车牌识别设计与实现(毕业论文)

《车牌识别设计与实现(毕业论文)》由会员分享，可在线阅读，更多相关《车牌识别设计与实现(毕业论文)（36页珍藏版）》请在装配图网上搜索。

1、目录摘 要IAbstract II1绪论 11。1 课题的来源及意义11.2 课题主要研究的问题21。3 系统设计的目标及基本思路21.3.1 设计目标 21.3。2 基本思路32图像预处理 42.1 汽车牌照的特征42。2 灰度变换52.3 图像增强62.4 图像边缘提取及二值化72。4。1 图像边缘提取72。4.2 灰度图像二值化142。 5 形态学滤波153车牌定位方法研究 193.1 车牌定位常用方法介绍193.1.1 基于纹理特征分析的定位方法 193。1。2 基于数学形态学的定位方法 193.1。3 基于边缘检测的定位方法193.1。4 基于小波分析的定位方法 193.1。5 基于

2、图像彩色信息的定位方法203。2 基于行扫描灰度跳变分析的车牌定位方法204车牌识别方法研究 224。1 牌照区域的分割和图像进一步处理224.1.1牌照区域的分割224。1.2车牌进一步处理224.2 字符的分割与归一化234.2。1字符分割234。2。2字符归一化244.3 字符的识别245总结与展望 275。1 总结275.2心得体会275。3展望28致谢29参考文献30附录一31摘要车牌识别系统作为智能交通系统的一个重要组成部分，在交通监控中占有很 重要的地位.车牌识别系统可分为图像预处理、车牌定位和字符识别3个部分,其 中车牌定位作为获得车辆牌照图像的重要步骤，是后续的字符识别部分能

3、否正确 识别车牌字符的关键环节。车牌定位系统实现对车辆牌照进行定位的功能，即从 包含整个车辆的图像中找到车牌区域的位置，并对该车牌区域进行定位显示,将 定位信息提供给字符识别部分。针对车牌本身固有的特征，本文首先介绍了在车牌定位过程中常用的几种数 字图像处理技术：图像的二值化处理、边缘检测和图像增强等。其次介绍了现在 常用的车牌定位方法，并对这些方法进行分析，总结出各种方法的优缺点,然后 在此基础上提出采用基于行扫描灰度跳变分析的方法对车牌进行定位，并使用 MATLAB仿真实现车牌定位与识别系统。最后对该系统进行了测试，测试结果表明 该系统具有良好的人机交互方式，具有较高的识别正确率和较快的识

4、别速度，对 用户给定的待测图像能够迅速准确地进行车辆牌照的定位并将定位结果显示给 用户，该系统具有一定的实用价值。关键词：车牌定位，灰度图像，行扫描，投影AbstractAs an important part of the Intelligent Transportation Systems ， License Plate Recognition System plays an important role in traffic monitoring area. License plate recognition system can be divided into three parts，

5、 i。e., image pre processing， license plate location and character recognition. The vehicle license plate location is an important procedure which is used to obtain a license image。 It is also the key of the following character recognition system which can identify the correct license plate character

6、s. License plate location system can perform the vehicle license location function, i.e., finding the location of the vehicle license in the image containing the entire vehicle license plate， positioning the plate region and then demonstrating the location information on the computer screen which wi

7、ll be transferred to the character recognition system.According to the own inherent characteristics of license plate， this thesis introduces many commonly used digital image processing techniques in the location process of license plate: binary image processing ， edge detection and image enhancement

8、, and so on. Then， we introduce the commonly used methods of license plate location. Further ， we analysis these methods and summarize their advantages and disadvantages. Moreover, we propose locating plate by using the grayscale image projection and line scanning method with edge detection. This sy

9、stem was implemented by using the MATLAB 。 Finally, the experimental results indicate that the system has a good human-computer interaction, a better identification rate and higher speed. For images provided by users, the system can quickly and accurately locate the vehicle license and display the l

10、ocation results to the users 。 Therefore， this system has some practical values。Key words： license plate location， gray-scale images， line scan, projection1 绪论1。1 课题的来源及意义科学技术在不断进步 ,极大程度的提高了人民的生活水平 ,改善了生活质 量，但也使得汽车的数量急剧增加。城市里道路交通引发的一系列问题也逐渐引 起了人们的重视.怎样科学并且有效的进行交通管理是有关部门现在面临的一个 问题。信息化的智能交通系统(ITS)，有效地

11、解决了这个问题，使得经济活力得 以提升，提高了道路运输效率，更加保障了行车安全，实现了道路交通的自动化 管理。本次设计的车牌识别系统,是智能交通系统的一个重要组成部分，在交通 监控领域发挥着相当重要的作用。车辆的牌照就如同人的身份证一样，通过查询车牌就能查询到该车的相关 身份信息。因此在智能交通系统中，车牌识别系统需要处理的信息来源于车辆的 这一唯一身份标识,也就是汽车的牌照,车牌识别系统因此也成为智能交通系统 研发的核心。车牌识别系统按照识别的步骤来说，可以分为这样三个部分：预处 理车牌图像，车牌位置的确定和车牌字符的识别。车牌图像先经过一系列步骤进 行处理变成可以直接识别的灰度图像,这个灰

12、度图像包含了车牌号信息。接着会 使用到Roberts算子进行边缘检查。然后使用基于行扫描灰度跳变分析的方法确 定车牌在图像中的位置。字符识别所使用的方法是对二值化后的字符部分进行水 平投影,再垂直投影将字符分割成一个一个分开的字符。将分割开的字符与数据 库中的模板进行匹配，匹配完全符合即为字符识别成功了。有效并且高速的车牌 定位系统，将能够大大提高车牌识别系统的识别精度与识别速度。车牌识别系统 以其特有的强大功能，成为了交通管理自动化和车辆检查系统的一个非常重要的 组成部分，它在交通监视和控制中起着非常重要的作用，可以应用到以下交通控 制领域：(1)高速公路和停车场收费管理系统。对于公路收费的

13、入口和出口，车辆行 驶通过不用停车就可以完成收费；还可以根据识别出来的车牌号码查询到车辆有 没有及时缴纳路桥费，是否通过年审和有没有缴清罚款之类的。（2）交通场所布控管理系统。该系统使用车牌识别技术,自动识别相关车辆, 在需要的时候可以实现快速报警功能，不仅能防止机动车被盗，为公安机关进行 刑事侦查和破案提供了高科技手段.（3）高速公路超速监控系统。该系统以车牌识别技术为核心加上其他高科 技手段,建立起无人自动监测系统，可以有效地用于解决因在高速公路上超速行 驶造成的交通事故.同时当车辆的速度高于限制值，就可以通过摄像头获取汽车 的图像，并识别出获得的车牌的号码，以便于对违章车辆进行罚款.1.

14、2 课题主要研究的问题（1）车牌图像预处理的方法？（2）采用何种方法对汽车牌照进行定位？（3）采用何种方法对汽车牌照进行识别？1。3 系统设计的目标及基本思路1.3。1 设计目标本系统主要应用于对车辆图像进行车辆牌照的定位和车牌字符的识别，根据 这一实际应用背景，确定了系统设计的三个目标：实用性、高速性和鲁棒性.实用性：该系统主要应用于车辆管理，以及其他与车牌有关系的领域，所以 具有很重要的实用价值，为了提高其实用价值，要充分考虑系统在应用中所遇到 的问题，防止由于识别的偏差导致结果的不正确 ,影响工作的进程，降低工作的 效率.高速性：由于本系统处理的对象为运动中的车辆 ,在实际应用过程中，提

15、交 给系统的车辆图像间隔时间较短，因此本系统必须能够高速地对车辆图像进行分 析处理，并获得结果。鲁棒性：在整个车牌自动识别过程中，本系统首先从图像中准确获得车辆牌 照的区域,继而对车牌区域的字符正确识别。而在实际应用过程中,系统获得的车 辆图像必然会有参数不规范的现象，因此本系统必须能够适应各类图像并能够对 输入的车辆图像具有较高的定位准确率。1.3.2 基本思路由于车辆牌照相对于车辆本身以及周围环境，具有其独有的特征 ,所以在车 牌的定位过程中,一般采取的办法是利用车牌区域的特征来判断牌照，将车牌区 域从整幅车辆图像中分割出来.利用的车牌特征主要包括：（1）车牌区域边缘灰度与外部区域存在明显

16、的灰度差异。（2）车牌的几何特征，即车牌的高、宽和高宽比在一定范围内。（3）车牌区域的字符与背景颜色之间存在明显的灰度差异.（4）车牌区域水平或垂直投影特征,车牌区域水平或垂直投影呈现连续的峰 谷峰的分布。本系统针对车辆牌照的这一系列特征，采用基于行扫描灰度跳变分析的基本 思路进行车辆牌照的定位方法。该方法首先通过对灰度图像进行二值化、边缘检 测、滤波等处理，获得较理想的供定位图像，然后对该图像进行垂直和水平方向 的行扫描，结合车辆牌照的上述特点，通过分析图像的灰度跳变特征，对车辆牌 照进行定位1.车辆牌照定位后对牌照区域字符进行分割，将分割好的字符进行二值化并将 其尺寸大小缩放为字符数据库中

17、模板的大小，然后与所有的模板进行匹配，最后 选最佳匹配作为结果.2 图像预处理图像预处理是车牌定位的准备工作，以提高车牌图像的适用性。从采集卡获 得的原始图像不仅包括汽车牌照，而且还有汽车本身和汽车的背景图像 ,因此必 须去掉这些非牌照图像的影响，才有可能正确的提取出牌照区域，为后面的车牌 字符识别打下基础.在实际应用中，由于季节的更替、自然光照度的昼夜变化、 光照的稳定性与均匀性、车辆自身的运动、观察点不同（摄像机的角度、位置、 观察角度等）、采集图像的设备本身的因素等的影响，图像传感器所获取的图像 有时并不令人满意，存在各种各样的噪声。因而必须对图像进行预处理，以改善 图像质量，提高字符识

18、别率。2.1 汽车牌照的特征车牌识别系统需要全天候工作，在白天、黑夜、阴天、晴天、雨雪、逆光等 情况下无故障地进行工作。尤其是在强光照射下，得到的数字图像各处反光不均 匀,在夜间的时候，汽车前灯往往造成数字图像亮度不均匀，对比度较低，这些 情况往往需要进行直方图均衡操作。当车辆速度很高时，会造成拍摄的图片模糊， 甚至变形。路面问题，现在国内很多路面条件较差，常常会导致车牌污染严重、 倾斜、甚至变形。从而使得获得的图片质量很差，会造成识别困难 .在车辆车牌 中包含汉字、字母和数字,其中字母和数字识别比较简单，汉字字符笔画繁多、 结构复杂，识别困难,因此需要得到的数字图像有较高的分辨率,对应算法有

19、较高 的抗干扰性。汽车牌照作为车辆的唯一身份标识，其特征也就成为车牌定位的重要参考依 据。车辆牌照的特征有形状特征、字符特征和灰度变化特征等。车牌定位系统在 处理这些特征时将会应用到数字图像处理技术2.（1）形状特征 标准车牌的宽、高、以及宽高比一定。车牌的边缘是线段围成的有规则的矩 形，大小变化有一定的范围汽车前车牌的标准外轮廓尺寸为440x140,每个字符 宽度为45,高度为90，间隔符宽10,字符间隔12。整个车牌的宽高比近似为3:1。实 际中摄像机的拍摄角度不同,拍摄到的车牌宽高比例会有所差别.（2）字符特征 标准车牌首位为省名简称，共有31个字符（不考虑军、警车）；次位为英文 字母（

20、除去“ I）共25个英文大写字母；后面五位为英文字母或阿拉伯数字（字母 除去字母“I”和字母“0”），共有34个字符。（ 3）灰度变化特征车牌的底色、边缘颜色以及车牌外的颜色都是不相同的 ,表现在图像中就是 灰度级互不相同，这样在车牌边缘形成了灰度突变边界。实际上，车牌的边缘在 灰度上的表现是一种屋脊状边缘；在车牌区域内部 ,穿过车牌的水平直线其灰度 呈现连续的波峰、波谷、波峰的分布；车牌区域内的边缘灰度直方图具有两个明 显并且分离的分布中心；车牌区域内的水平和垂直投影呈现连续的波峰、波谷、 波峰的分布。这部分特征主要用在对灰度图像进行车牌定位、字符分割方面3。2.2 灰度变换灰度图是指只包含

21、亮度信息，不包含色彩信息的图像，例如平时看到的亮度 连续变化的黑白照片就是一幅灰度图。灰度化处理就是将一幅彩色图像转化为灰 度图像的过程彩色图像分为R、G、B三个分量,分别显示出红、绿、蓝等各种颜 色，灰度化就是使彩色的R、G、B分量相等的过程。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）。本次灰度图像变换的实现采用了 rgb2gra y函数rgb2gray :转换RGB图像或颜色映像表为灰度图像格式： I=rgb2gray（RGB）I=rgb2gray（ A）原始图像和灰度图如图21、 2-2所示：图21原始图像4000350030002500

22、2000150010005000 100 200图22灰度图像2.3图像增强对车辆图像进行灰度化处理之后，车牌部分和非车牌部分图像的对比度并不 是很高，此时如果直接进行边缘提取，由于车牌界限较为模糊，难以提取出车牌 边缘，因而难以准确定位车牌.为了增强牌照部位图像和其他部位图像的对比度， 使其明暗鲜明，有利于提高识别率，需要将车辆图像进行增强。图像增强的目的是对图像进行加工，以得到对具体应用来说视觉效果更适于 计算机识别的图像。增强图像的方法有很多，如灰度变换、图像平滑处理和线性 滤波等，根据处理图像域又可分为空间增强与频域增强。目前用于车牌图像增强 的方法有：灰度拉伸、直方图均衡、中值滤波、

23、高斯滤波、邻域滤波、图像腐蚀、 多图像平均、同态滤波等等。在本设计中用到运动目标检测一图像开运算，图像的开运算是先腐蚀后膨 胀，用来消除小物体、在纤细点处分离物体、平滑较大物体的边缘同时并不明显 改变其面积.(1)对原始图像进行开运算得到背景图像：s=strel ( disk ,13)；%调用stre 1函数Bgray=imopen(Sgray，s);%对图像进行开运算figure,imshow (Bgray)； title (背景图像);输出背景图像，如图2-3所示图23背景图像图图24增强后的黑白图像(2)原始灰度图像与背景图像做减法，对图像进行增强处理： Egray=imsubtract

24、(Sgray,Bgray)；figure， imshow(Egray);title (增强黑白图像)； 输出黑白图像如图2-4所示。2。4图像边缘提取及二值化2.4.1图像边缘提取边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间,边缘检测主要是精确定位边缘和抑制噪点，原理是:由于微分算子具有突出灰 度变化的作用，对图像进行微分运算，在图像边缘处及其灰度变化较大，故该处 微分计算值较高，可将这些为分支作为相应点的边缘强度，通过阈值判别来提取 边缘点，即如果为分支大于阈值，则为边缘点。其基本步骤是首先利用边缘增强 算子，突出图像中的局部边缘,然后定义像素的“边缘强度”,通过设置

25、门限的方 法提取边缘点集4。常用的传统边缘检测算子有 Roberts 算子、 Sobel 算子、 Prewitt 算子、 Laplace算子等.Roberts算子：边缘定位准确，但对噪声敏感，去噪声作用小,适合于边缘明 显且噪声较小的图像分割；物体的边缘总是以图像中强度的突变形式出现的，所 以物体边缘包含着大量的信息。由于物体的边缘具有十分复杂的形态 ,因此，最 常用的边缘检测方法是所谓的“梯度检测法。设f (x, y)是图像灰度分布函数；s(x, y)是图像边缘的梯度值；(x, y)是梯度的方向。则有2-1)(n=1,2,。.)9 (x, y)二 tan-1 f (x, y + n) - f

26、 (x, y)/ f (x + n, y) - f (x, y)s( x, y) = f (x + n, y) - f (x, y) 1 + f (x, y + n) - f (x, y) 1 卜2-2)式(21)与式(2-2)可以得到图像在(x, y)点处的梯度大小和梯度方 向。将式(21)改写为： _,乜g (x, y)二 f (x, y) -J f (x +1, y +1) 2 + Q f (x +1, y)-Q f (x, y +1) 2g(x, y)称为Roberts边缘检测算子。式中对f (x, y)等的平方根运算使该处 理类似于人类视觉系统的发生过程。事实上Roberts边缘检测

27、算子是一种利用局 部差分方法寻找边缘的算子，Robert梯度算子所采用的是对角方向相邻两像素值 之差，所以用差分代替一阶偏导，算子形式可表示如下：A f (x, y)二 f (x, y) - f (x -1, y -1)x2-4)A f (x, y)二 f (x -1, y) - f (x, y -1)y上述算子对应的两个2x2模板如图2-5所示。实际应用中，图像中的每个像素点都用这两个模板进行卷积运算，为避免出现负值，在边缘检测时常提取其绝对值。100101-10a)图2-5(b)Robert算子模板Sobe 1算子：它是方向性的，在水平和垂直方向上形成了最强烈的边缘Sobel 算子不仅能检

28、测边缘点，而且能抑制噪声影响，对灰度渐变和噪声较多的图像处 理得较好;该算子是由两个卷积和gjx, y)与g2(x, y)对原图像f (x, y)进行卷积运算而得到的。其数学表达式为：S (x, y)二 MAX 艺牙m=1 n=1f (m,n)g (i-m, j -n),m=1 n=1f (m,n)g (i-m, j -n)2-5)实际上Sobe 1边缘算子所采用的算法是先进行加权平均，然后进行微分运算,我们可以用差分代替一阶偏导，算子的计算方法如下:A f( x, y) = f (x -1, y +1) + 2 f (x, y +1) + f (x +1, y + 1)-f (x -1, y

29、 -1) + 2 f (x, y -1) + f (x +1, y -1)A f (x, y) = f (x -1,y -1) + 2f (x -1,y) + f (x -1,y +1)f (x +1,y -1) + 2f (x +1,y) + f (x +1,y +1) y(2-6)Sobe 1算子垂直方向和水平方向的模板如图2-6所示，前者可以检测出图像中的水平方向的边缘，后者则可以检测图像中垂直方向的边缘。实际应用中，图像中的每一个像素点都用这两个卷积核进行卷积运算，取其最大值作为输出。运 算结果是一幅体现边缘幅度的图像。a)(b)图2-6 Sobe 1算子模板Prewitt算子:利用局

30、部差分平均方法寻找边缘的算子，它体现了三对像素点像素值之差的平均概念，因为平均能减少或消除噪声，为此我们可以先求平均， 再求差分，即利用所谓的平均差分来求梯度。用差分代替一阶偏导可得算子形式 如下：NJ (x, y) = f (x +1, y +1)+ f (x, y +1) + f (x -1, y + l)f (x +1, y -1) + f (x, y -1) + f (x -1, y -1) f (x, y) = f (x -1, y -1) + f (x -1, y) + f (x -1, y +1)f (x +1, y -1) + f (x +1, y) + f (x +1, y

31、+1) y(2-7)Prewitt边缘检测算子的两个模板如图27所示，它的使用方法同Sobe 1算子 一样，图像中的每个点都用这两个核进行卷积，取得最大值作为输出.Prewitt算 子也产生一幅边缘图像。与Sobe 1算子相比，对噪声抑制较弱。(a)(b)图2-7 Prewitt算子模板Laplace算子:它是一个与方向无关的各向通行边缘检测算子，对细线和孤立点检测效果好，但边缘方向信息丢失，常产生双像素的边缘，对噪声有双倍加强 作用，很少直接用于检测边缘。对于阶跃状边缘，其二阶导数在边缘点出现过零交叉，即边缘点两旁的二阶 导数取异号，据此可以通过二阶导数来检测边缘点。拉普拉斯边缘检测算子正是

32、 对二维函数进行二阶导数运算的标量算子，它的定义是：d 2d 2V 2f (x，y) =f (x，y) +f (x，y)ox2dy2(2-8)用差分代替二阶偏导时，与前述三个一阶导数算子不同 ，拉普拉斯算子的形 式可表示如下:2 f (x, y) = f (x +1, y) + f (x -1, y) + f (x, y +1) + f (x, y -1) - 4 f (x, y)A2 f (x, y) = f (x -1, y -1) + f (x, y -1) + f (x +1, y -1) + f (x -1, y) + f (x +1, y)+f (x -1, y +1) + f (

33、x, y +1) + f (x +1, y +1) - 8 f (x, y)(2-9)拉普拉斯边缘检测算子的模板如图 28 所示,模板的基本特征是中心位置 的系数为正，其余位置的系数为负，且模板的系数之和为零。它的使用方法是用 图中的两个点阵之一作为卷积核，与原图像进行卷积运算即可。拉普拉斯算子又 是一个线性的移不变算子，它的传递函数在频域空间的原点为零，因此，一个经 拉普拉斯滤波过的图像具有零平均灰度。拉普拉斯检测模板的特点是各向同性， 对孤立点及线端的检测效果好，但边缘方向信息丢失，对噪声敏感，整体检测效果不如梯度算子。因此，它很少直接用于边缘检测。但注意到与Sobe 1算子相比,对图像进

34、行处理时，拉普拉斯算子能使噪声成分得到加强,对噪声更敏感。5-11-11811-1-1（a）（b）图2-8 Laplace算子模板通过实验图对几种边缘检测算子进行仿真（图2-9至211），可知:（1） Roberts算子定位比较准确，但由于不包括平滑，所以对噪声比较敏感。（2）Prewitt算子和Sobe 1算子都是一阶的微分算子，而前者是平均滤波，后 者是加权平均滤波,对噪声具有一定的抑制能力，但不能完全排除检测结果中出 现伪边缘。该类算子对灰度渐变和具有噪声的图像处理比较好.其中Sobe l算子比 Prewitt算子更能抑制噪声的影响。（3）Laplace算子对图像中的阶跃性边缘点定位准确

35、，对噪声非常敏感，丢失 一部分边缘的方向信息，造成一些不连续的检测边缘。边缘检测算子的实现代码：I2=edge（I1， Roberts， 0。 09，both）；Figure， imshow（I2）； title（ Roberts算子）;凡血也盖子边堆检测图 2-9 Roberts算子；沁曲:聲子边堆检测图 2一10 Prewitt算子引止I算子边绦绘酒图211 Sobe 1算子通过边缘检测仿真结果图可见，几个边缘检测算子都可以较好的提取所需的 车牌边缘.为了车牌的定位，希望车辆图像的车牌区域突现出来的同时，其它边 缘能够很好的得到抑制.Roberts算子提取边缘能有效地检测出车牌区域的纹理特

36、 征，所以，本次设计选用Roberts算子。2。4。2灰度图像二值化灰度图像的二值化处理就是将图像上的点的灰度值置为0或255，也就是将整 个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值 选取而获得仍然可以反映图像整体和局部特征的二值化图像在数字图像处理 中，二值图像占有非常重要的地位，要进行二值图像的处理与分析，首先要把灰 度图像二值化，得到二值化图像,这样子有利于再对图像做进一步处理时,图像的 集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理 变得简单,而且数据的处理和压缩量小。为了得到理想的二值图像，一般采用封 闭、连通的边界定义不交叠

37、的区域。所有灰度大于或等于阀值的像素被判定为属 于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度 值为0,表示背景或者例外的物体区域。如果某特定物体在内部有均匀一致的灰 度值，并且其处在一个具有其他等级灰度值的均匀背景下，使用阀值法就可以得 到比较的分割效果。如果物体同背景的差别表现不在灰度值上（比如纹理不同）， 可以将这个差别特征转换为灰度的差别，然后利用阀值选取技术来分割该图像。 动态调节阀值实现图像的二值化可动态观察其分割图像的具体结果。本文采用的图像二值化最佳阈值计算方法如下：Level= (fmaxl-(fmaxlfminl)/3)式中Leve 1为最佳阀值

38、，fmax为最大灰度,fmin为最小灰度，将图像二值化： fmax1=double(max (max (Egray)；%egray 的最大值并输出双精度型fmin1=double(min(min(Egray)；% egray 的最小值并输出双精度型level= (fmax1-(fmax1-fmin1) /3)/255；%获得最佳阈值bw22=im2bw(Egray, level)；%转换图像为二进制图像bw2=double(bw22)；figure,imshow (bw2)； title (图像二值化);%得到二值图像，如图 2-12:国宦二笛化图2-12灰度图像二值化2。5形态学滤波形态学是

39、法国和德国的科学家在研究岩石结构时建立的一门学科。形态学的 用途主要用来获取物体拓扑和结果信息，他通过物体和结构元素相互作用的某些 运算，得到物体更本质的形态。人们后来用数学形态学表示以形态为基础对图像 进行分析的数学工具。他的基本思想是用一个被称为结构元素的探针收集图像的 信息。当探针在图像中不断移动时，便可考察图像各个部分间的相互关系，从而 了解图像各个部分的结构特征作为探针的结构元素，可直接携带知识（形态大小 以及灰度和色度信息）来探测所研究图像的结构特征。数学形态是一种非线性滤波的方法，可以用于抑制噪声，进行特征提取、边 缘检测、图像分割等图像处理问题。数学形态学首先被用来处理二值图像

40、，后来 也被用来处理灰度图像，现在又有学者开始用软数学形态学和模糊形态学来解决 计算机视觉方面的问题。腐蚀是一种消除边界点的过程，结果是使目标缩小，空洞增大,因而可有效地 消除孤立噪声点;膨胀是将于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，孔洞减小，可填补目标物体中的空洞，形成联通域先腐蚀后 膨胀的过程为开运算，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为闭运算，具有填充物体内细小空洞，连接临 近物体和平滑边界的作用。本次毕业设计是运用了这种方法来实现其中重要步骤的。对图像做了开运算 和闭运算，这两种运算是数学形态学中的重要运算.

41、开运算就是对图像先进行腐 蚀，然后在用同一结构元素对图像进行膨胀运算闭运算就是反过来，先对图像膨 胀再腐蚀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,并弥补轮廓中的断裂。se=1;1;1;%线型结构元素I3=imerode （12，se）; %腐蚀图像subplot（3,2,4）， imshow（I3），title （腐蚀后边缘图像）;图213腐蚀后的边缘图像se=strel( rectangle,25, 25);%矩形结构元素I4=imclose(I3,se); %形态学中的闭运算，聚类、填充图像，se为结构元素subplot (3, 2,5),i

42、mshow (I4),title (填充后图像)；图214填充后图像I5=bwareaopen (I4, 2000)；%去除聚团灰度值小于2000的部分 subplot (3, 2,6),imshow(I5), title (形态滤波后图像)；图215形态学滤波后的图像经分析采用矩形算子能有效地将车牌区域连接成片，去除非车牌区域 ,通过 程序处理后的图可以清楚地看到对图像经过开操作滤波后的可能的车牌区域都 清楚的保留了下来，是非常成功的。3 车牌定位方法研究3.1 车牌定位常用方法介绍车牌定位是整个车牌识别系统中核心的环节 ,定位精度和定位时间直接影响 整个车牌识别系统的性能。车牌定位算法大多

43、是基于汽车牌照的不同特征而提出 的，一般在车牌定位方面主要的算法都是基于灰度图像的处理技术7。3。1。1 基于纹理特征分析的定位方法传统的纹理特征分析定位算法大多基于灰度图像来分析的，所以在车牌定位 以前,需要对图像进行预处理，将彩色图像转换为灰度图像.采用纹理特征分析的 定位方法首先进行行扫描,找出图像中每一行所含有的车牌线段，记录下它们的 起始坐标和长度。如果有连续若干行均存在不少于一个的车牌线段，且行数大于 某一确定的阈值,则认为在行的方向上找到了车牌一个候选区域，并确定了该候 选区域的起始行和高度。在已找到的可能存在车牌的区域做列扫描，以确定该车 牌候选区域的起始行和高度以及起始列坐标

44、和长度。由此确定一个车牌区域.3.1.2 基于数学形态学的定位方法数学形态学图像处理的基本思想，是利用一个结构元素来探测一个图像 ,看 是否能将这个结构元素很好的填放在图像内部，同时验证填放元素的方法是否有 效.腐蚀、膨胀、开启和关闭是数学形态学的基本运算。3。1。3 基于边缘检测的定位方法图像的边缘是指在灰度级上发生急剧变化的区域，而在背景或者物体的内部 这种灰度的变化是比较平缓的。边缘检测的任务是精确定位边缘和抑制噪声。能 够进行检测的方法有多种，如Roberts边缘算子、Prewitt算子、Sobe 1算子以及拉 普拉斯边缘检测8。这些方法正是利用了物体边缘处灰度变化剧烈这一特点来 检测

45、图像的边缘。针对不同的环境和要求，选择合适的算子来对图像进行边缘检 测才能达到好的效果。3.1。4 基于小波分析的定位方法小波分析是一种应用于图像处理的重要分析工具，具有“显微镜”的特性 . 小波分析的多分辨率特性使得小波分解系数在不同方向的高频子波系数具有不 同特性，因此利用方向小波能够反映出图像在不同分辨率上沿任一方向变化的情 形9.小波分析的多尺度分解特性更加符合人类的视觉机制。3。1。5 基于图像彩色信息的定位方法传统的车牌分割方法主要应用了车牌的纹理特征和形状特征，一般情况下这 二个特征对于多数情况足够了，但对于复杂背景就不够了，常借助于颜色特征来 排除干扰，以提高车牌定位的准确率和

46、成功率10。3.2 基于行扫描灰度跳变分析的车牌定位方法分析以上的各种车牌定位方法，不难发现，不同的定位方法具有各自特有的 优点和缺点。基于纹理特征的车牌定位方法受外界因素影响较大，定位成功率不 高，但是其定位速度较快。基于数学形态学的定位方法，其能够将定位与字符识 别的功能合二为一,但是其对于图像预处理后的图像效果的要求较高，并且由于 要进行多种数学运算,其定位的速度较慢。基于边缘检测的定位方法，其充分利 用车辆牌照的特征进行定位处理，定位的成功率高，但是其受外部干扰因素较多, 定位精度不是很稳定,不同的边缘检测算子其运算效率也不尽相同.基于小波分析 的定位方法需要对图像进行特征的时域频域转

47、换，运算效率低，但是能够获得较 高的定位成功率。基于图像彩色信息的定位方式能够利用图像的色彩信息进行定 位处理,其定位精度高,但是其易受外部干扰的影响,且由于色彩信息数据量巨大， 其运算速度较慢，对硬件资源要求很高。结合对车辆牌照特征的分析以及对各种定位方法的比较，本系统采用的是基 于行扫描灰度跳变分析的车牌定位方法。该方法综合了基于纹理特征分析和基于 边缘检测分析方法的特点，具有速度快和准确性高的优点。该方法首先对读入的 含有车牌的灰度图像进行数字图像处理包括二值化、边缘检测和滤波处理，获得 较理想的供定位的图像。对图像进行二值化处理，将灰度图像通过适当的阀值选 取，将图像的每个像素进行二值

48、化操作，得到仍然可以反映图像整体和局部特征 的图像。对图像进行边缘检测，通过对图像每个像素进行数学运算，获得只包含 图形边缘轮廓信息的图像。使用图像增强技术，通过对图像进行噪声的过滤等 , 改善图像质量、丰富信息量，加强图像判读和识别效果。然后对图像进行针对灰 度跳变数量统计的水平和垂直方向的行扫描,获得这两个方向上的直方图。根据 车辆牌照灰度图像在水平和垂直方向上的灰度跳变特征，通过设定阈值分析出车 牌区域的位置.最后输出车牌区域图像并提交给用户车辆牌照区域在整个图像中 的坐标位置信息。4车牌识别方法研究4.1牌照区域的分割和图像进一步处理4.1.1牌照区域的分割对车牌的分割可以有很多种方法

49、，本程序是利用车牌的彩色信息的彩色分割 方法.根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理 的车牌区域，确定车牌底色蓝色RGB对应的各自灰度范围，然后行方向统计在此 颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然 后，在分割出的行区域内，统计列方向蓝色像素点的数量，最终确定完整的车牌 区域。行方向合理屋域定位剪切后的彩色车牌图像图4-1行方向区域和最终定位出来的车牌4.1。2车牌进一步处理经过上述方法分割出来的车牌图像中存在目标物体、背景还有噪声，要想从 图像中直接提取出目标物体，最常用的方法就是设定一个阈值T,用T将图像的 数据分成两部分：大于T的

50、像素群和小于T的像素群，即对图像二值化均值滤波 是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了 其周围的临近像素11.再用模板中的全体像素的平均值来代替原来像素值。1 一车牌灰度囹像2车牌二值IS像務I画嚴乩均倩滤滋后工均值滤波前1（制翊御&膨胀或腐蚀处理后图4-2裁剪出来的车牌的进一步处理过程图4.2字符的分割与归一化图43字符分割与归一化流程图4.2.1字符分割在汽车牌照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定 位的基础上进行字符的分割，然后再利用分割的结果进行字符识别12。字符识 别的算法很多，因为车牌字符间间隔较大，不会出现字符粘连情况所以此处采

51、 用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符 组成，需要分割。图4-4分割出来的七个字符图像4.2。2字符归一化一般分割出来的字符要进行进一步的处理，以满足下一步字符识别的需要但 是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的在此 只进行了归一化处理，然后进行后期处理。图4-5归一化处理后的七个字符图像4。3字符的识别字符的识别目前用于车牌字符识别（OCR）中的算法主要有基于模板匹 配的OCR算法以及基于人工神经网络的OCR算法13。基于模板匹配的OCR的基 本过程是：首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模 板的大小，然后与所有

52、的模板进行匹配，最后选最佳匹配作为结果。模板匹配的 主要特点是实现简单，当字符较规整时对字符图像的缺损、污迹干扰适应力强且 识别率相当高。综合模板匹配的这些优点我们将其用为车牌字符识别的主要方 法。模板匹配是图象识别方法中最具代表性的基本方法之一 ,它是将从待识别的 图象或图象区域f(i,j)中提取的若干特征量与模板T(i, j)相应的特征量逐个进行比 较,计算它们之间规格化的互相关量，其中互相关量最大的一个就表示期间相似 程度最高,可将图象归于相应的类。也可以计算图象与模板特征量之间的距离, 用最小距离法判定所属类14。然而,通常情况下用于匹配的图象各自的成像条 件存在差异,产生较大的噪声干

53、扰,或图象经预处理和规格化处理后,使得图象 的灰度或像素点的位置发生改变。在实际设计模板的时候,是根据各区域形状固 有的特点,突出各类似区域之间的差别,并将容易由处理过程引起的噪声和位移 等因素都考虑进去,按照一些基于图象不变特性所设计的特征量来构建模板 ,就 可以避免上述问题15。图 4-6 字符识别流程图此处采用相减的方法来求得字符与模板中哪一个字符最相似 ,然后找到相似 度最大的输出。汽车牌照的字符一般有七个,大部分车牌第一位是汉字,通常代表 车辆所属省份,紧接其后的为字母与数字。车牌字符识别与一般文字识别在于它 的字符数有限,汉字共约50多个,大写英文字母26个,数字10个.为了实验方

54、便, 结合本次设计所选汽车牌照的特点，只建立了4个汉字26个字母与10个数字的模 板。其他模板设计的方法与此相同。首先取字符模板，接着依次取待识别字符与模板进行匹配，将其与模板字符 相减，得到的0越多那么就越匹配把每一幅相减后的图的0值个数保存，即为识 别出来的结果16。车僦号码:渝用K2图4-7识别结果5 总结与展望5。1 总结本文主要解决了以下几个问题：（1）对包含车身及外界环境的原始图像进行 预处理；（2）精确定位图像中的车牌区域;（3）怎样识别车牌号。在车辆牌照 字符识别系统的研究领域，近几年出现了许多切实可行的识别技术和方法 ,从这 些新技术和方法中可以看到两个明显的趋势：一是单一的

55、预处理和识别技术都无 法达到理想的结果，多种方法的有机结合才能使系统有效识别能力提高。在本系 统的设计时，也汲取了以上一些算法的思想，结合实际，反复比较，综合分析 ; 二是在有效性和实用的原则下，结合神经网络和人工智能的新技术的应用是研究 的一个方向.车牌图像预处理采用了灰度变换，图像增强，边缘检测和形态学滤波等方法 将原始图像处理成可供计算机识别的图像.车牌定位采用基于行扫描灰度跳变分 析的方法，具有精度高，速度快的特点.车牌字符识别采用的是模板匹配的方法， 即是将要识别的字符与事先构造好的模板进行比对，根据与模板的相似度的大小 来确定最终的识别结果。5。2 心得体会虽然系统本身还存在许多不

56、足，距离实际应用的要求仍有很大差距 ,但我却 在这次设计中学到了很多知识.对现实事物的设计不仅是对前面所学知识的一种 检验，而且也是对自己能力的一种提高。通过这次设计使我明白了自己原来知识 还比较欠缺。这个设计让我学到了很多东西，涉及到方方面面的知识，在这整个 过程中我们查阅了大量的资料，得到了老师和同学的帮助 ,我在此对他们表示谢 意。在这期间遇到了很多困难，我知道做什么都不容易，只能静下心来 ,一步一 个脚印的去完成才行。理论只有应用到实际中才能学着更有意义。学习是一个长 期积累的过程，在后的工作、生活中都应该不断的学习，努力提高自己知识和综 合素质。此外,还得出一个结论：知识必须通过应用

57、才能实现其价值！有些东西 以为学会了，但真正到用的时候才发现是两回事，所以我认为只有到真正会用的 时候才是真的学会了.在整个设计中我懂得了许多东西,也培养了我独立工作的能 力，以及团队协作的能力,树立了信心,相信会对今后的学习工作生活有非常重要 的影响。同样此次设计也大大提高了动手的能力 ,使我充分体会到了在创造过程 中探索的艰难和成功时的喜悦。虽然这个设计做的并非对所以车牌都合适，但是 在设计过 程中所学到的学习方法是我最大收获和财富，相信定会使我受益终身。5.3 展望本文的研究还有待于从以下几个方面进一步完善和提高。（1）在车牌定位的过程中对车牌图像的倾斜校正有待进一步研究.（2）车牌定位

58、是通过遍历计算图像的每个像素和来确定，这种方法需要在 整幅图像中进行，使得计算时间不理想。（3）单纯的利用车牌区域的灰度特征实现车牌区域定位，使得该算法对图像 的质量要求较高。因此可以考虑与图像色彩信息法相结合,提高定位正确率。（4）在车牌定位过程中可以使用多算法综合进行车牌定位,提高系统的抗干 扰能力和定位正确率。致谢首先,我要感谢重庆理工大学给我提供的良好的学习环境，同时要感谢电子 信息与自动化学院的所有老师对我的培养和关怀。在本次毕业设计中，指导老师 王培容副教授对我进行了悉心的指导,给我提供了许多帮助,给我指明了论文的研 究方向。并且老师严谨的治学态度也深深的感动了我。其次,我要感谢我

59、的家人，是他们的无私支持使我能顺利完成大学的学习， 是他们在我遇到难题时给我及时的帮助与无限的动力，所以 ,我以此毕业论文作 为我大学几年来的学习成果向父母汇报，感谢你们。在我几年的大学生活中,得到了老师们的悉心教导，学到了丰富的知识和做 人的道理，为我走向社会、迎接挑战打下了坚实的基础。此时此刻我才真正体会 到老师们的苦心和所学知识的重要.最后，我要再次向给予我帮助的所有老师和同学表示深深的谢意，感谢大家 在学习、生活中对我的帮助,谢谢大家！参考文献1冈萨雷斯数字图像处理(第二版)M 电子工业出版社，2007. 82胡小锋、赵辉.VC+/MATLAB图像处理与识别使用案例精选M.人民邮电 出

60、 版社，2004。93李宏升，利用牌照识别技术的停车场安全防盗系统J。计算机系统应用， 1999 (5), P14164郁梅，基于视觉的车辆牌照检测J，计算机应用研究, 1999(5), P65675郑静，梁少华，王腾基于MATLAB仿真的边缘检测算子研究J。电脑知识与技术. 2010(05)6袁志伟，潘晓露车辆牌照定位的算法研究J。昆明理工大学学报,2001,26 (2):56607叶晨洲，廖金周，一种基于纹理的牌照图象二值化方法J，1999(6)，P28298韩勇强、李世祥。汽车牌照子图像的定位算法J.微型电脑运用，1999。6065。9张引，潘云鹤，面向车辆牌照字符识别的预处理算法J。计

61、算机应用研究, 1999(7),P858710刘阳，伊铁源等。数字图象处理应用于车辆牌照的识别J。辽宁大学学 报.2004,656811宋建才。汽车牌照识别技术研究】J。工业控制计算机,2004,4445.12梁玮、罗剑锋、贾云得。一种复杂背景下的多车牌图像分割与识别方法D。 2003.13朱学芳，一种自适应细化方法J.模式识别与人工智能,Vol.10, No。2, 1997(6)，P14014514杨万山，基于BP神经网络的工程图纸图形符号的识别J。Vol16, No。2, 200015许志影、李晋平,MATLAB极其在图像处理中的应用J.计算机与现代化， 2004(4)16崔江、王友仁。车牌自动识别方法中的关键技术研究J。计算机测量与 控制，2003。11(4)