大学金城学院本科毕业设计（论文）诚信承诺书本科毕业设计（论文）诚信承诺书本人郑重声明：所呈交的毕业设计（论文） （题目： ）是本人在导师的指导下独立进行研究所取得的成果。尽本人所知，除了毕业设计（论文）中特别加以标注引用的内容外，本毕业设计（论文）不包含任何其他个人或集体已经发表或撰写的成果作品。

2、作者签名： 年 月 日 （学号）： 毕业设计（论文）报告纸 i车牌识别系统的设计与实现摘 要智能交通系统是 21 世纪道路交通管理的发展趋势。高速公路的不断发展和车辆管理体制的不断完善，为智能交通管理系统进入实际应用领域提供了契机。牌照自动识别监控系统正是在这种应用下研制出来的，它能够自动、实时地检测车辆、识别汽车牌照，从而监控车辆的收费、闯关、欠费以及各种舞弊现象。作为智能交通系统的重要组成部分，汽车牌照识别技术（License Plate Recognition, LPR，简称“车牌通”）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出车牌图像，自动分割字符，进而

3、对字符进行识别，它运用模式识别、人工智能技术，对采集到的汽车图像，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。关键词：牌照识别，智能交通管理系统，车牌定位，字符分割 毕业设计（论文）报告纸 iiLicense Plate Location and Recognition SystemAbstractIntelligent Transportation System is a developing trendence of Transportation Management in the 21st centu

4、ry. The expressway is developing constantly, and vehicle management system is perfecting. It has offered the opportunity for the fact that the Management System of the intelligent transportation entering the application actually. The License Plate Recognition system just developed out under this app

5、lication, it can measure vehicle , discern automobile license plate automaticly in real-time, thus control charge of vehicle, make a breakthrough, owe fee and various kinds of not to practice fraud the phenomenon. Important component as the intellectual traffic system, LPR is a computer visual syste

6、m for special purpose of object, this system can draw License Plate image and separate character automaticly from a image , and then distinguishes for characters, it utilizes template recognition and the technology of artificial intelligence, that automobile image carries out that arrives for collec

7、tion can distinguish character, character and the figure of License Plate accurately, may give identification result with data directly, make the monitoring of vehicle become realistic.Key words：LPR( License Plate Recognition); ITS (Intelligent Transportation System) ;template operation 毕业设计（论文）报告纸

8、iii目 录摘 要.IABSTRACT.II第一章绪 论 .11.1 引言.11.2 研究背景及意义.11.3 论文主要研究内容.3第二章 车牌识别系统简介.42.1 车牌识别系统概述.42.2 图像的灰度化.52.3 图像的二值化和阈值处理.62.4 图像的锐化.72.5 图像的去噪.72.6 灰度拉伸.72.7 图像的倾斜矫正.72.8 车牌字符分割.82.9 字符识别.8第三章 LPR 系统的设计与分析 .93.1 引言.93.2 LPR 中的关键技术及其算法实现.93.2.1 车牌区域提取.93.2.2 牌照图像二值化.233.2.3 模板运算.29第四章 系统实现.324.1 主要数

9、据结构.324.2 硬件支持.324.3 软件的安装及系统的实现.33第五章 总 结.35参考文献.36致 谢.37 毕业设计（论文）报告纸 1第一章绪 论1.1 引言伴随着世界各国汽车数量的增加，城市交通状况日益受到人们的重视。如何有效地进行交通管理，越来越成为各国政府和有关部门关注的焦点。针对此问题，人们运用先进的科学技术，相继研制开发出了各种交通道路监视、管理系统、车辆控制系统及公共交通系统。从系统的观点出发，把车辆和道路综合起来考虑，运用各种高新技术系统解决道路交通问题的思想就是 ITS(Intelligent Transportation System)智能交通管理系统。1.2 研究

10、背景及意义ITS 是 90 年代兴起的新一代交通运输系统。它利用先进的信息处理技术、导航定位技术、无线电通信技术、自动控制技术、图像分析技术及计算机网络和处理技术等加强道路、车辆、驾驶员和管理人员的联系，实现道路交通管理的“自动化”和车辆行驶的“智能化” ，增强运输安全，减少交通堵塞，增加车辆机动性和路面运输效率，减少环境污染，节约能源，提高经济活力。在智能交通系统中，交通信息服务系统是重要的组成部分，也是整个智能交通系统顺利运作的关键和基础。其中交通信息的获取、采集、传输和处理，是一个关键的问题，然而要做到这一点，首先必须把车辆的身份识别出来。当车辆经过某一特定地点时，自动将该车的身份识别出

11、来的技术统称为车辆自动识别系统 (AVI: Automatic Vehicle Identification)。在实际的运用中由于车牌作为汽车的标示具有唯一性，知道了车牌号，车辆的所有信息(如车种、车主等)便一目了然，如果能实时识别交通网上所有正在运行的汽车车牌并将其汇总，就可以为交通流诱导系统、交通控制和管理系统提供最详尽的信息。所以车辆牌照自动识别系统(License plate Automatic Recognition System，LARS)作为智能交通系统的重要组成部分，在交通、治安、管理等方面有着广泛的应用。车辆牌照识别(License Plate Recognition)简 毕

12、业设计（论文）报告纸 2称 LPR)的快速、准确实现对于交通管理、治安处罚等工作的智能化起着非常重要的作用。目前的车牌识别方法主要是针对车辆自动注册和收费，停车场管理等场合，所监视的区域一般只有单一车辆，背景比较简单。在我国的许多运用场合监视区域比较复杂，现有的方法无法直接运用，比如，高速公路的监视与监控，城市要道的监视于监控，所监控的区域一般同时会出现多辆汽车，背景也比较复杂。另外，车辆牌照识别系统是全天候的，若没有理想的补充光照明，自然光照度的昼夜变化会引起牌照图像的对比度严重不足，使图像中牌照字符分辨不清，甚至根本无法定位和分割，更无法识别。针对这些，该技术在我国现状下还有着很大的发展空

13、间。运用图像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 01 年代，这个阶段是采用简单的图像处理技术来解决，识别过程是使用工业电视摄像机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。国外汽车牌照识别系统研究工作已有一定进展，但并不尽合我国国情，这主要是以下五个方面的原因：（1）我国标准汽车牌照是由汉字，英文字母和阿拉伯数字组成；汉字的识别与字母和数字的识别有很大的不同；从而增加了识别的难度。（2）国外许多国家汽车牌照的底色和字符颜色通常只有对比度较强的两种颜色，例如韩国，其车牌底色为红色，车牌上的字符为白色，而我国汽车牌照仅底色就有蓝、黄、黑、白等多种颜色

14、；字符颜色也有黑、红、白等若干种颜色。（3）其他国家的汽车牌照格式,如汽车牌照的尺寸大小；牌照上字符的排列等通常只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式,例如分为军车、警车、普通车等。（4）我国汽车牌照的规范悬挂位置不唯一。（5）由于环境道路或人为因素造成汽车牌照污染严重，这种情况下国外发达国家不允许上路，而在我国仍可上路行驶!由于我国汽车车牌识别的特殊性，采用任何一种单一识别技术均难以奏效！目前正在研制的无源型汽车牌照智能识别系统综合利用了车辆检测技术、计算机视觉技术、图像处理技术、人工智能技术和人工神经网络技术等，是一个比较有发展前途的车牌识别系统。我国从 70 年代

15、开始在传统的交通运输和管理中应用了电子信息技术，随着社会的发展 毕业设计（论文）报告纸 3与进步，我国道路在未来 20 年内仍然处于建设状态，这期间正是智能交通系统在全世界进入全面设施阶段，因此我国需要根据公路交通的实际需要探讨在我国公路网中应用智能交通系统来提高交通效率，保障安全和保护环境。1.3 论文主要研究内容本文对车牌识别系统进行了比较详尽的探讨和研究，车牌识别技术的关键是：车牌识别系统中的预处理、车牌定位、字符分割与识别等。基于以上研究的主要技术，下面将依次介绍。本论文的主要章节和内容安排如下：（1）第二章首先总体介绍了车牌识别系统，然后分别介绍了常用车牌识别系统所用到的相关技术；（

16、2）第三章介绍了 LPR 系统的设计与分析；（3）第四章介绍了车牌识别系统的实现；（4）第五章总结。 毕业设计（论文）报告纸 4第二章 车牌识别系统简介2.1 车牌识别系统概述整个识别系统中要用到的硬件主要有摄像头、感应器和计算机。车牌识别系统的软件部分主要分为四大块，即预处理、车牌定位、车牌字符的分割和字符识别。原始图像图形预处理边缘提取车牌定位字符分割字符识别图 2.1 系统流程图原始图像 ：由停车场固定彩色摄像机、数码相机或其它扫描装置拍摄到的图像。图像预处理：对动态采集到的图像进行滤波，边界增强等处理以克服图像干扰。边缘提取 ：通过微分运算，二值化处理，得到图像的边缘。车牌定位 ：计算

17、边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域。最后得到的便为车牌区域。字符分割 ：利用投影检测的字符定位分割方法得到单个的字符。字符识别 ：利用模板匹配的方法与数据库中的字符进行匹配从而确认出字符，得到最后的汽车牌照，包括英文字母和数字。当车辆通过时，车辆检测装置受到触发，启动图像采集设备获取车辆的正面或反面图像，并将图像传至计算机，由车牌定位模块提取车辆的牌照，字符分割模块对车牌上的字符进行切分，最后由字符识别模块进行字符识别并将结果输出。程序流程图见图 1.2。车牌字符的分割技术是本次设计的主要研究内容。在系统分析常用的分割算法的基

18、础上，结合二次水平投影、垂直投影、直线拟合、图像旋转、和阈值技术，实现车牌字符分割，得到单个的字符图像。为了能更好的对字符进行分割，文中还提出了车牌的矫正和边框的去除，便于调试，结果一目了然。 毕业设计（论文）报告纸 5预 处 理车牌定位和 提 取字符的分割字 符 识 别灰 度 化二 值 化滤 波区域特征的计算水 平 投 影 和垂 直 投 影字 符 归 一 化模 板 匹 配图 2.2 程序流程图2.2 图像的灰度化汽车图像样本目前大都是通过摄像机、数码相机等设备拍摄获取的，因而预处理前的图像都是彩色图像。彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因

19、此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。由彩色转换为灰度的过程叫做灰度化处理。灰度图像就是只有强度信息而没有颜色信息的图像，存储灰度图像只需要一个数据矩阵，矩阵每个元素表示对应位置像素的灰度值。彩色图像的像素色为 RGB(R，G，B)，灰度图像的像素色为 RGB(r，r，r),R，G，B 可由彩色图像的颜色分解获得。而 R，G，B 的取值范围是 0255，所以灰度的级别只有 256 级。从图像输入装置得到的图像数据，以浓淡表示，各个像素与某一灰度值相对应。设原图像像素的灰度值 D = f（x，y） ，处理后图像像素的灰度值 D=g（x，y） ，则灰度增强可表示为

20、：g（x，y）=Tf（x，y） 或 D=T（D） （2.1） 毕业设计（论文）报告纸 6要求 D 和 D都在图像的灰度范围之内。函数 T（D）称为灰度变换函数，它描述了输入灰度值和输出灰度值之间的转换关系。一旦灰度变换函数确定，则确定了一个具体的灰度增强方法。图像中每一点的运算就被完全确定下来。灰度变换函数不同，即使是同一图像也会得到不同的结果。选择灰度变换函数应该根据图像的性质和处理目的来决定。选择的标准是经过灰度变换后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。2.3 图像的二值化和阈值处理二值图像是指整幅图像画面内仅黑、白二值的图像。在数字图像处理中，二值

21、图像占有非常重要的地位。在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来，二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等等。车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大地提高处理效率。二值化的阈值选取有很多方法，主要分为三类：全局阈值法、局部阈值法和动态阈值法。全局阈值二值化方法是根据图像的直方图或灰度的空间分布确定一个阈值，并根据该阈值实现灰度图像到二值化图像的转化。全局阈值方法的优点在于算法简单，对于目标和背景明显分离、直方图分布呈双峰的图像效果良好，但对输入图像量化噪声或不均

22、匀光照等情况抵抗能力差，应用受到极大限制。局部阈值法则是由象素灰度值和象素周围点局部灰度特性来确定象素的阈值的，Bernsen 算法是典型的局部阈值方法，非均匀光照条件等情况虽然影响整体图像的灰度分布却不影响局部的图像性质，局部阈值法也存在缺点和问题，如实现速度慢、不能保证字符笔划连通性、以及容易出现伪影现象等。动态阈值法的阈值选择不仅取决于该象素灰度值以及它周围象素的灰度值，而且还和该象素的坐标位置有关，由于充分考虑了每个像素邻域的特征，能更好的突出背景和目标的边界，使相距很近的两条线不会产生粘连现象。 阈值处理的操作过程是先由用户指定或通过算法生成一个阈值，如果图像中某中像素的灰度值小于该

23、阈值，则将该像素的灰度值设置为 0 或 255，否则灰度值设置为 255 或 0。阈值化的变换函数表达式如下： （2.2）TxTxxf,255, 0)( 毕业设计（论文）报告纸 7式中 T 为指定的阈值。比它大就是白，比它小就是黑。2.4 图像的锐化由于需要处理的图像由拍摄而来，所以在很多情况下字符模糊，对识别造成了一定的困难，所以要对图像进行锐化处理使模糊的图像变的清晰，图像锐化的实质就是增强图像的边缘或轮廓，其锐化后的结果通过微分而使图像边缘突出、清晰。图像锐化的方法有两种：梯度锐化法和高通滤波法。其中梯度锐化法比较常用。2.5 图像的去噪图像可能在拍摄或者传输过程中夹带了噪声，去噪声是图

24、像处理中常用的手法。通常去噪用滤波的方法，比如中值滤波、均值滤波。为了抑制噪声，通常我们会采用低通滤波，但由于边缘轮廓也包含大量的高频信息，所以低通滤波在过滤噪声的同时，也使得边界变模糊，反之，低通滤波后为了提高边缘轮廓，还需要使用高通滤波，这时存在的噪声也得到了增强，然而中值滤波在过滤噪声的同时也很好的保护到了边缘轮廓，因此常用中值滤波的方法来去噪。2.6 灰度拉伸若有一幅图，由于拍摄光照不足，使得整幅图偏暗（例如，灰度范围从 0-55） ，或者拍摄时光照过强，使得整幅图偏亮（灰度范围从 200-255） ，这些情况都是属于低对比度，即灰度都挤在一起，没有拉开。灰度拉伸的意思就是把感兴趣的灰

25、度范围拉开，使得该范围内的像素，亮的更亮，暗的更暗，从而达到了增强对比度的目的。2.7 图像的倾斜矫正由于拍摄时镜头与牌照的角度、车辆的运动及路面的状况等因素的影响，例如车牌在捕捉图像中的位置不固定，捕捉图像时车头或者镜头发生摆动以及车牌本身就挂歪了或路况较差，都可能使拍摄到的车牌图像有一定的倾斜度，为了正确识别需要进行倾斜度校正，否则 毕业设计（论文）报告纸 8将无法进行单个字符的正确分割，字符识别的误差率就会上升。但是若以某个固定的经验值对所有牌照统一进行旋转处理，又会使原本正常的牌照倾斜，导致新的错误。因此有必要针对特定的牌照图像提取其倾斜角度，再加以相应的旋转处理。如何从牌照中自动提取

26、其倾斜度是预处理过程中的一个难点，一般使用 Hough 变换检测图像中的直线来对图像的倾斜进行相应的矫正。Hough 变换具有明了的几何解析性，一定的抗干扰能力和易于实现并处理等优点：但它存在着计算量大，需要巨大的储存空间等问题，所以不适合用在具有一定实时性要求的图像处理中。针对这个问题，Radon 变换可以满足一定实时图像处理的要求。2.8 车牌字符分割经过上面一系列预处理后，得到的是一条上下边缘紧贴字符的水平二值图像，其中，车牌的背景像素为白色，用 1 表示；车牌的字符像素为黑色，用 0 表示。在识别时系统只能根据每个字符的特征来进行判断，为了最终能准确识别牌照上的汉字、英文字母及数字，必

27、须将单个字符从矫正的牌照中逐个提取分离出来。2.9 字符识别进行车牌识别前需要使用样本对神经网络进行训练，然后使用训练好的网络对车牌进行识别。其具体流程为：使用汉字、字母、字母数字、数字四个样本分别对四个子网络进行训练，得到相应的节点数和权值。对已经定位好的车牌进行图像预处理，逐个的特征提取，然后从相应的文件中读取相应的节点数和权值，把车牌字符分别送入相应的网络进行识别，输出识别结果。 毕业设计（论文）报告纸 9第三章 LPR 系统的设计与分析3.1 引言我国机动车使用的牌照主要是根据公安部一九九二年颁布的中华人民共和国机动车号牌标准（GA36-92）制作的。此外部队、武警等部门的汽车牌照也有

28、自己的标准，但是无论哪种汽车牌照都由下列基本元素组成：1、汉字（牌照中包括的汉字大约 60 个） （京、津、晋、冀、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、川、贵、云、藏、陕、甘、青、宁、新、渝、甲、乙、丙、丁、戊、己、庚、辛、壬、癸、子、丑、寅、卯、辰、巳、未、申、酉、戍、亥、警、学、特、使、领、港、澳）2、英文字母（A-Z）3、数字（0-9）4、颜色（蓝、黄、白、黑）3.2 LPR 中的关键技术及其算法实现3.2.1 车牌区域提取车辆牌照能否正确从车辆图像中提取是自动识别的前提，所以图像提取需要极高的正确性。该技术从汽车图像中提取牌照区域牌照坐标，以供下一步识别

29、牌照字符。如下图显示了具体一幅车辆图片的牌照提取过程。其中用到了大量的数字图像处理算法，包括图像的彩色图到灰度图的变换，灰度拉伸，均衡，边缘卷积算子，文理特征提取，去噪，滤波等。 毕业设计（论文）报告纸 10图 3.1 车牌区域提取图牌照提取过程：从车辆图像中正确分割出牌照区域是牌照识别中最为关键的步骤之一。所谓图像分割就是根据目标与背景的的先验知识，对图像中的目标、背景进行标记、定位，然后将待识别的目标从背景或其他伪目标中分离出来。图像分割是图像提取的重要组成部分，只有有效地完成分割，才能进一步提取目标特征并识别目标。这里的目标就是车辆牌照，所有的车辆牌照都具有一些共同特征：1图像上有大量长

30、短不一类似直线与长方性的区域，还有一些灰度特征类似于文字区 毕业设计（论文）报告纸 11域的汽车厂商标志区域。2牌照文字周围有一个类似于长方形的边缘框，其厚度不一，而且有断裂处，有时候弯曲度比较大。3文字大小统一，排列成行，由于拍摄原因有一定程度倾斜，文字与背景之间有明显灰度对比。根据处理牌照的类型和特点，有许多牌照分割方法，如字符竖向纹理统计，彩色分类，神经网络，矢量量化，模板匹配等方法。然而，由于汽车图像往往在复杂的自然环境中得到，所以很多分割方法都会失去作用。水平差分算子对汽车图像求梯度X=XnXn-1对二维图像而言水平梯度为：G（Xn，Yn）=|F（Xn，Yn）F（Xn-1，Yn）|由

31、于牌照一般是由字符、背景和边框组成，在字符与背景处就形成了较强的边缘。车辆灰度图：图 3.2 水平梯度图 毕业设计（论文）报告纸 12通过选定一个阈值，对梯度图上大于此值的点记为边缘点，把一段连续的边缘点取其第一个点，定义这个点为跳变点。对水平方向边缘点的扫描，可以得出此行上跳变点的分布。对整幅图扫描就得到全部的跳变点的分布。图 3.3 车辆图像跳变点图从跳变点图和灰度图的对照中可以看出，车灯处、汽车头的横栏部分、牌照部分是跳变点比较丰富的地方。牌照分割算法求牌照大致位置算法的描述：设 n 为连续的跳变点数，设 t 为最大允许跳变点间距，设 C 为最小允许每行跳变点数，Sn、En 为某一段变点

32、的起始和终止坐标，Rn 为每行的跳变点数，L 为当前行。设“L=1；”1.对第 L 行扫描， “while（dot（L，k）！=跳变点） k+；” 如果“dot（L，k）= =跳变点” ，则“S1=k，E1=k， k+” ，找到可能的行起始点。2.对第 L 行继续扫描，如果“dot（L，k）= =跳变点” ，并且跳变间距小于 t，则“E1=k，R1+” ；如果跳变间距大于 t，并且“R1C，则 S1=k，E1=k，R1=0” ；如果跳变间距大于 t，并且“R1C” ，则“L+” 。3.如果到了行尾则“L+” ，回到步骤 1 执行。求牌照区域的算法描述：从跳变图中可以看出，牌照区域是由一系列连续

33、满足跳变点要求的行组成的。因此，设b 为在连续行中允许的不满足要求的最大行数，L1 为每行中可能满足要求的最小间距，L2为每行中可能满足要求的最大间距，J1 为每行中满足要求的最小跳变点数，J2 为每行中满 毕业设计（论文）报告纸 13足要求的最大跳变点数，C 为最小满足要求的连续的行。设“L=1，c=0，d=0；”1.“While（r1L1|r1L2）L+” ，记下可能的起始行。2.查看第 L 行是否满足“r1j1，r2j2，e1-s1L2” ，如果满足则“c+， d=0” ，如果不满足则“d+” ，如果 “db” ，并且“cb” ，则记下这个连续区域为候选牌照区域，回到步骤 1 继续执行。

34、4.“L+” ，回到步骤 2 继续执行。从上面的算法可以看出，可能会找到几个满足要求的区域。这就需要分析，车牌的的长宽有一定的比例，并且牌照的长宽在整幅图中有一定的比例，这些都可以用来分析这些区域。一、彩色图像到灰度图像变换一、彩色图像到灰度图像变换灰度图（GrayScale）是指只包含亮度信息，不包含色彩信息的图像，例如平时看到的亮度由暗到明连续变化的黑白照片。要表示灰度图，就是把亮度量化，通常分成 0255 共256 个级别，0 最暗（全黑） ，255 最亮（全白） 。由于 256 级灰度比较简单，若是彩色图像，其颜色种类比较多，不利于图像处理，因此一般都是将彩色图像转换成灰度图进行处理。

35、卡口抓拍到的车辆图像均为 24 或 256 位真彩色图像，可以根据下述灰度值和 RGB 颜色对应关系转换成灰度图。灰度值=0.299R+0.587G+0.114B 彩图到灰度图的转变 图 3.4 彩图到灰度图的转变下面一段代码实现了 24 位真彩色图像到灰度图的转换： 毕业设计（论文）报告纸 14Void 24btoGray() int i, j,temp;for(i=0;i=HEIGHT;i+) For(j=0;j=WIDTH;j+) Temp=(unsigned char) (0.114*colorinmage(long)i* WIDTH*3+3*j /B+0.587* colorinma

36、ge(long)i* WIDTH*3+3*j+1 /G+0.299* colorinmage(long)i* WIDTH*3+3*j+2 )/R Grayimage(long)i*WIDTH+J=temp; 二、灰度拉伸二、灰度拉伸为了增强车辆图像和牌照图像(提取自车辆图像的对比度，使其明暗鲜明，有利于牌照识别，需要对它们进行灰度拉伸。灰度拉伸是将灰度分段线形变换，它将输入图像中某点(x，y)的灰度 f(x，y)，通过映射函数 T，映射成图像中的灰度 g(x，y)，即G(x，y)=Tf(x，y)假定原图像 f(x，y)的灰度范围为a，b，希望变换后图像 g(x，y)的灰度范围扩展至c，d，可采

37、用下述线形变换来实现。如下图 3.4： 毕业设计（论文）报告纸 15g(x,y)=(d-c)/(b-a)f(x,y)+c图 3.5 灰度转换原理图图像中大部分像素的灰度分布在区间a，b间，小部分像素的灰度级强度超出此区间。为改善增强效果，可令：g(x,y)=c (0= f(x,y)a)g(x,y)=(d-c)/(b-a)f(x,y)+c (a= f(x,y)c) g(x,y)=d (b= f(x,y)=Mf)车辆图像进行灰度拉伸前后，牌照区域的效果对比，可以看出，拉伸后，对比度明显增加。图像灰度拉伸的代码如下：Void GrayStrech(unsigned char *Image,int b

38、x,int ex,int by,int ey,) int hist256;for(i=0;i256;i+)histi=0;/统计灰度牌照图的直方图for(i=by;iey;i+) for(j=bx;jex;j+) 毕业设计（论文）报告纸 16histImage(i,j)+;int left=0; /直方图的左右边界int right=255;/直方图左界(此灰度级开始有目标像素)for(i=0;i1) break;Else continue;Left=i+3=0;i-) If(histi1) break;Else continue;Right=i-3left?i-3:I;If(right-le

39、ft2)freeBuffer(); Return FALSE; 毕业设计（论文）报告纸 17Float rate;Rate=(float)255/(right-left+1); /图像灰度的拉伸率/计算拉伸后的灰度图Int value;for(i=by;iey;i+) for(j=bx;jex;j+) Value=Image(i,j)-left;Value=(int)(rate*value+0.5);If(value255) value=255;Image(i,j)=(unsigned char) value; /拉伸后的灰度三、二值化图象：三、二值化图象：用一初始阈值 T 对图像 A 进行二

40、值化得到二值化图像 3.6图 3.6 二值化图像初始阈值 T 确定方法是：选择阈值 T=Gmax-(Gmax-Gmin)/3，Gmax 和 Gmin 分别是最高、最低灰度值。 毕业设计（论文）报告纸 18该阈值对不同牌照有一定的适应性，能够保证背景基本被置为 0，突出牌照区域，削弱背景干扰。四、模板运算消弱背景干扰四、模板运算消弱背景干扰对图像 B 作简单的相邻像素灰度值相减，得到新的图像， 图 3.7 模板消弱背景干扰图像即 Gi,j=|Pi,j-Pi,j-1|i=0,1,439;j=0,1,639Gi,0=Pi,0,左边缘直接赋值，不会影响整体效果。算法代码如下：void CTypeRec

41、View:OnTest12() CTypeRecDoc* pDoc=GetDocument(); /获得文档LPSTR lpDIB; /指向 DIB 的指针lpDIB = (LPSTR) :GlobalLock(HGLOBAL) pDoc-GetHDIB();/获得当前位图/用自定义的模板消弱背景干扰myTemplate(lpDIB);pDoc-SetModifiedFlag(TRUE);pDoc-UpdateAllViews(NULL);:GlobalUnlock(HGLOBAL) pDoc-GetHDIB();五、模板运算消弱背景干扰、去噪：五、模板运算消弱背景干扰、去噪：区域灰度基本被赋

42、值为 0。考虑到文字是由许多短竖线组成，而背景噪声有一大部分是 毕业设计（论文）报告纸 19孤立噪声，用模板(1,1,1,1,1)T 对 G 进行中值滤波，得到除掉了大部分干扰的图像如图 3.7。图 3.8 中值滤波算法代码如下：void CTypeRecView:OnTest13() / 中值滤波CTypeRecDoc* pDoc = GetDocument();/ 获取文档LPSTR lpDIB; / 指向 DIB 的指针LPSTR lpDIBBits; / 指向 DIB 象素指针int iFilterH; / 滤波器的高度int iFilterW; / 滤波器的宽度int iFilter

43、MX; / 中心元素的 X 坐标int iFilterMY;lpDIB = (LPSTR) :GlobalLock(HGLOBAL) pDoc-GetHDIB();/ 锁定 DIBlpDIBBits = :FindDIBBits(lpDIB); / 找到 DIB 图像象素起始位置/ 判断是否是 8-bpp 位图（这里为了方便，只处理 8-bpp 位图的中值滤波，其它的可以类推）if (:DIBNumColors(lpDIB) != 256) MessageBox(目前只支持 256 色位图的中值滤波！， 系统提示 ， MB_ICONINFORMATION | MB_OK); / 提示用户:Gl

44、obalUnlock(HGLOBAL) pDoc-GetHDIB();/ 解除锁定return;/ 创建对话框/ 初始化变量值iFilterH = 5; 毕业设计（论文）报告纸 20iFilterW = 1;iFilterMX = 0;iFilterMY = 2;BeginWaitCursor();/ 更改光标形状/ 调用 MedianFilter()函数中值滤波if (myMedianFilter(lpDIBBits, :DIBWidth(lpDIB), :DIBHeight(lpDIB), iFilterH, iFilterW, iFilterMX, iFilterMY)pDoc-SetM

45、odifiedFlag(TRUE); / 设置脏标记pDoc-UpdateAllViews(NULL); / 更新视图else MessageBox(分配内存失败！, 系统提示 , MB_ICONINFORMATION | MB_OK); :GlobalUnlock(HGLOBAL) pDoc-GetHDIB();/ 解除锁定EndWaitCursor();/ 恢复光标六、利用投影法检测车牌位置：六、利用投影法检测车牌位置：利用水平投影法检测车牌水平位置图 3.9 水平投影法检测车牌水平位置图算法代码如下：void CTypeRecView:OnTest14() 毕业设计（论文）报告纸 21C

46、TypeRecDoc* pDoc=GetDocument(); /获得文档LPSTR lpDIB; /指向 DIB 的指针 long lWidth; /图像宽度和高度long lHeight;lpDIB = (LPSTR) :GlobalLock(HGLOBAL) pDoc-GetHDIB();/获得当前位图lWidth = :DIBWidth(lpDIB); /DIB 宽度lHeight = :DIBHeight(lpDIB); /DIB 高度/水平投影，求取车牌子图像的上下边缘位置myHprojectDIB(lpDIB, lWidth, lHeight,&m_ipzTop, &am

47、p;m_ipzBottom) ;m_ipzLeft=0;m_ipzRight=lWidth;pDoc-UpdateAllViews(NULL);:GlobalUnlock(HGLOBAL) pDoc-GetHDIB();/对含车牌图像进行剪裁，得到车牌高度，原图像宽度的图像OnTempSubrect();利用垂直投影法检测车牌垂直位置 毕业设计（论文）报告纸 22图 3.10 垂直投影法检测车牌垂直位置图像算法代码如下：void CTypeRecView:OnTest15() CTypeRecDoc* pDoc=GetDocument(); /获得文档LPSTR lpDIB; /指向 DIB

48、的指针long lWidth; /图像宽度和高度long lHeight;lpDIB = (LPSTR) :GlobalLock(HGLOBAL) pDoc-GetHDIB();/获得当前位图lWidth = :DIBWidth(lpDIB); /DIB 宽度lHeight = :DIBHeight(lpDIB); /DIB 高度myVprojectDIB(lpDIB, lWidth, lHeight,&m_ipzLeft, &m_ipzRight) ;pDoc-UpdateAllViews(NULL);:GlobalUnlock(HGLOBAL) pDoc-GetHDIB()

49、;OnTempSubrect();综合以上步骤得到下图综合以上步骤得到下图 3.10：图 3.11 车牌图像提取七、截取车牌子图像：七、截取车牌子图像：图 3.12 车牌图像 毕业设计（论文）报告纸 233.2.2 牌照图像二值化图 3.13 牌照图片如上图可以看出：牌照图片可以看成是由前景字符和背景组成，在光照比较均匀的时候，图像二值化就相当于如何找到一个合适的阈值将字符和背景分开。当光照不均匀时，全局二值化就不合适了，所以要采用不同的方法。例如在光照弱的情况下，特别在夜间汽车前灯开启时，牌照图像的光照程度是很不均匀的，牌照字符与底色的对比度偏低，这时就要采用动态阈值法。二值化是非常关键的一

50、步, 二值化的效果直接影响到后面的字符切分和识别。因为字符的切分和识别是基于车牌区域的二值化的结果进行的。二值化算法又称为阈值算法,其目的就是要找出一个合适的阈值, 将待研究的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,尽量不丢失原来字符的特征。另外, 二值化算法还可以用在车牌定位这个过程中精确定位车牌的上下左右四个边界。为此, 必须对二值化算法作深入细致的研究，下图为经过处理的二值化图：图 3.14 二值化图像看起来并没有什么特别的，但二值化是分类的：基于灰度的二值化（又包括全局动态二值化、局部自适应二值化）彩色二值化（RGB 空间、HSV 空

51、间、CMYK 空间、YIQ 空间和 YUV 空间） ，下面介绍一下基于灰度的二值化，以及彩色二值化中的 HSV 空间二值化。1.基于灰度的二值化假设一幅灰度车牌图像的大小为 M 行 N 列, 用 f (x ,y) (0 x M,0 y max gray ； 找出最大的值,得到相应的阈值 k。Otsu 算法基于图像像素的灰度值分类,按照使类间 毕业设计（论文）报告纸 25方差与类内方差比值最大的原则获得门限值,使目标占背景之间方差最大,即找出使两个方差比 / 的最大的阈值 T ,这种算法具有以下优点： 22A算法的实现简单； 基于图像的整体特性的积分而非局部特性； 可推广到多阈值的分割方法； 该

52、算法的适用性强。然而,尽管该方法有一定的自适应性,但以灰度分布为特征,判决准则函数 S ( k) = / 可能呈双峰,即全局最大值不能保证是正确的阈值；另外当图像存在光22A照不均匀的现像时,往往整幅图无法找到合适的单一阈值。二、局部自适应二值化局部自适应二值化是针对灰度图像中的每一个像素逐点进行阈值计算的,以当前点为中心选取一个适当的邻域模板,从这个模板中的像素灰度值中获得判据,来决定对当前点是置 0 还是置 1。LEVBB 算法是局部自适应算法的典型算法： 对每一点计算阈值： ) 1,(min) 1,(max21),(2ykxfykxfyx计算另一阈值 T3 ： ) 1,(min) 1,(

53、max),(3ykxfykxfyx对每点的阈值 T2 进行一次滤波处理得新阈值 T4 ：) 1,(),(24ykxavgTyxT逐点对图像进行二值化若(f (x ,y) T4 (x ,y) ) 且(T3 (x ,y) (T1 - min) ) 则 b (x ,y) = 1 否则 b (x ,y) = 0 其中 T1 满足 H(x) 为灰度直方图。1 . 0)(2551TxxH2、彩色二值化上述二值化方法都是基于车牌的灰度图像的。但是我国的车牌占绝大多数是黄底黑字、蓝底白字, 还有少部分黑底白字以及白底黑字。前两种车牌的颜色信息非常丰富,可以充分利 毕业设计（论文）报告纸 26用这些信息来做些辅

54、助工作。关于彩色信息的提取,可以从不同的颜色空间去考虑,常用的有RGB 空间、HSV 空间、CMYK 空间、YIQ 空间和 YUV 空间等。RGB 空间是最简单也是最基本的一种颜色空间, 因为一般的图像都是 RGB 格式,从像素中可以直接提取出R、G、B 三分量。CMYK 颜色空间常用于印刷工业中； YIQ 颜色空间通常被北美的电视系统所采用(属于 NTSC 系统) ； YUV 则被欧洲的电视系统所采用(属于 PAL 系统) 。在车牌识别中颜色信息的利用可以从 HSV 空间去考虑, 这种颜色空间使用起来比较方便,已被广泛利用。HSV 颜色空间：HSV 颜色空间也称为 HSB 空间。H(Hue)

55、 指色调,是评定某种颜色的直接依据；S(Saturation) 指的是饱和度,即某种颜色的深浅；V(Value) 或 B(Brightness) 都是亮度,指的是颜色的明暗程度。其中色调分量是基于人眼能感知到的红橙黄绿青蓝紫这些基本的颜色信息,用0360 来表示。色调和饱和度的范围都是 0100。由于彩色图像中的每一个像素只含有R、G、B 三彩色分量,所以在使用 HSV 颜色空间之前得进行转换。转换公式如下： 设 = maxr ,g ,b , = minr ,g ,b macIminI0,0, 0maxmaxminmaxmaxIIIIIsV=maxIh=), 0( ,4), 0( ,2), 0

56、( ,)0( ,maxmaxminmaxmaxmaxminmaxmaxmaxminmaxbIsHIIgrgIsHIIrbrIsHIIbgsundefined其中,代表色调的个数,通常取为 60 。色度(H) 是由颜色名称来辨别的,如红、绿、maxH蓝等,它用角度 0360来度量,对应于颜色轮上的角度。亮度(V) 是指颜色的明暗程度,通常用百分比度量,从黑 0 %到白 100 %；饱和度(S) 指颜色的深浅,也用百分比来度量,从 0 %到 毕业设计（论文）报告纸 27完全饱和 100 %。彩色二值化方法及应用：经过长期的实验,我们发现定位车牌的上下左右四个边界这项工作是非常困难的。先对整个车辆图

57、像进行颜色分割,然后作纹理分析；这种方法虽然好,但最后对车牌的精确定位要用 Hough 变换来检测车牌的边缘；我们认为 Hough 变换应尽量少用, 因为它的计算量相当大,并且车牌的边缘不一定很清晰,再说车牌的两条竖直边很短,难以检测出来；我们的方法是：首先利用纹理扫描对车牌进行粗定位,然后适当向四周扩散,从粗定位的车牌的中心取出一小块区域判断颜色,根据判断出来的颜色从 HSV 空间中选取适当的 H、S 值进行二值化。这里没有利用 V 分量即亮度信息,主要是考虑到因为天气、环境以及人为等因素造成了车辆图像中的亮度信息最不稳定, 所以我们的二值化判据中只有色调和饱和度,其中又以色调 H 为主。步

58、骤如下： 由粗定位找出车牌的底色 Clr 并把车牌区域 A 适当扩大。对区域中的每一点按前面的公式计算出 H (x ,y) 、S(x ,y) 。逐点对图像进行二值化： 若 Clr =WHITE 或 Clr =BLACK,退出； 若 Clr = YELLOW, 如果 30 H(x ,y) 70 且 S(x ,y) 15 , 则 b (x ,y) = 0 , 否则 b (x ,y) = 1 ； 若 Clr =BLUE , 如果 170 H(x ,y) 250 且 S(x ,y) 18 , 则 b (x ,y) = 0 , 否则 b (x ,y) = 1 。在二值化完成后,再用区域标记法求出区域 A

59、 中的最大连通区,这里“最大”的含义是指连通区域中的点数最多。值得指出的是在进行搜索最大连通区域的时候,应当八连通进行搜索而不是四连通。因为有些时候由于车牌中的前景字体较粗、车牌破损、脏污或变形等原因,如按四连通进行搜索可能会出现最大的连通区域不是整个车牌而只是其中的一部分。使用这种 毕业设计（论文）报告纸 28方法,如果被拍摄的车牌是水平的,那么精确定位的结果正好能与原车牌的边框重合；如果被拍摄的车牌在水平方向有一定的倾斜,那么重定位后的上下左右四条边框与车牌的四个角基本相切,而不会漏掉有用的车牌信息。在实验中我们使用的原始车牌图像是 384*288 规格的,在预处理阶段先进行灰度转换获得原

60、图像的灰度图；接下来用中值滤波对灰度图像进行一次平滑去噪操作,采用的是 3*3 模板卷积；然后考虑到有光照强度不够的情况,所以对滤波后的图像进行一次灰度拉伸适当加强对比度；在这之后就开始纹理扫描, 粗定位车牌区域,获得一幅大概的灰度车牌图像并适当扩展；接下来就是二值化：在对灰度车牌进行二值化时,我们采用的是全局动态法与局部自适应相结合的方法。但在作全局动态二值化的时候直接用类间方差 作判据而没有用类2间与类内方差的比值/ ,然后再用一个 9*9 (即 1. 3 的 W 取 4) 的模板卷积进行一次局22A部自适应二值化,以消除光照不均带来的影响,效果非常理想。图 3.14 给出了几个实验结果： 图 3.15 基于灰度的二值