1、本科毕业设计题目基于 MATLAB 的车牌识别系统设计作 者： 邹思凡 专 业： 自动化(本一) 指导教师： 徐一鸣 完成日期： 2016 年 6 月 1 日 原 创 性 声 明本人声明：所呈交的论文是本人在导师指导下进行的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已发表或撰写过的研究成果。参与同一工作的其他同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签 名： 日 期： 本论文使用授权说明本人完全了解南通大学有关保留、使用学位论文的规定，即：学校有权保留论文及送交论文复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容。（保密的论文在解密后
2、应遵守此规定）学生签名： 指导教师签名： 日期： 南 通 大 学毕 业 设 计（论文）姓 名： 邹思凡 指导教师： 徐一鸣 专 业： 自动化(本一) 南通大学电气工程学院2016 年 6 月 1 日题目： 基于 MATLAB 的车牌识别系统设计 南通大学毕业设计（论文）摘 要近几年，随着现代社会的发展，汽车数量越来越多，研究智能交通系统是势在必行。其应用场合包括：违章车辆抓拍、不停车自动收费、交通流量检测、停车场车辆管理、失窃车辆查询等方面，具有巨大的市场前景及商业价值。车牌识别系统在智能交通系统中的地位举足轻重。基于 MATLAB 的车牌识别系统需要识别车牌图像，其中要涉及到图像处理技术、人
3、工神经网络、模式识别技术。本文简要介绍了国内外车牌识别系统的研究现状和发展趋势，并结合车牌识别的各模块，选择了相应的算法。 利用 MATLAB 软件仿真达到了图像预处理、车牌定位、车牌字符分割和车牌字符识别四大模块的效果。仿真结果证明，本次设计的车牌识别系统基本能够实现车牌识别、车牌定位、字符分割及字符识别的功能。本实验共对 60 张车牌图片进行了识别，其中总共包含了 420 个字符，识别中错误字符 38 个，正确率达到了 90.5% 。本系统基本可以满足车牌识别的各个功能，可以应用于实际生活中。关键词：车牌识别，车牌定位，字符识别，字符分割，MATLAB南通大学毕业设计（论文）IABSTRA
4、CTLast few years, with the development of modern society, the increase of city vehicles is rapid and the further research of the Intelligent Transportation System is increasingly important. Its applications include: electronic policeman, electronic toll collection system, traffic flow control, parki
5、ng lot management, stolen vehicle inquiry, etc. It has a broad market prospects and commercial value. The License Plate Recognition System plays a pivotal role in the Intelligent Transportation System. The License Plate Recognition System based on MATLAB needs to recognize the license plate and it i
6、nvolves image processing, artificial neural networks, pattern recognition technology and some other fields.This article introduces the current research situation, the development trend of domestic and foreign license plate recognition system and selects the appropriate algorithms combined with each
7、module of the license plate recognition system. We use the MATLAB software simulator and achieve good effects of four modules which are the image preprocessing, license plate location, license plate character segmentation and license plate character recognition.The simulation result shows that this
8、license plate recognition system designed basically achieved the function of the license plate recognition, license plate location, character segmentation and character recognition. In this study, a total of 420 license plate images are identified, which contains 38 wrong characters, with the correc
9、t rate reaching to 90.5%. The system can basically meet the various functions of license plate recognition and it can be applied to real life.Key words: license plate location, character recognition, character segmentation, MATLAB南通大学毕业设计（论文）II目 录摘 要 .IABSTRACT II第一章 绪论 11.1 课题背景及意义 11.2 智能交通系统概述 .1
10、1.3 车辆识别技术简介 .21.4 车牌识别系统组成与设计 .31.5 本论文主要研究内容 5第二章 车牌图像预处理 62.1 引言 .62.2 图像格式转换及尺寸归一化 .62.3 图像灰度化 .72.4 边缘检测 .92.5 图像的二值化 .102.6 数学形态学处理 .14第三章 车牌定位及字符分割 .163.1 引言 .163.2 车牌定位算法简介 .163.3 本文车牌定位算法 .173.4 车牌倾斜矫正 173.5 车牌边框的去除 .20南通大学毕业设计（论文）III3.6 车牌字符分割 .203.6.1 车牌的规格 .203.6.2 车牌分割算法 21第四章 车牌字符识别 .2
11、34.1 引言 234.2 车牌字符识别常用方法 .234.2.1 基于模板匹配的字符识别算法 234.2.2 基于支持向量机的字符识别算法 .244.2.3 基于人工神经网络的字符识别算法 .254.3 BP 神经网络的结构 264.4 BP 神经网络在车牌识别中的应用 274.4.1 特征提取 .274.4.2 BP 神经网络的结构与设计 284.4.3 网络训练 .284.5 实验结果 29第五章 总结与展望 .345.1 总结 .345.2 展望 .34参考文献 35致 谢 36南通大学毕业设计（论文）0第一章 绪论1.1 课题背景及意义伴随着经济的持续发展，人民生活质量的日益改善，汽
12、车数量的急速增加导致道路交通越来越拥挤。在这种情况下，仅仅依靠投入大量的资金到公路等交通基础设施的建设之中，已经远远不能解决交通拥堵、交通事故发生率居高不下、环境污染等一些日益严重的问题。此外，由于城市空间的限制、修建新的道路所需要的巨额资金以及环境的压力，建设更多基础设施必然受到严格的限制。因此，如何改善道路交通现状已经成为现代交通系统中刻不容缓的问题。所以，要想从根本上解决问题必须利用高新技术（如计算机、网络、通信技术、自动化技术等）来改造现有的道路运输系统及其管理体系。此时，智能交通系统 (Intelligent Traffic System，简称 ITS)顺应时代要求出现了，它大大地改
13、善了道路交通的现状。1.2 智能交通系统概述起初，智能交通系统（Intelligent Transportation Systems , ITS）是由智能车辆道路系统（Intelligent Vehicle Highway System , IVHS）发展而来。智能交通系统是一个实时的综合管理系统，它涉及了计算机技术、控制技术、信息技术等领域的知识，应用于各种场合 1。自 20 世纪 80 年代开始，人们就已经开始利用图像处理技术领域的相关知识来解决车牌识别的问题，只不过此时的研究还处于起步阶段，未能达到理想的效果。直到 20 世纪 90 年代初，随着计算机视觉的发展，ITS 才开始成为一个正
14、式的具有一定意义的名词。进入 90 年代后，美国、欧洲、日本、加拿大、韩国、新加坡和香港等国家和地区为了改善越来越严峻的道路交通情况，开始投入巨额资金和大量精力到 ITS 的开发和研究中，这一举措极大地推动了 ITS 的深入研发。在当今世界的世界交通领域里，智能交通系统的发展始终代表着最先进的课题研究方向，发达国家正在深入研究和开发车牌识别系统，目的是治理交通问题并改善环境，运用传感器、计算机等领域的知识解决难题更好地实现现代道路交通系统的智能化 2。不可避免地，我国也正在大力地深入研发智能交通系统，并将其作为交通运输领域的长期的研究课题。智能交通系统被广泛地应用于各种公共场所，例如停车场、机
15、场、公路实时管理系南通大学毕业设计（论文）1统等等。ITS 在全世界范围都被大量应用，其中包括一些发达国家和地区，例如美、日、欧、北上广（国内的北京、上海、广州）。ITS 是一个融合了多个子系统的综合性体系，其中包括了监控系统、控制系统、运营管理系统等。从起初开始研究智能交通系统，美国和欧洲等一些发达国家和地区就很关注 ITS 的发展。美国和欧洲是全世界最发达的国际和地区，已经对 ITS 的体系框架进行了整体设计，并取得了长足的进步，因此在美、欧地区 ITS 的发展和应用最为先进和完备。在亚洲，日本人口众多但国土面积不够，迫切的需要研发出更为先进的智能交通系统并将其应用于各种公共场所之中。韩国
16、和新加坡也不断加大投资成本，用于研究和开发适合本国国情的智能交通系统。其中韩国政府曾投入 75 亿的巨资来建立 7 个智能交通系统的子系统。国内早在上个世纪就投入到了智能系统的研究，当时被称为交通工程。在国内大量的研究人员一直致力于开发出一套先进且高效的 ITS，现在已经取得了可观的成果。在全世界范围内，美国的 ITS 覆盖率和应用率毋庸置疑的是最高，保守统计至少在百分之八十甚至不止。因为智能交通系统极大地缓解交通问题而且还带来了可观的利益回报，所以世界各国纷纷斥资研发智能交通系统 3。ITS 的发展极大地推动了经济的持续发展，ITS 业甚至成为一个重要的经济增长点。1.3 车辆识别技术简介在
17、很多公共场合，车牌识别系统被大量的应用，例如测速系统、收费系统等等。目前可使用的汽车图像检测方法有很多，其中利用率比较高的是：使用红外探测装置进行检测的方法、使用超声波装置识别的方法、使用感应线圈检测等等 4。在国内外研究人员的深入研发，车牌识别技术自提出到发展至今，已经形成了比较完备的体系并得到了广泛的应用。但是由于外部环境的影响、摄像技术有待提高、清晰度不够带来的问题、破损污旧车牌识别难度较大、车牌缺乏统一的标准等不利条件的影响，导致车牌识别难以达到预想的识别效果，而且由于通常需要大量数值计算，难以满足实时性上的要求。国外研究人员很早就开始致力于研发车牌识别系统，目前国内研发出的 ITS
18、还不如国外的先进。直到今天，国外研发出的 ITS 已经比较完备，例如日本开发的 VICS 系统以，香港的Asia Vision Technology 公司推出的 VECON，新加坡 Optasia 公司设计的 VLPRS 系列，以色列的 Hi.Tech 公司开发的 See/Car System 等。我国的汽车牌照中包含汉字、大写的英文字母和阿拉伯数字，识别难度比国外的汽车牌照高得多，所以国外的车牌识别系统不能南通大学毕业设计（论文）2适用于我国的车牌识别。我国研究车牌识别系统比国外晚了将近 20 年左右，但是我国的研究成果也不容小觑，郭杰，施鹏飞研制出了一种精准的定位算法，这种方法借助车牌的颜
19、色信息和纹理特征实现功能；赵学春，戚飞虎采用颜色信息对待分割物体进行字符分割，研究出了一种高效的自动识别技术。此外，国内的许多科研单位已经开发出了比较完备的车牌识别系统，例如亚洲视觉科技有限公司，北京弗雷德科技有限公司等。近年来，在国内，有一些大学和科研机构也对于本课题的研究进行了尝试。从目前已经发表了的论文来看，主要有上海交大、浙大、同济大学等院校正在研究这一课题。伴随着模式识别和信息技术的发展，车牌识别系统的发展日臻完善，本论文采用了一些近几年才提出的算法，例如利用数学形态学算法对车牌进行边缘检测，采用 BP 神经网络等等。但是因为该课题研究存在着一定的难度，并且车牌易受噪声和光照等干扰条
20、件的影响，所以到现在为止，还未研发出一套极为完备且识别率高达百分百的算法。随着对车牌识别系统迫切需求的不断增加，人们对车牌识别率的期望值也不断变高，目前，对该领域的研究仍然很活跃。根据目前已应用车牌识别系统的场合的反馈情况来看，其存在的不足之处主要是车牌识别时，执行时间太长导致实时性不高以及识别效果不理想。因此，车牌识别率的高低和执行时间的长短是未来车牌识别技术中亟待解决的问题和两个重点研究技术。它们是衡量 ITS 的性能优劣的重要指标，它们受系统的硬件性能和识别算法的制约。鉴于本文研究的基于软件仿真基础的车牌识别技术，所以只需考虑综合优化的算法来改善系统性能即本文研究的关键技术就是车牌的识别
21、率和执行速度。1.4 车牌识别系统组成与设计车牌识别技术是一门图像处理、数据压缩以及模式识别等方法的综合性技术，其核心技术就是把准确地提取出图像中的车牌，并且正确地识别出车牌。ITS 涉及到原始图像识别、图像预处理、车牌区域的定位、车牌区域的字符分割以及车牌区域的字符识别等几个模块，本论文研究的基于 MATLAB 的车牌识别系统设计的识别流程如图 1.1 所示 5。南通大学毕业设计（论文）3车 辆 原 始 图 像图 像 预 处 理车 牌 区 域 定 位车 牌 字 符 分 割车 牌 字 符 识 别输 出 车 牌 号 码图 1.1 车牌识别流程图本文通过 MATLAB 软件设计了一个车牌识别的仿真
22、系统，该程序成功地达到了准确识别实际车辆照片中的车牌的目的，其中不包括硬件采集部分。本仿真系统所需实现的功能分别为 ： (1) 图像预处理：可以利用智能手机自带的相机功能在各种不同的环境下拍摄车牌照从而获得待识别的汽车牌照的图像，这一过程不可避免地存在着一定的噪声等不确定的干扰因素，为此，必须采用车牌图像预处理技术对车牌进行处理，如灰度化、滤波、灰度拉伸、二值化、矫正等，为下一步定位车牌做好充分的准备； (2)车牌定位：包含车牌的粗定位和精确定位，以及裁剪出车辆图像中的车牌区域的图像的功能，这一步比较重要，正确的定位有助于识别率的提高。 (3)字符分割：车牌中的字符可能出现不同程度的倾斜，所以
23、必要时需要对倾斜的车牌进行矫正处理，然后把车牌中的字符精准地分割成单个的独立字符。 (4)字符识别：将分割处理后的所有独立字符逐一识别，使它们从原来的图像字符变成文本字符。通过编写程序实现功能，最终显示出车牌号码。其中每个过程都有不同的算法，不同的算法实现的效果都不尽相同。本论文研究的车牌识别系统是在 MATLAB 软件上进行仿真实现识别功能的。系统设计结构图如图 1.2 所示。南通大学毕业设计（论文）4图 像 采 集图 像 预 处 理 车 牌 定 位 字 符 分 割 字 符 识 别灰度化平滑滤波灰度拉伸精确定位粗定位二值化几何矫正去边框字符切分归一化目标识别图 1.2 系统设计结构图1.5
24、本论文主要研究内容第 1 章是论文的绪论，主要介绍了本课题的研究背景与发展情况，并提出了本课题的研究内容。第 2 章是车牌原始图像预处理的部分。主要介绍了车牌图像格式转化、灰度化、二值化等预处理内容。第 3 章是车牌定位和字符分割。这一章介绍了几种常见的定位算法和字符分割算法，并进行了车牌位置矫正和车牌边框去除。第 4 章为字符识别的部分，是整个系统中最核心的环节。本章简单介绍了三种识别算法。南通大学毕业设计（论文）5第二章 车牌图像预处理2.1 引言本章首先阐述了数字图像的内容和概念，然后详细介绍了车牌图像尺寸转换、灰度化、边缘检测、形态学处理等多方面的算法，并采用了这些算法中的最优算法组合
25、，力图实现最优的识别效果。原始的车牌图像要通过采集才可以得到，图像采集主要是利用摄像头、数码相机等采集设备拍摄车牌图像来获取的。所以原始图像通常是彩色的，其中不可避免地包括了大量的颜色信息，不仅需要很大的存储空间而且尺寸不一，所以在处理时也会降低系统的执行效率，此外还不可避免地存在着或多或少的无关识别的信息，因而需要把彩色图像转变成灰度图像；同时因为图像采集的过程中环境的多变性和车辆的速度等多种因素的影响，以致车牌图像的质量不高，存在着不同程度的干扰及噪声，给后面的定位、分割和识别工作带来困难，直接影响到后续工作的开展和整个系统的性能。因此，在车牌图像的定位前，对图像质量进行提高而进行图像预处
26、理的工作，不仅能消除噪声、改善图像质量，而且还可以有效地减少系统存储空间的需要 6。图 1.3 给出了具体流程图。彩 色 图 像中 值 滤 波形 态 学 处 理二 值 化边 缘 检 测对 比 度 增 强灰 度 化图 2.1 图像预处理2.2 图像格式转换及尺寸归一化预处理的第一步是要对图像的格式进行转换及尺寸进行归一化处理，图像预处理能减少提取图像特征时的计算量，并且能避免存储空间的浪费，提高利用率和实时性。图南通大学毕业设计（论文）6像格式转换和尺寸变换有几种方法：方法一是单纯用手工操作图像处理类的专业软件来调整格式和大小；方法二是加入相应的处理模块到系统中，然后根据需要系统自动处理完成。因
27、为不同的图像处理类的软件采用的算法不完全相同，所以处理出的效果虽然表面看不出什么差别，但是其在特征匹配时的差异非常大，有的时候甚至可能导致图像失配。因此，应该尽可能采用统一的尺寸变换和格式转换算法。2.3 图像灰度化通常情况下，用相机拍摄的车牌图像都是彩色的，所以为了识别速度快，需要先对图像进行灰度化操作。彩色图像又被称为 图像，它是用 、 、 来表示一个像素RGBRGB的颜色的， 、 、 分别代表红色、绿色、蓝色，通过组合这三个基本颜色就可以合RGB成出任意的颜色 7。那么，对于一个大小为 的彩图而言，就需要一个 的MN3MN三维数组来存储该图像。彩色图像中存在不少颜色信息，不仅需要较大的空
28、间进行存储，还会大大延长系统的识别时间，使实时性不达标。因为彩图的每个像素都包含着 、 、 三种不相同的RGB分量，识别时，不需要使用其中很多无关信息，这也不利于进一步识别。所以，在进一步地处理图像之前，需要将图像由彩色转换为灰度，目的就是为了加快处理的速度和节省存储的空间。在 的模型中，若 、 、 三个值都相等，那么它代表一种灰度的RGBRGB颜色，而相等的那个值就被称为灰度值 8。上面介绍的这个将彩图变为灰度图的过程就是这一小节的重点对图像进行灰度处理。将采集到的车牌图像进行灰度化处理后，此时的车牌图像值包含亮度信息，不包含彩色信息 9。一个二维的数据矩阵就可以实现存储和处理一个灰度图像的
29、功能，矩阵中的所有独立元素代表相应像素的灰度值。灰度的图像的像素色是 ，彩色的图像的像素色是 ，彩色图像的颜色可分解为 、(,)RGBr (,)RGBR、 。 、 、 取值的范围和灰度图像的转换方法如下：(l)最大值法：取 、 、 中的最大值并将其赋给其他两个分量，即:B(2.1)max(,)(z)平均值法：使 、 、 的值等于三个值的和的平均值，即 :RG(2.2)3RGB(3)加权平均值法：按照某一指标给 、 、 赋权值 、 、 ，并使 、 、RWGBRG的值等于它们的值的加权平均值，其中 、 、 为 ， 和 ，即：BRGB0.590.10.3.590.1RGB (2.3)南通大学毕业设计
30、（论文）7一般情况下，人类的双眼最容易辨别出绿色，较容易三个分辨出红色，但是不容易辨别出蓝色，所以我们通常利用第三种方法进行灰度化处理。经转换后的图像只包含强度信息，因此灰度模型不能重新转换为 模型。RGB经灰度化处理之后的彩色图像保存了图像的主要信息，不会丢失车牌的主要特征信息，同时图像经灰度化处理后为车牌的字符分割提供了简单的处理对象。车牌灰度化处理前后图如下：图 2.2 原始车牌图像南通大学毕业设计（论文）8图 2.3 灰度图像2.4 边缘检测车牌识别系统需要处理的是灰度图像和二值图像，在处理时需要利用车牌字符的边缘特征。边缘就是指图像中出现的灰度值不连续的点，将它们连起来就形成了物体的
31、边。车牌图像的边缘是区域与区域之间的交界 10。所以能否准确检测出字符边缘就直接影响到最后识别结果的准确度。边缘检测的作用就是检测并突出图像的边缘部分、灰度值跳变部分和纹理突变部分。车牌中包含很多的边缘信息，可以通过边缘检测的算法来提取出车牌的特征信息。边缘检测是对某一领域的灰度变化的考察，边缘检测局部算子法利用边缘内邻近的一阶导数和二阶导数的值来判定边缘，一阶算子（梯度算子）可以检测一个像素是否是算子，二阶算子（拉普拉斯算子）可以判定一个像素是在边缘的亮侧还是暗侧。目前可使用的边缘检测算子有很多种，本文由于篇幅和时间限制，仅对四种较为常用的检测算子进行简要介绍，分别是 Robert 算子、P
32、rewitt 算子、Sobel 算子和 Canny像像像像像像 像像像像像像像像像像像像 像像像像像像像像像像像像 像像像像像像南通大学毕业设计（论文）9算子等 11。和 和 和 和 01-10-102-120-(a)Robert 算子 (b)Prewitt 算子 (c)Sobel 算子 (d)Canny 算子图 2.4 边缘检测算子Roberts 算子的检测速度比较快，边缘定位准确，但是易受噪声干扰，从而丢失一些边缘信息。Prewitt 算子和 Sobel 算子都是加权平均，对图像质量要求不高，但是边缘检测效果不好。Canny 算子对边缘检测的精度较高，且具有很好的信噪比，所以被广泛应用于边
33、缘检测中。Canny 算子检测图像边缘示例如图 2.5 所示。图 2.5 边缘检测2.5 图像的二值化在研究车牌识别系统时需要多次利用灰度图像的二值化算法，如图像灰度化后的图像像像像像像像像 像像像像像像像像像像像像像像像像南通大学毕业设计（论文）10像增强阶段、对车牌区域进行粗定位阶段、精定位之后的字符分割阶段等，可以使用不同的二值化算法。二值图像指图像的灰度值只有 0 和 255 的图像，不存在其他灰度值。原因有两方面：一、一些待处理的图像本身就是二值图像，如工程图像、指纹图像等；二、尽管有些图像是灰度的，我们为了提高处理速度，也会将其转化为二值化的图像。此外，二值图像能应用几何学中的特征
34、描述，具有巨大的优势。图像的二值化是根据图像中待提取目标与背景之间灰度差异计算出一个阈值，然后图像中的各个像素的灰度值与这个阈值的大小进行比较，然后将大于阈值的像素归为一类并用1来表示，小于阈值的则为另一类用0表示 12。这种理论基于背景与物体的灰度值存在差异。因而，阈值分割的算法分为两步：一是计算出阈值；二是做对比然后取值。确定阈值是以上步骤中关键的一步，恰当地选取好阈值，可以有效地除去噪声，并且可以将图像中的目标和背景分割开，从而大大减少信息量并提高处理速度。目前确定阈值的方法有多种，依据阈值的应用范围常用的有以下三种方法：1、直方图技术如果在一幅图像中，背景是浅灰色的，但其中包含一个深色
35、像素的物体，这类图像的双峰直方图如图 2.6 所示。灰度级的两峰之间存在一个灰度级的数量极少的一个部分，从而产生了谷，以谷值作为灰度阈值。频率灰度级1 0 0 T2 0 0 2 5 5图 2.6 双峰直方图二值化公式如下：（2.4）1122,(,)(,),AifxyTgxyBiff南通大学毕业设计（论文）112、全局阈值法全局阈值法，就是选择一个常数作为阈值并将其作用于整幅图像中的每一个像素。其中，比选定阈值大的像素标记为背景，反之为物体。这种方法处理速度快，尤其适用于背景单一的图像，但是当图像的背景复杂时，就不能很好地达到预设的目标了。(l)极小值点阈值如果把图像所对应的灰度直方图看成是曲线
36、，那么可以借助求取曲线的极小值来选取直方图的谷。设 表示图像的灰度直方图，那么极小值点应该满足以下两个条件:()hz()0z和 2()0hz（2.5）(2)迭代阈值分割取灰度中值作为初始值 ，借助下面的公式进行迭代计算:0T10112i ii iLkkTiTkkh(2.6)在公式 2.6 中， 的含义是指灰度取值为 k 的像素的数目，k 的取值范围为 0 到 L。kh当 Ti+1=Ti 时迭代结束，将此时的 Ti 值为阈值。(3)OTSU 法Ostu 法是最常用的全局阈值法，该方法的主要思想是：首先利用阈值 T 将二值化处理后得到的车牌图像的灰度值分为两类，然后计算出相应的类间方差和类内方差，
37、将两者相比并求出最大的比值，以此确定出阈值 T13。如果将二值化处理后得到的车牌图像的灰度值有 L 个取值范围，并且将此时相应的阈值假设为 T，那么灰度就可以分为两类，其中将小于 T 的灰度值设为类 1，显然，大于T 的灰度值设为类 214。那么此时，可以利用相应的公式和已知值分别计算出均值和方差 。在对车牌图像的灰度值进行分类之前，如果假设所有灰度值的平均取()M()值为 ，那么此时的类内方差可以利用公式 2.7 计算求得。T(2.7)2221()()TT类间方差由下式计算:南通大学毕业设计（论文）12(2.8)22 21 21()()bTTMMT将公式 2.7 和公式 2.8 计算所得的值
38、相比即 ，要想在类内方差 保持不变的2/b2情况下得到最大的比值，就必须尽量取到 的最大值，此时对应的像素值就是希望得到的阈值 T。3、局部阈值法一般来说，在经过二值化处理后得到的车牌灰度图像中，图像的背景的像素值是不是固定不变的，当然图像中的物体的像素值和背景的像素值的比值也不是一成不变的 15。正是因为这个原因，阈值 T 也会随之改变，这时就不能再采用全局阈值法来处理了，这时就得采用局部阈值法了。局部阈值法是对所有像素取一个阈值，并且保证所取阈值只与其周围的像素有关。因为车牌图像中的所有像素都要确定一个阈值 T，所以最后的识别效果比较理想，适用范围广，但是执行时间长实时性不好。对图像进行局
39、部二值化处理，有一个不可避免且难以克服的问题就是图像容易不连通 16。(1)Niblack这是一个行之有效并且非常简便的方法，借助计算车牌图像中局部位置像素的均值和方差来确定中心位置的像素的阈值。例如，对一个中心位置为 的 的局部图像(,)ijr而言，可以很轻松地计算出它的像素的均值和方差值： ， ，那么该像素的点,mijs的阈值为：(2.9)(,)(,)(,)Tijmijksij的大小非常敏感，若 太大，图像的细节容易被删去，反之，若 太小，图像会存rr r在很多噪声。(2)Bernsen对中心为 的 的窗口，其最大和最小像素值为 ， ，若 ，则其(,)ijrhZlhlZ相应阈值为：（2.1
40、0)(,)2hlTijZ否则该窗口属于同一类。目前可使用的二值化算法有很多，本文仅就其中几种做了简单介绍，每种方法各有南通大学毕业设计（论文）13优缺点。当采用全局二值化方法来处理图像时，Ostu 法是最常用且效果还不错的一种方法。因此本次毕业设计，就应用了 Ostu 法进行图像二值化处理，这也为后续的车牌识别等过程提供了一个高质量的车牌图像。图 2.7 是本此设计中仿真出的二值化车牌图像。图 2.7 二值化图像2.6 数学形态学处理在车牌识别系统中，利用形态学的知识和相关算法可以排除一些直观上的干扰因素，有利于准确定位车牌位置。它的原理是首先找到一个有一定形态的结构元素，接下来利用它对车牌图
41、像中的相关形状进行量度和提取，从而实现对车牌图像的分析和识别的功能 17。数学形态学主要采用了领域运算形式，可以简化图像数据，保留图像中的有用信息，去除无关信息。最基本的形态学运算子有膨胀运算、腐蚀运算以及二者组合而成的开运算和闭运算等。(1)膨胀运算膨胀运算的基本原理是将与物体接触的部分背景点合并到物体中 18。经过图像膨胀，图像边界变大，元素面积相应增加，而且图像膨胀可以填充图像中的空隙和连接断续点，使其成为连通区域。膨胀运算的公式如下：(2.11),xyDBSB(2)腐蚀运算腐蚀运算的基本原理是在结构元素的制约下，删减物体的边界点和边界上的突出部分，使其向内收缩。其主要应用于消除分割图像
42、时产生的微小且无意义的点。腐蚀运算的公式如下：(2.12),xyEBSB南通大学毕业设计（论文）14(3)开运算开运算也就是对待处理图像进行腐蚀操作和膨胀操作的过程。它的作用是在不改变物体面积的条件下，滤除图像中的细小孤立点、毛刺，擦除在两块区域的之间的连接小点，平滑图像的大致轮廓。同时在保证图像面积基本不变和相对完整地保留结构元素点的条件下，不改变图像总的位置和形状。(4)闭运算闭运算即先膨胀后腐蚀。该运算可以在不影响图像中的明亮细节的条件下，去除暗细节部分。经闭运算后，图像中的细小空隙得以填充，连通图像中临近的物体，图像边界更为平滑，在不明显改变物体面积的情况下，图像总的位置和形状保持不变
43、。本论文中对字符区域进行形态学腐蚀运算，去除图像中不连续的边界点，再应用形态学闭运算，连通图像中的小块区域，最后删除干扰因子初步定位车牌区域 19。确定车牌区域的流程图如下：边缘检测图像腐蚀运算闭运算删除干扰因子图 2.8 确定车牌区域的流程图南通大学毕业设计（论文）15第三章 车牌定位及字符分割3.1 引言车牌定位是整个车牌识别系统中对图像处理较为重要的第一步，能否正确定位出车牌位置直接影响到车牌识别率。车牌定位就是从原始的车辆照片上根据车辆牌照的长宽比和颜色组合信息等特征来检测出面积尽可能小而完全包围车牌区域的图像，并将其从原始图像中分割出来。现实环境下，不同的光照以及不同的拍摄距离、角度
44、的影响，采集到的车牌图像可能模糊不清甚至文字笔画不连续，所以要排除干扰，准确地定位出车牌位置有一定的难度。3.2 车牌定位算法简介目前常用的车牌定位算法有数学形态学法、边缘检测法、小波分析法、灰度值法 20。（1）基于数学形态学的定位算法基于数学形态学的定位算法就是利用腐蚀运算和闭运算处理二值化图像，确定出目标，滤除噪声，实现车牌的定位。其中腐蚀运算可以删去图像中的边界点和边界上的突出部分，闭运算可以连通图像中的小块区域，最后依据车牌图像的特征知识来实现功能。这种方法可以自动调整阈值，从而适应光照等外界因素的干扰，并且可以快速定位。在本文中的 2.6 节详细解释了数学形态学的算子。（2）基于边
45、缘检测的定位算法边缘是指图像中灰度级发生阶跃变化的部分，由于边界的灰度值和物体的灰度值有差异，所以可以根据车牌内部字符的边缘特征，找出车牌的大致区域。这种方法有一定的局限性，就是对图像的质量要求较高，如果图像中的干扰太多，就有可能发生误判，将干扰强的边缘标记为车牌边界。在本轮中的 2.4 节，已经较为详细的介绍了几种边缘检测算子，本系统中采用的是 Canny 算子。（3）基于小波分析的定位算法小波分析的定位算法结合了数学形态学的一部分知识，先用小波提取边缘边缘中的小块区域，在不同的分辨率层次上分割图像；再利用形态学运算滤除噪声，从而实现精确定位，这种方法计算量较大，定位速度较慢。（4）基于灰度
46、值的定位算法南通大学毕业设计（论文）16基于灰度值的定位算法采用了线段探针搜索定位车牌区域，其基本原理是利用车牌底色、边框颜色以及背景颜色在灰度化之后产生的灰度值有差异，形成了灰度值阶跃变化的边界。车牌的边框灰度值比背景灰度值高，并且边框为平行四边形，可以使用边缘检测算法，将车牌区域提取出来。3.3 本文车牌定位算法本文采用数学形态学方法实现车牌定位的效果，由于车牌定位的准确度受到选择的结构元素的制约，太大的结构元素使车牌的区域粘连成连通域，会带入一定的噪声；而太小的结构元素则不能将车牌字符区域粘连在一起，以至于无法准确定位出车牌区域，所以必须将数学形态学定位算法和其他算法结合起来。边缘检测可
47、以去除大量的噪声，突出车牌的边缘部分，此时再采用数学形态学算法处理图像，就可以很好地将车牌区域粘连成连通域，再根据车牌的固有特征，实现功能 21。该方法的具体思路如下图所示：彩色车牌图像灰度化同态滤波和高斯平滑处理边缘检测二值化数学形态学变换根据车牌的位置和长宽比提取车牌图 3.1 车牌定位算法流程图3.4 车牌倾斜矫正通常情况下，车牌的形状是一个比例固定的矩形，但是由于拍摄角度和车辆位置的不同，实际拍摄出的车牌往往会产生畸变，这对接下来的字符分割和字符识别产生了一南通大学毕业设计（论文）17定的影响。通常车牌倾斜了之后，会产生下图中出现的三种情况。Y X Y X 图 3.2 水平倾斜的两种情
48、况ji ji图 3.3 垂直倾斜的两种情况X YX Y 图 3.4 水平垂直倾斜的两种情况图 3.2 所示就是车牌图像发生水平倾斜时出现的两种位置，此时车牌上的字符几乎没有发生倾斜，车牌的坐标轴与图像的坐标轴间相差的倾斜角度为 ，求出的值为 ，主要将图像旋转 度就可以矫正好车牌。车牌垂直倾斜的两种情况如图 3.3 所示，此时的倾斜事实上是同一行上的像素的偏移，求出倾斜角度 然后进行矫正。车牌水平垂直倾斜的两种情况如图 3.4 所示，此时车牌图像即发生了水平倾斜又发生了垂直倾斜。这种倾斜情况是最常见的。在我国研究车牌识别技术时，使用率较高的矫正算法有：Hough 变换法、旋转投影法和 Radon
49、 变换法 22。Hough 变换法是利用车牌的上下边沿与水平夹角的倾斜角度，来实现车牌位置的矫正的。但是在现实情况下，受到噪声和车牌边框不够突出等干扰因素的影响，Hough 变换法应用起来困难重重，所以计算量大而且矫正效果不够理想。为此，南通大学毕业设计（论文）18应该在矫正车牌前，先对车牌进行二值化和边缘检测处理，使得车牌轮廓分明，以便于接下来的矫正处理。旋转投影法是利用反复旋转车牌图像的方法，将旋转后的图像投影到坐标轴上，通过寻找旋转后的投影最大值，试探性地求出倾斜角度从而实现车牌位置矫正。尽管旋转投影法可以较好地避免干扰，但是实时性不够高，所以本文并未采用这种方法。Radon 变换法是这三种方法中相对较好的一种，这种
