【正文】 指導(dǎo)教師 (簽章)評(píng) 閱 人評(píng) 語 評(píng) 閱 人 (簽章)成 績 答辯委員會(huì)主任 (簽章) 年 月 日 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 II 頁畢 業(yè) 設(shè) 計(jì) 任 務(wù) 書班 級(jí) 1 班 學(xué) 生 姓 名 謝天 學(xué) 號(hào) 20222241 專 業(yè) 自動(dòng)化（交通信息工程及控制方向） 發(fā) 題 日 期：2022 年 1 月 1 日 完 成 日 期：2022 年 6 月 15 日題 目 基于 VC++ 的車牌識(shí)別系統(tǒng)研究 題目類型：工程設(shè)計(jì) 技術(shù)專題研究 √理論研究 軟硬件產(chǎn)品開發(fā)一、設(shè)計(jì)任務(wù)及要求 智能交通系統(tǒng)是 21 世紀(jì)道路交通管理的發(fā)展趨勢(shì)。由于多樣化的牌照形式、不一致的戶外光照條件、各種復(fù)雜背景的干擾等因素，使得車牌照識(shí)別技術(shù)課題極具挑戰(zhàn)性。本文對(duì)車牌識(shí)別系統(tǒng)中的圖像預(yù)處理、車牌定位、字符分割和字符識(shí)別等環(huán)節(jié)涉及到的技術(shù)、算法以及系統(tǒng)整體設(shè)計(jì)作了全面的論述，并與已有方案進(jìn)行了比較，同時(shí)對(duì)部分關(guān)鍵算法進(jìn)行了設(shè)計(jì)和改進(jìn)。車牌定位是車牌識(shí)別系統(tǒng)中非常重要的一步。本程序用純軟件的方法實(shí)現(xiàn)了車牌字符的自動(dòng)識(shí)別，達(dá)到了較高的識(shí)別率。 character segmentation。它還可以同雷達(dá)測(cè)速器或其他的檢測(cè)器配合使用，以檢測(cè)違犯限速值的車輛。這也為交通誘導(dǎo)系統(tǒng)提供必要的交通流信息。若同車型檢測(cè)器聯(lián)用，可迅速發(fā)現(xiàn)所掛車牌與車型不符的車輛。車牌識(shí)別技術(shù)的根本性作用在于自動(dòng)識(shí)讀出車輛的唯一身份證車牌號(hào)碼，擺脫了人工查看圖片識(shí)讀車牌號(hào)碼的工作，由于這一智能化的技術(shù)，頓時(shí)使車輛管理的技術(shù)水平跨上了一個(gè)新臺(tái)階，雖然任何車輛管理系統(tǒng)最終都不可能完全擺脫人的參與( 即真正意義上的“ 無人化值守 ”)，但畢竟在降低人工勞動(dòng)強(qiáng)度、提高管理效率、增加管理的客觀性方面起到了巨大的推動(dòng)作用。國外的相關(guān)研究有 J Barroso 提出的基于掃描行高頻分析的方法以及 Lancaster 提出的類字符分析方法等。為此，近年來不少學(xué)者針對(duì)車牌本身的特點(diǎn)，車輛拍攝的不良現(xiàn)象及背景的復(fù)雜狀況，先后提出了許多有針對(duì)性的定位方法，使車牌定位在技術(shù)和方法上都有了很大的改善。目前己有的方法很多，但其效果與實(shí)際的要求相差得很遠(yuǎn)，難以適應(yīng)現(xiàn)代化交通系統(tǒng)高速度、快節(jié)奏的要求。比較好的定位算法有基于車牌文字變化特點(diǎn)的自動(dòng)掃描識(shí)別算法；基于特征的車輛牌照定位算法；基于變換函數(shù)提取車牌的算法；基于視覺的車輛牌照檢測(cè)；基于字符串的車輛牌照分割方法。另外，一些學(xué)者們從一些數(shù)學(xué)工具著手，利用數(shù)學(xué)形態(tài)學(xué)、小波分析、遺傳算法等方法對(duì)一些傳統(tǒng)定位方法進(jìn)行改進(jìn)，提出了基于屬性開運(yùn)算的汽車牌照區(qū)域定位算法，通過對(duì)灰度圖像采用屬性開運(yùn)算，削去滿足特定屬性的峰部，確定出目標(biāo)以及少量非目標(biāo)區(qū)域，然后計(jì)算出圖像的傾斜角及目標(biāo)區(qū)域所在范圍；提出了基于小波與形態(tài)學(xué)的車牌圖像分割方法等。車牌字符識(shí)別技術(shù)是文字識(shí)別技術(shù)與車牌圖像自身因素協(xié)調(diào)兼顧的綜合性技術(shù)。 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 4 頁車牌字符識(shí)別的研究在技術(shù)上雖然取得了很大的突破，然而離實(shí)用化的要求還相差很遠(yuǎn)，許多新方法僅停留在理論和文章上或者限制在比較狹窄的約束范圍內(nèi)，并不能以產(chǎn)品的形式大范圍的投入使用。本文先實(shí)現(xiàn)了車牌定位，再對(duì)車牌中的字符分割和字符識(shí)別，因此本系統(tǒng)由四大部分組成，車輛圖像的預(yù)處理、車牌區(qū)域的定位、車牌字符識(shí)別的預(yù)處理、車牌字符的識(shí)別，系統(tǒng)詳細(xì)流程圖見圖 11。第 1 章介紹了車牌自動(dòng)識(shí)別系統(tǒng)的研究背景和意義，國內(nèi)外的研究現(xiàn)狀以及車牌識(shí)別研究的技術(shù)特點(diǎn)。輸入彩色車輛圖像開始車輛圖像的預(yù)處理車牌捕捉字符預(yù)處理字符識(shí)別結(jié)束圖象灰度化圖象二值化圖象中值濾波車牌邊緣檢測(cè)圖象去噪車牌反色車牌傾斜度調(diào)整車牌字符分割歸一車牌緊縮車牌細(xì)化 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 7 頁 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 8 頁第 2 章 車牌識(shí)別系統(tǒng)功能設(shè)計(jì)方案上面介紹了車牌識(shí)別系統(tǒng)的研究意義和研究方法，讓讀者對(duì)車牌識(shí)別這個(gè)系統(tǒng)有了一個(gè)初步的印象，下面將介紹車牌識(shí)別系統(tǒng)具體的設(shè)計(jì)方案以及設(shè)計(jì)原則，便于讀者理解。 對(duì) 于 維 護(hù) 交 通 安 全 和 城 市 治 安 ， 防 止 交 通 堵 塞 ， 實(shí) 現(xiàn) 交 通 自動(dòng) 化 管 理 有 著 現(xiàn) 實(shí) 的 意 義 。接著是一個(gè)點(diǎn)“.” ，后面的汽車編號(hào)，一般為 5 位數(shù)字，即從00001——99999。因而減少了圖像處理的復(fù)雜性。至于圖像數(shù)據(jù)讀取、車牌定位、車牌校正、車牌字符切割、字符識(shí)別等方法的實(shí)現(xiàn)都是系統(tǒng)內(nèi)部自動(dòng)完成的。相信通過這章的介紹，大家對(duì)車牌識(shí)別中的一些基本問題都有了簡單的了解，也為后面車牌識(shí)別算法介紹做了鋪墊。彩色圖像包含著大量的顏色信息，不但在存儲(chǔ)上開銷很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度。由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理。將彩色圖像轉(zhuǎn)化為灰度圖像常采用的經(jīng)驗(yàn)公式如圖 31 所示： gray = R + G + B (31)式中，gray 為灰度值，R、G、B 分別為紅色、綠色和藍(lán)色分量。這是因?yàn)?，一方面，有些需要處理的如文字圖像、指紋圖像、工程圖紙等圖像本身是二值的；另一方面，在某些情況下即使圖像本身是有灰度的，我們也設(shè)法使它變成二值圖像再進(jìn)行處理(即灰度圖像的二值化)。但問題是，要確定一個(gè)合適的閾值是一件讓人頭痛的事，確定閾值的多種方法各有千秋。本文采用的是基于像素值的全局迭代閾值選取方法。 (35)21BOkZT??4. 如果 ，則迭代結(jié)束，否則 ，轉(zhuǎn)到第 2 步繼續(xù)迭代。T h r e s h o l d = （ 圖像最大灰度值 + 最小灰度值 ）/ 2把灰度值小于 T h r e s h o l d 的點(diǎn)求平均灰度 g 1把灰度值大于 T h r e s h o l d 的點(diǎn)求平均灰度 g 2若 T h r e s h o l d =（ g 1 + g 2 ） / 2若 i 圖像高度 H I G H獲取當(dāng)前像素的灰度值若當(dāng)前像素值小于閥值當(dāng)前像素值l p S r c = 0當(dāng)前像素值l p S r c = 2 5 5j + +若 j 圖像寬度 W E I T Hi + +更新當(dāng)前視圖結(jié)束開始NYNYNYYN圖 31 二值化流程圖 圖像的中值濾波經(jīng)過二值化之后，圖像本身還存在許多噪聲，引起噪聲的原因有：在攝像時(shí)， 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 13 頁由于光學(xué)系統(tǒng)失真，相對(duì)運(yùn)動(dòng)，大氣湍流等都會(huì)使圖像模糊。另一類改善圖像辦法是針對(duì)圖像降質(zhì)原因，設(shè)法去補(bǔ)償降質(zhì)因素，從而使改善的圖像盡可能地逼近原圖像，這類圖像改善方法統(tǒng)稱為圖像復(fù)原技術(shù)。為什么采用中值濾波在這里闡述下：雖然我們知道濾波有好幾種方法。在實(shí)際運(yùn)算過程中不需要圖像的統(tǒng)計(jì)特性，這也帶來了不少方便，但對(duì)一些細(xì)節(jié)特別多，特別是點(diǎn)、線、頂尖細(xì)節(jié)多的圖像不宜采用中值濾波。所謂圖像分割就是要根據(jù)目標(biāo)與背景的先驗(yàn)知識(shí)，對(duì)圖像中的目標(biāo)、背景進(jìn)行標(biāo)記、定位，然后將待識(shí)別的目標(biāo)從背景或其它偽目標(biāo)中分離出來。2. 車牌文字周圍有一個(gè)類似于長方形的邊框，其厚度不一，而且有斷裂處， 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 15 頁有時(shí)候彎曲度比較大。這樣得到的圖像中就留下了大量的豎向邊緣特征，為后面準(zhǔn)確的車牌定位提供了最根本的依據(jù)。需要說明的是：邊緣與物體間的邊界并不等同，邊緣指的是圖像中像素值有突變的地方，而物體的邊界指的是現(xiàn)實(shí)場(chǎng)景中的存在于物體之間的邊界。邊緣的種類分為兩種：一是階躍邊緣，它兩邊像素的灰度值有著顯著的不同；一是屋頂邊緣，它位于灰度值從增加到減少（或從減少到增加）的變化的轉(zhuǎn)折點(diǎn)。Sobel 邊緣檢測(cè)要用兩個(gè)卷積核作用于同一幅圖像，這兩個(gè)卷積核分別用來計(jì)算水平和垂直方向的梯度，它們是： ???????120??????102設(shè)用兩個(gè)卷積核分別進(jìn)行卷積操作的中間圖像為 和 ，其中 取][yxGh][yxvx值范圍為 0～width1，y 的取值范圍為 0～height1，則最后的結(jié)果圖像如 36 或 37或 38 所示： (36)][][][22yxyxyxMvhsobel ??或 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 16 頁 (37)][][][yxGyxyxMvhsobel ??或 (38))][,][ma(][vhsobel這時(shí)檢測(cè)的方向?yàn)楣?39 所示： (39))][(tan][1yxGyxhvsobel???很顯然，上述算法的計(jì)算量相當(dāng)大：第一，要做兩次卷積操作；第二，要計(jì)算范數(shù)。在這個(gè)鄰域中，過中心像素 e 的直線共有 4 條，它們是 aei，beh，ceg，def。實(shí)驗(yàn)證明，Sobel 邊緣檢測(cè)算法所生成的結(jié)果是非常令人滿意的。該函數(shù)用指定的模板（任意大小）來對(duì)圖像進(jìn)行操作，參數(shù)iTempH 指定模板的高度，參數(shù)iTempW 指定模板的寬度，參數(shù)iTempMX 和iTempMY 指定模板的中心元素坐標(biāo)，參數(shù)fpArray 指定模板元素， fCoef 指定系數(shù)。最后解除鎖定并更新視圖。我程序中車牌定位的算法過程是這樣的：首先把圖片從下往上掃描，并設(shè)置一個(gè)閥值，當(dāng)一行的像素點(diǎn)超過這個(gè)閥值的時(shí)候，便認(rèn)定這行就是車牌的下邊界，繼續(xù)往上掃描，當(dāng)一行像素點(diǎn)低于這個(gè)閥值，這行便是車牌的上邊界，這時(shí)調(diào)用 crop（）函數(shù)將這段圖片剪切下來。車牌捕捉流程圖如圖 35 所示。其算法簡單說就是一行為單位掃描圖片，若前三行黑色像素大于白色，就進(jìn)行反色，若白色像素多，則跳出循環(huán)。具體來說，首先要分別計(jì)算圖像左半邊和右半邊的像素的平均高度，然后求斜率，根據(jù)斜率重新組織圖像，里面包含了一個(gè)從新圖像到舊圖像的像素的映射。這一步工作就是把圖像中的字符獨(dú)立的分割出來。這樣就得到了每個(gè)字符比較精確的寬度范圍。具體算法如下：先得到原來字符的高度和寬度，并與系統(tǒng)要求的高度和寬度做比較，得出要變換的系數(shù)，然后根據(jù)得到的系數(shù)進(jìn)行高寬度的變換，把新圖像里面的點(diǎn)按照插值的方法映射到原圖像中。一般使用細(xì)化的方法來提取骨架，細(xì)化的算法有很多，如Hilditch 算法， Rosenfeld 算法等。, ，如下所示：2P39 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 23 頁??????765814923P把這 9 個(gè)像素點(diǎn)按上圖排列后，假設(shè) 的像素值為 PixelValue，則當(dāng)下面的 41個(gè)條件同時(shí)滿足時(shí)，可以刪除 像素點(diǎn)，也就可以達(dá)到圖像細(xì)化的目的。條件 2 是指與 相鄰的 8 個(gè)像素點(diǎn)中，像素值交替變化的次數(shù)應(yīng)等于