基于MATLAB的车牌自动识别毕业设计-说明

1、摘要车牌自动识别系统是近年来发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。在车牌自动识别系统中，首先从获得的图像中分割出车牌，这是车牌字符识别的重要步骤。定位的准确性直接影响车牌识别率。本毕业项目首先对车牌识别系统的现状和现有技术进行了深入研究，并在研究的基础上开发了基于MATLAB的车牌识别系统。通过编写M文件，分析各种车辆图像处理方法。 ,比较,提出了车牌预处理、车牌粗定位和静态定位的方法。该设计基于边缘检测。首先从边缘提取的车辆图像中提取车牌特征并进行分析，从而初步确定车牌的区域，然后利用车牌的先验知识和分布特征分析车牌区域II .对有价值的图像进行处理，得到车

2、牌的精确区域，得到较好的定位结果。关键词: 识别率 车牌位置 二值化 边缘检测目录 TOC o 1-3 h z u HYPERLINK l _Toc326665818 摘要 PAGEREF _Toc326665818 h 1 HYPERLINK l _Toc326665819 前言 PAGEREF _Toc326665819 h 4 HYPERLINK l _Toc326665820 第 1 章 引言 PAGEREF _Toc326665820 h 5 HYPERLINK l _Toc326665821 1.1 .项目研究背景及意义 PAGEREF _Toc326665821 h 5 HYPE

3、RLINK l _Toc326665822 1.2 .国外研究概况及发展趋势 PAGEREF _Toc326665822 h 6 HYPERLINK l _Toc326665823 1.3车牌定位的意义 PAGEREF _Toc326665823 h 7 HYPERLINK l _Toc326665824 第 2 章 PAGEREF _Toc326665824 h MATLAB 8简介 HYPERLINK l _Toc326665825 MATLAB发展历程 PAGEREF _Toc326665825 h 8 HYPERLINK l _Toc326665826 2.2 MATLAB PAGER

4、EF _Toc326665826 h 9的语言特点 HYPERLINK l _Toc326665827 第三章 车牌位置 PAGEREF _Toc326665827 h 11 HYPERLINK l _Toc326665828 3.1车牌定位的主要方法 PAGEREF _Toc326665828 h 11 HYPERLINK l _Toc326665829 3.1.1基于线检测的方法 PAGEREF _Toc326665829 h 11 HYPERLINK l _Toc326665830 3.1.2基于阈值的方法 PAGEREF _Toc326665830 h 12 HYPERLINK l _

5、Toc326665831 3.1.3基于灰度的边缘检测方法 PAGEREF _Toc326665831 h 12 HYPERLINK l _Toc326665832 3.1.4基于彩色图像的车牌定位方法 PAGEREF _Toc326665832 h 13 HYPERLINK l _Toc326665833 3.2研究内容及实验方案 PAGEREF _Toc326665833 h 14 HYPERLINK l _Toc326665834 3.2.1研究内容 PAGEREF _Toc326665834 h 14 HYPERLINK l _Toc326665835 3.2.2车牌识别系统研究方案与

6、方法 PAGEREF _Toc326665835 h 14 HYPERLINK l _Toc326665836 3.3图像读取 PAGEREF _Toc326665836 h 15 HYPERLINK l _Toc326665837 3.4预处理和边缘提取 PAGEREF _Toc326665837 h 17 HYPERLINK l _Toc326665838 3.4.1图像采集与转换 PAGEREF _Toc326665838 h 17 HYPERLINK l _Toc326665839 3.4.2图像预处理 PAGEREF _Toc326665839 h 17 HYPERLINK l _T

7、oc326665840 3.4.3图像增强 PAGEREF _Toc326665840 h 18 HYPERLINK l _Toc326665841 3.4.4灰度变换 PAGEREF _Toc326665841 h 18 HYPERLINK l _Toc326665842 3.4.5图像平滑简介 PAGEREF _Toc326665842 h 20 HYPERLINK l _Toc326665843 3.4.6边缘检测 PAGEREF _Toc326665843 h 21 HYPERLINK l _Toc326665844 3.4.7图像腐蚀 PAGEREF _Toc326665844 h

8、22 HYPERLINK l _Toc326665845 3.5车牌的定位和分割 PAGEREF _Toc326665845 h 23 HYPERLINK l _Toc326665846 3.5.1车牌区域的定位与分割 PAGEREF _Toc326665846 h 24 HYPERLINK l _Toc326665847 3.5.2车牌区域的分割 PAGEREF _Toc326665847 h 24 HYPERLINK l _Toc326665848 3.5.3车牌的进一步处理 PAGEREF _Toc326665848 h 24 HYPERLINK l _Toc326665849 3.6图

9、像边缘提取和二值化 PAGEREF _Toc326665849 h 25 HYPERLINK l _Toc326665850 3.7形态滤波 PAGEREF _Toc326665850 h 29 HYPERLINK l _Toc326665851 3.8车牌提取 PAGEREF _Toc326665851 h 31 HYPERLINK l _Toc326665852 第4章字符的分割与识别 PAGEREF _Toc326665852 h 32 HYPERLINK l _Toc326665853 4.1字符分割和归一化 PAGEREF _Toc326665853 h 32 HYPERLINK l

10、 _Toc326665854 4.2字符识别 PAGEREF _Toc326665854 h 33 HYPERLINK l _Toc326665855 总结与经验 PAGEREF _Toc326665855 h 36 HYPERLINK l _Toc326665856 字 PAGEREF _Toc326665856 h 37前言随着交通问题的日益严重，智能交通系统应运而生。 1990年代以来，我国逐步开展智能交通系统的研究与开发，探讨如何在现有交通网络的基础上，提高交通效率，保障交通安全。自动车牌识别系统是近年来发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。车牌识别的

11、目的是对摄像头获取的汽车图像进行预处理，确定车牌的位置，提取车牌上的字符串，识别这些字符，并以文本的形式显示出来。车牌自动识别技术在智能交通系统中具有重要的应用价值。在车牌自动识别系统中，首先从获取的图像中分割出车牌，这是车牌字符识别的重要步骤。定位的准确性直接影响车牌识别率。车牌自动识别系统作为一种交通信息采集技术，在交通车辆管理、停车场车辆管理、停车场管理等方面具有特别重要的应用价值，受到了行业专业人士的广泛关注。车辆自动识别系统由三部分组成，其中车牌定位作为最关键的技术，成为重点研究对象。车牌定位的成功与否以及定位的准确性，将直接决定后期能否进行车牌识别和识别的准确性。现实中，汽车的车牌

12、图像受光线、背景、车型等外界干扰因素，以及拍摄角度、距离等人为因素的影响，导致曝光不均匀，车牌面积不显眼，这就带来了车牌面积的提取。更大的困难。车牌定位的方法有很多种。目前，大多数经典的定位方法都是基于灰度图像。在本设计中，研究了灰度图像的定位。针对不同背景和光照条件下的车辆图像，提出一种基于灰度变换特征的车牌定位方法。根据车牌不同区域的灰度分布，车牌定位可以先对彩色车牌进行灰度化，再进行车牌定位。第一章介绍1.1。研究背景及意义随着汽车保有量的快速增长，逐渐向自动化和实时智能管理转变。汽车智能化的一个重要组成部分是品牌的自动识别系统，主要采用仓库式立体仓库进行无人停车场管理、交通管制引导、无

13、人停车自动充电、违章车辆及车辆安全防-盗窃。车牌自动识别是一种利用车辆动态视频或静态图像自动识别车牌和车牌颜色的模式识别技术。该技术具有很好的研究价值和广阔的应用前景。车牌自动识别技术是智能交通系统的重要组成部分，在交通管理和监控中有着广泛的应用。车牌识别系统技术可以从一对车辆图像中准确定位车牌图像，实现对车牌进行字符分割识别后的自动识别，从而为上述应用提供信息和基础功能。目前车牌识别系统主要应用于以下领域：( 1 )停车场管理系统。车牌识别技术用于识别和匹配进出车辆的车牌号，并结合停车卡实现自动计时、自动收费的车辆收费管理系统。( 2 )高速公路超速自动管理系统。基于车牌号自动识别技术，结合

14、其他高速高科技技术手段，自动监测和控制高速公路的交通状况，从而降低交通事故的发生率，保障交通畅通。( 3 )公路控制。利用车牌技术识别关键车辆并快速报警，可以有效找到被盗车辆，也可以作为公安、检察机关跟踪检查犯罪嫌疑人运输的技术手段。( 4 )城市路口的“电子警察”。可以对违章车辆进行追责，也可以辅助交通流量统计、交通检测和引导。( 5 )社区车辆管理系统。小区安防系统通过车牌识别技术记录进出小区的车辆，并与部属车辆进行比对，实现实时监管。1.2.国外研究概况及发展趋势国外有很多关于车牌识别的研究报告。国外在这方面的研究工作开展得较早。 1970年代，英国在实验室完成了“车牌实时监控系统”的广

15、域检测和开发。与此同时，首个被盗车辆车牌实时自动监控系统诞生。如今，国外对车牌检测的研究取得了令人瞩目的成就。例如，云桃翠提出了一个车牌识别系统。车牌定位后，利用马尔可夫场对车牌特征进行估值。识别达到了很高的识别率。车牌识别技术作为智能交通系统中的一项关键技术，长期以来在各国学者的共同努力下发展起来，并在不同程度上得到了实际应用，但仍存在各种不足。对于未来车牌识别产品的技术发展趋势，汉王科技智能交通事业部总经理乔菊认为，首先，由于市场需求不同，对识别产品的需求也不同，因此需要针对不同的细分市场开发车牌识别产品。其次，随着算法的不断完善，基于视频触发技术的车牌识别产品将得到广泛应用，但视频触发技

16、术取代外部触发设备尚需时日。第三，目前的车牌识别系统设备过多，系统集成困难，系统稳定性差，系统维护令人头疼。随着技术的不断进步，以前由多个设备实现的功能可能由一个设备实现。自车牌识别系统进入国内以来，国内有大量学者从事这方面的研究，提出了许多新颖的算法。目前，学校图像处理实验室研发的车牌自动识别系统已在鲁宁高速收费站应用。该系统识别率高、速度快、鲁棒性强、对环境和光照要求低，能适应充电系统所需的环境。在排除异常车牌、严重污染车牌和对比度特别低的车牌的情况下，经现场数万辆汽车测试，汉字和后四位数字的整体识别率均在99%以上。识别时间小于0.2s 。结合人机对话，该系统经鲁宁高速江桥收费站试运行确

17、认，达到实用要求。还有中科院自动化所智勇开发的系统，样本量为3180 ，车牌准确率为99.42%，分割准确率为94.52%。该系统后来应用于汉王公司的车牌识别系统，取得了良好的效果。随着市场的不断扩大和需求的进一步提高，将推动该领域的进一步发展。目前，车牌识别技术和产品性能已经很长时间没有进入实用阶段。随着人工智能和自动识别技术的进步，未来的技术发展空间将非常大。例如，核心算法不断发展，识别率和知识速度进一步提高，图像处理中对模糊图像的预处理能力增强，图像质量提升技术得到提升。1.3 车牌定位的意义车牌定位是车牌定位识别系统中的关键技术之一。车牌定位结果的好坏直接影响系统的识别进度。所谓车牌定

18、位过程，就是从一张复杂的车牌图像中完整地分割出车牌区域。那么，对于一个车牌图像，车牌区域只占复杂车牌图像的一小部分。为了准确定位车牌区域，需要提取车牌区域内字符的纹理特征以及字符与其背景之间的灰度。要分析的特征现在社会已经进入信息时代，随着计算机技术、通信技术和计算机网络技术的手段，自动信息处理的能力和水平没有得到提高，广泛应用于人们社会活动的各个领域和生活。在这种情况下，作为信息源的自动检测和图像识别技术越来越受到人们的重视。汽车作为现代社会的主要交通工具之一，广泛应用于人们生产生活的各个领域。其信息的自动采集和管理在交通车辆管理、停车场车辆管理、停车场管理等方面具有十分重要的意义，已成为信

19、息处理技术的重要课题。车牌定位识别系统就是在此应用背景下开发的智能交通管理系统，能够实时自动检测通行车辆，对车牌进行定位识别。车牌定位识别系统配备数码相机设备、计算机信息管理系统等软硬件平台，采用先进的图像处理、模式识别和人工智能技术，通过图像采集完成车牌定位识别功能和处理。车牌定位识别系统集现场识别、远程传输和指挥中心网络调度管理于一体。世纪安防与智能交通系统工程主流应用技术相关标准。.第 2 章 MATLAB 简介2.1。 MATLAB发展历程Mathworks公司发布的高科技计算环境，主要面向科学计算、可视化和交互式编程。它在一个易于使用的窗口环境中集成了数值分析、矩阵计算、科学数据可视

20、化、非线性 HYPERLINK %20%20%20%20:/baike.baidu%20%20%20%20/view/300474.htm t _blank 动力系统 HYPERLINK %20%20%20%20:/baike.baidu%20%20%20%20/view/44500.htm t _blank 建模和仿真等强大功能， HYPERLINK %20%20%20%20:/baike.baidu%20%20%20%20/view/2627393.htm t _blank 适用于科学研究、工程设计和必须进行有效数值计算的人员。许多科学 HYPERLINK %20%20%20%20:/ba

21、ike.baidu%20%20%20%20/view/257682.htm t _blank 领域提供了全面的解决方案，并在很大程度上摆脱了传统非交互编程语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。MATLAB是Matrix Laboratory的缩写，意思是“矩阵实验室”，是当今非常流行的科学计算软件。这是因为信息技术和计算机技术的发展使得科学计算广泛应用于各个领域，如控制论、时间序列分析、系统仿真、图像信号处理等领域产生了大量的矩阵等计算问题。自己编写大量复杂的计算程序，不仅耗费大量时间和精力，拖慢工作进程，而且往往质量低下。美国Mathwork软件公司推

22、出的MATLAB软件正是满足了这一需求，为人们提供了一个便捷的数值平台。MATLAB是一个交互系统，它的基本运算单元是一个不需要指定维数的矩阵，按照IEEE数值计算标准计算。系统本身提供了大量的矩阵等运算功能，可以轻松进行非常复杂的计算，运算效率高。 MATLAB 语言是当今国际科学界最具影响力和最具活力的软件。它起源于矩阵运算，现已发展成为一种高度集成的计算机语言。它提供了强大的科学操作、灵活的编程流程、高质量的图形可视化和界面设计，以及与其他程序和语言的便捷界面功能。 MATLAB语言在各国的大学和研究机构中发挥着重要作用。在 1970 年代中期，Cleve Moler 博士及其同事在美国

23、国家科学基金会的资助下开发了一个名为 EISPACK 和 LIPACK 的 FORTRAN 子程序库。 EISPACK 是用于特征值求解的 FORTRAN 库，LIPACK 是用于求解线性方程组的库。在当时，这两个库代表了矩阵运算的最高水平。 1970 年代后期，新墨西哥大学计算机科学系主任 Cleve Moler 在教授线性代数课程时想教学生使用 EISPACK 和 LIPACK 库，但他发现学生使用 FORTRAN 编写EISPACK和LIPACK的接口程序。 . Cleve Moler 将这个界面程序命名为 MATLAB，它是由两个英文单词 matrix 和 lab 的前三个字母组合而成

24、。在随后的几年中，MATLAB 作为一种教学辅助软件被许多大学使用，并作为免费软件广泛分发给公众。MATLAB 产品系列可用于各种任务，例如：数值分析、数值和符号计算、工程和科学绘图、控制系统设计和仿真、 HYPERLINK %20%20%20%20:/baike.baidu%20%20%20%20/view/286846.htm t _blank 数字图像处理技术、 HYPERLINK %20%20%20%20:/baike.baidu%20%20%20%20/view/162096.htm t _blank 数字信号处理技术、通信系统设计和仿真等。 MATLAB 具有广泛的应用，包括信号和

25、图像处理、通信、控制系统设计、测试和测量、金融建模和分析以及计算 HYPERLINK %20%20%20%20:/baike.baidu%20%20%20%20/view/4579.htm t _blank 生物学。附加工具箱（单独提供的专用 MATLAB 函数集）扩展了 MATLAB 环境，以解决这些应用领域特定类型的问题。2.2 MATLAB语言特点MATLAB 最突出的特点是它的简单性。 MATLAB 将 C 和 FORTRAN 中冗长的代码替换为更直观的符合人们思维习惯的代码。 MATLAB给用户带来的是最直观、最简洁的程序开发环境。他的语言特点是：1）语言简洁紧凑，使用方便灵活，库函

26、数极其丰富。 MATLAB程序形式自由编写，使用丰富的库函数避免复杂的子程序编程任务，压缩所有不必要的编程工作。由于库函数由该领域的专家编写，用户不必担心函数的可靠性。2)、经营者有钱。由于 MATLAB 是用 C 语言编写的，因此 MATLAB 提供的运算符几乎与 C 语言一样多，灵活地使用 MATLAB 的运算符会使程序非常简短。3）、MATLAB不仅具有结构化的控制语句（如for循环、while循环、break语句和if语句），而且具有面向对象编程的特点。4）程序限制不严格，程序设计自由度大。例如，在 MATLAB 中，用户无需预先定义要使用的矩阵。5) 程序的可移植性很好，基本上不用修

27、改就可以在各种类型的电脑和操作系统上运行。6)、MATLAB强大的图形功能。在 FORTRAN 和 C 中，绘图并不容易，但在 MATLAB 中，数据的可视化非常简单。 MATLAB还具有强大的图形界面编辑能力。7) MATLAB 的缺点是与其他高级程序相比，程序的执行速度较慢。由于MATLAB程序不需要编译等预处理，也不生成可执行文件，程序是解释执行的，所以速度慢。8) 强大的工具箱是 MATLAB 的另一个特点。 MATLAB由两部分组成：核心部分和各种可选工具箱。核心部分有数百个核心功能。工具箱分为功能工具箱和学科工具箱两大类。功能工具箱主要用于扩展其符号计算功能、图形建模与仿真功能、文

28、字处理功能以及与硬件的实时交互。功能工具箱用于各种学科。学科工具箱更专业，如控制、工具箱、信号处理工具箱、通讯工具箱等。这些工具箱均由本领域学术水平较高的专家编写，用户无需编写本学科基础程序，即可直接进行高水平、精准、前沿的研究。9) 源程序的开放性。开放性可能是 MATLAB 最受欢迎的特性。除部分函数外，所有 MATLAB 核心文件和工具箱文件都是可读和可修改的源文件。用户可以通过修改源文件和添加自己的文件来形成新的工具箱。第三章 车牌位置3.1 车牌定位的主要方法所谓车牌定位算法是指确定车牌区域在实际拍摄的图像中的位置，以便提取和分割车牌区域图像的问题。车牌的快速准确定位是车牌自动识别技

29、术中非常关键的一步。这是一个典型的图像分割问题。因此，定位方法离不开车牌特征和图像处理技术。经典的车牌定位和分割算法包括简单的灰度阈值法、频域和空间分割法到复杂的连接元法和霍夫变化法。分割效果令人满意。近年来，针对这种情况提出了各种定位算法。目前还没有标准的图像数据库来评估无限制条件下车牌定位算法的性能，对这个问题的研究才刚刚开始。3.1.1基于线检测的方法在计算机识别中，经常需要从图像中寻找图像的特定形状。直接利用图像点阵来实现搜索和判断显然是困难的。这时就需要按照一定的算法将图像像素映射到参数空间。霍夫变换提供了一种通过坐标将图像像素信息映射到参数空间的方法，通过它构建的参数空间可以很容易

30、地判断出具体的形状。霍夫变换是一种利用图像的全局特征将特定形状的边缘像素连接起来形成连续平滑边缘的方法。它通过将源图像上的点映射到参数空间进行累积来识别已知的分析曲线。霍夫变换常用于识别图像中的线和圆。此类方法一般采用霍夫变换等方法检测直线（由车牌周围的边框形成）。利用车牌的形状特征定位车牌，在实际应用中，由于光照不均和相机畸变、曝光不足、动态范围过窄等影响导致图像出现伪影，车牌上的灰尘和污垢使形状特征的表现不明显，影响定位效果。另外，传统的霍夫变换方法应用于车牌定位，只是直线检测，没有结合车牌的形状特征，霍夫空间和原图像空间不合一。一对一的通信。然而，在霍夫空间中检测到的特征点无法确定车牌轮

31、廓的起始位置，无法避免直线干扰的问题。因此，当存在直线干扰和不进行帧提取时，可能性大大增加。 Hough变化的计算量很大，对于边界不连续的实际车牌，需要额外计算。3.1.2基于阈值这类方法的特点是对图像进行阈值处理，得到字符和背景分离的二值图像。提出了多种阈值化策略，但简单算法的二值化效果不佳，复杂算法计算时间长、计算量大等限制了实际应用。3.1.3基于灰度的边缘检测方法此类方法通常利用车牌区域局部对比度明显、灰度变化规律的纹理特征进行定位。我国车牌种类繁多，不同光照条件下车牌对比度差异较大。需要进行图像增强处理，必须考虑消除图像中与车牌特征非常相似的非车牌区域的问题。(1) 基于灰度直方图的

32、阈值边缘检测基于灰度直方图的门控边缘检测是最常见、最简单的边缘检测方法之一。适用于检测对象 - 背景图像中对象的边缘。这种图像的灰度直方图是双峰的。(2) 基于差分的边缘检测1. 基于差异的边缘检测一阶微分边缘检测对于边缘两侧的点，像素点的灰度值会发生剧烈变化，因此存在较大的差异值。当差值方向垂直于边界方向时，将获得最大差值。因此，只要再次对f(i,j)各方向的差值进行阈值处理，就可以检测到边缘像素，得到边缘图像。二阶微分边缘检测这是基于图像边缘处灰度变化剧烈的特点，利用沿某个方向（x、y或对角线）取二阶差分后图像灰度值的一些性质进行边缘检测。2. 基于梯度的边缘检测由于边缘出现在图像灰度值变

33、化较大的地方，相应的连续情况就是函数梯度最大的地方。 Roberts 算子、Prewitt 算子和 Sobel 算子是比较简单和常用的例子。另一种直观的方法是使用当前像素邻域中的一些像素值来拟合一个曲面，然后在像素处求出连续曲面的梯度。从统计学的角度来看，我们可以通过回归分析得到一个面，然后做类似的处理。3.1.4基于彩色图像的车牌定位方法目前的车牌分割受限于灰度图像，因此定位效果受限于阴影和光照条件。由于人类对绝对颜色信息比较敏感，人眼只能分辨20多个灰度等级，但颜色却有35000多种。彩色图像可以提供更多的视觉信息。一些图像学者提出使用车牌的颜色。车牌信息搜索，将处理对象改为彩色图像，以便

34、准确定位车牌。例如，一些系统使用BP神经网络对彩色图像进行颜色分割，通过网络学习将每个像素分类为期望的颜色，然后使用水平和数值直方图的方法来确定车牌的位置，但是当颜色车牌区域与附近的颜色不同 颜色定位错误会在非常相似和倾斜的车牌中增加。还有一些系统使用颜色边缘检测算子计算二值边缘图像，然后使用形态学方法生成连通区域的图像。在轮廓跟踪期间，标记候选车牌区域。但是，当图像中有很多相似的色块时，定位速度就低了。会急剧下降。有的系统首先利用颜色信息对输入图像进行颜色粗分割，得到一些颜色为车牌的区域。然后，将划分结果中的伪目标（即车牌区域以外的区域）分为两类（一类是与车牌颜色相似的背景，一类是可能是车牌

35、摄像头的颜色），分别处理。 ，最后使用投影法得到准确的车牌位置。虽然这种方法的定位率比较准确，但是识别速度很慢。这类方法一般将输入的RGB彩色图像转换为HIS彩色图像，然后基于模糊逻辑或神经网络进行颜色分割，进而定位车牌，计算量较大。以上四种方法中，基于直线检测的方法并没有完全用于中国车牌，因为中国车牌的悬挂明显不够，有些车牌框不够明显，难免会造成定位算法失败。如果与其他算法结合使用，则需要它本身。在计算量很大的情况下，会增加额外的系统开销。车牌最明显的特征是其纹理特征，基于灰度边缘检测的方法是一个理想的选择。此外，基于颜色的车牌定位也是一种比较常见的定位方式。3.2研究内容及实验计划3.2.

36、1研究内容本课题主要是开展汽车车牌自动识别的系列研究。通过查阅相关资料，了解课题背景，熟悉MATLAB软件的基本操作。使用MATLAB软件，根据提供的车牌照片，采用图像分析处理算法。 ，有效识别车号等相关信息。主要研究内容包括：(1)在MATLAB的基础上，实现车牌识别系统中的车牌定位和车牌字符识别功能。(2) 车牌定位、字符分割和字符识别算法研究。(3)分析实验结果。3.2.2车牌识别系统研究方案与方法一个完整的车牌识别系统应包括车辆检测、图像采集、图像预处理、车牌定位、字符分割、字符识别等单元。当车辆到达触发图像采集单元时，系统采集当前视频图像，车牌识别单元对图像进行处理，定位车牌位置，然

37、后对车牌中的字符进行划分识别，然后形成车牌输出。流程图如下：图像预处理图像预处理区域搜索和分割字符分割图像输入归一化字符特征提取单字识别图 3.1。总体流程图该系统是计算机图像处理和字符识别技术在智能交通管理系统中的应用。如图3.1所示。其基本工作流程如下：( 1 )当有移动车辆经过时，触发嵌入固定位置的传感器，唤醒系统进入工作状态；一旦触发与摄像头光闸相连的光电传感器，设置在车辆前、后和侧面的摄像头同时对车辆图像进行拍照；( 2 )将摄像头或CCD摄像头拍摄的包含车牌的图像通过显卡输入计算机进行预处理，图像预处理包括图像转换、图像增强、滤波和电平校正；( 3 ) 检索模块进行车牌搜索和检测，

38、定位并划分包含车牌字符的矩形区域；( 4 )将车牌字符二值化，分割成单个字符，归一化后输入字符识别系统进行识别。3.3 图像读取MATLAB中函数imread()从图像中读取数据，该函数的作用是将图像文件的数据读入矩阵，也可以使用imfinfo()函数查看图像文件的信息.函数 imread 可以从 MATLAB 支持的任何图像文本格式中读取图像。格式为：A=imread(文件名,fmt)X,MAP=imread(FTLENAME,FMT)，其中：FTLENAME是要读取的图片文件名，FMT是图片格式。.=imread(文件名,fmt).=imread（文件名）.=imread（网址，.）.=i

39、mread(.,idx)（仅限 CUR、ICO 和 TIFE）.=imread(.,frames,idx)（仅限 GIF）A,map,alpha=imread(.)（仅限 ICO、CUR 和 PNC）要读取图片的信息，可以通过调用imfinfo函数获取图片文件的相关信息。格式如下：INFO=imfinfo(FTLENAME,FMT)，其中返回的INFO是MATLAB的一个结构体；大多数图像文件格式使用 8 将像素值存储为数据。将这些文件读入存储后，MATLAB 将它们存储为 unit8。对于支持 16 位数据的文件格式，例如 PNG 和 TIFE，MATLAB 将这些图像存储为 unit16

40、类型。与其他 MATLAB 生成的图像一样，一旦显示图像，它就会成为图形对象句柄。在读取图像之前，您应该清除所有 MATLAB 工作区变量并关闭所有打开的图形窗口。为此，请使用以下命令：清除;关闭所有然后使用图像选择功能 imread 读取图像。假设要读取图像为pout.tif（图像是图像处理工具箱自带的图像），并将其存储在一个名为I的数组中，使用命令：I=imread(pout.tif);然后调用inshow命令显示图像：inshow(I)本设计中图像的读取过程如下：imread(E:/车牌图片.jpg);figure(), subplot(3, 2, 1), imshow(I), titl

41、e(原始图像)图 3.2。原始图像Figure对象是MATLAB系统中的所有显示窗口，包括GUI设计编辑窗口。在系统的运行限制下，用户可以根据需要创建任意数量的图形窗口。所有Figure对象的父对象是Root对象，所有其他MATLAB图形对象都是Figure对象的子对象。如果当前没有创建Figure对象， MATLAB在调用绘图函数（例如绘图函数mesh 函数）时会自动创建一个Figure对象。如果MATLAB 系统中有很多图形窗口，系统总是指定一个图形窗口。为当前窗口，后续所有函数默认将其作为输出图形窗口。如果只有GUI设计编辑窗口， MATLAB系统也默认没有可用的 Figure 窗口，调

42、用绘图函数时会重新创建一个 Figure 对象。3.4 预处理和边缘提取原始图像原始图像灰度校正平滑处理提取并定位车牌图3.3预处理和边缘提取流程图3.4.1图像采集与转换考虑到现有车牌的字符与背景的颜色匹配，一般包括蓝底白字、黄底黑字、白底红字、绿底白字、白底白字。黑色背景等，使用不同的颜色通道可以清楚地区分区域和背景。比如最常见的蓝底白字车牌，在使用蓝色B通道时，车牌区域为亮矩形，车牌字符不显示在该区域。因为蓝色（255、0、0）和白色（255、255、255）在B通道中是无法区分的，而在G、R通道或灰度图像中则无法区分。同理， R通道可用于白底黑字的车牌，G通道可用于绿底白字的车牌，可以

43、清晰显示车牌区域的位置，方便后续处理。原始图像、灰度图像和直方图如图2和图3所示。将彩色图像转换为灰度图像时，图像的灰度值可以通过以下公式计算：( 3.4.1.1)( 3.4.1.2)3.4.2图像预处理图像预处理是对原始数据进行遥感器效应、几何和辐射效应等的预处理。就是将每一个文字图像整理出来，交给识别模块进行识别。在 HYPERLINK %20%20%20%20:/baike.baidu%20%20%20%20/view/264163.htm 图像分析中，在对输入图像进行 HYPERLINK %20%20%20%20:/baike.baidu%20%20%20%20/view/131269

44、3.htm 特征提取、分割和匹配之前执行的处理。图像预处理的主要目的是消除图像中的无关信息，还原有用的真实信息，增强相关信息的可检测性，最大限度地简化数据，从而提高特征提取、 HYPERLINK %20%20%20%20:/baike.baidu%20%20%20%20/view/671764.htm 图像分割、匹配和识别的可靠性。预处理过程一般包括数字化、几何变换、归一化、平滑、恢复和增强等步骤。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。图像不仅包括车牌，还包括汽车本身和汽车的背景图像。因此，必须去除这些非车牌图像的影响，才能正确提取车牌区域，为以后的车牌字符识别奠定基础。在实

45、际使用中，由于季节的变化、自然光的昼夜变化、光线的稳定性和均匀性、车辆本身的运动、观察点、采集图像的设备本身等等，都需要对图像进行预处理。 ，提高图像质量，提高字符识别率。3.4.3图像增强车辆图像经过灰度处理后，车牌部分和非车牌部分图像的对比度不是很高。如果直接进行边缘提取，由于车牌边界模糊，难以提取车牌边缘，难以准确定位车牌。 .为了增强车牌图像的一部分与图像的其他部分的对比度，使其明暗，有利于提高识别率，需要对车辆图像进行增强。图像增强的目的是对图像进行处理，以获得视觉效果更适合特定应用的计算机识别的图像。图像增强的方法有很多，如灰度变换、图像平滑和线性滤波等，根据处理图像的域，可分为空

46、间增强和域增强。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高斯滤波图像腐蚀等值滤波等。3.4.4灰度变换灰度图像是指仅包含亮度信息而不包含颜色信息的图像。例如，您通常看到的亮度不断变化的黑白照片就是灰度图像。灰度处理是将彩色图像转换为灰度图像的过程。彩色图像分为三个分量， R、G 和 B ，它们分别显示红色、绿色和蓝色等各种颜色。灰度是颜色的R、G 和 B分量相等的过程。灰度值越大的像素越亮，反之亦然。输入的彩色图像包含大量的颜色信息，会占用大量的存储空间，在处理过程中也会降低系统的执行速度。因此，在处理图像识别等图像时，往往会将彩色图像转换为灰度图像以加快处理速度。速度。三种主

47、要算法：(1)最大值法：变换后的R、G、B的值等于变换前三者中最大的一个，即：( 3.4.4.1 )通过这种方法转换的灰度图像具有较高的亮度。(2)平均值法：将变换后的R、G、B的值作为变换前的R、G、B的平均值( 3.4.4.2 )这种方法产生更柔和的灰度图像。(3)加权平均法：按照一定的权重，对R、G、B的值进行加权平均，即：( 3.4.4.3)其中 , ,分别为R, G, B的权重。 , ,取不同的值会形成不同的灰度图像。由于人眼对绿色最敏感，其次是红色，对蓝色最不敏感，因此制作会得到更容易识别的灰度图像。图3.4 。灰度图像灰度图像显示最基本的调用格式如下：显示（一）imshow函数是

48、通过索引杜威灰度调色板的灰度值表来显示图像。如果I是 double 类型，如果像素值为0.0 ，则显示为黑色， 1.0显示为白色，在0.0和1.0之间，像素值显示为灰色阴影。如果I是unit16 ，则像素值65535将显示为白色。imshow函数显示一幅灰度图像是显式指定灰度级数。例如，下面的语句将显示一个32灰度的图像 I：显示（我，32）本次毕业设计中灰度图显示的语句为：I1=rgb2gray(I);图（2），子图（1,2,1），imshow（I1）；标题（“灰度”）；为了更好地观察图像的灰度分布信息，可以使用imhist函数创建描述图像灰度分布的直方图，并使用figure命令在新的图像窗

49、口中显示直方图。程序语句如下：figure(2),subplot(1,2,2),imhist(I1);title( 灰度直方图 )从图3.4可以看出，由于图像的灰度范围比较窄，并没有覆盖整个灰度范围0,255 ，而且图像中的灰度值区分的很清楚，所以可以产生很好的对比效果。3.4.5图像平滑简介图像平滑是对图像进行低通滤波，可以在空间域或频域实现。空间域图像平滑方法主要采用低通卷积滤波、中值滤波等；频域图像平滑常用的低通滤波器包括低通梯形滤波器、低通高斯滤波器、低通指数滤波器、Butterworth Think低通滤波器等。对于受噪声严重干扰的图像，由于噪声点大多映射到频域中的高频分量，可以通过

50、低通滤波器滤除噪声，但在实际应用中，为了简化算法，也可以直接在空间域中使用邻域平均方法来减少噪声的影响，这种方法称为图像平滑。例如，某个像素的邻域 S有两种表示方式： 8个邻域和4个邻域对应的邻域平均值分别为，( 3.4.5.1 )其中， M 为除中心像素点f(i,j)外，邻域内包含的其他像素的总数，对于 4个邻域M=4 ， 8个邻域M=8 。但是邻域平均值的平滑化会使图像灰度变化剧烈的地方，尤其是物体的边缘区域和人物的轮廓等，变得模糊。为了克服这种平均化造成的图像模糊，我们为中心点的像素值与其邻域的平均值之间的差值设置了一个固定的阈值。当大于阈值时，保留原始值，从而减少平均造成的图像模糊。车

51、牌图像通常有一些孤立的噪声点。在车牌图像处理的前期，如果不能有效地抑制或去除这些噪声点，就会影响车牌定位的准确性或无法定位。通常，图像平滑用于去除噪声。图 3.5 清除小面积物体后的图像3.4.6边缘检测图像处理不仅限于图像增强、恢复和编码，还包括图像分析。图像分析旨在描述图像，即用一组数字或符号来表征图像中目标区域的特征、性质和相互关系。关系，为模式识别提供了基础。描述通常针对图像或场景中的特定区域和对象。为了描述起见，首先进行分割。边缘检测是图像分析中的重要内容。边缘是图像最基本的特征。所谓边缘，是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛存在于物体与背景之间、物体与物体

52、之间、图元之间，也是图像分割所依赖的重要特征。数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域非常重要的基础，也是图像识别中图像特征提取的重要属性。在图像理解和分析中，第一步通常是边缘检测。目前已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有非常重要的地位。物体边缘以图像不连续的局部特征的形式出现，即图像中局部亮度变化最显着的部分，如灰度值突变、颜色突变、纹理结构的突然变化等。同时，物体的边缘也不同。该区域的边界。图像边缘具有方向和幅度两个特征。一般来说，灰度沿边缘方向变化平缓，垂直于边缘方向的像素灰度变化剧烈。边缘检测是对图像局部区域像素的操作，在计算机视觉和图

53、像理解等应用中非常重要。它也是图像分析和模式识别的重要组成部分。由于图像边缘包含对模式识别有用的信息，边缘检测是图像分析和模式识别特征提取的主要手段。边缘检测的基本步骤：滤波：边缘和噪声都属于图像中强度变化剧烈的部分，所以边缘检测算子对边缘和噪声比较敏感，所以必须通过滤波来提高与噪声相关的边缘检测算子的性能。增强：增强边缘的基础是确定图像每个点区域的强度变化值。提升算法可以突出显示域强度发生显着变化的点。检测：图像中有很多梯度幅值比较大，而这些点在特定的应用领域并不都是边缘，所以应该使用某种方法来确定哪些点是边缘点。定位：边缘检测定位是边缘点的具体位置，除此之外还应包括边缘细化和连接。3.4.

54、7图像腐蚀图像腐蚀是对提取的目标图像进行形态学分析。侵蚀过程的效果是缩小目标图像。运算的结果取决于结构元素的大小和逻辑运算的性质。结构元素是指具有一定形状的基本结构元素，如一定大小的矩形、圆形或菱形等。侵蚀处理可以表示为用结构元素探测图像以找到图像中可以放置结构元素的区域。腐蚀是消除边界点并使边界向末端收缩的过程。可用于消除小而无意义的目标。如果两个对象之间存在小连接，则可以选择足够大的结构元素来侵蚀小连接。硒=1:1:1；I3=imerode(I2,Se);Subplot(3,2,4), imshow(I3), title(腐蚀后的图像)MATLAB使用imerode函数进行图像腐蚀。 Im

55、erode函数需要两个基本输入参数：要处理的输入图像和结构元素对象。此外， imerode函数还可以接受3 个可选参数： PADOPT、PACKOPT和M ，前两个参数的含义与imadilate函数的可选参数类似。此外。如果图像是打包的二进制图像，M 将指定原始图像中的行数。图3.6 。腐蚀后的图片3.5 车牌的定位与分割车牌定位与分割是车牌识别系统的关键技术之一。分割用于字符识别子系统识别。分割的准确性直接关系到整个车牌字符识别系统的识别率。由于车牌图像是原始图像中一个很有特点的子区域，它正好是一个水平近似的高阶矩形，它在原始图像中的相对位置比较集中，其灰度值与周围区域有明显差异.因此，灰度

56、突变的边界在其边缘形成，便于通过边缘检测进行图像分割。3.5.1车牌区域的定位与分割车牌图像经过上述处理后，车牌区域非常明显，其边缘被勾勒和增强。此时，可以进一步确定车牌在整个图像中的确切位置。这里采用数学形态学的方法，其基本思想是利用一定的形态学元素对图像中的相应形状进行测量和提取，以达到图像分析识别的目的。数学形态学的应用可以简化图像数据，保持其基本的形态特征，去除不相关的结构。在这个程序中，使用了膨胀和闭包这两个基本操作，最后使用bwareaopen去除对象中不相关的小对象。车牌的分割方法有很多种，本程序是一种利用车牌颜色信息的颜色分割方法。根据车牌背景颜色的先验知识，采用颜色像素点统计

57、的方法，分割出一个合理的车牌区域，确定车牌背景颜色的蓝色RGB对应的各自灰度，然后在行方向计算此颜色区域中的像素。设置合理的阈值，确定行车方向的车牌合理区域。然后，在分割的行区域中，统计列方向蓝色像素的个数，最终确定完整的车牌区域。3.5.2许可区域划分车牌的分割方法有很多种，本程序是一种利用车牌颜色信息的颜色分割方法。根据车牌背景颜色的先验知识，采用颜色像素点统计的方法，分割出一个合理的车牌区域，确定车牌背景颜色的蓝色RGB对应的各自灰度，然后在行方向计算此颜色区域中的像素。设置合理的阈值，确定行车方向的车牌合理区域。然后，在分割的行区域中，统计列方向蓝色像素的个数，最终确定完整的车牌区域。

58、图3.7。定位车牌区域3.5.3车牌深加工上述方法分割的车牌图像中存在目标物体、背景和噪声。直接从图像中提取目标对象，最常用的方法是设置一个阈值T，用T将图像数据分为两部分：大于T的像素组和小于T的像素组，即图像被二值化。均值滤波是一种典型的线性滤波算法，是指给图像上的目标像素一个模板，该模板包括其周围的相邻像素。然后用模板中所有像素的平均值代替原来的像素值。均值滤波是一种典型的线性滤波算法。是指给图像上的目标像素一个模板，该模板包括其周围的相邻像素（以目标像素为中心的8个像素构成一个过滤模板，即去除目标像素本身）。均值滤波也称为线性滤波，其主要方法是域平均法。线性滤波的基本原理是将原始图像中

59、的每个像素值替换为平均值，即当前待处理的像素点(x,y)，选择一个模板，该模板由它的几个像素组成邻居，并找到模板中所有像素的值。取平均值，然后将平均值赋给当前像素点(x,y)作为该点处理后图像的灰度g(x,y)，即g (x,y) = 1/m f ( x, y) m 是模板中包含当前像素的像素总数。3.6 图像边缘提取与二值化边缘提取边缘主要存在于目标、目标与背景、区域与区域之间。边缘检测主要是准确定位边缘，抑制噪声。出边机会读取大变化，计算值高。这些可以作为供应点的边缘强度，通过阈值判别可以提取边缘点，即如果分支大于阈值，则为边缘点。基本步骤是首先使用边缘增强算子突出图像中的局部边缘。边缘检测

60、算子包括Robert算子、Soble算子、Prewitt算子、Laplace算子和Canny算子。(1) 梯度算子可分为三类：1. 使用差分逼近图像函数导数的算子。有些是旋转不变的（例如： HYPERLINK %20%20%20%20:/baike.baidu%20%20%20%20/view/3703285.htm 拉普拉斯算子），因此只需要一个卷积掩码来计算。其他近似一阶导数的运算符使用多个掩码。2.基于图像函数二阶导数过零点的算子（如：Marr-Hild reth或Canny边缘检测算子。3. 试图将图像函数拟合到边缘的参数模型的光栅。(2) 第一种梯度算子拉普拉斯(Laplace)算子