基于垂直投影法的车牌字符分割算法设计讲解

1、毕业论文（设计）学院:计算机科学学院专业:软件工程年级:题目:基于垂直投影法的车牌字符分害q算法设计 学生姓名:学号:指导教师姓名:职称:XXXX 大学本科毕业论文（设计）原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。 除了文中特别加以标注引用的内容外， 本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。 本人完全意识到本声明的 法律后果由本人承担。作者签名： 年 月 日目录Abstract 1第一章 绪论 . 11.1 车牌识别技术的背景 11.2 车牌识别系统的工作原理 . 21.3 国内外研究 . 31.4 本文主要内容 . 3第二章 基

2、本理论介绍 . 32.1 数字图像处理技术 . 32.1.1 bmp 位图 42.1.2 RGB 编码方式 42.1.3 二值图像 42.1.4 Otsu 算法 42.1.5 灰度图像 52.1.6 中值滤波 . 5第三章 车牌图像的预处理 . 53.1 车牌图像的灰度化 53.2 车牌图像的二值化 53.3 去噪处理 . 63.3.1 去除车牌边框 73.3.2 去除车牌图像中的圆点 8第四章 车牌字符分割算法 . 84.1 传统垂直投影的车牌字符分割算法 84.2 改进的垂直投影的车牌字符分割算法 . 9第五章 系统实现 . 10第六章 总结与展望 . 136.1 总结. 136.2 展望

3、. 13致谢 14参考文献 15基于垂直投影法的车牌字符分割算法设计摘要：车牌识别系统在现代社会有着广泛应用，而车牌字符分割是其中的一项关键技术。本文针对车 牌字符分割算法做了较为深入的研究。 首先， 要想正确的分割车牌图像， 必须得到质量较好的车牌二值 化图像。 所以， 本文对车牌字符分割的预处理部分进行较为深入的研究，尤其是车牌图像二值化后的去噪处理。传统投影法对车牌图像要求比较高，容易受到噪声的影响，从而造成分割字符的粘连与断裂。 针对传统投影法的不足， 文章提出一种基于垂直投影法的改进的字符分割算法， 该算法可以有效地识别 车牌字符。该方法抗干扰能力较强，能有效的减少字符粘连与断裂，分

4、割准确度较高。关键词： 车牌识别；二值化；字符分割；垂直投影法Vertical projection-based license plate character segmentation algorithmdesignAbstract： License plate recognition system has a wide range of applications in modern society, the license plate character segmentation is a key technology. In this paper, the license plate c

5、haracter segmentation algorithm to do a more in-depth study. First of all, in order to correct segmentation of license plate image must be of good quality license plate binary image. So more in-depth study of the pre-processing part of the license plate character segmentation, especially after the l

6、icense plate image binarization denoising. Traditional projection on the license plate image requires relatively high, easily affected by noise, resulting in a split character adhesion and fracture. For the lack of traditional projection method, the paper presents a segmentation algorithm based on t

7、he improvement of the vertical projection of the characters, the algorithm can effectively identify the license plate character. Strong anti-interference ability of the method, which can effectively reduce the character adhesion and fracture, split high degree of accuracy.Keywords License Plate Reco

8、gnition; binarization ； Character segmentation; Vertical projection 第一章 绪论随着世界经济的快速发展， 以及汽车制造技术的提高， 使得汽车迅速成为人们日常生活中的一个必 需品。 这造成全球的汽车数量猛增， 而随之也导致城市的交通压力越来越大， 城市的交通状况也因此得 到了更多的关注。 如何有效地对交通进行管理， 也成为各国政府和相关部门所关注的焦点和热点。 针对 这些问题， 人们开始将计算机技术、 通信技术、 计算机网络技术和自动化信息处理等很多新的科学技术 用于交通道路的监视和管理系统， 以此提高车辆管理和运输的效率。 它

9、主要是通过对过往车辆实施检测， 提取有关的交通数据来达到对交通的监控、 管理和指挥。车牌自动识别技术 1 是指能够检测到受监控路 面的车辆并自动提取车辆车牌信息（含汉字字符、 英文字母、 阿拉伯数字及号牌颜色） 进行处理与识别 的技术。它以计算机技术、图像处理技术、模糊识别技术为基础，建立运动车辆的特征模型，识别车辆 特征，如号牌、车型、颜色等，并着重解决高速车辆图像的获取及清晰度问题。本文是在以往的车牌分 割算法 2 的基础上介绍了车牌识别技术中的一种字符分割算法，该算法是针对一种已有的字符分割算法（投影法）的改进性研究。1.1 车牌识别技术的背景随着 21 世纪经济全球化和信息时代的到来，

10、 迅猛发展的计算机技术、 通信技术和计算机网络技术， 水平不断提高的自动化信息处理技术在人们社会活动和生活的各个领域得到广泛应用。同时，高速度、 高效率的生活节奏， 使汽车普及成为必然趋势。 伴随着世界各国汽车数量的增加， 城市的交通状况越来 越受到人们的重视。 如何有效地进行交通管理日益成为各国政府相关部门所关注的焦点。 针对这一问题，人们相继研发了各种道路交通监管系统、车辆控制系统及公共交通管理系统。这些系统将车辆和道路综合起来进行考虑，运行先进的技术解决道路交通的问题，统称为智能交通系统（IntelligentTransportation System，简称 ITS ）。ITS是20世纪

11、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、无线通信技术、自动控制技术、图像处理和识别技术及计算机网络技术等加强道路、车辆、驾驶员和管理人员的联系，实现道路交通管理自动化和车辆行驶的智能化，增强交通安全，减少交通堵塞，提高运输效率，减少环境污染，节约能源，提高经济活力。交通管理自动化越来越成为亟待解决的问题，在这种情况下，车辆的自动检测作为信息的来源， 越来越受到人们的重视。对汽车牌照等相关信息的自动采集和处理对于交通车辆管理、园区车辆管理、停车场管理、交警稽查等方面有着十分重要的意义，因此成为信息处理技术的一项重要研究课题。车牌识别（License Plate

12、Recognition, LPR）技术作为智能交通系统（ITS ）的重要组成部分，在交通管理和控制中占有着很重要的地位，可以应用到以下一些领域：（1）封闭式居民小区物业管理以及重要部门的安保管理。车牌识别技术的推广普及，必将对加强城市道路管理，减少交通事故、车辆失窃案件的发生，以及保障社会稳定等方面产生重大而深远的影响。（2） 城市交通路口的“电子警察”。（3）公路布控管理系统。该系统采用车牌识别技术可实现对重点车辆的自动识别、快速报警处理，不仅可以有效防止机动车辆被盗，而且为公安、监察机关对犯罪嫌疑人所驾驶的车辆进行自动监控、跟踪提供了有效手段。（4）高速公路超速监管系统。该系统以车牌识别技

13、术为核心技术，辅助其他高科技手段， 建立高速公路无人值守的自动监测和自动布控系统，可以有效地获取超速车辆的图像，并得到该车的牌照号码，便于对违规车辆进行处罚。从而降低因超速引起的交通事故的发生率。（5）路桥、隧道等卡口的自动收费系统。（6）高速公路收费管理系统。在高速公路收费入、出口分别完成车牌号码识别和车牌匹配工作，实现不停车收费；还可以根据识别出的车牌号码从数据库中调出该车档案，可发现没有及时交纳养路费的车辆。随着车牌识别技术的不断成熟，高效、识别率高的车牌识别技术还将应用于一些对性能要求比较高的单片机上。还提供一个可以对车辆信息实时采集的公共平台，使各管理部门间能够协调统一的对车辆及道路

14、情况进行监控管理，从根木上解决了目前全国交通及公安系统信息采集的多渠道、事件信息收集的单一性以及互不沟通、互不兼容的信息管理方式。故车牌识别技术有着广泛的应用前景。1.2车牌识别系统的工作原理车牌识别（LPR）系统是智能交通系统（ITS）的一个重要组成部分，该系统能从一幅车辆图像中自动提 取车牌图像，自动分割字符，进而对字符进行识别，得到车牌的号码。基于PC的车牌识别系统是利用PC机及摄像机等电子设备采集某一路段的汽车图像，对图像进行处理，获取车牌的位置及字符信息， 完成车牌目标的自动定位与识别。图1-1为车牌识别系统流程：采集图像车牌定位字符分割1字符识别信息存储图1-1车牌识别系统流程其工

15、作流程是：当系统发现有车辆通过时，触发图像采集部分工作，通过对车辆进行抓拍，获取 车辆的前视或后视图。然后将所采集的车辆数字图像送入计算机系统5，通过车牌定位、字符分割、字符识别三个环节的处理，最终得到车牌号码。其中的计算机处理系统主要涉及了三个关键技术：车牌区域定位技术、车牌字符分割技术和车牌字符识别技术。下面只针对车牌字符分割技术的研究现状加以阐述。1.3 国内外研究车牌字符分割是车牌自动识别系统的关键环节之一， 错误的字符分割会导致错误的字符识别。 目前， 大多数字符识别方法都是针对单独字符进行识别， 因此在准确地定位车牌后， 字符分割的好坏对字符识 别率起着非常关键的作用。在已有的印刷

16、体字符分割技术 7 的基础上， 国内外研究人员已经提出了几种 车牌字符分割方法：(1) 垂直投影法，是采用最多的一种方法。优点是速度快，对于质量好的牌照图像，定为非常准确。 但牌照中如果出现字符粘连和断裂，很容易出错。(2) 基于灰度图像的分割方法，用灰度图像 8的投影轮廓和拓扑特征 8来决定分割区域，找到的是非 线性分割路径，此方法适合于在一个文档里存在各种语言的字符、各种符号的情况，算法比较复杂。(3) 基于识别结果的字符分割方法，它把分割和识别结合起来，此方法需要识别的高准确性，相比 较其它方法，分割和识别结合的方法对这种判据的定义更为苛刻。(4) 基于聚类分析 9的方法， 它是将去除边

17、框后的车牌图像中每个像素按距离进行聚类，首先去掉不符合字符高度特征的噪声类， 如果余下的类小于七个， 则把最大的类进行分裂处理， 如果余下的类大于 七个，由于字符之间的间距具有等距离的性质，依次取六个类间距，计算方差，方差最小的六个距离所 对应的七个类就是字符类。这种方法的主要缺点是计算量大，对分裂字符容易聚类错误。(5) 边缘跟踪法和漫水法相结合的方法，这种方法沿着车牌字符边缘找到字符的边界点，从而获得 字符的位置和大小， 因此分割效果非常精确， 但对图像质量要求相当高， 字符笔画不能有断裂的情况出 现。(6) 自适应分割质量退化车牌的方法，该方法对字符外轮廓垂直距离采用尺度自适应三次B 样

18、条小波变换进行字符的粗分割。 最后， 应用基于目标占有率模板匹配的字符识别反馈进行字符的精分割。该方法对识别的精度要求较高。这些方法有的分割效率较低，适应性差， 稍有干扰便难以分割， 有的计算 量太大，难以满足系统实时性的要求。并且由于车牌识别系统在室外全天候工作，光照情况经常变化， 因此图像常常存在光照不均、对比度较小、倾斜、褪色严重、污迹、字符断裂和粘连等质量严重退化现 象，从而导致字符分割效果并不理想。如何对严重退化的车牌图像进行准确的字符分割仍然是车牌识别系统中有待解决的难题。1.4 本文主要内容车牌字符分割的正确与否将直接影响到车牌字符的识别， 如果字符分割错误， 那会直接导致车牌识

19、 别的失败。在实际生活中，车牌由于受到光照、倾斜、噪声等很多客观因素影响，而使得车牌图像有时 不太理想， 这也是尽管字符识别已经可以达到手写体的水平， 而车牌自动识别系统还在进一步完善的原 因之一。本文的工作主要包括：( 1)给出了对车牌图像的预处理过程，包括对车牌的灰度化、二值化、开运算、闭运算、去除边 框、去除圆点等过程。( 2)给出了传统投影法对车牌图像进行分割的方法。( 3)在分析了上述方法的优缺点后，提出了改进的投影法。( 4)在完成算法设计后，进行了界面设计和程序实现。第二章 基本理论介绍图像的概念是比较广义的，例如照片、图画、动画、视频等等。图像带有大量的信息，如何从中 找到我们

20、需要的信息就是我们所关注的焦点， 因此图像处理技术发展越来越快， 已经在很多方面取得了 较大的进步，尤其在近几年，数字通信、计算机、计算机网络等技术的飞速发展，对图像处理技术的发 展起到了推动作用。2.1 数字图像处理技术理论上讲，图像是一种二维的连续函数，因而在计算机上对图像进行数字处理的时候，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。空间坐标（x, y）的数字化称为图像采样，而幅值数字化称为灰度级量化。2.1.1 bmp 位图位图图像（bitmap）,亦称为点阵图像或绘制图像，是由称作像素（图片元素）的单个点组成的。这些点可以进行不同的排列和染色以构成图样。当放大

21、位图时，可以看见赖以构成整个图像的无数单个方块。扩大位图尺寸的效果是增大单个像素，从而使线条和形状显得参差不齐。然而，如果从稍远的位置 观看它，位图图像的颜色和形状又显得是连续的。位图颜色的编码方法目前有RGB、CMYK等编码方法。本文着重介绍RGB编码方式。2.1.2 RGB编码方式RGB色彩模式是工业界的一种颜色标准，是通过对红（R）、绿（G）、蓝（B）三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。RGB色彩模式使用 RGB模型为图像中每一个像素的RGB分量

22、分配一个0255范围内的强度值。RGB图像只使用三种颜色，分别是红、绿、蓝，就可以使它们按照不同的比例混合，在屏幕上重现 16777216（256 * 256 * 256）种颜色。2.1.3二值图像二值图像9又称黑白图像，是指图像的每个像素只能是黑或白，没有中间的过渡。二值图像的像 素值为0或1。珮3V608图2-1二值图像2.1.4 Otsu 算法这是1980年由日本的大津提出，故又称为大津阈值算法，在判别与最小二乘原理的基础上推导出 来的。其原理如下：设t为车牌图像的前景与后景的分割阈值，前景点数所占图像的比例为k1，平均灰度为u1 ；后景点数所占图像比例为 k2，平均灰度为U2 ；则图像

23、的总平均灰度为= u1 k1 u2 k2（ 2-1）以t为阈值从最小灰度值到最大灰度值遍历图像，当t使得类间方差值=匕（山-u）2 k2 （u2 -u）2 （2-2）为最大时即为最佳阈值14。因为方差值的大小代表了灰度值的分布情况，因而当方差越大，说明前景和背景的差别 越大，当将前景划为背景区域或将背景划为前景区域时都会使得方差变小，所以当t使得方差 最大时即为最佳阈值。图2-3为二值化后车牌图像：iA3V608图2-2图像的二值化2.1.5灰度图像灰度图像10是指每个像素由一个量化的灰度值来描述的图像。它不包含彩色信息。在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B

24、的值叫灰度值，因此,灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。B3V608图2-3灰度图像2.1.6 中值滤波中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列。二维中值滤波输出为g(x,y)=me

25、df(x-k,y-l),(k,l W)，其中,f(x,y) , g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为 2*2 , 3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。本文将采用这种方式来进行去噪处理。第三章车牌图像的预处理3.1车牌图像的灰度化图像的灰度化，就是将彩色图像转化为具有256个灰度级的黑白图像，灰度图像只保留图像的亮度信息，去除了色彩信息，就像我们平时看到的黑白照片，它的亮度由暗到明，而且亮度变化是连续的。图像灰度化后可以使处理运算量大大减少，这样处理过程就变得更加简单和省时。在灰度图像中，通常将亮度划分成0到255共256个级别，0最暗，25

26、5最亮。一般有如下四种方法对彩色图像进行灰度化：分量法、最大值法、平均值法、加权平均值法。本 文采用加权平均值法11对图像进行灰度化。由于人眼对于绿色的敏感度最高，对蓝色敏感度最低，因 此可以按公式1进行灰度化Gray(i, j) =0.30R(i, j) 0.59G(i, j) 0.11B(i, j) (3-1)图3-1为将彩色图像灰度化前后的图像：汗 3V608M-A 3V608图3-1车牌图像的灰度化3.2车牌图像的二值化图像二值化是指将彩色或灰度图像转化为黑白图像，而且图像没有灰度层次的变化，对图像二值 化可根据公式2或公式3来确定。其中t为阈值，f(i,j)为输入图像数据，f(i,

27、j)为输出图像数据。f（i，j）虽（3-2）f（i，j）（3-3）由公式1和公式2可知，图像的二值化就是选取一个阈值13,灰度值大于阈值的 （或小于阈值的）被认定为字符图像， 灰度值小于阈值的（或大于阈值的）被认定为车牌背景，对车牌图像进行二值化处理的目的就是将车牌上的字符和背景分开，因此在二值化过程中最关键的就是阈值的选取，好的阈值可以把车牌背景和车牌上的字符区分开来，而不恰当的阈值会把背景认定为字符，同样也可能把部分字符认定为背景。下面介绍几种常用的二值化方法：（）全局阈值法14:在分割过程中，对车牌图像的每个像素值采用相同的阈值，就是全局阈值算法。如果背景的像素 值在整个图像中可近似看作

28、为恒定，那么，只要选择了正确的阈值， 使用一个固定的全局阈值就可以达到较好的二值化效果。因此如何选择阈值就成为全局阈值算法的关键所在。在全局阈值算法中最出名的也是效果最好的就是Otsu提出的最大方差阈值算法。这是1980年由日本的大津提出，故又称为大津阈值算法，在判别与最小二乘原理的基础上推导出来的11。（2）局部阈值法：在许多情况下，背景的灰度值并不能近似为一个常数，由于各种原因使得车牌受到污染或有阴影、光照不均等，都会使车牌字体颜色和背景颜色的对比度在图像中产生变化。这时，取一个定值作为整个图像的阈值对图像分割，会由于不能兼顾图像各处的情况而使分割效果受到影响。在此情况下，有一种解决办法就

29、是局部阈值法，该方法由像素的灰度值以及该像素周围点的局部灰度特性来确定阈值，把灰度阈值取成一个随图像位置缓慢变化的函数值，因而也称此方法为自适应阈值算法或动态阈值算法。由于实际应用中，全局阈值法已可以满足本文车牌字符分割的要求，因此本文采用了Otsu法（大津法）。Otsu法14的原理为：设t为车牌图像的前景与后景的分割阈值， 前景点数所占图像的比例为 k1， 平均灰度为U1 ；后景点数所占图像比例为 k2，平均灰度为U2 ;则图像的总平均灰度为u 二 5 k1u2 k2(3-4)以t为阈值从最小灰度值到最大灰度值遍历图像，当t使得类间方差值 2 2二 k1 (5 -u)k2 (吐u) (3-5

30、)为最大时即为最佳阈值14。因为方差值的大小代表了灰度值的分布情况，因而当方差越大，说明前景和背景的差别 越大，当将前景划为背景区域或将背景划为前景区域时都会使得方差变小，所以当t使得方差 最大时即为最佳阈值。图3-2为二值化后车牌图像：iA3V608图3-2图像的二值化3.3去噪处理目标提取后的车牌图像中会含有一定的噪声15，给车牌字符的分割造成一定程度的干扰。为了减少图像中的噪声，需要对图像进行去噪声处理。一种常用的算法是中值滤波，它是一种非线性滤波，由于它在实际运算过程中并不需要图像的统计特性，所以比较方便。在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像

31、扫描噪声最为有效。所以本文采取中值滤波的算法去除噪声。中值滤波16就是用一个含有奇数点的滑动窗口，将窗口正中间那点的值用窗口内各点的中值代替。 设有一个一维序列住花，取窗口长度为m（m为奇数），对此序列进行中值滤波，就是从输入序列中相继抽出m个数,fjy，fj，fj, fj 1,fj v，其中fj为窗口的中心值，v=：(m-1)/2，再将这m个点按其数值大小排列，取其序号为正中间的那个数作为滤波输出。用数学公式表示为:(3-6)Y 二 Medf*.fj v, i Z,v =中值滤波的一个重要特点是可以保持输入波形的边缘。对二维序列 Xj进行中值滤波时，滤波窗口也是二维的，但这种二维窗口可以有各

32、种不同的形状，如线状、方形、圆形、十字形、圆环形等。二 维数据的中值滤波可以表示为：Yj =MedXj(3-7)A在图像阵列进行中值滤波时，如窗口是以中心点对称的，并包含中心点在内，即：(r,s)乏 A;( r, s)乏 A;(0,0)乏 A(3-8)(r,s)为窗口内一点与窗口中心的坐标距离，则中值滤波能保持任意方向的跳变边缘。对于有缓变的较长轮廓线物体的图像，采用方形或圆形窗口为宜，对于包含尖顶角物体的图像，适宜用十字形窗口。中值滤波一般采用一个含有奇数个点的滑动窗口，窗口形状和尺寸对滤波器效果影响很大。考虑到程序的复杂性、消噪效果和处理时间，经过反复实验对比， 本文采用NXN的方形中值滤

33、波器，其中N为最接近笔画宽度形 W的奇数。3.3.1去除车牌边框在对车牌进行定位后，车牌的上下边缘处总会残留一些车牌的边框或者铆钉等噪声无法去除，待 车牌被分割后也会给后续的字符识别带来麻烦，为了消除这些影响，须将其去除17。因此本文根据其边框与字符间有空隙的特点，对于垂直边框，先找到车牌正中间的一个字符，向右找到第四个间隙即为车牌的最右端，找到第一个字符位置，向左寻找即可找到车牌最左端位置；对于水平方向的边框，先找到车牌水平方向的最中间，向车牌的上下方向分别寻找车牌字符与边框之间的间隙，即可找到车牌的上下位置。步骤为：Step1:计算每一行的像素值总和。Step2：选取车牌行方向的正中间位置

34、，分别向车牌上下扫描寻找到行像素和突然变小的位置，即 为车牌的上下端。Step3：只保留Step2找到的车牌上下端以内的车牌数据即可将车牌的上下边框去除。图3-3为未消除边框前的行方向灰度值统计图17行方向像素点灰度值累计和行值图3-3未消除边框前的行方向灰度统计图图3-4为消除边框后的行方向灰度值统计图行方向像素点灰度值累计和15行值图3-4 消除边框后的行方向灰度值统计图 去除车牌水平方向的边框与去除垂直方向边框的方法类似。图3-5为车牌去除边框前后的图像:IA3V608图3-5去除边框前后的车牌332去除车牌图像中的圆点车牌上字母与数字间有一白色圆点，在采用投影法对车牌进行分割时会受到很

35、大的影响，因此本 文根据该白点所在车牌的位置，将此白点处数字矩阵置为全零，可以消除其带来的影响。图3.4为去除白点前后的车牌图像:图3-6去除圆点第四章车牌字符分割算法前面已经介绍了字符分割的发展现状，本章将就本文重点研究的投影法进行深入研究与阐述4.1传统垂直投影的车牌字符分割算法该算法是由迟晓君，孟庆春2等首先提出来的，该算法是依据车牌字符间的像素为零而找到各个字符的左右位置分割的。图4.1为计算列方向的累计像素值：行方向橡素点灰度值累计和行值图4-1车牌列方向累计像素值由图可见：在字符之间的像素值理想情况下为零，实际情况可能有些许噪声，但只要噪声不大， 已可据此实现字符的分割。该算法的步

36、骤为：Stepl:将车牌图像灰度化。Step2：用Otsu算法确定车牌区域的二阈值（即采用全局阈值），然后根据此阈值将图像二值化。Step3：对该二值化图像进行去燥处理，经过滤波、去除车牌边框、去除圆点等步骤后就可得到质 量较好的二值化图像。Step4：:计算出车牌区域垂直方向上的二值投影图找到波谷点，从而根据这些波谷点来对整个车牌字符进行分割，并且抛弃掉字符与字符之间的间隙。下图为应用投影法对车牌进行分割的图像：原图像：|M3V60a分割后图像:图4-2投影法分割效果图由于此方法已经能够将车牌区域灰度图像转化为较高质量的二值图片进行分割，但对于一些质量 较差的车牌照片还是可能发生字符粘连或者

37、对字符的误分割，故采用车牌区域二值图片19的投影图来分割字符还有待改善。4.2改进的垂直投影的车牌字符分割算法传统投影法用一个阈值来分割所有的车牌字符，对于车牌受污染程度较大的情况下，分割的效果不好。因此下面介绍一种改进的垂直投影法来进行车牌字符分割。首先，将车牌分割出来的每部分图像称为车牌的子图像，长度最大的子图像称为最大长度子图像Imax，对Imx用投影的方法找到分割的阈值点之后，再以这个点问分割点把车牌字符分割成两部分，即2个子图像。其中每次迭代都是一个寻找最优分割点的过程。算法流程图如图4-3所示图4-3算法流程图算法流程图的步骤如下。1 ）获取最长子图像Imax。通过对每个子图像的长

38、度对比，可以获得长度最长的子图像Imax，并求出其长度Lmax ；流程开始是以原车牌字符图像作为最长子图像。2）阈值thresh的选取。该阈值为了对下一步最大长度子图像Imax是否需要继续分割而设置的。3 ）对Imax作投影。4 ）二分法分割Imax。最理想的情况是分割点落在Imax中间的一个小范围内；首先求从Imax中间开始向两端Lmax5的长度对Imax的投影直方图进行搜索，获得其最低点IOW；然后在IOW点的位置上把I max 分割成2个子图像。5）按顺序重新排列子图像。经过4）的分割，上一步的Imax已经变成两个子图像，要把这两个子图像重新排序；跳回 1）作新一轮的循环。图4-4显示从

39、原始二二值化图像到最终结果的变化过程04倾;原始图片一次循环二次循环三次循环四次循环图4-4变化过程图五次循环第五章系统实现系统使用C+语言，利用Mattab以及VC6.0等平台编写，界面简明扼要，功能基本完善。 下面介绍本文设计的 GUI界面：图5-1为主界面忑无标题亠车牌分封算法口叵区文件妁 编辑（I）查看边帮助at）打开位图 显示泣国 灰度变按 灰厦调整 中值滤波 二值化车牌切割图5-1主界面打开主界面后，点击“功能”菜单，然后“打开位图”，成功打开后点击“显示位图”。图5-2为“显示位图”的结果：图5-2显示位图然后进行灰度化和灰度调整。图5-3为灰度化位图，图5-4为灰度调整之后的位

40、图:图5-3灰度化位图图5-4灰度调整灰度调整之后用中值滤波进行去噪处理。图5-5为中值滤波:F祝无标题-车脾分割算法二|回区文件 編需查看辺功 帮肋Q0D罔A图5-5中值滤波然后进行二值化。图 5-6为二值化图像:图5-6 二值化最后进行车牌分割。图5-7为车牌分割后的结果:图5-7车牌分割第六章 总结与展望6.1 总结本文论述了车牌识别系统的工作原理及组成并详细地就其中的重要步骤之一：车牌的分割进行了研究。在分析了传统投影法的基础上， 根据该方法的优缺点提出了一种改进的垂直投影法， 实现了良好的 车牌字符分割效果。 主要研究探讨了车牌字符分割前的预处理以及字符分割方法。本文的不足之处在于没

41、有做车牌校正的处理，对于扭曲的车牌，本文所用算法不合适。这是本文需要改进的地方。6.2 展望车牌自动识别系统的重要性和实用价值已经越来越明显， 也受到了更多的重视。 本文对其中关键技 术之车牌字符分割技术做了深入的研究， 随着社会的发展， 车辆会越来越多， 如何有效的管理这些 车辆成为一个亟待解决的问题， 而智能交通系统就是一个很好的解决方法， 该系统能大量减少人力物力 的同时可以很好的管理大量的车辆。现在国内外已经出现了智能交通系统。首先， 由于国内的车牌中有众多的汉字需要进行识别，而汉字笔画众多、结构复杂，故汉字的识别 难度很大。 国内出现的智能交通系统的识别率都不是很高， 离实际应用要求

42、还有一段距离。 要想提高国 内的智能交通系统的推广范围， 首先需要做的就是找出新的识别汉字的解决方法， 从而提高车牌字符整 体识别率。 而国外的车牌中只有数字和字母， 识别起来很容易， 故国外的车牌识别算法有很高的识别正 确率其次， 现在的出现的车牌识别算法多是针对某一固定场景提出的，这就使得车牌识别算法可移植性不高， 为了使系统有更大的应用范围， 需要研究出一个移植能力很强的车牌识别算法。 这才可以使嵌入 该识别系统的智能交通系统拥有更高的实用性。在车牌识别系统的性能指标中， 识别率和识别速度难以同时提高， 除了处理技术的原因外， 还受到 拍摄设备、计算机硬件设备等性能的限制。同时仍有许多问题需要在未来的工作中加以解决。致谢在这 13 周的毕业设计过程中