基于matlab的车牌识别系统的设计附程序详解注释样本.doc

焦 作 大 学毕业设计(论文)阐明书作 者： 学 号： 学院(系)： 信息工程学院 专 业： 通信技术 题 目： 基于matlab车牌辨认系统设计 主 题： 指引教师： 职称： 讲师 12月 摘 要汽车车牌辨认系统是当代智能交通管理重要构成某些之一。车牌辨认系统使车辆管理更智能化，数字化，有效提高了交通管理以便性和有效性。车牌辨认系统重要涉及了图像采集、图像预解决、车牌定位、字符分割、字符辨认等五大核心某些。本文重要简介图像预解决、车牌定位、字符分割三个模块实现办法。本文图像预解决模块是将图像灰度化和用Roberts算子进行边沿检测环节。车牌定位和分割采用是运用数学形态法来拟定车牌位置，再运用车牌彩色信息彩色分割法来完毕车牌部位分割。字符分割采用办法是以二值化后车牌某些进行垂直投影，然后在对垂直投影进行扫描，从而完毕字符分割。本文即是针对其核心某些进行阐述并使用MATLAB软件环境中进行字符分割仿真实验。核心词：MATLAB、图像预解决、车牌定位、字符分割ABSTRACTVehicle license plate 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 acquisition，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 the 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 segmentation. 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 simulation experiments for character segmentation.Keywords：MATLAB software，image preprocessing，license plate localization，character segmentation .目 录1. 绪论1 1.1 本课题研究背景11.2 本课题研究目及意义21.3 国内外发展状况31.4 重要应用领域51.5 设计原理62. MATLAB简介72.1 MATLAB发展历史72.2 MATLAB语言特点73工作流程93.1 系统框架构造和工作流程94各模块实现114.1设计方案114.2图像预解决114.2.1图像灰度化114.2.2图像边沿检测124.3车牌定位和分割144.3.1车牌定位154.3.2车牌分割164.3.3对定位后彩色车牌进一步解决174.4字符分割和归一化解决17 4.4.1字符分割18 4.4.2字符归一化解决194.5 字符辨认195实验成果和分析226实验总结24道谢25参照文献26程序附录27第一章 绪论1.1 本课题研究背景当代社会已进入信息时代，随着计算机技术、通信技术和计算机网络技术发展，自动化信息解决能力和水平不断提高，作为当代社会重要交通工具之一汽车在人们生产生活各个领域得到大量使用，对她信息进行自动采集和管理具备十分重要意义，成为信息解决技术一项重要研究课题。此外，智能交通系统，简称ITS（Intelligent Traffic System）已成为当代社会道路交通发展趋势。只能交通系统，是在当代科学技术高速发展背景下产生。其目的在于将钞票计算机解决技术、数据通信技术、自动控制技术等综合应用于地面交通管理体系，从而建立起一种高效、精确、实时交通管理系统。公路交通基本建设不断发展和车辆管理体制不断完善，为以视觉监控为基本智能交通系统实际应用打下了良好基本。在智能交通系统中，车牌自动辨认系统是一种非常重要发展方向。车牌自动辨认系统简称ALPRS或LPRS，该系统可以对车辆进行自动登记、验证、监视、报警。系统应用场合涉及：高速公路，桥梁，隧道等收费管理系统。都市交通车辆管理，智能社区、智能停车场管理，车牌验证，车流记录等。同步，汽车牌照自动辨认基本办法还可以应用到其她检测和辨认领域，因此车牌自动辨认问题已成为当代交通工程领域中研究重点和热点问题之一。车牌辨认系统是一项科技含量很高各种技术结合产品，重要有计算机视觉、数字图像解决、数字视频解决、模式辨认等技术构成。也是智能交通系统核心技术，产生于60年代。在80年代，由于都市交通问题日益严重，美国和欧洲许多国家投入了大量人力和物力，建立了自动化高速公路网，安装了摄像、雷达探测系统和光纤网络，简历智能交通系统。在美国、欧洲、日本等发达国家带动下，世界各国也开始简历智能交通系统。由于公路车流量日益增大、道路交通日益拥挤，车辆管理相对越来越困难，因而各个发达国家和发展中华人民共和国家都在积极建设适应将来交通运送需求智能交通系统。车牌号辨认系统是基于图像解决技术基本进行研究。本课题图像解决分为如下几方面：1.图像数字化其目是将模仿形式图像通过数字化设备变为数字计算机可用离散图像数据。2.图像变换为了达到某种目而对图像使用一种数学技巧,通过变换后图像更为以便、容易地解决和操作。3.图像增强图像增强重要目的是改进图像质量。采用某些解决技术来突出图像中某些信息,削弱或消除某些无关信息,从而有目地强调图像整体或局部特性，让观测者能看到更加直接、清晰分析和解决图像。直方图修正、灰度变换、强化图像轮廓等都是惯用手段。4.图像分割在图像研究和应用中,人们往往仅对图像某些某些感兴趣。它们普通相应图像中待定、具备独特性质区域。图像分割就是把图像中需要那一种某些分割出来。5.图像分析图像分析内容分为特性提取、图像分割、符号描述、和图像检测与匹配。1.2 本课题研究目及意义车牌辨认系统重要任务是分析和解决摄取到复杂背景下车辆图像，定位分割牌照，最后自动辨认汽车牌照上字符，车牌辨认是运用车辆牌照唯一性来辨认和记录车辆，它是以数字图像解决、模式辨认、计算机视觉等技术为基本智能辨认系统。在当代化交通发展中车牌辨认系统是制约交通系统智能化、当代化重要因素，车牌辨认系统应当可以从一幅图像中自动提取车辆图像，自动分割牌照图像，对字符进行对的辨认，从而减少交通管理工作复杂度。车牌辨认系统将获取车辆图像进行一系列解决后，以字符串形式输出成果，这样不但数据量小，便于存储，操作起来也更容易，因而车牌辨认系统便捷性是人工车牌辨认所不能比拟，它蕴藏着很大经济价值和发展空间，对车牌辨认技术研究是非常故意义。在车牌辨认系统中最为重要两个技术是车牌定位和车牌字符辨认，这两个技术好坏直接影响到整个车牌辨认系统实时性和精确性。国内外己有不少学者对车牌定位技术做了大量研究，但在实际应用中还没有一种有效可行办法，如由于车辆抖动导致车牌图像歪斜、由于污迹和磨损导致车牌字符模糊、由于光照不均导致车牌图像模糊等都会或多或少影响到车牌定位精确度。针对以上实际状况，诸多学者开始在鉴于车牌图像自身特性基本上研究车牌定位技术，并先后提出了某些有效定位办法，以减小种种主、客观因素对车牌定位精确度影响。然而智能交通不断发展使得对车牌定位系统有了更高规定，重要体当前系统实时性和精确性。 车牌字符辨认实质是对车牌上中文、字母和数字进行迅速精确辨认并以字符串形式输出辨认成果，字符辨认技术是整个车牌辨认系统核心。车牌辨认系统与其他图像辨认系统相比较而言要复杂多，在字符辨认中，中文辨认是最难也是最核心某些，诸多国外较为成熟车牌辨认系统无法进入中华人民共和国市场因素就在于无法有效辨认中文。此外，由于外界环境影响，系统必要保证可以在任何天气状况下全天不间断正常工作。到当前为止，在众多车牌自动辨认办法中还没有一种可以达到抱负效果，因而对车牌辨认技术研究意义重大。1.3 国内外发展状况从20世纪90年代初，国外就已经开始了对汽车牌照自动辨认研究，其重要途径就是对车牌图像进行分析，自动提取车牌信息，拟定汽车牌号。在各种应用中，有使用模糊数学理论也有用神经元网络算法来辨认车牌中字符，但由于外界环境光线变化、光路中有灰尘、季节环境变化及车牌自身比较模糊等条件影响，给车牌辨认带来较大困难。国外有关研究有：(1)J Barroso提出基于扫描行高频分析办法； (2) I.T. Lancaster提出类字符分析办法等。为理解决图像恶化问题，当前国内外采用积极红外照明摄像或使用特殊传感器来提高图像质量，继而提高辨认率，但系统投资成本过大，不适合普遍推广。 车牌辨认系统中两个核心子系统是车牌定位系统和车牌字符辨认系统。 关于车牌定位系统研究，国内外学者已经作了大量工作，但实际效果并不是很抱负，例如车牌图像倾斜、车牌表面污秽和磨损、光线干扰等都是影响定位精确度潜在因素。为此，近年来不少学者针对车牌自身特点，车辆拍摄不良现象及背景复杂状况，先后提出了许多有针对性定位办法，使车牌定位在技术和办法上均有了很大改进.然而当代化交通系统不断提高快节奏，将对车牌定位精确率和实时性提出更高规定。因而进一步加深车牌定位研究是非常必要。 车牌字符辨认是在车牌准拟定位基本上，对车牌上中文、字母、数字进行有效确认过程，其中中文辨认是一种难点，许多国外LPR系统也往往是由于中文难以辨认而无法打入中华人民共和国市场，因而探寻好办法解决字符辨认也是至关重要。当前己有办法诸多，但其效果与实际规定相差很远，难以适应当代化交通系统高速度、快节奏规定。因而对字符辨认进一步研究也同样具备急迫性和必要性。 从实用产品来看，如以色列Hi-Tech公司研制各种See/Car system，适应于几种不同国家车牌辨认，就针对中华人民共和国格式车牌See/Car syste而言，它不能辨认中文，且辨认率有待提高。新加坡Optasia公司VLPRS产品，适合于新加坡车牌，此外日本、加拿大、德国、意大利、英国等西方发达国家均有适合于本国车牌辨认系统。 国内实际状况有所不同，国外实际拍摄条件比较抱负，车牌比较规范统一，而国内车牌规范不够，不同汽车类型有不同规格、大小和颜色，因此车牌颜色多，且位数不统一，对解决导致了一定困难。在待解决车牌图像中就有小功率汽车使用蓝底白字牌照，大功率汽车所用黄底黑字牌照，军车和警车白底黑字，红字牌照，尚有国外驻华机构黑底白字牌照等。就位数而言，有七位数字，有武警车九位数字，有军车、前两位字符上下排列等，因此也导致了解决难度。 国内做得较好产品重要是中科院自动化研究所汉王公司“汉王眼”，此外国内亚洲视觉科技有限公司、深圳市吉通电子有限公司、中智交通电子系统有限公司等均有自己产品，此外西安交通大学图像解决与辨认研究室、上海交通大学计算机科学与工程系、清华大学、浙江大学等都做过类似研究。普通解决时为了提高系统辨认率，都采用了某些硬件探测器和其她辅助设备如红外照明等，其中“汉王眼”就 是采用积极红外照明和光学滤波器来削弱可见光不可控制影响，减少恶劣气候和汽车大小灯光影响，此外还规定在高速公路管理窗口到“汉王眼”辨认点埋设两条线路管 道，一条管道铺设220伏50赫兹1安培交流供电线路:另一条管道铺设触发信号线路和汉王眼与管理计算机通讯线路，投资巨大，不适合于大面积推广。 此外，尚有两种专门技术被用于车牌辨认中，条形码辨认技术和无线射频技术。条形码辨认规定预先在车身上印刷条形码，在系统某一固定位置上安装扫描设备，通过扫描来读取条形码，以达到辨认车辆目。无线射频技术规定在车内安装标示卡，在系统某一位置安装收发器等装置，通过收发器来接受标示卡信号，从而辨认出通过车辆。显然，这两种技术更难以推广。 从当前某些产品性能指标可以看出，车牌辨认系统辨认率和辨认速度有待提高。当代交通飞速发展以及车牌辨认系统应用范畴日益拓宽给车牌辨认系统提出了更高规定。因而，研究高速、准拟定位与辨认算法是当前重要任务，而图像解决技术发展与摄像设备、计算机性能提高都会增进车牌辨认技术发展，提高车牌辨认系统性能。1.4 重要应用领域车牌自动辨认系统具备广泛应用范畴，重要应用于：(1)高速公路收费、监控管理；(2)社区、停车场管理；(3)都市道路监控、违章管理；(4)车牌登录、验证；(5)车流记录、安全管理等。车牌自动辨认系统应用于这些系统，可以解决通缉车辆自动稽查问题，可以解决车流高峰期因出入口车流瓶颈导致路桥卡口、停车场交通堵塞问题，可以解决因工作人员作弊导致路桥卡口、高速公路、停车场应收款流失问题，还可以以最简朴方式完毕交通部门车辆信息联网，解决数据记录自动化，模糊查询问题。车牌自动辨认系统可安装于公路收费站、停车场、十字路口等交通关卡处，其详细应用可概括为： (l)交通监控运用车牌辨认系统摄像设备，可以直接监视相应路段交通状况，获得车辆密度、队长、排队规模等交通信息，防范和观测交通事故。它还可以同雷达测速器或其她检测器配合使用，以检测违犯限速值车辆。当发现车辆超速时，摄像机获取该车图像，并得到该车牌照号码，然后给该车超速警告信号。 (2)交通流控制指标参量测量，为达到交通流控制目的，某些交通流指标测量相称重要。该系统可以测量和记录诸多交通流指标参数，如总服务流率，总行程时间，总流入量流出量，车型及车流构成，日车流量，小时/分钟车流量，车流高峰时间段，平均车速，车辆密度等。这也为交通诱导系统提供必要交通流信息。 (3)高速公路上事故自动测报这是由于该系统可以监视道路状况和测量交通流量指标，能及时发现超速、堵车、排队、事故等交通异常现象。 (4)对养路费交纳、安全检查、运营管理实行不断车检查依照辨认出车牌号码从数据库中调出该车档案材料，可发现没及时交纳养路费车辆。此外，该系系统还可发现无车牌车辆。若同车型检测器联用，可迅速发现所挂车牌与车型不符车辆。 (5)车辆定位由于能自动辨认车牌号码，因而极易发现被盗车辆，以及定位出车辆在道路上行驶位置。这为防范、发现和追踪涉及车辆犯罪，保护重要车辆(如运钞车)安全有重大作用，从而对都市治安及交通安全有重要保障作用。 车牌自动辨认系统拥有辽阔应用前景，但若在每个街口都装配一套全新车辆探测器硬件系统则投资巨大，因此急需一种纯软件实行车牌自动辨认系统来最大限度减少费用，而纯软件设计，不但投资小并且灵活性高，适合国内国情。1.5 设计原理车牌辨认系统摄像头通过对通过指定区域机动车辆进行拍照，由于照片会受到光照、拍摄位置和车辆行驶速度影响，导致拍摄图片不能精确拟定汽车车牌。而车牌辨认系统就通过对机动车辆照片进行图像预解决、车牌定位、字符分割、字符辨认等技术手段，从而得到清晰机动车牌照照片，从而提高当代智能交通管理效率，可以说车牌辨认系统对于当代智能交通至关重要。第二章 MATLAB简介2.1 MATLAB发展历史MATLAB是一门计算机编程语言，取名来源于Matrix Laboratory，本意是专门以矩阵方式来解决计算机数据，它把数值计算和可视化环境集成到一起，非常直观，并且提供了大量函数，使其越来越受到人们爱慕，工具箱越来越多，应用范畴也越来越广泛。MATLAB以商品形式浮现后，仅短短几年，就以其良好开放性和运营可靠性，使原先控制领域里封闭式软件包（如英国 UMIST ，瑞典 LUND，和 SIMNON ，德国 KEDDC ）纷纷裁减，而改以 MATLAB 为平台加以重建。在时间进入 20 世纪九十年代时候，MATLAB 已经成为国际控制界公认原则计算软件。到九十年代初期，在国际上 30 几种数学类科技应用软件中，MATLAB 在数值计算方面独占鳌头，而 Mathematica 和 Maple 则分居符号计算软件前两名。 Mathcad 因其提供计算、图形、文字解决统一环境而深受中学生欢迎。 国际学术界，MATLAB 已经被确以为精确、可靠科学计算原则软件。在许多国际一流学术刊物上，（特别是信息科学刊物），都可以看到 MATLAB 应用。 在设计研究单位和工业部门，MATLAB 被认作进行高效研究、开发首选软件工具。如美国 National Instruments 公司信号测量、分析软件 Lab VIEW ，Cadence 公司信号和通信分析设计软件 SPW 等，或者直接建筑在 MATLAB 之上，或者以 MATLAB 为重要支撑。又如 HP 公司 VXI 硬件，TM 公司 DSP ，Gage 公司各种硬卡、仪器等都接受 MATLAB 支持。2.2 MATLAB语言特点一种语言之因此能如此迅速地普及，显示出如此旺盛生命力，是由于它有着不同于其她语言特点。正犹如FORTRAN和C等高档语言使人们挣脱了需要直接对计算机硬件资源进行操作同样，被称作为第四代计算机语言MATLAB，运用其丰富函数资源，使编程人员从繁琐程序代码中解放出来。MATLAB最突出特点就是简洁。MATLAB用更直观、符合人们思维习惯代码，代替了C和FORTRAN语言冗长代码。MATLAB给顾客带来是最直观、最简洁程序开发环境。如下简朴简介一下MATLAB重要特点：（1）语言简洁紧凑，使用以便灵活，库函数极其丰富。MATLAB程序书写形式自由，运用其丰富库函数避开繁杂子程序编程任务，压缩了一切不必要编程工作。由于库函数都由本领域专家编写，顾客不必紧张函数可靠性。可以说，用MATLAB进行科技开发是站在专家肩膀上。 （2）运算符丰富。由于MATLAB是用C语言编写，MATLAB提供了和C语言几乎同样多运算符，灵活使用MATLAB运算符将使程序变得极为简短。（3）MATLAB既具备构造化控制语句（如for循环、while循环、break语句和if语句），又有面向对象编程特性。（4）语法限制不严格，程序设计自由度大。例如，在MATLAB里，顾客无需对矩阵预定义就可使用。 （5）程序可移植性较好，基本上不做修改就可以在各种型号计算机和操作系统上运营。 （6）MATLAB图形功能强大。在FORTRAN和C语言里，绘图都很不容易，但在MATLAB里，数据可视化非常简朴。MATLAB还具备较强编辑图形界面能力。 （7）MATLAB缺陷是，它和其她高档程序相比，程序执行速度较慢。由于MATLAB程序不用编译等预解决，也不生成可执行文献，程序为解释执行，因此速度较慢。 （8）功能强劲工具箱是MATLAB另一重大特色。MATLAB包括两个某些：核心某些和各种可选工具箱。核心某些中有数百个核心内部函数。其工具箱又可分为两类：功能性工具箱和学科性工具箱。功能性工具箱重要用来扩充其符号计算功能、图示建模仿真功能、文字解决功能以及与硬件实时交互功能。功能性工具箱能用于各种学科。而学科性工具箱是专业性比较强，如control、toolbox、signal processing toolbox、communication toolbox等。这些工具箱都是由该领域内学术水平很高专家编写，因此顾客无需编写自己学科范畴内基本程序，而直接进行高、精、尖研究。下表列出了MATLAB核心某些及其工具箱等产品系列重要应用领域。第三章 工作流程3.1系统框架构造和工作流程 汽车牌照辨认（LPR）系统通过引入数字摄像技术和计算机信息管理技术，采用先进图像解决、模式辨认和人工智能技术，通过对图像采集和解决，获得更多信息，从而达到更高智能化管理限度。在LPR 系统产品性能指标中，辨认率和辨认速度难以同步提高其中因素既涉及图像解决技术不够成熟，又受到摄像设备计算机等性能限制。因而，研究高速准拟定位与辨认算法，是当前重要任务。 汽车车牌自动辨认系统重要涉及触发拍照、图像采集、图像预解决、车牌定位、字符分割、字符辨认、输出成果等单元。图像采集车牌定位字符分割字符辨认输出成果触发牌照图像预解决图1.1车牌辨认系统工作流程图触发拍照：该单元会自动检测车辆在指定区域存在，既有成熟技术有线圈触发、视频触发、红外触发、雷达触发以及激光触发。其中线圈触发和视频触发得到了广泛应用。图像采集：该单元是指道路上安装摄像头在检测到有车辆通过同步进行拍照并借助网络传送到汽车自动辨认系统。图像预解决：该单元是指车牌辨认系统对拍摄汽车图片进行灰度化和边沿检测等解决。在外界光照不均匀，光照强度不稳定状况下，通过摄像机采集到车牌原始图像会模糊不清，因而需要对其进行图像增强解决；在外界环境噪声以及电子器件自身产生噪声干扰下，车牌图像质量会有所下降，因而需要对原图像进行去噪解决等等。以上所做这些解决均属于图像预解决工作。车牌定位：是指对预解决过汽车图片进行解决，把车牌某些进行定位，把无用某些去除，得到定位好车牌图片。在一张完整车辆图像中，大某些区域都是背景图像，对辨认工作毫无意义，咱们可以将背景区域视为无用区域，并设法将其去除，即从复杂背景图像中准拟定位并分割出车牌区域图像，从原图像中提取出需要某些舍弃不需要某些，以便节约系统辨认时间，这也是车牌定位分割目及意义所在。在定位分割过程中要保证不能把非车牌区域误判为车牌区域，也不能漏检车牌区域，否则后继工作将无法进行。字符分割：对已经定位车牌图片进行字符分割，将车牌分割为7个单一字符图片。被分离出车牌区域图像，系统并不能直接对其进行辨认，还需要将车牌上每一种字符都独立完整分割出来，即从车牌区域图像中将车牌上所包括每一种字符都切分出来，使其成为不具备任何有关性单个字符图像，再由系统分别对每个字符进行辨认，在对字符进行切分时，要注意保证每个字符完整度。字符辨认：车牌字符辨认是最为核心一步，前面对车牌图像所做解决都是为了完毕最后辨认。系统输入是单个字符图像，输出却是文本格式完整车牌号码，车牌字符辨认精确率直接反映出车牌辨认系统性能好坏。输出成果：输出辨认成果，并进行数据存储。对于车牌辨认系统而言，以上每一种环节都是必不可少，并且后一环节均是建立在前面环节基本之上进行，因而，只有保证做好每一步才干顺利完毕系统最后辨认工作。第四章 各模块实现车牌辨认系统涉及图像采集、图像预解决、车牌定位、字符分割、字符辨认等模块，本文重要研究图像预解决、车牌定位和字符分割三个模块。4.1 设计方案：该系统重要是由图像解决和字符辨认两某些构成。其中图像解决某些涉及图像预解决、边沿提取模块、牌照定位以及分割模块。字符辨认某些可以分为字符分割与特性提取和单个字符辨认两个模块。字符辨认某些规定照片清晰，但由于该系统摄像头长时间在室外工作，加上光照条件、摄像头角度和距离、车辆自身条件以及车辆行驶速度影响，想拍出较抱负图片很困难。因而，咱们要对摄像头拍摄图片进行预解决，重要涉及图片灰度化和图片边沿提取等。 车牌定位和车牌分割是整个系统核心，其作用是在经图象预解决后灰度图象中拟定牌照详细位置，并将包括牌照字符一块子图象从整个图象中分割出来，供字符辨认子系统辨认之用，分割精确与否直接关系到整个牌照字符辨认系统辨认率。 车牌辨认系统最后目就是将不清晰车牌照片进行辨认，输出清晰图片。当前字符辨认惯用办法有模板匹配法和神经网络模型法。4.2图像预解决4.2.1图像灰度化：汽车图像样本当前大都是通过摄像机、数码相机等设备拍摄获取，因而预解决前图像都是彩色图像。真彩色图像又称RGB图像，它是运用R、G、B分量表达一种像素颜色，R、G、B分别代表红、绿、蓝3种不同颜色，通过三基色可以合成出任意颜色。而每个分量有255种值可取，这样一种像素点可以有,1600多万（255*255*255）颜色变化范畴。而灰度图像是R、G、B三个分量相似一种特殊彩色图像，每一种像素点变化范畴为255种，因此在数字图像解决种普通先将各种格式图像转变成灰度图像以使后续图像计算量变得少某些。灰度图像描述与彩色图像同样依然反映了整幅图像整体和局部色度和亮度级别分布和特性。因此，对一种尺寸为m*n彩色图像来说，存储为一种m*n*3多维数组。彩色图像包括着大量颜色信息，不但在存储上开销很大，并且在解决上也会减少系统执行速度。由于图像每个象素都具备三个不同颜色分量，存在许多与辨认无关信息，不便于进一步辨认工作，因而在对图像进行辨认等解决中，经常将彩色图像转变为灰度图像，以加快解决速度。数字图像分为彩色图像和灰度图像。在RGB模型中，如果R=G=B，则颜色表达一种灰度颜色，其中R=G=B值叫做灰度值。由彩色转换为灰度过程叫做灰度化解决。灰度图像就是只有强度信息而没有颜色信息图像，存储灰度图像只需要一种数据矩阵，矩阵每个元素表达相应位置像素灰度值。彩色图像象素色为RGB (R，G，B )，灰度图像象素色为RGB ( r，r，r )，R，G，B可由彩色图像颜色分解获得.而R，G，B取值范畴是0-255,因此灰度级别只有256级。 对于将彩色图像转换成灰度图像时， 当前比较主流灰度化办法叫平均值法，公式为： H=0.229R+0.588G+0.144B 公式中H表达灰度图亮度值；R代表彩色图像红色分量值；G代表色彩图像绿色分量值；B代表彩色图像蓝色分量值。RGB 三分量前系数为经验加权值。加权系数取值建立在人眼视觉模型之上。对于人眼较为敏感绿色取较大权值； 对人眼较为不敏感蓝色则取较小权值。通过该公式转换灰度图可以比较好地反映原图像亮度信息。 在MATLAB中咱们可以调用im2gray函数对图像进行灰度化解决。4.2.2图像边沿检测： 边沿是指图像灰度发生空间突变或者在梯度方向上发生突变像素集合。用摄像机采集到机动车图像由于受到噪声干扰以及车辆自身影响，使得获得图像质量不抱负。因而，在进行对汽车牌照定位及字符辨认之前需要先对车辆图像进行边沿检测解决，提高图像质量，使其易于背面分割和辨认。通过良好边沿检测可以大幅度减少噪声、分离出复杂环境中车辆图像、保存完好车牌字符信息，以便背面车牌精准定位与字符辨认。 由于车牌辨认系统摄像头安装位置固定以及机动车车牌固有属性，咱们可以发现机动车车牌图像都处在水平矩形区域，在图像中位置较为固定，车牌中字符都是按水平方向排列。由于有这些明显特性，通过恰当图像变换，可以清晰呈现出车牌边沿。本文采用典型Roberts边沿检测算子来对图像进行边沿检测。灰度化和边沿检测MATLAB程序如下：I=imread(car.jpg);figure(1),imshow(I);title(原图)I1=rgb2gray(I);figure(2),subplot(1,2,1),imshow(I1);title(灰度图);figure(2),subplot(1,2,2),imhist(I1);title(灰度图直方图);I2=edge(I1,robert,0.08,both);figure(3),imshow(I2);title(robert算子边沿检测)图4.1 原图图4.2 灰度图图4.3 Robert算子边沿检测4.3车牌定位和分割 该系统摄像头拍摄图片是整个机动车图片，而只有车牌某些是对系统有用。因此咱们要对照片进行车牌定位和分割。车牌定位和分割是从通过图像预解决后灰度图像中拟定牌照位置，并将车牌某些从整个图像中分割出来，从而进行字符辨认。车牌图像灰度图车牌某些是一种水平度很高长方形图样，在原图中比较集中，且灰度值和周边图样有明显差别，因而很容易用边沿检测来对图像进行分割。车牌定位和分割精确度直接关系到最后字符辨认质量。对图像进行图像腐蚀除去图像杂质通过计算寻找X和Y方向车牌区域完毕车牌定位对定位后彩色车牌进一步解决图4.4车牌定位流程图4.3.1车牌定位 机动车图像通过灰度化和边沿检测解决后，边沿得到了加强，牌照区域已经非常明显。本文采用是用数学形态学来进行图像解决和模式辨认。数学形态学用品有一定形态机构元素去量度和提取图像中相应形状以达到对图像分析和辨认目，能有效去除噪声，保存图像原有信息同步提取边沿比较平滑，提取图像骨架也比较持续，断点少。当前咱们将通过预解决图像进行图像腐蚀以及去除杂质，就可以得到相对精确车牌位置。图4.5腐蚀后图像图4.6 平滑图像轮廓图4.7从对象中移除小对象后图像4.3.2车牌分割 车牌字符分割是车牌自动辨认系统中重要环节，这一模块对的性受到诸多因素影响，最大问题是二值化不彻底使投影图像中字符间波谷不够分明；另一方面，车牌污损、反光、光照不均等因素使车牌图像交差，存在大量噪声；再次，车牌边框和铆钉也会导致分割不对的；尚有车牌前两个字符和背面五个字符之间间隔符（小圆点）对字符辨认有影响；车牌旋转对水平分割有较大影响。本文车牌某些分割采用是运用车牌彩色信息彩色分割法。使用记录彩色像素点办法分割出车牌区域，拟定车牌底色蓝色RGB相应灰度范畴，然后记录在行方向颜色范畴内像素点数量，拟定车牌在行方向区域。然后，在分割出行区域内，记录列方向蓝色像素点数量，最后拟定完整车牌区域。图4.8车牌对位图像4.3.3对定位后彩色车牌进一步解决 定位后车牌图像是彩色，会占用较大存储空间，加重计算机承担。且车辆图片不可避免存在噪声，因此要对图像进行灰度化，二值化以及滤波解决。图像二值化解决就是将图像上点灰度置为两个数值，普通为0或255，使整个图像呈现出明显黑白效果。也就是将256个亮度级别灰度图像通过恰当门限值选用而获得依然可以反映图像整体和局部特性二值化图像。滤波则是为了除去图像噪声。滤波办法有各种，本文采用滤波办法为均值滤波。均值滤波是典型线性滤波算法，指在图像上对目的像素给一种模板，该模板涉及了其周边临近像素。再用模板中全体像素平均值来代替本来像素值。图4.9车牌进一步解决4.4字符分割与归一化m，n=size（d），逐排检查有无白色像素点，设立1=jn-1，若图像两边s（j）=0，则切割，去除图像两边多余某些切割去图像上下多余某些依照图像大小，设立一阈值，检测图像X轴，若宽度等于这一阈值则切割，分离出七个字符归一化切割出来字符图像大小为40*20，与模板中字符图像大小相匹配图4.10 字符分割和归一化流程图4.4.1字符分割 在汽车牌照自动辨认过程中，字符分割有承前启后作用。它在前期牌照定位基本上进行字符分割，然后再运用分割成果进行字符辨认。将得到车牌区域图像进行二值化解决后，对图像进行垂直投影，投影图上有明显类似于峰谷波形起伏变化， 通过对投影图上波形从左向右进行扫描，依照谷和峰特性就可以判断出每个字符位置；计算垂直峰，检测合理字符高宽比。在字符切割时,往往由于阈值获得不好，导致字符切割不精确，针对这种状况，可以对切割出字符宽度进行记录分析，用以指引切割，对因错误切割过宽字符进行分裂解决。图4.11 字符分割后图像4.4.2字符归一化解决 由于数码相机拍摄汽车图像大小不同样， 因此得到牌照上字符大小就不同样，为了便于字符辨认，需要对字符进行归一化解决。归一化解决目就是使车牌字符同原则模块里面字符特性同样。而大小归一是指在长度和宽度方向上分别乘以一种比例因子，使其等于原则模块字符大小，本文采用大小归一办法是分别从水平投影和垂直投影两个方向上对字符象素大小进行归一化解决。图4.12字符归一化后图像4.5字符辨认 字符辨认当前用于车牌字符辨认(OCR)中算法重要有基于模板匹配OCR算法以及基于人工神经网络OCR算法。基于模板匹配OCR基本过程是:一方面对待辨认字符进行二值化并将其尺寸大小缩放为字符数据库中模板大小，然后与所有模板进行匹配，最后选最佳匹配作为成果。模板匹配重要特点是实现简朴，当字符较规整时对字符图像缺损、污迹干扰适应力强且辨认率相称高。综合模板匹配这些长处咱们将其用为车牌字符辨认重要办法。 模板匹配是图象辨认办法中最具代表性基本办法之一，它是将从待辨认图象或图象区域f(i,j)中提取若干特性量与模板T(i,j)相应特性量逐个进行比较，计算它们之间规格化互有关量，其中互有关量最大一种就表达期间相似限度最高，可将图象归于相应类。也可以计算图象与模板特性量之间距离，用最小距离法鉴定所属类。然而，普通状况下用于匹配图象各自成像条件存在差别，产生较大噪声干扰，或图象经预解决和规格化解决后，使得图象灰度或像素点位置发生变化。在实际设计模板时候，是依照各区域形状固