【導(dǎo)讀】車牌圖像識(shí)別系統(tǒng)是現(xiàn)代智能交通管理的重要組成部分之一。車牌識(shí)別系統(tǒng)使車輛。管理更智能化，數(shù)字化，有效提升了交通管理的方便性和有效性。等五大核心部分。本文主要介紹圖像預(yù)處理、車牌定位、字符分割三個(gè)模塊的實(shí)現(xiàn)方法。其中圖像預(yù)處理模塊是將圖像灰度化和用Roberts算子進(jìn)行邊緣檢測(cè)。車牌定位和分割采。最后使用MATLAB軟件環(huán)境進(jìn)行字符分割的仿。真實(shí)驗(yàn)，結(jié)果表明該方法具有良好的性能。

　　

【正文】 以攝取的彩色車牌照片為對(duì)象進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)的最終結(jié)果如圖 313 所示。除此之外，按照此方法對(duì)另外一個(gè)車牌圖像進(jìn)行識(shí)別，得到的識(shí)別結(jié)果如圖 41 所示。 車牌號(hào)碼：陜 A 9 0 6 L 4 圖 41 對(duì)另一車牌圖像進(jìn)行識(shí)別的結(jié)果 在得到這個(gè)結(jié)果之前，需要對(duì)車牌圖像進(jìn)行預(yù)處理、車牌定位、車牌分割等處理。由于攝像部分多工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的距離和角度以及車輛行駛速度等因素的影響，牌照?qǐng)D像可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷，因此需要對(duì)原始圖像進(jìn)行識(shí)別前的預(yù)處理。 預(yù)處理包括灰度化、車牌校正、平滑處理等。對(duì)于光照條件不理想的圖像，可先進(jìn)行一次圖像增強(qiáng)處理，使得圖像灰度動(dòng)態(tài)范圍擴(kuò)展和對(duì)比度增強(qiáng)，再進(jìn)行定位和分割，這樣可以提高分割的正確率。在本文中根據(jù)采集到的圖像本身的特點(diǎn)，對(duì)它進(jìn)行了灰度化的處理。因?yàn)椴噬珗D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，因此將彩色圖像轉(zhuǎn)化為灰度圖像，以縮短處理速度。圖像中車輛牌照是具有比較顯著特征的一塊圖像區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列的；在整體圖像中的位置較為固 定。正是由于牌照?qǐng)D像的這些特點(diǎn)，再經(jīng)過適當(dāng)?shù)膱D像變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣，于是對(duì)其邊緣提取，此處邊緣的提取采用的是 Roberts 算子。 在定位模塊。本文采用的是車牌顏色與數(shù)學(xué)形態(tài)學(xué)相結(jié)合的定位方法。首先，將預(yù)處理后的圖像用數(shù)學(xué)形態(tài)學(xué)的方法進(jìn)行處理。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡(jiǎn)化圖像數(shù)據(jù)，保持它們基本的形態(tài)特征，并除去不相干的結(jié)構(gòu)。本文中對(duì)圖像進(jìn)行了腐蝕、平滑處理，腐蝕和平滑都具有濾波的作用，腐蝕是對(duì)圖像內(nèi)部做濾波處理，平滑是對(duì)噪聲進(jìn)行濾波。這樣可以把字符與字符之間的雜色點(diǎn)去除，只有白色的字符和黑色的 背景存在，這樣有利于的字符分割進(jìn)行。最后還用了 bwareaopen 來去除對(duì)象中不相干的小對(duì)象。再根據(jù)車牌底色等有關(guān)的先驗(yàn)知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法，先確定行方向的車牌區(qū)域，再確定列方向的區(qū)域，得出最終的車牌區(qū)域。 車牌分割即把車牌的整體區(qū)域分割成單字符區(qū)域，具有承上啟下的作用。其難點(diǎn)在于噪聲合字符粘連，斷裂對(duì)字符的影響，因此必須先將定位后的車牌進(jìn)一步處理。包括陜西科技大學(xué)畢業(yè)設(shè)計(jì)說明書 22 灰度化、二值化、均值濾波、膨脹或腐蝕處理。分割采用的方法為尋找連續(xù)有文字的塊，若長度大于某閾值 T，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。為滿足下一 步字符識(shí)別的需要，將分割后的字符歸一化。 最后將分割出來的字符運(yùn)用模板匹配的方法與模板字符進(jìn)行匹配，將其與模板字符相減，得到的 0 越多那么就越匹配。把每一幅相減后的圖的 0 值個(gè)數(shù)保存，然后找數(shù)值最大的，即為識(shí)別出來的結(jié)果。模板的制作很重要，必須要用精確的模板，否則就不能正確的識(shí)別。 對(duì)于識(shí)別錯(cuò)誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖像的質(zhì)量；二是牌照字符的分割失敗導(dǎo)致的識(shí)別錯(cuò)誤；再就是部分字符的形狀相似性，比如，B 和 8； A 和 4 等字符識(shí)別結(jié)果可能發(fā)生混淆的情況。 總之，盡管目前牌照字符 的識(shí)別率還不理想，但是只要在分割出的字符的大小、位置的歸一化，以及嘗試提取分類識(shí)別能力更好的特征值和設(shè)計(jì)分類器等環(huán)節(jié)上再完善，進(jìn)一步提高識(shí)別率是完全可行的。 基于 MATLAB 車牌圖像識(shí)別的設(shè)計(jì)與實(shí)現(xiàn) 23 5 展望與總結(jié) 高速公路、城市交通、停車場(chǎng)等基礎(chǔ)設(shè)施建設(shè)水平的不斷發(fā)展和車輛管理體制的不斷完善，為以計(jì)算機(jī)視覺為基礎(chǔ)的智能交通管理系統(tǒng)的實(shí)際應(yīng)用提供了契機(jī)。在智能交通系統(tǒng)中，車牌自動(dòng)識(shí)別系統(tǒng)是智能化交通系統(tǒng)非常重要的發(fā)展方向。從開始的收費(fèi)輔助系統(tǒng)演變過來的車牌識(shí)別技術(shù)現(xiàn)在運(yùn)用的領(lǐng)域是越來越廣。它在車輛過路、過橋全自動(dòng)不停車收費(fèi)，交通流量控制指標(biāo)的測(cè)量 ，車輛自動(dòng)識(shí)別，高速公路上的事故自動(dòng)測(cè)報(bào)，不停車檢查，車輛定位，汽車防盜，稽查和追蹤車輛違規(guī)、違法行為，維護(hù)交通安全和城市治安，防止交通堵塞，提高收費(fèi)路橋的服務(wù)速度，緩解交通緊張狀況等方面有重要作用，有重要的現(xiàn)實(shí)應(yīng)用意義。 本文對(duì)車牌識(shí)別系統(tǒng)的軟件部分進(jìn)行了研究，分別從圖像預(yù)處理、車牌定位、字符分割以及字符識(shí)別等方面進(jìn)行了系統(tǒng)的分析。主要工作內(nèi)容及結(jié)論如下： 整理和總結(jié)了國內(nèi)外在車牌定位、分割、字符識(shí)別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國車牌的固有特征，以及車牌識(shí)別的特點(diǎn)。 在車牌定位我們采用基于灰度 跳變的定位方法，采用先對(duì)圖像進(jìn)行預(yù)處理，再進(jìn)行二值化操作的方法。實(shí)驗(yàn)表明本方法既保留了車牌區(qū)域的信息，又減少了噪聲的干擾，從而簡(jiǎn)化了二值化處理過程，提高了后續(xù)處理的速度。 基于彩色分量的定位方法，運(yùn)用基于藍(lán)色像素點(diǎn)統(tǒng)計(jì)特性的方法對(duì)車牌是藍(lán)色的車牌進(jìn)行定位，實(shí)驗(yàn)表明，用該方法實(shí)現(xiàn)的車牌定位準(zhǔn)確率較高。 本設(shè)計(jì)采用的圖像預(yù)處理、邊緣檢測(cè)、車牌長寬比特征識(shí)別等對(duì)車牌的定位都是非常有效的，而本設(shè)計(jì)提出的投影分析和閾值技術(shù)有效檢測(cè)了車牌圖像的上下左右邊框、旋轉(zhuǎn)角度，準(zhǔn)確實(shí)現(xiàn)的車牌字符的分割，對(duì)多個(gè)車牌進(jìn)行實(shí)驗(yàn)，均 有很高的正確率。 本設(shè)計(jì)雖然只對(duì)藍(lán)底白字車牌進(jìn)行分割識(shí)別，對(duì)黑底白字車牌原則上整個(gè)算法可直接適用，對(duì)白底黑字車牌、黃底黑字車牌，需要對(duì)車牌定位算法進(jìn)行調(diào)整，并將圖像反轉(zhuǎn)，而車牌字符的分割算法仍然行之有效。 因此，本設(shè)計(jì)提出的車牌字符的分割算法實(shí)驗(yàn)證明是準(zhǔn)確、有效、可行的。但是也存在一些不足之處，本文的算法設(shè)計(jì)還需要一些優(yōu)化的地方，比如在字符識(shí)別模板方面，增加易混淆字符的加權(quán)模板，并將識(shí)別出的字符作為模板，從而增大模板的數(shù)量，使得程序的準(zhǔn)確率更高，魯棒性更好。另外，如果一幅圖像中有兩張車牌，本系統(tǒng)是識(shí)別不了的 ，所以還有很多的改進(jìn)的地方。在以后的系統(tǒng)中，可以增加功能得到更多車牌的信息，比如汽車類型，所屬地區(qū)等。 通過對(duì)本課題的學(xué)習(xí)，我感覺車牌圖像識(shí)別方面還有許多內(nèi)容需要學(xué)習(xí)，希望能得到這方面老師更多的指導(dǎo)和意見。 陜西科技大學(xué)畢業(yè)設(shè)計(jì)說明書 24 致 謝 四年的學(xué)習(xí)生活接近尾聲，我感觸頗深，在此，我要感謝所有在學(xué)業(yè)和生活上給予我關(guān)心和幫助的人們。 首先我要感謝我的指導(dǎo)老師陳敏歌老師，從選題到系統(tǒng)的設(shè)計(jì)她都對(duì)我進(jìn)行了精心的指導(dǎo)。工作初期我是在單位實(shí)習(xí)，老師每周都會(huì)通過微信、 或者電話詢問我的進(jìn)展，想法，在指導(dǎo)過程中對(duì)我的思路進(jìn)行點(diǎn)評(píng)，包括優(yōu)點(diǎn) 和不足都會(huì)指出來，在我設(shè)計(jì)遇到瓶頸的時(shí)候老師會(huì)給我指出一個(gè)方向，然后鼓勵(lì)我嘗試一下。老師的專業(yè)指導(dǎo)讓我在這個(gè)過程中受益匪淺。 另外，我還要感謝身邊的同學(xué)，我在校外實(shí)習(xí)找資料有時(shí)候會(huì)不方便，他們會(huì)幫我找一些資料然后把有用的再給我發(fā)過來，我遇到難題的時(shí)候也會(huì)跟他們討論，共同找出合適的解決方案。同學(xué)的幫助讓我的論文進(jìn)展的更加得心應(yīng)手。 最后，我要感謝那些在這一課題中已經(jīng)做出成果的學(xué)者們，我從他們優(yōu)秀的研究成果中借鑒了很多解決問題的思路、方法，避免了很多彎路。 完成畢業(yè)設(shè)計(jì)的過程中，我用到了很多之前學(xué)的理論知識(shí)，所 以這次設(shè)計(jì)也是一次理論到實(shí)踐的轉(zhuǎn)變。在設(shè)計(jì)過程中，我體會(huì)到了 MATLAB 在圖像處理方面的強(qiáng)大功能以及信息技術(shù)在實(shí)際生活中的廣泛應(yīng)用和優(yōu)越性，對(duì)我們專業(yè)也有了一個(gè)新的認(rèn)識(shí)。再次感謝所有的老師在四年里對(duì)我的諄諄教誨和無私的付出。 基于 MATLAB 車牌圖像識(shí)別的設(shè)計(jì)與實(shí)現(xiàn) 25 參 考 文 獻(xiàn) [1] 白利波 .車牌檢測(cè)與識(shí)別算法研究 [D].北京交通大學(xué) ,20xx [2] 余棉水 ,黎紹飛 ,陳智斌 .車牌自動(dòng)識(shí)別系技術(shù)的研究 [J].機(jī)電工程技術(shù) ,20xx（ 1） :5556 [3] 袁寶民 ,于萬波 ,魏小鵬 .汽車牌照定位研究綜述 [J].大連大學(xué)學(xué)報(bào) ,20xx（ 2） :612 [4] 王廣宇 .車輛牌照識(shí)別系統(tǒng)的原理及算法研究 [D].鄭州大學(xué) ,20xx [5] 崔江 ,王友仁 .車牌自動(dòng)識(shí)別方法中的關(guān)鍵技術(shù)研究 [J].計(jì)算機(jī)科學(xué) ,20xx（ 11） :14 [6] 許志影 ,李晉平 .MATLAB 在圖像處理中的應(yīng)用 [J].計(jì)算機(jī)與現(xiàn)代化 ,20xx（ 4） :6569 [7] 樊啟斌 ,李虹 .MATLAB 語言的功能、特點(diǎn)及其應(yīng)用 [J].計(jì)算機(jī)應(yīng)用 ,:2932 [8] 成瑜 .汽車牌照自動(dòng)識(shí)別技術(shù)研究 [J].南京航空航天大學(xué)學(xué)報(bào) ,:2930 [9] 黃劍玲 .用 MATLAB 進(jìn)行數(shù)字圖像的分析和處理 [J].計(jì)算機(jī)與現(xiàn)代化 ,20xx（ 4） [10] 郁梅等 .基于視覺的車輛牌照檢測(cè) [J].計(jì)算機(jī)應(yīng)用研究 ,1999（ 5） :6567 陜西科技大學(xué)畢業(yè)設(shè)計(jì)說明書 26 附 錄 MATLAB 源代碼 function Result = carNumberIdentifier（） %用戶選擇要處理的車牌圖像，設(shè)置只能選擇圖片格式 [filename, filepath] = uigetfile（ {39。*.jpg。*.tif。*.png。*.gif39。,39。All Image Files39。},... 39。mytitle39。,... 39。D:\Documents\MATLAB\39。） 。 jpg = strcat（ filepath, filename） 。 %當(dāng)用戶選擇的文件非空時(shí)進(jìn)行如下處理 if（ ~isempty（ jpg）） img = imread（ jpg） 。 figure（ 1） , imshow（ img） 。 title（ 39。原圖 39。） 。 grayimg = rgb2gray（ img） 。 figure（ 2） , subplot（ 1, 2, 1） , imshow（ grayimg） 。 title（ 39?；叶葓D 39。） 。 figure（ 2） , subplot（ 1, 2, 2） , imhist（ grayimg） 。 title（ 39。灰度圖直方圖 39。） 。 edgeimg = edge（ grayimg, 39。robert39。, , 39。both39。） 。 figure（ 3） , imshow（ edgeimg） 。 title（ 39。robert 算子邊緣檢測(cè) 39。） 。 se = [1。 1。 1]。 erodeimg = imerode（ edgeimg, se） 。 figure（ 4） , imshow（ erodeimg） 。 title（ 39。腐蝕后的圖像 39。） 。 se = strel（ 39。rectangle39。, [40,40]） 。 closeimg = imclose（ erodeimg, se） 。 figure（ 5） , imshow（ closeimg） 。 title（ 39。平滑圖像的輪廓 39。） 。 bwareaopenimg = bwareaopen（ closeimg, 20xx） 。 figure（ 6） , imshow（ bwareaopenimg） 。 title（ 39。從對(duì)象中移除小對(duì)象 39。） 。 [y, x, z] = size（ bwareaopenimg） 。 myimg = double（ bwareaopenimg） 。 基于 MATLAB 車牌圖像識(shí)別的設(shè)計(jì)與實(shí)現(xiàn) 27 tic Blue_y=zeros（ y,1） 。 for i=1:y for j=1:x if（ myimg（ i,j,1） ==1） %如果 myI（ i,j,1）即 myI 圖像中坐標(biāo)為（ i,j）的 點(diǎn)為藍(lán)色 %則 Blue_y 的相應(yīng)行的元素 white_y（ i,1）值加 1 Blue_y（ i,1） = Blue_y（ i,1） +1。%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end end [temp MaxY]=max（ Blue_y） 。%temp 為向量 white_y 的元素中的最大值， MaxY 為該值的索引（ 在向量中的位置） PY1=MaxY。 while （（ Blue_y（ PY1,1） =120） amp。amp。（ PY11）） PY1=PY11。 end PY2=MaxY。 while （（ Blue_y（ PY2,1） =40） amp。amp。（ PY2y）） PY2=PY2+1。 end IY=img（ PY1:PY2,:,:） 。 %IY 為原始圖像 I 中截取的縱坐標(biāo)在 PY1： PY2 之間的部分 %end 橫向掃描 %begin 縱向掃描 Blue_x=zeros（ 1,x） 。%進(jìn)一步確定 x 方向的車牌區(qū)域 for j=1:x for i=PY1:PY2 if（ myimg（ i,j,1） ==1） Blue_x（ 1,j） = Blue_x（ 1,j） +1。 end end end PX1=1。 陜西科技大學(xué)畢業(yè)設(shè)計(jì)說明書 28 while （（ Blue_x（ 1,PX1） 3） amp。amp。（ PX1x）） PX1=PX1+1。 end PX2=x。 while （（ Blue_x（ 1,PX2） 3） amp。amp。（ PX2PX1）） PX2=PX21。 end %end 縱向掃描 PX1=PX12。%對(duì)車牌區(qū)域的校正 PX2=PX2+2。 dw=img（ PY1:PY2,:,:） 。 t=toc。 figure（ 7） ,subplot（ 1,2,1） ,imshow（ IY） ,title（ 39。行方向合理區(qū)域 39。） 。 figure（ 7） ,subplot（ 1,2,2） ,imshow（ dw） ,title（ 39。定位剪切后的彩色車牌圖像 39。） imwrite（ dw, 39。39。） 。 a = imread（ 39。39。） 。 b = rgb2gray（ a） 。 imwrite（ b, 39。 .jpg39。） 。 figure（ 8） 。 subplot（ 3, 2, 1） , imshow（ b） , title（ 39。 39。） g_max = double（ max（ max（ b））） 。 g_min = double（ min（ min（ b））） 。 T = round（ g_max （ g_max g_min） / 3） 。 % T 為二值化的閾值 [m, n]=size（ b） 。 d = （ double（ b） = T） 。 % d:二值圖像 imwrite（ d, 39。 .jpg39。） 。 figure（ 8） 。 subplot（ 3,2,2） , imshow（ d） , title（ 39。 39。） figure（ 8） , subplot（ 3,2,3） , imshow（ d） ,title（ 39。 39。） % 濾波 h = fspecial（ 39。average39。, 3） 。 d = im2bw（ round（ filter2（ h, d））） 。 imwrite（ d, 39。 .jpg39。） 。 figure（ 8） , subplot（ 3, 2, 4） , imshow（ d） , title（ 39。 39。） % 某些圖像進(jìn)行操作 基于 MATLAB 車牌圖像識(shí)別的設(shè)計(jì)與實(shí)現(xiàn) 29 % 膨脹或腐蝕 % se=strel（ 39。square39。,3） 。 % 使用一個(gè) 3X3 的正方形結(jié)果元素對(duì)象對(duì)創(chuàng)建的圖像膨脹 % 39。line39。/39。diamond39。/39。ball39。... se = eye（ 2） 。 % eye（ n） returns the nbyn identity matrix 單位矩陣 [m, n] = size（ d） 。 if bwarea（ d） / m / n = d = imerode（ d, se） 。 elseif bwarea（ d） /m / n = d = imdilate（ d, se） 。 end imwrite