车牌识别系统的设计--课程设计报告

1、目录 TOC o 1-5 h z HYPERLINK l bookmark0 o Current Document 一、摘要： 3 HYPERLINK l bookmark2 o Current Document 二、设计目的和意义： 3 HYPERLINK l bookmark4 o Current Document 2.1、设计目的： 3 HYPERLINK l bookmark6 o Current Document 2。2、设计意义： 2 HYPERLINK l bookmark8 o Current Document 三、设计原理： 2 HYPERLINK l bookmark10

2、o Current Document 四、详细设计步骤： 2 HYPERLINK l bookmark12 o Current Document 4。1、提出总体设计方案：3 HYPERLINK l bookmark14 o Current Document 4。2、各模块的实现： 4 HYPERLINK l bookmark41 o Current Document 五、设计结果及分析 20 HYPERLINK l bookmark49 o Current Document 六、总结： 21 HYPERLINK l bookmark51 o Current Document 七、体会 22

3、HYPERLINK l bookmark53 o Current Document 八、参考文献： 22一、摘要：随这图形图像技术的发展，现在的车牌识别技术准确率越来越高， 识别速度越来越 快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助 光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计 算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号， 控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的 图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过 车牌定位、字符识别，

4、最后将识别结果输出。二、设计目的和意义：设计目的:1、巩固理论课上所学的知识，理论联系实践.2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。3、通过本次二级项目的设计，能够综合运用所学理论知识，拓宽知识面，系统地进行 电子电路的工程实践训练，培养工程师的基本技能，提高分析问题和解决问题的能力。2。2、设计意义：车辆牌照在交通系统管理中有着重要的作用，通过它可以检索车辆的各项重要信息， 实现车辆的控制、运输安排、停车管理、自动收费、事故处理等功能，从而给交通系统 的自动管理提供极大的方便。车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统

5、，能够提高学生分析问题和解决问题的能力，还能培养一定的科研 能力。三、设计原理：牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动 识别的模式识别技术。具硬件基础一般包括触发设备、摄像设备、照明设备、图像采集 设备、识别车牌号码的处理机等，具软件核心包括车牌定位算法、车牌字符分割算法和 光学字符识别算法等.某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能 称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别 等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像.牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的

6、字符分割出来进行识别， 然后组成牌照号码输出。四、详细设计步骤：锄员信号京 EG15 572车辆 检测器数字图像视频车辆检测结果输出字符识别(OCR)G6 572fcEG65牌照号码：京EG(557上 牌照底色蓝色图1睥照识别系统示提出总体设计方案：牌照号码、颜色识别为了进行牌照识别，需要以下几个基本的步骤：a。牌照定位，定位图片中的牌照位置；b.牌照字符分割，把牌照中的字符分割出来；c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码.牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常 与牌照识别互相配合、互相验证。(1)牌照定位：自然环境下，汽车图像背景复杂、光

7、照不均匀，如何在自然背景中准确地确定牌照 区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽 车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选 定一个最佳的区域作为牌照区域，并将其从图象中分割出来。流程图:(2)牌照字符分割：完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别.字符分割一般 采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局 部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其 他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。计算水平投影进

8、行车牌水平校正去掉车牌 的框架分析垂直投影找到每 个字符中心位置按左右宽度,切割出字符 3(3)牌照字符识别字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化，并将其尺寸大小缩放为字符数据库中模板的大小，然后 与所有的模板进行匹配，最后选最佳匹配作为结果。基于人工神经元网络的算法有两种： 一种是先对待识别字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一 种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果.实际应 用中，牌照识别系统的识别率与牌照质量和拍摄质量密切相关。牌照质量会受到各种因 素的影响，如生锈、污损

9、、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多 牌照、假牌照等等；实际拍摄过程也会受到环境亮度、拍摄亮度、车辆速度等等因素的影 响。这些影响因素不同程度上降低了牌照识别的识别率，也正是牌照识别系统的困难和挑 战所在。为了提高识别率，除了不断的完善识别算法，还应该想办法克服各种光照条件， 使采集到的图像最利于识别。切割出的字符送入库中与数据库的 图片相减分析之差最小的图片是哪张字符依次分析显示误 差最小的图片名字各模块的实现:2。1输入待处理的原始图像：clear ；close all ;%Step1获取图像装入待处理彩色图像并显示原始图像Scolor = imread(3.jpg )

10、; % imread 函数读取图像文件图2.1原始图像图像的灰度化：彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低 系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。由彩色转换为灰度的过程叫做灰度化处理。选择的标准是经过灰度变换 后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别 %等彩色图像转换为黑白并显示Sgray = rgb2gray (Scolor);%rgb2gray 转换成灰度图figure,imshow(Sgray ), title (原始黑白图像,);J _ Q - lb 4, Jf,

11、N 口图2。2原始黑白图像对原始图像进行开操作得到图像背景图像：s=strel ( disk , 13) ; %strei 函数Bgray=imopen (Sgray, s) ; %丁 开 sgray s 图像figure , imshow (Bgray);title (背景图像)；俞出背景图像图2。3背景图像原始图像与背景图像作减法，对图像进行增强处理：Egray=imsubtract (Sgray,Bgray );阴幅图相减figure,imshow(Egray ) ; title( 增强黑白图像)；输出黑白图像EJSl；3iI口*|*、00日| 1鼻苗KI:图2。4黑白图像2。5取得最佳

12、阈值，将图像二值化：二值图像是指整幅图像画面内仅黑、白二值的图像。在实际的车牌处理系统中，进 行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来，二值变换 的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等 等.车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大地提高处理效率。阈值处理的操作过程是先由用户指定或通过算法生成一个阈值，如 果图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为0或255,否则灰度值设置为255或0。fmax1=double (max(max(Egray) ) ); % egray 的最大值并

13、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 ) ; %专换图像为二进制图像bw2=double (bw22);figure,imshow(bw2 ) ;title (图像二值化)；%导到二值图像岳*曰日国*二也生图2。5二值图像边缘检测：两个具有不同灰度值的相邻区域之间总存在边缘，边缘就是灰度值不连续的结果， 是图像分割、纹理特征提取和形状特征提取等图像分析的基础.为了对有意义的边缘点进行分类

14、，与这个点相联系的灰度级必须比在这一点的背景上变换更有效，我们通过门限 方法来决定一个值是否有效。所以，如果一个点的二维一阶导数比指定的门限大，我们 就定义图像中的次点是一个边缘点，一组这样的依据事先定好的连接准则相连的边缘点 就定义为一条边缘。经过一阶的导数的边缘检测，所求的一阶导数高于某个阈值，则确 定该点为边缘点，这样会导致检测的边缘点太多。可以通过求梯度局部最大值对应的点并认定为边缘点，去除非局部最大值，可以检测出精确的边缘。一阶导数的局部最大值 对应二阶导数的零交叉点，这样通过找图像强度的二阶导数饿的零交叉点就能找到精确 边缘点。grd=edge(bw2 , canny) %用can

15、ny算子识别强度图像中的边界figure , imshow(grd);title (图像边缘提取);%输出图像边缘W q *- - 帘 H - n I I 回 口口组1对:*号17图2。6像边缘提取对得到图像作开操作进行滤波：数学形态非线性滤波，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。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，因而可有效 的消除孤立噪声点；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，可填补目标物体中的空洞，形成连通域。先腐蚀后膨胀的过程 称为开运算，它具有消除细小物体，并在纤细处分离物体和平滑较大

16、物体边界的作用；先 膨胀后腐蚀的过程称为闭运算，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。对图像做了开运算和闭运算，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，并弥补轮廓线中的断裂。bg1=imclose(grd , strel( rectangle , 5,19 ) ; %取矩形框的闭运算figure,imshow (bg1) ;title(图像闭运算5, 19 ) ; %俞出闭运算的图像bg3=imopen (bg1, strel (rectangle ，5, 19);% 取矩形框的开运算figure,imshow (bg3) ;

17、title (图像开运算5,19 ); %输出开运算的图像 bg2=imopen(bg3 , strel (rectangle , 19, 1 ) ) ; %X矩形框的开运算 figure , imshow (bg2) ;title (图像开运算19 , 1 ) ;%输出开运算的图像图2.7.1闭运算的图像D*ago1pM Eli 中一 Jih4t wie QiR。HM- 皿Vn门- q a -.尊匕* Q 口国 q阻开罡巾|6”|图2。7.2开运算的图像图2。7。3开运算的图像对二值图像进行区域提取，并计算区域特征参数。进行区域特征参数比较，提取车牌 区域：a.对图像每个区域进行标记，然后计

18、算每个区域的图像特征参数：区域中心位置、最小包 含矩形、面积。L, nunri = bwlabel (bg2, 8) ;%标注二进制图像中已连接的部分Feastats = imfeature (L, basic ); %计算图像区域的特征尺寸Area=Feastats.Area;%区域面积BoundingBox= Feastats 。 BoundingBox ; % xy width height 车牌的框架大小 RGB = label2rgb(L, spring , k , shuffle ) ; % 标志图像向 RGB图像转换figure , imshow(RGB);title (图像彩色

19、标记)；输出框架的彩色图像图2。8.1彩色图像bo计算出包含所标记的区域的最小宽和高，并根据先验知识 ，比较谁的宽高比更接近实 际车牌宽高比，将更接近的提取并显示出来。lx=0 ;for l=1:numwidth=BoundingBox(l 1) * 4+3) ； %框架宽度的计算hight=BoundingBox(l1) *4+4) ； %匡架高度的计算if (width 98 & width 160 & hight 25 & hight 50) %框架的宽度和高度的范围 lx=lx+1;Getok(lx)=l;endendfor k= 1:lxl=Getok(k );(l 1) * 4+1

20、) 2;%开始列(l-1)*4+2)2;% 开始行* 4+3)+8 ;加牌宽(l-1 ) * 4+4)+2 ;加牌高startcol=BoundingBox startrow=BoundingBox( width=BoundingBox(l-1) hight=BoundingBoxrato=width/hight;%计算车牌长宽比if rato 2 & rato=1markrow (l) =k； %k升点markrow1(l)=count1； %谷宽度(下降点至下一个上升点)l=l+1；endcount1=0;11endendmarkrow2=diff(markrow) ； %峰距离(上升点至

21、下一个上升点)ml, n1=size ( markrow2)；n1=n1+1;markrow(l)=hight ；markrowl (l ) =count1 ；markrow2 (n1) =markrow (l) markrow (l 1);l=0 ；for k=1 : n1markrow3(k)=markrow(k+1) markrow1 (k+1); %下降点markrow4 (k) =markrow3(k)-markrow(k) ； %峰宽度(上升点至下降点)markrow5 (k)=markrow3 (k) -double(uint16 (markrow4(k) /2) ； %隼中心位

22、置 end%Step7计算车牌旋转角度%(1)在上升点至下降点找第一个为1的点m2, n2=size (sbw1) ;%sbw1 的图像大小m1, n1=size(markrow4); %markrow4 的大小maxw=max(markrow4) ； %最大宽度为字符if markrow4(1) =maxw% 测上边ysite=1 ；k1=1;for l=1:n2for k=1:markrow3(ysite )烟顶边至第一个峰下降点扫描if sbw1 (k,l ) =1xdata(k1)=l;ydata(k1) =k；k1=k1+1;break ； endendendelse%检测下边ysi

23、te=n1;if markrow4 (n1) =0if markrow4 ( n1 1) =maxwysite= 0； %无下边else TOC o 1-5 h z ysite= n11;endendif ysite =0k1=1；for l=1: n2k=m2 ；while k=markrow12(ysite )%从底边至最后一个峰的上升点扫描程序流程图2。10计算车牌旋转角度：a。车牌倾斜的原因导致投影效果峰股谷不明显，在这里需要做车牌矫正处理。这里采取 的线性拟合的方法，计算出车牌上边或下边图像值为1的点拟合直线与水平X轴的夹角.13程序流程图% (2)线性拟合，计算与 x夹角fresu

24、lt = fit(xdata , ydata , polyl ) ; %poly1 Y = pl * x+p2p1=fresult 。 p1;angle=atan(fresult 。p1) * 180/pi ; %弧度换为度，360/2pi , pi=3.14% (3)旋转车牌图象subcol = imrotate(subcol1,angle , bilinear ,crop ) ; %旋转车牌图象sbw = imrotate (sbw1, angle bilinear , crop ); %旋转图像figure , subplot (2, 1,1) , imshow (subcol);tit

25、le (车牌灰度子图)；俞出车牌旋转后 的灰度图像标题显示车牌灰度子图subplot (2, 1,2 ) ,imshow(sbw ) ;title ( ) ; %输出车牌旋转后的灰度图像title( 车牌旋转角：,num2str (angle),度,Color,r ) ;%显示车牌的旋转角度图2.10。1旋转后的灰度图像和旋转角度b.旋转车牌后重新计算车牌水平投影，去掉车牌水平边框，获取字符高度:14histcol1=sum(sbw); %计算垂直投影(垂直投影(旋转后);(水平投影(旋转后);histrow=sum (sbw) ; %计算水平投影 figure , subplot(2 , 1

26、,1 ) ,bar(histcol1);title subplot (2, 1, 2), bar (histrow); title图2。10.2垂直投影(旋转后)和水平投影(旋转后)figure , subplot (2, 1, 1) , bar(histrow); title(水平投影(旋转后);subplot(2 , 1,2), imshow (sbw); title(车牌二值子图(旋转后)；15图2.10。3水平投影(旋转后)和车牌二值子图(旋转后)去水平(上下)边框，获取字符高度：a.通过以上水平投影、垂直投影分析计算，获得了车牌字符高度、字符顶行与尾行、字符 宽度、每个字符的中心位置

27、，为提取分割字符具备了条件。maxhight=max(markrow2);findc=find(markrow2=maxhight) ;rowtop=markrow (findc);rowbot=markrow (findc+1)-markrow1 (findc+1);sbw2=sbw(rowtop : rowbot,:);%子图为(rowbot-rowtop+1 )行maxhight=rowbot rowtop+1; % 字符高度 (rowbot rowtop+1)b.计算车牌垂直投影，去掉车牌垂直边框，获取车牌及字符平均宽度histcol=sum (sbw2);% 计算垂直投影figure

28、 , subplot (2, 1, 1) ,bar (histcol ); title(垂直投影(去水平边框后)；输出车牌的垂直投影图像subplot(2,1,2),imshow(sbw2 ) ; %输出垂直投影图像title(车牌字符高度：，int2str (maxhight ) ,Color r ); %俞出车牌字符高度I* 一图2.11垂直投影图像和车牌字符高度 b. %寸垂直投影进行峰谷分析程序流程图c.计算车牌上每个字符中心位置，计算最大字符宽度maxwidth161=0；for k=1:n1markco13(k ) =markco1 (k+1)-markco11(k+1); %符下

29、降点markco14(k)=markco13(k ) -markcol(k) ; %字符宽度(上升点至下降点)markco15(k)=markco13 (k)-doub1e(uint16 (markco14(k)/2);% 字符中心位置endmarkco16=diff (markco15);%字符中心距离(字符中心点至下一个字符中心点)maxs=max(markco16) ; %查找最大值，即为第二字符与第三字符中心距离findmax=find(markco16=maxs );markco16(findmax)=0 ;maxwidth=max (markco16); %查找最大值，即为最大字符

30、宽度d.提取分割字符，并变换为22行* 14列标准子图1=1 ；m2,n2 =size (subcol);figure ;for k=findmax 1:findmax+5c1eft=markco15 (k) -maxwidth/2 ; TOC o 1-5 h z cright=markco15(k)+maxwidth/2 2;if cleft 1c1eft=1;cright=maxwidth;endif crightn2cright=n2;c1eft=n2maxwidth ;endSegGray=sbw (rowtop : rowbot,c1eft : cright );SegBw1=sbw

31、(rowtop : rowbot , c1eft:cright);SegBw2 = imresize(SegBw1 , 22 14 ) ;%变换为 32 行* 16 列标准子图subp1ot(2,n1 , 1 ) ,imshow (SegGray);if 1=7tit1e(车牌字符宽度：,int2str (maxwidth) , Color, r);endsubp1ot(2 , n1, n1+1),imshow(SegBw2 );fname=strcat ( F:MATLABworksamimage int2str(k), .jpg ) ; %保存子图备选入样本库，并建立样本库imwrite

32、(SegBw? fname, jpg ) 1=1+1;end将计算计算获取的字符图像与样本库进行匹配,自动识别出字符代码:进行车牌识别前需要使用样本对神经网络进行训练，然后使用训练好的网络对车牌 进行识别。其具体流程为：使用汉字、字母、字母数字、数字四个样本分别对四个子网络 进行训练，得到相应的节点数和权值.对已经定位好的车牌进行图像预处理，逐个的特征提取，然后从相应的文件中读取相应的节点数和权值，把车牌字符分别送入相应的网络 进行识别，输出识别结果。17%Step12将计算计算获取的字符图像与样本库进行匹配，自动识别出字符代码。liccode=char( 0 : 9 A : Z粤桂海云贵川京

33、津沪);%建立自动识别字符代码表SubBw2=zeros(22,14 );l=1 ；m2,n2 =size (sbw);for k=findmax 1: findmax+5 TOC o 1-5 h z cleft=markcol5(k)-maxwidth/2；cright=markcol5(k) +maxwidth/2 2;if cleft 1cleft=1;cright=maxwidth；endif crightn2cright=n2；cleft=n2maxwidth ；endSegBw1=sbw r rowtop : rowbot,cleft:cright )；SegBw2 = imres

34、ize (SegBw1, 22 14 ) ； %!换为 22 行* 14 列标准子图if l=1%第一位汉字识别kmin=37 ； kmax=45;elseif l=2%第二位A-Z字母识别kmin=11;kmax=36;elseif l =3 & l 0| SubBw2 (k1,l1 )0 )Dmax=Dmax+1endend18endError(k2)=Dmax；endError1=Error(kmin:kmax);%比较误差MinError=min( Errorl);% 取误差的最小值findc=find( Error1=MinError);%查找最小误差的图像RegCode (l*2

35、1)=liccode(findc (1) +kmin 1);RegCode (l*2 ) = ; %输出最小误差图像 l=l+1;endtitle(识别车牌号码:,RegCode , Color , r);建立数据库样本与数据库中图片相减计算误差找到误差最小图片依次识别并识别程序流程图图2。12识别的车牌号码五、设计结果及分析原始图像：19车牌定位和提取:F-K .llL fn jiu18Mlg.kiLp 也匕曲力工 U H。Q +少,小;口国J 口车睥聿出彳留京 H99999车牌二情子图期9999920字符的分割和识别:从上面结果可以看出，这张车牌的识别失败了，将京误识别为H了。因此需要在车

36、牌 分割等方面做些弥补，最后达到识别效果。在车牌识别的过程中数字库的建立很重要 ，只有数字库的准确才能保证检测出来的 数据正确。切割出来的数据要与数据库的数据作比较，所以数据库的数据尤为重要。六、总结：实验对车牌识别系统的软件部分进行了研究，分别从图像预处理、车牌定位、字符21分割以及字符识别等方面进行了系统的分析。整理和总结了国内外在车牌定位、分割、 字符识别方面的研究成果和发展方向，系统介绍了我国车牌的固有特征，以及车牌识别 的特点。在车牌定位我们采用基于灰度跳变的定位方法，采用先对图像进行预处理，再 进行二值化操作的方法.实验表明本方法既保留了车牌区域的信息，又减少了噪声的干 扰，从而简

37、化了二值化处理过程，提高了后续处理的速度。基于彩色分量的定位方法， 运用基于蓝色象素点统计特性的方法对车牌是蓝色的车牌进行定位，实验表明，用该方 法实现的车牌定位准确率较高。本设计用MATLA褊程运行结果可以得出，本设计采用的 图像预处理、CANN边缘检测、开闭运算子5,19、车牌长宽比特征识别等对车牌的定 位都是非常有效的，而本设计提出的二次水平投影分析和阈值技术有效检测了车牌图像 的上下左右边框、旋转角度，准确实现的车牌字符的分割，对多个车牌进行实验，均有很高的正确率。本设计虽然只对蓝底白字车牌进行分割识别，对黑底白字车牌原则上整个算 法可直接适用，对白底黑字车牌、黄底黑字车牌，需要对车牌

38、定位算法进行调整，并将图 像反转（0变1、1变0）,而车牌字符的分割算法仍然行之有效。七、体会经过几周的奋战我们的课程设计终于完成了.课程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。通过这次课程设计我明白了我们在课本上学 到的知识还比较欠缺。我们要学习的东西还太多，以前老是觉得什么都会，什么都懂，有点眼高手低.通过这次课程设计，我们才真正明白：学习是一个长期积累的过程，在以后 的工作、生活中都应该不断的学习，努力提高我们的知识和综合素质。在这次课程设计 中也使我们的同学关系更进一步了，同学之间互相帮助、相互合作，有什么不懂的大家 在一起商量，听听不同的看法对我们更好的理解知识。不管学会的还是学不会的的确觉 得困难比较多，真是万事开头难，不知道如何入手。最后终于做完了有种如释重负的感觉。