2023年尹其畅数字图像处理大作业

《数字图像解决》大作业

——车牌辨认

（车牌定位和字符分割部分）

学院:电子与控制工程学院

专业：交通信息工程及控制

学号：—

姓名:尹其畅

任课教师：丁爱玲

车牌辨认系统

1车牌辨认系统

1.1车牌辨认系统的概述

目前随着科技和经济的日益发展，智能交通系统在世界范围内引起直视,

我国已经将其列入科技计划重点实行。智能交通系统是交通发展的必然趋势，而

车牌辨认系统是智能交通系统中的重要组成部分。该系统可以记录十字路口违章

车辆,实现高速公路，收费路口，停车场等地的收费。既减少了人力，又节约了时间，

还提高了效率。

车牌辨认系统的重要任务是分析和解决摄取到的复杂背景下的车辆图像,

定位分割牌照，最后自动辨认汽车牌照上的字符,LPR是运用车辆牌照的唯一性

来辨认和记录车辆，它是以数字图像解决、模式辨认、计算机视觉等技术为基础

的智能辨认系统。在现代化交通发展中车牌辨认系统是制约交通系统智能化、现

代化的重要因素，LPR系统应当可以从一幅图像口自动提取车辆图像，自动分割

牌照图像，对字符进行对的辨认,从而减少交通管理工作的复杂度。

车牌字符辨认的实质是对车牌上的汉字、字母和数字进行快速准确的辨认

并以字符串的形式输出辨认结果，字符辨认技术是整个车牌辨认系统的关键。车

牌辨认系统与其它图像辨认系统相比较而言要复杂的多，在字符辨认中，汉字辨

认是最难也是最关键的部分，很多国外较为成熟的车牌辨认系统无法进入中国市

场的因素就在于无法有效的辨认汉字。

1.2车牌辨认系统的结构和工作原理

车牌辨认技术的任务是解决、分析摄取的车辆图像,实现车牌号码的自动

辨认。典型的车辆牌照辨认系统是由图像采集系统、中央解决器、辨认系统组成,

一般还要连接相应的数据库以完毕特定的功能。当系统发现（通过埋地线圈或者

光束检测）有车通过时，则发出信号给图像采集系统，然后采集系统将得到的图像

输入辨认系统进行辨认,其辨认结果应当是文本格式的车牌号码。

图1.1车牌辨认系统原理图

车牌整体辨认过程大体可分为四个环节：图像预解决、车牌定位和分割、车

牌字符分割和车牌字符辨认。

图1.2车牌辨认流程图

⑴图像预解决,在外界光照不均匀，光照强度不稳定的情况下，通过摄像机采集

到的车牌原始图像会模糊不清，因此需要对其进行图像增强的解决；在外界环境

噪声以及电子器件自身产生的噪声干扰下，车牌图像质量会有所下降，因此需要

对原图像进行去噪解决；当摄像头摆放位置与车辆牌照悬挂位置存在一定角度，

或者在摄像头进行拍摄的过程中，由于车辆发动机的震动导致摄像头抖动从而使

摄取到的车牌图像具有一定限度的倾斜,因此需要对车牌图像进行倾斜矫正等等。

以上所做的这些解决均属于图像预解决的工作。

⑵车牌定位分割，在一张完整的车辆图像中，大部分区域都是背景图像，对辨认

工作毫无意义,我们可以将背景区域视为无用区域，并设法将其去除，即从复杂的

背景图像中准确的定位并分割出车牌区域图像，从原图像中提取出需要的部分舍

弃不需要的部分，以便节省系统辨认时间，这也是车牌定位分割的目的及意义所

在。在定位分割的过程中要保证不能把非车牌区域误判为车牌区域,也不能漏检

车牌区域,否则后继的工作将无法进行。

⑶车牌字符分割，被分离出的车牌区域图像，系统并不能直接对其进行辨认，还

需要将车牌上的每一个字符都独立的完整的分割出来，即从车牌区域图像中将车

牌上所包含的每一个字符都切分出来，使其成为不具有任何相关性的单个字符图

像，再由系统分别对每个字符进行辨认，在对字符进行切分时，要注意保证每个

字符的完整度。

⑷字符辨认:车牌字符辨认是系统的最后一个环节，也是最为关键的一步，前面

对车牌图像所做的解决都是为了完毕最终的辨认。系统输入的是单个的字符图像,

输出的却是文本格式的完整的车牌号码，车牌字符辨认的准确率直接反映出车牌

辨认系统性能的好坏。

对于车牌辨认系统而言，以上的每一个环节都是必不可少的，并且后一环节

均是建立在前面环节的基础之上进行的，因此，只有保证做好每一步才干顺利完

毕系统最终的辨认工作。

本文采用VS2023与opencV1.0相结合对车牌定位过程进行解决。

2车牌定位

车牌定位是将通过前方摄像头采集的图像通过预解决后，根据车牌的区域

特性来判断车牌的位置。采集是指从摄像头读入一幅图像或者打开本地现存的一

幅彩色位图文献。而预解决涉及灰度化，二值化，灰度拉伸及边沿提取等过程。

图图像垂直投影

这些过程包含将待解决图像彩色信息转换成灰度信息，较少解决过程中的信息量,

节约了时间。并且过滤图像噪声使图像区域特性明显，根据区域特性拟定车牌区

域。车牌定位的流程图如图2.1所示：

图2.1车牌定位的流程图

2.1车辆图像采集与预解决

车辆图像的采集是车牌辨认的第一步工作，只有采集到合理的车辆图像，并

使本地预解决,才可以进行后续的字符分割与辨认工作。

2.1.1车辆图像采集

当与摄像头外设相连时，通过捕获具有车辆的一帧图像进行解决.也可以直

接打开一幅计算机本地存储的位图文献，本文采用此方法，在PlateIde

ntify工程里的资源视图的菜单资源中，为【文献】I【打开】菜单项在Plate

IdentifyDoc类中添加响应函数onOpenducument。车辆图像采集结果如图

2.2所示：

图2.2车辆图像采集结果图

2.1.2车辆图像预解决

(1)灰度化

通常情况下，实际的车牌辨认系统中由摄像机采集到的原始图像是彩色图像,

所有的彩色图像都是由红(R)、绿(G)、蓝(B)三基色组合而成，在数字图像中每

一个基色都被分为256个等级，即0~255。由R、G、B三基色不同级别的组

合方式，可以计算出一幅彩色数字图像最多可包含256^16777216种颜色.在

灰度图像中R=G=B,因此灰度图像中只有一种灰度颜色，同彩色图像中的三基

色同样，灰度色也被提成0-255,共256个等级，同理可以计算出一幅灰度图

像最多只包含256种颜色。由此可见，一幅彩色图像所包含的信息量远远大于

一幅灰度图像,它不仅需要大量的存储空间还需要复杂的图像解决算法，这使得

整个车牌辨认系统操作时间过长,无法达成其实时性的规定。所以，应将采集到

的彩色图像转换成•幅灰度图像，这个过程便是图像的灰度化。令g为转换后灰

度图像在某一点的灰度值，R、G、B分别为转换前该点的R、G、B分量。常用

的灰度化解决方法有以下三种：

(1)最大值法(Maximum)

g=max(R,G,B)

(2-1)

这种方法解决后灰度图像的亮度会偏高。

⑵平均值法(Average)

B+G+R

g=--------

3

(2-2)

这种方法解决后灰度图像的亮度较柔和。

(3)加权平均值法(WeightedAverage)

_WR—+WGG+%8

(2-3)

式(2-3)中，WR、WG、WB分别为R、G、B的权值，当其权值取不同的值时，可以

形成不同灰度的灰度图像，由于人眼对绿色的敏感度最高,红色次之,蓝色最低。

因此当WG>WR>WB时，所产生的灰度图像更符合人眼的视觉感受，通常WR=

0.9,Wc=l.77,WB=O.33时图像的灰度最合理,即

g=O.3R+0.59G+0.1IB(2-4)

式(2—4)中:R表达原图像中每个像素点的红色分量的值,G表达原图像中每个

像素点的绿色分量的值,B表达原图像中每个像素点的蓝色分量的值。g表达灰度

变换后图像中每个像素点的颜色值。本文使用加权平均值法对彩色汽车图像进行

灰度化解决。木章选择加权法来对图像进行灰度化。灰度化解决同样采用open

cv提供的库函数。灰度化预解决结果如图2.3所示:

图2.3灰度化预解决结果图

(2)二值化

一但图像是指整幅图像内仅有黑，白两个值。为了加快解决速度并可以将车

牌字符与车牌背景分开,通过阈值的设定将灰度值小于阈值的像素直接设立为0,

灰度值大于阈值的像素直接设立为255.因此阈值的选择至关重要，阈值分为全

局阈值与局部阈值。全局阈值方法速度比较快，但是容易受到光线条件，背景亮

度及车牌背景的影响从而引起笔画的丢失。局部阈值也许引起伪影或笔画断裂。

本章采用全局阈值的方法实现。选择的阈值如下：

G，.,xGiin

T=(2-5)

%3

其中，心山和Gm为最高和最低灰度值，二值化解决同样采用。Pencv提

供的库函数。二值化预解决结果如图2.4所示。

图2.4二值化预解决结果图

(3)灰度拉伸

有时由于光线问题会导致图像局部过亮或过暗，这就需要对图像进行拉伸，

使之覆盖较大的取值区间，使得亮的区域更亮,暗为区域更暗,提高图像的对比度,

从而使图像边沿明显，车牌的信息能表现更加清楚。灰度拉伸是将灰度图像进行

分段性变化。若源图像f(x,y)灰度变化为[a,b],希望变换后图像g(x,y)的灰

度范围扩展到[c,d],变换公式如下：

(c>0<f(x,y)<a

g(x,y){(三)/ay)+c，aWf(x,y)<b(2-6)

(d,b<f(x,y)<255

灰度拉伸后的效果如图2.5所示。

图2.5灰度拉伸后的效果图

(4)边沿增强

边沿重要存在于目的与目的，目的与背景之间，是分割目的，提取纹理的重要

特性。通过边沿增强的方法突出车牌丰富的纹理信息，使得车牌定位更加快速，

准确。常用边沿检测算子检测每个像素的点的邻域，并对灰度化率进行量化，常

用的边沿检测算子有：Robe「ts算子,Sobel算子,Prewitt算子,Laplacian

算子,Gauss-Lapcian算子及Canny算子等。本文采用opencv提供的Canny

算子来实现。边沿增强后的效果如图2.6所示。

图2.6边沿增强后的效果图

2.2车牌区域定位

车牌定位是根据本通过预解决后的图像中的车牌进行准确的位置拟定。车牌

定位在整个车牌辨认系统中至关重要，只有准拟定位车牌才干为后续的辨认工作

提供有力的保障。目前车牌的定位有很多种方法，本节采用水平投影和垂直投影

相结合的方法来定位车牌的位置。

1.水平投影定位

通常车牌靠近整幅图像的下半部分，因此由下向上扫描。对前面解决过的图

像的像素沿着水平方向累加产生一个车牌图像的投影分布,车牌位置应当相应投

影分布的某个峰值,波峰的宽度所包含的区域就应当相应的车牌所在的水平位置。

对每一个波峰进行检测，当测定的高度与车牌投影高度相近时;即可认为是车牌

的上下边界,就能准确的定位出车牌的水平位置。

2.垂直投影定位

垂直投影定位与水平投影原理相似。首选对图像做垂直投影，对得到的水平

投影从左到又的扫描，当超过一定的跳变时，即认为是车牌区域，若扫描的宽度

符合车牌的宽高比约为3:1的区域，即认为是车牌的垂直区域。水平扫描区域与

垂直扫描区域相交汇的区域，即为车牌区域。

车牌区域定位的结果如图2.7所示：

图2.7车牌区域定位图

3字符分割

字符分割是根据已经拟定的车牌位置提取每一个字符的过程。由于在拍摄的

过程中车牌的位置很也许是倾斜的，所以一方面将车牌的图像二值化，然后将二

值化的车牌图像进行水平校正，最后通过车牌区域内的垂直投影拟定每一个字符

的位置。分割流程图如图3.1所示：

车牌图像二值化―>车牌倾斜校正—>分割字符

图3J分割流程图

3.1图像二值化

对车牌图像的二值化与前面所提到的图像预解决中的二值化原理和实现相同。

车牌图像二值化的结果如图3.2所示：

图3.2车牌图像二值化的结果图

3.2倾斜校正

由于拍摄因素导致车牌的图像有一定的倾斜,为了使字符处在同一水平位置