【正文】 rocessing。通過實(shí)驗(yàn)表明，本文采取的算法基本 滿足了車牌圖像處理的要求，在此基礎(chǔ)之上實(shí)現(xiàn)的字符分割和字符識(shí)別都達(dá)到了很好的效果。通過對(duì)截獲圖像的一系列預(yù)處理步驟，增強(qiáng)圖像的關(guān)鍵信息，使其明暗鮮明，有利于牌照分割，便于進(jìn)行字符識(shí)別。本文涉及了 在車牌識(shí)別中圖像處理技術(shù)的 應(yīng)用。無論在占用的系統(tǒng)內(nèi)存空間上，還是在數(shù)據(jù)庫的信息管理上，都有著重要的現(xiàn)實(shí)意義，因此有著非常廣闊的應(yīng)用前景。加強(qiáng)對(duì)車輛的控制和監(jiān)管是交通智能管理系統(tǒng)的 主要功能 ， 而 車牌作為車輛身份信息 是車輛識(shí)別的主要手段 ，所以車牌自動(dòng)識(shí)別技術(shù)在 交通智能管理系統(tǒng) 中顯得尤為重要 。 本 科 畢 業(yè) 論 文 車牌識(shí)別系統(tǒng)的圖像處理技術(shù) Image Processing Technology Of Vehicle License Plate Recognition System 姓 名： 學(xué) 號(hào)： 學(xué) 院：軟件學(xué)院 系：軟件工程 專 業(yè)：軟件工程 年 級(jí)： 指導(dǎo)教師： 年 月 摘 要 隨著汽車在人們?nèi)粘Ｉ钪械膽?yīng)用日益廣泛，汽車總量大幅增加，給道路基礎(chǔ)設(shè)施建設(shè)造成了很大的壓力，由此產(chǎn)生了一系列社會(huì)問題。目前常用的解決辦法是部署交通智能管理系統(tǒng)，目的就是使用現(xiàn)代化的信息技術(shù)掌握實(shí)時(shí)的路面情況和交通信息，為人們提供方便、安全、高效 和舒適的公路交通。 基于數(shù)字圖像處理技術(shù)和圖像 匹配識(shí)別技術(shù)，車牌識(shí)別系統(tǒng) 通過將輸入的汽車圖像進(jìn)行定位 識(shí)別，處理為僅有幾個(gè)字節(jié)大小的車牌字符串。 車牌識(shí)別系統(tǒng)主要由車牌圖像預(yù)處理、車牌字符定位分割和車牌字符識(shí)別三個(gè)部分組成。本文的研究?jī)?nèi)容包括了彩色圖像灰度轉(zhuǎn)換、對(duì)比度拉伸、中值濾波、圖像二值化等關(guān)鍵技術(shù)。本文在 實(shí)現(xiàn)了車牌識(shí)別系統(tǒng)的圖像預(yù)處理部分的基礎(chǔ)上，通過良好的界面 展示了數(shù)字圖像處理的直觀效果。 關(guān)鍵詞 ：圖像處理；中值濾波；二值化 Abstract With the widespread use of automobile in people39。 median filter。根據(jù)最新統(tǒng)計(jì)數(shù)據(jù)顯示， 2020 年中國(guó)汽車市場(chǎng)汽車最終銷量為 938 萬輛，比 2020 年全年新車銷售量提升約 ％。 而 在 2020 年第一季度，中國(guó)已超越美國(guó)成為世界汽車產(chǎn)銷第一大國(guó)。特別是 道路交通系統(tǒng)承受了巨大的壓力，如何高效管理 交通系統(tǒng)以及緩解道路交通壓力 已經(jīng)成為現(xiàn) 代交通 中亟需解決的問題。無論是政府還是個(gè)人，都迫切需要掌握實(shí)時(shí)的道路交通情況。 目前，智能交通是當(dāng)前交通管理發(fā)展的主要方向，汽車牌照自動(dòng)識(shí)別技術(shù)（ License Plate Recognition） 則是其核心技術(shù)，在城市道路、港口、機(jī)場(chǎng)、停車場(chǎng)等場(chǎng)合均有其應(yīng)用價(jià)值 。未來的發(fā)展方向可以擴(kuò)展至交通事故分析、車輛市場(chǎng)分析以及車輛實(shí)時(shí)定位等相關(guān)領(lǐng)域。與此同時(shí)，由于實(shí)際應(yīng)用的 需要，對(duì)其也提出了更高的要求。當(dāng) 前形勢(shì)下， 建設(shè)高速公路管理系統(tǒng)和城市交通管理系統(tǒng)，滿足現(xiàn)代化要求已刻不容緩。 車牌識(shí)別系統(tǒng)的圖像處理技術(shù) 2 車牌識(shí)別系統(tǒng) 簡(jiǎn)介 系統(tǒng)設(shè)計(jì)流程 車牌自動(dòng)識(shí)別系統(tǒng)主要包括 車牌圖像預(yù)處理、 字符分割 定位和車牌字符識(shí)別三部分，進(jìn)一步加以細(xì)分可以得出如下圖所示的六個(gè)具體步驟，分別是圖像捕獲、圖像預(yù)處理、車牌定位、車牌校正、字符分割和字符識(shí)別： 圖 像 捕 獲 圖 像 預(yù) 處 理 車 牌 定 位車 牌 校 正 字 符 分 割 字 符 識(shí) 別車 牌 圖 像 圖 車牌識(shí)別系統(tǒng)流程圖 （ 1） 圖像捕獲。 （ 2） 圖像預(yù)處理。 （ 3） 車牌定位。車牌的大小 、形狀、位置、顏色、紋理、亮度等特征都是車牌定位中的必要因素，另外有環(huán)境、道路或人為因素造成車牌的汽車背景更加復(fù)雜多變，使其難度進(jìn)一步加大 。由于獲取圖像設(shè)備的安裝位置與實(shí)際拍攝車輛有一定的角度偏差，造成捕獲 的圖像往往是傾斜的，這對(duì)下一步的字符分割有很大的影響，因而必須對(duì)其進(jìn)行校正。在獲得了字符 矯正后的車牌圖像后，為了對(duì)車牌信息進(jìn)行識(shí)別，必需對(duì)此車牌加以分割成獨(dú)立的單個(gè)字符。在字符分割后所得的是固定數(shù)目的漢字、數(shù)字、字母。 系統(tǒng)技術(shù)難點(diǎn) 通過一系列的實(shí)驗(yàn)和研究，在車牌圖像的識(shí)別過程中，存在相當(dāng)多的技術(shù)難點(diǎn)重點(diǎn)，需要我們對(duì)此加以重視。主要表現(xiàn)在： 圖像采集的時(shí)機(jī)問題，在車輛由遠(yuǎn)及近向攝像設(shè)備靠攏的過程中。這就要求車牌的定位算法和字符分割有更好的適應(yīng)性。而分辨率的大小也在一定程度上影響車牌識(shí)別系統(tǒng)的識(shí)別速度和識(shí)別的準(zhǔn)確率。這都是硬件軟件系統(tǒng)集成中必然涉及到的問題。因而對(duì)二值化的適應(yīng)性提出了很高的要求。實(shí)際情況中，攝像機(jī)往往是在車輛行駛方向的正上方、右側(cè)或者左側(cè)。這就對(duì)算法的傾斜矯正要求很高，不僅要滿足車牌邊框切除要求，還提高了字符切割的難度。 我國(guó)車牌的實(shí)際情況復(fù)雜，國(guó)外的實(shí)際拍攝條件比較理想，車牌比較規(guī)范統(tǒng)一，而我國(guó)車牌規(guī)范不夠，不同汽車類型有不同的規(guī)格、大小和顏 色，所以車牌的顏色多，且位數(shù)不統(tǒng)一，對(duì)處理造成了一定的困難。就位數(shù)而言，有七位數(shù)車牌識(shí)別系統(tǒng)的圖像處理技術(shù) 4 字的，有武警車九位數(shù)字的，有軍車、前兩位字符上下排列的等，所以也造成了處理的難度。因此，研究高速、準(zhǔn)確的定位與識(shí)別算法是當(dāng)前的主要任務(wù)，而圖像處理技術(shù)的發(fā)展與攝像設(shè)備、計(jì)算機(jī)性能的提高都會(huì)促進(jìn)車牌 識(shí)別技術(shù)的發(fā)展，提高車牌識(shí)別系統(tǒng)的性能?，F(xiàn)代科技的不斷發(fā)展使得交通運(yùn)輸管理體系逐步電子化，建立了全方位實(shí)時(shí)、準(zhǔn)確的綜合管理系統(tǒng)，也就是智能管理系統(tǒng)。另外，美國(guó)、日本、加拿大、德國(guó)都相繼發(fā)展出了適合本國(guó)車牌的識(shí)別系統(tǒng)。與國(guó)外相比，我國(guó)自主開發(fā)的車牌識(shí)別系統(tǒng)在整體性能上以及識(shí)別的準(zhǔn)確率上，還存在一定的差距。因此，當(dāng)前的研究重點(diǎn)是，如何改善自動(dòng)識(shí)別算法，使得算法有更高的適應(yīng)性，降低車牌自動(dòng)識(shí)別算法對(duì)拍攝條件以及車牌自身質(zhì)量的依賴性。但在自然環(huán)境中，由于天氣等因素的影響，無法達(dá)到實(shí)驗(yàn)室效果。 本文的車牌識(shí)別系統(tǒng)主要由以下七個(gè)部分組成：灰度化、圖像增強(qiáng)、二值化、中值濾波、傾斜校正、邊框切除、字符分割和字符識(shí)別。本論文即將從這幾個(gè)部分來詳細(xì)闡述不同算法的效果和適應(yīng)性，最后得出最優(yōu)結(jié)果。論文的大體結(jié)構(gòu)如下： 第一章為緒論部分，介紹了車牌識(shí)別系統(tǒng)的研究背景及國(guó)內(nèi)外的研究現(xiàn)狀，闡明了 研究車牌識(shí)別技術(shù)的必要性，并列舉了車牌識(shí)別技術(shù)的難點(diǎn)和重點(diǎn)。 第三章論述了車牌識(shí)別系統(tǒng)中關(guān)鍵技術(shù)的 幾種主要方法，并對(duì)其進(jìn)行了比較，從中選擇適合的組合方法進(jìn)行車牌識(shí)別。 最后，結(jié)論部分對(duì)已有的工作進(jìn)行了實(shí)驗(yàn)總結(jié)，歸納了全文的主要內(nèi)容，并提出了新的展望及下一步的研究方向。它是由 Microsoft 公司推出的，隨著其新版本的不斷問世， Visual C++已成為專業(yè)程序員進(jìn)行軟件開發(fā)的首選工具。 Visual C++可以分成三個(gè)部分： （ 1） Developer Studio。 這些組件都是通過Developer Studio 集成為和諧的開發(fā)環(huán)境。微軟基礎(chǔ)類 (Microsoft Foundation Classes),實(shí)際上是微軟提供的 ,用于在 C++環(huán)境下編寫應(yīng)用程序的一個(gè)框架和引擎 ,VC++是 WinDOS 下開發(fā)人員使用的專業(yè) C++ SDK(SDK,Standard Software Develop Kit,專業(yè)軟件開發(fā)平臺(tái) ),MFC 就是掛在它之上的一個(gè)輔助軟件開發(fā)包。 Platform SDK 是以 Microsoft C/C++編譯器為核心，配合MASM，輔以其他一些工具和文檔資料的 Windows 操作系統(tǒng)開發(fā)包。目前 Windows SDK 已經(jīng)取代了 PSDK。硬件平臺(tái)指開發(fā)與運(yùn)行所需要的硬件環(huán)境，主要包括計(jì)算機(jī)機(jī)型和硬件配置。軟件平臺(tái)指開發(fā)與運(yùn)行所需要的軟件環(huán)境。 車牌識(shí)別系統(tǒng)的圖像處理技術(shù) 7 數(shù)字圖像基礎(chǔ) 何謂 數(shù)字圖像處理 數(shù)字圖像處理 (digital image processing)一般是指用計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行的處理，因此也稱為計(jì)算機(jī)圖像處理 (puter image processing)。 （ 1）數(shù)字圖像 圖像是對(duì)客觀對(duì)象的一種相似性的、生動(dòng)的描述或表示。數(shù)字圖像可以理解為圖像的數(shù)字表示，是時(shí)間和空間的非連續(xù)函數(shù) (信號(hào) )，是為了便于計(jì)算機(jī)處理的一種圖像表示形式。 (2) 圖像處理 對(duì)圖像進(jìn)行一系列的操作以達(dá)到預(yù)期的目的的技術(shù)稱作圖像處理。 利用光學(xué)、照相和電子學(xué)方法對(duì)模擬圖像的處理稱為模擬圖像處理。 利用計(jì)算機(jī)對(duì)數(shù)字圖像進(jìn)行系列操作，從而獲得某種預(yù)期結(jié)果的技術(shù)稱為數(shù)字圖像處理，又稱計(jì)算機(jī)圖像處理。 (3) 圖像分析 圖像分析主要是對(duì)圖像中感興趣的目標(biāo)進(jìn)行檢測(cè)和測(cè)量，從而建立對(duì)圖像的描述。圖像分析的內(nèi)容分為特征提取、符號(hào)描述、目標(biāo)檢測(cè)、景物匹配和識(shí)別等幾個(gè)部分。圖像理解有時(shí)也叫景物理解。 (5) 與相關(guān)學(xué)科的關(guān)系 數(shù)字圖像處理是一門新的交叉學(xué)科。從它的研究范圍來看，它與模式識(shí)別、計(jì)算機(jī)視覺、計(jì)算機(jī)圖形學(xué)等多個(gè)專業(yè)又互相交叉。數(shù)字圖像可以看成一個(gè)矩陣，或一個(gè)二維數(shù)組，這是在計(jì)算機(jī)上的表示方法。棋盤的格子就是圖像的基本元素，稱為像素。 色度學(xué)理論認(rèn)為，任何顏色都可由紅、綠、藍(lán)三種基本顏色按不同的比例混合得到，紅、綠、藍(lán)被稱為三原色。它們都是空間的連續(xù)函數(shù)，即連續(xù)空間的每一個(gè)點(diǎn)都由一個(gè)精確的值與之相對(duì)應(yīng)。平面上每一點(diǎn)僅包括兩個(gè)坐標(biāo)值，因此，平面圖 像函數(shù)是連續(xù)的二維函數(shù)，即： （ 22） 圖像可以分為黑白圖像和彩色圖像。 車牌識(shí)別系統(tǒng)的圖像處理技術(shù) 9 由于計(jì)算機(jī)僅能處理離散的數(shù)據(jù)，所以如果要計(jì)算機(jī)來處理圖像，連續(xù)的圖像函數(shù)必須轉(zhuǎn)化為離散的數(shù)據(jù)集，這一過程叫做圖像采集。圖像采集系統(tǒng)包括三個(gè)基本單元，即成像系統(tǒng) 、采樣系統(tǒng)和量化器。采樣和量化系統(tǒng)統(tǒng)稱為數(shù)字化。 每個(gè)采樣點(diǎn)叫做一個(gè)像素 (pixel)。 把像素按不同的方式進(jìn)行組織或存儲(chǔ)，就得到不同的圖像格式，把圖像數(shù)據(jù)存成文件就得到圖像文件。 調(diào)色板 如 果一幅圖像的每個(gè)像素都用其 RGB 分量來表示，那么所有的圖像文件都將變的非常龐大，實(shí)際上的做法不完全是這樣的，可以先來看一個(gè)簡(jiǎn)單的計(jì)算。但是如果采用下面的方法，就能省很多字節(jié)。例如，如果表的第 0 行為 255，0， 0（紅色），那么當(dāng)某個(gè)像素為紅色時(shí)，只需要標(biāo)明 0 即可。整個(gè)圖像要車牌識(shí)別系統(tǒng)的圖像處理技術(shù) 10 用 200*200* 即 20 000 字節(jié)，在加上顏色表占用 3*16=48 字節(jié)，也不過 20 048字節(jié)。 這張 RGB 表，就是通常所說的調(diào)色板 。 還有一種情況，即真彩色圖像（又叫做 24 位圖像 ）的顏色種類高達(dá)256*256*256=16 777 216 種，也就是包含上述提到的 RGB 顏色表示方法中所有的顏色。通常，在表示真彩色圖像時(shí)，每個(gè)像素直接用 RGB 這 3 個(gè)分量字節(jié)表示，而不采用調(diào)色板技術(shù)。所以真彩色直接用RGB 這 3 個(gè)分量表示。因此，要表示灰度圖，就需要把亮度值進(jìn)行量化。 BMP 格式的文件中并沒有灰度圖這個(gè)概念，但是可以很容易的用 BMP 文件來表示灰度圖。也就是說 RGB 值從（ 0， 0， 0），（ 1， 1， 1）一直到（ 255， 255， 255）。對(duì)于 R=G=B 的色彩，帶 入 YIQ 或 YUV 色彩系統(tǒng)轉(zhuǎn)換公式中可以看到其顏色分量都是 0，即沒有色彩信息。首先 RGB 的值都一樣；其次。如果是彩色的 256 色圖，圖像處理后有可能會(huì)產(chǎn)生不屬于這 256 種顏色的新顏色，所以，圖像處理一般采用灰度圖。 DDB 位圖對(duì)象是有 MFC 庫 CBitmap 類定義的。 結(jié)構(gòu) BITMAP 定義了 DDB 位圖的類型、寬度、高度、顏色格式和像素位置，定義如下： typedef struct tagBITMAP { /* bm */ int bmType。 int bmHeight。 BYTE bmPlanes。 LPVOID bmBits。 DDB 中不包括顏色信息，因此顯示時(shí)時(shí)以系統(tǒng)的調(diào)色板為基礎(chǔ)進(jìn)行各位的顏色映射的， Windows 只能保證系統(tǒng)調(diào)色板的前二十種顏色穩(wěn)定不變，所以 DDB 只能保證正確顯示少于二十色的位圖。 DIB 位圖可以在不同的機(jī)器或系統(tǒng)中顯示位圖所固有的圖像。 一個(gè) BMP 文件包括位圖文件頭結(jié)構(gòu) BITMAPFILEHEADER、位圖信息頭結(jié)構(gòu)BITMAPINFOHEADER、調(diào)色板 PALETTE 和位圖像素?cái)?shù)據(jù) 4 個(gè)部分，如 下 圖 所示： 車牌識(shí)別系統(tǒng)的圖像處理技術(shù) 12 位 圖 文 件 頭B I T M A P I N F O H E A D E R 調(diào) 色 板P A L E T T E實(shí) 際 的 位 圖 數(shù) 據(jù)I m a g e D a t a位 圖 信 息 頭B I T M A P I N F O H E A D E R 圖 BMP 文件結(jié)構(gòu)示意圖 （ 1） 位圖文件頭 位圖文件頭包含有關(guān)于文件類型、文件大小、存放位置等信息，在 Windows