【文章內(nèi)容簡介】 圖 42 灰度圖 圖 43 Robert 算子邊緣檢測 該系統(tǒng)的攝像頭 拍攝的圖片是整個機動車的圖片，而只有車牌部分是對系統(tǒng)有用的。所以我們要對照片進行車牌定位和分割。車牌的定位和分割是從經(jīng)過圖像預處理后的灰度圖像中確定牌照位置，并將車牌部分從整個圖像中分割出來，從而進行字符識別。車牌圖像的灰度圖的車牌部分是一個水平度很高的長方形圖樣，在原圖中比較集中，且灰度值和周圍圖樣有明顯差異，因此很容易用邊緣檢測來對圖像進行分割。車牌定位和分割的準確度直接關系到最后的字符識 別的質(zhì)量。 圖 44 車牌定位流程圖 車牌定位 機動車圖像經(jīng)過灰度化和邊緣檢測的處理后，邊緣得到了加強，牌照區(qū)域已經(jīng)非常明顯。本文采用的是用數(shù)學形態(tài)學來進行圖像處理和模式識別。數(shù)學形態(tài)學 用具有一定形態(tài)的機構元素去量度和提取圖像中的對應形狀以達到對圖像分析和識別的目的，能有效的去除噪聲，保留圖像原有信息的同時提取的邊緣比較平滑，提取的圖像骨架也比較連續(xù)，斷點少 ?，F(xiàn)在我們將經(jīng)過預處理的圖像進行圖像腐蝕以及去除雜質(zhì)，就可以得到相對準確的車牌位置。 對圖像進行圖像腐蝕 除去圖像雜質(zhì) 通過計算尋找 X 和Y 方向車牌的區(qū)域 完成車牌定位 對定位后的彩色車牌的進一步處理 圖 45 腐蝕后的圖像 圖 圖 47 從對象中移除小對象后圖像 車牌分割 本文車牌部分的分割采用的是利用車牌彩色信息的彩色分割法。 使用統(tǒng)計彩色像素點的方法分割出車牌區(qū)域，確定車牌底色藍色 RGB 對應的灰度范圍，然后統(tǒng)計在行方向的顏色范圍內(nèi)的像素點數(shù)量，確定車牌在行方向的區(qū)域。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計列方向藍色像素點的數(shù)量，最終確定完整的車牌區(qū)域。 圖 48 車牌對位的圖像 對定位后的彩色車牌的進一步處理 定位后車牌圖像是彩色 的，會占用較大的存儲空間，加重計算機負擔。且車輛圖片不可避免存在噪聲，所以要對圖像進行灰度化，二值化以及濾波處理。 圖像的二值化處理就是將圖像上的點的灰度置為兩個數(shù)值 ， 通常為 0 或 255， 使整個圖像呈現(xiàn)出明顯的黑白效果 。 也就是將 256 個亮度等級的灰度圖像通過適當?shù)拈T限值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像 。 濾波則是為了除去圖像噪聲。濾波方法有多種，本文采取的濾波方法為均值濾波。均值濾波是典型的線性濾波算法， 指在圖像上對目標像素給一個模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值 來代替原來像素值 。 圖 49 車牌的進一步處理 圖 字符分割 將得到的車牌區(qū)域圖像進行二值化處理后 ， 對圖像進行垂直投影 ， 投影圖上有明顯的類似于峰谷的波形起伏變化 ， 通過對投影圖上的波形從左向右進行掃描 ，根據(jù)谷和峰的特征就可以判斷出每個字符的位置 ； 計算垂直峰 ， 檢測合理的字符高寬比 。 在字符切割時 ,往往由于閾值取得不好 ， 導致字符切割不準確 ， 針對這種情況 ， 可以對切割出的字符寬度進行統(tǒng)計分析 ， 用以指導切割 ， 對因錯誤切割過寬的字符進行分裂處理。 圖 [m， n]=size（ d），逐排檢查有沒有白色像素點，設置1=jn1，若圖像兩邊 s（ j） =0，則切割，去除圖像兩邊多余的部分 切割去圖像上下多余的部分 根據(jù)圖像的大小，設置一閾值，檢測 圖像的 X 軸，若寬度等于這一閾值則切割，分離出七個字符 歸一化切割出來的字符圖像的大小為40*20，與模板中字符圖像的大小相匹配 字符歸一化處理 由于數(shù)碼相機拍攝的汽車圖像大小不一樣 ， 所以得到的牌照上的字符大小就不一樣 ， 為了便于字符的識別 ， 需要對字符進行歸一化處理 。 歸一化處理的目的就是使車牌字符同標準模塊里面的字符特征一樣 。 而大小歸一是指在長度和寬度方向上分別乘以一個比例因子 ， 使其等于標準模塊的字符大小 ， 本文采用的 大小歸一的方法是分別從水平投影和垂直投影兩個方向上對字符象素的大小進行歸一化處 理。 圖 412 字符歸一化后的圖像 5．實驗結果和分析 ： 通過以上實驗步驟，我對多幅車牌圖像進行了字符分割，字符分割的效果比較理想。下圖為另一組實驗組圖。 圖 51 另一組實驗結果組圖 字符分割效果理想主要取決于識別系統(tǒng)前期工作的到位。將得到的機動車照片進行灰度化和邊緣檢測處理，運用良好的技術手段進行車牌定位，將定位好的圖像進行字符分割處理，得到七個字符，將字符歸一化處理。整個過程使用 MATLAB編程實現(xiàn)，能夠直接調(diào)用 函數(shù)，大大縮短了實驗時間和編譯難度。 對于分割出的車牌，我們進行了均值濾波，膨脹和腐蝕處理，這樣可以把字符之間的雜色點去掉，只留下白色的字符以及黑色的背景，這對于字符的分割是相當?shù)谋匾摹? 在實驗過程中，也出現(xiàn)了字符分割錯誤的情況，根據(jù)分析，造成錯誤情況的原因主要有： ，導致分割出的車牌字符大小不一。 失敗，尤其是車牌上第一個字符漢字的分割，常常因為過大或者過小導致分割失敗。總體來說，分割出正確的字符的成功率還是蠻高的，如果再能夠提高圖像質(zhì)量，分割正確字符的成功率還能夠得到提升 。 6．實驗總結 通過對車牌識別的設計與研究，我覺得有幾個方面還可以進行改進。首先如何將車牌進行定位以及將定位好的車牌分割出來。常見的車牌定位方法有邊緣檢測定位算法，利用哈夫變換進行車牌定位以及色彩分割提取車牌等，本文采用的是邊緣檢測定位算法。還有字符的分割，本文采用的是投影分割法，常見的方法聚類分割法以及基于模板匹配的分割方法。我認為對于以上各模塊的實現(xiàn)，應該采用多種實驗對照，看對于不同情況的照片質(zhì)量，哪種算法更好，因為，以上處理方法都有自己的側重方面，對于不同的圖片，各種算法的優(yōu)勢是不同的，所以我覺得 ，對于實際應用的車牌識別系統(tǒng)，應該是具有復雜結構，對于拍攝到的車輛照片進行分析，選擇更適合的算法來實現(xiàn)車牌的識別，這才是未來車牌識別系統(tǒng)的發(fā)展方向。 主要參考文獻 1. 白利波 車牌檢測與識別算法研究 [D]北京交通大學， 2020， 3031. 2. 謝盛嘉 梁競敏 車牌識別系統(tǒng)的設計與實現(xiàn) [J]微計算機信息 2020（ 6） 3. 王剛 冀小平 基于 MATLAB的車牌識別系統(tǒng)的研究 [J]電子設計工程 2020（ 11） 4. 王廣宇 車輛牌照識別系統(tǒng)的原理及算法研究 [D]鄭州大學 2020 江 王友仁 .車牌自動識別方法中的關鍵技術研究 [J]計算機測量與控制，（ 4） 6. 許志影 李晉平 .MATLAB 在圖像處理中的應用 [J].計算機與現(xiàn)代化， 2020（ 4） MATLAB 程序設