1、<p>　　基于MATLAB的車牌識別研究</p><p><b>　　摘要</b></p><p>　　汽車牌照自動識別系統(tǒng)是近幾年發(fā)展起來的計算機視覺和模式識別技術(shù)在智能交通領(lǐng)域應用的重要研究課題之一。在車牌自動識別系統(tǒng)中，首先要將車牌從所獲得的圖像中分割出來，這是進行車牌字符識別的重要步驟，定位準確與否直接影響車牌識別率。</p><

2、;p>　　本次畢業(yè)設計首先對車牌識別系統(tǒng)的現(xiàn)狀和已有的技術(shù)進行深入的研究，在研究的基礎(chǔ)上開發(fā)出一個基于MATLAB的車牌識別系統(tǒng)，通過編寫M文件，對各種車輛圖像處理方法進行分析、比較，提出了車牌預處理、車牌粗定位何靜定位的方法。本次設計采取的是基于邊緣檢測，先從經(jīng)過邊緣提取后的車輛圖像中提取車牌特征，進行分析處理，從而初步定出車牌的區(qū)域，再利用車牌的先驗知識和分布特征對車牌區(qū)域二值化圖像進行處理，從而得到車牌的精確區(qū)域，并且取得了

3、較好的定位結(jié)果。</p><p>　　關(guān)鍵詞：識別率 車牌定位 二值化 邊緣檢測</p><p><b>　　Abstract</b></p><p>　　The subject of the automatic recognition of the most significant subiects that are improved

4、from the connection of computer vision and pattren recognition .In LPSR ,the first step is for locating the license plate in the captured image which is very important for character recognition .The recognition correctio

5、n rate of license plate is goverment by accurate degree of license plate location .</p><p>　　The graduation project first in-depth study on the status of the license plate recognition systems and existing te

6、chnology, on the basis of the study developed a matlab-based license plate recognition system, a variety of vehicles, image processing, through the preparation of the M-fileanalysis of the proposed license plate pretreat

7、ment, the positioning of the coarse license plate positioning Jing. The design is taken based on edge detection, start to extract the license plate characteristics af</p><p>　　Key words: Recognition rate

8、Location of the plate binary image</p><p>　　Checked up for the edge</p><p><b>　　目錄</b></p><p><b>　　摘要1</b></p><p><b>　　前言4</b>&l

9、t;/p><p><b>　　第一章 緒論5</b></p><p>　　1.1、課題研究背景和意義5</p><p>　　1.2、國內(nèi)外研究概況及發(fā)展趨勢6</p><p>　　1.3車牌定位的意義7</p><p>　　第二章 MATLAB簡介8</p><p>

10、　　2.1.MATLAB發(fā)展歷史8</p><p>　　2.2MATLAB的語言特點9</p><p>　　第三章 車牌定位11</p><p>　　3.1 車牌定位的主要方法11</p><p>　　3.1.1 基于直線檢測的方法11</p><p>　　3.1.2 基于閾值化方法12</p>

11、<p>　　3.1.3 基于灰度邊緣檢測方法12</p><p>　　3.1.4 基于彩色圖像的車牌定位方法13</p><p>　　3.2研究內(nèi)容及實驗方案14</p><p>　　3.2.1研究內(nèi)容14</p><p>　　3.2.2 車牌識別系統(tǒng)研究的方案和方法14</p><p>　　3

12、.3 圖像的讀取15</p><p>　　3.4 預處理及邊緣提取17</p><p>　　3.4.1 圖象的采集與轉(zhuǎn)換17</p><p>　　3.4.2 圖像預處理17</p><p>　　3.4.3 圖像增強18</p><p>　　3.4.4灰度變換18</p><p>　　

13、3.4.5 圖象平滑的介紹20</p><p>　　3.4.6邊緣檢測21</p><p>　　3.4.7圖像的腐蝕22</p><p>　　3.5 牌照的定位和分割23</p><p>　　3.5.1 牌照區(qū)域的定位和分割24</p><p>　　3.5.2 牌照區(qū)域的分割24</p>&l

14、t;p>　　3.5.3車牌進一步處理24</p><p>　　3.6 圖像邊緣提取及二值化25</p><p>　　3.7 形態(tài)學濾波29</p><p>　　3.8 車牌提取31</p><p>　　第四章 字符的分割與識別32</p><p>　　4.1 字符分割與歸一化32</p>

15、<p>　　4.2 字符的識別33</p><p><b>　　總結(jié)和體會36</b></p><p><b>　　謝辭37</b></p><p><b>　　前言</b></p><p>　　隨著交通問題的日益嚴重，智能交通系統(tǒng)應運而生。從20世紀90年代

16、起，我國也逐漸展開了智能交通系統(tǒng)的研究和開發(fā)，探討在現(xiàn)有的交通運輸網(wǎng)的基礎(chǔ)上，提高運輸效率，保障運輸安全。</p><p>　　汽車牌照自動識別系統(tǒng)是近幾年發(fā)展起來的計算機視覺和模式識別技術(shù)在智能交通領(lǐng)域應用的重要研究課題之一。車牌識別的目的是對攝像頭獲取的汽車圖像進行預處理，確定車牌位置，提取車牌上的字符串，并對這些字符進行識別處理，用文本的形式顯示出來。車牌自動識別技術(shù)在智能交通系統(tǒng)中具有重要的應用價值。在車

17、牌自動識別系統(tǒng)中，首先要將車牌從所獲取的圖像中分割出來，這是進行車牌字符識別的重要步驟，定位準確與否直接影響車牌識別率。</p><p>　　車牌自動識別系統(tǒng)作為一種交通信息的獲取技術(shù)在交通車輛管理、園區(qū)車輛管理、停車場管理有著特別重要的應用價值，受到業(yè)內(nèi)人士的普遍關(guān)注。車輛自動識別系統(tǒng)由三部分組成，其中車牌定位作為最關(guān)鍵的技術(shù)，成為重點研究的對象。</p><p>　　車牌定位的成功與否

18、及定位的準確程度將會直接決定后期能否進行車牌識別及識別的準確度。由于在現(xiàn)實中，汽車的車牌圖像收到光照、背景、車型等外界干擾因素以及拍攝角度、遠近等人為因素的影響，造成圖像受光不均勻，車牌區(qū)域不明顯，給車牌區(qū)域的提取帶來了較大的困難。</p><p>　　車牌定位的方法有很多種，目前比較經(jīng)典的定位方法大都在基于灰度圖像的基礎(chǔ)上，本次設計就針對灰度圖像的定位進行了研究。針對不同背景和光照條件下的車輛圖像，提出了一種基

19、于灰度變換特征進行車牌定位的方法。依據(jù)車牌種不同區(qū)域的灰度分布，車牌定位可以首先將彩色車牌進行灰度化然后再進行車牌定位。</p><p><b>　　第一章 緒論</b></p><p>　　1.1、課題研究背景和意義</p><p>　　隨著汽車數(shù)量的迅速上漲，逐漸向自動化和實時性的智能化管理進行轉(zhuǎn)變。汽車智能化的重要環(huán)節(jié)就是牌號的自動識別系

20、統(tǒng)，主要使用倉儲式立體庫以及無人值守停車場管理、交通控制與誘導、不停車自動收費以及違章車輛以及車輛安全防盜等領(lǐng)域。牌照自動識別是一項利用車輛的動態(tài)視頻或靜態(tài)圖像進行牌照號碼、牌照顏色自動識別的模式識別技術(shù)。該技術(shù)具有良好的研究價值和廣闊的應用前景。</p><p>　　車輛牌照自動識別技術(shù)是智能交通系統(tǒng)的一個重要組成部分，它在交通管理與監(jiān)控中有著廣泛的應用。車輛牌照識別系統(tǒng)技術(shù)能夠從一副車輛圖像中準確定位車牌圖像

21、，經(jīng)過字符切分和識別后實現(xiàn)車輛牌照的自動識別，從而為以上應用提供信息和基礎(chǔ)功能。目前，車牌識別系統(tǒng)主要應用于以下領(lǐng)域：</p><p>　　(1) 停車場管理系統(tǒng)。利用車牌識別技術(shù)對出入的車輛車牌號進行識別和匹配，與停車卡結(jié)合實現(xiàn)自動計時、自動收費的車輛收費管理系統(tǒng)。</p><p>　　(2) 高速公路超速自動化管理系統(tǒng)。以車牌號自動識別技術(shù)為基礎(chǔ)，與其它高速高科技技術(shù)手段結(jié)合，對高速公

22、路交通狀況進行自動監(jiān)測、自動控制，從而降低交通事故的發(fā)生率，確保交通順暢。</p><p>　　(3) 公路布控。采用車牌技術(shù)對重點車輛進行識別，快速報警，即可有效查找被盜車輛，又可作為公安、檢察機關(guān)體工對犯罪嫌疑人的交通工具的跟蹤和檢查的技術(shù)手段。</p><p>　　(4) 城市十字路口的“電子警察”?？梢詫`章車輛進行責任追究，也可以輔助進行交通流量統(tǒng)計，交通檢測和疏導。</p

23、><p>　　(5) 小區(qū)車輛管理系統(tǒng)。社區(qū)保安系統(tǒng)將出入社區(qū)的車輛通過車牌識別技術(shù)進行記錄，將結(jié)果與內(nèi)部的車輛進行對比，可以實現(xiàn)實時監(jiān)管。</p><p>　　1.2、國內(nèi)外研究概況及發(fā)展趨勢</p><p>　　國內(nèi)外有大量關(guān)于車牌識別的研究報道。國外在這方面的研究工作開展較早。在上世紀70年代，英國就在實驗室中完成了“實時車牌監(jiān)測系統(tǒng)”的廣域檢測和開發(fā)。同時代，誕

24、生了面向被盜車輛的第一個實時自動車牌監(jiān)測系統(tǒng)。發(fā)展到今日，國外的車牌檢測的研究已經(jīng)取得了令人矚目的成就，如yuntaocui提出了一種車牌識別系統(tǒng)，在車牌定位后，利用馬爾科夫場對車牌特征進行取值化，對樣本的識別達到了較高的識別率。</p><p>　　車牌識別技術(shù)作為智能交通系統(tǒng)中的關(guān)鍵技術(shù)，在各國學者的共同努力下，已經(jīng)得到了長遠的展，并且已經(jīng)得到了不同程度的實際應用，但目前還存在這種種不足。對于未來車牌識別產(chǎn)品

25、的技術(shù)發(fā)展趨勢，漢王科技智能交通部總經(jīng)理喬炬認為，首先，由于市場需求不同，對識別產(chǎn)品的需求也有差異，因此就要求研發(fā)針對不同細分市場的車牌識別產(chǎn)品。其次，隨著算法的不斷改進，基于視頻觸發(fā)技術(shù)的車牌識別產(chǎn)品將得到大范圍的應用，但是視頻出發(fā)技術(shù)取代外觸發(fā)裝置尚需時日。第三，現(xiàn)在的車牌識別系統(tǒng)設備過多，系統(tǒng)集成難度大，系統(tǒng)穩(wěn)定性差，系統(tǒng)維護是一個讓人頭疼的問題。隨著技術(shù)不斷進步，以往多個設備實現(xiàn)的功能可能由一個設備實現(xiàn)。</p>

26、<p>　　從車牌識別系統(tǒng)進入國內(nèi)以來，國內(nèi)有大量的學者在從事這方面的研究，提出了許多新穎的算法。目前上海大學圖像處理實驗室研制出的汽車牌照自動識別系統(tǒng)已經(jīng)在瀘寧高速公路收費口處得到了應用。該系統(tǒng)識別率高，速度快，魯棒性強，對環(huán)境和光照的要求低，能夠適應收費系統(tǒng)要求的環(huán)境。在排除非正常牌照，嚴重污染的牌照和對比度特別低的牌照的情況下，經(jīng)現(xiàn)場數(shù)萬輛車輛測試，對漢字和后四個數(shù)字的整體識別率達99%以上，識別時間＜0.2s，該系統(tǒng)結(jié)

27、合人機對話，經(jīng)瀘寧高速公路江橋收費口試運行確定，達到了實用要求。還有中國科學院自動化所劉志勇等開發(fā)的系統(tǒng)在一個樣本量為3180的樣本集中，車牌的準確率為99.42%，切分準確率為94.52%，這套系統(tǒng)后來用于漢王公司的車牌識別系統(tǒng)，取得了不錯的效果。隨著市場的不斷擴大，需求的進一步提高，必將促進這一領(lǐng)域的進一步發(fā)展。</p><p>　　目前，車牌識別技術(shù)和產(chǎn)品性能進入實用階段時間不是很長，隨著人工智能以及自動識

28、別技術(shù)的進步，未來的技術(shù)發(fā)展空間還會非常大。例如，核心算法繼續(xù)發(fā)展，識別率和知識速度進一步改善，圖像處理中對模糊圖像預處理能力增強，畫質(zhì)改善技術(shù)的提高等等。</p><p>　　1.3車牌定位的意義</p><p>　　車牌定位是車牌定位識別系統(tǒng)中的關(guān)鍵技術(shù)之一，車牌照定位結(jié)果的好壞直接影響著該系統(tǒng)的識別進度。所謂車牌照定位過程就是把車牌照區(qū)域完整的從一幅復雜的車牌圖像中分割出來。然后對于

29、一副車牌圖像來說，車牌區(qū)域只占復雜的車牌圖像的一小部分，要想準確地定位出車牌區(qū)域，就必須提取車牌區(qū)域內(nèi)的字符本身的紋理特征及字符與其背景之間的灰度特征來進行分析</p><p>　　現(xiàn)在社會已經(jīng)進入信息時代，隨著計算機技術(shù)、通信技術(shù)和計算機網(wǎng)絡技術(shù)的方法，自動化的信息處理能力和水平不算提高，并在人們社會活動和生活的各個領(lǐng)域得到廣泛應用。在這種情況下，作為信息來源的自動檢測、圖像識別技術(shù)越來越受到人們的重視。作為現(xiàn)

30、代社會的主要交通工具之一的汽車，在人們的生產(chǎn)、生活的各個領(lǐng)域得到大量的使用，對它的信息自動采集和管理在交通車輛管理、園區(qū)車輛管理、停車場管理等方面有十分重要的意義，成為信息處理技術(shù)的一項重要課題。</p><p>　　車牌定位識別系統(tǒng)正是在這中應用背景下研制出來的能夠自動實時的檢測車輛經(jīng)過并定位識別汽車牌照的智能交通管理系統(tǒng)。車牌定位識別系統(tǒng)是在裝備了數(shù)字攝像設備和計算機信息管理系統(tǒng)等軟硬件平臺基礎(chǔ)上，采用先進的

31、圖像處理、模式識別和人工智能技術(shù)，通過對圖像的采集和處理，完成車牌定位識別功能。車牌定位識別系統(tǒng)，集現(xiàn)場識別、遠程傳輸和指揮中心網(wǎng)絡化調(diào)度管理為一體，具有全天侯實時識別車牌照、自動比對車輛信息、現(xiàn)場報警、事后排查、高速高效等功能，并符合21世紀安全防范和智能交通系統(tǒng)工程主流應用技術(shù)的相關(guān)標準。</p><p><b>　　。</b></p><p>　　第二章 MAT

32、LAB簡介</p><p>　　2.1.MATLAB發(fā)展歷史</p><p>　　MATLAB是由美國Mathworks公司發(fā)布的主要面對科學計算、可視化以及交互式程序設計的高科技計算環(huán)境。它將數(shù)值分析、矩陣計算、科學數(shù)據(jù)可視化以及非線性動態(tài)系統(tǒng)的建模和仿真等諸多強大功能集成在一個易于使用的視窗環(huán)境中，為科學研究、工程設計以及必須進行有效數(shù)值計算的眾多科學領(lǐng)域提供了一種全面的解決方案，并在

33、很大程度上擺脫了傳統(tǒng)非交互式程序設計語言（如C、Fortran）的編輯模式，代表了當今國際科學計算軟件的先進水平。</p><p>　　MATLAB是Matrix Laboratory的縮寫，意為“矩陣實驗室”，是當今非常流行的科學計算軟件。這是因為信息技術(shù)、計算機技術(shù)的發(fā)展，使得科學計算在各個領(lǐng)域得到了廣泛的應用，比如控制論、時間序列分析、系統(tǒng)仿真、圖像信號處理等領(lǐng)域都產(chǎn)生了大量的矩陣及其他計算問題。自己編寫大

34、量繁復的計算程序，不僅會消耗大量的時間和精力，減緩工作進程，而且質(zhì)量往往不高。美國Mathwork軟件公司推出的MATLAB軟件正迎合了這一需求，為人們提供了一個方便的數(shù)值平臺。</p><p>　　MATLAB是一個交互式的系統(tǒng)，其基本運算單元是不需要指定維數(shù)的矩陣，并按照IEEE數(shù)值計算標準計算。系統(tǒng)本身提供了大量的矩陣及其他運算函數(shù)，可以方便地進行很復雜的計算，且運算效率高。MATLAB語言是當今國際上科學

35、界最具影響力、也是最有活力的軟件。它起源于矩陣運算，并已經(jīng)發(fā)展成為一種高度集成的計算機語言。它提供了強大的科學運算、靈活的程序設計流程、高質(zhì)量的圖形可視化與界面設計、便捷的與其他程序和語言接口的功能。MATLAB語言在各國高校與研究單位起著重大作用。</p><p>　　在70年代中期，Cleve Moler博士和其他同事在美國國家科學基金的資助下開發(fā)了調(diào)用EISPACK和LIPACK的FORTRAN子程序庫。E

36、ISPACK是特征值求解的FORTRAN程序庫，LIPACK是解線性方程的程序庫。在當時，這兩個程序庫代表矩陣運算的最高水平。到70年代后期，身為美國New Mexico大學計算機系系主任的Cleve Moler在給學生講授線性代數(shù)課程時，想教學生使用EISPACK和LIPACK程序庫，但他發(fā)現(xiàn)學生用FORTRAN編寫EISPACK和LIPACK的接口程序。Cleve Moler給這個接口程序取名為MATLAB，該名為矩陣（matrix

37、）和實驗室(labotatory)兩個英文單詞的前三個字母的組合，在以后的數(shù)年里，MATLAB在多所大學里作為教學輔助軟件使用，并作為面向大眾的免費軟件廣為流傳。</p><p>　　MATLAB 產(chǎn)品族可以用來進行以下各種工作：數(shù)值分析、數(shù)值和符號計算、工程與科學繪圖、控制系統(tǒng)的設計與仿真、數(shù)字圖像處理技術(shù)、數(shù)字信號處理技術(shù)、通訊系統(tǒng)設計與仿真等。MATLAB 的應用范圍非常廣，包括信號和圖像處理、通訊、控制系

38、統(tǒng)設計、測試和測量、財務建模和分析以及計算生物學等眾多應用領(lǐng)域。附加的工具箱（單獨提供的專用MATLAB 函數(shù)集）擴展了MATLAB 環(huán)境，以解決這些應用領(lǐng)域內(nèi)特定類型的問題。</p><p>　　2.2MATLAB的語言特點</p><p>　　MATLAB最突出的特點就是簡潔。MATLAB用更直觀的，符合人們思維習慣的代碼，代替了C和FORTRAN語言的冗長代碼。MATLAB給用戶帶來

39、的是最直觀，最簡潔的程序開發(fā)環(huán)境。他的語言特點是：</p><p>　　1）、語言簡潔緊湊，使用方便靈活，庫函數(shù)極其豐富。MATLAB程序書寫形式自由，利用起豐富的庫函數(shù)避開繁雜的子程序編程任務，壓縮了一切不必要的編程工作。由于庫函數(shù)都由本領(lǐng)域的專家編寫，用戶不必擔心函數(shù)的可靠性。</p><p>　　2）、運算符豐富。由于MATLAB是用C語言編寫的，MATLAB提供了和C語言幾乎一樣多

40、的運算符，靈活使用MATLAB的運算符將使程序變得極為簡短。</p><p>　　3）、MATLAB既具有結(jié)構(gòu)化的控制語句（如for循環(huán)，while循環(huán)，break語句和if語句），又有面向?qū)ο缶幊痰奶匦浴?lt;/p><p>　　4）、程序限制不嚴格，程序設計自由度大。例如，在MATLAB里，用戶無需對矩陣預定義就可使用。</p><p>　　5）、程序的可移植性很好

41、，基本上不做修改就可以在各種型號的計算機和操作系統(tǒng)上運行。</p><p>　　6）、MATLAB的圖形功能強大。在FORTRAN和C語言里，繪圖都很不容易，但在MATLAB里，數(shù)據(jù)的可視化非常簡單。MATLAB還具有較強的編輯圖形界面的能力。</p><p>　　7）、MATLAB的缺點是，它和其他高級程序相比，程序的執(zhí)行速度較慢。由于MATLAB的程序不用編譯等預處理，也不生成可執(zhí)行文

42、件，程序為解釋執(zhí)行，所以速度較慢。</p><p>　　8)功能強大的工具箱是MATLAB的另一特色。MATLAB包含兩個部分：核心部分和各種可選的工具箱。核心部分中有數(shù)百個核心內(nèi)部函數(shù)。其工具箱又分為兩類：功能性工具箱和學科性工具箱。功能性工具箱主要用來擴充其符號計算功能，圖示建模仿真功能，文字處理功能以及與硬件實時交互功能。功能性工具箱用于多種學科。學科性工具箱是專業(yè)性比較強的，如control,toolbo

43、x,signl proceessing toolbox,commumnication toolbox等。這些工具箱都是由該領(lǐng)域內(nèi)學術(shù)水平很高的專家編寫的，所以用戶無需編寫自己學科范圍內(nèi)的基礎(chǔ)程序，而直接進行高，精，尖的研究。</p><p>　　9)源程序的開放性。開放性也許是MATLAB最受人們歡迎的特點。除內(nèi)部函數(shù)以外，所有MATLAB的核心文件和工具箱文件都是可讀可改的源文件，用戶可通過對源文件的修改以及加

44、入自己的文件構(gòu)成新的工具箱。</p><p><b>　　第三章 車牌定位</b></p><p>　　3.1 車牌定位的主要方法</p><p>　　所謂車牌定位算法是指在實際拍攝的圖像中確定車牌區(qū)域的位置以便提取分割出車牌區(qū)域圖像的問題。牌照的快速準確定位是車牌自動識別技術(shù)中非常關(guān)鍵的一步，是典型的圖像分割問題，因此定位方法與車牌特征和圖像

45、處理技術(shù)是分不開的。</p><p>　　經(jīng)典的車牌定位分割算法包括從簡單的灰度閾值方法、頻域和空間分割方法到復雜的連接元素方法以及Hough變化法等，在背景較復雜和光照不均勻條件下，這些方法難以取得令人滿意的分割效果。近年來，人們針對這種情況，提出了各種各樣的定位算法。目前沒有一個標準圖像數(shù)據(jù)庫來評價無限制條件車牌定位算法的性能，這個問題的研究目前剛剛起步。</p><p>　　3.1.

46、1 基于直線檢測的方法</p><p>　　在計算機識別中，常常需要從圖像上尋找特定形狀的圖形，如果直接利用圖像點陣進行搜索判斷顯然難以實現(xiàn)，這時就需要將圖像像素按一定的算法映射到參數(shù)空間。Hough變換提供了一種將圖像像素信息按坐標映射到參數(shù)空間的方法，通過它構(gòu)建的參數(shù)空間可以容易地對特定形狀進行判斷。</p><p>　　Hough變換是一種利用圖像的全局特征將特定形狀的邊緣像素連接起

47、來，形成連續(xù)平滑邊緣的一種方法。它通過將源圖像上的點映射到用于累加的參數(shù)空間，實現(xiàn)對已知解析式曲線的識別。Hough變換常用于對圖像中的直線和圓進行識別。</p><p>　　這類方法一般采用Hough變化等方法來檢測直線（車牌周圍邊框形成）。利用車牌形狀特性來定位車牌，在實際運用中憂郁光照不均勻等影響和攝像機畸變，曝光不足和動態(tài)范圍太窄等原因，導致圖像存在偽影，加上車牌上的灰塵、臟污等使形狀特性表現(xiàn)的不明顯，從

48、而影響定位效果，此外傳統(tǒng)的Hough變換法應用在車牌定位中，只是單純的進行直線的檢測，沒有和車牌形狀特性結(jié)合起來，而且Hough空間與原圖像空間不是一一對應的，由Hough空間中檢測到的特征點無法確定出車牌輪廓的起始位置，無法避免直線干擾的問題，因此在有直線干擾時及未進行邊框提取時的可能性會大大增加。Hough變化計算量較大，對于邊框不連續(xù)的實際車牌，需要附加量加大的運算。</p><p>　　3.1.2 基于閾

49、值化方法</p><p>　　圖像經(jīng)過閾值化得到一個字符和背景分離的二值圖像是這類方法的特點。目前已經(jīng)提出了多種閾值化策略，但簡單算法二值化效果不好，復雜算法計算時間長、計算量大限制了實際應用。</p><p>　　3.1.3 基于灰度邊緣檢測方法</p><p>　　此類方法通常利用車牌區(qū)域局部對比度明顯和灰度有規(guī)律變化的紋理特征來定位。中國車牌類型較多，在不同光

50、照條件下車牌對比度更加不一，需要進行圖像增強處理，還要考慮圖像中與車牌特征非常相似的非車牌區(qū)域的排除問題。</p><p>　?。?）基于灰度直方圖的門限化邊緣檢測</p><p>　　基于灰度直方圖的門限化邊緣檢測是一種最常用、最簡單的邊緣檢測方法。對檢測目標——背景圖像中目標的邊緣效果很好。這種圖像的灰度直方圖呈雙峰狀態(tài)。</p><p>　?。?）基于微分的邊

51、緣檢測</p><p>　　1.基于差分的邊緣檢測</p><p><b>　　①一階差分邊緣檢測</b></p><p>　　對位于邊緣兩側(cè)的點，像素點灰度值將發(fā)生急劇變化，因此有較大的差分值。當差分方向和邊界方向垂直時將獲得最大差分，因此，只要對f(i ,j) 各方向的差分值再進行一次門限化處理，即可檢出邊緣像素點，從而求得其邊緣圖像。&l

52、t;/p><p><b>　?、诙A差分邊緣檢測</b></p><p>　　這是利用在圖像的邊緣處，灰度發(fā)生急劇變化這一特性，采用圖像灰度值沿著確定方向(x，y或?qū)蔷€)取二次差分后的某些性質(zhì)進行邊緣檢測的。</p><p>　　2. 基于梯度的邊緣檢測</p><p>　　由于邊緣發(fā)生在圖像灰度值變化比較大的地方，對應連

53、續(xù)情形就是函數(shù)梯度最大的地方。Roberts算子、Prewitt算子和Sobel算子就是比較簡單而常用的例子。還有一種比較直觀的方法就是利用當前像素臨域中的一些像素值擬合一個曲面，然后求這個連續(xù)曲面在該像素處梯度。從統(tǒng)計角度上說，我們可以通過回歸分析得到一個曲面，然后做類似的處理。</p><p>　　3.1.4 基于彩色圖像的車牌定位方法</p><p>　　目前的車牌分割受限于灰度圖像

54、，所以定位效果受陰影和光照條件的限制。由于人類是絕對彩色信息比較敏感，人眼能力分辨的灰度只有20多級，而分辨的彩色卻有35000多種，彩色圖像可以提供更多的視覺信息，有圖像學者提出了利用車牌的顏色信息來搜索牌照，將處理對象改為彩色圖像以求可以精確地定位車牌。</p><p>　　比如一些系統(tǒng)采用BP神經(jīng)網(wǎng)絡對彩色圖像進行彩色分割，把每個像素通過網(wǎng)絡學習歸類為期望的顏色，然后利用水平和數(shù)值直方圖的方法確定牌照的位置

55、，但是當車牌區(qū)域顏色與附近顏色非常相似且牌照傾斜的情況下彩色定位分個錯誤將會增加。</p><p>　　也有一些系統(tǒng)采用彩色邊緣檢測算子計算二值邊緣圖像，然后采用形態(tài)學方法來生成聯(lián)通區(qū)域圖像，在進行輪廓跟蹤，一個標記候選牌照區(qū)域，但是當圖中相似顏色區(qū)塊較多時，定位速度會急劇下降。</p><p>　　也有的系統(tǒng)首先利用顏色信息對輸入圖像進行彩色粗分割，得到了顏色為車牌照的一些區(qū)域。然后將分

56、個結(jié)果中的偽目標（即除了車牌區(qū)域以外的區(qū)域）分為兩類（一類是與汽車牌照顏色相近的背景，一類是可能與牌照顏色相機的汽車外殼），分別進行處理，最終利用投影法得到準確的車牌位置。雖然這種方法的定位率比較準確，但是識別速度卻很慢。這類方法一般都是將輸入的RGB彩色圖像轉(zhuǎn)換成HIS彩色圖像，然后進行基于模糊邏輯或神經(jīng)網(wǎng)絡的彩色分割，再進一步定位車牌，計算量大。</p><p>　　上述四種方法中，基于直線檢測的方法對我國車

57、牌來講并不完全使用，因為我國車牌的懸掛明顯不夠規(guī)范，有些車牌邊框不夠明顯必然造成定位算法失效，如果結(jié)合別的算法側(cè)需要在本身運算量很大的情況下額外增加系統(tǒng)開銷。車牌的最明顯特點是其紋理特征，基于灰度邊緣檢測的方法不失為一個理想選擇。此外，基于顏色的車牌定位也是比較普遍的定位方法。</p><p>　　3.2研究內(nèi)容及實驗方案</p><p><b>　　3.2.1研究內(nèi)容</

58、b></p><p>　　本課題主要是就汽車牌照的自動識別進行一系列的研究，通過查閱相關(guān)資料，了解課題背景，熟悉MATLAB軟件的基本操作，利用MATLAB軟件，根據(jù)提供的汽車車牌照片，采用圖像分析和處理算法，有效識別汽車的車號等相關(guān)信息。主要的研究內(nèi)容有：</p><p>　　(1)在MATLAB基礎(chǔ)上，實現(xiàn)車牌識別系統(tǒng)中的車牌定位及車牌字符的識別功能。</p>&l

59、t;p>　　(2)對車牌定位、字符切分、字符識別的算法進行研究。</p><p>　　(3)對實驗結(jié)果進行分析。</p><p>　　3.2.2 車牌識別系統(tǒng)研究的方案和方法</p><p>　　完整的車牌識別系統(tǒng)應包含車輛檢測、圖像采集、圖像預處理、車牌定位、字符分割、字符識別等單元。當車輛到達觸發(fā)圖像采集單元時，系統(tǒng)采集當前的視頻圖像，牌照識別單元對圖像進

60、行處理，定位出牌照位置，再將牌照中的字符分割出來進行識別，然后組成牌照號碼輸出。流程圖如下：</p><p>　　圖3.1.總體流程圖</p><p>　　該系統(tǒng)是計算機圖像處理與字符識別技術(shù)在智能化交通管理系統(tǒng)中的應用，它主要由牌照圖像的采集和預處理、牌照區(qū)域的定位和提取、牌照字符的分割和識別等幾個部分組成，如圖3.1所示。其基本工作過程如下：</p><p>　

61、?。?）當行駛的車輛經(jīng)過時，觸發(fā)埋設在固定位置的傳感器，系統(tǒng)被喚醒處于工作狀態(tài)；一旦連接攝像頭光快門的光電傳感器被觸發(fā)，設置在車輛前方、后方和側(cè)面的相機同時拍攝下車輛圖像；</p><p>　?。?）由攝像機或CCD攝像頭拍攝的含有車輛牌照的圖像通視頻卡輸入計算機進行預處理，圖像預處理包括圖像轉(zhuǎn)換、圖像增強、濾波和水平較正等；</p><p>　　（3）由檢索模塊進行牌照搜索與檢測，定位并

62、分割出包含牌照字符號碼的矩形區(qū)域；</p><p>　　（4）對牌照字符進行二值化并分割出單個字符，經(jīng)歸一化后輸入字符識別系統(tǒng)進行識別。</p><p><b>　　3.3 圖像的讀取</b></p><p>　　MATLAB中從圖像中讀取數(shù)據(jù)函數(shù)imread()，這個函數(shù)的作用是將圖像文件的數(shù)據(jù)讀入矩陣中，此外還可以用imfinfo()函數(shù)查

63、看圖像文件的信息。函數(shù)imread可以從任何MATLAB支持的圖像文格式中讀取一幅圖像。格式為：</p><p>　　A=imread(filename,fmt)</p><p>　　[X,MAP]=imread(FTLENAME,'FMT'),其中：FTLENAME為需要讀取的圖像文件名稱，F(xiàn)MT是圖像格式。</p><p>　　[...]=imr

64、ead(filename,fmt)</p><p>　　[...]=imread(filename)</p><p>　　[...]=imread(URL,...)</p><p>　　[...]=imread(...,idx) (CUR,ICO,and TIFE only)</p><p>　　[...]=imread(...,

65、'frames',idx) (GIF only)</p><p>　　[A,map,alpha]=imread(...) (ICO,CUR,and PNC only)</p><p>　　圖像的信息讀取可以通過調(diào)用imfinfo函數(shù)獲得與圖像文件有關(guān)的信息，格式如下：</p><p>　　INFO=imfinfo(FTLENAME,'FMT

66、')，其中返回的INFO是MATLAB的一個結(jié)構(gòu)體；</p><p>　　大多數(shù)圖像文件格式采用8為數(shù)據(jù)存儲像素值，將這些文件讀入內(nèi)存后，MATLAB都將其存儲為unit8類型。對支持16為數(shù)據(jù)的文件格式，如PNG和TIFE，MATLAB則將這些圖像存儲為unit16類型。和其他MATLAB生成的圖像一樣，一旦一幅圖像被顯示了，那么它將成為一個圖形對象句柄。</p><p>　　在

67、讀取圖像之前，應該先清除MATLAB所有的工作平臺變量，并關(guān)閉打開的圖形窗口。為此，可使用以下命令：</p><p>　　clear; close all</p><p>　　然后使用圖像選取函數(shù)imread就可以讀取一幅圖像。假設要讀取圖像為pout.tif(該圖像是圖像處理工具箱自帶的圖像)，并將他存儲在一個名為I的數(shù)組中，使用命令：I=imread(‘pout.tif’);</

68、p><p>　　然后調(diào)用inshow命令來顯示圖像：inshow(I)</p><p>　　本設計中圖像的讀取程序如下：</p><p>　　imread('E:/車牌圖片.jpg');</p><p>　　figure(),subplot(3,2,1),imshow(I),title('原始圖像') </p

69、><p>　　圖3.2 .原始圖像</p><p>　　Figure對象是MATLAB系統(tǒng)中包括GUI設計編輯窗在內(nèi)所有顯示窗口。在系統(tǒng)運行極限條件下，用戶可以創(chuàng)建任意多個Figure窗。所有Figure對象的父對象都是Root對象，而其他所有MATLAB圖形對象都是Figure對象的子對象。</p><p>　　如果當前沒有創(chuàng)建任何Figure對象，MATLAB在調(diào)用

70、一個繪圖函數(shù)（如plot 函數(shù)mesh函數(shù)）時，都自動創(chuàng)建一個Figure對象，如果在 MATLAB系統(tǒng)中已經(jīng)包括了好多Figure窗，系統(tǒng)則總是指定一個Figure窗為當前窗口，以后所有的函數(shù)默認把它作為輸出圖行窗。如果當前只有GUI設計編輯窗，MATLAB系統(tǒng)也默認為無可用的Figure窗，及調(diào)用繪圖函數(shù)時將重新創(chuàng)建一個Figure對象。</p><p>　　3.4 預處理及邊緣提取</p>&

71、lt;p>　　圖3.3 預處理及邊緣提取流程圖 </p><p>　　3.4.1 圖像的采集與轉(zhuǎn)換</p><p>　　考慮到現(xiàn)有牌照的字符與背景的顏色搭配一般有藍底白字、黃底黑字、白底紅字、綠底白字和黑底白字等幾種，利用不同的色彩通道就可以將區(qū)域與背景明顯地區(qū)分出來，例如，對藍底白字這種最常見的牌照，采用藍色B 通道時牌照區(qū)域為一亮的矩形，而牌照字符在區(qū)

72、域中并不呈現(xiàn)。因為藍色（255，0，0）與白色（255，255，255）在B 通道中并無區(qū)分，而在G、R 通道或是灰度圖像中并無此便利。同理對白底黑字的牌照可用R 通道，綠底白字的牌照可以用G 通道就可以明顯呈現(xiàn)出牌照區(qū)域的位置，便于后續(xù)處理。原圖、灰度圖及其直方圖見圖2與圖3。對于將彩色圖像轉(zhuǎn)換成灰度圖像時，圖像灰度值可由下面的公式計算：</p><p><b>　?。?.4.1.1）</b&g

73、t;</p><p><b>　?。?.4.1.2）</b></p><p>　　3.4.2 圖像預處理</p><p>　　圖像預處理是對原始資料進行遙感器效應和幾何及輻射效應等的應用前期處理，是將每一個文字圖像分檢出來交給識別模塊識別。在圖像分析中，對輸入圖像進行特征抽取、分割和匹配前所進行的處理。圖像預處理的主要目的是消除圖像中無關(guān)的信息

74、，恢復有用的真實信息，增強有關(guān)信息的可檢測性和最大限度地簡化數(shù)據(jù)，從而改進特征抽取、圖像分割、匹配和識別的可靠性。預處理過程一般有數(shù)字化、幾何變換、歸一化、平滑、復原和增強等步驟。</p><p>　　圖像預處理是車牌定位的準備工作，以提高車牌圖片的適用性。圖像不僅包括車牌照，而且還有汽車本身和汽車背景圖像，因此必須去掉這些非牌照圖像的影響，才有可能正確的提取出牌照區(qū)域，為以后的車牌字符識別打下基礎(chǔ)。在實際用用中

75、，由于季節(jié)的更替、自然光照的晝夜變化、光照的穩(wěn)定性與均勻性、車輛自身的運動、觀察點、采集圖像的設備本身因素等的影響，因而必須對圖像進行預處理，以改善圖像質(zhì)量，提高字符識別率。</p><p>　　3.4.3 圖像增強</p><p>　　對車輛圖像進行灰度化處理值后，車牌部分和非車牌部分圖像的對比度并不是很高，此時如果直接進行邊緣提取，由于車牌界限較為模糊，難以提取出車牌邊緣，因此難以準確

76、定位車牌。為了增強牌照部分圖像和其他部位圖像的對比度，使其明暗鮮明，有利于提高識別率，需要將車輛圖像進行增強。</p><p>　　圖像增強的目的是對圖像進行加工，以得到對具體應用來說視覺效果更適合計算機識別的圖像。增強圖像的方法有很多，如灰度變換、圖像平滑處理和線性濾波等，根據(jù)處理圖像域又可以分為空間增強與領(lǐng)域增強。目前用于車牌圖像增強的方法有：灰度拉伸直方圖均衡中值濾波高斯濾波圖像腐蝕同等濾波等等。</

77、p><p><b>　　3.4.4灰度變換</b></p><p>　　灰度圖是指只包含亮度信息，不包含彩色信息的圖像，例如平時看到的亮度連續(xù)變化的黑白照片就是一幅灰度圖。灰度化處理就是將一幅彩色圖像轉(zhuǎn)換成為灰度圖像的過程。彩色圖像分為R、G、B三個分量，分別顯示出紅、綠、藍等各種顏色，灰度化就是彩色的R、G、B分量相等的過程。灰度值大的像素點比較亮，反之比較暗。輸入的彩

78、色圖像包含大量顏色信息，會占用較多的存儲空間，且處理時也會降低系統(tǒng)的執(zhí)行速度，因此對圖像進行識別等處理時，常將彩色圖像轉(zhuǎn)換為灰度圖像，以加快處理速度。</p><p>　　圖像灰度化的算法主要由以下3種：</p><p>　?。?）最大值法：是轉(zhuǎn)化后R、G、B的值等于轉(zhuǎn)化前3個之中最大的一個，即:</p><p><b>　?。?.4.4.1）</b

79、></p><p>　　這種方法轉(zhuǎn)換的灰度圖亮度高。</p><p>　?。?）平均值法：使轉(zhuǎn)化后R、G、B的值為轉(zhuǎn)化前R、G、B的平均值</p><p><b>　?。?.4.4.2）</b></p><p>　　這種方法產(chǎn)生的灰度圖像比較柔和。</p><p>　?。?）加權(quán)平均值法：按

80、照一定的權(quán)值，對R、G、B的值加權(quán)平均，即：</p><p><b>　?。?.4.4.3）</b></p><p>　　其中，、、分別為R、G、B的權(quán)值。、、取不同的值，將形成不同的灰度圖像。由于人眼對綠色最為敏感，紅色次之，對藍色的敏感性最低，因此使＞＞將得到較易識別的灰度圖像。</p><p><b>　　圖3.4.灰度圖像&l

81、t;/b></p><p>　　灰度圖像顯示最基本的調(diào)用格式如下：</p><p><b>　　imshow(I)</b></p><p>　　imshow 函數(shù)是通過將灰度值表杜威灰度級調(diào)色版的索引來顯示圖像。如果I是雙精度類型，若像素值為0.0，則顯示為黑色，1.0則顯示為白色，0.0和1.0之間的類型，像素值將顯示為灰影。如果I為u

82、nit16則像素值65535將被顯示為白色。</p><p>　　imshow函數(shù)顯示灰度圖像的另一種調(diào)用格式是：是用明確地指定灰度級數(shù)目。例如，以下語句將顯示一幅32個灰度及的圖像I：</p><p>　　imshow(I，32)</p><p>　　此次畢業(yè)設計中灰度圖像顯示的語句為：</p><p>　　I1=rgb2gray(I);&

83、lt;/p><p>　　figure(2),subplot(1,2,1),imshow(I1);title（'灰度圖'）；</p><p>　　為了更好地觀察圖像的灰度分布信息，可以用imhist函數(shù)創(chuàng)建描述圖像灰度分布的直方圖，并使用figure命令將直方圖顯示在一個新的圖像窗口，程序語句如下：</p><p>　　figure(2),subplot(

84、1,2,2),imhist(I1);title('灰度直方圖')</p><p>　　從圖3.4中可以看出，由于圖像的灰度范圍比較狹窄，沒有覆蓋整個灰度范圍[0,255]，并且圖像中灰度值的高低區(qū)分較明顯，因而能產(chǎn)生好的對比效果。</p><p>　　3.4.5 圖象平滑的介紹</p><p>　　圖像平滑是對圖像作低通濾波,可在空間域或頻率域?qū)崿F(xiàn)。

85、空間域圖像平滑方法主要用低通卷積濾波、中值濾波等；頻率域圖像平滑常用的低通濾波器有低通梯形濾波器、低通高斯濾波器、低通指數(shù)濾波器、巴特沃思低通濾波器等。對于受噪聲干擾嚴重的圖像，由于噪聲點多在頻域中映射為高頻分量，因此可以在通過低通濾波器來濾除噪聲，但實際中為了簡化算法，也可以直接在空域中用求鄰域平均值的方法來削弱噪聲的影響，這種方法稱為圖象平滑處理。例如，某一象素點的鄰域S 有兩種表示方法：8鄰域和4鄰域分別對應的鄰域平均值為，<

86、;/p><p><b>　?。?.4.5.1）</b></p><p>　　其中，M為鄰域中除中心象素點f(i,j)之外包括的其它象素總數(shù)，對于4鄰域M=4，8鄰域M=8。然而，鄰域平均值的平滑處理會使得圖像灰度急劇變化的地方，尤其是物體邊緣區(qū)域和字符輪廓等部分產(chǎn)生模糊作用。為了克服這種平均化引起的圖像模糊現(xiàn)象，我們給中心點像素值與其鄰域平均值的差值設置一固定的閾值，只有

87、大于該閾值的點才能替換為鄰域平均值，而差值不大于閾值時，仍保留原來的值，從而減少由于平均化引起的圖像模糊。 </p><p>　　車牌圖像往往存在一些孤立的噪點，在汽車牌照圖像處理初期，若不能有效抑制或者去除這些噪點，將影響車牌定位的準確性或者造成無法定位。通常采用圖像平滑的方法去除噪點。 </p><p>　　圖3.5 清除小面積對象后的圖像<

88、/p><p><b>　　3.4.6邊緣檢測</b></p><p>　　圖像處理并不僅限于對圖像進行增強、復原和編碼，還要對圖像進行分析，圖像分析旨在對圖像進行描述，即用一組數(shù)或符號表征圖像中目標區(qū)的特征、性質(zhì)和相互間的關(guān)系，為模式識別提供基礎(chǔ)。描述一般針對圖像或景物中的特定區(qū)域和目標。為了描述，首先要進行分割。邊緣檢測是圖像分析中的重要內(nèi)容。邊緣是圖像的最基本特征。所

89、謂邊緣，是指周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間，基元與基元之間，因此他也是圖像分割所依賴的重要特征。</p><p>　　數(shù)字圖像的邊緣檢測是圖像分割、目標區(qū)域識別、區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，也是圖像識別中提取圖像特征的一個重要屬性。在進行圖像理解和分析時，第一步往往是邊緣檢測，目前他已成為機器視覺研究領(lǐng)域最活躍的課題之一，在工程應用中占

90、有十分重要的地位。物體邊緣是以圖像的局部特征不連續(xù)的形式出現(xiàn)的，即是指圖像局部亮度變化最顯著的部分，例如灰度值的突變、顏色的突變、紋理結(jié)構(gòu)的突變等，同時物體的邊緣也是不同區(qū)域的分界處。圖像邊緣具有方向和幅度兩個特性，通常沿邊緣的走向灰度變化平緩，垂直于邊緣走向的像素灰度變換劇烈。</p><p>　　邊緣檢測是在圖像的局部區(qū)域上針對像素點的一種運算，在計算機視覺、圖像理解等應用中非常重要。同時也是圖像分析與模式識

91、別的重要環(huán)節(jié)。因為圖像邊緣包含了模式識別的有用信息，所以邊緣檢測是圖像分析和模式識別種特征提取的主要手段。</p><p>　　邊緣檢測的基本步驟：</p><p>　　濾波：邊緣和噪聲同屬圖像中強度變化劇烈的部位，因此邊緣檢測算子對邊緣和噪聲都很敏感，因此必須使用濾波來改善與噪聲有關(guān)的邊緣檢測算子的性能。</p><p>　　增強：增強邊緣的基礎(chǔ)是確定圖像各點領(lǐng)域

92、強度的變化值。增強算法可以將領(lǐng)域強度中有顯著變化的點突顯出來。</p><p>　　檢測：在圖像中有許多的梯度幅值比較大，而這些點在特定的應用領(lǐng)域中并不都是邊緣，所以應該用某種方法來確定哪些點是邊緣點。</p><p>　　定位：邊緣檢測定位即邊遠點的具體位置，除此之外還應包括邊緣細化、連接。</p><p>　　3.4.7圖像的腐蝕</p><

93、p>　　圖像的腐蝕是對所提取的目標圖像進行形態(tài)學分析。腐蝕處理的作用是將目標圖像收縮。運算結(jié)果取決于結(jié)構(gòu)元素大小內(nèi)容以及邏輯運算性質(zhì)。結(jié)構(gòu)元素是指具有某種確定形狀的基本結(jié)構(gòu)元素，例如，一定大小的矩形，圓形或菱形等。</p><p>　　腐蝕處理可以表示成用結(jié)構(gòu)元素對像進行探測，找出圖像中可以放下該結(jié)構(gòu)元素的區(qū)域。腐蝕是一種消除邊界點，是邊界向內(nèi)部收縮的過程。可以用來消除小且無意義的目標物。如果兩目標物建有細

94、小的連通，可以選取足夠大的結(jié)構(gòu)元素，將細小連通腐蝕掉。</p><p>　　Se=[1:1:1];</p><p>　　I3=imerode(I2,Se);</p><p>　　Subplot(3,2,4),imshow(I3),title("腐蝕后圖像"）</p><p>　　MATLAB使用imerode函數(shù)進行圖像腐

95、蝕。Imerode函數(shù)需要兩個基本輸入?yún)?shù)：待處理的輸入圖像以及結(jié)構(gòu)元素對象。此外，imerode函數(shù)還可以接受3個可選參數(shù)：PADOPT、PACKOPT和M，前兩個參數(shù)的含義與imadilate函數(shù)的可選參數(shù)類似。另外。如果圖像時打包的二進制圖像，則M將制定原始圖像的行數(shù)。</p><p>　　圖3.6.腐蝕后的圖片</p><p>　　3.5 牌照的定位和分割</p>&

96、lt;p>　　牌照的定位和分割是牌照識別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖像預處理后的原始灰度圖像中確定牌照的具體位置，并將包含牌照字符的一塊子圖像從整個圖像中分割出來，供字符識別子系統(tǒng)識別之用，分割的準確與否直接關(guān)系到整個牌照字符識別系統(tǒng)的識別率。由于牌照圖像在原始圖像中是很有特征的一個子區(qū)域，確切說是水平度較高的橫向近似的長方形，它在原始圖像中的相對位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同，因而在其邊緣形成了灰度突

97、變的邊界，這樣就便于通過邊緣檢測來對圖像進行分割。</p><p>　　3.5.1 牌照區(qū)域的定位和分割</p><p>　　牌照圖像經(jīng)過了以上的處理后，牌照區(qū)域已經(jīng)十分明顯，而且其邊緣得到了勾勒和加強。此時可進一步確定牌照在整幅圖像中的準確位置。這里選用的是數(shù)學形態(tài)學的方法，其基本思想是用具有一定形態(tài)的機構(gòu)元素去量度和提取圖像中的對應形狀以達到對圖像分析和識別的目的。數(shù)學形態(tài)學的應用可以

98、簡化圖像數(shù)據(jù)，保持它們基本的形態(tài)特征，并除去不相干的結(jié)構(gòu)。在本程序中用到了膨脹和閉合這兩個基本運算，最后還用了bwareaopen來去除對象中不相干的小對象。對車牌的分割可以有很多種方法，本程序是利用車牌的彩色信息的彩色分割方法。根據(jù)車牌底色等有關(guān)的先驗知識，采用彩色像素點統(tǒng)計的方法分割出合理的車牌區(qū)域，確定車牌底色藍色RGB對應的各自灰度范圍，然后行方向統(tǒng)計在此顏色范圍內(nèi)的像素點數(shù)量，設定合理的閾值，確定車牌在行方向的合理區(qū)域。然后，

99、在分割出的行區(qū)域內(nèi)，統(tǒng)計列方向藍色像素點的數(shù)量，最終確定完整的車牌區(qū)域。</p><p>　　3.5.2 牌照區(qū)域的分割</p><p>　　對車牌的分割可以有很多種方法，本程序是利用車牌的彩色信息的彩色分割方法。根據(jù)車牌底色等有關(guān)的先驗知識，采用彩色像素點統(tǒng)計的方法分割出合理的車牌區(qū)域，確定車牌底色藍色RGB對應的各自灰度范圍，然后行方向統(tǒng)計在此顏色范圍內(nèi)的像素點數(shù)量，設定合理的閾值，確

100、定車牌在行方向的合理區(qū)域。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計列方向藍色像素點的數(shù)量，最終確定完整的車牌區(qū)域。</p><p><b>　　'</b></p><p>　　圖3.7.定位出來的車牌區(qū)域</p><p>　　3.5.3車牌進一步處理</p><p>　　經(jīng)過上述方法分割出來的車牌圖像中存在目標物體、背景還

101、有噪聲，要想從圖像中直接提取出目標物體，最常用的方法就是設定一個閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群，即對圖像二值化。均值濾波是典型的線性濾波算法，它是指在圖像上對目標像素給一個模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值來代替原來像素值。</p><p>　　均值濾波是典型的線性濾波算法，它是指在圖像上對目標像素給一個模板，該模板包括了其周圍的臨近像素（以目標象

102、素為中心的周圍8個象素，構(gòu)成一個濾波模板，即去掉目標象素本身）。均值濾波也稱為線性濾波，其采用的主要方發(fā)法為領(lǐng)域平均法。線性濾波的基本原理是用均值代替原圖像中的各個像素值，即對待處理的當前像素點（x，y），選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當前像素點（x，y），作為處理后圖像在該點上的灰度個g（x，y），即個g（x，y）=1/m ∑f（x，y） m為該模板中包含當前像素在內(nèi)的像素總個數(shù)。&

103、lt;/p><p>　　3.6 圖像邊緣提取及二值化</p><p><b>　　邊緣提取</b></p><p>　　邊緣主要存在與目標、目標與背景、區(qū)域與區(qū)域之間，邊緣檢測主要是精確定位邊緣和抑制噪點，原理是：由于微分算子具有突出灰度變化的作用，對圖像進行微分運算，在圖像邊緣出機器會讀變化較大，計算值較高，可將這些為分支作為供應點的邊緣強度，通

104、過閾值判別來提取邊緣點，即如果為分支大于閾值，則為邊緣點。其基本步驟是首先利用邊緣增強算子，突出圖像中的局部邊緣，邊緣檢測算子有Robert 算子、Soble 算子、Prewitt算子、 Laplace 算子和Canny算子。</p><p>　　(一)梯度算子可分為3類： </p><p>　　1、使用差分近似圖像函數(shù)導數(shù)的算子。有些是具有旋轉(zhuǎn)不變性的(如：Laplacian算子)，因此

105、只需要一個卷積掩模來計算。其它近似一階導數(shù)的算子使用幾個掩模。 </p><p>　　2、基于圖像函數(shù)二階導數(shù)過零點的算子(如：M arr—Hild reth或Canny邊緣檢測算子。</p><p>　　3、試圖將圖像函數(shù)與邊緣的參數(shù)模型相匹配的箅子。 </p><p>　　(二)第一類梯度算子拉普拉斯(Laplace)算子</p><p>

106、;　　通常使用3×3的掩模，有時也使用強調(diào)中心象素或其鄰接性的拉普拉斯算子(這種近似不再具有旋轉(zhuǎn)不變性)。 </p><p>　　拉普拉斯算子的缺點：它對圖像中的某些邊緣產(chǎn)生雙重響應。 </p><p>　　圖像銳化(shapeening) </p><p>　　圖像銳化的目的是圖像的邊緣更陡峭、清晰。銳化的輸出圖像f是根據(jù)下式從輸入圖像g得到的：f(i，

107、j)=g(i，j)-c s(i，j)，其中c是反映銳化程度的正系數(shù)，s(i，j)是圖像函數(shù)銳化程度的度量，用梯度箅子來計算，Laplacian箅子常被用于這一目的。</p><p>　　(三)第二類梯度算子--二階導數(shù)過零點算子 </p><p>　　根據(jù)圖像邊緣處的一階微分(梯度)應該是極值點的事實，圖像邊緣處的二階微分應為零，確定過零點的位置要比確定極值點容易得多也比較精確。右側(cè)是Le

108、na的過零點檢測結(jié)果。 為抑制噪聲，可先作平滑濾波然后再作二次微分，通常采用高斯函數(shù)作平滑濾波，故有LoG(Laplacian of Gaussian)算子。 </p><p>　　高斯-拉普拉斯(LoG，Laplacian of Gaussian)算子。噪聲點對邊緣檢測有較大的影響，效果更好的邊緣檢測器是高斯-拉普拉斯(Lo G)算子。它把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合起來，先平滑掉噪聲，再進行邊緣檢測

109、，所以效果更好。 </p><p><b>　　過零點檢測</b></p><p>　　在實現(xiàn)時一般用兩個不同參數(shù)的高斯函數(shù)的差DoG(Difference ofGaussians)對圖像作卷積來近似，這樣檢測來的邊緣點稱為f(x，y)的過零點(Zero—crossing)。與前面的微分算子處僅采用很小的鄰域來檢測邊緣不同，過零點(Zero-crossing)的檢測所