【正文】 景與物體之間、 基元與基元之間、物體與物體之間。 由于人眼對綠色的敏感度最高，對紅色的敏感度次之，對藍色的敏感度最差，因此使 GW RW BW 將得到較合理的灰度圖像。如果先對圖像進行邊緣檢測，再在檢測區(qū)中進行有色點對的搜索，這無疑可及大的減少計算量，提高計算效率和速度，正好也可以有效的解決運算速度和運算精度的矛盾。這一過程可分為四個部分：有色點對搜索，字符區(qū)填充，汽車牌照區(qū)復現(xiàn)，汽車牌照區(qū)粗定位。 總結與展望。對汽車牌照自動識別系統(tǒng)的關鍵技術及技術難點進行了分析和對比。 國內汽車牌照定位的算法也比較豐富，具體有基于彩色圖像信息的算法，基于灰度聚類的算法，基于紋理特征的算法， 基于邊緣檢測的算法。 車牌識別系統(tǒng)的技術方案 汽車牌照識別技術主要分為 3 部分：汽車牌照定位、汽車牌照分割、汽車牌照字符識別。 國內外研究現(xiàn)狀 針對汽車牌照自動識別系統(tǒng)的研究，國外起步較早， 20 世紀 80 年代就有大量相關研究，取得的 成果也比較多。近期目標是人工智能逐步接近并達到人腦的智力水平。對車牌的制作、安裝、維護都要求由制定部門統(tǒng)一進行管理。先通過顏色識別來初步確定車牌的所在區(qū)域，再結合車牌的 形狀特征以及紋理特征精確定位。是圖像處理和模式識別技術研究的熱點，應用也越來越普遍。 關鍵 詞 ： 車牌識別 ；汽車牌照定位；字符分割；字符識別 武漢理工大學畢業(yè)設計（論文） 2 Abstract License plate recognition system is an integral part of the core ponent of the Intelligent Transportation Systems. It is a research hotspot of image processing and pattern recognition techniques, applications are increasingly mon. The graduation project of the license plate recognition system can be widely used in traffic monitoring, highway fees, parking fees, car alarm, illegal management. Car license plate recognition system involved in core technologies include the vehicle license positioning, car license segmentation and vehicle license plate character recognition technology. Of these technologies and algorithms are discussed in detail, and improvements have been made part of the algorithm. License plate location: license plate location algorithm in the design of the system includes three processes that color recognition, shape recognition, texture recognition. First color recognition to determine the license plate area, bined with the shape feature and texture feature of the license plate precise positioning. License plate character segmentation: segmentation algorithm is based on the spacing between characters identify vehicle license segmentation, a single character. License plate character recognition: This article by using the template matching method will be to identify the characters split normalized to the template font size, enter it in the character recognition module to match, in order to identify the license plate characters, letters and numbers. KeyWords: license plate recognition。該技術可廣泛應用 于交通監(jiān)控、公路收費、停車收費、汽車防盜、違章管理中。 目前，人工智能的技術水平仍處于實現(xiàn)近期目標的較低階段。 如今，車牌識別系統(tǒng)的研究技術在國外已經比較成熟， 例如匈牙利的 Adaptive Recognitiong 公司， 新加坡的 Optasia 公司研制開發(fā)的 VLPRS，以色列的 HiTech 公司研制開發(fā)的 See/Car System。國外汽車牌照多為長方形的，少數(shù)為正方形的，車號多為單排的，少數(shù)為雙排的，因此，國外的車牌識別算法比較復雜。前者具有較強的容錯能力，但需提取大量特征，識別速度較慢，很難滿足實時性要求。 汽車牌照自動識別系統(tǒng)的關鍵及難點在于車牌的定位，本文 通過顏色識別，形狀識別以及紋理識別相結合來實現(xiàn)車牌的定位。 圖 1 系統(tǒng)流程圖 開始 輸入彩色汽車牌照圖片 車輛圖像的預處理 車牌區(qū)域定位 汽車牌照字符分割 車牌字符的識別 輸出字符識別結果 結束 將彩色 車輛圖像灰度化 邊緣檢測 二值化 武漢理工大學畢業(yè)設計（論文） 6 2 汽車牌照區(qū)域粗定位 由于圖像處理的計算量和 信息量非常大，為了提高計算速度和減少中間存儲空間。這樣的有色點對（ A,B）間的區(qū)域就可認為是汽車牌照內的白色字符區(qū)， 而其所在的位置也相應就是夾雜少量白色區(qū)域的藍色汽車牌照區(qū)所在的位置。在 RGB顏色模型中，如果 R=G=B，則顏色（ R,G,B）表示一種黑白顏色， R=G=B 的值稱為灰度值。 汽車牌照圖片以及灰度化之后的圖片如下所示。 Roberts 算子邊緣定位準確，但是對噪聲敏感，適用于邊緣明顯而且噪聲較少的圖像分割。 ?????????? ???121000121 , ?????????????101202101 圖 5 Sobel邊緣檢測算子 ④ Krisch 邊緣 檢測 算子 Krisch 邊緣算子則具有 8 個卷積核。 圖 6 車 牌邊緣提取圖片 (3) 武漢理工大學畢業(yè)設計（論文） 10 （ 3） 二值化 經過邊緣檢測后，汽車牌照圖像信息大大減少。 圖 7 車牌 邊緣 二值化圖像 （ 4）點對搜索 由于顏色判斷屬于模糊判斷，為了適應大多數(shù)情況，提高算法的精確度，這里進行如下定義：設某一點的紅綠藍色分量分別為 bgr CCC , 。 武漢理工大學畢業(yè)設計（論文） 11 步驟 2：若 p(0,0)為藍色而 p(0,2)為白色，則認為 p(0,2)為疑似有色點對的起始 值 。如果是，則認為找到該疑似有色點對的終止值，并成功找到一個有色點對，記下坐標值 x[n]=i， y2[n]=j，而該有色點對的坐標為 ((x[n],y1[n]),(x[n],y2[n]))，且 n=n+1，轉至步驟 3，繼續(xù)尋找下一個有色點對。 其效果就是將字符區(qū)用黑色直線填充起來。 （ 1） 膨脹 膨 脹 的 運 算 符 為 ? ， A 用 B 來 膨 脹 寫 作 A ? B ， 其 定 義 為 ：武漢理工大學畢業(yè)設計（論文） 12 ?????? ?????? ?????????? ABxBA X ?^| ，上式表明用 B 膨脹 A 的過程是，先對 B 做關于原點的反射，再將反射后的圖像平移 x，這里 A 與 B 反射后的圖像的交集不為空集。 （ 3）原點不包含在結構元素中時的膨脹和腐蝕 以 上討論時都假設原點包含在結構元素中（即原點屬于結構元素）。開啟的運算符為 “? ”， A 用 B 來開啟寫作 BA? ， 其定義為： ? ? BBABA ???? 。本系統(tǒng)，結構元素選用為 33 的矩形塊。 這一過程分為 3 步，即橫坐標第一次定位，縱坐標粗定位和橫坐標第二次定位。是則 y1=i，轉至步驟 2；不是則 i=i1。 步驟 2： j=j+1，計算第 j 列 y1y2 間連續(xù)黑色點個數(shù)，并判斷是否超過閾值 3T 。精定位過程由兩部分組成，即形狀識別和紋理識別。 汽車牌照區(qū)紋理識別 汽車牌照區(qū)域紋理識別主要依據(jù)是汽車牌照區(qū)內存在 7 個類字符區(qū)，從而在紋理上存在高頻的灰度變化特征。 （ 1） Hough 變換 Hough 變換是利用圖像全局特性而將邊緣像素連接起來組成區(qū)域封閉邊界的一種方法。 圖 9 所示即為在汽車牌照定位過程中找到并復現(xiàn)的汽車牌照字符圖像。 （ 3）傾斜角度計算 在汽車牌照傾斜角度中，由于高低角很小，故可以忽略不計 ，但水平角需要準確得到。 圖 11 汽車牌照傾斜校正 對校正后的彩色汽車牌照進行灰度化和有色點對搜索，其結果圖如圖 11 和圖 12 所示。 由于字符分割及后面的字符識別都是基于二值圖像的。 yy2=。 for(j=0。 flag=0。i){ curpixels=0。 if(curpixelspixels*curpixels){ yy2=i。j。 } } else{ if(curpixelspixels) pixels=curpixels。 pView1OnInitialUpdate()。i。 yy1=0。 for(i=0。i。 } } else{ if(curpixelspixels) pixels=curpixels。 char_xx1[0]=char_x1[0]char_gap/2。 //建立一個新視圖，顯示字符分割結果 pFrameSendMessage(WM_COMMAND, ID_FILE_NEW)。 =char_xx2[6]char_xx1[0]+1。j++){ if(i+char_xx1[0]=0amp。 } for(i=1。j++){ *(dibNew2m_pImgData+j*lineByte2+char_xx1[6]char_xx1[0])=255。 字符圖像規(guī)范化 因為不同的汽車圖像中的汽車牌照大小不一，導致分割后的字符的大小也相差很大，因此，預處理的第一步就需要進行 汽車牌照分割字符圖像的規(guī)范化，即字符圖像的規(guī)格化和歸一化。重心（ mmyx, ）得到后，做相應的平移變換即可將字符區(qū)的重心校正為 0。 （ 1） Hilditch 細化算法 Hilditch 細化算法如下：一幅圖像中的一個 33 區(qū)域，設 p 為被檢測的像素， f(p)為像素 p 的灰度值，其中 p 位于中心， 821 ..., ppp 為 p 的 8 領域像素，如圖 19 所示。其中 0 為背景， 1為前景。 圖 25 字符圖像細化結果 字符識別 模板匹配是圖像識別中最具代表性的方法之一。 Hausdorff 1 0 1 1 1 1 0 1 1 1 1 0 1 1 1 1 0 1 1 1 1 0 1 1 1 1 0 1 1 1 武漢理工大學畢業(yè)設計（論文） 30 距離 Hd 取 ? ?BAdH , 和 ? ?ABdH , 的最大值。 ③ 模板圖像上，以 yxP, 點為中心的 55 領域內，搜索 1，尋找與 yxP, 最近的點，并計算 yxP, 和該點之間的距離，此距離是待識別圖像和模板圖像在該點的最小距離。 (2) 圖像圖片格式： Windows 下 BMP 格式，圖像尺寸 640480pixel， 24 位真彩色。 武漢理工大學畢業(yè)設計（論文） 35 7 總結與展望 車牌識別系統(tǒng) 通過引入數(shù)字攝像技術和計算機信息管理技術，采用先進的圖像處理，模式識別和人工智能技術，通過對圖像的采集和處理，獲得更多的信息，從而達到更高的智能化管理程度。 (2)本文設計的系統(tǒng)只能 對 單個的汽車牌照 圖片進行 處理，對于一幅圖像中有多個汽車拍照的圖片則不能識別