基于MATLAB的车牌识别系统

前言1.1研究背景随着当今社会的不断发展，时代飞速的进步。科技水平越来越发达，由于大学扩招，使得越来越多的人得以普及科学知识，更多受过高等教育得人才流入社会，带动了社会经济的发展，经济发展飞快，人们的生活水平也得到了非常大的提高。[1]汽车时代的来临缩短了人与人之间的距离，旧社会的骑行和马车已经逐渐淡出了视野，坐地日行八百里已不再是空想。汽车的普及，成了历史发展中不可逆转的现象，汽车被应用到出行旅游，走亲访友，货物运输等多种领域中。随着个体户汽车的普及，那么也会带来一系列的问题，常见的交通事故、大城市的交通拥挤、车位的短缺和汽车废气排放等问题。在当今社会人口增长过快，也进一步导致汽车的数量猛增，一线城市选择规划城市，规范交通，扩建道路来缓解交通问题，但是基础建设需要耗费大量的人力物力财力，单纯以这种方式是无法彻底根除此现象，所以为了根治交通问题，则需要依赖如今发达的科学技术，使用有效的技术手段建立一套完整的交通管理体系，在智能交通系统方面加大研发力度，健全一套有效的交通系统，去根治因汽车增速过快导致的诸多问题。当今社会，如今的经济体系和结构正在发生着惊人的变化，旧社会的实体经济正在向着电商经济发展，而交通体系也一样，正向着智能化的方向靠拢，随着智能科学技术的发展，智能化的设备走进生活，交通系统也逐步完善。万物联网概念的提出，也就是物联网概念，使得生活与网络变得密不可分，所以社会的交通管理系统也跟计算机网络紧密的结合到了一起，以前出门到某个地方去，若是不认识路的话，智能靠观察纸质地图，或者靠边走边问路，出行的人少，效率低，如今随着航天技术的飞速发展，卫星定位进入到了人们的生活中，所以汽车也更卫星定位联系了起来，为了减少交通违规，道路也安装了监控手段，汽车跟图像设备也结合到了一起来，所以这一系列的技术发展可以有效的改善交通的各种问题，解决交通拥堵，事故逃逸，避免违反交通规则等。其中就有一项是能够有效解决诸多问题的手段，那就是车牌识别，使用科技手段，智能的识别出来往车辆的车牌号码，并把号码记录下来存档。[2]车牌识别技术在智能交通管理系统中占据着举足轻重的地位，并被广泛的运用于事故多发地、停车场等场合，在车辆管理领域中使用得最多的一种技术，车牌识别技术又牵涉到了多种科学技术，车牌的拍摄就涉及了图像处理技术，车牌字符的识别涉及了人工智能、计算机信息处理等科学技术。车牌的识别可以最快的得到车辆的信息，因为车牌号码与车牌拥有者的身份信息挂钩的，所以当识别出车牌号码也就相当于获取了车主的信息，如今国内外许多交通管理系统中都使用到了车牌识别技术，但是并没有普及，由于系统开发难度高，容易受环境影响，所以车牌识别系统尚未普及，只是在某想重要场合被使用。在交通管理系统中所描述的车牌识别，其实就是把车牌上的号码从车牌照片中提取出来，也就是字符的提取，并且需要做到0错误提取，否则容易引起误会，照片提取字符看似简单，实则难度非常大，因为照片的拍摄是自动完成的，不是人为的去拍摄，拍摄角度不一，摄像机与车辆存在一定角度，则会导致车牌上的字符变形，而且车牌上还会存在一些干扰信息和无用的字符等，所以需要依靠技术手段对车牌照片进行处理，处理方法多样，各自有各自的优缺点，所以每个车牌识别系统都不尽相同，那么实现一个实时性高，错误率低的车偶爱识别系统，将是解决当今交通问题的关机因素。1.2研究目的现金社会经济发展，工作岗位激增，人们的收入急剧升高，手头宽裕，所以购车用户越来越多，家家户户都拥有小汽车，国内人口又多，也导致了车辆激增。那么交通也成了经济发展的重要手段，道路的通畅交通的方便，可以有效的促进经济的发展，而经济的发展也离不开交通运输，所以交通的发达也引发了交通事故问题的频发，也搜到了相关部门的重点关注，所以有效的迫切的解决此类问题，成了部门的重点研究方向，有了问题就有有相应的解决手段，社会的商业公司也看到其中的巨大商业价值，所以各种各样的交通系统被提出，并且快速的进入到了研发阶段，花里胡哨的智能交通系统就应用到了各种交通场合，其中车牌识别技术就是这些个系统中不可或缺的一项技术。[3]车牌识别技术随着汽车的普及在上个世纪90年代就被提出来了，经过不停的应用于实际场景，并且随着使用不断改善和改良，此项车牌识别的技术已经非常成熟了，能够应对各种复杂的场景和识别各类车牌照片，车牌就相当于汽车的身份证，每辆车都只有一个，独一无法，所以车牌识别是必须的而有必要的，这给汽车身份的识别和停车场汽车数量的统计提供了很好的帮助，并且是智能化的，自动化的管理，比起使用人工管理方式更加的方便高效，实时性也比较高。传统的人工管理，比起现代化智能化的智能化的现代管理系统显得尤为粗糙，人工管理耗费人力，管理起来较为困难，车辆24小时来往，稍有不慎可能存在漏检查等问题，使能自动化的智能化的车辆管理系统，系统自带的车牌识别功能，可以实时的进行无人操作记录车牌信息，如果是停车场，还能够24小时进行车牌信息的记录，车辆停车时间的记录，通过进出时识别车牌，进行时间的记载。方便管理，无需人工干预，就可以达到有效管理车库的目的。所以使用现代化的车辆管理系统，是当今社会发展的趋势，是车辆普及之后所带来的新技术。随着车辆的增多，人工管理就变得尤为困难，使用智能化的车辆管理系统，可以方便管理，提高车辆的出入效率，在车库方便。在交通要道上可以有效的防止违反交通规则的车辆出现，记录下过往车辆是否存在违规，车牌信息是否合法等优点，所以开发研究完善的车牌识别系统是很有必要的，也有非常大的商业价值

2车牌识别系统设计原理概述2.1车牌识别系统框图在信息化时代的22世纪初，数字化时代已经普及，万物联网时代的到来，生活与网络息息相关，车辆身份的获取识别，在各种交通系统中得到了充分的运用，此类交通系统的核心就是获取车辆的身份信息，[4]也就是获取车辆的车牌号码，并且是自动获取，不需要人为干涉，能够自动的采集车牌图样，智能识别出车牌图样上的车牌号码，保存显示出来，实时性高，使用性强。一般情况，车牌识别系统框图如图2.1所示。图2.1车牌识别系统框图2.2图像预处理车牌字符提取出来之前，需要经过一些预处理，一般都是图像处理方面的技术，如图像二值化、图像灰度化、对图像进行增强、使用一些滤波算子进行滤波、膨胀等。在对图像进行这些处理之后，图像上的一些无用的背景，干扰都会被滤除掉，让有用的信息得到显著的体现，为后面的字符识别打下基础。车牌照片进行灰度处理，简称灰度化：车辆管理系统一般采集图像都是自动完成的，所以管理系统采集到的图像都是彩图，彩图包含的数据信息比较复杂，不便于号码的识别，虽然计算机的处理速度比较快，也可以处理彩色图像，但是为了提高系统的执行效率，一般将图像进行脱色处理，说白了就是将图像变成黑白色，专业术语就是灰度化。车牌照片增强：将图像变成黑白照片之后，车牌的对比度就降低很多了，虽然没有彩色，但是图片上的各种不同的东西都是有吗明显的区别的，也就是灰度级，有的较浅，有的较深，但是也会导致区别不明显，[5]所以要对图像进行增强，使得车牌号码与背景的色度变得强烈起来，就是边缘增强，进行这类增强操作可以提供系统识别车牌号码的成功率。2.3字符分割识别对车牌号码进行拆分：车牌照片包含背景和有效的车牌号码，第一步是将车牌号码的有效区间切割下来，拆分出来之后车牌号码还是一个整体的部分，号码还是无法识别出来的，需要将上面的字符进行单个分割出来，也就是一个一个分割出来，每个字符都是一个独立的图像，然后进行单一的处理，每个字符图像的处理方法都一致，再与标准的模板进行配对，这样做的目的可以提高车牌号码识别的准确率。[6]车牌号码识别：车牌号码被字符被分割出来后，再进行归一化处理，可以使用字模匹配方法进行识别，若车牌上的号码不能被准确且有效地识别出来，那么之前的所有处理都白费了，都竹篮打水一场空了，车牌号码识别系统也就变成了个无用的东西。识别车牌号码结果显示：给系统提供单个的车牌图像进行识别后，显示完整的车牌号码。3车牌识别系统程序设计3.1车牌图像预处理本次设计只是针对车辆管理系统中的车牌识别，也就是只是涉及到了车牌号码的识别，其他的尚未完善，本系统将车牌号码的识别细分为了三个不同的阶段，在得到照片的前提下首先是对照片进行预处理，预处理方法如前面所示，接着是对车牌的有效区域进行提取，然后是字符分割识别。预处理阶段非常重要，后面的识别步骤能够顺利的进行，前期准备工作做得越好，后期识别效率越高。[7]3.1.1灰度化一般在车牌识别中，首先是要获取车牌图像，一般获取到的照片都是有颜色的照片跟以前的黑白照不一样，然而在车牌识别技术中，一般为了提高程序的执行速率，或者说是执行效率，都会处理黑白色的照片，灰度图就是旧社会的黑白照片，没有五颜六色的图片现今，摄像技术的发达，所有拍摄到的图像均为带色彩照片，都是由基本的专业术语中说的三原色组成，三原色分别位红色、绿色和蓝色这三种颜色。灰度化就是RGB模型中将R=G=B的过程。[8]对彩色图片进行灰度化处理一般有多种方法，如下：1、最大值法讲三原色中的R、G、B值中的亮度最大的那个值作为灰度值进行实现。R=G=B=max(R,G,B)2、平均值法求平均法，就是对三原色的亮度求和再求平均。R=G=B=(R+G+B)/33、加权平均法还有就是对三原色的三个分量进行加权求平均。R=G=B=(ArR+AgG+AbB)/3Ar、Ag、Ab如果用不同的值，这样可以形成不同的黑白图像，也就是灰度不同的图像。Ar=0.10、Ag=0.29、Ab=0.61是常用的值，使用这组值，最后计算出来的可以得到相对较好的图像。3.1.2图像增强照片被处理成黑白色之后，照片上不同的元素对比就明显下降，明暗之间的程度较为接近，却别不明显，由于拍摄角度等其他因素决定，将照片变成黑白色之后，车牌的局域信息和背景的分界就会模糊，对于定位车牌的难度角度，有可能导致车牌定位出差，为了解决这类问题，所以要对黑白照片进行增加强度处理。对获取到的图像进行增强，可以舍弃掉照片的质量，提升照片的视觉效果来达到这一目的，增加照片的强度可以选择增加照片边缘的强度，可以有效的提升后期工作的效率，图片增加强度还有另外的目的，可以消除掉照片变成黑白色后产生的噪声，增加系统对车牌号码的辨别能力，弱化背景信息，增强号码信息，使得号码能够更加显眼，便于系统的识别。[9]而增加强度的方法有两种，一种是空间上的增强，另外一种是频率上的增强，这两个技术的优缺点不一，都可以使用，空间操作可分为图像拉伸，灰度色的修正，直方图修补等，每一种方法的单一使用一般都不会将图片修正到理想的效果，而是要相互结合，合理使用，将多种算法结合起来，将照片修正到想要的效果。所以本系统使用了图像拉伸和校正来完成对照片的强度增加上。一般在图像的灰度级变换种使用到的方法是直方图均衡化，这种方法可以使得灰度图像的对比度得到增强，并且使得灰度分部均匀，达到增强图像效果的目的。使用此方法实现的效果如图3.1-3.2所示。3.1灰度化图图3.2图像增强图在进行对照片的边缘进行检测时，可以先对其过滤一下，也就是滤波处理，这样可以避免处理过程中引入的噪声，消除此类噪声可以有效的提高识别率，这些噪声都是随机引入的，从专业角度讲，此类噪声一般归属于高频噪声。消除这些干扰的方法多种多样，最常用的方式是中值滤波法，本系统使用的也是这种方法。在对非线性图像的增强中，使用中值滤波进行，能够大大的抑制那些孤立的噪声点，而重要的信息，如图像的边缘信息，可以有效的保存下来，其他的滤波方法，如在线性的平滑的滤波中，可以通过低频噪声，所以高频噪声是无法通过的，[10]虽然可以去除掉频率高的部分，但是图像的分界线会变得比较模糊，才用中间值滤波，可以有效的解决这个问题。在函数medlt2是MATLAB自带的滤波函数中的一种其一般语法为：H1=medfilt2(H0,[c,b])；语法中的c和b是使用中值滤波的范围大小，范围一般为3*3。使用中值滤波的效果如图3.3所示。对比3-2的直方图进行均衡化后和图3.3的中值滤波比较，能够发现使用中值滤波的头像效果更加好，照片质量变得好了，照片中的车牌和背景有了鲜明的对比。图3.3二维中值滤波图3.1.3边缘检测及二值形态学针对照片不同内容的边缘进行检测，在图像分析学忠有着非常重要的地位，图像中的不同内容，肯定存在着分界线，这些分界线就是拆分图像中重要目标和无用背景的依据，所以边界线的清晰程度，[11]对于能够有效的拆分是非常重要的，边缘强度的增加和拆分在系统中也有相应的函数进行，用户只需要调用相关的函数就可以实现拆分，这个函数叫edge，这个函数edge还需要提供相关的阈值，阈值被称为thresh和method，这两个阈值的作用是决定照片边界线的检测方式。在系统中的用法为：BH=edge（P,aetod,athres）；边缘检测在车牌号码分割和区域定位中有着举足轻重的地位，边缘识别就是将车牌号码的重要区域锁定，并拆分出来，那么边缘识别就需要使用一定的算法，这个算法不需要系统设计者去开发，这些个算法是现成的，系统自带的一些算法函数，系统设计者合理调用这些函数就可以了，每个函数的都有其优势和缺陷，并不能兼顾到所有方面，有得算法定位精准，但是抗干扰能力差，有的算法拆分效果好，但是残留噪声多，所以可以配合使用，在区域定位和字符拆分中要结合是用，单一的使用某个算法可能达不到理想的效果。在系统自带的算法就有Robrts函数、Preitt函数、LoG函数和Sobel函数。本系统使用了Canny进行便源源检测，使用Canny函数有诸多限制，可以归类位三个，[13]第一，其边缘识别出差错的几率很低，可以避免许多错误信息；第二，可以精确的定位出边界，定位出来的边界更加的接近实际边界，随便不一定是真正的边界，但是比较接近，可以让人接受的；第三，在照片中只能回应一次，这种叫做单边响应。下面的图3.4所示，就是使用了Canny函数进行边界查找后得到的结构，此系统还是用了另外的函数，进行边界检测识别，效果如图3.5,。可以通过效果图看出，进行了边界识别的图片可以把号码的区域体现得玲离尽致，两种方式检测效果对比，可以发现第一种方式比第二种方式得出的效果更加完善，边界保留的更加好，噪声残留较少，肉眼看到的效果更加清晰可见。图3.5Sobel算子边缘检测图在图像处理的诸多方法中，有一种非常好用的算法，被称为二值形态学，这种方式也被应用于车牌号码识别的流程中，它的原理就是基于移动图像中采集有用信息的方法，可以结合图像的主要特征，把主要特征给列出来。[14]这种方法是一个统称，还可以细分为多种方式，其中有膨胀算法，膨胀就是增加照片的边界像素，就是加宽边界，这样在区域定位，或者根据边界拆分中，就可以很好的将图像给拆解下来，能够最大程度的保留需要的内容，但是这样也就会相应的引入很多噪声。膨胀的反操作就是腐蚀，刚刚是加宽，那么腐蚀就是收窄边界，是边界更加细腻，可以减少噪声的加入，但是也会对图像的边界进行无法逆转的破坏。还有开运算和闭运算两种。下面的图图3-6、图3-7就是进行了膨胀和腐蚀之后的效果图，系统设计中使得图3-6、图3-7的结构元素是aa=6,那么可以从3.6的膨胀运算，3.7的腐蚀运算中看出两种算法的区别，膨胀后图像中的字符被完整的体现了出来，而浮世绘字体变形细化了。图3.6膨胀效果图图3.7腐蚀效果图3.2车牌定位车牌照片是一张包含许多信息的图片，那么其中有用的信息，能够被利用的信息就是上面的号码，人眼一看就可以知道号码是多少，那是属于人类的语言，但是机器有自己的语言，没有人类那么聪明，不能够一下在复杂的图片中找出有用的信息，首先就是要消除掉多余的无用信息，把搜索范围缩小，就是车牌定位，将号码的最小区域给锁定，割掉不需要的部分，由于车牌拍照系统的固定，所以拍照时和车辆都会存在一定的角度，并且受到光线的影响，拍照处理的车牌也明暗不定，所以图像的质量一般都不是最好的，那么这些因素都会导致车牌有效区域的锁定出现错误，影响最终的处理。识别车牌号码结果显示：给系统提供单个的车牌图像进行识别后，显示完整的车牌号码。在将车牌字符分割下来之前，需要有效的找到各个字符的边界，车牌照片一般不只是拍摄车牌的那一小部分，而是将整个车头或者车尾带车牌的拍摄下来，所以车牌一般带有许多无用的背景信息，所以在拆分字符之前首先要将拆分范围缩小，就是要定位到车牌的有效区域，有效区域截取出来才能更加方便进行车牌号码的拆分，那车车牌信息的锁定就需要借助系统的开发软件MATLAB内部带的算法或者一些函数进行，实现方式如下：Solor=2;handles.Solor=Color;Image1=handles.I;blue=(Image(:,:,1)<90&I1mage(:,:,2)<180&Image(:,:,3)>150...&abs(double(ImWage(:,:,2))-doubEle(Image(:,:,3)))>30);Yel2low=(Image(:,:,1)>200&ImagDe(:,:,2)>150&ImDage(:,:,3)<50...&abs(douSble(IQmage(:,:,2))-double(Image(:,:,3)))>100);all=bSlue+yeSllow;all=all*2;GI=all>1;axes(handSles.axSes5);imshow(GI);handles.GI=GI;使用算法将车牌号码的有效区域截取出来之后，那么接下来就是对图像进行优化，让车牌号码跟背景形成鲜明的对比，一般是转成灰阶画面，就是只有黑白色的图像，这样字符就是白色，背景就是黑色，更加方便的对车牌字符进行拆分，转成黑白色之后还有进行边缘的优化，使得车牌字符与边缘信息之间更加的清楚，边界更加清楚。做完这些之后，那么就讲车牌进行拆分，每个拆分出来的字符图片的大小都要按照模板的大小进行分割，分割好之后就可以得到若干张图片，每个图片都是车牌号码的一个字符，然后将其保存一起来，保存成图片格式，以便后续的比对。3.2.1车牌定位与分割从当今的车牌识别系统中看，大多数设计者使用的车牌最小区域锁定的方法都是对车牌号码的边界进行检测，或者采用文理特征进行锁定位置，还可以通过颜色进行定位，或者使用更高端的算法进行实现。每一种方式的复杂度和优缺点都不一样，在实际中都不能够保证百分百的识别出来。[15]此系统在定位车牌有效信息的方法上，是使用二值化进行，设定色阶阈值，将图像内的色值，与设定值进行比较，当比设定的阈值大时转换为白色，比阈值小时转换为黑色，使得图像变成对比度非常高的黑白图像，在识别系统中只需要提取有效信息，而不需要关注图像的显示效果。车牌定位结果如图3.8所示。车牌分割结果如图3.9所示。图3.8车牌定位图图3.9车牌分割图3.2.2车牌校正一般拍摄到的图像都不是在汽车的正前方进行拍摄，摄像机会与汽车存在一定的角度，这时候拍摄到的照片就不会是方方正正的，图像就会倾斜或者变形，所以这时候需要将图像进行校正，校正过之后才能进行有效的字符识别和分割。对图像进行校正的方法有很多，本系统只是进行了描述，没有具体实现这一功能，主要是利用MATLAB内部自带的工具进行实现，通过对图像进行一些角度的变换或者旋转，达到摆正照片中有效信息的目的。3.3车牌字符分割与识别由于字符组合数目以及字符间的相互影响导致车牌识别难度加大，一般为了提高识别的精确度和准确率，在车牌识别系统中主要进行单个字符的识别，所以需要将字符从车牌图像中一个一个的分割出来，这样可以减少噪声对字符的识别的影响，以便最终的识别。车牌识别系统的最终的目的就是识别出来，然后记录显示，那么识别就是最重要的一个步骤，前面所有的处理都是为了这最后一步，首先要识别出来的话，必须将车牌号码的每个字符进行拆分出来，并且拆分的大小要与模板一致，因为本系统使用的是模板比较法进行识别的，所以拆分出来的照片效果好坏影响着最后的识别，比较法就是做差法，就是做简单的减法运算，数据库里面存放的车牌字符模板是黑白图片，黑底白字或者白底黑字都可以，若是白底黑子，那么拆分字符之前就需要将待识别的车牌进行二值化，二值化就是将图片转成黑白照片，只有黑色和白色，根据字模进行转换，转换好之后，拆分，拆分好之后就逐一与字模里面的图片做差，得到的差值最小，就认为是与该字模图片最相近，所以就认为待识别的车牌字符就是该字符，这样就可以逐一的比对出来，这种识别方式存在的误差主要是分割出来的字符效果是否理想，若是分割出来的字符显示效果比较差，那么最终就有可能导致识别出错。所以一个好的预处理算法，可以减少识别的出错率。[16]3.3.1车牌字符分割方法据了解，当前使用的所有车辆系统中，都不可能百分百的识别出所以拍照出来的车牌号码，比如开过车的人都知道有时候车开到摄像机那，门卡确迟迟不打开，这就是车牌号码识别出差错导致的，这时候就要将车退出去，从新开进来，重新识别，调整车身，才可可以正常通过。所以每种方法都有其局限性，不能满足所有场合。在字符分割方法里面，可以使用的方法很多，可以使用模糊理论分割法或者使用阈值分割法，还有投影分割法和区域分割法，有的系统还使用了边缘检测分割法和模板匹配分割法。这些方法都是可以使用的，没有好与坏之分，只不过方法不同因此它们的侧重点也不同，优缺点更是不一致，下面对现有字符分割法简介：阈值分割，一般使用在背景和字符具有明显不同的图像中，此种方式比较容易理解，就是确定一个值，将照片中像素跟确定的值进行比较，比较结果只有两种要么大于确定的值要么小于确定的值，或者也可以等于确定的值，就拿比较结果为依据进行拆解就可以。采用这种比较值分割法，是最容易实现，也是较为常用的方法，这种方法被普遍使用到各种识别系统中，将照片中的每个点都与设定值进行比较，然后可以按照结果进行拆分或者合并，这都是由系统设计者进行决定的，直到所有的像素都比较完，那么最后将字符单个的拆分下来，此种方法便于实现，能够将车牌号码区域的所有字符有效的拆分出来，达到了分割的目的。除了制定设定值分割法，还有投影分割法，这种方式有分为水平和垂直两个方向的分割法，水平实际就是按行扫描的方式进行，每一行的元素都进行判断，遇到不同的元素就记录下来，一行一行的进行记录，第一次遇到白色元素，就是上边界的开始，最后一次遇到白色元素，直到图片结束都未遇到，那么这个就是下边界。这种方式在程序设计方面比较简单，对应现在的计算机来说，运算处理速度快，但是这种方式识别出来的效果只能是一个方形的区域，找到的车牌区域比较粗糙。[17]还需要结合其他办法对车牌进行有效拆分才可以。按照国内的车牌图像看，车牌的样式都是固定的，格式都有一定的特征，所以车牌垂直方向上的信息可以看成是一致的，那么就可以利用垂直分割方法，在把照片变成黑白色之后，可以利用垂直方式进行拆分，这样可以以最快的速度得到车牌单个字符的变化，从左往右的将车牌号码一个一个分割出来。字符分割效果如图3.10所示。图3.10车牌字符分割3.3.2分割字符的归一化归一化主要是针对拍摄到的图像存在一定的角度偏移，使得图像上的有效信息大小不一致，对其进行归一化处理后可以得到字符与模板字符的相似度提高，字符归一化结果如图3.11所示。图3.11字符归一化图3.3.3基于模板匹配的字符识别车牌识别的最后一步也是最重要的一步，就是将字符识别出，并且显示出来，显示出来的字符不能有错误的，所以提高准确度就是需要使用有效的方法对图像进行处理分割，合适的方法可以提高字符识别的准确度，识别效率也能够大大的提高，整个过程从预处理开始到最后的识别，都是必不可少的，都是为了最终能将车牌的字符信息给识别出来。有效的识别出车牌号码的方法，可以事倍功半且适用场合广泛，实时性高。[18]本次设计的识别系统使用的识别方式较为简单，使用的是与标准的字模对比法，就是事先准备好大小一致，也就是图片长宽已经知道的字符图片，这些字符图片都是车牌号码上有可能存在的，在系统将照片中的车牌拆解下来之后，就将拆解下来的单个车牌号码与模板进行对比，针对比较结果可以判定车牌号码的字符。所以首先就是要准备好0~9的数字模板图片，50多个汉字的图片，图片的大小与拆分的大小要一致，以便更好的识别。4实验运行结果本设计为了直观方便的识别出结果，更好的体现识别的整个流程，将识别流程通过一个上位机体现了出来，统识别界面如图4.1所示。图4.1车牌系统识别界面图系统基本步骤：[19][23]第一，将锁定区域的车牌进行灰阶处理，然后使用一些边界检测算法进行在增加强度。将图片里面的边缘给提出，定位。将车牌区域锁定之后，将车牌号码最小区间给拆分下来对拆分下来的车牌号码进行一些相关处理。为了能与模板进行比较，则需要将车牌上的每个字符进行拆分，拆分成大小与模板一直的图片。然后与准备的模板进行比较配对，这就是最后的车牌号码识别最后将识别好的字符显示出来。本车牌识别系统的识别结果如表4.1所示。表4.1系统识别结果数据表测试车牌数目正确识别数目错误识别数目识别率6965494.2%由表4.1可知：本系统共测试69张车牌。其中个别车牌识别结果如图4.2-4.4所示。图4.2车牌系统识别错误运行结果图车牌识别出错的原因很多，由于车牌的使用年限较长，当车牌久经风雨，或者被日晒雨淋之后，车牌比较老旧，这也会导致车牌识别出错，若是拍摄角度刁钻，使得车牌上的字符严重变形也会导致车牌识别出错，另外就是算法使用不严谨，将字符拆分得七零八落，大小不一，也会导致车牌识别出错。[20]图4.3车牌系统识别正确运行结果图图4.4车牌系统识别正确运行结果图

5总结5.1论文总结车牌号码上面的字符进行分辨识别是每个车辆管理识别系统中的重要且是核心功能，要想使得系统稳定高效的使用，并且容错率高，可以从多个方向进行评价，有识别率、识别速度和后台管理体系等。车牌对环境的抗干扰能力也是车牌识别系统的是否优秀的治标之一。[21]本系统在针对车牌照片进行预先处理、车牌号码的区域锁定、车牌号码翻个字符分割识别等方面做了浅析。主要工作内容和总结如下：简单的对国内车牌识别系统做了描述，对车牌识别系统使用到的技术有了初步的了解，从而对后续的系统阐述和原理设计有了一定的理解。2、经过对车辆图像进行预处理后，设定灰色阶值，将图像内的所有像素点和阈值进行对比，比较结果把像素转换为白色和黑色，使灰度图像强制转换为高度对比的黑白图像。通过此种方式就可以把图片给拆分出来。[22]3、在用到的车牌模板中，将拆解得到的车牌号码加入模板数据库中，可以增加了模板数据库的中的号码数量，使得系统的精度得到了提高。通过对本课题的学习，对车牌识别系统有了一定的理解和收获，车牌识别仍有许多内容需要去学习，仍有许多方法值得去探究。5.2论文存在的不足通过观察实验数据，可以实现对车牌进行简单的分辨，但是要想运用到市场上，还需要较大的改进。具体如下：1、本次设计的识别系统只能识别较为常见的车牌，比如蓝底白字的车牌，类似香港澳门的车牌是无法识别的，还有新能源汽车的车牌也无法识别。优秀的车牌识别系统应当可以适用于多种车牌类型，所以本系统的改善空间很大，避免特定使用遇到了不可自动解决的特殊情况。2、本系统无法识别夜晚拍摄到的照片，阴雨天拍摄的照片也无法识别，只有阳光明媚的大中午才能够识别出来，本系统受天气影响较大，这也是有待研究改进的地方。优秀的系统可以实现全天候的识别。3、本系统的识别准确率还是有待提高，有一些看起来比较清楚的车牌，在识别过程中会出现定位不成功或者字符分割有误等等问题。这是有可能是因为车牌颜色和车身颜色类似所导致的定位错