汽车车牌识别系统---车牌定位子系统的设计与实现-毕业论文.docx

《汽车车牌识别系统---车牌定位子系统的设计与实现-毕业论文.docx》由会员分享，可在线阅读，更多相关《汽车车牌识别系统---车牌定位子系统的设计与实现-毕业论文.docx（48页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、汽车车牌识别系统-车牌定位子系统的设计与实现摘 要汽车车牌识别系统是近几年发展起来的计算机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实现车牌定位，这是进行车牌字符识别的重要步骤，定位的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，在此基础上设计并开发了一个基于MATLAB的车牌定位系统，通过编写MATLAB文件，对各种车辆图像处理方法进行分析、比较,最终确定了车牌预处理、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，

2、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。关键词：图像采集，图像预处理，边缘检测，二值化，车牌定位 ENGLISH SUBJECTABSTRACTThe 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 recogni

3、tion. 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 an

4、d 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

5、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 theprobably area of license plate is extracted，then come out the resolutions fo

6、r localization of the car plate. KEY WORDS：imageacquisition，image preprocessing，edge detection，binarization，licence，license plate location48目录 前言1第1章绪 论21.1 课题研究的背景21.2 车牌的特征21.3 国内外车辆牌照识别技术现状31.4车牌识别技术的应用情况41.5 车牌识别技术的发展趋势51.6车牌定位的意义6第2章MATLAB简介72.1 MATLAB发展历史72.2 MATLAB的语言特点7第3章图像预处理103.1 灰度变换103.

7、2 图像增强113. 3 图像边缘提取及二值化133. 4 形态学滤波18第4章 车牌定位214.1 车牌定位的主要方法214.1.1基于直线检测的方法224.1.2 基于阈值化的方法224.1.3 基于灰度边缘检测方法224.1.4 基于彩色图像的车牌定位方法254.2 车牌提取26结 论30参考文献31致 谢33前言随着交通问题的日益严重，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

8、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计算机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。汽车牌照自动识别系统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

9、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。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

10、，车牌定位时可以首先将彩色车牌进行灰度化然后再进行车牌定位。第1章 绪 论 1.1 课题研究的背景随着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

11、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

12、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： （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。

13、（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，还有以下主要特征：（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

14、）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

15、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%。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

16、%。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

17、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，

18、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

19、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

20、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

21、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。第2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

22、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

23、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

24、 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

25、要特点：（1）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。（2）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。（3）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。（4）语法限制不严格，程序设计自由度大。例如，在MATL

26、AB里，用户无需对矩阵预定义就可使用。（5）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。（6）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。（7）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。（8）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

27、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3章 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

28、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，图像传感器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。3.1 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。

29、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3-1、3-2所示：图 3-1 原始图像 图 3-2 灰度图像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

30、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。在本设计中用到运动目标检测图像开操作，图像的开操作时先腐蚀后膨胀，用来消除小物体、在纤细点处分离物体、平滑较大物体的边缘同时并不明显改变其面积。（1）对原始图像进行开

31、操作得到背景图像：s=strel(disk,13); %调用strel函数Bgray=imopen(Sgray,s); %对图像进行开运算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（2）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 增强后的黑白图像3. 3 图像边缘提取及二值化3.3.1 图像边缘提取边缘主要存在于目标与目标、目标与背景、区域

32、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。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

33、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

34、至3-8），可知：（1）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。（2） Prewitt算子和Sobel算子都是一阶的微分算子，而前者是平均滤波，后者是加权平均滤波，对噪声具有一定的抑制能力，但不能完全排除检测结果中出现伪边缘。该类算子对灰度渐变和具有噪声的图像处理比较好。其中Sobel算子比Prewitt算子更能抑制噪声的影响。（3）Canny算子同样采用高斯函数对图像做平滑处理，因此具有较强的去噪能力，但同样存在容易平滑掉一些边缘信息。同时它所采用的一阶微分算子的方向性较好，因此边缘定位准确性较高。边缘检测算子的实现代码：I2=edge(I1,Robert,0.

35、09,both);Figure，imshow（I2）；title(Robert算子);图 3-6 Robert算子图 3-7 Prewitt算子图 3-8 Sobel算子图 3-9 Canny算子通过边缘检测仿真结果图可见，几个边缘检测算子都可以较好的提取所需的车牌边缘。为了车牌的定位，希望车辆图像的车牌区域突现出来的同时，其它边缘能够很好的得到抑制。Canny算子提取边缘能有效地检测出车牌区域的纹理特征，所以，本次设计选用Canny算子。3.3.2 灰度图像二值化灰度图像的二值化处理就是将图像上的点的灰度置为0或255，也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过

36、适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，要进行二值图像的处理与分析，首先 要把灰度图像二值化，得到二值化图像，这样子有利于再对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。如果某特定物体在内部有均匀一致的灰度值，并且其处在一个

37、具有其他等级灰度值的均匀背景下，使用阀值法就可以得到比较的分割效果。如果物体同背景的差别表现不在灰度值上（比如纹理不同），可以将这个差别特征转换为灰度的差别，然后利用阀值选取技术来分割该图像。动态调节阀值实现图像的二值化可动态观察其分割图像的具体结果。本文采用的图像二值化最佳阈值计算方法如下：Level=(fmax1-(fmax1-fmin1)/3)式中Level为最佳阀值，fmax为最大灰度，fmin为最小灰度，将图像二值化：fmax1=double(max(max(Egray); %egray的最大值并输出双精度型fmin1=double(min(min(Egray); %egray的最小

38、值并输出双精度型level=(fmax1-(fmax1-fmin1)/3)/255; %获得最佳阈值bw22=im2bw(Egray,level); %转换图像为二进制图像bw2=double(bw22);figure,imshow(bw2);title(图像二值化);%得到二值图像，如图 3-10：图 3-10 图像二值化3. 4 形态学滤波形态学是法国和德国的科学家在研究岩石结构时建立的一门学科。形态学的用途主要用来获取物体拓扑和结果信息，他通过物体和结构元素相互作用的某些运算，得到物体更本质的形态。人们后来用数学形态学表示以形态为基础对图像进行分析的数学工具。他的基本思想是用一个被称为结

39、构元素的探针收集图像的信息。当探针在图像中不断移动时，便可考察图像各个部分间的相互关系，从而了解图像各个部分的结构特征。作为探针的结构元素，可直接携带知识（形态大小以及灰度和色度信息）来探测所研究图像的结构特征。数学形态是一种非线性滤波的方法，可以用于抑制噪声，进行特征提取、边缘检测、图像分割等图像处理问题。数学形态学首先被用来处理二值图像，后来也被用来处理灰度图像，现在又有学者开始用软数学形态学和模糊形态学来解决计算机视觉方面的问题。腐蚀是一种消除边界点的过程，结果是使目标缩小，空洞增大，因而可有效地消除孤立噪声点；膨胀是将于目标物体接触的所有背景点合并到物体中的过程，结果是使目标增大，孔洞

40、减小，可填补目标物体中的空洞，形成联通域。先腐蚀后膨胀的过程为开运算，它具有消除细小物体，并在纤细处分离物体和平滑较大物体边界的作用；先膨胀后腐蚀的过程为闭运算，具有填充物体内细小空洞，连接临近物体和平滑边界的作用。本次毕业设计是运用了这种方法来实现其中重要步骤的。对图像做了开运算和闭运算，这两种运算是数学形态学中的重要运算。开运算就是对图像先进行腐蚀，然后在用同一结构元素对图像进行膨胀运算。闭运算就是反过来，先对图像膨胀再腐蚀。闭运算可以使图像的轮廓线更为光滑，它通常用来消掉狭窄的间断和长细的鸿沟，消除小的孔洞，并弥补轮廓中的断裂。se=1;1;1; %线型结构元素I3=imerode(I2

41、,se); %腐蚀图像subplot(3,2,4),imshow(I3),title(腐蚀后边缘图像);图 3-11 腐蚀后的边缘图像se=strel(rectangle,25,25); %矩形结构元素I4=imclose(I3,se); %形态学中的闭运算，聚类、填充图像，se为结构元素subplot(3,2,5),imshow(I4),title(填充后图像);图 3-12 填充（膨胀）后的图像I5=bwareaopen(I4,2000);%去除聚团灰度值小于2000的部分subplot(3,2,6),imshow(I5),title(形态滤波后图像);图 3-13形态学滤波后的图像经分析

42、采用矩形算子能有效地将车牌区域连接成片，去除非车牌区域，通过程序处理后的图可以清楚地看到对图像经过开操作滤波后的可能的车牌区域都清楚的保留了下来，是非常成功的。第4章 车牌定位4.1 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

43、，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。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4-1所示：图像预处理（灰度变换、 图像增强） 采集图像图像边缘检测及二值化对二值图像进行形态学滤波输出车牌提取车牌区域图4-1 车牌定位流程图4.1.1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

44、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。4.1.2 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

45、、计算量大限制了实际应用。4.1.3 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。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

46、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,of指出梯度变化最快的方向和数量. （4-1） Prewitt算子和Sobel算子1970 年左右，Prewitt和Sobel分别提出了一个算子，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): （4-2）Sobel算子和Prewitt算子的不同在于使用的模板不一样 ： （4-3）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