基于MATLAB的车牌定位(共43页).doc

精选优质文档-倾情为你奉上 毕业论文基于MATLAB的车牌定位学 校： 昆明理工大学 学 院： 应用技术学院 专 业： 电子信息工程 级 别： 学 号： 学 生 姓 名： 指导教师单位： 应用技术学院 指导教师姓名： 指导教师职称： 讲师 Location of car license plate based on MATLABSchool: Kunming University of science and technology Faculty: Faculty of Applied Technology Speciality: Electronic and Information Engineering Grade: 2006 Student ID: 5 Author: WangWei Organization of directing teacher: Faculty of Applied Technology Director: He Lifang Professional title of director: Lecture 专心-专注-专业目录摘 要汽车牌照自动识别系统是近几年发展起来的视觉和模式识别技术在智能交通领域应用的重要研究课题之一。在车牌自动识别系统中，首先要将车牌从所获取的图像中分割出来，这是进行车牌字符识别的重要步骤，定位准确与否直接影响车牌识别率。本次毕业设计首先对车牌识别系统的现状和已有的技术进行了深入的研究，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，对各种车辆图像处理方法进行分析、比较,并提出了车牌预处理、车牌粗定位和精定位的方法。本次设计采取的是基于微分的边缘检测，先从经过边缘提取后的车辆图像中提取车牌特征，进行分析处理，从而初步定出车牌的区域，再利用车牌的先验知识和分布特征对车牌区域二值化图像进行处理，从而得到车牌的精确区域，并且取得了较好的定位结果。关键字：识别率 车牌定位 二值化   边缘检测AbstractThe subject of the automatic recognition of license plate is one of the most significant subjects that are improved from the connection of computer vision and pattern recognition. In LPSR, the first step is for locating the license plate in the captured image which is very important for character recognition. The recognition correction rate of license plate is governed by accurate degree of license plate location.Firstly, the paper gives a deep research on the status and technique of the plate license recognition system. On the basis of research, a solution of plate license recognition system is proposed through the software MATLAB,by the M-files several of methods in image manipulation are compared and analyzed. The methods based on edge map and Das differential analysis is used in the process of the localization of the license plate, extracting the characteristics of the license plate in the car images after being checked up for the edge, and then analyzing and processing until the  probably area of license plate is extracted，then come out the resolutions for localization of the car plate.Key words:  Recognition rate Location of the plate binary image   Checked up for the edge前 言随着问题的日益严重，智能交通系统应运而生。从20世纪90年代起，我国也逐渐展开了智能交通系统的研究和开发，探讨在现有的交通运输网的基础上，提高运输效率，保障运输安全。我国加强智能交通系统（ITS）的研究与开发势在必行，特别是考虑到我国的国情和我国经济的快速发展，社会信息化程度日益提高，交通管理智能化成为发展的趋势。汽车牌照自动识别系统是近几年发展起来的视觉和模式识别技术在智能交通领域应用的重要研究课题之一。车牌识别的目的是对摄像头获取的汽车图像进行预处理,确定车牌位置,提取车牌上的字符串，并对这些字符进行识别处理,用文本的形式显示出来。车牌自动识别技术在智能交通系统中具有重要的应用价值。在车牌自动识别系统中，首先要将车牌从所获取的图像中分割出来，这是进行车牌字符识别的重要步骤，定位准确与否直接影响车牌识别率。本次设计主要对车牌的定位做了比较详细的研究。车牌自动识别系统（LARS）作为一种交通信息的获取技术在交通车辆管理、园区车辆管理、停车场管理有着特别重要的应用价值，受到业内人士的普遍关注。车牌自动识别的处理有三部分组成，其中车牌定位作为最关键的技术，成为重点研究的对象。数据库字符识别系统车牌定位系统图像预处理系统输入图像车牌定位的成功与否以及定位的准确程度将会直接决定后期能否进行车牌识别以及识别的准确度。由于在现实中，汽车的车牌图像受到光照、背景、车型等外界干扰因素以及拍摄角度、远近等人为因素的影响，造成图像受光不均匀，车牌区域不明显，给车牌区域的提取带来了较大的困难。车牌定位的方法有很多种，目前比较经典的定位方法大都在基于灰度图像的基础上。本次毕业设计就针对灰度图像的定位进行了研究。针对不同背景和光照条件下的车辆图像，提出了一种基于灰度图像灰度变化特征进行车牌定位的方法。依据车牌中不同区域的灰度分布，车牌定位可以首先将彩色车牌进行灰度化然后再进行车牌定位。第一章 绪论1.1课题研究背景随着21世纪经济全球化的到来，高速度、高效率的生活节奏，使车辆普及成为必然的趋势，交通管理自动化越来越成为亟待解决的问题。现代智能交通系统 (Intelligent Transportation System，ITS)中，车辆牌照识别(License Plate Recognition，LPR)技术是计算机视觉与模式识别技术在交通领域应用的重要研究课题之一，是实现交通管理能够智能化的重要环节，其任务是分析、处理汽车图像，自动识别汽车牌号。LPR系统可以广泛应用于电子收费、出入控制、公路流量监控、失窃车辆查询和停车场车辆管理等需要车牌认证的场合；尤其在高速公路收费系统中，实现不停车收费提高公路系统的运行效率，LPR系统更具有不可替代的作用。因而从事LPR技术的研究具有极其重要的现实意义和巨大的经济价值。LPR系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。关于车牌定位系统的研究，国内外学者已经做了大量的工作，但实际效果并不是很理想，比如车牌图像的倾斜、车牌表面的污秽和磨损、光线的干扰等都是影响定位准确度的潜在因素。为此，近年来不少学者针对车牌本身的特点、车辆拍摄的不良现象及背景复杂状况，先后提出了许多有针对性的定位方法，使车牌定位在技术和方法上都有了很大的改善。然而现代化交通系统不断提高的快节奏，将对车牌定位的准确率和实时性提出更高的要求，因而进一步加深车牌定位的研究是非常有必要的。1.2车牌的特征车牌的本身具有许多固有特征，这些特征对不同的国家是不同的，我国现在使用的车牌主要根据中华人民共和国机动车牌号GA36-92标准，具有以下特征【5】：（1） 形状特征：标准的车牌外轮廓尺寸440*140，字符高90，宽45，字符间距12，间隔符宽10。整个字符的高宽比例近似为3:1，车牌的边缘是线段围成的有规则的矩形。主要用在车牌的定位分割。（2） 颜色特征：现有的字符颜色与车牌底色搭配有四种类型，蓝底白字，黄底黑字，白底黑字，黑底白字。这部分特征主要用在对彩色图像进行车牌的定位。（3） 字符的特征：标准的车牌上有7个字符，呈水平排列，待识别的字符模板可以分为一下三类，汉字，英文字母，阿拉伯数字，主要用于对字符匹配识别方面。（4） 其他国家的汽车牌照格式(如汽车牌照的尺寸大小，牌照上的字符排列等)通常只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式(例如分为军车、警车、普通车等)。（5） 我国汽车牌照的规范悬挂位置不唯一。（6） 由于环境、道路或人为因素造成汽车牌照污染严重，这种情况下，国外发达国家不允许上路，而在我国仍可上路行驶。车牌与汽车的其它区域相比，还有一下主要特征：(1)车牌区域中的垂直边缘比水平边缘密集，而车身其它部分的水平边缘明显，垂直边缘较少。(2)灰度变化特征：车牌的底色、边缘颜色，车辆外部的颜色都是不同的，表现在图像中就是灰度级互不相同，这就在车牌边缘形成了灰度突变边界。实际上，车牌的边缘在灰度上的表现是一种屋脊状边缘。在车牌区域内部，字符和车牌底的灰度较均匀的呈现波峰波谷。 （3） 有相对集中和规则的纹理特征。由于我国汽车车牌识别的特殊性，这就导致了采用任何单一识别技术都是难以奏效的。1.3 国内外车辆牌照识别技术现状目前，国内外有大量关于车牌识别方面的研究报道。国外在这方面的研究工作开展较早。在上世纪70 年代，英国就在实验室中完成了“实时车牌检测系统”的广域检测和开发。同时代，诞生了面向被盗车辆的第一个实时自动车牌监测系统。发展到今日，国外对车牌检测的研究已经取得了一些令人瞩目的成就，如Yuntao Cui提出了一种车牌识别系统，在车牌定位以后，利用马尔科夫场对车牌特征进行提取和二值化，对样本的识别达到了较高的识别率。Eun Ryung 等利用图像中的颜色分量，对车辆照进行定位识别，其中提到了三种方法：以Hough 变换为基础的边缘检测定位识别；以灰度值变换为基础的识别算法；以HLS 彩色模式为基础的车牌识别系统，识别率分别为81.25%、85%、91.2%10。日本对车牌图像的获取也做了大量的研究，并为系统产业化做了大量工作。Luis开发系统应用于公路收费站，全天识别率达到了90%以上，即使在天气不好的情况下也达到了70%。国外对车牌识别的研究起步早，总体来讲其技术已比较领先，同时由于他们车牌种类单一，规范程度较高，易于定位识别，目前，已经实现了产品化，并在实际的交通系统中得到了广泛的应用。由于中国车牌的格式与国外有较大差异，所以国外关于识别率的报道只具有参考价值，其在中国的应用效果可能没有在其国内的应用效果好，但其识别系统中采用的很多算法具有很好的借鉴意义。从车牌识别系统进入中国以来，国内有大量的学者在从事这方面的研究，提出了很多新颖快速的算法。中国科学院自动化所的刘智勇等开发的系统在一个样本量为3180 的样本集中，车牌定位准确率为99.42%，切分准确率为94.52%，这套系统后来应用于汉王公司的车牌识别系统，取得了不错的效果。南京大学的熊军等提出了基于字符纹理特征的定位算法，准确率达95%。华中科技大学的陈振学等学者提出了一种新的车牌图像字符分割与识别算法，使用一维循环清零法，通过对垂直投影图进行一次扫描，有效的清除了杂点和间隔符，正确分割率达到了96.8%。浙江大学的张引、潘云鹤等提出了彩色边缘算子Color Prewitt 和彩色边缘检测与区域生长相结合的牌照定位算法，算法简单，且全面作用在颜色空间的三个分量上，检测出的牌照区域易于与背景剥离。但是计算量和存储量都比较大，难以满足实时性的要求。此外，当车辆区域的颜色和附近颜色相近时，定位失误率会增加。国内还有许多学者都在进行这方面的研究，并且取得了大量的研究成果。1.4车牌识别技术的应用情况车辆牌照识别系统技术能够从一幅车辆图像中准确定位出车牌图像，经过字符切分和识别后实现车辆牌照的自动识别，从而为以上应用提供信息和基础功能。目前车牌识别系统主要应用于以下领域：（1）停车场管理系统。利用车牌识别技术对出入车辆的号牌进行识别和匹配，与停车卡结合实现自动计时、计费的车辆收费管理系统。（2）高速公路超速自动化管理系统。以车牌自动识别技术为基础，与其他高科技手段结合，对高速公路交通流状况进行自动监测、自动布控，从而降低交通事故的复发生率，确保交通顺畅。（3）公路布控。采用车牌识别技术实现对重点车辆的自动识别，快速报警，既可以有效查找被盗车辆，同时又为公安、检察机关提供了对犯罪嫌疑人的交通工具进行远程跟踪与监查的技术手段。（4）城市十字交通路口的“电子警察”。可以对违章车辆进行责任追究，也可以辅助进行交通流量统计，交通监测和疏导。(5）小区车辆管理系统。社区保安系统将出入社区的车辆通过车牌识别技术进行记录，将结果与内部车辆列表对比可以实现防盗监管。1.5 车牌识别技术的发展趋势车牌识别技术作为智能交通系统中的关键技术，在各国学者的共同努力下，已经得到了长足的发展，并且已经得到了不同程度的实际应用，但目前还存在着种种不足。对于未来车牌识别产品的技术发展趋势，汉王科技智能交通部总经理乔炬认为，首先，由于市场需求不同，对识别产品的需求也有差异，因此就要求研发针对不同细分市场的车牌识别产品。其次，随着算法的不断改进，基于视频触发技术的车牌识别产品将得到大范围的应用，但是视频触发技术取代外触发装置尚需时日。第三，现在的车牌识别系统设备过多，系统集成难度大，系统稳定性差，系统维护是一个让人头疼的问题。随着技术不断进步，以往多个设备实现的功能可能由一个设备实现。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，画质改善技术的提高等等。1.6车牌定位的意义 现在社会已经进入信息时代，随着计算机技术、通信技术和计算机网络技术的法杖，自动化的信息处理能力和水平不算提高，并在人们社会活动和生活的各个领域得到广泛应用。在这种情况下，作为信息来源的自动检测、图像识别技术越来越受到人们的的重视。作为现代社会的主要交通工具之一的汽车，在人们的生产、生活的各个领域得到大量使用，对它的信息自动采集和管理在交通车辆管理、园区车辆管理、停车场管理等方面有十分重要的意义，成为信息处理技术的一项重要课题。1.7本次设计的主要研究方向本次设计研究的车牌定位方法是：基于灰度图像的车牌定位方法这种方法是根据车牌几何特征的特点和纹理特征进行车牌的定位，通过图像预处理、图像边缘检测及二值化、车牌提取、车牌输出等步骤对车牌进行定位。在复杂背景和不同光的条件下，该方法均有很好的效果，而且运算速度快。章节安排：第一章：绪论第二章：MATLAB简介第三章：车牌定位第四章：总结第二章 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，本意是专门以矩阵的方式来处理计算机数据，它把数值计算和可视化环境集成到一起，非常直观，而且提供了大量的函数，使其越来越受到人们的喜爱，工具箱越来越多，应用范围也越来越广泛。MATLAB 以商品形式出现后，仅短短几年，就以其良好的开放性和运行的可靠性，使原先控制领域里的封闭式软件包（如英国的 UMIST ，瑞典的 LUND 和 SIMNON ，德国的 KEDDC ）纷纷淘汰，而改以 MATLAB 为平台加以重建。在时间进入 20 世纪九十年代的时候， MATLAB 已经成为国际控制界公认的标准计算软件。 到九十年代初期，在国际上 30 几个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的前两名。 Mathcad 因其提供计算、图形、文字处理的统一环境而深受中学生欢迎。 国际学术界， MATLAB 已经被确认为准确、可靠的科学计算标准软件。在许多国际一流学术刊物上，（尤其是信息科学刊物），都可以看到 MATLAB 的应用。 在设计研究单位和工业部门， MATLAB 被认作进行高效研究、开发的首选软件工具。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 为主要支撑。又如 HP 公司的 VXI 硬件， TM 公司的 DSP ， Gage 公司的各种硬卡、仪器等都接受 MATLAB 的支持。2.2 MATLAB的语言特点一种语言之所以能如此迅速地普及，显示出如此旺盛的生命力，是由于它有着不同于其他语言的特点。正如同FORTRAN和C等高级语言使人们摆脱了需要直接对计算机硬件资源进行操作一样，被称作为第四代计算机语言的MATLAB，利用其丰富的函数资源，使编程人员从繁琐的程序代码中解放出来。MATLAB的最突出的特点就是简洁。MATLAB用更直观的、符合人们思维习惯的代码，代替了C和FORTRAN语言的冗长代码。MATLAB给用户带来的是最直观、最简洁的程序开发环境。以下简单介绍一下MATLAB的主要特点7：语言简洁紧凑，使用方便灵活，库函数极其丰富。MATLAB程序书写形式自由，利用其丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程工作。由于库函数都由本领域的专家编写，用户不必担心函数的可靠性。可以说，用MATLAB进行科技开发是站在专家的肩膀上。运算符丰富。由于MATLAB是用C语言编写的，MATLAB提供了和C语言几乎一样多的运算符，灵活使用MATLAB的运算符将使程序变得极为简短，具体运算符见附表。MATLAB既具有结构化的控制语句（如for循环、while循环、break语句和if语句），又有面向对象编程的特性。语法限制不严格，程序设计自由度大。例如，在MATLAB里，用户无需对矩阵预定义就可使用。程序的可移植性很好，基本上不做修改就可以在各种型号的计算机和操作系统上运行。MATLAB的图形功能强大。在FORTRAN和C语言里，绘图都很不容易，但在MATLAB里，数据的可视化非常简单。MATLAB还具有较强的编辑图形界面的能力。MATLAB的缺点是，它和其他高级程序相比，程序的执行速度较慢。由于MATLAB的程序不用编译等预处理，也不生成可执行文件，程序为解释执行，所以速度较慢。功能强劲的工具箱是MATLAB的另一重大特色。MATLAB包含两个部分：核心部分和各种可选的工具箱。核心部分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。功能性工具箱主要用来扩充其符号计算功能、图示建模仿真功能、文字处理功能以及与硬件实时交互功能。功能性工具箱能用于多种学科。而学科性工具箱是专业性比较强的，如control、toolbox、signal processing toolbox、communication toolbox等。这些工具箱都是由该领域内的学术水平很高的专家编写的，所以用户无需编写自己学科范围内的基础程序，而直接进行高、精、尖的研究。下表列出了MATLAB的核心部分及其工具箱等产品系列的主要应用领域。第三章 车牌定位3.1车牌定位的主要方法所谓车牌定位算法是指在实际拍摄的图像中确定车牌区域的位置以便提取分割出车牌区域图像的问题。牌照的快速准确定位是车牌自动识别技术中非常关键的一步，是典型的图像分割问题，因此定位方法与车牌特征和图像处理技术是分不开的。经典的车牌定位分割算法包括从简单的灰度阈值方法、频域和空间分割方法到复杂的连接元素方法以及Hough变化法等，在背景较复杂和光照不均匀条件下，这些方法难以取得令人满意的分割效果。近年来，人们针对这种情况，提出了各种各样的定位算法。目前没有一个标准图像数据库来评价无限制条件车牌定位算法的性能，这个问题的研究目前刚刚起步。3.1.1基于直线检测的方法这类方法一般采用Hough变化等方法来检测直线（车牌周围边框形成）。利用车牌形状特性来定位车牌，在实际运用中忧郁光照不均匀等影响和摄像机畸变，曝光不足和动态范围太窄等原因，导致图像存在伪影，加上车牌上的灰尘、脏污等使形状特性表现的不明显，从而影响定位效果，此外传统的Hough变换法应用在车牌定位中，只是单纯的进行直线的检测，没有和车牌形状特性结合起来，而且Hough空间与原图像空间不是一一对应的，由Hough空间中检测到的特征点无法确定出车牌轮廓的起始位置，无法避免直线干扰的问题，因此在有直线干扰时及未进行边框提取时的可能性会大大增加。Hough变化计算量较大，对于边框不连续的实际车牌，需要附加量加大的运算。3.1.2 基于阈值化的方法图像经过阈值化得到一个字符和背景分离的二值图像是这类方法的特点。目前已经提出了多种阈值化策略，但简单算法二值化效果不好，复杂算法计算时间长、计算量大限制了实际应用。3.1.3 基于灰度边缘检测方法此类方法通常利用车牌区域局部对比度明显和灰度有规律变化的纹理特征来定位。中国车牌类型较多，在不同光照条件下车牌对比度更加不一，需要进行图像增强处理，还要考虑图像中与车牌特征非常相似的非车牌区域的排除问题。（1）基于灰度直方图的门限化边缘检测基于灰度直方图的门限化边缘检测是一种最常用、最简单的边缘检测方法。对检测目标背景图像中目标的边缘效果很好。这种图像的灰度直方图呈双峰状态。（2）基于微分的边缘检测1.基于差分的边缘检测一阶差分边缘检测对位于边缘两侧的点，像素点灰度值将发生急剧变化，因此有较大的差分值。当差分方向和边界方向垂直时将获得最大差分，因此，只要对f(i ,j) 各方向的差分值再进行一次门限化处理，即可检出边缘像素点，从而求得其边缘图像。二阶差分边缘检测这是利用在图像的边缘处，灰度发生急剧变化这一特性，采用图像灰度值沿着确定方向(x，y或对角线)取二次差分后的某些性质进行边缘检测的。2. 基于梯度的边缘检测由于边缘发生在图像灰度值变化比较大的地方，对应连续情形就是函数梯度最大 的地方。Roberts算子、Prewitt算子和Sobel算子就是比较简单而常用的例子。还有一种比较直观的方法就是利用当前像素临域中的一些像素值拟合一个曲面，然后求这个连续曲面在该像素处梯度。从统计角度上说，我们可 以通过回归分析得到一个曲面，然后做类似的处理。 Robert算子在图 像中边缘的锐利程度是由图像的梯度来决定的。梯度是一个向量,o f指出梯度变化最快的方向和数量. （3-1） Prewitt算子和Sobel算子1970 年左 右，Prewitt和Sobel分别提出7一个算子，即Prewitt算子Sobel算子。Prewitt边缘检测算子使用两个有向算子(一个是水平的，一个是垂直的一般称为模版，每一个逼近一个偏导数): （3-2）Sobel算子和Prewitt算子的不同在于使用的模板不一样 ： （3-3）对一些图像噪声结构，Sobel算子和Prewitt算子能产生比较好的结果，但是他们存在一些共同的问题:A.检测结果对噪声很敏感，图像的离散差分对噪声比对原图像更敏感;B.可以通过对图像做平滑来改善结果，但是又会产生一个问题:会把一些靠在一起的边缘平滑掉，而且会影响对边缘的定位:C用上述模板卷积后得到的边缘可能是跨越好几个点而不是一个点:为了改善这个问题 ，还要做一些改进:边缘像素不只是要大于闽值，而且梯度方向上梯度的 大小要大于它的前者和后者，这个方法称之为非极值抑制.Canny边缘检侧算子提起图像边缘检测就不得不提Canny准则及Canny算子。1986年JohnC anny提出了划时代的边缘检测的三条准则，并在此基础上得到了一个很不错的使用算法。Canny三准则:A. 好的检测结果，或者说对边缘的错误检测率要尽可能的低:就是在图像上边 缘出现的地方检测结果不应该没有:另一方面也不要出现虚假边缘。这是因为所有用边缘检测做更深入工作的系统，它的性能依赖于边缘检测的误差 。B. 对边缘的定位要准确:检测出的边缘位置和图像上真正的边缘中心位置充分接近 。C. 对同一边缘要有低的响应次数。Canny还提出一种对噪声进行估计的使用方法。假设边缘信号的响应是比较少的而且是比较大的值而噪声的响应是很多但是值相对较小，那么阈值就可以通过滤波后的图像的统计累积直方图得到(实践数据表明取阈值为这个累积直方图的0.8，而Matlab取其0.7)。在Canny准侧的基础上，人们进行了更深入的研究，得到了很多的结果。但是仅仅有一个阈值是不够的。由于噪声的影响边缘信号响应只有差不多一半大于这个阈值的，由此造成了斑纹现象，也就是边缘是断的.如果我们把这个阈值降低，我们往往发现出现错误的“边缘”。为了解决这个问题，Canny提出一种双阈值方法。前面利用累计统计直方图得到一个高阈值T,，然后再取一个低阈值Tz (Matlab6.5中使用的是T2=0.4T,)。如果图像信号的响应大于高阈值，那么它一定边缘;如果低于低阈值，那么它一定不是边缘;如果在低阈值和高阈值之间，我们就看它的8个邻接像素有没有大大于高阈值的边缘，如果有，则它是边缘。 3.1.4 基于彩色图像的车牌定位方法目前的车牌分割受限于灰度图像，所以定位效果受阴影和光照条件的限制。由于人类视觉对彩色信息比较敏感，人眼能分辨的灰度只有20多级，而分辨的色彩却有35000种，彩色图像可以提供更多的视觉信息，有图像学者提出了利用车牌的颜色信息来搜索牌照，将处理对象改为彩色图像以求可以精确地定位车牌。比如一些系统采用BP神经网络对彩色图像进行彩色分割，把每个像素通过网络学习归类为期望的颜色，然后利用水平和数值直方图的方法确定牌照的位置，但是当车牌区域颜色域附近颜色非常相似且牌照倾斜的情况下彩色定位分割错误将会增加。但是基于彩色图像的定位算法最大的缺点是计算量和存储量都比较大，如基于神经网络的彩色图像车牌分割方法，此方法需要处理好网络局部收敛问题，定位时间长。此外当车牌区域颜色和附近颜色相似时，定位错误增加。也有一些系统采用彩色边缘检测算子计算二值边缘图像，然后采用形态学方法来生成连通区域图像，再进行轮廓跟踪，通过标记候选牌照区域，得到n个候选牌照区域，最后对候选牌照进行分析与分解，进而提取牌照区域，但是当途中相似颜色区块较多时，定位速度会急剧下降。 也有的系统首先利用颜色信息对输入图像进行彩色粗分割，得到了颜色为车牌照的一些区域。然后将分割结果中的伪目标（即除了车牌区域以外的区域）分为两类（一类是与汽车牌照颜色相近的背景，一类是可能与牌照颜色相近的汽车外壳），分别进行处理，最终利用投影法得到准确的车牌位置。虽然这种方法的定位率比较准确，但是识别速度却很慢。这类方法一般都是将输入的RGB彩色图像转换成HIS彩色图像，然后进行基于模糊逻辑或神经网络的色彩分割，再进一步定位车牌，计算量巨大。目前，基本上处于理论研究阶段，随着计算机运算速度的提高，应该逐步走向实用阶段。上述4种方法中，基于直线检测的方法对我国车牌来讲并不完全适用，因为我国车牌的悬挂明显不够规范，有些车牌边框不够明显必然造成定位算法失效，如果结合别的算法则需要在本身运算量很大的情况下额外增加系统开销。车牌的最明显特点是其纹理特征，这样看来，在兼顾到实时心要求和定位成功率的情况下，基于灰度边缘检测的方法不失为一个理想选择。此外，基于颜色（提取像素点）的车牌定位也是比较普遍的定位方法。3.2 车牌定位流程本次毕业设计中所用的方法是基于图像的特征来做的，先初步确定车牌大致区域，再通过计算对车牌进行精确定位流程图如图3-1所示： 图像预处理（灰度变换、 图像增强）图像输入 图像边缘检测及二值化 对二值图像进行滤波输出车牌提取车牌区域图3-1 车牌定位流程图3.3 图像预处理图像预处理是车牌定位的准备工作，以提高车牌图片的适用性。从采集卡获得的原始图像不仅包括车牌照，而且还有汽车本身和汽车背景图像，因此必须去掉这些非牌照图像的影响，才有可能正确的提取出牌照区域，为以后的车牌字符识别打下基础。在实际应用中，由于季节的更替、自然光照度的昼夜变化、光照的稳定性与均匀性、车辆自身的运动、观察点(摄像机的角度、位置、观察角度等)、采集图像的设备本身的因素等的影响，CCD所获取的图像有时并不令人十分满意，存在各种各样的噪声。因而必须对图像进行预处理，以改善图像质量，提高字符识别率。3.3.1 灰度变换灰度图是指只包含亮度信息，不包含色彩信息的图像，例如平时看到的亮度连续变化的黑白照片就是一幅灰度图。灰度化处理就是将一幅彩色图像转化为灰度图像的过程。彩色图像分为R、G、B 三个分量，分别显示出红、绿、蓝等各种颜色，灰度化就是使彩色的R、G、B 分量相等的过程。灰度值大的像素点比较亮（像素值最大为255，为白色），反之比较暗（像素值最小为0，是黑色）。本次灰度图像变换的实现采用了rgb2gray函数rgb2gray：转换RGB图像或颜色映像表为灰度图像格式：I=rgb2gray(RGB) I=rgb2gray(A)原始图像和灰度图如图3-2、3-3所示：图 3-1 原始图像 图 3-2 灰度图像3.3.2 图像增强对车辆图像进行灰度化处理之后，车牌部分和非车牌部分图像的对比度并不是很高，此时如果直接进行边缘提取，由于车牌界限较为模糊，难以提取出车牌边缘，因而难以准确定位车牌。为了增强牌照部位图像和其他部位图像的对比度，使其明暗鲜明，有利于提高识别率，需要将车辆图像进行增强。图像增强的目的是对图像进行加工，以得到对具体应用来说视觉效果更适于计算机识别的图像。增强图像的方法有很多，如灰度变换、图像平滑处理和线性滤波等，根据处理图像域又可分为空间增强与频域增强。目前用于车牌图像增强的方法有：灰度拉伸、直方图均衡、中值滤波、高斯滤波、邻域滤波、图像腐蚀、多图像平均、同态滤波等等。（1） 对原始图像进行开操作得到背景图像：s=strel('disk',13);%strel函数Bgray=imopen(Sgray,s); figure,imshow(Bgray);title('背景图像');输出背景图像，如图 3-3 所示：图 3-3 背景图像原始灰度图像与背景图像做减法，对图像进行增强处理：Egray=imsubtract(Sgray,Bgray);figure,imshow(Egray);title('增强黑白图像');输出黑白图像如图 3-4 所示：图 3-4 增强的黑白图像3. 4 图像边缘提取及二值化(1）边缘提取边缘主要存在于目标与目标、目标与背景、区域与区域（包括不同色彩）之间，边缘检测主要是精确定位边缘和抑制噪点，原理是：由于微分算子具有突出灰度变化的作用，对图像进行微分运算，在图像边缘处及其灰度变化较大，故该处微分计算值较高，可将这些为分支作为相应点的边缘强度，通过阈值判别来提取边缘点，即如果为分支大于阈值，则为边缘点。其基本步骤是首先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的“边缘强度”，通过设置门限的方法提取边缘点集。常用的传统边缘检测算子有 Robert 算子、Sobel 算子、Prewitt 算子、Laplace算子和Canny 算子9。Robets算子：边缘定位准确，但对噪声敏感，去噪声作用小，适合于边缘明显且噪声较小的图像分割；Sobel算子：它是方向性的，在水平和垂直方向上形成了最强烈的边缘。Sobel算子不仅能检测边缘点，而且能抑制噪声影响，对灰度渐变和噪声较多的图像处理得较好；Prewitt算子：与Sobel算子相比，对噪声抑制较弱；Laplace算子：它是一个与方向无关的各向通行边缘检测算子，对细线和孤立点检测效果好，但边缘方向信息丢失，常产生双像素的边缘，对噪声有双倍加强作用，很少直接用于检测边缘；Canny算子：边缘检测的方法是寻找图像梯度的局部极大值，它使用两个阈值来分别检测强边缘和弱边缘，而且仅当弱边缘和强边缘相连时，弱边缘才会包含在输出中。通过实验图对几种边缘检测算子进行仿真（图3-5至3-8），可知： Roberts算子定位比较准确，但由于不包括平滑，所以对噪声比较敏感。 Prewitt算子和Sobel算子都是一阶的微分算子，而前者是平均滤波，后者是加权平均滤