畢業(yè)論文基于Matlab的車牌識別系統(tǒng)的設(shè)計與實現(xiàn)

1、浙江萬里學院本科畢業(yè)設(shè)計(論文)(2013屆)論文題目 基于Matlab的車牌識別系統(tǒng)的設(shè)計與實現(xiàn)(英文) Design and Implementation of Matlab-based license plate recognition system 所在學院 電子信息學院 專業(yè)班級 xxxxxx 學生姓名 xxxx 學號 xxxxxx 指導(dǎo)教師 xxxx 職稱 副教授 完成日期 年 月 日摘 要汽車車牌的識別系統(tǒng)是現(xiàn)代化的智能交通管理領(lǐng)域的重要組成部分之一。車牌識別系統(tǒng)能使車輛管理更加智能化和數(shù)字化，可以有效地提升交通管理的方便性與有效性。車牌識別系統(tǒng)中主要包括了五大核心部分，分別是圖

2、像采集、圖像預(yù)處理、車牌定位、字符分割、字符識別等。而本文主要介紹的是圖像預(yù)處理、車牌定位、字符分割這三個模塊的實現(xiàn)方法。本文的圖像預(yù)處理模塊的步驟是將圖像灰度化和用Roberts算子進行邊緣檢測。分割采用和車牌定位是利用的數(shù)學形態(tài)法來確定車牌的位置，然后利用車牌彩色信息彩色的分割法來完成車牌部位的分割。字符的分割采用的是以二值化后的車牌部分進行垂直投影的方法，之后再對垂直投影進行掃描，來完成字符的分割。本文針對其的核心部分是進行闡述并使用MATLAB軟件環(huán)境下來進行字符分割的仿真實驗。關(guān)鍵詞：MATLAB；圖像預(yù)處理；車牌定位；字符分割A(yù)bstractVehicle license plat

3、e recognition system is one important of the modern intelligent traffic management. License plate recognition system to make more intelligent vehicle management, digital, Effective traffic management to enhance the convenience and effectiveness. License plate recognition system includes image acquis

4、ition, image preprocessing, license plate localization, character segmentation, character recognition and other five core parts. In this paper, preprocessing, license plate localization, character segmentation method for the realization of three modules. This is the image preprocessing module and th

5、e use of the image grayscale Roberts edge detection operator steps. License plate location and segmentation using mathematical morphology method is used to determine the license plate location，Re-use license plate color segmentation method of color information to complete the license plate area segm

6、entation. Character segmentation approach is based on the license plate after the binary part of the vertical projection, Then scan in the vertical projection, thus completing the character segmentation. This article is described for the core part and use the MATLAB software environment, the simulat

7、ion experiments for character segmentation.Key Words: MATLAB software； image preprocessing； license plate localization；character segmentation .目 錄1引言11.1 本課題的研究背景11.2 本課題的研究目的及意義21.3 國內(nèi)外的發(fā)展狀況31.4 主要應(yīng)用領(lǐng)域51.5 設(shè)計原理72MATLAB簡介82.1 MATLAB發(fā)展歷史82.2 MATLAB的語言特點83LPR系統(tǒng)設(shè)計與實現(xiàn)103.1 系統(tǒng)框架結(jié)構(gòu)和工作流程103.2 設(shè)計方案113.3 圖像預(yù)

8、處理123.3.1 圖像灰度化123.3.2 圖像的邊緣檢測133.4 車牌定位和分割163.4.1 車牌定位163.4.2 車牌分割183.4.3 對定位后的彩色車牌的進一步處理193.5 字符分割與歸一化203.5.1 字符分割203.5.2 字符歸一化處理213.6 字符的識別214實驗結(jié)果和分析245總結(jié)26致 謝27參考文獻281 引 言1.1 本課題的研究背景現(xiàn)代社會已經(jīng)步入信息時代，伴隨著通信技術(shù)與計算機網(wǎng)絡(luò)技術(shù)和計算機技術(shù)的一起全面發(fā)展，自動化信息的處理水平和能力在不斷提高，但作為現(xiàn)代社會最主要交通工具的汽車在人們的生活生產(chǎn)的各個領(lǐng)域被大量使用，所以他的信息進行自動采集技術(shù)和管

9、理方案具有十分重要的意義，成為信息處理技術(shù)的一項重要研究課題1。在此之外，智能交通系統(tǒng)，簡稱ITS（Intelligent Traffic System）已經(jīng)成為現(xiàn)代社會道路交通發(fā)展的趨勢。智能的交通系統(tǒng)，就是在當代科學技術(shù)高速發(fā)展的背景下產(chǎn)生的。其目的在于將現(xiàn)今的計算機處理技術(shù)、自動控制技術(shù)、數(shù)據(jù)通信技術(shù)等綜合的應(yīng)用于地面交通管理體型中來，從而建立了一種高效、實時準確的交通管理系統(tǒng)。公路交通基礎(chǔ)建設(shè)的將會不斷發(fā)展和車輛管理體制不斷完善，就為了以視覺監(jiān)控為基礎(chǔ)的智能交通系統(tǒng)的實際應(yīng)用打下了良好基礎(chǔ)。智能交通的系統(tǒng)中，車牌自動識別系統(tǒng)是一個非常重要的發(fā)展方向。LPRS或ALPRS是車牌自動識別系

10、統(tǒng)的簡稱，該系統(tǒng)能夠?qū)囕v進行自動登記、監(jiān)視、驗證、報警。系統(tǒng)應(yīng)用的場合包括：橋梁，高速公路，隧道這一系列收費管理系統(tǒng)2。城市交通車輛的管理，智能停車場管理，智能小區(qū)，車流統(tǒng)計，車牌驗證等。同時，汽車的牌照自動識別的基本方法還可以在其他檢測和識別領(lǐng)域得到應(yīng)用，由此可見車牌自動識別這個問題已成為現(xiàn)代交通工程領(lǐng)域研究的重點和熱點問題之一。車牌識別系統(tǒng)是一項科學技術(shù)含量很高的，并且具有多種技術(shù)結(jié)合的產(chǎn)品，主要有數(shù)字圖像處理、計算機視覺、模式識別、數(shù)字視頻處理等技術(shù)組成。同時也是智能交通系統(tǒng)的重要技術(shù)，產(chǎn)生在60年代。在80年代時，當時城市交通問題日趨嚴重，美國和歐洲等許多國家投入了大量人力和物力，建

11、立了自動化高速公路網(wǎng)，并且安裝了攝像、光纖網(wǎng)絡(luò)和雷達探測系統(tǒng)，簡歷智能交通系統(tǒng)。在美國、歐洲、日本等這些發(fā)達國家的帶動下，世界各國也都開始簡歷智能交通系統(tǒng)。但是由于公路車流量日益增大、車輛管理相對越來越困難，道路交通日益擁擠，因此全世界各個國家都在積極建設(shè)適應(yīng)未來交通運輸需求的智能交通系統(tǒng)。車輛牌照識別系統(tǒng)是基于圖像處理技術(shù)的基礎(chǔ)上進行研究的。本課題的圖像處理分為以下幾方面3：1.圖像數(shù)字化其目標是將模擬形式下的圖像通過數(shù)字化的設(shè)備轉(zhuǎn)變?yōu)閿?shù)字計算機可用的離散形的圖像數(shù)據(jù)。2.圖像變換其目的是為達到了某種目標從而對圖像使用的一種技巧,通過變換圖像能夠使其更為容易、方便地處理和操作。3.圖像增強改

12、善圖像的質(zhì)量是圖像增強的主要目的。從而采用一些處理技術(shù)來增強圖像中的某些信息, 消除或削弱某些無關(guān)信息,因而有目的地強調(diào)圖像的整體或局部特征，讓觀察者能看到更加清晰、直接的處理和分析圖像。強化圖像輪廓、直方圖修正、灰度變換等全都是常用的手段。4.圖像分割在圖像應(yīng)用和研究中,人們僅僅對圖像的某些部分感到興趣。它們一般在對應(yīng)圖像中待定的、具有獨特性質(zhì)的某個區(qū)域。圖像分割就是要把圖像中需要的那個部分給分割出來。5.圖像分析圖像分析內(nèi)容分為圖像分割、特征提取、符號描述、與圖像的檢測和匹配1.2 本課題的研究目的及意義車牌識別系統(tǒng)的主要任務(wù)是處理和分析攝取到的在復(fù)雜背景下的車輛圖像，定位分割牌照，然后自

13、動識別汽車牌照上面的字符，車牌識別系統(tǒng)是利用車輛牌照的唯一性來進行識別和統(tǒng)計車輛的，它是以模式識別、數(shù)字圖像處理、計算機視覺等科學技術(shù)為基礎(chǔ)的智能化識別系統(tǒng)。在現(xiàn)代化的交通發(fā)展中車牌識別系統(tǒng)將會是制約交通系統(tǒng)智能化、現(xiàn)代化的一個重要因素，車牌的識別系統(tǒng)能夠從一張圖像中自動提取出車輛的圖像，能夠?qū)⑴普盏膱D像自動分割，可以正確識別字符，從而降低了交通的管理工作復(fù)雜度。車牌識別系統(tǒng)是把獲取的車輛圖像來進行一系列的分析處理之后，并以字符串的形式得出輸出結(jié)果，所以不但數(shù)據(jù)量變小，易于存儲，操作更容易，得出車牌識別系統(tǒng)便捷絕對是人工車牌識別所不能媲美的，它包含著很大的經(jīng)濟價值和發(fā)展前景，因此車牌識別技術(shù)的

14、研究是非常有的必要的。其中車牌識別系統(tǒng)中最重要的兩個技術(shù)是車牌字符識別和車牌定位，所以這兩個技術(shù)的好壞可以直接影響到一整個車牌識別系統(tǒng)的實時性和準確性。因此國內(nèi)外己有不少學者就對車牌定位技術(shù)做了很多的研究，但是在實際的應(yīng)用中卻還沒有一個有效可行的方法，就例如由于車輛抖動而造成車牌圖像的歪斜、和由于污跡，磨損造成車牌字符模糊、并且由于光照不均造成車牌圖像的模糊等都會或少或多影響到了車牌定位的準確性。根據(jù)實際情況可以得出，許多學者開始在鑒于車牌圖像的本身特征基礎(chǔ)上研究車牌的定位技術(shù)，并且先后提出了些有效的定位方法，以減小由于種種主、客觀因素而對車牌定位準確度的影響4。但是由于智能交通的不斷發(fā)展，從

15、而使得對車牌定位系統(tǒng)有更高的要求，主要表現(xiàn)在系統(tǒng)的準確性和實時性。 車牌字符識別的目的是對車牌上的字母、數(shù)字和漢字進行準確快速的識別并且要以字符串的形式輸出識別的結(jié)果，所以說字符識別技術(shù)是整個車牌識別系統(tǒng)關(guān)鍵。其它圖像識別系統(tǒng)與車牌識別系統(tǒng)相比較而言要簡單的多，在字符的識別中，漢字識別同樣是最關(guān)鍵也是最難的部分，這就是為什么很多國外較為成熟的一些車牌識別系統(tǒng)無法進軍中國市場的原因。此外，由于環(huán)境的影響，車牌識別系統(tǒng)必須能夠保證在任何天氣情況中全天不間斷的正常工作。到現(xiàn)在為止，在眾多的車牌自動識別系統(tǒng)中還沒有一個可以完全達到理想的效果，所以對車牌識別技術(shù)的研究意義重大。1.3 國內(nèi)外的發(fā)展狀況從

16、20世紀90年代初開始，國內(nèi)外就都已經(jīng)有了對汽車牌照自動識別的研究，它的主要途徑就是對車牌圖像進行的分析，自動提取車牌的信息，確定汽車的牌號。在一些應(yīng)用中，有使用到模糊數(shù)學理論也有用到神經(jīng)元網(wǎng)絡(luò)的算法來識別車牌中的字符，但是由于光路中有灰塵、外界環(huán)境光線變化、季節(jié)環(huán)境變化以及車牌本身比較模糊等這些條件下的影響，給車牌的識別帶來較大的困難。國外的相關(guān)研究有：(1)J Barroso提出基于掃描的行高頻分析的方法； (2) I.T. Lancaster提出的類字符分析的方法等5。都是為了解決圖像惡化這一問題，就目前來講，國內(nèi)外都采用主動紅外的照明攝像或者使用特殊傳感器用來提高圖像質(zhì)量，然后提高識別

17、率，但是系統(tǒng)的投資成本過于旁大，不適合普遍推廣。 車牌識別系統(tǒng)中兩個關(guān)鍵子系統(tǒng)是車牌字符識別系統(tǒng)和車牌定位系統(tǒng)。 在車牌定位系統(tǒng)的研究中，國內(nèi)外學者都已經(jīng)作了大量的工作，但是實際效果卻不是很理想，比如說車牌圖像的傾斜問題、車牌表面的磨損和污穢問題、光線的干擾問題等都是成為影響定位準確度的潛在因素。所以近年來有不少的學者針對車牌本身特點，車輛拍攝的很多不良現(xiàn)象以及背景的復(fù)雜狀況，先后都提出了許多有針對性的定位方法，可以使車牌定位在方法和技術(shù)上都有了非常大的改善.然而現(xiàn)代化的交通系統(tǒng)不斷提高快節(jié)奏，將對車牌定位的實時性和準確率提出更高的要求。因而進一步加深車牌定位的研究是必要的。 車牌字符識別是在

18、車牌準確定位的基礎(chǔ)之上，對車牌上的字母、漢字、數(shù)字進行有效的確認過程，其中漢字識別就是一個難點，很多國外的LPR系統(tǒng)也是往往因為漢字很難以識別而無法打入中國市場，因而探尋好方法解決字符的識別也會是至關(guān)重要的。目前已有的方法很多，但是其效果與實際的要求相差很遠，難以適應(yīng)現(xiàn)代化交通系統(tǒng)快節(jié)奏、高速度的要求。所以對字符識別的進一步研究也需要同時具有必要性和緊迫性。 從實用技術(shù)來看，如以色列的Hi-Tech公司研制出的多種See/Car system，適應(yīng)于幾個不同國家的車牌識別，就針對于中國格式車牌的See/Car syste而言，它不僅僅能識別漢字，并且識別率有待提高。新加坡Optasia公司的V

19、LPRS產(chǎn)品，更加適合于新加坡的車牌，此外加拿大、意大利、日本、德國、英國等這些西方發(fā)達國家都已經(jīng)有適合于本國車牌的識別系統(tǒng)。 但是在我國實際情況會更加復(fù)雜，國外的拍攝環(huán)境都非常的理想，而且車牌技術(shù)規(guī)范很統(tǒng)一，這一方面我國明顯規(guī)范的并不到位，不同種類的汽車有不同的規(guī)格、顏色和大小，所以車牌的顏色很多，而且位數(shù)都不統(tǒng)一，這樣會對管理造成一定的困難。需要識別的車牌圖像中就有功率不大的汽車使用的藍底白字牌照，黃底黑字牌照是大功率汽車所用的，警車和軍車是白底黑字，紅字牌照，還有黑底白字牌照是國外駐華機構(gòu)的等。所以根據(jù)數(shù)字而言，有七個字位的，但是也存在有九位數(shù)字的武警車，還有軍車、前兩位字符上下排列的等

20、，這樣對車牌識別系統(tǒng)的要求要變的很高。 現(xiàn)在國內(nèi)最主要的使用的產(chǎn)品是中國科技學院自動化研究所研究的一款漢王公司的“漢王眼”，此外國內(nèi)的中智交通電子系統(tǒng)有限公司、深圳市吉通電子有限公司、亞洲視覺科技有限公司等都有自己的產(chǎn)品，此外清華大學、西安交通大學研究室、浙江大學、上海交通大學的計算機科學與工程系等都做過一系列的研究。為了提高識別率，都采用了一些其他的輔助設(shè)備和硬件的探測器如紅外照明等，漢眼王就是采用光學濾波器和主動紅外照明來削弱可見光的不易操控的影響，減少汽車大小燈光和惡劣氣候的影響，另外還要求在高速公路管理窗口到“漢王眼”識別點埋設(shè)兩條線路管道，一條管道鋪設(shè)觸發(fā)信號線路和漢王眼與管理計算機

21、的通訊線路，投資巨大，不適合于大面積的推廣:另一條管道鋪設(shè)220伏50赫茲1安培的交流供電線路。 此外，還有兩種特別的科技被用在車牌的識別中，無線射頻技術(shù)和條形碼識別技術(shù)。條形碼識別的要求是要先在車身上噴刷條形碼，把掃描設(shè)備在系統(tǒng)的某一固定位置上，通過讀取條形碼，來達到識別車輛車牌的目的。想要使用無線射頻技術(shù)，就要求在車內(nèi)安裝標示卡，收發(fā)器等裝置安裝在系統(tǒng)某一位置，接受標示卡來通過收發(fā)器來的信號，這樣就可以識別車輛。但是很顯然這兩項技術(shù)的推廣性不大6。 就目前的產(chǎn)品的使用的指標不難看出，車牌識別系統(tǒng)的識別速度和識別率需要提高?，F(xiàn)代交通飛速的發(fā)展和車牌識別系統(tǒng)的應(yīng)用范圍不斷的加寬，這樣人們對車牌

22、識別系統(tǒng)就提出了更嚴格的要求。因此，研究高速、識別算法與準確的定位會是當前的主要任務(wù)，而圖像處理技術(shù)的發(fā)展與計算機性能、攝像設(shè)備的提高都會影響車牌識別技術(shù)的進步，從而車牌識別系統(tǒng)的辨識度提高。1.4 主要應(yīng)用領(lǐng)域車輛牌照定位與識別是計算機視覺與模式識別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一, 該技術(shù)應(yīng)用范圍非常廣泛, 主要應(yīng)用于： (1) 不停車自動收費； (2) 機場、港口等出入口車輛管理；(3) 交通控制與誘導(dǎo)；(4) 闖紅燈等違章車輛監(jiān)控；(5) 小區(qū)車輛管理；(6) 交通流量檢測；(7) 公共停車場安全防盜管理；(8) 道口檢查站車輛監(jiān)控；(9) 車輛安全防盜、查堵指定車輛；(10)

23、 計算出行時間等。其存在的市場價值是非常大的，有足夠大的能量的社會效益和經(jīng)濟效益。部分應(yīng)用如圖1-1所示：圖1-1 收費口、道路監(jiān)控和停車管理中的應(yīng)用車牌自動識別系統(tǒng)可安裝于公路收費站、停車場、十字路口等交通關(guān)卡處，其具體應(yīng)用可概括為： (l) 監(jiān)視相應(yīng)路段的交通狀況，可以直接通過交通監(jiān)控利用車牌識別系統(tǒng)的攝像設(shè)備，獲得車輛密度、排隊、隊長規(guī)模等交通信息，觀察和防范交通事故。它還可以同其他的檢測器或雷達測速器配合使用，用來監(jiān)督違犯限速值的車輛。如果發(fā)現(xiàn)違規(guī)操作的車輛，攝像機拍取該車的圖像，牌照號碼就可以得知了，最后會給違規(guī)車輛發(fā)出警告。 (2)交通流測量控制指標的參量，就是為了達到交通流控制的

24、目的，一部分測量的交通流指標是相當重要的。該系統(tǒng)能夠統(tǒng)計和測量許多交通流指標的參數(shù)，如總行程時間，總的流入量流出量，總的服務(wù)流率，日車流量，車型及車流組成，車流高峰時間段，小時/分鐘車流量，車輛密度，平均車速等。這些交通誘導(dǎo)系統(tǒng)是提供我們需要的交通流信息。 (3)高速公路上面的事故自動測報就是由于該系統(tǒng)能夠測量交通流量指標和監(jiān)視道路情況，能及時發(fā)現(xiàn)堵車、排隊、超速、事故等交通異?，F(xiàn)象。 (4)對運營管理、安全檢查、養(yǎng)路費交納，這些情況實行不停車檢查。根據(jù)所識別出的車牌號碼可以從數(shù)據(jù)庫中調(diào)取該車檔案材料，可以發(fā)現(xiàn)還沒交納養(yǎng)路費的車輛。另外，該系統(tǒng)可以發(fā)現(xiàn)沒有車牌的車輛。如果聯(lián)用同車型檢測器，可很

25、快的發(fā)現(xiàn)所車型與掛車不符的車輛。 (5)車輛定位可以能夠自動識別車牌的號碼，所以很容易發(fā)現(xiàn)車輛被盜，他還可以定位車輛的行駛位置。這為發(fā)現(xiàn)、追蹤和防范涉及車輛的犯罪，保護車輛的安全有著重大作用，保障城市治安及交通安全。 車牌自動識別系統(tǒng)擁有廣闊的應(yīng)用前景，但若在每個街口都裝配一套全新的車輛探測器的硬件系統(tǒng)則投資巨大，所以急需一個純軟件實行的車牌自動識別系統(tǒng)來最大限度的減少費用，而純軟件的設(shè)計，不僅投資小而且靈活性高，適合我國的國情。1.5 設(shè)計原理車牌識別系統(tǒng)的攝像頭通過對經(jīng)過指定區(qū)域的機動車輛進行拍照，因為照片會受到光照、拍攝位置和車輛行駛速度的影響，導(dǎo)致拍攝的圖片不能準確的確定汽車的車牌。而

26、車牌識別系統(tǒng)就通過對機動車輛的照片進行圖像預(yù)處理、車牌定位、字符分割、字符識別等技術(shù)手段，從而得到清晰的機動車牌照的照片，從而提高現(xiàn)代智能交通的管理效率，可以說車牌識別系統(tǒng)對于現(xiàn)代智能交通至關(guān)重要。2 MATLAB簡介2.1 MATLAB發(fā)展歷史MATLAB是一門計算機的編程語言，Matrix Laboratory是它名字的來源，原本的意思就是計算機數(shù)據(jù)用矩陣的方式來處理，它把可視化環(huán)境和數(shù)值計算集成到一起顯得非常直觀，并且MATLAB還提供了大量的函數(shù)，所以MATLAB越來越受到人們的喜愛，應(yīng)用的范圍也變得廣泛起來。MATLAB以商品樣子出現(xiàn)后，在短短的幾年中，以它運行的可靠性和良好的開放性

27、，使其它原來控制這個領(lǐng)域的封閉式軟件包（瑞典的 LUND，如英國的 UMIST，德國的 KEDDC ，SIMNON）紛紛被淘汰，全變成以 MATLAB 為平臺加以重建。20 世紀九十年代，MATLAB 就已成為了國際控制界的公認標準計算軟件7。20 世紀九十年代初期，在國際上的三十幾個數(shù)學科技類應(yīng)用軟件中，MATLAB 在數(shù)值的計算方面遙遙領(lǐng)先，而 Mathematica 和 Maple則居于符號計算軟件的前兩名。 Mathcad 是因為提供了文字處理、計算、圖形的統(tǒng)一環(huán)境中而深受中學生歡迎。 在國際的學術(shù)界中，MATLAB已經(jīng)被定為可靠、準確的科學計算標準軟件。在許多的國際一流學術(shù)型刊物上面

28、，都可以看得到 MATLAB 的應(yīng)用。 在工業(yè)部門和設(shè)計研究單位，MATLAB 都被認作為進行高效開發(fā)、研究的首選的軟件工具。如美國的分析軟件 Lab VIEW、National Instruments公司信號測量，Cadence 公司信號和通信分析設(shè)計軟件 SPW等，直接構(gòu)造在 MATLAB 之上，或者就以MATLAB為主要支撐。又如TM 公司的 DSP，HP公司的VXI硬件，Gage 公司的各種儀器、硬卡等都接受MATLAB的支持。2.2 MATLAB的語言特點一種語言之所以可以以如此速度地普及，顯示出其極其旺盛的生命力，這跟它有著不同于其他語言的特點是密不可分的。正如同C和FORTRAN

29、等高級語言使人們擺脫了一定需要直接對計算機硬件資源進行操作一樣，作為第四代計算機語言的MATLAB，利用其極其豐富的函數(shù)資源，使編程人員從復(fù)雜的程序代碼中解放出來。MATLAB的最為突出的一個特點就是簡潔。MATLAB用最直觀的、符合人們的思維代碼，代替了C和FORTRAN語言的冗長代碼。MATLAB給用戶帶來的是最直觀、最簡潔的程序開發(fā)環(huán)境。以下簡單介紹一下MATLAB的主要特點8：（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，利用其豐富的庫函數(shù)避開繁雜的子程序編程任務(wù)，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>

30、以說，用MATLAB進行科技開發(fā)是站在專家的肩膀上。 （2）運算符豐富。由于MATLAB是用C語言編寫的，MATLAB提供了和C語言幾乎一樣多的運算符，靈活使用MATLAB的運算符將使程序變得極為簡短。（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?。?）語法限制不嚴格，程序設(shè)計自由度大。例如，在MATLAB里，用戶無需對矩陣預(yù)定義就可使用。 （5）程序的可移植性很好，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。 （6）MATLAB的圖形功能強大。在FORTRAN和C語言里，繪圖都很不簡單，但是在MATLA

31、B中確實很容易表現(xiàn)出來的。而且MATLAB還具有很強的編輯圖形的能力。 （7）MATLAB也是有缺點的，它與其他的高級程序相比較，程序的執(zhí)行速度很慢。但是MATLAB的程序不需要編譯等預(yù)處理，不生成能執(zhí)行文件，程序是為解釋執(zhí)行，導(dǎo)致速度非常慢。 （8）功能強勁的工具箱是MATLAB的另一重大特色。MATLAB包含兩個部分：各種可選和核心部分的工具箱。核心部分中有數(shù)百個核心內(nèi)部函數(shù)。其工具箱又可分為兩類：學科性工具箱和功能性工具箱。功能性工具箱主要是用來硬件實時交互功能、文字處理功能、圖示建模仿真功能以及與擴充其符號計算功能。功能性工具箱可以用于多種學科技術(shù)。而學科性工具箱是專業(yè)性比較強的，如c

32、ontrol、toolbox、signal processing toolbox、communication toolbox等。這些工具箱都是由該領(lǐng)域內(nèi)的學術(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。3 LPR系統(tǒng)設(shè)計與實現(xiàn)3.1 系統(tǒng)框架結(jié)構(gòu)和工作流程汽車牌照的識別（LPR）系統(tǒng)是通過引入計算機信息管理技術(shù)和數(shù)字攝像技術(shù)，采用先進的模式識別、人工智能和圖像處理技術(shù)，通過對圖像的處理和采集，獲得更多的信息，從而更高的達到智能化管理程度。在LPR 系統(tǒng)產(chǎn)品的性能指標中，識別速度和識別率難以同時提高的原因是有圖像處理技術(shù)不夠成熟，和受到計算機攝像設(shè)

33、備等性能因素的限制。因此，研究高速準確的識別與定位算法，是當前的首要任務(wù)9。 汽車車牌的自動識別系統(tǒng)主要有圖像采集、觸發(fā)拍照、車牌定位、圖像預(yù)處理、字符分割、字符識別、輸出結(jié)果等單元如圖3-1。圖像采集圖像預(yù)處理字符識別輸出結(jié)果車牌定位字符分割視頻信號圖3-1 車牌識別系統(tǒng)工作流程圖觸發(fā)拍照：該單元會自動檢測車輛在指定區(qū)域的存在，現(xiàn)有的成熟技術(shù)的有線圈觸發(fā)、視頻觸發(fā)、紅外觸發(fā)、雷達觸發(fā)以及激光觸發(fā)。其中線圈觸發(fā)和視頻觸發(fā)得到了廣泛的應(yīng)用。圖像采集：該單元是指道路上安裝的攝像頭在檢測到有車輛通過的同時進行拍照并借助網(wǎng)絡(luò)傳送到汽車自動識別系統(tǒng)。圖像預(yù)處理：該單元是指車牌識別系統(tǒng)對拍攝的汽車圖片進行

34、灰度化和邊緣檢測等處理。當外界光照不均勻時，光照強度不穩(wěn)定的情況下，通過攝像機所采集到的原始車牌圖像就會會模糊不清，這時需要對圖片進行圖像增強處理；在電子器件自身產(chǎn)生的噪聲以及干擾外界環(huán)境噪聲下，所拍的圖像質(zhì)量可能會有所下降，所以這時就需要對原圖做去噪處理的一系列的事情。綜上所述，這些處理均是圖像預(yù)處理的工作。車牌定位：是指對預(yù)處理過的汽車圖片進行處理，把車牌部分進行定位，把無用的部分去除，得到定位好的車牌圖片。在完整的車牌圖像中，絕大的一部分都是背景，對識別毫無用處，我們能將背景區(qū)域當做無用區(qū)域，并且想方法將他去除，從而在復(fù)雜的背景中準確的分割并定位在車牌區(qū)域，從原圖中提取需要的部分舍棄不需

35、要的部分，從而節(jié)省識別圖像的時間，這也是車牌定位分割的意義及目的所在。在定位分割的過程中確保不要把非車牌區(qū)域識別為車牌區(qū)域，也不能舍棄車牌區(qū)域，不然接下來的工作將無法進行。字符分割：對已經(jīng)定位的車牌圖片的進行字符分割，將車牌分割為7個單一的字符圖片。系統(tǒng)并不能直接識別被分離出的車牌區(qū)域圖像，還需要將車牌上的任何一個字符都要完整的獨立的分割出來，就是說從車牌區(qū)域中圖像上將車牌里所包含的任意字符都切分出來，將他們變成沒有任何相關(guān)性的獨立字符圖像，之后由系統(tǒng)對每個字符進行分開識別，在切分字符時，需注意保證所有字符的準確完整度。字符識別：最為關(guān)鍵的一步是車牌字符的識別，之前對車牌圖像所做的各種處理都是

36、為完成最終的識別所做的努力。單個的字符圖像是系統(tǒng)的輸入，輸出的卻是以文本格式體現(xiàn)的完整車牌號碼，車牌字符識別的正確率可以直接反映出車牌識別系統(tǒng)的性能好壞。輸出結(jié)果：輸出識別結(jié)果，并進行數(shù)據(jù)存儲。就車牌識別系統(tǒng)來看，以上的所有步驟都是不可或缺的，并且前一步驟均是給后面步驟的打基礎(chǔ)，因此，只有確保做好每一步才能順利完成系統(tǒng)最終的識別工作。 3.2 設(shè)計方案車牌識別系統(tǒng)包括圖像預(yù)處理、圖像采集、字符分割、字符識別、車牌定位等模塊，本文主要研究字符分割、圖像預(yù)處理和車牌定位三個模塊9。本系統(tǒng)主要是由字符識別和圖像處理兩部分組成的。其中圖像處理部分包括邊緣提取、模塊牌照的定位、圖像預(yù)處理以及分割模塊。字

37、符識別部分可以分為特征提取與單個字符識別和字符分割兩個模塊。字符識別這部分要求照片清晰，但是可能攝像頭在外長時間工作，攝像頭角度和距離、再加上光照條件、車輛自身條件不同以及車輛行駛速度的不同所影響，想拍出很理想的圖片很困難。所以我們要對攝像頭拍攝出來的圖片進行預(yù)處理，其中主要有圖片邊緣提取和圖片灰度化等。 車牌定位和車牌分割是整個系統(tǒng)的關(guān)鍵，其作用是在經(jīng)圖像預(yù)處理后的灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個圖象中分割出來，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。 車牌識別系統(tǒng)的最終目的就是將不清楚的車牌照片進行識別，輸出清晰的圖片

38、。現(xiàn)在字符識別的常用方法有模板匹配法和神經(jīng)網(wǎng)絡(luò)模型法。3.3 圖像預(yù)處理3.3.1 圖像灰度化汽車圖像的樣本目前大多是通過數(shù)碼相機、攝像機等設(shè)備拍下的，因此在預(yù)處理前的所有圖像全都是彩色圖像。RGB圖像是彩色圖像簡稱，它是利用R、G、B分量來表示某個像素的顏色，紅、綠、藍3種顏色分別用R、G、B個不同的字母表示，并通過三基色將其調(diào)和成任意顏色。并且每個所知分量有255種值可取，所以說這樣任意的像素點可以有1600多萬的顏色的變化?；叶葓D像就是R、G、B三個分量具有相同的一種特殊的真彩色圖像，任意的像素點的變化范圍為255種，因此在數(shù)字圖像處理中一般先是會把各種格式的圖像轉(zhuǎn)變?yōu)榛叶葓D像后，這樣圖

39、像的計算量就會變得少一些。在灰度圖像的描述中，它與彩色圖像一樣仍然反映了整幅圖像的局部和整體的亮度和色度等級的分布和特征。所以說對與尺寸為m*n的一個彩色圖像來說，存儲m*n*3的多維數(shù)組10。彩色圖像中有大量的顏色信息，不僅在存儲上面開銷很大，而且會在處理上降低系統(tǒng)的執(zhí)行識別速度。因為圖像的每個像素都具有三個顏色不同的分量，并且存在很多同識別無關(guān)的信息，不利于進一步展開的識別工作，所以在對圖像識別過程處理中，經(jīng)常是將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以便增加處理速度。數(shù)字圖像分為灰度圖像和彩色圖像。在RGB模型中，如果R=G=B，那么這個顏色就會表示一種灰度顏色，其中R=G=B的值就叫做灰度值。而彩色

40、轉(zhuǎn)變?yōu)榛叶鹊倪^程就叫做灰度化處理?；叶葓D像就是沒有顏色信息的圖像而只有強度信息，存儲的灰度圖像僅僅需要一個數(shù)據(jù)矩陣，矩陣中每個元素都表示對應(yīng)位置像素點的灰度值?；叶葓D像的像素色為RGB ( r, r, r ),彩色圖像的像素色為RGB (R, G, B )， R, G, B可以從彩色圖像的顏色中分解獲得.并且R, G, B的取值是0-255的范圍內(nèi),而灰度的級別只有256級。當將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像時， 就現(xiàn)在而言用的比較多的灰度化方法為平均值法，公式為： H=0.229R+0.588G+0.144B11在公式中，H表示灰度圖中的亮度值；R代表彩色圖像中紅色分量值；G則代表色彩圖像中綠色分量

41、值；B是代表彩色圖像中藍色分量值。RGB 這三分量前的系數(shù)叫做經(jīng)驗加權(quán)值。加權(quán)系數(shù)的取值是建立在人眼的視覺模型之上。所以對人眼很敏感的綠色取了較大的權(quán)值；而對于人眼比較不敏感的藍色取較小的權(quán)值。通過這個公式將轉(zhuǎn)換的灰度圖能很好的反應(yīng)原來圖像的真實亮度信息。在MATLAB中我們可以調(diào)用im2gray函數(shù)對圖像來進行灰度化處理。3.3.2 圖像的邊緣檢測邊緣是指圖像灰度發(fā)生空間突變或者在梯度方向上發(fā)生突變的像素的集合。用攝像機采集到的機動車圖像由于受到噪聲干擾以及車輛本身的影響，使得獲得的圖像質(zhì)量不理想。因此，在對汽車牌照進行定位的時候及字符識別之前需要先對車輛的圖像進行邊緣檢測處理，從而提高圖像

42、的質(zhì)量，以便于后面的識別和分割?？梢酝ㄟ^良好的邊緣檢測，大幅度的降低了噪聲和分離出復(fù)雜環(huán)境下的車輛圖像，保留較完好的車牌字符信息情況，有助于后面的字符識別與精確定位。對于車牌識別系統(tǒng)的攝像頭安裝位置以及機動車的車牌固有屬性，我們就可以發(fā)現(xiàn)機動車的車牌圖像一般都處在水平的矩形區(qū)域中，在圖像中有較為固定的位置，車牌中的字符都是按照水平方向排列的。因為有這些非常明顯的特征，所以經(jīng)過適當?shù)膱D像變換后，可以更為清晰的呈現(xiàn)出車牌的邊緣。本文采用經(jīng)典的Roberts邊緣檢測算子對圖像進行邊緣檢測。Roberts算子是一種比較最簡單的算子，是一種利用局部差分算子尋找邊緣的算子，他采用對角線方向相鄰兩象素之差近

43、似梯度幅值檢測邊緣。檢測垂直邊緣的效果好于斜向邊緣，定位精度高，對噪聲敏感,無法抑制噪聲的影響。灰度化和邊緣檢測的MATLAB程序如下：I=imread(53.jpg);figure(1),imshow(I);title(原圖)I1=rgb2gray(I);figure(2),subplot(1,2,1),imshow(I1);title(灰度圖);figure(2),subplot(1,2,2),imhist(I1);title(灰度圖直方圖);I2=edge(I1,robert,0.08,both);figure(3),imshow(I2);title(robert算子邊緣檢測)圖3-2

44、原圖圖3-3 灰度圖 圖3-4 Robert算子邊緣檢測3.4 車牌定位和分割 該系統(tǒng)的攝像頭拍攝的圖片是整個機動車的圖片，而只有車牌部分是對系統(tǒng)有用的。所以我們要對照片進行車牌定位和分割。車牌的定位和分割是從經(jīng)過圖像預(yù)處理后的灰度圖像中確定牌照位置，并將車牌部分從整個圖像中分割出來，從而進行字符識別。車牌圖像的灰度圖的車牌部分是一個水平度很高的長方形圖樣，在原圖中比較集中，且灰度值和周圍圖樣有明顯差異，因此很容易用邊緣檢測來對圖像進行分割。車牌定位和分割的準確度直接關(guān)系到最后的字符識別的質(zhì)量。其流程圖如圖3-5所示。對圖像進行圖像腐蝕除去圖像雜質(zhì)通過計算尋找X和Y方向車牌的區(qū)域完成車牌定位對

45、定位后的彩色車牌的進一步處理圖3-5 車牌定位流程圖3.4.1 車牌定位 機動車圖像經(jīng)過灰度化和邊緣檢測的處理后，邊緣得到了加強，牌照區(qū)域已經(jīng)非常明顯。本文采用的是用數(shù)學形態(tài)學來進行圖像處理和模式識別。數(shù)學形態(tài)學是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對應(yīng)形狀，以達到對圖像分析和識別的目的，能有效地去除噪聲，保留圖像原有信息的同時提取的邊緣比較平滑，提取的圖像骨架也比較連續(xù)，斷點少?，F(xiàn)在我們將經(jīng)過預(yù)處理的圖像進行圖像腐蝕以及去除雜質(zhì)，就可以得到相對準確的車牌位置。處理過程圖如圖3-6腐蝕后的圖像，圖3-7平滑圖像的輪廓，圖3-8從對象中移除小對象后圖像所示。圖3-6 腐蝕后的圖像圖3-7

46、 平滑圖像的輪廓圖3-8 從對象中移除小對象后圖像3.4.2 車牌分割車牌自動識別系統(tǒng)中的其中一個重要步驟是車牌字符分割，這這一模塊中，正確性受到了很多因素的影響，最大問題莫過于二值化的不徹底使投影圖像中的字符間波谷不夠分明；再就是車牌反光、光照不均、污損等原因使車牌圖像較差，并存在大量噪聲；再者，車牌鉚釘和邊框也能夠造成分割不正確；還會有車牌前的兩個字符和后面的五個字符之間的間隔符（小圓點）對于字符識別有影響；車牌的旋轉(zhuǎn)對于水平分割有著很大影響12。對于車牌部分的本文分割采用的是利用車牌信息的彩色分割法。通過使用和統(tǒng)計彩色的像素點這個方法分割出來車牌的區(qū)域，從而確定車牌的底色藍色RGB所對應(yīng)

47、的灰度范圍，然后通過統(tǒng)計在行方向的顏色像素點的數(shù)量，就可以確定車牌在行方向上的區(qū)域。再在分割出的行區(qū)域內(nèi)統(tǒng)計列方向上的藍色像素點數(shù)量，最終就確定出完整的車牌區(qū)域（如圖3-9所示）。圖3-9車牌對位的圖像3.4.3 對定位后的彩色車牌的進一步處理定位后車牌圖像是彩色的，會占用較大的存儲空間，加重計算機負擔。且車輛圖片不可避免存在噪聲，所以要對圖像進行灰度化，二值化以及濾波處理。圖像進行二值化處理就是為了圖像上的點進行灰度設(shè)置，數(shù)值通常為0或255，從而使得整個圖像都呈現(xiàn)出來非常明顯的黑白效果。也就是將這256個亮度等級的灰度圖像通過一個適當值的選取，從而獲得依舊可以反映圖像局部和整體特征的二值化

48、圖像13。為了除去圖像噪聲采用濾波的方式。濾波有多種方法，在本設(shè)計中，所采取的濾波方法是均值濾波。均值濾波是一種典型的線性濾波算法，它在圖像上對目標像素給一個模板，此模板包括其周圍的臨近像素。再使用模板中的全體像素的平均值來代替原來像素值（表達式）最后再進行膨脹或腐蝕處理通過對定位后的彩色車牌的進一步處理，得到如圖3-10所示的結(jié)果。圖3-10 車牌的進一步處理3.5 字符分割與歸一化m，n=size（d），逐排檢查有沒有白色像素點，設(shè)置1=jn-1，若圖像兩邊s（j）=0，則切割，去除圖像兩邊多余的部分切割去圖像上下多余的部分根據(jù)圖像的大小，設(shè)置一閾值，檢測圖像的X軸，若寬度等于這一閾值則切

49、割，分離出七個字符歸一化切割出來的字符圖像的大小為40*20，與模板中字符圖像的大小相匹配圖3-11 字符分割和歸一化流程圖3.5.1 字符分割 在汽車牌照自動識別的過程中，字符分割有著承前啟后的作用。它在前期牌照定位上的基礎(chǔ)進行字符分割的，然后可以利用分割的結(jié)果從而進行字符識別（如圖3-12所示）。將所得到的車牌區(qū)域上圖像進行二值化的處理后，然后對圖像進行垂直投影，投影圖上的有明顯峰谷相似的波形起伏變化后，然后通過對其投影圖上的波形再從左向右進行掃描，根據(jù)峰和谷的特征就能夠判斷的出每個字符的位置；再計算垂直峰，從而檢測合理的字符高寬比14。當在字符切割時,往往都是由于閾值取得不完善，導(dǎo)致字符

50、切割的不準確。本文針對這種情況，可以對切割出的字符間寬度進行統(tǒng)計分析，可以用于指導(dǎo)切割，對于因為錯誤切割過寬的字符進行分裂處理。圖3-12 字符分割后的圖像3.5.2 字符歸一化處理由于數(shù)碼相機拍攝的汽車圖像大小不一樣， 所以得到的牌照上的字符大小就不一樣，為了便于字符的識別，需要對字符進行歸一化處理（如圖3-13所示）。歸一化處理的目的就是使車牌字符同標準模塊里面的字符特征一樣。而大小歸一是指在長度和寬度方向上分別乘以一個比例因子，使其等于標準模塊的字符大小，本文采用的大小歸一的方法是分別從水平投影和垂直投影兩個方向上對字符象素的大小進行歸一化處理15。圖3-13 字符歸一化后的圖像3.6

51、字符的識別 字符的識別目前用于車牌字符識別(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法?；谀０迤ヅ涞腛CR的基本過程（如圖3-14所示）是:首先對待識別字符進行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進行匹配，最后選最佳匹配作為結(jié)果。模板匹配的主要特點是實現(xiàn)簡單，當字符比較規(guī)整時對字符圖像的缺損、識別率相當高且污跡干擾適應(yīng)力強。綜合模板匹配的這些優(yōu)點我們將其用為車牌字符識別的主要方法16。圖象識別方法中最具代表性的基本方法之一是模板匹配，它是從待識別的圖像或圖像模板T(i,j)相應(yīng)的特征量與區(qū)域f(i,j)中提取的若干特征量逐個進

52、行比較，計算著它們之間的規(guī)格化互相關(guān)量，其中互相關(guān)量越大就表示期間的相似程度最高，可以把圖像歸于相應(yīng)的類中（相應(yīng)的公式）。也可以計算圖像與模板特征量之間的距離，可以把最小距離法判定給所屬類。然而在通常情況下用于匹配的圖像，找到各自成像條件存在的差異，從而產(chǎn)生較大的噪聲干擾，又或者圖像經(jīng)過規(guī)格化處理和預(yù)處理后，使得圖像的像素點或灰度的位置發(fā)生了改變。在實際中設(shè)計模板的時候，通過根據(jù)各區(qū)域內(nèi)形狀固有的特點，從而突出各個類似區(qū)域之間的差異，并將方便的處理過程引起的位移和噪聲等因素都考慮進來，再按照基于圖像不變的特性所設(shè)計的特征量來構(gòu)造模板，這樣就可以避免上述的問題。建立自動識別的代碼表讀取分割出來的

53、字符第一個字符與模板中的漢字模板進行匹配第二個字符與模板中的字母模板進行匹配待識別字符與模板字符相減，值越小相似度越大，找到最小的一個即為匹配的最好的識別完成，輸出此模板對應(yīng)值后5個字符與模板中的字母與數(shù)字模板進行匹配圖3-14 字符識別流程圖字符識別采用相減的方法，對所分割出來的字符與模板中字符進行匹配，找出最大相似度的字符進行輸出。汽車牌照上的字符一般情況下有七個，大部分的車牌第一位都是漢字，這個漢字通常都代表車輛所屬于的省份，或是警別、軍種等有一定含義的字符的簡稱；緊接其后的為數(shù)字或者字母。車牌的字符識別與一般的文字識別區(qū)別在于它的字符數(shù)有限，漢字一共約50多個，大寫的英文字母有26個，

54、數(shù)字有10個14。所以建立字符模板庫也極為方便?？紤]為了實驗的方便性，結(jié)合本次設(shè)計所選汽車牌照的特點，只建立了4個數(shù)字26個字母與10個數(shù)字的模板。其他模板設(shè)計的方法與此相同。 首先應(yīng)選取字符模板，其次依次選取有待識別的模板與字符進行匹配，將它與模板字符相減，如果得到的0越多，那么就越匹配。把每一幅相減后的圖中0值個數(shù)保存，即為識別出來的結(jié)果（如圖3-15所示）。圖3-15 識別結(jié)果4 實驗結(jié)果和分析本文以MATLAB7.0為實驗平臺，以攝取的彩色車牌照片為對象進行實驗。實驗的最終結(jié)果如圖3-15所示。 在得到這個結(jié)果之前，需要對車牌圖像進行預(yù)處理、車牌定位、車牌分割等處理。 由于攝像部分多工

55、作于開放性的戶外環(huán)境下，再加之車輛牌照的自然光照條件、拍攝時攝像機、整潔度與牌照的角度和距離以及車輛行駛速度等因素的影響，牌照圖像可能出現(xiàn)歪斜、缺損和模糊等嚴重缺陷，因此需要對原始的圖像進行識別前的預(yù)處理。預(yù)處理包括車牌校、平滑處理、正灰度化等。對于那些光照條件不理想的圖像，可以先進行一次圖像增強的處理，使得圖像灰度對比度增強和動態(tài)范圍擴展，再進行分割和定位，這樣就可以提高了分割正確率。在本文中根據(jù)采集到的圖像本身的特點，從而對它進行灰度化的處理。因為彩色的圖像有著大量的顏色的信息，這不僅在存儲上開銷很大，而且也會在處理上面會存在降低系統(tǒng)的執(zhí)行速度的可能，因此要將彩色圖像轉(zhuǎn)化為灰度圖像，以便于

56、縮短處理時間。圖像中的車輛牌照是具有比較明顯特征的一塊圖像區(qū)域，這個特征表現(xiàn)在于近似與水平的矩形區(qū)域內(nèi)，其中的字符串全部是按水平方向排列的；在整體圖像中的位置較為固定。也就是由于牌照的圖像的這些特點，再經(jīng)過適當?shù)膱D像變換，它在整個篇幅中可以明顯地觀察出其邊緣，于是便可以對其邊緣提取，此處邊緣的提取采用的是Roberts算子17。在定位模塊。本文采用的是車牌顏色與數(shù)學形態(tài)學相結(jié)合的定位方法。首先，將預(yù)處理后的圖像用數(shù)學形態(tài)學的方法進行處理。數(shù)學形態(tài)學的應(yīng)用可以簡化圖像數(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)。本文中對圖像進行了腐蝕、平滑處理，腐蝕和平滑都具有濾波的作用，腐蝕是對圖像內(nèi)部做

57、濾波處理，平滑是對噪聲進行濾波。這樣可以把字符與字符之間的雜色點去除，只有白色的字符和黑色的背景存在，這樣有利于的字符分割進行。最后還用了bwareaopen來去除對象中不相干的小對象。再根據(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，先確定行方向的車牌區(qū)域，再確定列方向的區(qū)域，得出最終的車牌區(qū)域。 車牌分割即把車牌的整體區(qū)域分割成單字符區(qū)域，具有承上啟下的作用。其難點在于噪聲合字符粘連，斷裂對字符的影響，因此必須先將定位后的車牌進一步處理。包括灰度化、二值化、均值濾波、膨脹或腐蝕處理。分割采用的方法為尋找連續(xù)有文字的塊，若長度大于某閾值T，則認為該塊有兩個字符組成，需要分割。為滿足下一步字符識別的需要，將分割后的字符歸一化。 最后將分割出來的字符運用模板匹配的方法與模板字符進行匹配，將其