基于数字图像的车牌识别毕业设计论文

目

录第一部分：1.1PCI总线................................................................................................................41.1.1PCI总线的基本结构.1.1.2PCI总线A/D卡的通用结构.............................................................................51.2A/D卡的采集、存储和显示程序.......................................................................61.2.1A/D卡的采集的基本原理..................................................................................61.2.2实验结果与分析................................................................................................61.3.3设计程序..............................................................................................................91.4结果分析..................................................................................................................9第二部分：中文摘要英文摘要1引言

................................................................................................................10.................................................................................................................11.................................................................................................................121.1车牌识别技术的研究背景..................................................................................121.2国内外研究现状..................................................................................................121.3车牌识别系统研究目的及意义..........................................................................131.4别系统的构成.......................................................................................................131.5论文内容安排.......................................................................................................142车牌图像的预处理………………142.1预处理技术概述…………...............................141

2.2图像的灰度化…………2.3图像的二值化…………………2.4边缘检测…………………算子……………………..18算子…………………2.5本章小结………………………3车牌定位

……………………3.1常用的车牌定位算法………基于纹理特征的车牌定位…………………22基于数学形态的车牌定位………………243.2本章小结……………………264字符切割

………………….….264.1车牌字符切割方法…………….………..264.2本章小结………………………5字符识别

……………………5.1字符识别概述…………………5.2车牌字符识别特点…………5.3基于模板匹配的字符识别算法…………305.4实验分析………………………5.5结果分析………………………6设计评述…………32附录A车牌识别程序……………342

参考文献……………3

1.1PCI线1.1.1PCI线的基本结构：PCI，外设组件互连标准(PeripheralComponentInterconnect)一种由英特（Intel公司1991年推出的用于定义局部总线的标准此标准允许在计算机内安装多达10个遵从标准的扩展卡。最早提出的PCI总线工作在33MHz率之下，传输带宽达到133MB/s(33MHz*32bit/s)，基本上满足了当时处理器的发展需要随着对更高性能的要求1993年又提出了64bit的PCI总线，后来又提出把PCI总线的频率提升到。目前广泛采用的是、33MHz的PCI总线，64bit的PCI插槽更多是应用于服务器产品。从结构上看，PCI是在CPU和原来的系统总线之间插入的一级总线具体由一个桥接电路实现对这一层的管理并实现上下之间的接口以协调数据的传送管理器提供信号缓冲，能在高时钟频率下保持高性能，适合为显卡，声卡，网卡MODEM等设备提供连接接口，工作频率为33MHz/66MHz。PCI总线系统要求有一个PCI控制卡，它必须安装在一个插槽内。这种插槽是目前主板带有最多数量的插槽类型，在当前流行的台式机主板上ATX结构的主板一般带有槽，而小一点的MATX板也都带有插槽。根据实现方式不同PCI控制器可以与CPU一次交换32位或64数据，它允许智能PCI辅助适配器利用一种总线主控技术与并行地执行任务PCI允许多路复用技术，即允许一个以上的电子信号同时存在于总线之上。由于PCI总线只有的带宽，对声卡、网卡、视频卡等绝大多数输入/输出设备显得绰绰有余，但对性能日益强大的显卡则无法满足其需求。Intel在2001年春季的IDF上，正式公布了旨在取代总线的第三代I/O技术，该规范由Intel支持的AWG(ArapahoeWorkingGroup)负责制定。20024月17日，AWG正式宣布3GIO1.0规草稿制定完毕，并移交PCI-SIG（PCI别兴趣小组，PCI-SpecialInterestGroup）进行审核。开始的时候大家都以为它会被命名为SerialPCI(受到串行ATA的影响)，但最后却被正式命名PCIExpress，Express意思是高速、特别快的意思。4

2002年723日，PCI-SIG正公布了PCI1.0规范，并于2007年初推出2.0规范（Spec2.0，将传输率由PCIExpress1.1的2.5GB/s升到5GB/s；目前主流的显卡接口都支持PCI-E2.0。1.1.2PCI线A/D卡的通用结构：图3.1PCI总控制器桥接电路高速数据传输在PCI总线和本地总线之间进行,设计者只需设计本地总线接口控制电,外部设备可挂接本地总线上即可实现PCI总线的高速数据传输。本模块PCI数据采集模,可对4路单端输入的模拟信号并行采集,输入信号幅度为±10V,AD分辨率为12b总采样率为400k另外提供路脉冲信号的测量信号输入幅度也是±10V,输入信号频率≤MHz,比较电平为V根据要求设计的系统的原理框图如图3所示,系统由PCI接口电路FPGA逻辑控制电路、脉冲比较电路、D转换电路和信号调理电路几个部分组成。工作原理是模拟信号通过信号调理电路(前置电路),过滤波放大处理后,送到A/D转换,A/D转换后的数字信号送入FPGA进行缓存和处理,所得数据通PCI总线接口电路传入上位机(计算机)。为简化电路、提高集成度增强系统的抗干扰能力,4路模拟信号共用一片AD7864该芯片是高速率低功耗通道12位A/D转换器他可以同时对4路模拟信号进行采样,通过内部的选择器以分时复用的方式将信号量化输出。5

在设计中,FPGA主要负责与CI9030本地总线间的通讯以及A/D转换器的数据传输和系统各部分之间逻辑和时序的控制些控制是在Ⅱ开发系统中进行设计的,采用VHDL语言和原理图输入法相结合的方式完成。图.2数采集系统原理框图1.2A/D卡的采集存储和显示序1.2.1A/D的采集的基本原理：运行时的数据并送给PC机，通过运行PC机的特定软件对这些数据进行分析以此判断当前运行设备的状况进而采取相应措施当前常用的数据采集装置在其系统软件设计中多采用单任务顺序机制这样就存在系统安全性差的问题这对于稳定性实时性要求很高的数据采集装置来说是不允许的因此有必要引入嵌入式操作系统。下面以μＯＳⅡ为操作平台，基于ＡＲＭ７系列处理器，对一种高性能的数据采集系统开发进行探索。1.2.2实验结果与分析：6

7

8

1.3.3设计程序

：('D:\whx.txt');轴单位');轴单位');王海馨);1.4结果分析通过实验采集图像数据与通过数据在MATLAB软件上得到的图像比较两者是一样的，从而知道通过不同方式可以得到相同的结果。9

基于部分图像处理的车牌数字和字母的识别摘

要汽车车牌的识别在智能交通系统中占据重要地位有着广阔的发展前景基于图像处理的车牌识别是智能交通领域应用的重要课题之一实现交通管理智能化的重要环节。车牌自动识别系统主要包括预处理车牌定位字符切割字符识别四个关键环节本文主要研究的是在已经分割好的车牌的基础上通过部分图像处理技术进行数字和字母的识别。在识别阶段，利用模板匹配的方法，通过AD法来确定待测字符和模板字符中的相似程度终从复杂背景图像中有效的识别车牌字符。文章中对90张相片进行了测试，结果表明，基于模板匹配的车牌识别方法的整体识别率为约60%，证明该方法是有效的，可行的。关键词：汽车牌照，图像处，字符识别，模板匹配10

NumberandofLicensePlatethePartofImageProcessingAbstractRecognitionanimportantroleinAutomaticRecognitionSystem,promisinginintelligentLicenseAutomaticofimportantresearchsubjectsofImageandimportantofresearchintelligenceofmanagementandimplementation.LicenseRecognitionincludesfourimportantTheseLicenseCharacterSegmentationCharacterabouttheoflocatedVehicleLicensePlatebasedonthepartofprocessing.usetemplateADalgorithmtothesimilaritybetweenthetemplatetorecognizeplatelicensefromcompleximage.90werethethatintegralratethemethodisKeyImageProcessing,11

1

引言1．1

车牌识别技的研究背景车牌是识别技术[

是计算机视觉和模式识别技术在现代智能交通系统中的一项重要的研究课题，是实现交通管理智能化的重要环节。随着社会经济和高速公路的快速发展及汽车普及程度的日益提高、高效准确的交通智能管理系统日益受到们的重视汽车牌照识别技术的应用为现代交通的智能管理打开了一扇大门。汽车识别技术在牌识别技术在车辆过路、过桥全自动不停车收费交通流量控制指标的测量车辆自动识别高速公路上的事故自动测报，不停车检查，车辆定位，汽车防盗，稽查和追踪车辆违规、违法行为，维护交通安全和城市治安，防止交通堵塞，提高收费路桥的服务速度，缓解交通紧张状况等方面显出了强劲的生命力。1．2

国内外研究状车牌识别技术的研究[开始得很早，早在上世纪七十年代，就有不少研究人员和单位开始了这一技术的研究。由于在实际中存在光照、污损、缺损、无牌、格式多样等各种技术难题这一技术一直都停留在实验室阶段无法在实际工程中得到广泛应用从世纪年代初国外就已经开始了对汽车牌照自动识别的研究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确定汽车牌号在各种应用中有使用模糊数学理论也有用神经元网络的算法来识别车牌中的字符但由于外界环境光线变化光路中有灰尘季节环境变化及车牌本身比较模糊等条件的影响给车牌的识别带来较大的困难字符的提取是复杂背景下目标提取问题在复杂的背景中字符区域往往只占图像的小部分由于背景的复杂性背景纹理及颜色的复杂不确定性这些问题给提取字符区域带来较大困难并且字符区域的提取是整个系统过程的开始是比较关键的一步在一定情况下，还必须快速实时地完成。因此这部分工作具有一定的难度。目前国外的相关研究有：（1）提出的基于扫描行高频分析的方法；（2）提出的类字符分析方法等，为了解决图像恶化的问题；（3）Kat提的基于颜色的提取方法。关于车牌定位系统的研究国内外学者已经作了大量的工作但实际效果并12

不是很理想比如车牌图像的倾斜车牌表面的污秽和磨损光线的干扰等都是影响定位准确度的潜在因素为此近年来不少学者针对车牌本身的特点车辆拍摄的不良现象及背景的复杂状况先后提出了许多有针对性的定位方法使车牌定位在技术和方法上都有了很大的改善而现代化交通系统不断提高的快节奏将对车牌定位的准确率和实时性提出更高的要求因而进一步加深车牌定位的研究是非常必要的。1.3牌识别系统研目的及意义车牌识别系统的主要任务是分析和处理摄取到的复杂背景下的车辆图像定位分割牌照，最后自动识别汽车牌照上的字符LPR是利用车辆牌照的唯一性来识别和统计车辆它是以数字图像处理模式识别计算机视觉等技术为基础的智能识别系统在现代化交通发展中车牌识别系统是制约交通系统智能化代化的重要因素，LPR系统应该能够从一幅图像中自动提取车辆图像，自动分割牌照图像，对字符进行正确识别，从而降低交通管理工作的复杂度。1．4

车牌识别系的构成一个完整的汽车车牌识别系统的工作过程主要分为四个步骤：第一步预处理，由于摄像条件和客观因素的限制，如车辆牌照不整洁，光照条件不好，角度不适合，车速较快等原因，很容易对车牌识别系统的准确性造成干扰。第二步，车牌定位即图像的精确定位算法的实现用来确定车牌在整个图像中的相对位置，其输入是整个原始图像，输出是长方形车牌图像；第三步车牌字符的分割。用来将上一步得到的长方形车牌图像割为几个只包含单个待识别车牌号码字符的图像第四步车牌字符识别它用来从上一步得到的只包含单个车牌字符的图像识别出车牌号码输入是只包含单个车牌字符的图像输出是车牌号码字符串。整个车牌识别系统的关键技术是[3]一是车牌的定位；二是车牌字符的识别。车牌识别系统的结构如图1.1所示。预处理

车牌定位

字符切割

字符识别图1.1车识别系统结构图13

1．5

论文内容安本文共分为六章。第一章为引言，介绍了课题研究背景，国内外研究现状，车牌识别系统的结构图以及本文的工作安排；第二章为车牌图像的预处理介绍了图像处理相关知识并对车牌进行灰度化、二值化以及边缘检测；第三章为车牌定位要介绍了基于纹理特征和数学形态特征的车牌定位方法，并给出定位结果；第四章为字符切割根据车牌自身特征采用一种对水平投影法进行改进的车牌字符分割的方法对车牌进行分割；第五章为字符识别，详细介绍了模板匹配的方法，建立了字符模板，以及用AD算法检测待测字符和模板字符中的相似程度，最终通过MATLAB实现了车牌数字与字母的识别；第六章为结论总结了本文所做的主要工作并分析了其中的不足之处以待今后改进。在本文的安排过程中二章图像的预处理主要是介绍有关图像处理的相关知识第三章车牌定位第四章字符切割要是为第五章字符识别做前期准备。2

车牌图像的处理2．1

预处理技术述在数字图像处理中图像的预处理过程是数字图像处理的重要组成部分而对于车牌定位环节来说，车牌图像的预处理更是发挥着相当重要的作用。对于实际拍摄到的图片由于天气光照以及速度等外部因素的影响往往使得这些图像并不能直接应用到车牌识别过程中必须先对图像进行前期的处理以增强图像的质量例如一般情况下车牌识别系统处理的都是灰度图像，因此要先将拍摄的彩色图像转换为灰度图像在拍摄车牌照片时照片的图像质量往往会受到光照雾天气等因素的影响要先对车牌图像进行降噪处理，尽量降低噪声对识别过程的影响于晚上或者在光线比较暗的情况下拍摄的图像其对比度必然较低因此我们还要对这些图像进行图像增强加其对比度，14

凸显灰度值较高的图像部分弱化背景以利于后续工作的展开上述所说的这些在展开识别过程以前为了弱化甚至消除对识别结果不利的因素而采取的对车牌图像的前期处理工作，被称之为车牌图像的预处理过程。在车牌识别领域，图像的预处理过程主要包括的内容有图像的灰度化处理、图像二值化、边缘检测以及图像平滑等等。2．2

图像的灰度现如今在智能交通系统中拍摄到的车牌图像基本上都是真彩色图像真彩色图像可以使用很多种颜色空间来进行表示际应用中使用最广泛的颜色空间是颜色空间在彩色颜色空间下彩色图像包含了大量的颜色信息例如，在颜色空间下，彩色图像的每一个像素点均由（红（绿B（蓝）三个颜色分量组成就是说RGB空间下一幅图像的存储矩阵大小，这样就使得在空间下彩色图像所占用的存储空间很大[3]

。同理，使用其他彩色颜色空间存储图像时也会产生同样的问题就导致在对彩色图像进行图像处理时会占用更多的存储空间并且会极大的降低系统的处理速度其在速度上的影响对于车牌识别系统的实时性要求来说是绝对不可容忍的因此在进行车牌识别过程时有必要将彩色图像转换为灰度图像灰度图像是只包含了图像的亮度信息而不包含图像的色彩信息的图像图像的亮度信息256级[

，即每一个灰度图像的像素点的取值为之间的整数值度图像的存储矩阵大小为，其中矩阵中的每一个元素代表灰度图像中相应点的像素的亮度。由此我们可以很容易发现理灰度图像时程序的执行效率将远远高于执行同样的彩色图像时程序的执行效率。以颜色空间为例，我们可以认为图像的灰度化过程就是使得彩色图像像素的R、、B分量变得相等的过程。如在一幅图像中，如果图像中每一个像素的RB分量都相等，R=G=B，则该图像将会表现出灰度图像的特征。因此，图像的灰度化问题就转化为如何调整彩色图像中像素的三个分量，使得的问题。彩色图像的灰度化方法主要有如下三种（g代表灰度化后像素点的亮度值（1）平均值法，取彩色图像中像素点三个分量的平均值，即：

R

（2.115

（2）最大值法，取彩色图像中像素点R、、三个分量的最大值，即：(,)

（2.2（3）权平均值法，根据彩色图像像素点R、、B三个分量的重要性或者其他指标赋予三个分量不同的加权W再使g等于R、rbGB个分量的加权平均值，即：车牌的灰度图像如图2.2示。

WRGrg

（2.32.116

2.22．3

图像的二值二值图像是指图像中只有黑白两种像素值的图像在二值图像中黑色用0表示，白色用1示，二者之间没有灰度层次的变化。车牌图像的二值化[就是将图像中感兴趣的目标特征进一步的提取出来些特征包括目标区域的灰度值、轮廓、纹理特征、频谱特征以及直方图特征。二值化的原[6]

就是利用图像中目标图像与背景图像直接灰度值上的差异，从而取得一个阈值或者阈值范围，再用这个结果将图像转换为只有目标图像和背景图像的二值化图像牌二值化图像如图。17

2.32．4

边缘检测边缘是指图像灰度发生剧烈变化的边界，它是图像分割的基[7]。边缘检测是数字图像处理和计算机视觉中的基本问题目的是标识数字图像中亮度变化明显的点图像的边缘检测大幅度的减少了图像包含的数据量去除了不相关的信息保留了图像的重要的结构属性图像的边缘检测是图像分割纹理特征提取以及形状特征提取等图像后续处理的前提尤其对于车牌定位来说边缘检测更是其中的关键环节。图像区域的边缘可以分为两种一种是阶跃边缘它的两边的像素的灰度值有着明显的不同还有一种是屋顶边缘它位于灰度值从增加到减（或者从减少到增加）的变化的转折点上[

。下面对这几种常用的边缘检测方法做一简单介绍。2.4.1Canny算子[9]

算子是于年由Canny提出的基于最优化算法的边缘检测算子，它把边缘检测问题转换为检测单元函数极大值的问题有很好的信噪比和检测18

1y1yx精度。算法按照以下步骤对图像进行处理：(1用高斯滤波器平滑图像高斯函数的一阶微分是对理想滤波器的很好近似。用一维高斯函数：G

e

(2)

(2.4构造高斯滤波器，分别按行和列对原始图像f(,进行卷积作，得到平滑图像g(y)(2)计算梯度的幅值和方向取算子的一阶卷积差分模板为：H

H

则平滑后的图像g(y)的度幅M(x,)和梯度方

(x)可表示为：其中：

M(x,)(x,)2(x,)xyE(x,y)Ex,x(,)f(x)*Hxy)1(x,y)(,)*H(x,)2

2

（2.5（2.62.4.2Roberts子Roberts算子是一种利用局部差分算子寻找边缘的算子。假设灰度图像f(,y)是具有整数像素坐标的输入。其梯度定义为：(x,)

(x)(x)ii

y

（2.7通常情况下我们把梯度的摸叫做图像的梯度对于数字图像来说可以用差分来近似上述微分过程。模板使用斜向上的个像素的交叉差分定义的，即：(xy)((,y)f(y

f(xy)fy

（2.8一般情况下，可以将上式简化为如下两种形式：19

(x,y)f(,y)(xyf(y)f(x,y(,)fx,)f(xyf(xy)f(x,)公式（）和（2.10）表示称模板的形式如下：

（2.9（2.10）

0

Roberts算子采用对角线方向上相邻两个像素之差近似梯度幅值检测边缘。这种算法检测水平边缘和垂直边缘的效果要好于斜向边缘定位精度高但是它对噪声很敏感。Roberts算子的边缘检测如图所示。20

2.5

reborts

21

2．5

本章小结本章主要介绍了车牌识别系统中所要用到的相关的图像预处理技术在车牌识别系统中车牌图像的预处理是其基础图像预处理效果的好坏将对车牌识别的后续处理过程（如车牌定位，字符分割等）产生直接的影响。本文对图像的灰度化、图像增强、二值化、边缘检测等预处理技术进行了介绍，并简要分析了各种预处理方法的优缺点。3

车牌定位车牌定位就是将车牌区域从整个车牌图像中寻找出来牌定位在车牌识别系统中占有举足轻重的地位牌定位的精确程度将对系统后续的字符分割和字符识别连个部分产生直接的影响另外车牌定位的速度也会对车牌识别系统的性能以及实际应用产生重大的影响近年来众多研究者在车牌定位领域做了大量的工作，并取得了丰硕的成果。3．1

常用的车牌位算法车辆牌照的定位问题是在复杂背景下的图像分割和目标提取问题实际的应用中，由于所获取的车牌图像的信噪比不高，图像有可能会出现倾斜等情况，二值化后的图像更是会出现字符的断裂变形等因此寻求鲁棒性更高并且同时兼具实时性和适应性的定位算法一直都是人们不懈追求的目标了达到快速准确的从车牌图像中分离出车牌区域的目的内外的研究者们提出了诸多车牌定位的方法，这些方法大部分都是基于上述所说的车牌的纹理特征、灰度特征、几何特征以及颜色特征等等。下面对几种主要的车牌定位算法进行简单的分析介绍。3.1.1

基于纹理特分析的车牌位基于车牌统计直方图的定位方法综合使用了车牌的结构特征和纹理特征[11]来对车牌区域实施定位相对于其它非车牌区域来说车牌区域包含有字符的变化特征，即含有丰富的边缘信息（细节信息因此，对提取得到的车牌边缘图像进行行扫描或列扫描，则车牌区域的跳变特性会明显有别于其它非车牌区域。22

其跳变特征在很大程度上标示了车牌的位置信息因此可基于车牌边缘图像的统计特征进行车牌的识别即车牌识别的统计直方图方法使用此方法进行车牌定位分为两步首先对车牌进行粗定位然后在粗定位图像的基础上对车牌进行精确定位。(1)车牌粗定位粗定位即从车牌的边缘图像中寻找并提取出包含有车牌图像的区域的过程。由于车牌区域中包含有大量的边缘信息，因此对该行（列）进行扫描时，其灰度跳变的次数将明显有别于其它非车牌区域的行（列我们可以利用这一特征实现车牌的粗定位。这种方法又分为行定位和列定位两步首先对边缘图像进行行扫描统计每一行的灰度值再依据一定的判决参（如总灰度值大于某一阈值来判断当前行是否属于车牌区域由此就能大致确定车牌的起始行和结束行然后再对得到的行区域进行列扫描同样可以大致确定车牌的开始列和结束列由此就完成了对车牌的粗定位。需要注意的是过粗定位后会得到得到多个车牌粗定位的候选区域。此时需要结合车辆牌照在图像中的位置信息几何特征宽高比等先验知识对候选区域进行进一步的判定，确定真正的车牌区域。(2车牌的精定位在车牌区域中其纹理结构和背景有很大的差别车牌区域具有更多更密集的纵向边界而且车牌字符和背景的对比度比较大在车牌区域上的表现就是车牌区域水平方向上的灰度变化频度很高。根据这些特征和一些必要的先验知识，就可以对粗定位区域进行更精确的定位。考虑粗定位区域在水平方向上的一阶差分运算通过一节差分运算可以有效的突出粗定位区域中灰度变换频繁的区域。一阶差分运算的定义如下式所示：(,)fx,y)f(,y

（3.1其中，f(,y)表示车牌的粗定位图像，gy)示f(x,水平差分图像。然后对g(,y)在水平方向上做直方图投影般情况下在直方图中会有一个被两个波谷包围的一个波峰区域区域拥有直方图上的最大峰值且占据了直方图的23

AA(,yA大部分宽度，判定此波峰区域为车牌的水平精定位区域。对垂直方向的精定位过程和水平精定位相似样需要对粗定位图像作垂直方向上的差分直方图投影只不过此时得到的直方图上会有一系列的峰值而不是一个峰值直方图呈现出峰—谷—峰的结构此时直方图上会有一个波峰密集的区域并且此区域的宽度满足牌照宽高比的先验知识由此我们也可以确定车牌在垂直方向上的精确位置。经过上述过程就完成了基于统计直方图投影的车牌精确定位。3.1.2

基于数学形学的车牌定数学形态学[诞生于20世纪年代中叶，它基于集合论，具有完备的数学基础基本思想是使用具有一定形态的结构元素取量度和提取图像中的对应形状以达到分析识别图像的目的形态学是一种非线性滤波方法它可以用来解决图像滤波、边缘检测、图像分割、形状识别、纹理分析、图像压缩、图像恢复与重建等图像处理问题。数学形态学有四个基本运算：膨胀、腐蚀、开启和闭合。在二值化图像分析中，数学形态学方法具有明显的优势。(1)膨胀运算膨胀运算就是扩张物体的边界，将与物体接触的所有背景点也合并到物体中，使得边界向外部扩充。膨胀能消除图像中的空洞，经过膨胀运算后，图像的面积会增大设为二值化图像，B为结构元素则A被B膨胀记为其定义是：A(x)A

（3.2上式可以解释为AB胀所得到的集合为当B的原点平移(x,)时，B与的交集非空。(2)腐蚀运算腐蚀是膨胀的逆运算它缩减物体的边界将物体的边界归入背景点使得物体的边界缩小蚀会去除像中的离散点际达到了去除图像噪声的作用。经过腐蚀运算后，图像的面积会减小。图被B腐蚀，记为A其定义是：

（3.324

同样，腐蚀可以解释为：A被腐蚀所得到的集合为，当B的原点平移到(,)时，包含于A。(3)开运算和闭运算此外，数学形态学中还有开运算和闭运算，这两种运算实际上是膨胀和腐蚀的组合运算对于二值化图像A和结构元素B来说，B下的开运算可记为A，其定义是：)

（3.4即在B下的开运算先对进行腐蚀运算结果再进行膨胀运算开运算对图像具有平滑效果它能消除图像的边缘毛刺以及孤立斑点等等同样对的闭运算可记为•其定义是：•AB)

（3.5由公式可以看出闭运算是开运算的对偶运算即对进行先膨胀后腐蚀的运算。闭运算具有过滤功能，它可以填充图像内部的微小空洞以及裂隙等。形态学的车牌定位方法主要是基于上述四种形态学基本运算其是形态学的开闭运算用开闭运算对字图像进行处理以得到多个可能的车牌区域，然后再根据一定的判别法从确定的待选车牌区域中确定真正的车牌位置牌定位结果如图3.1。25

图车定位3．2

本章小结本章主要讨论了车牌定位的相关问题辆牌照的自动定位是车牌识别系统中的关键环节车牌定位的成功与否直接决定了车辆牌照能否实现车牌图像的特征在车牌定位过程中具有非常重要的作用后介绍了几种典型的车牌识别算法基于纹理特征的车牌定位算法和基于数学形态学的车牌定位算法最终定位出车牌图像。4

字符切割图像切割是指按一定的规则，将图像与背景分成不同的部分或子集的过程。车牌字符切割就是将车牌图像进行二值化处理图像的字符和背景分开成二值图像由于分割本身是图像处理的一个难题而实际拍摄的车牌图像因为不同程度地存在以下问题而影响字符分割的准确性。（1）脱色、泥点、反光等原因使车牌图像质量下降，存在严重噪声。（2）边框和铆钉容易造成分割不准确。（3）车牌的前个字符和后面个字符之间的间隔符（小圆点）需要进行26

特殊处理。（4）光照不均容易引起分割错误。4．1

车牌字符分方法由于实际拍摄的车牌图像容易受环境的影响所以本文采用的是一种对水平投影法进行改进的车牌字符分割法[。步骤如下：（1）对预处理后的车牌图像，自左向右逐列统计各列所包含的白色像素点（本文中车牌字符为白色像素点，将统计后的结果存储到一个1n矩阵中n的大小与车牌图像的宽度相同（2）利用车牌图像中，第一个字符是汉字的特点。首先对车牌图像自左向右逐列扫描将各列包含的白色像素点的数目与某一固定阈（本文设定的阈值为2）进行比较，当遇到第一个大于固定阈值的列时，则该列即认为是字符分割的起始位置然后继续扫描下一列直至遇到小于固定阈值的列时停止为了克服水平投影法对解决汉字不连通问题的不足文将该列与字符分割的起始列作差其差值再与另一固定阈本文设定为车牌图像宽度的九分之一作比较。若大于阈值则说明第一个字符分割结束若小于阈值则说明分割得到的不是一个完整的汉字还需继续扫描下一列当扫描到大于固定阈值的列时说明扫描到汉字字符的另一半继续扫描下一列直至遇到小于固定阈值的列再将该列与字符分割的起始列作差，其差值与等于车牌宽度九分之一的阈值进行比较，若大于阈值，则说明第一个字符分割结束，若小于阈值，则继续上述步骤，直到大于阈值时，停止。第一个字符分割结束。（3）车牌图像中第二到第七个字符，一般为字母或数字，不存在不连通的问题其分割方法较第一个汉字字符简单自左向右扫描图像各列当遇到大于固定阈值（本文设定为2阈值需大于，因为车牌的前2个字符和后面字符之间一般存在一个小圆点）的列时，则该列即被认为是字符分割的起始位置，继续扫描直至小于固定阈值或其扫描宽度大于另一固定阈（车牌宽度的六分之一）时，第二个字符分割结束。利用相同的方法，可以分割出其他的字符。该方法，较好地解决了，汉字的不连通问题、字符的粘连问题、噪声的干扰问题以及车牌的前2字符和后面5个字符之间存在的小圆点问题然程序的执行时间较水平投影法长，但实践证明还是行之有效的。如下图、4.3示。27

图4.2车原始图像图4.3分后的车牌字符28

4．2

本章小结本章主要讨论了车牌字符切割的方法牌字符切割的方法直接影响了下一步车牌识别的效率本章采用基于水平投影的改进方法进行字符切割该方法较好地解决了汉字的不连通字符的粘连噪声的干扰以及车牌的第个字符和第3个字符之间存在小圆点的问题，实践证明此方法是行之有效的。5

字符识别5．1

字符识别的述经过图像预处理车牌定位及字符分割等过程后车牌区域由一个整体的字符串图像被切分为单个的字符图像。由此，车牌识别系统进入了最后一个环节：字符识别字符识别技术是车辆牌照识别中的核心技术之一它是指对输入的附加有字符信息的图像通过图像分析和模式识别技术运用一定的数学运算输出附加在图像中的正确的字符信息的过程[14]

。字符识别的本质是对字符的特征进行提取通过分析字符的拓扑结构或统计信息提取字符的某些特征根据这些特征对字符进行分类字符的特征可以分为结构特征和统计特征[

构特征主要有骨架、轮廓、笔画等。在字符识别中，骨架特征在字符的结构特征中占有重要地位，它还可以进一步分为字符的特征点端点交叉点转折点等计特征是从原始数据中提取与分类相关的信息，使类内差距极小化类间差距极大化特征又可分为全局特征和局部特征。对整个字符图像进行某种变换变换系数作为图像的一种特征为全局特征。全局特征包括变换、余弦变换、小波变换、矩特征以及笔画的密度特征等局部特征是在特定位置对固定大小的窗口内的图像进行变换它包括局部网格特征、投影特征等等。字符识别技术将字符图像转换为字符码是模式识别技术应用最成功的分支之一其基本思想是从包含字符的模式样本的点阵图形中提取出描述该字符的特征，然后根据一定的判决规则，判定该样本所属的模式类别。字符描述、特征提取和选择分类判决共同构成了字符识别的三个基本环节字符识别的关键是分类器的选择与组织求一个具有良好的容错能力和自适应能力的分类器是字符识别的主要目标。29

5．2

车牌字符识的特点同一般意义上的字符相比，车牌字符识别有其独有的特点[（1）字符集小各种车辆牌照中包含的字符有各省（市、自治区）简称、军用车辆简称、使领馆车辆以及教练车辆等汉字字符以及英文字母和10数字字符的类别不超过100类，其分类规模要远远小于一般的车牌自动识别系统。对于格的车牌来说，这个分类规模还要更小。（2）字符集可以进一步细分车牌区域可以分为三个部分地区简称部分发牌机关代号部分以及牌照编码部分这三个部分所使用的汉字都有相应的规定地区简称部分使用一个代表省省（市、自治区）简称的汉字；发牌机关代号部分使用大写英文字母；编码部分混合使用大写英文字母和数字因此整体字符集又可以细化为汉字集字母集和字母数字集。（3）外界因素影响大车牌识别系统在户外全天候工作外界因素很敏感昼夜交替雨雪天气、车辆行驶速度过快等都会对图像采集造成干扰致提取的字符模模式样本）出现字符模糊、变形、断裂等情形，进而影响最终的识别率。因此，字符识别算法最好具备较强的抗干扰性和适应性。（4）实时性随着需求的提升单一的车票识别系统已经不能满足实际的需求现在车牌识别系统主要是作为一个模块应用在智能交通管理系统中统的应用场合要求它必须能及时的对车辆进行图像采集、处理，以及牌照识别等工作。显然，字符识别模块也要具有较高的处理速度和效率，满足实时性的要求[16]

。5．3

基于模板匹的字符识别法模板匹配[

是模式识别领域最典型的算法之一，它先在待测图像中提取出若干特征再用这些特征与标准模板中的相应特征进行比对利用一定的判决规则判定待测模板的分类在用模板匹配法对字符进行识别时通常要先确定一个标准的字符模板库该标准模板库中包含了字符集中每个字符的特征集合如横、竖、撇、捺、折、点、连通域以及某些统计特征等，然后提取待识别字符的30

,n,n(m相应特征集合将待识别字符的特征和标准模板库中的字符特征进行比对依据判决规则（如计算特征模板间的距离）对待识别字符进行分类。计算模板匹配法中相似度算法有算法、差方和算法（算法）以及NCC法等。SSD算法19]

通过计T之间的灰度值距离对图像进行相似度匹配。其计算公式如下：D(ij)

NN

（5.1NCC法[20]

mn即归一化交叉相关算法它是法的变形其匹配公式为：

ij(mn)ij)()R(i,j

mn

ij

,)(

ij))2

()T))

（5.2mn式中(i,j和T)分别搜索子S

ij

mn和模板T的灰度平均值。AD算法[21]通过计算尺寸为M的待搜索灰度图S和尺寸为NN的模板TM）之间的距离的绝对差值来确定和T之间的相似程度，并最终确定分类。最简单的计算绝对差值的公式如下：D(ij)

N

ij(m)(n

（5.3n在字符比较标准时，模板匹配法对字符图像的缺损、污迹有较强的免疫力，而且具有较大的识别率；但是，在字符旋转、变形的等情况下，识别效果较差。图5.131

5．4

实验分析本章是在车牌已分割好的字符的基础上采用模板匹配法进行字符识别首先收集好字符模板建立字符模板库其次已分割好的字符作为待测字符，通过AD算逐一计算出的待测字符与字符库中相似度最后将相似度大的字符输出，完成字符识别。为了检验本章提出的车牌识别算法，本文对90多张车辆图像进行试验。以下列出3数据，给出了原始图像及识别结果，如图所示。(a)原始图像

matlab识别果(c)原始图像

(d)matlab别结果图5.25．5

结果分析由实验结果可知用模板匹配方法车牌数字和字母的识别率约60%实验表明，该算法是可行的。部分由于受到环境因素（天气、照明）以及车牌新32

旧程度的影响，很难提取完整的矩形边框，对后续的识别影响很大。另外，对候选区的搜索时，按单一法则进行搜索，当车牌倾斜角稍大，就会出现误定位，最终导致识别错误，因此，在以后的学习和工作中还需进一步改进。6

设计评述本文主要就自然场景下的车牌字符识别问题进行研究过图像处理技术进行车牌识别本文所做的工作具体包括以下几部分在第一章绪论中主要研究了课题的研究背景以及国内外的研究现状阐明了车牌自动识别的流程以及本文的主要工作第二章图像预处理阶段车牌识别前需要进行的图像灰度化、二值化以及边缘检测等工作进行了介绍在第三章车牌定位阶段通过常用的定位方法基于纹理特征和数学形态的方法进行定位在第四章字符分割中并提出了本文的字符切割方法在车牌识别阶段通过模版匹配法对车牌数字和字母进行识别文算法的识别率还有待进一步提高远远达不到实际应用的要求，希望在以后的学习和工作中，不断改进。通过对基于数字图像的车牌识别这一课题的设计研究我对数字图像处理这一门课程有了全新的认识和学习对基于数字图像的车牌识别这一课题进行了系统的学习掌握了课题研究背景内外研究现状牌识别系统的结构图、车牌图像的预处理，并对车牌进行灰度化、二值化以及边缘检测、车牌定位，基于纹理特征和数学形态特征的车牌定位方法并给出定位结果字符切割根据车牌自身特征用一种对水平投影法进行改进的车牌字符分割的方法对车牌进行分割、字符识别，模板匹配的方法，建立了字符模板，以及用AD算法检测待测字符和模板字符中的相似程度，最终通过MATLAB现了车牌数字与字母的识别等一系列知识，同时也使我熟悉了MATLAB一软件的应用。33

附录A：[d]=main(jpg)allclc车牌图片jpg');figure(1),imshow(I);title('原图)I1=rgb2gray(I);figure(2),subplot(1,2,1),imshow(I1);title('灰图');图);I2=edge(I1,'robert',0.15,'both');figure(3),imshow(I2);title('robert算子测)I3=imerode(I2,se);34

figure(4),imshow(I3);title('腐蚀后图像');se=strel('rectangle',[25,25]);figure(5),imshow(I4);title('平滑图像的轮廓');I5=bwareaopen(I4,2000);figure(6),imshow(I5);title('从对象中移除小对');Blue_y=zeros(y,1);fori=1:yforj=1:xBlue_y(i,1)=蓝色像素点统计endendend[tempMaxY]=max(Blue_y);%Ywhile((Blue_y(PY1,1)>=5)&&(PY1>1))35

endwhile((Blue_y(PY2,1)>=5)&&(PY2<y))endIY=I(PY1:PY2,:,:);%%%%%%X%%%%%%%%%Blue_x=zeros(1,x);%进定xforj=1:xforBlue_x(1,j)=endendendPX1=1;while((Blue_x(1,PX1)<3)&&(PX1<x))endPX2=x;while((Blue_x(1,PX2)<3)&&(PX2>PX1))36

endPX1=PX1-1;%dw=I(PY1:PY2-8,PX1:PX2,:);t=toc;figure(7),subplot(1,2,1),imshow(IY),title('行方向合理区域);figure(7),subplot(1,2,2),imshow(dw),title('像)imwrite(dw,'dw.jpg');[filename,filepath]=uigetfile('dw.jpg','输入一个定位裁剪后的车牌图像');jpg=strcat(filepath,filename);a=imread('dw.jpg');imwrite(b,'1.车牌灰度图像.figure(8);subplot(3,2,1),imshow(b),title('1.车像)g_max=double(max(max(b)));g_min=double(min(min(b)));%d=(double(b)>=T);%二imwrite(d,'2.车牌二值图像.37

figure(8);subplot(3,2,2),imshow(d),title('2.车像)前)%h=fspecial('average',3);imwrite(d,'4.均值滤波后jpg');后)%%%个的正%'line'/'diamond'/'ball'...%eye(n)thematrixifbwarea(d)/m/n>=0.365elseifd=imdilate(d,se);endimwrite(d,'5.膨胀或腐蚀处理.jpg');38

后)%d=qiege(d);figure,subplot(2,1,1),imshow(d),title(n)k1=1;k2=1;s=sum(d);j=1;whilej~=nwhiles(j)==0endk1=j;whiles(j)~=0&&endk2=j-1;ifk2-k1>=round(n/6.5)%分endend39

%d=qiege(d);%7个字y1=10;y2=0.25;flag=0;word1=[];whileflag==0left=1;wide=0;whileendifwide<y1%认为是左d(:,[1:wide])=0;d=qiege(d);elsetemp=qiege(imcrop(d,[11wide[m,n]=size(temp);all=sum(sum(temp));iftwo_thirds/all>y21end40

endend%[word2,d]=getword(d);%[word3,d]=getword(d);%[word4,d]=getword(d);%[word5,d]=getword(d);%[word6,d]=getword(d);%[word7,d]=getword(d);41

%此处演示20]);20]);20]);20]);20]);20]);20]);imwrite(word