车牌检测毕业论文.doc

本 科 毕 业 论 文 基于图像处理的车牌定位与检测技术 License plate location and detection technology based on image processing 专 业： 电子信息工程 班 级： 姓 名： 指导教师姓名： 指导教师职称： 讲 师 2014年 5 月 日基于图像处理的车牌定位与检测技术 专业班级：10电子(1)班 学生姓名： 指导老师： 职 称：讲 师摘要 在当今社会，车牌号是车辆身份认证的主要指标。因此，车牌识别技术在城市智能交通管理中的作用也日益重要，具有巨大的商业价值和社会效益。本次毕业设计首先对与车牌识别相关的现有技术进行深入研究，在研究的基础上开发出一个基于MATLAB的车牌识别系统，通过编写M文件，对民用车辆的图像处理方法进行了解、分析、对比，且实现了汽车牌照图像预处理、车牌定位、字符分割和字符识别。本文中，图像预处理是将图像灰度化、灰度修正和Sobel算子边缘检测。车牌区域的定位与分割是利用数学形态学进行车牌初定位，再根据定位图像中像素点的统计特性来精确定位车牌。然后扫描车牌区域每列白色像素点，结合车牌字符本身的几何特征进行字符分割，最终完成字符分割。考虑到中国车牌所采用的字符数量不是很多，由此本文的字符识别将采用模板匹配的方法，即对输出的字符图像和模板库里的字符模板进行匹配，通过计算处理后得到的图片与模板字符图片规格化的相关系数，越接近于1则相似度越大，越接近于0，相似度越小，然后进行个数累计并找出最大数值，即为识别结果。MATLAB仿真结果表明,本文所提出的有关车牌的定位、分割和识别算法对普通民用车牌图像具有一定的适应性,识别效果理想,能够满足实用要求。关键词： 图像灰度化 边缘检测 车牌定位 字符分割 字符识别 License plate location based on image processing and detection technologyAbstract In traffic management, Each motor vehicles have a unique license number that was used to identify a vehicle. Therefore, the license plate recognition system has naturally become an important part of intelligent transportation, and has a wide range of application and development in intelligent traffic management in all countries. Firstly, The graduation project gives a deep research on the existing license plate recognition , based on a study exploring, M document is prepared by using MATLAB software . a variety of image processing method for vehicle are understanded , researched ,compared, and proposed the methods based on license plate image preprocessing, license plate location, character segmentation and character recognition . In this paper , image preprocessing include gray image, filtering and canny edge detection . Positioning and segmentation plate area takes use of mathematical morphology method to determine the location of the license plate , according to a prior knowledge of the license plate information , combined with a color region segmentation method to completed license plate segmentation. Character segmentation is the binary license plate area after a vertical projection , and then further on the vertical projection of the scan , making the completion of character segmentation . Taking into account the number of characters used in Chinese license is not a lot , character recognition template matching method will be used in this paper, namely the output of the character image and template library template matching characters , followed by computing the resulting image with a template the correlation coefficient of the character image , the closer a similarity greater the closer to 1, the smaller the degree of similarity , and then find the maximum value of the cumulative number , is the recognition result . MATLAB simulation results show that, the proposed method based on license plate location. Character segmentation and character recognition has some practical value and research value in the intelligent traffic management. And it has some adaptability, ideal recognition effect to meet practical requirements.Key words: Gray image Edge Detection license plate location character segmentation character recognition 目 录第一章 绪论11.1 车牌定位识别技术的研究背景11.2 车牌定位识别技术国内外研究现状21.3 车牌定位识别难点31.4 车牌定位识别技术的应用情况41.5 车牌识别技术的发展趋势61.6 论文的章节安排7第二章 基于图像处理的车牌识别系统82.1 车牌识别系统简介82.2 系统软件设计92.3 车牌图像预处理102.3.1 彩色图像灰度化112.3.2 灰度直方图变换122.3.3 边缘检测14第三章 车牌定位与检测193.1 车牌特征与分析193.2 数学形态学处理203.3 区域分割223.4 定位后车牌图像处理233.4.1 图像二值化233.4.2 均值滤波243.5 分割与归一化253.5.1 字符分割253.5.2 字符归一化处理273.6 字符识别27第四章 结束语314.1 总结314.2 问题改进与展望31致 谢33参考文献34第一章 绪论1.1 车牌定位识别技术的研究背景随着经济全球化的到来，人们的生活水平也得到了很大的提高，汽车数量急剧增加，与此同时这样的情况也给城市交通及运输业带来了前所未有的压力。目前交通堵塞、交通事故日益频繁等现象已倍受人们的关注，因此，准确地定位与检测车辆以使交通更为通畅，已经成为现代化城市交通系统重点研究对象。随着当今科技的快速发展，现代智能交通系统1就是将数字图像处理、模式识别2、计算机视觉处理技术等综合应用于现代智能交通运输体系当中，这样使得交通管理系统运行得更加智能化、科学化和规范化，以解决了交通运输业中存在的一系列问题。其中，车牌号码是汽车具有的独一无二的信息，以此为依据，车牌定位及检测技术成了车牌识别不可或缺的重要部分。 近年来，车辆定位及识别技术发展得很快，如IC卡识别技术、条形码识别技术、射频识别技术，车牌识别技术3，前三者都需要在车身上安装专门的印刷条形码或标示卡，但是由于车辆的数量庞大，有些信息不可能非常准确地应用到每一辆车上，从而导致难以核对车与车牌信息是否匹配，所以这三种技术在推广应用方面受到相当大的限制。而车牌识别属于直接识别，是以数字图像处理为基础的，可以对车辆的图像进行检索与回放，具有高效实时性，因而对车牌定位及检测的研究具有很大的经济价值和应用意义4。 车牌定位及识别技术运用目前先进的计算机视觉技术来处理受监控的车牌图像，应用大量的数字图像处理技术识别出车牌号码，从而极大地提高了车辆的管理效率，节省了人力、物力，使得城市交通管理科学化与智能化。在现代社会中，车牌定位及识别技术已经被广泛应用在检查站车辆实时监控、高速公路电子收费、监测报警、偷盗车辆辨识、停车厂车辆安全停车管理系统、违章交通车辆监控、交警稽查管理、车流统计等需要车牌定位识别的地方，特别是在现代化高速公路实现不停车收费方面。车牌定位及识别系统主要由图像获取、车牌图像预处理、车牌区域定位与分割、字符分割、字符识别等部分组成。其中，由于车辆图像采集于户外，车辆图像往往会掺杂一些非常不利的因素来降低图像高清质量，在很大程度上影响了车牌精确定位。而车牌定位及识别系统能够运行起来的首要前提且最重要的一步就是准确无误地定位出汽车牌照，因此车牌定位是车牌定位识别系统的关键一步。现有的定位识别技术还不能完全很好的适应复杂多变的环境，所以对车牌定位及识别技术的研究仍然是当今高科技领域的热门课题，它的有关功能的实现，能使智能交通管理系统更加现代化。1.2 车牌定位识别技术国内外研究现状 从1988年开始，国外的学者们就已经开启了对车牌定位识别系统的研究，其主要途径就是分析所采集的车牌图像，提取车牌区域信息，识别车牌号码。在车牌定位及识别的过程中，虽采用了多种定位及识别的方法，但是由于外界复杂的背景，光照不均及车牌自身的污渍或残缺等条件的影响，使得车牌定位识别系统一直没有得到有效地应用，而且很多方法运算量比较大，不具有实用性。现如今，国外在车牌定位、识别方面的研究成绩显著，不少相当成熟的相关文献发表，同时也开发出了多种技术成熟的车牌识别产品。如英国IPI公司研发的RTVNPR系统，它的特点是便携式，可以应用在高速公路收费站、路段流量检测口及安全停车等需要车牌识别场所；新加坡Optasia公司自制研发IMPS系统，其特点是可以在多种环境和不同光照及气候条件下精确定位，非常准确地识别出车牌号码，可以说准确率极高。日本在车牌图像的处理方面也进行了深入研究，并为系统产业化做了做出极大贡献。日本所研发Luis系统主要应用于高速公路收费站，其全天车牌识别率高达90%以上，即使在阴天或暴雨的情况下也能达到70%左右。此外，美国、加拿大、德国等各个发达国家都研发了属于本国的车牌定位识别系统。各个国家的车牌定位识别产品虽然有区别，但大体上都是基于车辆检测器的系统，设备耗资巨大。我国对车牌识别技术的研究起步较晚，大约发生在八十年代末。由于中国车牌的字符结构构成与国外有明显差异，所以国外一些技术在中国使用效果并不是很理想，但其所运用的很多定位识别算法还是具有很好的借鉴意义。目前国内最常用的车牌定位技术5有基于彩色图的定位算法、基于灰度变化的定位算法、基于神经网络的定位算法、基于数学形态的定位算法、基于遗传学算法的定位算法等。当今，中国市面上已有二十多家企业从事于车牌识别系统产品方面的研发，其中比较成熟的产品有：川大智胜的zTZ000车牌自动识别系统、北京汉王的“汉王眼”、上海高德威的车牌识别器、除此之外，还有香港的亚洲视觉科技有限公司、清华紫光、沈阳聚德、杭州友通、深圳科安信、利普视觉中智交通电子系统有限公司等企业所研发的产品也很成熟。目前，车牌识别技术和产品性能进入实用阶段的时间还不是很长，随着人工智能以及自动识别技术的进步，未来的技术发展空间还会非常大。例如，核心算法继续发展，识别率和识别速度进一步改善，图像处理中对模糊图像预处理能力增强等等。1.3 车牌定位识别难点 到目前为止,采用不同的设计方案，各种车牌识别的识别效果都会有所区别，因此，车牌识别的实时性和鲁棒性有待进一步提高。经过三十多年的研究后，车牌准确识别仍然有很多技术性难题需要解决。如光照的不同、季节气候的变化、车辆背景的复杂性6、车牌及其字符褪色、缺损、污渍等不利因素的影响，给车牌的精确定位识别带来了很大的困难。在复杂多变环境下的车牌定位识别率较低的原因主要有以下几个方面：1. 我国车牌本身特征的复杂性（1）字母、汉字和数字的复合。我国车牌不仅仅有字母和阿拉伯数字，还有代表各省份的汉字。由于汉字本身结构就很复杂，其识别难度要远远超过英文字母和阿拉伯汉字数字。（2）车牌底色繁多。我国的车牌底色相对于国外要多很多。按GA36-2007标准7大致可以分为六种：大型民用汽车是黄底黑字；小型民用汽车是蓝底白字；军队或武警专用车用白底红字、黑字牌照；大使馆及外籍汽车用黑底白字牌照；试车与临时牌照是白底红字，汽车补用车牌是白底黑字。（3）悬挂方式不确定。我国对汽车车牌的悬挂方式很难做统一规定，每个汽车公司出产的汽车的车牌放置位置有所差异，导致了车牌的悬挂位置不唯一。（4）车牌管理不严格。由于外界环境或者人为因素造成车牌模糊不清、断裂或者车牌偏斜角度很大的车辆，我国在行驶方面没做太大限制。但在国外，这种车辆是被禁止上路的。2.拍摄角度因素现实生活中，人们所采取的拍摄角度是相对于车辆的行驶方向的正上方和左、右侧。拍摄角度过大的话，会影响车牌定位，所以拍摄的角度越小，所获取到的图像中的车牌变形就越小，识别准确率就越高。由智能化交通管理系统的结构构成可知，摄像机采集到的目标车辆图像均是系列图像，而由于外界环境复杂程度的影响，车牌定位识别系统所采用的目标车牌图像可能不是最佳的。3. 外界环境复杂（1）外界光照条件差异大，不同的时间与地点的光照都会有差异。由经验可知，光照决定着采集图像的质量，不同的光照角度也影响着车牌光照均匀程度。气候的变化、光照环境变化、车牌反光程度等都可能对车牌区域定位产生一定地干扰。光照过亮或过暗都会使车牌的某些特征发生改变影响到车牌号码定位识别的精确度。（2）外界背景环境的复杂程度也影响车牌的定位识别准确率。类似区域的干扰如背景中有类似于车牌信息等都会使车牌定位造成误判从而导致车牌定位识别的错误识读。1.4 车牌定位识别技术的应用情况车牌号码是车辆身份认定的唯一标识，车辆牌照自动识别技术7可以不用对汽车做任何的改变就能实现车牌号码的自动登记，这项技术已经应用于高速公路电子收费、停车安全管理、违法违章管理、监测报警、公警稽查、车辆流量检测等需要车辆识别的各种场合。以下列举了几种应用领域8：1. 高速公路电子收费目前，全国高速公路已开始实施以车牌识别技术与互联网相结合的方式收费，正因为不同的车辆其收费的标准有很大的差异，导致很多有心司机想钻电子收费系统的漏洞的空子，使得中途换卡进行逃费的现象日益突出，因此，车牌定位识别技术是解决此类问题的根本途径。现在最常采取的措施就是将出入口资料相结合作为收费参考从而实现公路收费管理，其具体做法就是在高速公路的各个出入口安装电子车牌识别设备，当车辆驶入时电子设备会自动感应并识别目标车牌将其入口的相关资料存入到收费系统中，接着等车辆行驶到出口时电子车牌识别设备会再次自动识别目标车牌并根据目标车牌的相关信息来调用入口注册的资料。这种应用可有效防止作弊，避免应收款的流失。实现电子自动收费，在缓解交通压力的同时，也使得交通管理更加有序化、智能化。2.违法违章处罚管理公路上一般会安装车牌识别技术与测速技术相结合的设备用来测速并记录违章车辆信息。具体应用途径是：在路上设置车速监测点，用来捕捉超速的车辆并准确识别其车牌号码，然后将违章超速车辆的信息及其图片发往各出口；接着在各出口设置处罚点，通过用车牌识别设备识别出的车牌号与已经被记录的违章超速的车牌号一一对比，当号码完全匹配的同时警示设备也会启动，来通知执法人员对违章车辆进行处罚。相较于传统的测速方式，这种应用不但节省人力、物力及办公时间，还能极大地减少了因超速引发的事故。3.交警稽查执法工作人员会将那些有被通缉、逃费、未年检、肇事逃逸或违章等现象的车辆纳入黑名单，一般的车牌识别设备会被安装在指定的路口、收费站卡口，有时根据特殊情况，执法人员会随时携带按具体情况放置，只要将纳入黑名单的车辆的牌照号码输入到车牌识别应用系统中，该应用系统将识别所有通过车牌号码并与系统中的“黑名单”进行比对，实现其定位，一旦发现号码相同就立刻做出报警。该应用系统一般可通过程序设定24小时不间断工作，准确率极高；可以适应各种速度行驶的车辆；可以在不影响正常交通的情况下完成黑名单搜索任务；整个监视过程中安全、隐蔽、精确。该系统的应用将使得执法效率极大地提高。4.小区、校园出入管理一般情况下，高级小区或学校出于安全考虑都会在出入口安装车牌识别设备，用来记录每天进出车辆的牌照号码、出入时间，这些信息将会被存储在相应的数据库中，该设备还与自动门或栏杆机的控制设备结合，实现小区、校园车辆的自行管理。该系统的应用使得一些智能小区或校园能自动判别驶入的车辆是否属于本管辖区域，对非本部车辆启动安全隐患提示，由工作人员审核批准后人为放行。此外，还有一些单位还会将这种应用与车辆调度系统相结合，客观地、准确地记录单位车辆的出车情况。5.公路上车辆计时在现代化智能交通管理系统中，执法人员为了能准确判断某条道路上拥堵状况，往往会将车牌识别设备安装在道路的起点与终点，识读所通过车辆的牌照号码并将其发送到交通指挥中心，指挥中心收到信息后会利用自己的管理系统计算出车辆行驶时间的均值。得到的均值作为判断该道路拥堵状况的一个参数。该系统的应用，会极大地缓解城市交通压力，节省人们的时间。6.停车场自动管理智能停车场管理系统一般将摄像头安装在停车场入口，捕捉到的车牌号码图像经过车牌识别系统自动识别，并将图像转换成数字信号便于后续处理。车牌识别的主要优点能做到一卡一车，即可以把卡和车对应起来，使得管理层次有了进一步提高，卡和车的一一对应的优势主要在于长租卡和车必须配合使用，这也就表示一卡就表示一车，杜绝一卡多车的局面，该种使用漏洞是被严格禁止的，从而有助于物业管理效益的上升；同时自动地将进出车辆进行严格比对，可实现偷盗监管。摄像系统经过升级后其采集到的图片更加清晰化，可以为一些不必要的纠纷提供最有利的证据。并且方便了管理人员通过车牌识别技术在车辆进入管理场合时进行比对，有效地增强了系统的可靠性和安全性。汽车牌照自动识别技术是模式识别技术在智能交通管理系统的重要应用，通过对图像的采集、预处理、定位、字符分割和识别等手段来完成汽车牌照的自动识别功能，其硬件基础设备一般包括CCD摄像设备、照明装置、图像采集设备、计算机等。软件系统的编写主要利用VB 、Visual C+或MATLAB 等。1.5 车牌识别技术的发展趋势综合来看，车牌识别产品的竞争将更多的强调成像、图像预处理、算法、业务逻辑等系统各环节的相互配合。特别是物理成像以及图像预处理的水平可能会成为下阶段发展的关键，其原因在于当识别算法的发展达到一定的高度，短期内很难会出现非常突破性的变革，这时如何能够通过成像、光源、降噪等环节来为核心算法扫清障碍就成为了影响产品最终性能的制衡点。此外，与整体安防行业的发展相应，以下几个趋势对车牌识别产品的影响将会非常深远：1.更高的分辨率及画面质量作为一种典型的模式识别算法，车牌识别一直期望有更高的图像分辨率。从这几年的发展可以看到，随着分辨率的提升单个相机所覆盖的车道数量逐渐增加，目前主流车牌识别智能相机已经可以单独覆盖三个车道，但事实上车牌的大小依然是很大的制约因素，如果相机的分辨率可以提升千万量级，车牌识别的识别指标将会更加逼近“几乎不出错”的极限，而且车牌识别能够稳定工作的区域也会明显增大，一些目前并不特别可靠的扩展应用的效果将得到改观。除了分辨率提升外，画面质量也是同等重要的问题，近年来高清相机的分辨率虽然提升的速度很快，但在动态范围的表现上却不怎么令人满意，导致在一些场景下出现亮处细节和暗处细节无法兼顾的问题，这将是下阶段相机发展的关键点之一。2更高的计算能力和集成度高清相机的发展必然导致车牌识别算法需要更大的计算资源，嵌入式平台核心芯片的更新速度将会直接影响车牌识别产品的形态以及发展方向，可以预见，今后更多的相关业务将会被放置在车牌识别智能相机上。3更高的易用性、更强的适应能力目前车牌识别算法本身的难题主要集中在车牌受到各种干扰时如何保证尽可能准确地识别，例如大型车常见的车牌污损、私家车辆规避限号的车牌遮挡、光照环境形成的阴影干扰等等。此外，车牌识别产品的参数配置一直相对繁琐，这很大程度上是为了能够通过精确的调整相机成像、补光、算法的各个环节来确保达到最好的识别效果。如何利用好高分辨率和高计算能力来降低系统的操作难度，进一步解决这些经典的技术问题，提高系统配置的自动化水平是车牌识别产品下阶段需要着重投入的方向。1.6 论文的章节安排本次毕业设计主要以图像处理为基础，对通过摄像机或照相机等采集设备获取到的静态车牌图像进行分析比较，在此基础上研究了相关的车牌定位、字符分割以及字符识别的一些有效实用的方法。本文的重点对基础的图像预处理知识进行了研究学习，在选择合适的图像处理技术后，运用MATLAB对车牌识别系统中的图像预处理、车牌定位、字符分割、字符识别等部分进行研究仿真。论文各章节的具体结构内容安排如下： 第一章：绪论。分析了课题的研究背景和意义；对于国内外的车牌识别技术的发展现状做了相关阐述；结合我国车牌特征详细列举了车牌识别技术难点；介绍了车牌识别系统目前的应用水平等详细情况。 第二章：基于图像处理的车牌识别系统。简述了车牌识别系统的各个工作模块的工作原理。介绍了软件MATLAB应用的特点及相关优势。介绍了车牌识别技术中预处理部分用到的有关图像处理技术，深入研究了图像灰度化改善图像质量还介绍了直方图变换的一些特点，利用其进行图像增强。介绍了几种常用的边缘检测算子，并比较这些算子检测图像边缘效果。 第三章：车牌定位与检测。介绍我国车牌方面的一些特征；阐述了数学形态学的一些理论知识，实现了基于数学形态学处理车牌定位并用彩色分割法进行车牌区域分割；介绍了基于垂直投影的车牌字符分割方法；介绍了基于模块匹配的字符识别方法。第四章：结束语。对课题研究工作情况进行了总结，展望一下技术发展方向。 第二章 基于图像处理的车牌识别系统2.1车牌识别系统简介车牌识别系统9只有完成从图像采集到字符识别结果的输出才能体现其完整性，该系统的完成步骤相当复杂，首先是触发拍照和图像采集，这两个工作模块都属于硬件部分，软件部分包括原图像预处理、边缘检测实现对车牌的定位、定位后车牌图像处理、字符分割及归一化以及字符识别，最后输出结果，一个车牌识别系统的工作流程如图1所示： 输入图像采集图像预处理字符分割 字符识别输出识别结果 车牌定位定位车牌图像处理 图1 车牌识别系统 车牌自动识别技术的关键在于汽车牌照精确定位、字符分割、归一化处理和字符识别等。该技术首要的任务就是能够正确无误地分割出车牌区域，为此国内外学者提出了很多方法，如Hough变换在直线检测的基础上提取车牌区域、灰度分割车牌区域或根据纹理特征进行分割等。Hough变换方法对车牌区域发生畸变或图像上含有污渍的情况，其处理效果不是非常的理想，失效的可能性会急剧上升，相较于直线检测的方法，使用灰度分割要稳定得多，但是，当图像中含有大量与车牌的灰度很近似的区域时，该方法的作用也就失效了。而纹理特征分割如果遇到与车牌纹理特征相似的其他不利因素干扰，车牌定位正确率也会降低，因此，在复杂多变的环境下使用单一方法难以达到理想效果。根据汽车牌照底色的先验知识，我们民用汽车牌照是蓝底白字，所以本文以此为例利用彩色像素点统计进而分割出车牌区域，车牌图像的样本大多是由CCD摄像设备所拍摄获到的，该样本一般为RGB彩色图像，所以要想精确定位，就得先确定好汽车牌照底色RGB各自对应的灰度级范围，接着沿着水平方向对在此颜色范围内的像素点进行统计确定所统计的像素点数量，然后依据前面的工作设定合理的阈值，用来确定水平方向的车牌合理区域，随后在分割后的车牌区域对其垂直方向的像素点进行统计，确定好像素点数量，最终完成对车牌区域的分割，实现准确定位。对定位后车牌图像进行进一步处理，接着将处理过后的车牌看做是一排呈水平排列的7个连续的字符块，根据实际情况设定合理阈值，超过该阈值表示有多个字符相连在一起，需要对其进行分割，从而实现车牌的字符分割，此后，需做归一化处理，最后把分割归一化后的图片与模板库的模板进行对比，输出匹配结果，即车牌号码信息。2.2 系统软件设计硬件基础设备如CCD摄像头采集获取到汽车图像样本后，如果用计算机处理图像，首先需要考虑的就是图像的存储格式。目前最常见的图像存储格式有*.BMP、*.JPG、*.GIF、*PNG、*.PCX 、*TIFF等，本文中所采用的车辆图片样本的格式是*.JPG 。该格式的图像是由一个软件开发联合会组织制定的，支持高级别的压缩，图像色彩丰富，占用空间小，而且广泛支持 Internet 标准，适用于摄影作品、写实作品、照片等具有丰富清晰细腻的大图像。第四代计算机语言MATLAB11、12为一个具有现代化应用价值的车牌定位识别功能的软件系统设计带来了极大地便利。该软件利用其非常丰富的库函数资源，通过编写M文件程序，首先将由硬件设备采集获取到的汽车图像样本进行图像灰度化、滤波处理，以达到去噪的效果、车牌区域的对比度的增强。然后，采用不用算子进行边缘检测，并采用数学形态法进行处理，这时，车牌的轮廓已经非常清晰呈现在用户面前，并且很容易区分开非车牌区域，接着，根据车牌底色的先验知识对车牌区域和与车牌区域相似进行筛选后，来完成车牌定位，接下来就是字符分割和归一化，最后进行识别，整个系统的设计以 MATLAB 语言为主，部分采用了 C 语言算法。将车牌定位、字符分割、字符识别进行了系统化，并用MATLAB软件对系统的性能进行了测试仿真和分析。最终得出比较理想的方案。MATLAB用更直观的、人们很容易接受的代码，代替了其他的冗长代码。MATLAB显示着如此旺盛的生命力来为用户带提供的是最简洁易懂的程序开发设计环境。 车牌识别的软件部分的编写大多采用 VC+或者 MATLAB 语言，本课题我选用 MATLAB.2012b 软件。MATLAB 具有以下优点：（1） 语言简洁易懂，入门容易，使用方便灵活。MATLAB程序设计不严格，自由度很大，并且该软件中库函数都由本领域的学术水平很高的专家编写的，所以用户可以直接调用。 （2）运算符种类多。MATLAB软件大体上利用C语言编写程序，这也就表示MATLAB软件里提供了和C语言算法应该的需要各种运算符，灵活使用运算符可以使程序变得简短化。（3）可移植性好，MATLAB中所设计的程序基本上不需要做修改就能在各种类型的计算机和操作系统上运行仿真。（4）图片编辑功能强大。在VC和VB两种语言环境里，绘图都很不容易，但在MATLAB里，其专门的图像处理工具箱大大扩展了MATLAB编辑图片的能力，而且数据的可视化的程度也非常高。（5）可以使用 MATLAB 软件中的control、Image Acquisition Toolbox、Image Processing Toolbox 以及 Neural Network Toolbox 等模块作为骨架来搭建整个应用系统。（6）可以通过 MATLAB 软件的图形用户界面技术来编写车牌识别系统面板，可以让汽车牌照定位分割程序与字符识别程序实现无缝连接。（7）可以直接使用功能强劲的专业工具箱，这样从事相关研究用户可以把主要精力放在自己需要创新的算法的分析、比较、设计等方面，不需要太过关注自己学科范围内基础程序细节方面问题，极大地减少了工作量，提高工作效率。2.3 车牌图像预处理为了能够在车牌识别中正确地进行车牌定位与识别，由硬件基础设备如摄像机获取的原图像就必须具有一定程度的亮度与对比度。由于拍摄倾斜角、车牌有污渍、车牌断裂、摄像机镜头的光学畸变以及光照、季节和气候的不稳定等因素都会使图像质量下降，这些干扰源具体表现为如由于光照度不均匀造成车牌区域含有阴影部分导致图像灰度过于集中；由摄像机获得的车辆图像在传输变换过程中也会产生噪声污染；车辆的牌照区域被障碍物覆盖或字符发生褪色或污渍覆盖等等。这些外界复杂因素对车牌图像的清晰程度产生了不可避免的影响，图像质量是被大大地降低了，轻度的表现为图像有污渍，需要仔细观察才能识别，重度的表现为图像严重模糊不清、残缺或变形。无论是轻度干扰还是重度干扰这势必会影响车牌区域准确划分，从而不能准确进行字符分割与字符识别。因此，能否正确定位车牌和成功分割字符都是需要以合理的图像预处理10为前提的，要提高图像预处理的效果需要包括三个方面:（1）图像增强。由于不同时刻光照强度不同再加上汽车牌照识别系统需要24小时不间断工作，这势必会引起车牌图像对比度严重不足，因此，很有必要进行图像增强。（2）图像去噪。一般由摄像机获取到的图像在传输变换中会不可避免地被噪声污染，所以为了识别效果理想，就需要对采集的原始图像进行适当的去噪处理。（3）倾斜矫正。摄像机拍摄角度的不同再加上很多拍摄的对象都是运动着的车辆，所以获取到的图像都会有一定程度的倾斜，因此，这势必要对图像进行倾斜矫正，或者是在车牌区域划分以后进行倾斜校正。 2.3.1 彩色图像灰度化一般情况下，由硬件基础设备如摄像机或数码相机获取到的原图像是RGB彩色图像，由三基色原理可知，数字图像的彩色是由R（红）、G（绿）、B（蓝）按不同比例构成，我们都知道，一个基色通常被划分成256个等级，即0255。由此可以得出一幅真彩色图像最多含有约16000万种颜色。如果三种颜色分量的值相等（R=G=B）则表示彩色是一种灰度，所以灰度图像中只有一种灰度颜色，同理计算可得一幅灰度图像最多只含有256个等级。由此可见，真彩色图像处理算法复杂，为了简化车牌图像处理过程，需要将彩色图像进行灰度化。因为灰度图像中只含亮度信息，仍可完整的反映出图像特征。彩色图像灰度化，从直观上看就是对数字图像的三个颜色分量（R、G、B）进行加权平均求其灰度值的过程。常见的彩色图像灰度化13的方法有以下三种：(1)平均值法:将R，G，B三个值求和再求均值，该均值就是R，G，B的值，即 (1)(2)最大值法:将R，G，B的值中的最大值赋值给R，G，B即 (2)(3) 加权平均值法:将分别赋予R，G，B不同的权值然后求其均值。由于人眼对三基色的敏感度由高到低排依次是G(绿色）、R（红色），B（蓝色），根据敏感度分配不同的权值即图像灰度化公式： (3)其中W是灰度图的亮度值。根据车牌的实际使用情况，选择合适权值进行图像灰度化，该方法能很好的表达原图像的亮度信息，比较广泛使用。从现阶段来说,基于彩色图像处理技术处在技术发展的初级阶段，短时间内不会有改革性的突破,相反基于灰度图像处理技术已经发展成熟,因此我们进行车牌定位处理的首要步骤就是图像灰度化。总之,就目前的数字图像技术的发展水平来看,将彩色图像做灰度化处理是比较好的处理方法。从图可以看出灰度化后虽然只有亮度信息，但仍完整地表示原图的信息，其灰度化效果图如图2所示： （a）原始图像 （b）灰度图图2 灰度化效果图2.3.2 灰度直方图变换在数字图像处理中，灰度直方图是最简单且最有用的工具，它是关于灰度级分布的函数，用于描述数字图像中具有该灰度级的像素个数，并按照灰度级的大小统计其所出现的频率。它反映了一幅图像的灰度级内容。以灰度级别为横坐标，纵坐标是图像中该灰度出现的像素个数。灰度直方图是对灰度图像进行对比度增强的基础。借助于灰度图像可以很方便地进行高效检测边缘、分割图像及滤波处理。灰度修正是图像灰度级变换14的最常用方法。自然图像由于灰度分布可能集中在较窄的区间，引起图像不够清晰。如果图像偏暗的话，其灰度级密集分布于较低一侧，如果原始图像偏亮的话，直方图中的灰度级密集分布于较高一侧。采用直方图变换后，可使图像的灰度间距拉开或使灰度分布均匀，从而增大对比度，使图像清晰，达到增强的目的，本文采用的直方图变换是直方图均衡化，所谓直方图均衡化是通过对原图像进行某种变换，使得图像的直方图变为均匀分布的直方图。对于连续变化的图像，将原图像的灰度级r 归一到区间0,1而经过直方图拉伸修改后的灰度级设为s，则： （4） 其中，称作变换函数，它是一个递增函数，且函数使灰度级在黑到白之间不变。同