基于MATLAB的车牌识别专业系统设计.doc

本科毕业设计
题目
基于MATLAB车牌识别系统设计

作 者： 邹思凡
专 业： 自动化(本一)
指导老师： 徐一鸣
完成日期： 6月1日

原 创 性 声 明

本人申明：所呈交论文是本人在导师指导下进行研究结果。除了文中尤其加以标注和致谢地方外，论文中不包含其它人已发表或撰写过研究结果。参与同一工作其它同志对本研究所做任何贡献均已在论文中作了明确说明并表示了谢意。

签 名： 日 期：

本论文使用授权说明

本人完全了解南通大学相关保留、使用学位论文要求，即：学校有权保留论文及送交论文复印件，许可论文被查阅和借阅；学校能够公布论文全部或部分内容。
（保密论文在解密后应遵守此要求）

学生署名： 指导老师署名： 日期：

南 通 大 学
毕 业 设 计（论文）

题目： 基于MATLAB车牌识别系统设计 　

姓 名： 邹思凡　　　　
指导老师： 徐一鸣　　　　
专 业： 自动化(本一)　　　

南通大学电气工程学院
年6月1日

摘 要
近几年，伴随现代社会发展，汽车数量越来越多，研究智能交通系统是势在必行。其应用场所包含：违章车辆抓拍、不停车自动收费、交通流量检测、停车场车辆管理、失窃车辆查询等方面，含有巨大市场前景及商业价值。车牌识别系统在智能交通系统中地位举足轻重。基于MATLAB车牌识别系统需要识别车牌图像，其中要包含到图像处理技术、人工神经网络、模式识别技术。
本文简明介绍了中国外车牌识别系统研究现实状况和发展趋势，并结合车牌识别各模块，选择了对应算法。利用MATLAB软件仿真达成了图像预处理、车牌定位、车牌字符分割和车牌字符识别四大模块效果。
仿真结果证实，此次设计车牌识别系统基础能够实现车牌识别、车牌定位、字符分割及字符识别功效。本试验共对60张车牌图片进行了识别，其中总共包含了420个字符，识别中错误字符38个，正确率达成了90.5% 。本系统基础能够满足车牌识别各个功效，能够应用于实际生活中。

关键词：车牌识别，车牌定位，字符识别，字符分割，MATLAB

ABSTRACT
Last few years, with the development of modern society, the increase of city vehicles is rapid and the further research of the Intelligent Transportation System is increasingly important. Its applications include: electronic policeman, electronic toll collection system, traffic flow control, parking lot management, stolen vehicle inquiry, etc. It has a broad market prospects and commercial value. The License Plate Recognition System plays a pivotal role in the Intelligent Transportation System. The License Plate Recognition System based on MATLAB needs to recognize the license plate and it involves image processing, artificial neural networks, pattern recognition technology and some other fields.
This article introduces the current research situation, the development trend of domestic and foreign license plate recognition system and selects the appropriate algorithms combined with each module of the license plate recognition system. We use the MATLAB software simulator and achieve good effects of four modules which are the image preprocessing, license plate location, license plate character segmentation and license plate character recognition.
The simulation result shows that this license plate recognition system designed basically achieved the function of the license plate recognition, license plate location, character segmentation and character recognition. In this study, a total of 420 license plate images are identified, which contains 38 wrong characters, with the correct rate reaching to 90.5%. The system can basically meet the various functions of license plate recognition and it can be applied to real life.

Key words: license plate location, character recognition, character segmentation, MATLAB

目 录
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1课题背景及意义 1
1.2 智能交通系统概述 1
1.3 车辆识别技术介绍 2
1.4 车牌识别系统组成和设计 3
1.5本论文关键研究内容 5
第二章 车牌图像预处理 6
2.1 引言 6
2.2 图像格式转换及尺寸归一化 6
2.3 图像灰度化 7
2.4 边缘检测 9
2.5 图像二值化 10
2.6 数学形态学处理 14
第三章 车牌定位及字符分割 16
3.1 引言 16
3.2 车牌定位算法介绍 16
3.3 本文车牌定位算法 17
3.4车牌倾斜矫正 17
3.5 车牌边框去除 20
3.6 车牌字符分割 20
3.6.1 车牌规格 20
3.6.2车牌分割算法 21
第四章 车牌字符识别 23
4.1引言 23
4.2 车牌字符识别常见方法 23
4.2.1基于模板匹配字符识别算法 23
4.2.2 基于支持向量机字符识别算法 24
4.2.3 基于人工神经网络字符识别算法 25
4.3 BP神经网络结构 26
4.4 BP神经网络在车牌识别中应用 27
4.4.1 特征提取 27
4.4.2 BP 神经网络结构和设计 28
4.4.3 网络训练 28
4.5试验结果 29
第五章 总结和展望 34
5.1 总结 34
5.2 展望 34
参考文件 35
致 谢 36
第一章 绪论
1.1课题背景及意义
伴伴随经济连续发展，人民生活质量日益改善，汽车数量急速增加造成道路交通越来越拥挤。在这种情况下，仅仅依靠投入大量资金到公路等交通基础设施建设之中，已经远远不能处理交通拥堵、交通事故发生率居高不下、环境污染等部分日益严重问题。另外，因为城市空间限制、修建新道路所需要巨额资金和环境压力，建设更多基础设施肯定受到严格限制。所以，怎样改善道路交通现实状况已经成为现代交通系统中刻不容缓问题。所以，要想从根本上处理问题必需利用高新技术（如计算机、网络、通信技术、自动化技术等）来改造现有道路运输系统及其管理体系。此时，智能交通系统 (Intelligent Traffic System，简称ITS)顺应时代要求出现了，它大大地改善了道路交通现实状况。
1.2 智能交通系统概述
起初，智能交通系统（Intelligent Transportation Systems , ITS）是由智能车辆道路系统（Intelligent Vehicle Highway System , IVHS）发展而来。智能交通系统是一个实时综合管理系统，它包含了计算机技术、控制技术、信息技术等领域知识，应用于多种场所[1]。
自20世纪80年代开始，大家就已经开始利用图像处理技术领域相关知识来处理车牌识别问题，只不过此时研究还处于起步阶段，未能达成理想效果。直到20世纪90年代初，伴随计算机视觉发展，ITS才开始成为一个正式含有一定意义名词。进入90年代后，美国、欧洲、日本、加拿大、韩国、新加坡和香港等国家和地域为了改善越来越严峻道路交通情况，开始投入巨额资金和大量精力到ITS开发和研究中，这一举措极大地推进了ITS深入研发。
在当今世界世界交通领域里，智能交通系统发展一直代表着最优异课题研究方向，发达国家正在深入研究和开发车牌识别系统，目标是治理交通问题并改善环境，利用传感器、计算机等领域知识处理难题愈加好地实现现代道路交通系统智能化[2]。不可避免地，中国也正在大力地深入研发智能交通系统，并将其作为交通运输领域长久研究课题。
智能交通系统被广泛地应用于多种公共场所，比如停车场、机场、公路实时管理系统等等。ITS在全世界范围全部被大量应用，其中包含部分发达国家和地域，比如美、日、欧、北上广（中国北京、上海、广州）。ITS是一个融合了多个子系统综合性体系，其中包含了监控系统、控制系统、运行管理系统等。
从起初开始研究智能交通系统，美国和欧洲等部分发达国家和地域就很关注ITS发展。美国和欧洲是全世界最发达国际和地域，已经对ITS体系框架进行了整体设计，并取得了长足进步，所以在美、欧地域ITS发展和应用最为优异和完备。
在亚洲，日本人口众多但国土面积不够，迫切需要研发出更为优异智能交通系统并将其应用于多种公共场所之中。韩国和新加坡也不停加大投资成本，用于研究和开发适合本国国情智能交通系统。其中韩国政府曾投入75亿巨款来建立7个智能交通系统子系统。中国早在上个世纪就投入到了智能系统研究，当初被称为交通工程。在中国大量研究人员一直致力于开发出一套优异且高效ITS，现在已经取得了可观结果。
在全世界范围内，美国ITS覆盖率和应用率毋庸置疑是最高，保守统计最少在百分之八十甚至不止。因为智能交通系统极大地缓解交通问题而且还带来了可观利益回报，所以世界各国纷纷斥资研发智能交通系统[3]。ITS发展极大地推进了经济连续发展，ITS业甚至成为一个关键经济增加点。
1.3 车辆识别技术介绍
在很多公共场所，车牌识别系统被大量应用，比如测速系统、收费系统等等。现在可使用汽车图像检测方法有很多，其中利用率比较高是：使用红外探测装置进行检测方法、使用超声波装置识别方法、使用感应线圈检测等等[4]。
在中国外研究人员深入研发，车牌识别技术自提出到发展至今，已经形成了比较完备体系并得到了广泛应用。不过因为外部环境影响、摄像技术有待提升、清楚度不够带来问题、破损污旧车牌识别难度较大、车牌缺乏统一标准等不利条件影响，造成车牌识别难以达成预想识别效果，而且因为通常需要大量数值计算，难以满足实时性上要求。国外研究人员很早就开始致力于研发车牌识别系统，现在中国研发出ITS还不如国外优异。
直到今天，国外研发出ITS已经比较完备，比如日本开发VICS系统以，香港Asia Vision Technology企业推出VECON，新加坡Optasia企业设计VLPRS系列，以色列Hi.Tech企业开发See/Car System等。中国汽车牌照中包含汉字、大写英文字母和阿拉伯数字，识别难度比国外汽车牌照高得多，所以国外车牌识别系统不能适适用于中国车牌识别。
中国研究车牌识别系统比国外晚了快要20年左右，不过中国研究结果也不容小觑，郭杰，施鹏飞研制出了一个正确定位算法，这种方法借助车牌颜色信息和纹理特征实现功效；赵学春，戚飞虎采取颜色信息对待分割物体进行字符分割，研究出了一个高效自动识别技术。另外，中国很多科研单位已经开发出了比较完备车牌识别系统，比如亚洲视觉科技，北京弗雷德科技等。
多年来，在中国，有部分大学和科研机构也对于本课题研究进行了尝试。从现在已经发表了论文来看，关键有上海交大、浙大、同济大学等院校正在研究这一课题。伴伴随模式识别和信息技术发展，车牌识别系统发展日臻完善，本论文采取了部分近几年才提出算法，比如利用数学形态学算法对车牌进行边缘检测，采取BP神经网络等等。不过因为该课题研究存在着一定难度，而且车牌易受噪声和光照等干扰条件影响，所以到现在为止，还未研发出一套极为完备且识别率高达百分百算法。伴随对车牌识别系统迫切需求不停增加，大家对车牌识别率期望值也不停变高，现在，对该领域研究仍然很活跃。
依据现在已应用车牌识别系统场所反馈情况来看，其存在不足之处关键是车牌识别时，实施时间太长造成实时性不高和识别效果不理想。所以，车牌识别率高低和实施时间长短是未来车牌识别技术中亟待处理问题和两个关键研究技术。它们是衡量ITS性能优劣关键指标，它们受系统硬件性能和识别算法制约。鉴于本文研究基于软件仿真基础车牌识别技术，所以只需考虑综合优化算法来改善系统性能即本文研究关键技术就是车牌识别率和实施速度。
1.4 车牌识别系统组成和设计
车牌识别技术是一门图像处理、数据压缩和模式识别等方法综合性技术，其关键技术就是把正确地提取出图像中车牌，而且正确地识别出车牌。ITS包含到原始图像识别、图像预处理、车牌区域定位、车牌区域字符分割和车牌区域字符识别等多个模块，本论文研究基于MATLAB车牌识别系统设计识别步骤图1.1所表示[5]。

图1.1 车牌识别步骤图
本文经过MATLAB软件设计了一个车牌识别仿真系统，该程序成功地达成了正确识别实际车辆照片中车牌目标，其中不包含硬件采集部分。
本仿真系统所需实现功效分别为 ：
(1) 图像预处理：能够利用智能手机自带相机功效在多种不一样环境下拍摄车牌照
从而取得待识别汽车牌照图像，这一过程不可避免地存在着一定噪声等不确定干扰原因，为此，必需采取车牌图像预处理技术对车牌进行处理，如灰度化、滤波、灰度拉伸、二值化、矫正等，为下一步定位车牌做好充足准备；
(2)车牌定位：包含车牌粗定位和正确定位，和裁剪出车辆图像中车牌区域图像功效，这一步比较关键，正确定位有利于识别率提升。
(3)字符分割：车牌中字符可能出现不一样程度倾斜，所以必需时需要对倾斜车牌进行矫正处理，然后把车牌中字符正确地分割成单个独立字符。
(4)字符识别：将分割处理后全部独立字符逐一识别，使它们从原来图像字符变成文本字符。
经过编写程序实现功效，最终显示出车牌号码。其中每个过程全部有不一样算法，不一样算法实现效果全部不尽相同。本论文研究车牌识别系统是在MATLAB软件上进行仿真实现识别功效。系统设计结构图图1.2所表示。

图1.2 系统设计结构图
1.5本论文关键研究内容
第一章 是论文绪论，关键介绍了本课题研究背景和发展情况，并提出了本课题研究内容。
第二章 是车牌原始图像预处理部分。关键介绍了车牌图像格式转化、灰度化、二值化等预处理内容。
第三章 是车牌定位和字符分割。这一章介绍了多个常见定位算法和字符分割算法，并进行了车牌位置矫正和车牌边框去除。
第四章 为字符识别部分，是整个系统中最关键步骤。本章简单介绍了三种识别算法。
第二章 车牌图像预处理
2.1 引言
本章首先叙述了数字图像内容和概念，然后具体介绍了车牌图像尺寸转换、灰度化、边缘检测、形态学处理等多方面算法，并采取了这些算法中最优算法组合，力图实现最优识别效果。
原始车牌图像要经过采集才能够得到，图像采集关键是利用摄像头、数码相机等采集设备拍摄车牌图像来获取。所以原始图像通常是彩色，其中不可避免地包含了大量颜色信息，不仅需要很大存放空间而且尺寸不一，所以在处理时也会降低系统实施效率，另外还不可避免地存在着或多或少无关识别信息，所以需要把彩色图像转变成灰度图像；同时因为图像采集过程中环境多变性和车辆速度等多个原因影响，以致车牌图像质量不高，存在着不一样程度干扰及噪声，给后面定位、分割和识别工作带来困难，直接影响到后续工作开展和整个系统性能。所以，在车牌图像定位前，对图像质量进行提升而进行图像预处理工作，不仅能消除噪声、改善图像质量，而且还能够有效地降低系统存放空间需要[6]。图1.3给出了具体步骤图。

图2.1 图像预处理
2.2 图像格式转换及尺寸归一化
预处理第一步是要对图像格式进行转换及尺寸进行归一化处理，图像预处理能降低提取图像特征时计算量，而且能避免存放空间浪费，提升利用率和实时性。图像格式转换和尺寸变换有多个方法：方法一是单纯用手工操作图像处理类专业软件来调整格式和大小；方法二是加入对应处理模块到系统中，然后依据需要系统自动处理完成。因为不一样图像处理类软件采取算法不完全相同，所以处理出效果即使表面看不出什么差异，不过其在特征匹配时差异很大，有时候甚至可能造成图像失配。所以，应该尽可能采取统一尺寸变换和格式转换算法。
2.3 图像灰度化
通常情况下，用相机拍摄车牌图像全部是彩色，所以为了识别速度快，需要先对图像进行灰度化操作。彩色图像又被称为图像，它是用、、来表示一个像素颜色，、、分别代表红色、绿色、蓝色，经过组合这三个基础颜色就能够合成出任意颜色[7]。那么，对于一个大小为彩图而言，就需要一个 三维数组来存放该图像。
彩色图像中存在不少颜色信息，不仅需要较大空间进行存放，还会大大延长系统识别时间，使实时性不达标。因为彩图每个像素全部包含着、、三种不相同分量，识别时，不需要使用其中很多无关信息，这也不利于深入识别。所以，在深入地处理图像之前，需要将图像由彩色转换为灰度，目标就是为了加紧处理速度和节省存放空间。在模型中，若、、三个值全部相等，那么它代表一个灰度颜色，而相等那个值就被称为灰度值[8]。上面介绍这个将彩图变为灰度图过程就是这一小节关键对图像进行灰度处理。将采集到车牌图像进行灰度化处理后，此时车牌图像值包含亮度信息，不包含彩色信息[9]。一个二维数据矩阵就能够实现存放和处理一个灰度图像功效，矩阵中全部独立元素代表对应像素灰度值。灰度图像像素色是，彩色图像像素色是，彩色图像颜色可分解为、、。、、取值范围和灰度图像转换方法以下：
(l)最大值法：取、、中最大值并将其赋给其它两个分量，即:
(2.1)
(z)平均值法：使、、值等于三个值和平均值，即:
(2.2)
(3)加权平均值法：根据某一指标给、、赋权值、、，并使、、值等于它们值加权平均值，其中、、为，和，即：
(2.3)
通常情况下，人类双眼最轻易分辨出绿色，较轻易三个分辨出红色，不过不轻易分辨出蓝色，所以我们通常利用第三种方法进行灰度化处理。经转换后图像只包含强度信息，所以灰度模型不能重新转换为模型。
经灰度化处理以后彩色图像保留了图像关键信息，不会丢失车牌关键特征信息，同时图像经灰度化处理后为车牌字符分割提供了简单处理对象。
车牌灰度化处理前后图以下：
图2.2 原始车牌图像
图2.3 灰度图像
2.4 边缘检测
车牌识别系统需要处理是灰度图像和二值图像，在处理时需要利用车牌字符边缘特征。边缘就是指图像中出现灰度值不连续点，将它们连起来就形成了物体边。车牌图像边缘是区域和区域之间交界[10]。所以能否正确检测出字符边缘就直接影响到最终识别结果正确度。边缘检测作用就是检测并突出图像边缘部分、灰度值跳变部分和纹理突变部分。车牌中包含很多边缘信息，能够经过边缘检测算法来提取出车牌特征信息。边缘检测是对某一领域灰度改变考察，边缘检测局部算子法利用边缘内邻近一阶导数和二阶导数值来判定边缘，一阶算子（梯度算子）能够检测一个像素是否是算子，二阶算子（拉普拉斯算子）能够判定一个像素是在边缘亮侧还是暗侧。现在可使用边缘检测算子有很多个，本文因为篇幅和时间限制，仅对四种较为常见检测算子进行简明介绍，分别是Robert算子、Prewitt算子、Sobel算子和Canny算子等[11]。
和 和 和 和
(a)Robert算子 (b)Prewitt算子 (c)Sobel算子 (d)Canny算子
图2.4 边缘检测算子
Roberts算子检测速度比较快，边缘定位正确，不过易受噪声干扰，从而丢失部分边缘信息。Prewitt算子和Sobel算子全部是加权平均，对图像质量要求不高，不过边缘检测效果不好。Canny算子对边缘检测精度较高，且含有很好信噪比，所以被广泛应用于边缘检测中。Canny 算子检测图像边缘示例图2.5所表示。
图2.5 边缘检测
2.5 图像二值化
在研究车牌识别系统时需要数次利用灰度图像二值化算法，图像灰度化后图像增强阶段、对车牌区域进行粗定位阶段、精定位以后字符分割阶段等，能够使用不一样二值化算法。二值图像指图像灰度值只有0和255图像，不存在其它灰度值。原因有两方面：一、部分待处理图像本身就是二值图像，如工程图像、指纹图像等；二、尽管有些图像是灰度，我们为了提升处理速度，也会将其转化为二值化图像。另外，二值图像能应用几何学中特征描述，含有巨大优势。
图像二值化是依据图像中待提取目标和背景之间灰度差异计算出一个阈值，然后图像中各个像素灰度值和这个阈值大小进行比较，然后将大于阈值像素归为一类并用‘1’来表示，小于阈值则为另一类用‘0’表示[12]。这种理论基于背景和物体灰度值存在差异。所以，阈值分割算法分为两步：一是计算出阈值；二是做对比然后取值。确定阈值是以上步骤中关键一步，合适地选择好阈值，能够有效地除去噪声，而且能够将图像中目标和背景分割开，从而大大降低信息量并提升处理速度。
现在确定阈值方法有多个，依据阈值应用范围常见有以下三种方法：
1、直方图技术
假如在一幅图像中，背景是浅灰色，但其中包含一个深色像素物体，这类图像双峰直方图图2.6所表示。灰度级两峰之间存在一个灰度级数量极少一个部分，从而产生了谷，以谷值作为灰度阈值。

图2.6 双峰直方图
二值化公式以下：
（2.4）

2、 全局阈值法
全局阈值法，就是选择一个常数作为阈值并将其作用于整幅图像中每一个像素。其中，比选定阈值大像素标识为背景，反之为物体。这种方法处理速度快，尤其适适用于背景单一图像，不过当图像背景复杂时，就不能很好地达成预设目标了。
(l)极小值点阈值
假如把图像所对应灰度直方图看成是曲线，那么能够借助求取曲线极小值来选择直方图谷。设表示图像灰度直方图，那么极小值点应该满足以下两个条件:
和 （2.5）
(2)迭代阈值分割
取灰度中值作为初始值，借助下面公式进行迭代计算:
(2.6)
在公式2.6中，含义是指灰度取值为k像素数目，k取值范围为0到L。当Ti+1=Ti时迭代结束，将此时Ti值为阈值。
(3) OTSU法
Ostu法是最常见全局阈值法，该方法关键思想是：首先利用阈值T将二值化处理后得到车牌图像灰度值分为两类，然后计算出对应类间方差和类内方差，将二者相比并求出最大比值，以此确定出阈值T[13]。
假如将二值化处理后得到车牌图像灰度值有L个取值范围，而且将此时对应阈值假设为T，那么灰度就能够分为两类，其中将小于T灰度值设为类1，显然，大于T灰度值设为类2[14]。那么此时，能够利用对应公式和已知值分别计算出均值和方差。在对车牌图像灰度值进行分类之前，假如假设全部灰度值平均取值为，那么此时类内方差能够利用公式2.7计算求得。
(2.7)
类间方差由下式计算:
(2.8)
将公式2.7和公式2.8计算所得值相比即，要想在类内方差保持不变情况下得到最大比值，就必需尽可能取到最大值，此时对应像素值就是期望得到阈值T。
3、 局部阈值法
通常来说，在经过二值化处理后得到车牌灰度图像中，图像背景像素值是不是固定不变，当然图像中物体像素值和背景像素值比值也不是一成不变[15]。正是因为这个原因，阈值T也会随之改变，这时就不能再采取全局阈值法来处理了，这时就得采取局部阈值法了。局部阈值法是对全部像素取一个阈值，而且确保所取阈值只和其周围像素相关。
因为车牌图像中全部像素全部要确定一个阈值T，所以最终识别效果比较理想，适用范围广，不过实施时间长实时性不好。对图像进行局部二值化处理，有一个不可避免且难以克服问题就是图像轻易不连通[16]。
(1)Niblack
这是一个行之有效而且很简便方法，借助计算车牌图像中局部位置像素均值和方差来确定中心位置像素阈值。比如，对一个中心位置为局部图像而言，能够很轻松地计算出它像素均值和方差值：，，那么该像素点阈值为：
(2.9)
大小很敏感，若太大，图像细节轻易被删去，反之，若太小，图像会存在很多噪声。
(2)Bernsen
对中心为窗口，其最大和最小像素值为，，若，则其对应阈值为：
（2.10)
不然该窗口属于同一类。
现在可使用二值化算法有很多，本文仅就其中多个做了简单介绍，每种方法各有优缺点。当采取全局二值化方法来处理图像时，Ostu法是最常见且效果还不错一个方法。所以此次毕业设计，就应用了Ostu法进行图像二值化处理，这也为后续车牌识别等过程提供了一个高质量车牌图像。图2.7是本此设计中仿真出二值化车牌图像。
图2.7 二值化图像
2.6 数学形态学处理
在车牌识别系统中，利用形态学知识和相关算法能够排除部分直观上干扰原因，有利于正确定位车牌位置。它原理是首先找到一个有一定形态结构元素，接下来利用它对车牌图像中相关形状进行量度和提取，从而实现对车牌图像分析和识别功效[17]。数学形态学关键采取了领域运算形式，能够简化图像数据，保留图像中有用信息，去除无关信息。最基础形态学运算子有膨胀运算、腐蚀运算和二者组合而成开运算和闭运算等。
(1)膨胀运算
膨胀运算基础原理是将和物体接触部分背景点合并到物体中[18]。经过图像膨胀，图像边界变大，元素面积对应增加，而且图像膨胀能够填充图像中空隙和连接断续点，使其成为连通区域。膨胀运算公式以下：
(2.11)
(2)腐蚀运算
腐蚀运算基础原理是在结构元素制约下，删减物体边界点和边界上突出部分，使其向内收缩。其关键应用于消除分割图像时产生微小且无意义点。腐蚀运算公式以下：
(2.12)

(3)开运算
开运算也就是对待处理图像进行腐蚀操作和膨胀操作过程。它作用是在不改变物体面积条件下，滤除图像中细小孤立点、毛刺，擦除在两块区域之间连接小点，平滑图像大致轮廓。同时在确保图像面积基础不变和相对完整地保留结构元素点条件下，不改变图像总位置和形状。
(4)闭运算
闭运算即先膨胀后腐蚀。该运算能够在不影响图像中明亮细节条件下，去除暗细节部分。经闭运算后，图像中细小空隙得以填充，连通图像中临近物体，图像边界更为平滑，在不显著改变物体面积情况下，图像总位置和形状保持不变。
本论文中对字符区域进行形态学腐蚀运算，去除图像中不连续边界点，再应用形态学闭运算，连通图像中小块区域，最终删除干扰因子初步定位车牌区域[19]。确定车牌区域步骤图以下：

图2.8 确定车牌区域步骤图
第三章 车牌定位及字符分割
3.1 引言
车牌定位是整个车牌识别系统中对图像处理较为关键第一步，能否正确定位出车牌位置直接影响到车牌识别率。车牌定位就是从原始车辆照片上依据车辆牌照长宽比和颜色组合信息等特征来检测出面积尽可能小而完全包围车牌区域图像，并将其从原始图像中分割出来。现实环境下，不一样光照和不一样拍摄距离、角度影响，采集到车牌图像可能模糊不清甚至文字笔画不连续，所以要排除干扰，正确地定位出车牌位置有一定难度。
3.2 车牌定位算法介绍
现在常见车牌定位算法有数学形态学法、边缘检测法、小波分析法、灰度值法[20]。
（1） 基于数学形态学定位算法
基于数学形态学定位算法就是利用腐蚀运算和闭运算处理二值化图像，确定出目标，滤除噪声，实现车牌定位。其中腐蚀运算能够删去图像中边界点和边界上突出部分，闭运算能够连通图像中小块区域，最终依据车牌图像特征知识来实现功效。这种方法能够自动调整阈值，从而适应光照等外界原因干扰，而且能够快速定位。在本文中2.6节具体解释了数学形态学算子。
（2） 基于边缘检测定位算法
边缘是指图像中灰度级发生阶跃改变部分，因为边界灰度值和物体灰度值有差异，所以能够依据车牌内部字符边缘特征，找出车牌大致区域。这种方法有一定不足，就是对图像质量要求较高，假如图像中干扰太多，就有可能发生误判，将干扰强边缘标识为车牌边界。在本轮中2.4节，已经较为具体介绍了多个边缘检测算子，本系统中采取是Canny算子。
（3） 基于小波分析定位算法
小波分析定位算法结合了数学形态学一部分知识，先用小波提取边缘边缘中小块区域，在不一样分辨率层次上分割图像；再利用形态学运算滤除噪声，从而实现正确定位，这种方法计算量较大，定位速度较慢。
（4） 基于灰度值定位算法
基于灰度值定位算法采取了线段探针搜索定位车牌区域，其基础原理是利用车牌底色、边框颜色和背景颜色在灰度化以后产生灰度值有差异，形成了灰度值阶跃改变边界。车牌边框灰度值比背景灰度值高，而且边框为平行四边形，能够使用边缘检测算法，将车牌区域提取出来。
3.3 本文车牌定位算法
本文采取数学形态学方法实现车牌定位效果，因为车牌定位正确度受到选择结构元素制约，太大结构元素使车牌区域粘连成连通域，会带入一定噪声；而太小结构元素则不能将车牌字符区域粘连在一起，以至于无法正确定位出车牌区域，所以必需将数学形态学定位算法和其它算法结合起来。边缘检测能够去除大量噪声，突出车牌边缘部分，此时再采取数学形态学算法处理图像，就能够很好地将车牌区域粘连成连通域，再依据车牌固有特征，实现功效[21]。该方法具体思绪以下图所表示：

图3.1 车牌定位算法步骤图
3.4车牌倾斜矫正
通常情况下，车牌形状是一个百分比固定矩形，不过因为拍摄角度和车辆位置不一样，实际拍摄出车牌往往会产生畸变，这对接下来字符分割和字符识别产生了一定影响。通常车牌倾斜了以后，会产生下图中出现三种情况。

图3.2 水平倾斜两种情况

图3.3 垂直倾斜两种情况

图3.4 水平垂直倾斜两种情况
图3.2所表示就是车牌图像发生水平倾斜时出现两种位置，此时车牌上字符几乎没有发生倾斜，车牌坐标轴和图像坐标轴间相差倾斜角度为，求出值为，关键将图像旋转度就能够矫恰好车牌。车牌垂直倾斜两种情况图3.3所表示，此时倾斜实际上是同一行上像素偏移，求出倾斜角度然后进行矫正。车牌水平垂直倾斜两种情况图3.4所表示，此时车牌图像即发生了水平倾斜又发生了垂直倾斜。这种倾斜情况是最常见。
在中国研究车牌识别技术时，使用率较高矫正算法有：Hough变换法、旋转投影法和Radon变换法[22]。Hough变换法是利用车牌上下边缘和水平夹角倾斜角度，来实现车牌位置矫正。不过在现实情况下，受到噪声和车牌边框不够突出等干扰原因影响，Hough变换法应用起来困难重重，所以计算量大而且矫正效果不够理想。为此，应该在矫正车牌前，先对车牌进行二值化和边缘检测处理，使得车牌轮廓分明，方便于接下来矫正处理。旋转投影法是利用反复旋转车牌图像方法，将旋转后图像投影到坐标轴上，经过寻求旋转后投影最大值，试探性地求出倾斜角度从而实现车牌位置矫正。尽管旋转投影法能够很好地避免干扰，不过实时性不够高，所以本文并未采取这种方法。Radon变换法是这三种方法中相对很好一个，这种算法也需要先对二值图像进行边缘检测，然后再对车牌做形态学处理，接着计算水平边倾斜角，最终利用以下所表示公式进行Radon变换。Radon变换不仅检测了水平倾斜角还检测了垂直倾斜角，然后将车牌旋转某一给定角度从而矫正车牌水平位置,并使用双线插值方法来实现车牌垂直方向矫正。
（3.1）
本文采取Hough变换法，经过检测上下两条边框来实现矫正车牌位置效果，图3.5就是倾斜车牌位置矫正算法步骤图。

图3.5 车牌矫正算法步骤图
3.5 车牌边框去除
在实际操作时，因为客观原因干预，待识别车牌图像中字符背景往往比较复杂，包含了很多干扰信息。当车牌经过二值化以后，仍然会保留部分噪声如边框和铆钉等。在进行车牌字符分割之前需要将车牌上干扰信息去除，不然势必会影响接下来字符分割和识别过程。
车牌图像经过二值化后，能够显著地看出车牌边框和车牌字符区域明暗跳变次数差异，车牌字符区域黑白跳变频繁，能够利用这个特征来去除车牌边框。显而易见地，能够经过观察发觉字符区域和边框中存在间隙，所以能够搜索并删去间隙，保留字符区域。
能够对矫正后车牌进行行扫描，从车牌上边框水平向下扫描，当扫描到车牌1/4处时，发觉车牌黑白跳变次数大于某一设定阈值时，停止扫描，并删去这1/4区域，此区域是车牌上边框。对于左右边框和下边框也能够采取一样方法来去除。去除上边框算法步骤图以下：

图3.6 去除上边框算法步骤图
3.6 车牌字符分割
3.6.1 车牌规格
本系统中设计识别软件针正确是小功率汽车。这种车牌边框长度为450mm，宽度为150mm，其中包含了7个字符。在车牌中第一个位置上字符是汉字，代表是地域，在车牌中第二个位置上字符是大写英文字母，代表含义是发证机关，在车牌中第三个位置上字符到第五个位置上字符有可能是大写英文字母，也可能是阿拉伯数字，在车牌中第六个位置上字符和第七个位置上字符是阿拉伯数字。依据中国国家要求，全部车辆汽车牌照上字符必需达成409mm长度，而每个独立字符必需达成45mm宽度和90mm高度，第二个位置上字符和第三个位置上字符