【正文】 基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計 1 1 前言 研究背景 面對當(dāng)今世界全球化、信息化發(fā)展趨勢，傳統(tǒng)的交通技術(shù)和手段已不適應(yīng)經(jīng)濟(jì)社會發(fā)展的要求。 車牌定位算法的關(guān)鍵是選用合適的結(jié)構(gòu)元素，對車牌圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)開、閉運(yùn)算來去除干擾因素、消除噪音和無用信息，簡單直觀，受環(huán)境干擾少。字符分割部分采用的是投影法，分析垂直投影的像素點(diǎn)直方圖，利用每個字符的波谷、波峰和車牌的定制標(biāo)準(zhǔn)來劃分每一個字符。本文對車牌定位算法和字符分割方法作出研究和闡述，針對車牌的特點(diǎn)提出了一套簡單的車牌定位和字符分割算法。 車牌識別技術(shù)廣泛應(yīng)用于道路違規(guī)車輛監(jiān)控、停車場管理、車輛安全管理等領(lǐng)域?；?Matlab 的車牌定位系統(tǒng)的研究與設(shè)計 本科畢業(yè) 設(shè)計 基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計 基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計 摘 要 隨著我國城市急速發(fā)展，交通管理成了一個非常熱門的話題，由于交通管理需求日益提高，對交通管理和控制提出了更高的要求。在智能化 交通 管理 系統(tǒng)中 ， 車牌識別技術(shù) (License Plate Recognition， LPR) 是實現(xiàn)車輛識別和監(jiān)控的一種重要技術(shù)，在城市車輛管理上發(fā)揮著十分重要的作用 。車牌識別軟件系統(tǒng)一般分為三部分：車牌定位、字符分割和 字符識別。 車牌定位部分采用的是數(shù)學(xué)形態(tài)學(xué)的方法，通過以下幾個步驟實現(xiàn)：先利用 radon函數(shù)對圖像進(jìn)行傾斜檢測和校正，再通過灰度化和邊緣檢測處理之后就可以進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，最后就是車牌區(qū)域的提取。利用MATLAB 強(qiáng)大的圖像處理能力，通過編寫程序，對車輛圖像進(jìn)行統(tǒng)計分析，實現(xiàn)了這兩個部分的功能。經(jīng)過實驗證明，本文提出車牌定位算法和字符分割方法均能達(dá)到良好的效果。智能交通系統(tǒng)是交通事業(yè)發(fā)展的必然選擇，是交通事業(yè)的一場革命 。車牌識別系統(tǒng) LPR（ License Plate Recognition）作為交通管理自動化的手段是車輛檢測系統(tǒng)的一個重要環(huán)節(jié) ,運(yùn)用數(shù)字圖像處理等技術(shù)對采集到的車輛圖像進(jìn)行處理，能準(zhǔn)確地識別車牌的號碼，并以計算機(jī)可直接運(yùn)行的數(shù)據(jù)形式給出識別結(jié)果，使車輛的電腦化監(jiān)控和管理得到實現(xiàn) 。 車牌識別系統(tǒng)的成功設(shè)計、開發(fā)和應(yīng)用具有相當(dāng)大的社會效益、經(jīng)濟(jì)效益和學(xué)術(shù)意義。在車牌識別中，最重要也是最困難的就是車牌定位，定位的準(zhǔn)確性將會直接影響車牌識別的過程和結(jié)果。因此，車牌的準(zhǔn)確定位變得更加重要，準(zhǔn)確的車牌定位是這種交通管理技術(shù)手段的實現(xiàn)基礎(chǔ)，準(zhǔn)確的定位車牌可以有助于全面地、實時地了解交通網(wǎng)的狀況，以便快速的作出相關(guān)措施，極大地提高了效率。所以，車牌定位算法的研究有必要性，是交通智能化領(lǐng)域的一個重要的研究課題。通過專用的抓拍設(shè)備抓拍到合適的能用于計算機(jī)定位的車牌照片圖像，在得到的圖像上進(jìn)行車牌定位，具有精確度高，能全天候工作等特點(diǎn)。我國汽車車牌的種類、標(biāo)準(zhǔn)和懸掛地方規(guī)范不一樣，道路環(huán)境，交通設(shè)備等很多因素都與國外有較大差異，但外國的識別系統(tǒng)中采用的很多算法具 有很好的借鑒意義，我們也需要有自己的一套車牌識別方法。因此，車牌定位是對于整個車牌識別系統(tǒng)而言是重中之重。 從車牌識別系統(tǒng)進(jìn)入中國以來，國內(nèi)有大量的學(xué)者在從事車牌定位算法方面的研究，提出了很多新穎快速的算法。 很多文獻(xiàn)所提的方法僅停留在理論階段，具體效果還需要等待實際項目的進(jìn)一步檢驗。隨著智能交通事業(yè)的飛速發(fā)展，車牌識別系統(tǒng)具有巨大潛力和市場。車牌定位和字符分割是整個車牌識別系統(tǒng)的核心部分，其結(jié)果直接影響到整個車牌識別系統(tǒng)的效果和質(zhì)量。這種方法是根據(jù)車牌幾何特征，通過旋轉(zhuǎn)校正、灰度化、邊緣檢測和數(shù)學(xué)形態(tài)學(xué)處理之后把背景消除，從而提取出車牌區(qū)域，在復(fù)雜的背景和光照下有著不錯的效果。 MATLAB具有以下優(yōu)點(diǎn)： （ 1） MATLAB編程效率高，使用方便。 圖像處理 車牌定位 字符分割 字符識別 圖像采集 基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計 3 （ 3） MATLAB擴(kuò)充能力強(qiáng)，交互性好，移植性和開放性較好。 軟件開發(fā)環(huán)境為 Microsoft Windows 7；軟件開發(fā)工具為 MATLAB 2020a。 第二章為方案選擇，對比方法，確定方案。 第四章為字符分割的算法，提出了利用投影法將上一章所得到的已經(jīng)定位好的車牌圖片進(jìn)行字符分割，介紹了整個字符分割的流程和方法。 2 方案確定 經(jīng)過大量的資料搜索和學(xué)習(xí)，了解到關(guān)于車牌定位的方法有很多種，總結(jié)了以下幾種方法： （ 1）基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法（孟曉莉，等， 2020）。該方法可有效地去除噪聲干擾，設(shè)計簡單方便，但欠缺適應(yīng)性。 （ 3） 基于 邊緣檢測的車牌定位方法（郭琳琳，等， 2020），該方法定位準(zhǔn)確率較高、反應(yīng)時間短、能有效去噪，但對車牌嚴(yán)重褪色的情況會檢測不到字符筆畫邊緣 導(dǎo)致定位失敗，受外界干擾及車牌傾斜影響。該方法能使車牌區(qū)域得到有效的增強(qiáng)，達(dá)到精確定位目的。 （ 6）基于 基于紋理 特征分析的車牌定位方法（齊永奇，等， 2020），該方法先根據(jù)車牌區(qū)域的紋理特性確定出多個水平候選區(qū)域，再利用車牌區(qū)域垂直投影的統(tǒng)計規(guī)律對候選區(qū)域進(jìn)行篩選，并確定出車牌左右邊界。 各種方法都有各自的好處和缺點(diǎn)，考慮到本人的能力和學(xué)習(xí)過的相關(guān)知識，選取了第一種方法，即基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法，該方法簡單易處理，抗干擾強(qiáng)，容易編寫，但缺點(diǎn)是適應(yīng)性差。流程圖如圖 2所示： 圖 2 車牌定位算法流程圖 車牌輸入 旋轉(zhuǎn)校正 灰度化 邊緣檢測 形態(tài)學(xué)處理 車牌提取 輸出 基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計 5 旋轉(zhuǎn)校正 很多時候，待處理圖片不一定是水平的圖片，會有一些傾斜的圖片，在資料搜集中，看到不少的研究者把旋轉(zhuǎn)校正放在車牌定位后做，做一個車牌位置的旋轉(zhuǎn)校正。在車牌定位時，當(dāng)圖像的傾斜角度比較大時，除了形態(tài)學(xué) 的處理達(dá)不到預(yù)期效果外，也不利于車牌區(qū)域的提取。這種新順序，校正效果好，使得車牌定位準(zhǔn)確。它首先將車牌圖像朝各個方向進(jìn)行投影，計算字符間隙投影為零的個數(shù)，則最多零值對應(yīng)的角度即為車牌的垂直傾斜角，進(jìn)而通過旋轉(zhuǎn)相應(yīng)的角度實現(xiàn)垂直傾斜校正；然后根據(jù)車牌上下邊之間投影距離最短特性獲得水平傾斜角度，利用插值方法得出最終校正結(jié)果。 連續(xù)情形下的 radon變換是描述二元函數(shù)的投影在某一方向上的線積分 ， 對于離散情形 ， 在數(shù)學(xué)圖像中就是把那些將沿某方向的像素相加 ， 即投影到與該投影方向相垂直的軸線上。 圖 3 直線投影例子 y39。 基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計 6 舉個簡單例子，如圖 3，當(dāng)坐標(biāo)旋轉(zhuǎn)一個角度 θ的時候，直線 L在新坐標(biāo)的投影值會與原來直角坐標(biāo)的投影值不一樣，統(tǒng)計 0到 180度每一個度數(shù)的旋轉(zhuǎn)后投影值，我們可以找到一個投影值最大時新坐標(biāo)旋轉(zhuǎn)的角度 θ，從下圖可以簡單看到，當(dāng)投影值最大的時候，可以輕松找到直線 L的傾斜角，這個角度就是 θ加上 90度。最后用 imrotate（） 函數(shù)進(jìn)行旋轉(zhuǎn)就可以得到我們的校正后的圖像。彩色圖像會有 R、 G、 B三種顏色的分量，而灰度圖的特征是：只有亮度，不含其他色彩信息的圖像，可以克服光照、顏色干擾等，使圖片更加簡單易處 理?；叶然惴ㄌ幚矸奖?，將圖片 RGB值設(shè)置為相等即可，而這個值目前主要采取加權(quán)平均法。明顯的，權(quán)值選擇不同，得到的灰度基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計 7 圖亮度不一樣。此時， 式 ： Y=R=G=B=++ (2) 由公式 2的加權(quán)平均 值的方法所處理出來的灰度圖效果會很好。 邊緣檢測 圖像的邊緣是圖像的一個基本特征。物體邊緣廣泛存在于物體之間、物體和背景之間還有物體不同部分之間。 邊緣檢測可以突出圖像邊緣，削弱邊緣以外圖像區(qū)域。 常見的邊緣提取方法主要是考察圖像每個像素的梯度變換情況，利用邊緣鄰近的一階或二階方向?qū)?shù)規(guī)律進(jìn)行檢測。當(dāng)圖像邊緣灰度變化尖銳，并且圖像噪聲污染少時，采用梯度算子對圖像進(jìn)行邊緣提取會有比較好的效果。 圖 6 Sobel算子效果 基于 Matlab 的車牌定位系統(tǒng)的研究與設(shè)計 8 圖 7 Canny算子效果 圖 8 Roberts算子效果 Sobel算子能比較好的呈現(xiàn) 圖像的邊緣，對噪聲不太敏感，有一定的去噪能力，但會使圖像邊緣變粗，從而降低了定位精度。 Roberts算子對陡峭的低噪聲圖像處理效果較好，檢測垂直邊緣的效果好于斜向邊緣，定位精度高，對噪聲敏感，無法抑制噪聲的影響。從圖 6到圖 8可以看到各種算子的實際效果， Sobel算子的邊緣效果較粗，對后期處理 會造成定位不精確的問題，而Canny算子邊緣檢測效果強(qiáng)，但在本文的方法中并不需要把弱邊緣都檢測出來，所以最后決定采用 Roberts算子。算子 39。 數(shù)學(xué)形態(tài)學(xué)處理 數(shù)學(xué)形態(tài)學(xué)是分析幾何形狀和結(jié)構(gòu)的數(shù)學(xué)方法 ， 是建立在集合代數(shù)基礎(chǔ)上 ， 用集合論方法定量描述幾何結(jié)構(gòu)的科學(xué)。 數(shù)學(xué)形態(tài)學(xué)是以形態(tài)結(jié)構(gòu)元素為基礎(chǔ)對圖像進(jìn)行分析的數(shù)學(xué)工具。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡化圖像數(shù)據(jù)，保持它們基本的形狀特征，并除去不相干的結(jié)構(gòu)。它們在二值圖像中和灰度圖像中各有特點(diǎn)。 膨脹是用來填補(bǔ)物體中小的孔洞和狹窄的縫隙 ， 使其形成連通域 ， 是將與目標(biāo)物體接觸的所有背景點(diǎn)合并到物體中的過程 ， 結(jié)果是使目標(biāo)增大 ， 孔洞縮小。在數(shù)學(xué)形態(tài)學(xué)圖像處理中 ， 除了腐蝕和膨脹這兩種基本運(yùn)算外 ， 還有兩種非常重要的運(yùn)算方法 ， 即開運(yùn)算和閉運(yùn)算。 在數(shù)學(xué)形態(tài)學(xué)算法處理中結(jié)構(gòu)元素