vb车牌定位技术

《vb车牌定位技术》由会员分享，可在线阅读，更多相关《vb车牌定位技术（38页珍藏版）》请在装配图网上搜索。

1、Vb源码*大学毕业设计（论文）题 目： 基于数学形态学车牌定位技术英文题目：Image processing and license plate location学生姓名： * 学 号： * 指导教师： * 职称 讲师 专 业： 信息工程 二 零 一零年五月三十日Paper of GraduationTitle：Image processing and license plate locationEnglish Title: Image processing and license plate locationName ： * Number： * Direction Teacher * Pro

2、fessional post lecturer Major: information project May 30 th of 2010摘 要交通图象检测与处理方法研究对于交通安全、交通管理与控制具有非常重要的理论意义和实用价值。通过视频图象的检测与识别，可以对道路的交通流、路况等实时监视，提取交通流信息，通过视频图象的检测与识别，还可以实时检测交通违章现象、识别违章车辆的车牌号码，为公安交通管理部门提供强有力的执法证据。因此，研究交通图象检测与处理方法对智能交通运输系统的发展具有重要的推动作用。本论文主要对车牌定位技术做了研究。目前对车牌定位的处理方法有很多种，常见的有基于神经网络、灰度变化

3、、图像处理、数学形态学等方法。本论文主要应用VB语言编程，对其车牌图像进行预处理，去除噪声引用了数学形态学膨胀和腐蚀运算，有效的解决一些导致识别、定位错误的问题。关键词：车牌；定位；二值化；预处理；数学形态学ABSTRACTTraffic image processing method for testing and research, traffic safety management and control has important theoretical significance and practical value. Through video images of detectio

4、n and recognition of the road, road traffic flow, monitoring, etc, the traffic flow information extraction, through video images of detection and recognition, still can real-time detection and identification of violate the traffic violations phenomenon plate number for public security traffic manage

5、ment department, provide strong evidence of law enforcement. Therefore, the study traffic image processing methods of testing and the development of intelligent transportation system plays an important role.This thesis mainly on traffic image processing technology for detection and do research, and

6、put forward some effective and practical, quick recognition algorithm. Main application VB language program, to the license plate identification, orientation, image analysis, processing. And some of the mistakes in recognition, positioning problem.Keywords: plate；Positioning； Identify； Pretreatment；

7、Mathematical morphology目 录绪论11. 车牌自动定位识别技术概述21.1 交通现状及问题分析21.2 车牌自动定位技术的研究意义31.3 车牌自动定位技术应用31.4 论文主要工作及内容安排3本章小结32. 图像处理理论基础知识与必备算法42.1 数字图像处理的基础知识42.2 直方图42.3 图像的预处理52.4 数学形态学算法5本章小结53 基于数学形态学的实时车牌定位方法研究6车牌自动识别技术步骤63.2 预处理过程73.2.1 图像的灰度化83.2.2 图像的二值化9.3 图像的滤波103.3 车牌搜索与定位123.3.1 了解车牌的特征123.3.2 基于数学

8、形态学研究车牌初步定位12图像边缘提取及定位分割19本章小结224 应用软件设计实现过程234.1 应用软件介绍234.2 实现车牌定位23本章小结30结论31致 谢32参考文献33绪论交通图象检测与处理方法研究对于交通安全、交通管理与控制方案选择具有非常重要的理论意义和实用价值。随着国民经济的飞速发展，促使国家对基础设施的投资力度越来越大，表现之一就是道路建设。交通状况日益恶化，这几乎成为所有大中城市的通病。解决交通拥挤、交通事故频发、交通污染严重、能源短缺等世界性问题，二十世纪80年代末90年代初，智能运输系统应运而生，ITS通过对道路交通流信息进行实时检测，了解道路交通的运行情况，根据交

9、通流的动态变化，迅速做出交通诱导控制，减轻道路拥挤程度，减小车辆行车延误，降低发生交通事故的概率，保证行车安全，并使交通设施得到充分利用，实现交通运输的集约式发展，最终达到智能运输系统(ITS)的目的，使现有宏观交通设施(道路、桥梁、隧道等)具有更大的交通运输能力和更高的交通运输安全口性。目前，交通信息采集设备几的种类很多，如测速雷达、交通微波探测器、超声波检测器、环形检侧线圈、视频检测技术等等，但随着视频图象处理技术的发展，基于图象的交通信息采集技术显示出更大的优势，将是未来实时交通信息采集和处理技术的发展方向。另一方面，在利用交通信息采集技术实现智能交通控制和诱导的同时，还必须加强对违章车

10、辆的管理。众所周知，各种类型的违章行为(闯红灯、超速、违章变道、压黄线、逆行等)给交通带来的危害非常严重，它不仅扰乱了正常的交通秩序，也是造成机动车交通事故的主要原因之一。因此，采用先进技术进行交通违章行为的自动检测与抓拍，为公安交通管理部门提供了强有力的执法证据，对改善交通秩序、保障交通安全、提高道路交叉口通行能力、减少交通事故等都将起到重大作用。但随着违章检测站点数量的增多，违章车辆图片和相关信也会急剧增加，势必增加大批的后期处理人员，系统管理费用必将随之增加。所以，进行违章车牌号码的自动识别，提高违章处罚的自动化水平，提高违章检测系统的整体功能，势在必行。由此可见，研究交通图象检测与处理

11、方法对智能交通运输系统的发展具有重要的推动作用。1. 车牌自动定位识别技术概述 交通现状及问题分析近来年国内的机动车辆规模大幅度的增加，据统计：我国机动车数量2000年保有量为8546万量，截止到2010年2月保有量超过18000万量。全国机动车量年均增长率在15%以上，如图1-1所示。图1-1 车辆保有量增长图计算机技术在各个领域的不断的广泛的应用使得交通管理手段正从人工管理逐步转变成自动或半自动方式，如图1-2所示。自动或半自动管理人工管理图1-2 管理手段的转变1.2 车牌自动定位技术的研究意义智能交通管理系统是21世纪世界道路交通的发展趋势。高速公路的不断发展和车辆管理体制的不断完善，

12、使图象场景日益简单化和标准化，这为以图象理解为基础的智能交通管理系统进入实际应用领域提供了契机。汽车牌照自动识别系统也正是在这种应用背景下被提出的。该系统是在交通监控的基础上，引入了数字摄像技术和计算机信息管理技术，采用先进的图象处理，模式识别和人工智能技术，通过对图象的采集和处理，获得更多的信息，从而达到更高的智能化管理程度。虽然己有很多科研工作者对车牌自动识别系统进行研究并做出了许多贡献，但总体来说，车牌自动识别技术还不太成熟，仍需要进一步的研究。由于车辆牌照是机动车辆唯一的管理标识符号，在交通管理中具有不可替代的作用，早在八十年代我国开始了车辆牌照自动识别系统的研究和开发工作。在国外这项

13、技术己经比较成熟而且实用多年，然而在国内这项技术仍处于新近开发应用的初始阶段。目前，有一些单位、院校开展了这方面的研究开发工作，己有相关的技术报告和论文发表。该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用。1.3 车牌自动定位技术应用车牌自动定位技术是一个综合多种科学的课题，它涉及到计算机视觉，人工智能，光学，模式识别，软件编程，自动化等学科。车牌自动定位技术还在公共安全、交通管理甚至有关军事部门等等都有着非常重要的应用价值，如图1-3所示。车牌自动定位技术公共安全军事部门交通管理图1-3车牌识别技术应用 论文主要工作及内容安排本文的主要研究内容是基于数学形态学的车牌定位过程

14、。应用VB语言进行系统的分析和处理，主要对其定位过程具体分析。实现一种基于数学形态学的实时车牌定位过程，经过多次去噪，提高了车牌定位的抗干扰性能和定位准确度。在定位过程中为了避免错误的定位，根据车牌高和宽的特点，通过设置膨胀系数值，最终获得较为准确的区域。论文内容安排，第一章介绍了基于图象的交通信息采集的研究意义；分析概括了国内外对其研究发展现状；介绍了车牌自动定位识别系统概念，为下面内容做铺垫。第二章为数字图象处理的基础知识，为后续章节的算法描述和理解打好基础。第三章具体介绍车牌定位过程。第四章应用VB开发程序实现该定位过程。本章小结本章主要是为了引入车牌自动定位系统做铺垫，通过介绍当前交通

15、系统发展现状及其研究车牌定位的意义，为后续文章做铺垫。2. 图像处理理论基础知识与必备算法交通图象理解涉及到很多研究领域，如数字图象处理、计算机视觉、计算机科学、模式识别，模糊算法和人工智能等等。为了后续各章内容的展开，本章系统地介绍交通图象理解领域研究的一些预备知识若干个关键算法。2.1 数字图像处理的基础知识 用于计算机进行图像处理的前提是必须以数字格式存储，我们把以数字格式存储的图像称之为数字图像。数字化后的图像可以看成是存储在计算机中的有序数据，可以通过计算机对数字图像进行处理。我们把利用计算机对图像进行去除噪声、增强、复原、分割、提取特征等的理论方法和技术成为数字图像处理。数字图像处

16、理的产生和迅速发展主要受计算机的发展和数学的发展，军事医疗和工业等方面应用需求的不断增长等方面的影响。其特点是处理精度高、处理效果容易控制、处理多样性、综合性强。数字图像处理的内容及应用：图像的获取、表现和表示；图像复原；图像增强；图像分割；图像分析；图像重建等，可应用于通信、交通管理、宇宙探测、生物医学、工业生产、军事公共安全、机器人视觉、视频多媒体等等。2.2 直方图直方图又称质量分布图，柱状图，它是表示资料变化情况的一种主要工具。用直方图可以的资料，解析出规则性，比较直观地看出产品质量特性的分布状态，对於资分布状况一目了然，便於判断其总体质量分布情况。在制作直方图时，牵涉学的概念，首先要

17、对资料进行分组，因此如何合理分组是其中的关键问题。按组距相等的原则进行的两个关键数位是分组数和组距。是一种几何形图表，它是根据从生产过程中收集来的质量数据分布情况，画成以组距为底边、以频数为高度的一系列连接起来的直方型矩形图。一幅图象的直方图，表示该图象中各种不同灰度级象素出现的相对频率，是一个I-D的离散函数(设图象的灰度总级数为L)，见公式（2-1）。 k=0,1,.L-1 (2-1)式中为图象f(i，j)的第k级灰度值，是f(i，j)中具有灰度值为的像素的个数，N为图像象素总数。因为p= 171 Then Picture2.PSet (j, i), RGB(255, 255, 255):

18、 erzhi(j, i) = 255ElsePicture2.PSet (j, i), RGB(0, 0, 0): erzhi(j, i) = 0End IfNext jNext iEnd Sub3. 图像的滤波图像滤波，即在尽量保留图像细节特征的条件下对目标像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。对其进行滤波实质上是对其进行去除噪声，图像显得的更清晰对比度更明显。滤波的方式有两种，一种是空间域滤波，一种是频率域滤波。在空间域滤波中，常见的滤波方式有两种，均值滤波和中值滤波，两种滤波各有各的优点，本论文采用中值滤波方式进行处

19、理，其原因是中值滤波虽然处理的结果没有均值的效果好，但是它能去除噪声点的同时并保持了边界。 本论文应用中值滤波处理后白色框内白色点消失了即去除了噪声，如图3-7所示。图3-7 滤波后图像主要程序代码如下size = 3: num = size * size For j = size 2 To h - 1 - size 2 For i = size 2 To w - 1 - size 2 k = 0: kk = 0 For k1 = -size 2 To size 2 For k2 = size 2 To size 2 a(k) = erzhi(i + k1, j + k2) If a(k) =

20、 255 Then k = k + 1 Else: kk = kk + 1 End If Next k2 Next k1 If kk k Then erzhi(i, j) = 0 Else erzhi(i, j) = 255 End IfPicture2.PSet (i, j), RGB(erzhi(i, j), erzhi(i, j), erzhi(i, j) Next iNext jEnd Sub3.3 车牌搜索与定位车牌定位直接决定了其后的字符分割和识别的正确率，因此车牌定位是车牌识别技术中最关键的一步，对于车牌定位的研究国外起步的比较早，90年代就有人提出了基于DFT变换的频域分析法等

21、，进入21世纪以来，出于交通现代化的需求，国外的研究者对其更加深入，我国的许多学者也加入了研究的队伍，提出了较好的方法有基于颜色特征、数学形态学、边缘特征、模糊技术等，这些方法都是基于某一种特征来研究车牌定位的方法。 了解车牌的特征首先，车辆牌照定位从图像处理的意义上来说就是要从一副随机图像中找到一块具有某种特征的区域图像，该区域包含了车牌牌照。这种特征就是牌照本身区别与图像的其他部分的特征。所有牌照图像都具有一些共同特征，目前可供利用的车牌特征主要包括：车牌区域内的边缘灰度直方图统计特征；车牌的几何特征；车牌区域的灰度分布特征；车牌区域水平或垂直投影特征；车牌形状特征和字符排列特征；频谱特征

22、；车牌的色彩特征； 本文中定位算法研究的先验知识主要是根据下列五个车牌特点获得的：(1)汽车牌照的大小在图像中相对稳定在实际应用中，若所摄图像均为汽车正面图像，由于汽车前身牌照一般具有相同的真实尺寸，再加CCD摄像头摄像时与汽车距离相对固定，因此缩小的比例相对一致，所摄图像中牌照的大小也相对稳定。(2)图像上有大量长短不一类似直线与长方形的区域，还有一些灰度特征类似于文字区域的汽车厂商标志区域，如奥迪车的类似于4个0组成的标志。(3)车牌文字周围有一个类似于长方形的边框，其厚度不一，而且有断裂处，有时弯曲度较大。(4)大小统一、排列成行。由于拍摄原因，有一定程度倾斜(一般在30度以内)文字与背

23、景之间有明显灰度对比。根据特征选取的不同，牌照的定位方法也有很大的不同。(5)汽车前身牌照中文字有统一的大小，水平排列成行。.2 基于数学形态学研究车牌初步定位数学形态学是由一组形态学的代数运算子组成的，它的基本4个运算有： 膨胀（或扩张）、腐蚀（或侵蚀）、开启和闭合，本文基于线性数学形态学运算来定位车牌。数学形态学中的腐蚀和膨胀以及在此基础上，产生的展开、闭合运算在车牌定位中得到了较为广泛的运用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，因而可以有效地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，可以填补目标物体中的空洞，形成连通

24、域。开启运算具有消除细小物体，并在纤细处分离物体和平滑较大物体边界的作用。闭合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。通过开启闭合运算，可以将目标区域显示出来。提出的基于线的数学形态学运算将车牌的微观纹理特征和车牌的宏观特征进行有机结合，不仅有效的滤除噪声干扰，同时也提高了车牌定位的可靠性、准确性和实时性。腐蚀的作用是消除物体的边界点，可以把小结构元素的噪声去除，若两物体之间有细小的连通，结构元素足够大时，通过腐蚀运算可以将其分开。腐蚀公式见公式（3-7） s=x| (3-7)X用S腐蚀的结果是所有使S平移x后仍在X中的x的集合。换句话说，用S来腐蚀X得到的集合时S完全包括在

25、X中时S的原点位置的集合。如图3-8所示。图3-8 腐蚀示意图腐蚀的目的是使其车牌周围的白色线条被腐蚀掉，留下车牌内部字体对其二值图进行腐蚀，效果如图3-9所示。图3-9 腐蚀效果图主要程序代码如下For j = 1 To h - 1For i = 1 To w - 1m = 0For k3 = -1 To 1 If erzhi(i + k3, j) 0 Then m = m + 1Next k3 If m = 3 Then Picture2.PSet (i, j), RGB(255, 255, 255): doubl(i, j) = 255 Picture2.PSet (i - 1, j),

26、 RGB(0, 0, 0): doubl(i - 1, j) = 0 Picture2.PSet (i - 2, j), RGB(0, 0, 0): doubl(i - 2, j) = 0 Else Picture2.PSet (i, j), RGB(erzhi(i, j), erzhi(i, j), erzhi(i, j): doubl(i, j) = erzhi(i, j) End If Next iNext j For j = 0 To h - 2 For i = 0 To w - 2 erzhi(i, j) = doubl(i, j) Next i Next jEnd Sub腐蚀后的图

27、像，仍有很多噪声，不能立刻做膨胀处理，分析噪声的特征和车牌区域及周围噪声特征，即图像横向的噪声依然保留，因此对其进行竖直滤波，其作用是去除掉横向噪声，竖直滤波后效果如图3-10所示。图3-10 竖直滤波效果图主要程序代码如下size = 4: num = size * size For j = size 2 To h - 1 - size 2 For i = size 2 To w - 1 - size 2 k = 0: kk = 0 For k2 = -size 2 To size 2 a(k) = erzhi(i, j + k2) : k = k + 1 If a(k) 0 Then k

28、= k + 1 Else: kk = kk + 1 End If Next k2 If kk k Then erzhi(i, j) = 0 Else erzhi(i, j) = 255 End IfPicture2.PSet (i, j), RGB(erzhi(i, j), erzhi(i, j), erzhi(i, j) Next iNext jEnd Sub经过了滤波之后图像的噪声明显减少，但是车牌区域也不再明显，因此引用膨胀算法对其图像进行处理，膨胀算法公式见公式（3-6） （3-6）该式表明的膨胀过程是B首先做关于原点的映射，然后平移x。A被B的膨胀是B被所有x平移后与A至少有一个非零

29、公共元素。简而言之就是B被平移后与A有交集。膨胀的结果会使目标变大，如图3-11所示。图3-11 膨胀示意图膨胀是使其目标区域变大，根据编写的程序，可以使其横向膨胀或者竖直膨胀，可以使目标区域任意向各个方向扩展，本论文将横向膨胀和竖直膨胀应用其中。横向膨胀使目标向左右方向扩展即目标区域宽度增加；竖直膨胀使目标向上下方向扩展即目标区域高度增加。滤波之后存在很多干扰噪声，对其进行横向膨胀使噪声和目标区域全部变大，为下一步滤波做好基础。对其进行横向膨胀处理，其目的是将图像中的白色部分膨胀，使其点与点相连通，并且进行反色处理。使之成为黑色相连通区域，膨胀后效果如图3-12所示。3-12 横向膨胀并反色

30、效果图主要程序代码如下For j = 3 To h - 2 For i = 10 To w - 2 m = 0 For k4 = -10 To 10 If erzhi(i + k4, j) 0 Then m = 1 Next k4 If m = 1 Then Picture2.PSet (i, j), RGB(0, 0, 0): doubl(i, j) = 255 Else Picture2.PSet (i, j), RGB(255, 255, 255): doubl(i, j) = 0 End If Next iNext jFor j = 4 To h - 2For i = 4 To w -

31、 2erzhi(i, j) = doubl(i, j)Next iNext jEnd Sub经过横向膨胀处理及反色处理之后，图像显示很多横向噪声，因此对其进行横向滤波，使之水平方向的噪声减小，其效果图如图3-13所示。图3-13 横向滤波效果图主要程序代码如下size = 46: num = size * size For j = size 2 To h - 1 - size 2 For i = size 2 To w - 1 - size 2 k = 0: kk = 0 For k2 = -size 2 To size 2 a(k) = erzhi(i + k2, j) : k = k +

32、1 If a(k) = 0 Then k = k + 1 Else: kk = kk + 1 End If Next k2 If k kk Then erzhi(i, j) = 0 Else erzhi(i, j) = 255 End If Next iNext j横向滤波之后仍有少许噪声存在，仍需要再次进行滤波，为确保车牌区域不被过滤，因此需要设定连通像素最大值，其中连通像素值的确定根据滤波后目标区域的宽度和经过反复试验得知。最终保留车牌区域。经过再次滤波后效果如图3-14所示。3-14 再次滤波之后经过再一次滤波之后成功的分离了车牌区域与背景，若要准备的定位仍需对其进行纵向膨胀，使之与车牌

33、的宽度和高度相似，根据车牌高和宽的特征，修改膨胀代码的宽和高的范围即可，运行软件，得到膨胀后的效果如图3-15所示。3-15膨胀后效果图修改纵向膨胀部分代码如下For j = 15 To h - 2 For i = 5 To w - 2 m = 0 For k3 = -5 To 25 For k4 = -15 To 12 If erzhi(i + k3, j + k4) = 0 Then m = 1 Next k4 Next k3到此为止，已经对车牌实现了初步定位。通过上述实现过程，需要注意以下几点：（1） 腐蚀之后的滤波为竖直滤波（2） 竖直滤波进行膨胀并且反色（3） 膨胀反色之后对其横向滤

34、波（4） 再对其进行滤波，去除干扰噪声（5） 对其进行膨胀使之与车牌实际高宽相似初步定为后，车牌区域与背景明显被分离，为对其进一步定位创下了良好的条件。3.图像边缘提取及定位分割图像的分割是将图像分成若干个有意义的区域，然后对这些具有共同属性的小区域进行描述，相当于提取木屑目标区域图像特征，判断是否是需要的目标区域。图像分割的基本基础是像素间的相似性和跳变性。所谓“相似性”是指在某个区域内像素具有某种相似的特性，如灰度一样，纹理相同；所谓“跳变性”是指特性不连续，如灰度值突变等。总的来说，图像分割技术就是把图像分成若干个有意义的区域的处理技术，区域内事一个所有象素都有相邻或相接触像素的集合即像

35、素的连通集。在一个连通集中任意两个像素之间，都存在一条完全由这个集合的元素构成的连通路径。对于连通有4连通和8连通之分。4连通是从区域上一点出发，通过该点的4个方向，即上、下、左、右，在不越出区域的前提下，到达区域内的任意像素如图3-16(a)；8连通与4连通类似，但是通过该点的8个方向即上、下、左、右、左上、左下、右上、右下，来到达区域的任意像素如图3-16(b)所示。 （a） (b)图 3-16 4连通与8连通图像分割是把图像灰度分成不同的等级，然后用设置灰度阈值的方法确定有意义的区域或分割物体的边界。阈值处理是一种区域分割技术，将图像的灰度根据用户的指点来分成两个或多个等间隔或不等间隔区

36、间，本车牌提取主要是利用图像中要提取的目标区域（车牌）和背景在灰度上的差异，选择一个合适的阈值，通过判断图像中的每一个像素点的特征属性是否满足预知的要求来确定图像中该像素点属于目标区域还是背景区域。常用的阈值化处理就是图像的二值化处理，在预处理过程中就已经对图像进行了二值化并且进行了膨胀和腐蚀运算，在此过程中已经确定了最佳阈值，因此直接进行下一步边缘提取及定位。在第一小节内容中已经介绍了车牌的特征，牌照区域相对于其它非车牌区域跳变多，而且间距在一定范围内和跳变次数大于一定次数。通常为14以上，因为车牌中今有7个字符，每个字符有两个以上跳变根据车牌的特征即水平像素值跳变明显基于此特点对已经预处理

37、过的图像进行水平和竖直直线扫描，将结果加以分析最终获得车牌位置。车牌区域和背景被分离，根据灰度级的跳变，对其进行边缘提取，如图3-17所示。图3-17 边缘提取效果图主要程序代码如下For j = 1 To h - 2 For i = 1 To w - 2 sx = Abs(Val(erzhi(i + 1, j - 1) + 2 * Val(erzhi(i + 1, j) + Val(erzhi(i + 1, j + 1) - Val(erzhi(i - 1, j - 1) - Val(2 * erzhi(i - 1, j) - Val(erzhi(i - 1, j + 1) / 8 sy =

38、 Abs(Val(erzhi(i - 1, j + 1) + 2 * Val(erzhi(i, j + 1) + Val(erzhi(i + 1, j + 1) - Val(erzhi(i - 1, j - 1) - Val(2 * erzhi(i,j - 1) - Val(erzhi(i + 1, j - 1) / 8 doubl(i, j) = sx + sy If doubl(i, j) i Then m2 = i if m1 j Then n2 = j If n1 j Then n1 = i End If Next iNext jFor i = m2 To m1 For j = n2

39、To n1Picture3.PSet (i - m2, j - n2), RGB(pic(i, j, 0), pic(i, j, 1), pic(i, j, 2) Next jNext iEnd Sub经上述一系列的处理车牌被成功定位，车牌自动识别系统的关键部分已经完成，下一步将对其进行字符切割和字符识别，鉴于本人能力和时间的限制，不在此论文加以深入研究。本章小结本章主要介绍了车牌定位的过程，提出了在预处理基础上经过腐蚀和膨胀运算后，再进行车牌定位的理念，通过基于线的数学形态学运算将车牌的微观细理特征和车牌的宏观特征进行有机的结合，不仅有效的滤除噪声干扰，同时也提高了车牌定位的可靠性、准确性和

40、实时性，为车牌成功识别创下了良好的条件。4 应用软件设计实现过程 应用软件介绍 车牌定位系统程序大多是用VC+和matlab来实现的，其优点是处理速度快、精确度高，但是鉴于本人的能力限制，采用Visual Basic 6.0程序编程，成功的分割定位了车牌。 本次论文应用Visual Basic 6.0进行编程，它是在BASIC语言的基础上发展而来的，VB拥有图形用户界面（GUI）和快速应用程序开发（RAD）系统，可以轻易的使用DAO、RDO、ADO连接数据库，或者轻松的创建ActiveX控件。程序员可以轻松的使用VB提供的组件快速建立一个应用程序。VB的中心思想就是要便于程序员使用，无论是新手

41、或者专家。VB使用了可以简单建立应用程序的GUI系统，但是又可以开发相当复杂的程序。VB的程序是一种基于窗体的可视化组件安排的联合，并且增加代码来指定组件的属性和方法。窗体控件的增加和改变可以用拖放技术实现。Visual Basic的特点有以下几点：（1） 具有基于对象的可视化设计工具（2） 事件驱动的编程机制（3） 提供易学易用的应用程序集成开发环境（4） 结构化程序设计语言（5） 强大的网络、数据库、多媒体功能（6） 完备的联机帮助功能4.2 启动Visual Basic 6.0(VB 6.0),建立新工程，名为“车牌定位系统”。并且在窗体设计窗口，创建commond按钮和pictureB

42、ox图片显示框,在其每个commond按钮代码窗口执入相应的操作代码。需要注意的是在建立pictureBox图片显示框时需要设定足够的空间，便于加载像素比较大的BMP图像，选择图像时尽量选择在600*600像素以内的图像，在植入程序并且运行时，需要注意添加CommonDialog1部件，程序代码和界面设计好之后即可对软件进行测试。窗体的美化依个人喜好设计，下面介绍实现车牌定位具体步骤，首先运行程序，当前显示程序主界面，如图4-1所示。图4-1 程序设计主界面点击“选择图像”，选择需要处理的图像，格式为BMB格式，并且读取图像，点击会灰度化，实现其彩色图像灰度化效果，如图4-2所示。图4-2 彩色图像灰度化点击“二值化”使其灰度图像转换成二值图像，如图4-3所示。图4-3 灰度图像转二值图像点击当前状态则pictureBox1中显示二值图像，在点击中值滤波使之与其对比观察效果，如图4-4所示。图4-4 中值滤波效果图点击“腐蚀”使之白色连通区域变黑，如图4-5所示。图4-5 腐蚀效果图为了减小噪声需要再次滤波，注意这次滤波是竖直滤波，目的是去除竖直方向不连续的点，尽量多保留车牌字符区域。效果如图4-6所示。图4-6 竖直滤波点击“横向膨胀”使横向的点膨胀，并且反色，让其白色点连