基于MATLAB的車牌識(shí)別系統(tǒng)

前言1.1研究背景隨著當(dāng)今社會(huì)的不斷發(fā)展，時(shí)代飛速的進(jìn)步。科技水平越來越發(fā)達(dá)，由于大學(xué)擴(kuò)招，使得越來越多的人得以普及科學(xué)知識(shí)，更多受過高等教育得人才流入社會(huì)，帶動(dòng)了社會(huì)經(jīng)濟(jì)的發(fā)展，經(jīng)濟(jì)發(fā)展飛快，人們的生活水平也得到了非常大的提高。[1]汽車時(shí)代的來臨縮短了人與人之間的距離，舊社會(huì)的騎行和馬車已經(jīng)逐漸淡出了視野，坐地日行八百里已不再是空想。汽車的普及，成了歷史發(fā)展中不可逆轉(zhuǎn)的現(xiàn)象，汽車被應(yīng)用到出行旅游，走親訪友，貨物運(yùn)輸?shù)榷喾N領(lǐng)域中。隨著個(gè)體戶汽車的普及，那么也會(huì)帶來一系列的問題，常見的交通事故、大城市的交通擁擠、車位的短缺和汽車廢氣排放等問題。在當(dāng)今社會(huì)人口增長(zhǎng)過快，也進(jìn)一步導(dǎo)致汽車的數(shù)量猛增，一線城市選擇規(guī)劃城市，規(guī)范交通，擴(kuò)建道路來緩解交通問題，但是基礎(chǔ)建設(shè)需要耗費(fèi)大量的人力物力財(cái)力，單純以這種方式是無法徹底根除此現(xiàn)象，所以為了根治交通問題，則需要依賴如今發(fā)達(dá)的科學(xué)技術(shù)，使用有效的技術(shù)手段建立一套完整的交通管理體系，在智能交通系統(tǒng)方面加大研發(fā)力度，健全一套有效的交通系統(tǒng)，去根治因汽車增速過快導(dǎo)致的諸多問題。當(dāng)今社會(huì)，如今的經(jīng)濟(jì)體系和結(jié)構(gòu)正在發(fā)生著驚人的變化，舊社會(huì)的實(shí)體經(jīng)濟(jì)正在向著電商經(jīng)濟(jì)發(fā)展，而交通體系也一樣，正向著智能化的方向靠攏，隨著智能科學(xué)技術(shù)的發(fā)展，智能化的設(shè)備走進(jìn)生活，交通系統(tǒng)也逐步完善。萬物聯(lián)網(wǎng)概念的提出，也就是物聯(lián)網(wǎng)概念，使得生活與網(wǎng)絡(luò)變得密不可分，所以社會(huì)的交通管理系統(tǒng)也跟計(jì)算機(jī)網(wǎng)絡(luò)緊密的結(jié)合到了一起，以前出門到某個(gè)地方去，若是不認(rèn)識(shí)路的話，智能靠觀察紙質(zhì)地圖，或者靠邊走邊問路，出行的人少，效率低，如今隨著航天技術(shù)的飛速發(fā)展，衛(wèi)星定位進(jìn)入到了人們的生活中，所以汽車也更衛(wèi)星定位聯(lián)系了起來，為了減少交通違規(guī)，道路也安裝了監(jiān)控手段，汽車跟圖像設(shè)備也結(jié)合到了一起來，所以這一系列的技術(shù)發(fā)展可以有效的改善交通的各種問題，解決交通擁堵，事故逃逸，避免違反交通規(guī)則等。其中就有一項(xiàng)是能夠有效解決諸多問題的手段，那就是車牌識(shí)別，使用科技手段，智能的識(shí)別出來往車輛的車牌號(hào)碼，并把號(hào)碼記錄下來存檔。[2]車牌識(shí)別技術(shù)在智能交通管理系統(tǒng)中占據(jù)著舉足輕重的地位，并被廣泛的運(yùn)用于事故多發(fā)地、停車場(chǎng)等場(chǎng)合，在車輛管理領(lǐng)域中使用得最多的一種技術(shù)，車牌識(shí)別技術(shù)又牽涉到了多種科學(xué)技術(shù)，車牌的拍攝就涉及了圖像處理技術(shù)，車牌字符的識(shí)別涉及了人工智能、計(jì)算機(jī)信息處理等科學(xué)技術(shù)。車牌的識(shí)別可以最快的得到車輛的信息，因?yàn)檐嚺铺?hào)碼與車牌擁有者的身份信息掛鉤的，所以當(dāng)識(shí)別出車牌號(hào)碼也就相當(dāng)于獲取了車主的信息，如今國(guó)內(nèi)外許多交通管理系統(tǒng)中都使用到了車牌識(shí)別技術(shù)，但是并沒有普及，由于系統(tǒng)開發(fā)難度高，容易受環(huán)境影響，所以車牌識(shí)別系統(tǒng)尚未普及，只是在某想重要場(chǎng)合被使用。在交通管理系統(tǒng)中所描述的車牌識(shí)別，其實(shí)就是把車牌上的號(hào)碼從車牌照片中提取出來，也就是字符的提取，并且需要做到0錯(cuò)誤提取，否則容易引起誤會(huì)，照片提取字符看似簡(jiǎn)單，實(shí)則難度非常大，因?yàn)檎掌呐臄z是自動(dòng)完成的，不是人為的去拍攝，拍攝角度不一，攝像機(jī)與車輛存在一定角度，則會(huì)導(dǎo)致車牌上的字符變形，而且車牌上還會(huì)存在一些干擾信息和無用的字符等，所以需要依靠技術(shù)手段對(duì)車牌照片進(jìn)行處理，處理方法多樣，各自有各自的優(yōu)缺點(diǎn)，所以每個(gè)車牌識(shí)別系統(tǒng)都不盡相同，那么實(shí)現(xiàn)一個(gè)實(shí)時(shí)性高，錯(cuò)誤率低的車偶愛識(shí)別系統(tǒng)，將是解決當(dāng)今交通問題的關(guān)機(jī)因素。1.2研究目的現(xiàn)金社會(huì)經(jīng)濟(jì)發(fā)展，工作崗位激增，人們的收入急劇升高，手頭寬裕，所以購(gòu)車用戶越來越多，家家戶戶都擁有小汽車，國(guó)內(nèi)人口又多，也導(dǎo)致了車輛激增。那么交通也成了經(jīng)濟(jì)發(fā)展的重要手段，道路的通暢交通的方便，可以有效的促進(jìn)經(jīng)濟(jì)的發(fā)展，而經(jīng)濟(jì)的發(fā)展也離不開交通運(yùn)輸，所以交通的發(fā)達(dá)也引發(fā)了交通事故問題的頻發(fā)，也搜到了相關(guān)部門的重點(diǎn)關(guān)注，所以有效的迫切的解決此類問題，成了部門的重點(diǎn)研究方向，有了問題就有有相應(yīng)的解決手段，社會(huì)的商業(yè)公司也看到其中的巨大商業(yè)價(jià)值，所以各種各樣的交通系統(tǒng)被提出，并且快速的進(jìn)入到了研發(fā)階段，花里胡哨的智能交通系統(tǒng)就應(yīng)用到了各種交通場(chǎng)合，其中車牌識(shí)別技術(shù)就是這些個(gè)系統(tǒng)中不可或缺的一項(xiàng)技術(shù)。[3]車牌識(shí)別技術(shù)隨著汽車的普及在上個(gè)世紀(jì)90年代就被提出來了，經(jīng)過不停的應(yīng)用于實(shí)際場(chǎng)景，并且隨著使用不斷改善和改良，此項(xiàng)車牌識(shí)別的技術(shù)已經(jīng)非常成熟了，能夠應(yīng)對(duì)各種復(fù)雜的場(chǎng)景和識(shí)別各類車牌照片，車牌就相當(dāng)于汽車的身份證，每輛車都只有一個(gè)，獨(dú)一無法，所以車牌識(shí)別是必須的而有必要的，這給汽車身份的識(shí)別和停車場(chǎng)汽車數(shù)量的統(tǒng)計(jì)提供了很好的幫助，并且是智能化的，自動(dòng)化的管理，比起使用人工管理方式更加的方便高效，實(shí)時(shí)性也比較高。傳統(tǒng)的人工管理，比起現(xiàn)代化智能化的智能化的現(xiàn)代管理系統(tǒng)顯得尤為粗糙，人工管理耗費(fèi)人力，管理起來較為困難，車輛24小時(shí)來往，稍有不慎可能存在漏檢查等問題，使能自動(dòng)化的智能化的車輛管理系統(tǒng)，系統(tǒng)自帶的車牌識(shí)別功能，可以實(shí)時(shí)的進(jìn)行無人操作記錄車牌信息，如果是停車場(chǎng)，還能夠24小時(shí)進(jìn)行車牌信息的記錄，車輛停車時(shí)間的記錄，通過進(jìn)出時(shí)識(shí)別車牌，進(jìn)行時(shí)間的記載。方便管理，無需人工干預(yù)，就可以達(dá)到有效管理車庫(kù)的目的。所以使用現(xiàn)代化的車輛管理系統(tǒng)，是當(dāng)今社會(huì)發(fā)展的趨勢(shì)，是車輛普及之后所帶來的新技術(shù)。隨著車輛的增多，人工管理就變得尤為困難，使用智能化的車輛管理系統(tǒng)，可以方便管理，提高車輛的出入效率，在車庫(kù)方便。在交通要道上可以有效的防止違反交通規(guī)則的車輛出現(xiàn)，記錄下過往車輛是否存在違規(guī)，車牌信息是否合法等優(yōu)點(diǎn)，所以開發(fā)研究完善的車牌識(shí)別系統(tǒng)是很有必要的，也有非常大的商業(yè)價(jià)值

2車牌識(shí)別系統(tǒng)設(shè)計(jì)原理概述2.1車牌識(shí)別系統(tǒng)框圖在信息化時(shí)代的22世紀(jì)初，數(shù)字化時(shí)代已經(jīng)普及，萬物聯(lián)網(wǎng)時(shí)代的到來，生活與網(wǎng)絡(luò)息息相關(guān)，車輛身份的獲取識(shí)別，在各種交通系統(tǒng)中得到了充分的運(yùn)用，此類交通系統(tǒng)的核心就是獲取車輛的身份信息，[4]也就是獲取車輛的車牌號(hào)碼，并且是自動(dòng)獲取，不需要人為干涉，能夠自動(dòng)的采集車牌圖樣，智能識(shí)別出車牌圖樣上的車牌號(hào)碼，保存顯示出來，實(shí)時(shí)性高，使用性強(qiáng)。一般情況，車牌識(shí)別系統(tǒng)框圖如圖2.1所示。圖2.1車牌識(shí)別系統(tǒng)框圖2.2圖像預(yù)處理車牌字符提取出來之前，需要經(jīng)過一些預(yù)處理，一般都是圖像處理方面的技術(shù)，如圖像二值化、圖像灰度化、對(duì)圖像進(jìn)行增強(qiáng)、使用一些濾波算子進(jìn)行濾波、膨脹等。在對(duì)圖像進(jìn)行這些處理之后，圖像上的一些無用的背景，干擾都會(huì)被濾除掉，讓有用的信息得到顯著的體現(xiàn)，為后面的字符識(shí)別打下基礎(chǔ)。車牌照片進(jìn)行灰度處理，簡(jiǎn)稱灰度化：車輛管理系統(tǒng)一般采集圖像都是自動(dòng)完成的，所以管理系統(tǒng)采集到的圖像都是彩圖，彩圖包含的數(shù)據(jù)信息比較復(fù)雜，不便于號(hào)碼的識(shí)別，雖然計(jì)算機(jī)的處理速度比較快，也可以處理彩色圖像，但是為了提高系統(tǒng)的執(zhí)行效率，一般將圖像進(jìn)行脫色處理，說白了就是將圖像變成黑白色，專業(yè)術(shù)語就是灰度化。車牌照片增強(qiáng)：將圖像變成黑白照片之后，車牌的對(duì)比度就降低很多了，雖然沒有彩色，但是圖片上的各種不同的東西都是有嗎明顯的區(qū)別的，也就是灰度級(jí)，有的較淺，有的較深，但是也會(huì)導(dǎo)致區(qū)別不明顯，[5]所以要對(duì)圖像進(jìn)行增強(qiáng)，使得車牌號(hào)碼與背景的色度變得強(qiáng)烈起來，就是邊緣增強(qiáng)，進(jìn)行這類增強(qiáng)操作可以提供系統(tǒng)識(shí)別車牌號(hào)碼的成功率。2.3字符分割識(shí)別對(duì)車牌號(hào)碼進(jìn)行拆分：車牌照片包含背景和有效的車牌號(hào)碼，第一步是將車牌號(hào)碼的有效區(qū)間切割下來，拆分出來之后車牌號(hào)碼還是一個(gè)整體的部分，號(hào)碼還是無法識(shí)別出來的，需要將上面的字符進(jìn)行單個(gè)分割出來，也就是一個(gè)一個(gè)分割出來，每個(gè)字符都是一個(gè)獨(dú)立的圖像，然后進(jìn)行單一的處理，每個(gè)字符圖像的處理方法都一致，再與標(biāo)準(zhǔn)的模板進(jìn)行配對(duì)，這樣做的目的可以提高車牌號(hào)碼識(shí)別的準(zhǔn)確率。[6]車牌號(hào)碼識(shí)別：車牌號(hào)碼被字符被分割出來后，再進(jìn)行歸一化處理，可以使用字模匹配方法進(jìn)行識(shí)別，若車牌上的號(hào)碼不能被準(zhǔn)確且有效地識(shí)別出來，那么之前的所有處理都白費(fèi)了，都竹籃打水一場(chǎng)空了，車牌號(hào)碼識(shí)別系統(tǒng)也就變成了個(gè)無用的東西。識(shí)別車牌號(hào)碼結(jié)果顯示：給系統(tǒng)提供單個(gè)的車牌圖像進(jìn)行識(shí)別后，顯示完整的車牌號(hào)碼。3車牌識(shí)別系統(tǒng)程序設(shè)計(jì)3.1車牌圖像預(yù)處理本次設(shè)計(jì)只是針對(duì)車輛管理系統(tǒng)中的車牌識(shí)別，也就是只是涉及到了車牌號(hào)碼的識(shí)別，其他的尚未完善，本系統(tǒng)將車牌號(hào)碼的識(shí)別細(xì)分為了三個(gè)不同的階段，在得到照片的前提下首先是對(duì)照片進(jìn)行預(yù)處理，預(yù)處理方法如前面所示，接著是對(duì)車牌的有效區(qū)域進(jìn)行提取，然后是字符分割識(shí)別。預(yù)處理階段非常重要，后面的識(shí)別步驟能夠順利的進(jìn)行，前期準(zhǔn)備工作做得越好，后期識(shí)別效率越高。[7]3.1.1灰度化一般在車牌識(shí)別中，首先是要獲取車牌圖像，一般獲取到的照片都是有顏色的照片跟以前的黑白照不一樣，然而在車牌識(shí)別技術(shù)中，一般為了提高程序的執(zhí)行速率，或者說是執(zhí)行效率，都會(huì)處理黑白色的照片，灰度圖就是舊社會(huì)的黑白照片，沒有五顏六色的圖片現(xiàn)今，攝像技術(shù)的發(fā)達(dá)，所有拍攝到的圖像均為帶色彩照片，都是由基本的專業(yè)術(shù)語中說的三原色組成，三原色分別位紅色、綠色和藍(lán)色這三種顏色?；叶然褪荝GB模型中將R=G=B的過程。[8]對(duì)彩色圖片進(jìn)行灰度化處理一般有多種方法，如下：1、最大值法講三原色中的R、G、B值中的亮度最大的那個(gè)值作為灰度值進(jìn)行實(shí)現(xiàn)。R=G=B=max(R,G,B)2、平均值法求平均法，就是對(duì)三原色的亮度求和再求平均。R=G=B=(R+G+B)/33、加權(quán)平均法還有就是對(duì)三原色的三個(gè)分量進(jìn)行加權(quán)求平均。R=G=B=(ArR+AgG+AbB)/3Ar、Ag、Ab如果用不同的值，這樣可以形成不同的黑白圖像，也就是灰度不同的圖像。Ar=0.10、Ag=0.29、Ab=0.61是常用的值，使用這組值，最后計(jì)算出來的可以得到相對(duì)較好的圖像。3.1.2圖像增強(qiáng)照片被處理成黑白色之后，照片上不同的元素對(duì)比就明顯下降，明暗之間的程度較為接近，卻別不明顯，由于拍攝角度等其他因素決定，將照片變成黑白色之后，車牌的局域信息和背景的分界就會(huì)模糊，對(duì)于定位車牌的難度角度，有可能導(dǎo)致車牌定位出差，為了解決這類問題，所以要對(duì)黑白照片進(jìn)行增加強(qiáng)度處理。對(duì)獲取到的圖像進(jìn)行增強(qiáng)，可以舍棄掉照片的質(zhì)量，提升照片的視覺效果來達(dá)到這一目的，增加照片的強(qiáng)度可以選擇增加照片邊緣的強(qiáng)度，可以有效的提升后期工作的效率，圖片增加強(qiáng)度還有另外的目的，可以消除掉照片變成黑白色后產(chǎn)生的噪聲，增加系統(tǒng)對(duì)車牌號(hào)碼的辨別能力，弱化背景信息，增強(qiáng)號(hào)碼信息，使得號(hào)碼能夠更加顯眼，便于系統(tǒng)的識(shí)別。[9]而增加強(qiáng)度的方法有兩種，一種是空間上的增強(qiáng)，另外一種是頻率上的增強(qiáng)，這兩個(gè)技術(shù)的優(yōu)缺點(diǎn)不一，都可以使用，空間操作可分為圖像拉伸，灰度色的修正，直方圖修補(bǔ)等，每一種方法的單一使用一般都不會(huì)將圖片修正到理想的效果，而是要相互結(jié)合，合理使用，將多種算法結(jié)合起來，將照片修正到想要的效果。所以本系統(tǒng)使用了圖像拉伸和校正來完成對(duì)照片的強(qiáng)度增加上。一般在圖像的灰度級(jí)變換種使用到的方法是直方圖均衡化，這種方法可以使得灰度圖像的對(duì)比度得到增強(qiáng)，并且使得灰度分部均勻，達(dá)到增強(qiáng)圖像效果的目的。使用此方法實(shí)現(xiàn)的效果如圖3.1-3.2所示。3.1灰度化圖圖3.2圖像增強(qiáng)圖在進(jìn)行對(duì)照片的邊緣進(jìn)行檢測(cè)時(shí)，可以先對(duì)其過濾一下，也就是濾波處理，這樣可以避免處理過程中引入的噪聲，消除此類噪聲可以有效的提高識(shí)別率，這些噪聲都是隨機(jī)引入的，從專業(yè)角度講，此類噪聲一般歸屬于高頻噪聲。消除這些干擾的方法多種多樣，最常用的方式是中值濾波法，本系統(tǒng)使用的也是這種方法。在對(duì)非線性圖像的增強(qiáng)中，使用中值濾波進(jìn)行，能夠大大的抑制那些孤立的噪聲點(diǎn)，而重要的信息，如圖像的邊緣信息，可以有效的保存下來，其他的濾波方法，如在線性的平滑的濾波中，可以通過低頻噪聲，所以高頻噪聲是無法通過的，[10]雖然可以去除掉頻率高的部分，但是圖像的分界線會(huì)變得比較模糊，才用中間值濾波，可以有效的解決這個(gè)問題。在函數(shù)medlt2是MATLAB自帶的濾波函數(shù)中的一種其一般語法為：H1=medfilt2(H0,[c,b])；語法中的c和b是使用中值濾波的范圍大小，范圍一般為3*3。使用中值濾波的效果如圖3.3所示。對(duì)比3-2的直方圖進(jìn)行均衡化后和圖3.3的中值濾波比較，能夠發(fā)現(xiàn)使用中值濾波的頭像效果更加好，照片質(zhì)量變得好了，照片中的車牌和背景有了鮮明的對(duì)比。圖3.3二維中值濾波圖3.1.3邊緣檢測(cè)及二值形態(tài)學(xué)針對(duì)照片不同內(nèi)容的邊緣進(jìn)行檢測(cè)，在圖像分析學(xué)忠有著非常重要的地位，圖像中的不同內(nèi)容，肯定存在著分界線，這些分界線就是拆分圖像中重要目標(biāo)和無用背景的依據(jù)，所以邊界線的清晰程度，[11]對(duì)于能夠有效的拆分是非常重要的，邊緣強(qiáng)度的增加和拆分在系統(tǒng)中也有相應(yīng)的函數(shù)進(jìn)行，用戶只需要調(diào)用相關(guān)的函數(shù)就可以實(shí)現(xiàn)拆分，這個(gè)函數(shù)叫edge，這個(gè)函數(shù)edge還需要提供相關(guān)的閾值，閾值被稱為thresh和method，這兩個(gè)閾值的作用是決定照片邊界線的檢測(cè)方式。在系統(tǒng)中的用法為：BH=edge（P,aetod,athres）；邊緣檢測(cè)在車牌號(hào)碼分割和區(qū)域定位中有著舉足輕重的地位，邊緣識(shí)別就是將車牌號(hào)碼的重要區(qū)域鎖定，并拆分出來，那么邊緣識(shí)別就需要使用一定的算法，這個(gè)算法不需要系統(tǒng)設(shè)計(jì)者去開發(fā)，這些個(gè)算法是現(xiàn)成的，系統(tǒng)自帶的一些算法函數(shù)，系統(tǒng)設(shè)計(jì)者合理調(diào)用這些函數(shù)就可以了，每個(gè)函數(shù)的都有其優(yōu)勢(shì)和缺陷，并不能兼顧到所有方面，有得算法定位精準(zhǔn)，但是抗干擾能力差，有的算法拆分效果好，但是殘留噪聲多，所以可以配合使用，在區(qū)域定位和字符拆分中要結(jié)合是用，單一的使用某個(gè)算法可能達(dá)不到理想的效果。在系統(tǒng)自帶的算法就有Robrts函數(shù)、Preitt函數(shù)、LoG函數(shù)和Sobel函數(shù)。本系統(tǒng)使用了Canny進(jìn)行便源源檢測(cè)，使用Canny函數(shù)有諸多限制，可以歸類位三個(gè)，[13]第一，其邊緣識(shí)別出差錯(cuò)的幾率很低，可以避免許多錯(cuò)誤信息；第二，可以精確的定位出邊界，定位出來的邊界更加的接近實(shí)際邊界，隨便不一定是真正的邊界，但是比較接近，可以讓人接受的；第三，在照片中只能回應(yīng)一次，這種叫做單邊響應(yīng)。下面的圖3.4所示，就是使用了Canny函數(shù)進(jìn)行邊界查找后得到的結(jié)構(gòu)，此系統(tǒng)還是用了另外的函數(shù)，進(jìn)行邊界檢測(cè)識(shí)別，效果如圖3.5,。可以通過效果圖看出，進(jìn)行了邊界識(shí)別的圖片可以把號(hào)碼的區(qū)域體現(xiàn)得玲離盡致，兩種方式檢測(cè)效果對(duì)比，可以發(fā)現(xiàn)第一種方式比第二種方式得出的效果更加完善，邊界保留的更加好，噪聲殘留較少，肉眼看到的效果更加清晰可見。圖3.5Sobel算子邊緣檢測(cè)圖在圖像處理的諸多方法中，有一種非常好用的算法，被稱為二值形態(tài)學(xué)，這種方式也被應(yīng)用于車牌號(hào)碼識(shí)別的流程中，它的原理就是基于移動(dòng)圖像中采集有用信息的方法，可以結(jié)合圖像的主要特征，把主要特征給列出來。[14]這種方法是一個(gè)統(tǒng)稱，還可以細(xì)分為多種方式，其中有膨脹算法，膨脹就是增加照片的邊界像素，就是加寬邊界，這樣在區(qū)域定位，或者根據(jù)邊界拆分中，就可以很好的將圖像給拆解下來，能夠最大程度的保留需要的內(nèi)容，但是這樣也就會(huì)相應(yīng)的引入很多噪聲。膨脹的反操作就是腐蝕，剛剛是加寬，那么腐蝕就是收窄邊界，是邊界更加細(xì)膩，可以減少噪聲的加入，但是也會(huì)對(duì)圖像的邊界進(jìn)行無法逆轉(zhuǎn)的破壞。還有開運(yùn)算和閉運(yùn)算兩種。下面的圖圖3-6、圖3-7就是進(jìn)行了膨脹和腐蝕之后的效果圖，系統(tǒng)設(shè)計(jì)中使得圖3-6、圖3-7的結(jié)構(gòu)元素是aa=6,那么可以從3.6的膨脹運(yùn)算，3.7的腐蝕運(yùn)算中看出兩種算法的區(qū)別，膨脹后圖像中的字符被完整的體現(xiàn)了出來，而浮世繪字體變形細(xì)化了。圖3.6膨脹效果圖圖3.7腐蝕效果圖3.2車牌定位車牌照片是一張包含許多信息的圖片，那么其中有用的信息，能夠被利用的信息就是上面的號(hào)碼，人眼一看就可以知道號(hào)碼是多少，那是屬于人類的語言，但是機(jī)器有自己的語言，沒有人類那么聰明，不能夠一下在復(fù)雜的圖片中找出有用的信息，首先就是要消除掉多余的無用信息，把搜索范圍縮小，就是車牌定位，將號(hào)碼的最小區(qū)域給鎖定，割掉不需要的部分，由于車牌拍照系統(tǒng)的固定，所以拍照時(shí)和車輛都會(huì)存在一定的角度，并且受到光線的影響，拍照處理的車牌也明暗不定，所以圖像的質(zhì)量一般都不是最好的，那么這些因素都會(huì)導(dǎo)致車牌有效區(qū)域的鎖定出現(xiàn)錯(cuò)誤，影響最終的處理。識(shí)別車牌號(hào)碼結(jié)果顯示：給系統(tǒng)提供單個(gè)的車牌圖像進(jìn)行識(shí)別后，顯示完整的車牌號(hào)碼。在將車牌字符分割下來之前，需要有效的找到各個(gè)字符的邊界，車牌照片一般不只是拍攝車牌的那一小部分，而是將整個(gè)車頭或者車尾帶車牌的拍攝下來，所以車牌一般帶有許多無用的背景信息，所以在拆分字符之前首先要將拆分范圍縮小，就是要定位到車牌的有效區(qū)域，有效區(qū)域截取出來才能更加方便進(jìn)行車牌號(hào)碼的拆分，那車車牌信息的鎖定就需要借助系統(tǒng)的開發(fā)軟件MATLAB內(nèi)部帶的算法或者一些函數(shù)進(jìn)行，實(shí)現(xiàn)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;使用算法將車牌號(hào)碼的有效區(qū)域截取出來之后，那么接下來就是對(duì)圖像進(jìn)行優(yōu)化，讓車牌號(hào)碼跟背景形成鮮明的對(duì)比，一般是轉(zhuǎn)成灰階畫面，就是只有黑白色的圖像，這樣字符就是白色，背景就是黑色，更加方便的對(duì)車牌字符進(jìn)行拆分，轉(zhuǎn)成黑白色之后還有進(jìn)行邊緣的優(yōu)化，使得車牌字符與邊緣信息之間更加的清楚，邊界更加清楚。做完這些之后，那么就講車牌進(jìn)行拆分，每個(gè)拆分出來的字符圖片的大小都要按照模板的大小進(jìn)行分割，分割好之后就可以得到若干張圖片，每個(gè)圖片都是車牌號(hào)碼的一個(gè)字符，然后將其保存一起來，保存成圖片格式，以便后續(xù)的比對(duì)。3.2.1車牌定位與分割從當(dāng)今的車牌識(shí)別系統(tǒng)中看，大多數(shù)設(shè)計(jì)者使用的車牌最小區(qū)域鎖定的方法都是對(duì)車牌號(hào)碼的邊界進(jìn)行檢測(cè)，或者采用文理特征進(jìn)行鎖定位置，還可以通過顏色進(jìn)行定位，或者使用更高端的算法進(jìn)行實(shí)現(xiàn)。每一種方式的復(fù)雜度和優(yōu)缺點(diǎn)都不一樣，在實(shí)際中都不能夠保證百分百的識(shí)別出來。[15]此系統(tǒng)在定位車牌有效信息的方法上，是使用二值化進(jìn)行，設(shè)定色階閾值，將圖像內(nèi)的色值，與設(shè)定值進(jìn)行比較，當(dāng)比設(shè)定的閾值大時(shí)轉(zhuǎn)換為白色，比閾值小時(shí)轉(zhuǎn)換為黑色，使得圖像變成對(duì)比度非常高的黑白圖像，在識(shí)別系統(tǒng)中只需要提取有效信息，而不需要關(guān)注圖像的顯示效果。車牌定位結(jié)果如圖3.8所示。車牌分割結(jié)果如圖3.9所示。圖3.8車牌定位圖圖3.9車牌分割圖3.2.2車牌校正一般拍攝到的圖像都不是在汽車的正前方進(jìn)行拍攝，攝像機(jī)會(huì)與汽車存在一定的角度，這時(shí)候拍攝到的照片就不會(huì)是方方正正的，圖像就會(huì)傾斜或者變形，所以這時(shí)候需要將圖像進(jìn)行校正，校正過之后才能進(jìn)行有效的字符識(shí)別和分割。對(duì)圖像進(jìn)行校正的方法有很多，本系統(tǒng)只是進(jìn)行了描述，沒有具體實(shí)現(xiàn)這一功能，主要是利用MATLAB內(nèi)部自帶的工具進(jìn)行實(shí)現(xiàn)，通過對(duì)圖像進(jìn)行一些角度的變換或者旋轉(zhuǎn)，達(dá)到擺正照片中有效信息的目的。3.3車牌字符分割與識(shí)別由于字符組合數(shù)目以及字符間的相互影響導(dǎo)致車牌識(shí)別難度加大，一般為了提高識(shí)別的精確度和準(zhǔn)確率，在車牌識(shí)別系統(tǒng)中主要進(jìn)行單個(gè)字符的識(shí)別，所以需要將字符從車牌圖像中一個(gè)一個(gè)的分割出來，這樣可以減少噪聲對(duì)字符的識(shí)別的影響，以便最終的識(shí)別。車牌識(shí)別系統(tǒng)的最終的目的就是識(shí)別出來，然后記錄顯示，那么識(shí)別就是最重要的一個(gè)步驟，前面所有的處理都是為了這最后一步，首先要識(shí)別出來的話，必須將車牌號(hào)碼的每個(gè)字符進(jìn)行拆分出來，并且拆分的大小要與模板一致，因?yàn)楸鞠到y(tǒng)使用的是模板比較法進(jìn)行識(shí)別的，所以拆分出來的照片效果好壞影響著最后的識(shí)別，比較法就是做差法，就是做簡(jiǎn)單的減法運(yùn)算，數(shù)據(jù)庫(kù)里面存放的車牌字符模板是黑白圖片，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將待識(shí)別的車牌進(jìn)行二值化，二值化就是將圖片轉(zhuǎn)成黑白照片，只有黑色和白色，根據(jù)字模進(jìn)行轉(zhuǎn)換，轉(zhuǎn)換好之后，拆分，拆分好之后就逐一與字模里面的圖片做差，得到的差值最小，就認(rèn)為是與該字模圖片最相近，所以就認(rèn)為待識(shí)別的車牌字符就是該字符，這樣就可以逐一的比對(duì)出來，這種識(shí)別方式存在的誤差主要是分割出來的字符效果是否理想，若是分割出來的字符顯示效果比較差，那么最終就有可能導(dǎo)致識(shí)別出錯(cuò)。所以一個(gè)好的預(yù)處理算法，可以減少識(shí)別的出錯(cuò)率。[16]3.3.1車牌字符分割方法據(jù)了解，當(dāng)前使用的所有車輛系統(tǒng)中，都不可能百分百的識(shí)別出所以拍照出來的車牌號(hào)碼，比如開過車的人都知道有時(shí)候車開到攝像機(jī)那，門卡確遲遲不打開，這就是車牌號(hào)碼識(shí)別出差錯(cuò)導(dǎo)致的，這時(shí)候就要將車退出去，從新開進(jìn)來，重新識(shí)別，調(diào)整車身，才可可以正常通過。所以每種方法都有其局限性，不能滿足所有場(chǎng)合。在字符分割方法里面，可以使用的方法很多，可以使用模糊理論分割法或者使用閾值分割法，還有投影分割法和區(qū)域分割法，有的系統(tǒng)還使用了邊緣檢測(cè)分割法和模板匹配分割法。這些方法都是可以使用的，沒有好與壞之分，只不過方法不同因此它們的側(cè)重點(diǎn)也不同，優(yōu)缺點(diǎn)更是不一致，下面對(duì)現(xiàn)有字符分割法簡(jiǎn)介：閾值分割，一般使用在背景和字符具有明顯不同的圖像中，此種方式比較容易理解，就是確定一個(gè)值，將照片中像素跟確定的值進(jìn)行比較，比較結(jié)果只有兩種要么大于確定的值要么小于確定的值，或者也可以等于確定的值，就拿比較結(jié)果為依據(jù)進(jìn)行拆解就可以。采用這種比較值分割法，是最容易實(shí)現(xiàn)，也是較為常用的方法，這種方法被普遍使用到各種識(shí)別系統(tǒng)中，將照片中的每個(gè)點(diǎn)都與設(shè)定值進(jìn)行比較，然后可以按照結(jié)果進(jìn)行拆分或者合并，這都是由系統(tǒng)設(shè)計(jì)者進(jìn)行決定的，直到所有的像素都比較完，那么最后將字符單個(gè)的拆分下來，此種方法便于實(shí)現(xiàn)，能夠?qū)④嚺铺?hào)碼區(qū)域的所有字符有效的拆分出來，達(dá)到了分割的目的。除了制定設(shè)定值分割法，還有投影分割法，這種方式有分為水平和垂直兩個(gè)方向的分割法，水平實(shí)際就是按行掃描的方式進(jìn)行，每一行的元素都進(jìn)行判斷，遇到不同的元素就記錄下來，一行一行的進(jìn)行記錄，第一次遇到白色元素，就是上邊界的開始，最后一次遇到白色元素，直到圖片結(jié)束都未遇到，那么這個(gè)就是下邊界。這種方式在程序設(shè)計(jì)方面比較簡(jiǎn)單，對(duì)應(yīng)現(xiàn)在的計(jì)算機(jī)來說，運(yùn)算處理速度快，但是這種方式識(shí)別出來的效果只能是一個(gè)方形的區(qū)域，找到的車牌區(qū)域比較粗糙。[17]還需要結(jié)合其他辦法對(duì)車牌進(jìn)行有效拆分才可以。按照國(guó)內(nèi)的車牌圖像看，車牌的樣式都是固定的，格式都有一定的特征，所以車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，在把照片變成黑白色之后，可以利用垂直方式進(jìn)行拆分，這樣可以以最快的速度得到車牌單個(gè)字符的變化，從左往右的將車牌號(hào)碼一個(gè)一個(gè)分割出來。字符分割效果如圖3.10所示。圖3.10車牌字符分割3.3.2分割字符的歸一化歸一化主要是針對(duì)拍攝到的圖像存在一定的角度偏移，使得圖像上的有效信息大小不一致，對(duì)其進(jìn)行歸一化處理后可以得到字符與模板字符的相似度提高，字符歸一化結(jié)果如圖3.11所示。圖3.11字符歸一化圖3.3.3基于模板匹配的字符識(shí)別車牌識(shí)別的最后一步也是最重要的一步，就是將字符識(shí)別出，并且顯示出來，顯示出來的字符不能有錯(cuò)誤的，所以提高準(zhǔn)確度就是需要使用有效的方法對(duì)圖像進(jìn)行處理分割，合適的方法可以提高字符識(shí)別的準(zhǔn)確度，識(shí)別效率也能夠大大的提高，整個(gè)過程從預(yù)處理開始到最后的識(shí)別，都是必不可少的，都是為了最終能將車牌的字符信息給識(shí)別出來。有效的識(shí)別出車牌號(hào)碼的方法，可以事倍功半且適用場(chǎng)合廣泛，實(shí)時(shí)性高。[18]本次設(shè)計(jì)的識(shí)別系統(tǒng)使用的識(shí)別方式較為簡(jiǎn)單，使用的是與標(biāo)準(zhǔn)的字模對(duì)比法，就是事先準(zhǔn)備好大小一致，也就是圖片長(zhǎng)寬已經(jīng)知道的字符圖片，這些字符圖片都是車牌號(hào)碼上有可能存在的，在系統(tǒng)將照片中的車牌拆解下來之后，就將拆解下來的單個(gè)車牌號(hào)碼與模板進(jìn)行對(duì)比，針對(duì)比較結(jié)果可以判定車牌號(hào)碼的字符。所以首先就是要準(zhǔn)備好0~9的數(shù)字模板圖片，50多個(gè)漢字的圖片，圖片的大小與拆分的大小要一致，以便更好的識(shí)別。4實(shí)驗(yàn)運(yùn)行結(jié)果本設(shè)計(jì)為了直觀方便的識(shí)別出結(jié)果，更好的體現(xiàn)識(shí)別的整個(gè)流程，將識(shí)別流程通過一個(gè)上位機(jī)體現(xiàn)了出來，統(tǒng)識(shí)別界面如圖4.1所示。圖4.1車牌系統(tǒng)識(shí)別界面圖系統(tǒng)基本步驟：[19][23]第一，將鎖定區(qū)域的車牌進(jìn)行灰階處理，然后使用一些邊界檢測(cè)算法進(jìn)行在增加強(qiáng)度。將圖片里面的邊緣給提出，定位。將車牌區(qū)域鎖定之后，將車牌號(hào)碼最小區(qū)間給拆分下來對(duì)拆分下來的車牌號(hào)碼進(jìn)行一些相關(guān)處理。為了能與模板進(jìn)行比較，則需要將車牌上的每個(gè)字符進(jìn)行拆分，拆分成大小與模板一直的圖片。然后與準(zhǔn)備的模板進(jìn)行比較配對(duì)，這就是最后的車牌號(hào)碼識(shí)別最后將識(shí)別好的字符顯示出來。本車牌識(shí)別系統(tǒng)的識(shí)別結(jié)果如表4.1所示。表4.1系統(tǒng)識(shí)別結(jié)果數(shù)據(jù)表測(cè)試車牌數(shù)目正確識(shí)別數(shù)目錯(cuò)誤識(shí)別數(shù)目識(shí)別率6965494.2%由表4.1可知：本系統(tǒng)共測(cè)試69張車牌。其中個(gè)別車牌識(shí)別結(jié)果如圖4.2-4.4所示。圖4.2車牌系統(tǒng)識(shí)別錯(cuò)誤運(yùn)行結(jié)果圖車牌識(shí)別出錯(cuò)的原因很多，由于車牌的使用年限較長(zhǎng)，當(dāng)車牌久經(jīng)風(fēng)雨，或者被日曬雨淋之后，車牌比較老舊，這也會(huì)導(dǎo)致車牌識(shí)別出錯(cuò)，若是拍攝角度刁鉆，使得車牌上的字符嚴(yán)重變形也會(huì)導(dǎo)致車牌識(shí)別出錯(cuò)，另外就是算法使用不嚴(yán)謹(jǐn)，將字符拆分得七零八落，大小不一，也會(huì)導(dǎo)致車牌識(shí)別出錯(cuò)。[20]圖4.3車牌系統(tǒng)識(shí)別正確運(yùn)行結(jié)果圖圖4.4車牌系統(tǒng)識(shí)別正確運(yùn)行結(jié)果圖

5總結(jié)5.1論文總結(jié)車牌號(hào)碼上面的字符進(jìn)行分辨識(shí)別是每個(gè)車輛管理識(shí)別系統(tǒng)中的重要且是核心功能，要想使得系統(tǒng)穩(wěn)定高效的使用，并且容錯(cuò)率高，可以從多個(gè)方向進(jìn)行評(píng)價(jià)，有識(shí)別率、識(shí)別速度和后臺(tái)管理體系等。車牌對(duì)環(huán)境的抗干擾能力也是車牌識(shí)別系統(tǒng)的是否優(yōu)秀的治標(biāo)之一。[21]本系統(tǒng)在針對(duì)車牌照片進(jìn)行預(yù)先處理、車牌號(hào)碼的區(qū)域鎖定、車牌號(hào)碼翻個(gè)字符分割識(shí)別等方面做了淺析。主要工作內(nèi)容和總結(jié)如下：簡(jiǎn)單的對(duì)國(guó)內(nèi)車牌識(shí)別系統(tǒng)做了描述，對(duì)車牌識(shí)別系統(tǒng)使用到的技術(shù)有了初步的了解，從而對(duì)后續(xù)的系統(tǒng)闡述和原理設(shè)計(jì)有了一定的理解。2、經(jīng)過對(duì)車輛圖像進(jìn)行預(yù)處理后，設(shè)定灰色階值，將圖像內(nèi)的所有像素點(diǎn)和閾值進(jìn)行對(duì)比，比較結(jié)果把像素轉(zhuǎn)換為白色和黑色，使灰度圖像強(qiáng)制轉(zhuǎn)換為高度對(duì)比的黑白圖像。通過此種方式就可以把圖片給拆分出來。[22]3、在用到的車牌模板中，將拆解得到的車牌號(hào)碼加入模板數(shù)據(jù)庫(kù)中，可以增加了模板數(shù)據(jù)庫(kù)的中的號(hào)碼數(shù)量，使得系統(tǒng)的精度得到了提高。通過對(duì)本課題的學(xué)習(xí)，對(duì)車牌識(shí)別系統(tǒng)有了一定的理解和收獲，車牌識(shí)別仍有許多內(nèi)容需要去學(xué)習(xí)，仍有許多方法值得去探究。5.2論文存在的不足通過觀察實(shí)驗(yàn)數(shù)據(jù)，可以實(shí)現(xiàn)對(duì)車牌進(jìn)行簡(jiǎn)單的分辨，但是要想運(yùn)用到市場(chǎng)上，還需要較大的改進(jìn)。具體如下：1、本次設(shè)計(jì)的識(shí)別系統(tǒng)只能識(shí)別較為常見的車牌，比如藍(lán)底白字的車牌，類似香港澳門的車牌是無法識(shí)別的，還有新能源汽車的車牌也無法識(shí)別。優(yōu)秀的車牌識(shí)別系統(tǒng)應(yīng)當(dāng)可以適用于多種車牌類型，所以本系統(tǒng)的改善空間很大，避免特定使用遇到了不可自動(dòng)解決的特殊情況。2、本系統(tǒng)無法識(shí)別夜晚拍攝到的照片，陰雨天拍攝的照片也無法識(shí)別，只有陽(yáng)光明媚的大中午才能夠識(shí)別出來，本系統(tǒng)受天氣影響較大，這也是有待研究改進(jìn)的地方。優(yōu)秀的系統(tǒng)可以實(shí)現(xiàn)全天候的識(shí)別。3、本系統(tǒng)的識(shí)別準(zhǔn)確率還是有待提高，有一些看起來比較清楚的車牌，在識(shí)別過程中會(huì)出現(xiàn)定位不成功或者字符分割有誤等等問題。這是有可能是因?yàn)檐嚺祁伾蛙嚿眍伾愃扑鶎?dǎo)致的定位錯(cuò)