车牌字符分割算法研究应用.doc

1 绪论1.1 背景简介为了实现车牌字符辨认，普通要通过车牌位置检测、车牌字符分割和字符辨认三个核心环节。车牌位置检测是依照车牌字符目的区域特点，寻找出最符合车牌特性区域。车牌字符分割就是在车牌图像中找出所有字符上下左右边界，进而分割出每个车牌字符。在实际应用中，车牌字符分割效果对车牌字符辨认对的率会产生很大影响，由于车牌图像亮度不均、尺度变化、透视失真、字符不完整等因素，使图像质量存在较大差别，进而影响图像分割效果，因而车牌字符分割这一技术依然具备很大研究意义。在实际监控场景中，车牌图像透视失真普通是由于拍摄视角变化或车辆位置移动，相机光轴偏离车牌平面法线方向导致。由于车牌图像在整幅图像中占有较小比例，因此车牌图像几何校正重要工作是校正车牌图像旋转和剪切失真。旋转投影法和直线拟合法是两种重要偏斜校正办法。旋转投影法是为了获取垂直倾斜角，即将车牌图像穷举逐个角度进行剪切变换，然后记录垂直投影数值为0点数，得到最大值相应角度。这种办法受背景区域干扰比较大。另一种办法是直线拟合车牌字符左边界点从而获得垂直倾斜角，该办法为直线拟合法。该办法并没有逐个角度对车牌图像进行剪切变换，从左边界点拟合出直线普通不能真正用来代表车牌垂直倾斜方向，检测出角度存在较大误差，且字符左侧噪声对角度检测干扰太大，鲁棒性较差。因而找到一种更精确和迅速车牌垂直倾斜矫正办法是十分重要。通过得到最小字符投影点坐标方差，得到另一种车牌垂直矫正办法。一方面将车牌字符图像进行水平校正，依照字符区域上下边界，将车牌字符进行粗分割。然后将剪切变换后字符点进行垂直偷用。当得到投影点最想左边方差时，便能导出两类剪切角闭合表达是，最后便是拟定垂直投影倾斜角并对此进行校正。投影法是当前最惯用车牌分割算法之一，其算法简朴并且计算复杂度低。该办法核心思想是将车牌图像进行水平投影和垂直投影，运用峰谷特性来定位车牌字符上下左右边界。但是车牌噪声、边框等因素容易影响到投影峰谷位置，并且对于存在较严重质量退化图像解决困难。为了进一步改进字符分割效果，普通将形态学分析、连通体分析和投影法三者相结合，并应用到车牌字符分割。Anagnostopoulos等人提出用SCW办法对车牌图像进行分割，并通过在水平方向和垂直方向投影曲线原则差对车牌字符进行分割。张云刚等人运用车牌先验知识并结合Hough 变换提出了一种新车牌字符分割算法，该办法特点是为了消除噪声影响提出了一种全新图像预解决办法。其重要环节为一方面进行分段，另一方面水平分割办法运用是Hough 变换拟合，该办法可以有效消除上下车牌边框影响，当图像中车牌旋转角度较大并且存在光照不均影响时其分割效果也都较好。然后将车牌先验知识应用于垂直投影法字符左右边界拟定中。该办法长处是可以消除字符间隔区域和垂直边框影响。但是车牌噪声等干扰因素容易影响到投影峰谷位置，并且对于存在较严重质量退化图像解决困难。因而，普通将形态学分析、连通体分析和投影法三者相结合，并应用到车牌字符分割。Nomura等人为了解决断裂车牌字符碎片，通过竖直投影将其检测出来并合并属于同一种字符碎片，运用形态学粗化和细化办法将重叠和粘连字符连通体分离。Chang等人为使车牌字符切分更有效，运用连通体组合规则验证所有也许字符集合，并获得了非常好效果。近年来，更多新颖车牌字符分割算法问世。Jiao为了验证与否得到真正车牌把预定义车牌格式和待选字符进行匹配，使用动态规划办法来进一步验证匹配效果。Fan等人以对垂直投影水平投影分析为基本，将车牌字符分割与辨认两个环节作为一种整体记录推断问题。可以将车牌字符分割与辨认同步进行，车牌字符辨认模块设计性能很大限度地影响字符分割效果。Franc和Hlavac通过隐马尔可夫链将车牌图像与相应车牌字符分割建立起随机关系，把车牌字符分割表达为最大后验预计问题。Naito等人提出了假设检查办法，并以置信度为根据对也许字符组合进行排队。王兴玲运用车牌规定字符组合方式和大小比例关系，提出了基于模板匹配最大类间方差车牌字符分割算法。并将设计字符模板与车牌区域滑动匹配并进行分类，车牌最佳匹配位置和字符分割边界是通过最大类间方差判决准则进行拟定。中华人民共和国大陆车牌有统一制定规则，所有车牌字符所相应高度和宽度是相等(可将字符“1”以为与其他字符宽度是相似)，并且字符间距与字符大小比例关系是拟定不变。为此，本文以投影分析法为基本，通过设计变长模板与车牌区域滑动匹配，从而完毕车牌字符分割。一方面依照车牌边框和字符排列规则将车牌图像进行旋转和剪切校正。为了拟定车牌图像中字符上下边界，将车牌图像沿水平方向进行投影，运用预先设计好不同长度方波模板对其进行匹配，依照有关系数得到最佳匹配方波。最后，将车牌图像沿垂直方向进行投影，依照车牌字符宽度与字符间隔长度比例关系，设计一组长度不同方波模板。为了获取字符左右边界，可以将该模板与垂直投影进行匹配。该办法以车牌字符水平和垂直投影特性为根据，可以自适应地解决光线照射不均匀、透视失真、尺度变化、以及背景干扰等问题，具备较好稳定性，抗干扰能力较强。1.2 车牌字符格式根据国家对机动车号牌有关规定，可以总结出车牌特点。按照车牌颜色特点，有白字蓝底白边框、黑字黄底黑边框、红字或者黑字白底黑边框三种类型车牌。也可以从字符排列角度进行分类，涉及但单行七字符车牌和上下两行字符车牌。为了对车牌照进行辨认，研究人员总结出车牌辨认先验知识，涉及车牌尺寸、字符大小、构造特性等。车牌样本图像如图1-1所示图1-1 车牌样本图像车牌照先验知识具备如下内容：（1）车牌是一种高度为409mm，宽度为90mm长方形，其高宽比例为4.45:1。（2）车牌字符高度为90mm，宽度为45mm，宽高比为2:1。（3）车牌边框宽度为1.5mm，字符间隙是12mm。车牌边框线宽度和字符家具之比是1:8。（4）车牌第二个字符和第三个字符间有一种“”，其他字符之间宽度和字符宽度比为10mm:45mm1:4.5，若删除“”话， 车牌第二个和第三个字符间距和其他字符间距比为34mm:12mm2.83:1；（5）车牌字符之间中心距离长度为51mm，高度为90mm，其比例是1:1.76；（6）车牌字符和背景具备较大对比度，车牌区域是纵向小边沿密集区域。（7）车牌区域有五种固定颜色搭配，涉及红黑、蓝白、白黑、红白、黄黑。在车牌照连通体分析，投影方波模板设计都需要以车牌照先验知识为根据，真正对字符分割算法设计起作用是参数设立，这个过程是整个算法设计难点。在实际车牌字符辨认过程中用到车牌先验知识和实验成果如下：（1）车牌字符高度和宽度之比在13之间(字符“1”高度和宽度之比在310之外)。（2）对于车辆照片，字符像素聚类面积取值范畴是105000。字符高度范畴和宽度范畴分别是10200之间和5100之间。（3）由实验成果可得，包围单个车牌字符最小矩形中，字符像素所占矩形面积比例不不大于10%。（4）实验成果表白，包围单个车牌字符最小凸边形中，车牌字符像素所占凸多边形面积比例不不大于10%。（5）车牌区域总体像素聚类面积，不不大于数值50。（6）车牌垂直投影分布具备脉冲波分布特性：其中占空比例关系满足 region:gap:key = 45:12:34。1.3 匹配滤波在数字通信系统中，为了增强有用信号，同步抑制噪声信号可以通过设计滤波器来实现。当混有噪声信号进入滤波器时，可以使信号分量在某一瞬间浮现峰值，同步抑制噪声成分。当信号在某段时刻存在时，在相应瞬间滤波器输出会呈现出强大峰值，如果信号不存在，那么峰值将不会浮现。运用这种滤波器能使判断脉冲有无出错概率最低。咱们将具备这种功能滤波器称为“匹配滤波器”。当信号特性与设计滤波器性能获得某种一致时，输出端信号功率与噪声功率之比最大时，这便称之为匹配。在实际应用中，匹配滤波器普通是依照信号特性来设计。匹配滤波器可以有用信号分量增强同步使噪声分量削弱，使得在某一瞬间滤波器输出端信号幅度与噪声幅度之比达到最大。根据车牌照先验知识，可以得到车牌投影分布，即输入信号具备脉冲波分布特性。咱们可以根据这个特点，设计一组方波模板当做系统函数，对车牌投影进行匹配滤波解决，便可以得到车牌字符边界参数。1.4 本文内容论文一共分为三章，每一章重要内容如下：第一章是绪论。简介了车牌字符分割研究背景，以及车牌字符格式。还补充了匹配滤波器有关知识，最后初步简介了本文内容。第二章是车牌图像预解决。共涉及车牌图像几何校正、灰度化、图像增强、二值化四某些，此某些工作目是为了得到质量改进、便于字符分割车牌图像。第三章是车牌字符分割。分别简介了水平投影方波匹配和垂直投影方波匹配，并展示了最后字符分割效果。最后是结论。将本文对车牌图像所做工作进行了总结。2 车牌图像预解决2.1 本章引言在实际车牌辨认系统中，图像普通由CCD摄像机获得，由于光线明暗，拍摄角度等因素影响，所获得车牌图像质量差别较大，存在图像模糊，目的与背景对比度低，车牌旋转和剪切失真等现象等现象，不利于后续车牌字符定位和辨认工作。因而有必要对车牌图像进行几何校正、图像灰度化、图像增强和图像二值化等预解决，从而改进图像质量，提高车牌字符分割效率与精确率。2.2 车牌图像几何校正在车辆监控场景中，相机光轴与车牌法线方向发生偏离，普通是由车辆位置和拍摄角度发生变化，进而在车牌图像中引入透视失真。由于车牌图像在整幅图像中占有较小比例，透视失真限度较弱，车牌字符尺寸参数变化较小，对字符分割效果影响可以忽视。因此，车牌图像进行几何校最重要工作是将车牌旋转和剪切失真。图像旋转角度可以根据车牌区域存在较长边框来拟定，在实际环境中，锈迹和污迹会对车牌边框产生影响，同步边框也也许发生形变，从而导致车牌边框缺失或者断裂，从而对旋转校正精度产生影响。此外车牌字符边沿特性丰富，为旋转角度求解提供了重要根据。为了使预计旋转角度办法对各种质量车牌图像具备普遍合用性，本文以字符边沿特性和车牌边框为根据，提出了一种边沿投影差分办法。一方面将车牌图像在一定角度范畴内旋转，运用Canny边沿检测对每幅图像进行解决。用表达旋转角度为时得到边沿图像，对其沿水平方向计算差分绝对值，并进行求和可得： (2-1)用和分别表达沿行方向差分最大值和最小值，即：对于车牌边框破损严重状况，该投影在行方向差分数据在车牌字符上下边界位置有比较大峰值或谷值，因而，求解车牌旋转角度目的函数可以表达为： (2-2)该旋转校正办法可以消除车牌边框质量退化影响，具备精度高和适应范畴宽等特点。图2-1(a)车牌边框存在锈迹腐蚀严重，图2-1(b)是相应Canny边沿成果，图2-1(c)是旋转校正后图像，其中所有字符都保持水平方向，表白该办法可以求解精准旋转角度。 (a)车牌图像 (b)边沿检测 (c)旋转校正图像 (d)剪切校正图像图2-1 车牌图像旋转和剪切校正边沿图像具备平缓竖直投影曲线普通状况下是由车牌图像存在一定限度失真导致。为此，本文在一定剪切角度范畴内，计算边沿图像在竖直方向上投影方差，并运用其峰值位置预计剪切角度。图2-1(c)中车牌图像通过剪切校正后成果如图2-1(d)所示。可以看出，本文旋转和剪切校正办法可以有效地恢复出车牌图像正面平行视图。 2.3 车牌图像灰度化“真彩色”是RGB颜色另一种叫法。RGB颜色空间将红、绿、蓝三种基本颜色用混合办法组合出各种不同颜色，各种颜色都是有红、绿、蓝三种基色加权而成，不易进行颜色提取和分割。RGB彩色模型重要用于彩色监视器和彩色监视器和彩色视频摄像机。在计算机存储中，每种基色亮度取值范畴为0255，三个色彩各用8bit，因此对于RGB模式彩色图像一共有256*256*256种颜色。灰度图像即亮度图像，只包括亮度信息，每个像素灰度级用8bit表达，因此像素都是基于介于黑色和白色之间256种灰度一种。真彩图像每个像素点需要3个字节，共用24bit。灰度图像每个像素只需要一种字节，非常节约空间。将彩色图像灰度解决后来，将会减小其存储空间，消除图片中大量冗余信息，这对某些内存受限应用是十分有用。车牌图像普通来自于彩色监视器，其颜色模型大多数为RGB颜色模型。由于外界因素干扰车牌字符以及背景颜色会与真实颜色存在较大差别，因而从定位后车牌图片直接进行字符分割解决比较复杂，并且容易受边框，铆钉等颜色影响。把真彩车牌图片转为灰度图像后来，每个像素用一种字节表达，存储空间会减小，使后续解决更加容易省时。 将RGB图像转换为亮度图像有最大值法、平均值法和加权平均法，这三类办法内容如下：（1）最大值法普通可以得到较大亮度车牌图像，通过比较某个像素点红、绿、蓝分量灰度值，得到最大该像素点最大值，并将其作为灰度图像在该点灰度值。（2）为了使得到图像相对柔和，可以采用平均值法，该办法就是将某个像素点红、绿、蓝分量灰度值求和取平均，将该值作为灰度图像在该点灰度值。 （3）由于人眼对颜色视见度不同，因此选取三色基色量为 R=0.299 G=0.587 B=0.114 ，因而亮度信号Y为Y=0.299R+0.587G+0.114B，该办法被称为加权平均值法。其中R、G、B分别是彩色图像中像素红、绿、蓝分量；Y是该点在灰度图像中灰度值。该办法在实际将彩色图像转换为灰度图像应用中效果更好，使用更为广泛。实现加权平均值法MATLAB代码为Pgray=rgb2gray(Pcolor)；Pcolor为待解决彩色图像,Pgray为转换后灰度图像。rgb2gray()函数为MATLAB中彩色图像灰度化函数，其转换原理为式Y=0.299R+0.587G+0.114B.图2-2是将定位后彩色车牌图像通过加权平均值法进行灰度化得到效果图。 (a)轿车车牌彩色图像 (b)轿车车牌灰度图像 (c)货车车牌彩色图像 (d)货车车牌灰度图像图2-2车牌图像灰度化对于黄底黑字货车车牌，通过加权平均法后到图像为白底黑字，为了能将货车图像和轿车图像统一解决，依照灰度化图像各像素灰度值之和大小，区别出货车和轿车车牌。其中轿车车牌灰度化后图像像素灰度值之和较小，货车车牌灰度化图像像素灰度值之和较大。图2-3是货车车牌图像取反得到效果图。图2-3 货车车牌灰度图像取反2.4 车牌图像增强在车牌图像采集系统中，通过摄像装置图像采集和计算系统图像转换，会使图像质量下降。由于天气变化、光线变暗导致图像模糊，在图像传播过程中由于噪声污染也会减少图像质量。因而必要对图像进行增强，从而使图像视觉效果得到改进。将灰度车牌图像增强视为了强化图像中感兴趣字符某些，衰减车牌背景某些，从而使字符更加不同于车牌图片背景，这样可以有效获取图像中有用信息，更有助于后续字符分割和辨认工作。增强后车牌图像也许并没有逼近原车牌图像，甚至还会有较大差别。实现图像增强并没有通用办法，怎对每种均有特定增强办法。空间域办法和频域办法是图像增强两大类基本办法。空间域办法是以对图像像素直接解决为基本，在车牌图像平面自身对像素灰度值进行直接运算。频率域解决技术一方面将车牌图像进行傅里叶变换，然后通过设计好滤波器进行解决，滤波器输出图像变换到空间域，即得到车牌图像增强后图像。两者详细内容如下：空间域解决办法涉及点解决、模板解决等；频域解决涉及高、低通滤波、同态滤波等。本论文采用车牌图像增强办法简朴有效，即采用车牌原始灰度图像减去其背景图像，这样便得到增强后车牌图像。车牌灰度图像背景图像是通过开操作进行。在MATLAB中strel()函数作用是得到一张形态学运算（如开闭运、膨胀、腐蚀等）后图片。图2-4前两幅是对质量较好车牌灰度进行图像增强解决，后两幅是对质量较差车牌灰度进行图像增强解决。 （a） (b) (c) (d) (e) (f) (g) (h)图2-4 车牌灰度图像增强由实验图可以看出，通过图像增强解决，车牌中字符和背景区别更大。无论原图像质量如何，图像增强后车牌利于后续二值化解决。2.5 车牌图像二值化所谓图像二值化就是将一幅图像中各种灰度级转化成只有两个灰度级，即图像中每个像素点取值只能是黑（0）或者白（255），整个图像显示出明显黑白效果，中间没有无过渡灰度值。固然二值图像也可以指其她两种颜色足组合，但多数状况都是指黑白两种颜色。这种占用空间很少二值图像，以便突出车牌字符特性，并且有助于后续车牌字符分割与辨认。图像二值化后便进行字符分割操作，因而二值化算法效果会进一步影响车牌字符分割速度和精确度。图像二值化算法涉及局部阈值算法和全局阈值算法两类，局部阈值算法合用于较为复杂场景，算法复杂，实时性较低；基于图像整体特性全局阈值算法较为简朴，将该算法推广到多阈值时，不论图像有无明显双峰，都能得到较好效果。因而，本文采用Ostu全局动态阈值法。其核心思想是依照图像像素灰度值，以阈值X作为比较对象，将图像像素分为不不大于等于X和不大于X两类，然后将类间方差与类间内差相比，比值最大相应阈值变为最佳阈值，并以该最佳阈值对图像进行二值化。图2-5是灰度图像二值化后实验效果图。2-5(a)2-5(b)相应是轿车车牌图像，2-5(c)2-5(d)相应是货车牌图像。 (a)轿车车牌增强后灰度图像 (b) 轿车车牌灰度图像二值化 （c）货车车牌增强后灰度图像 (d)货车车牌灰度图像二值化图2-5 车牌图像二值化解决2.6 本章小结图像几何校正克服了车牌旋转和剪切失真等问题，使得车牌失真减小，通过灰度化和图像增强，改进了图像质量，二值化解决后使图像解决更加简朴。通过这些预解决工作是得车牌字符分割效率与精确度得到提高。3 车牌字符分割3.1 本章引言为了精确地将一幅定位后车牌图像分割出其中具有字符，得到咱们所感兴趣某些，采用了沿水平方向和垂直方向投影办法，能有效地排除车牌边框、铆钉等非字符因素影响。对于在本文实验中二值化亮度图像，字符颜色为纯白色，因而在水平投影和垂直投影具有字符位置其值普通较大，字符之间空白区域在二值化图像中为黑色，由于噪声干扰以及车牌图像不抱负等因素，该区域投影值普通不为0，但接近0。在字符与空白区域边界位置，垂直投影和水平投影值波动非常大，并以此为根据对模板大小以及各个跳变点位置进行初步预计，进而设计两组沿水平方向和垂直方向进行匹配模板。在水平投影和垂直投影方向截取和模板相似大小投影进行匹配，依照最大有关系数，可以得到模板大小和截取投影相对原投影相对位移，进而拟定每个字符起始坐标以及宽度、高度。通过MATLAB绘图工具，结合每个字符位置坐标和宽高参数，对每个字符进行精确分割。在数学软件MATLAB中，一幅图像水平投影和垂直投影可以通过sum()函数来实现。对于一幅图像，其垂直投影就是将图像相应矩阵每一列进行求和,水平投影是将图像相应矩阵每一行进行求和。3.2 水平投影方波模板匹配由于定位后车牌图像在上下方向存水平边框和较大背景区域，如果直接通过车牌先验知识，即车牌字符相对位置比例关系，进行车牌字符分割，每个分割后字符图像会存在大量干扰区域，从而影响背面字符辨认对的率以及效率。本文将水平投影与方波模板进行匹配，能有效消除水平边框带来影响。将定位后每一幅车牌图像大小调节为宽度是588像素，高度是174像素。将图像调节为此大小后，更接近实际车牌长度和宽度比例，这样就能使用较少方波模板得到最佳匹配方波，进而提高方波匹配速度。为了更合理地设计水平投影方波模板，一方面对二值化车牌图像沿水平方向投影，图3-1是车牌图像水平投影在MATLAB软件中效果图。图3-1 车牌图像水平投影从水平投影图可以看出字符区域高度大概为120个像素，因而模板宽度取值范畴设计为91151像素，一共60个方波模板。通过MATLAB实验测试，对于给定宽度588像素，高度174像素二值灰度图像，该数量方波模板可以准拟定位绝大多数车牌字符上下边界。图3-2是为匹配水平投影所设计方波模板。图3-2 水平投影方波模板示意图为了可以在数学软件MATLAB中对方波模板进行操作，需要将60个方波模板存储在内存中。由于方波模板长度不同，因此不能将方波模板以矩阵形式存储在内存中。将模板存储在MATLABcell数据类型中，从而很容易地解决了该问题，并且在cell中对模板存取操作也非常以便。cell类型数据可以构造语法简朴，其元素可以是向量、字符串等。水平方波模板初始化环节如下，一方面定义一种cell数据类型数据Crow,运用for循环将60个初始值为1一维向量存储在Crow中，Crow中第i个元素相应是长度为90+i个像素方波模板。ones(m,n)函数作用是生成一种m行n列矩阵，该矩阵中每个元素均初始化为1。由于设计方波模板在起始位置和结束位置需要数个0值，因此完全意义上方波模板还需要进行如下解决，其作用是将所有1值序列先后各8个值改为0。由于水平投影方波模板取值范畴是91151，因此投影匹配位置相对投影其实位置最大也许偏移为83。定义了一种行数为60，列数为84矩阵用于存储水平投影截取投影和水平投影方波模板有关系数，每个方波模板长度不同，因而每个方波模板相应相应有关系数个数不同，只需将最大有关系数矩阵无意义参数设立为即可。有关系数矩阵第行相应第个方波模板，第列相应截取水平投影相对于原投影初始位置偏移量大小加一所得到值。该矩阵第（，）元素值含义为第个方波模板相应偏移量为-1截取投影和方波模板有关系数。在MATLAB中定义了大小为60行84列矩阵，其初始值为。用zeros（，）函数是来生成一种行列矩阵，该矩阵初始值为。为了计算最佳匹配方波模板其相应截取投影最大偏移量，遍历所有方波模板，再将每个方波与相应截取投影滑动，可以用两层for循环来实现，其中histrow是二值灰度车牌图像水平投影，Crowi为第个方波。为了实现水平投影模板匹配，需要计算截取投影与方波有关系数，其中最核心函数为corr2（A,B）,是用来求两个相似大小矩阵相似性，即为两个相似矩阵有关系数。遍历所有方波模板，以及每个模板相应所有截取投影，便可得到所有方波与任何一位后有关系数矩阵。当得到有关系数矩阵后，需要找到矩阵中最大有关系数，通过该系数所在行和列拟定方波顺序数和偏移量大小。图3-3是将水平投影进行模板匹配所得到字符上下边界实验成果图。 图3-3 车牌字符上下边界3.3 车牌字符垂直投影为了拟定车牌字符左右边界，采用与水平投影相似思路，现将定位后车牌图像进行垂直投影。图3-4是车牌图像垂直投影成果图。图3-4车牌图像垂直投影通过观测垂直投影特点，字符间隔区域垂直投影较小，接近0。去掉左右边框后车牌大概宽度为540，为了更为精确拟定字符左右边界，共设计160组方波，其长度取值范畴426585像素。将长度不同方波存储为cell数据类型。将垂直投影方波模板命名为Ccoll，每个方波取值均为1，为得到真正意义上方波，还需要将某些位置上值设立为0。以车牌先验知识作为置0根据，中华人民共和国大陆车牌原则是长度440mm,宽度140mm，一共7个字符构成，其中每个字符宽度为45mm，高度为90mm，第二个字符与第三字符之间间隔为34mm,其她字符间距间隔为12mm。图3-5是不同长度用来匹配垂直投影方波模板示意图。图3-5垂直投影方波模板示意图为了便于记录每个车牌字符左右边界参数，设定了一系列坐标点，并且定义了一种160行12列矩阵，第i行代表第i个方波，第j列代表第j个坐标点,矩阵（i,j）元素即为第i个方波第j个坐标点像素位置。图3-6显示了各坐标点在方波中所处位置。图3-6 方波参数位置示意图设方波总长度为409，依照字符和间隔区域比例关系，便可以拟定每个坐标点位置，再将实际方波按照比例关系计算出各个坐标大小。对于某个方波，其长度为length，round表达四舍五入取整，则各坐标点参数计算公式如下： x1= round(length/409*45); x2 = round(length/409*57); x3 = round(length/409*102); x4 = round(length/409*136); x5 = round(length/409*181); x6 = round(length/409*193); x7 = round(length/409*238); x8 = round(length/409*250); x9 = round(length/409*295); x10 = round(length/409*307); x11 = round(length/409*352); x12 = round(length/409*364)；依照坐标参数矩阵以及方波模板示意图，可以将方波中间隔区域设立为0，使其为真正意义方波，遍历160个垂直投影方波，共有6段间隔区域需要设立为0。到此为止垂直投影方波模板设计完毕，为了选用出垂直投影最佳匹配方波，需要计算模板方波和每个垂直投影截取等长片段有关系数，得到最大有关系数相应方波和垂直投影截取投影相对于垂直投影起始位置偏移量，通过坐标参数矩阵便能精确地得到每个字符起始位置，并且结合水平投影得到字符上下边界参数便可以对字符进行精确分割。和水平投影获得最大有关参数思路相似，由于垂直投影匹配模板方波长度取值范畴是426585像素，当方波长度取值为426像素时，相应截取垂直投影长度应当与其相似，也为426像素，为了得到垂直投影最佳匹配位置，必要将截取投影移动最大偏移162像素，因此需要一种160行163列矩阵用来存储每个方波和截取垂直投影有关系数。矩阵中第i行表达第i个方波，第j列表达截取垂直投影偏移量加一所得到值，由于只需获得整个矩阵中最大有关系数即可，因此在有关系数矩阵中，对于某个特定方波某些无意义位置设为0即可。定义该有关系数矩阵，其行数为160，列数为163。有关系数矩阵初始值全都为0，接下来通过遍历所有方波模板，计出每偏移一种像素点截取投影与所选方波相应有关系数。和水平投影求得有关系数所用函数同样，同为corr2（）函数，接下来便是获得垂直投影有关系数矩阵最大值所在坐标点。便能得到垂直投影最佳匹配方波以及截取投影相对于原投影偏移量，通过坐标参数矩阵便能拟定所有字符左右边界。3.4 字符分割成果为了进一步验证本文提出基于匹配模板字符分割算法可靠性，对400幅不同场景车牌图像用相似程序进行解决，分别涉及车牌质量良好图像，光线模糊车牌质量退化图像和存在锈迹、污迹图像。依照水平投影和垂直投影到方波模板参数，便能对车牌字符进行分割，图3-7是质量较好轿车和货车车牌图像字符分割成果。 图3-7图像清晰图3-8两幅车牌质量较差，图像模糊，通过本文提出模板匹配算法解决后，也能得到较好字符分割效果 图3-8 图像模糊图3-9车牌字符存在破损和污迹，由于变长模板匹配办法是综合各个字符宽高特性进行字符分割，因而该分割算法具备较强稳定性。 图3-9 字符污损从以上实验成果可以看出，变长模板匹配具备较强抗干扰能力，可以克服图像模糊、字符污损等不利状况，具备较好鲁棒性。本文对400多幅车牌字符图像进行字符分割解决，成果372幅图像可以得到较好字符分割成果。固然，当车牌图像存在较大失真、破损、污染等状况，该字符分割算法也会产生很大误差。3.5 本章小结依照车牌先验知识，设计两组不同长度方波模板，分别用于对水平投影和垂直投影匹配，依照最大有关系数，便能拟定最佳匹配方波，从而拟定字符最佳切分边界。该办法能有效克服尺度变化、光照不均、透视失真等因素影响，从而提高了字符边界拟定精确性。结 论字符分割是车牌辨认系统中非常核心环节，本文提出了基于模板匹配字符分割算法，能有效地克服车牌模糊，剪切失真，字符污损等不利因素，具备较高字符分割效率和精确率。并简介了国内外车牌字符分割研究现状，列举了某些个人和团队研究成果。并简介了车牌格式，车牌先验知识对于匹配模板实际是十分重要，它决定了匹配方波参数设计。现将本文对车牌图像所做解决工作总结如下：（1）由于定位后车牌图像存在旋转和剪切失真，可以通过几何校正，以字符边沿特性和车牌边框为根据，采用了一种边沿投影差分办法，使车牌所有字符都保持水平方向，得到车牌图像正面平行视图。（2）为了将RGB图像转化为灰度图像，运用加权平均值法，将真彩图像灰度化解决，得到灰度图像。（3）为了克服图像模糊，同步使车牌字符和背景区别更加明显，将原始灰度图像与“背景图像”做相减即可。（4）采用Ostu全局动态阈值法将增强后灰度图像转换为二值图像。（5）构造水平投影模板和垂直投影模板，对车牌图像进行模板匹配，通过最佳匹配方波得到各字符最佳分割位置，从而完毕对车牌字符分割工作。总之，该办法以车牌字符水平和垂直投影特性为根据，可以自适应地解决光线照射不均匀、透视失真、尺度变化、以及背景干扰等问题，稳定性较好，抗干扰能力较强。