【正文】 強(qiáng)交通安全，減 少交通堵塞，提高運(yùn)輸效率，減少環(huán)境污染，節(jié)約能源，提高經(jīng)濟(jì)緒論 活力。對(duì)汽車牌照等相關(guān)信息的自動(dòng)采集和處理對(duì)于交通車輛管理、園區(qū)車輛管理、停車場(chǎng)管理、交警稽查等方面有著十分重要的意義，因此成為信息處理技術(shù)的一項(xiàng)重要研究課題。 車牌識(shí)別技術(shù)的推廣普及，必將對(duì)加強(qiáng)城市道路管理 ， 減少交通事故、車輛 失竊 案件的發(fā)生， 以及 保障社 會(huì)穩(wěn)定等方面產(chǎn)生重大而深遠(yuǎn)的影響。 （ 3） 公路布控管理系統(tǒng) 。 （ 4） 高速公路超速監(jiān)管系統(tǒng) 。 從而降低因超速引起的交通事故的發(fā)生率 。 （ 6） 高速公路收費(fèi)管理系統(tǒng) 。 隨著車牌識(shí)別技術(shù)的不斷成熟，高效、識(shí)別率高的車牌識(shí)別技術(shù)還將應(yīng)用于一些對(duì)性能要求比較高的單片機(jī)上。故車牌識(shí)別技術(shù)有著廣泛的應(yīng)用前景?；赑C 的車牌識(shí)別系統(tǒng)是利用 PC 機(jī)及攝像機(jī)等電子設(shè)備采集某一路段的汽車圖像，對(duì)圖像進(jìn)行處理，獲取車牌的位置及字符信息，完成車牌目標(biāo)的自動(dòng)定位與識(shí)別。然后將所采集的車 輛 數(shù)字圖像送入計(jì)算機(jī)系統(tǒng)，通過車牌定位、字符分割、字符識(shí)別三個(gè) 環(huán)節(jié) 的處理，最終得到車牌號(hào)碼。下面 只 針對(duì)車牌字符分割技術(shù)的研究現(xiàn)狀加以闡述。字符區(qū)域分割的準(zhǔn)確與否 會(huì) 直接影響到下一步的字符識(shí)別，因此許 多學(xué)者對(duì)此進(jìn)行了研究，提出了很多關(guān)于車牌字符分割的方法。 遲曉君，孟慶春 等 提出了一種基于垂直投影特征值的分割方法 [2]， 根據(jù)車牌二值 圖像垂直投影圖的特點(diǎn)， 選取 一個(gè)特征值，并 將 車牌圖像的先驗(yàn)知識(shí) 與 此特征值相結(jié)合來(lái) 對(duì)車牌 進(jìn)行字符分割。王興玲提出了基于類間方差車牌字符分割的模板匹配算法 [4]， 該算法 根據(jù) 車牌 字符串的結(jié)構(gòu)和尺寸特征，設(shè)計(jì) 出 車牌字符串模板， 用 該模板在車牌區(qū)域滑動(dòng) 來(lái)進(jìn)行 匹配 、 分類，并 根據(jù) 最大類間方差判決準(zhǔn)則，確定最佳匹配位置，分割出車牌字符。 趙海燕等提出了基于最小面積法進(jìn)行的車牌字符分割 [6]， 該方法的 依據(jù) 是 車牌橫平時(shí)車牌照所形成的連通域面積最采集圖像 車牌定 位 字符分 割 字符識(shí) 別 信息 存儲(chǔ) 緒論 小 ，從而 提出 用 最小面積法 來(lái) 計(jì)算旋轉(zhuǎn)角度，進(jìn)行灰度均值化處理 后 ，通過水平投影去除邊界，最后 計(jì)算 垂直投影 從而 進(jìn)行有效分割。 車牌字符分 割的正確與否將直接影響到車牌字符的識(shí)別，如果字符分割錯(cuò)誤，那會(huì)直接導(dǎo)致車牌識(shí)別的失敗。本文的工作主要包括： （ 1）給出了對(duì)車 牌圖像的預(yù)處理過程，包括對(duì)車牌的灰度化、二值化、開運(yùn)算、閉運(yùn)算 、去除邊框 、去除圓點(diǎn) 等過程。 （ 3）給出了應(yīng)用固定邊界法對(duì)車牌圖像進(jìn)行分割的方法。 （ 5）在完成了程序的編寫后，做了一個(gè)與程序?qū)?yīng)的圖形用戶界面。 主要介紹了課題的背景及前景；對(duì)車牌自動(dòng)識(shí)別系統(tǒng)做了概述；并對(duì)車牌自動(dòng)識(shí)別系統(tǒng)的研究現(xiàn)狀進(jìn)行了綜述；闡述了本文研究的主要內(nèi)容，并在最后給出了本文的結(jié)構(gòu)安排。 主要介紹了車牌字符分割過程中的一些關(guān)鍵知識(shí)，尤其是在字符分割預(yù)處理和分割過程中需要用到的關(guān)于灰度、 二值、 腐蝕、膨脹等方面 的理論。 主要介紹了車牌圖像的預(yù)處理過程，包括圖像灰度化、圖像二值化、開運(yùn)算、閉運(yùn)算以及 去除邊框 等。 分別介紹了 基于垂直投影的車牌字符分割方法 ，基于車牌固定邊界法的字符分割方法緒論 和 將投影法與固定邊界法相結(jié)合形成的改進(jìn)的投影法的字符分割方法。 第 六 章為總結(jié)和展望。車牌字符分割相關(guān)理論基礎(chǔ) 第二章 車牌字符分割的相關(guān)理論基礎(chǔ) 圖像信息是在日常的生活、生產(chǎn)中接觸最多的信息之一，是我們獲得外界信息的主要來(lái)源，科學(xué)研究和統(tǒng)計(jì)表明，我們從外界獲得的信息約有 75％是從圖像中獲得的 [7]。圖像帶有大量的信息， 如何從中找到我們需要的信息就是我們所關(guān)注的焦點(diǎn)，因此 圖像處理技術(shù)發(fā)展越來(lái)越快，已經(jīng)在很多方面取得了 較大 的進(jìn)步，尤其 在 近幾年，數(shù)字通信、計(jì)算機(jī)、計(jì)算機(jī)網(wǎng)絡(luò) 等技術(shù)的飛速發(fā)展，對(duì)圖像處理技術(shù)的發(fā)展起到了推動(dòng)作用。空間坐標(biāo)(, )xy 的數(shù)字化稱為圖像采樣，而幅值數(shù)字化稱為灰度級(jí)量化 [7]。二值圖像的像素值為 0 或 1， 圖 表示一幅二值圖像對(duì)應(yīng)的圖像矩陣 [7]。它不包含彩色信息。若圖像是 double 型，則像素 的取值就是雙精度浮點(diǎn)型。 I=67 69 75 67 6872 68 85 78 9585 86 83 86 8512 1 99 10 2 11 9 94?????? 車牌字符分割相關(guān)理論基礎(chǔ) 圖 灰度圖像的數(shù)字矩陣 數(shù)學(xué) 形態(tài)學(xué)于 1964 年創(chuàng)立，其基本思想和方法對(duì)圖像處理理論和技術(shù)產(chǎn)生了重大影響 [8]。 應(yīng)用 數(shù)學(xué)形態(tài)學(xué)可以簡(jiǎn)化圖像數(shù)據(jù)，保持它們基本形狀特性 的數(shù)據(jù) ，并除去不相關(guān)結(jié)構(gòu) 的數(shù)據(jù) 。 數(shù)學(xué)形態(tài)學(xué)不僅有 堅(jiān)實(shí)的理論基礎(chǔ)，簡(jiǎn)潔、樸素、統(tǒng)一的思想， 還有著 如此廣泛的使用價(jià)值。 數(shù)學(xué)形態(tài)學(xué)有膨脹、腐蝕、開 運(yùn)算 、閉 運(yùn)算 四種基本運(yùn)算： （ 1） 膨脹 ： 設(shè)用 A 表示圖像， B 表示結(jié)構(gòu)元素（ B 本身也是圖像集合， A 和 B 均為集合），形態(tài)學(xué)運(yùn)算就是用 B 對(duì) A 進(jìn)行操作。 ^()zB 表示對(duì) B 的反射進(jìn)行位移 z， 因此 上式表明用 B 膨脹 A 的過程是，先對(duì) B 做關(guān)于原點(diǎn)的映射，再將其平移 z， 這里 A 與 B 的交集不 能 為空集。 （ 2） 腐蝕 ： 腐蝕的算符為 ? ， A 用 B 來(lái)腐蝕寫作 AB? ，其定義為 ： ? ?()xA B x B A? ? ? 上式表明 用 B 腐蝕 A 的過程就是對(duì) B 平移運(yùn)算想，結(jié)果是所有 x 的集合，即 B 平移 x后仍在 A 中，換句話說，用 B 腐蝕 A 得到的集合是 B 完全包括在 A 中時(shí) B 的原點(diǎn)位置的集合，即平移后的 B 與 A 的背景并不疊加。用 B 對(duì) A 進(jìn)行形態(tài)學(xué)開運(yùn)算可以記為 AB。 （ 4） 閉運(yùn)算 ： 閉運(yùn)算是指先對(duì)圖像進(jìn)行膨脹，然后腐蝕其結(jié)果。從幾何上講， AB? 是所有不與 A 重疊的 B 的平移的并集。開運(yùn)算可以把比結(jié)構(gòu)元素小的突刺濾掉，切斷細(xì)長(zhǎng)搭接而起到分離作用。車牌圖像的預(yù)處理 第三章 車牌圖像的預(yù)處理 圖像 的 灰度化， 就 是將彩色圖像轉(zhuǎn)化為具有 256 個(gè)灰度級(jí)的黑白圖像， 灰度 圖像只 保留圖像的 亮度信息， 去除了 色彩信息，就像我們平時(shí)看到的黑白照片， 它的 亮度由暗到明 ，而且 亮度變化是連續(xù)的。在灰度圖像中，通常 將亮度 劃分成 0 到 255 共 256 個(gè)級(jí)別 ， 0 最暗， 255最亮。其中 t 為閾值， (, )f i j 為輸入圖像 數(shù)據(jù) ，39。 39。 1 ( , )( , ) 0 ( , )f i j tf i j f i j t??? ? ?? （ 32） 由式（ 31）和（ 32）可知，圖像的二值化就是選取一個(gè)閾值，灰度值大于閾 值的（或小于閾值的）被認(rèn)定為字符圖像，灰度值小于閾值的（或大于閾值的）被認(rèn)定為車牌背景，對(duì) 車牌圖像 進(jìn)行 二值化 處理 的目的就是 將 車牌上的字符和背景分開， 因此 在二值化 過程中最關(guān)鍵的 就 是 閾 值的選取，好的 閾值 可以 把車牌 背景 和車牌上的 字符 區(qū)分開來(lái)， 而 不恰當(dāng)?shù)?閾值 會(huì)把背景 認(rèn)定為 字符，同樣也 可能 把部分字符 認(rèn)定為 背景。 如果車牌圖像的預(yù)處理 背景的 像素 值在整個(gè)圖像中可 近似 看作為恒定，那么，只要選擇了正確的 閾值 ，使用一個(gè)固定的 全 局閾值 就 可以達(dá)到 較好的 二值化 效果。 在全局 閾 值算法中最出名的也是效果最好的就是 Otsu提出的最大方差 閾 值算法。 它的基本原理是 （ 2） 局部閾值法 ： 在許多情況下，背景的灰度值并不 能近似為 一個(gè)常數(shù)， 由于各種原因使得車牌受到污染或 有陰影、光照不均等 ，都會(huì)使車牌字體 顏色和背景顏色的對(duì)比度在圖像中 產(chǎn)生 變化。在此情況下， 有一種解決辦法就是 局部閾值法，該方法 由像素的灰度值以及該像素周圍點(diǎn)的局部灰度特性來(lái)確定 閾值 ，把灰度 閾值 取成一個(gè)隨圖像位置緩慢變化的函數(shù)值， 因而也稱此方法為 自適應(yīng) 閾值 算法 或動(dòng)態(tài)閾值算法。 大律法的原理為：設(shè) t 為車牌圖像的前景與后景的分割閾值，前景點(diǎn)數(shù)所占圖像的比例為 1k ，平 均灰度為 1u ；后景點(diǎn)數(shù)所占圖像比例為 2k ，平均灰度為 2u ；則圖像的總平均灰度為 1 1 2 2u u k u k? ? ? ?。 因?yàn)榉讲钪档拇笮〈砹嘶叶戎档姆植记闆r，因而當(dāng)方差 ? 越大，說明前景和背景的差別 ? 越大，當(dāng)將前景劃為背景區(qū)域或?qū)⒈尘皠潪榍熬皡^(qū)域時(shí)都會(huì)使得方差 ? 變小，所以當(dāng) t 使得方差 ? 最大時(shí)即為最佳閾值。是否需要將圖像進(jìn)行去噪處理，這取決于噪聲 對(duì)圖像的影響 程度。 一般將 圖像中的噪聲 分為 兩種：一種是加性噪聲，車牌圖像的預(yù)處理 另 一種是乘性噪聲。而乘性噪聲和 原 圖像 數(shù)據(jù) 是相乘的關(guān)系，可用表達(dá)式 34 來(lái)表示。常見的噪聲類型有： 均勻分布噪聲、 高斯噪聲、脈沖噪聲 、指數(shù)分布噪聲 、瑞利噪聲、伽馬噪聲等噪聲模型。大體上可以分為兩種，一種是在時(shí)域進(jìn)行去噪，另外一種是在頻域進(jìn)行去噪。不管是哪種方法，我們都是 為了 將信號(hào)和噪聲分離 從而 得到一個(gè)含有少量噪聲的 圖像數(shù)據(jù) 。而在頻域上去噪主要是利用噪聲和信號(hào)所占頻帶的不同從而將其分離，根據(jù)噪聲所在不同的頻帶，我們可以采用低通濾波、高通濾波和帶通濾波來(lái)去噪 [10]。 由于車牌上會(huì)有泥點(diǎn)、刮痕、銹蝕等造成車牌上會(huì) 成為噪聲 ，在二值化時(shí)會(huì)成為 小點(diǎn) ，給字符分割帶來(lái)阻礙，因而在對(duì)車牌分割前必須將這些噪聲去掉，因此可以根據(jù) 開 操作來(lái)達(dá)到目的。開運(yùn)算可以把比結(jié)構(gòu)元素小的突刺 噪聲 濾掉，切斷 將字符 搭接 起來(lái)的噪聲 而起到分離作用。 邊框 在對(duì)車牌進(jìn)行定位后， 車牌的 上下 邊緣處總會(huì)殘留一些 車牌的邊框或者鉚釘?shù)?噪聲無(wú)法去除，待車牌被分割后也會(huì)給后續(xù)的字符識(shí)別帶來(lái)麻煩，為了消除這些影響，須將其去除。 步驟為： Step1：計(jì)算每一 行 的像素值總和。 Step3：只保留 Step2 找到的車牌上下端以內(nèi)的車牌數(shù)據(jù)即可將車牌的上下邊框去除。 圖 為車牌去除 邊框 前后的圖像： 圖 去除 車牌 邊框 前后對(duì)比圖 車牌上字母與數(shù)字間有一白色圓點(diǎn)，在采用投影法對(duì)車牌進(jìn)行分割時(shí)會(huì)受到很大的影響，因此本文根據(jù)該白點(diǎn)所在車牌的位置，將此白點(diǎn)處數(shù)字矩陣置為全零，可以消除其帶來(lái)的影響。 方法 該算法是由 遲曉君，孟慶春 等 首先 提出 來(lái)的，該算法是依據(jù)車牌字符間的像素為零而找到各個(gè)字符的左右位置分割的。 該算法的步驟為： Step1：將車牌圖像灰度化。 Step3：對(duì)該二值化圖像進(jìn)行 去燥處理 ，經(jīng)過開閉運(yùn)算、濾波、去除車牌 邊框、 去除圓點(diǎn) 等步驟后就可得到質(zhì)量較好的二值化圖像。 下圖為應(yīng)用投影法對(duì)車牌進(jìn)行分割的圖像： 原圖像： 分割后圖像： 圖 投影法分割效果圖 由于此方法已經(jīng) 能夠?qū)④嚺茀^(qū)域灰度圖像轉(zhuǎn)化為 較 高質(zhì)量的二值圖片 進(jìn)行分割 ， 但對(duì)于一些質(zhì)量較差的車牌照片還是可能發(fā)生字符粘連或者對(duì)字符的誤分割， 故采用車牌區(qū)域二值圖片的投影圖來(lái)分割字符 還有待改善。 Step1：將車牌圖像灰度化。 Step3：對(duì)該二值化圖像進(jìn)行去燥處理，經(jīng)過開閉運(yùn)算、濾波、去除車牌邊框、去除圓點(diǎn)等步驟后就可得到質(zhì)量較好的二值化圖像。 Step5：第二個(gè)字母和其后的數(shù)字 由于間隔都為 12mm，所以 可根據(jù) 此規(guī)律很容易計(jì)算出來(lái)，然后將其分割。圖 為 應(yīng)用固定邊界法分割的圖像： 圖 可以看出，有的車牌可以很好地分割出來(lái)，但有的車牌卻出現(xiàn)了錯(cuò)誤分割，原因就是，車牌的左邊界不一致會(huì)導(dǎo)致分割位置錯(cuò)誤，從而使得分割結(jié)果錯(cuò)誤。 圖 為使用該法分割的圖像： 車牌字符分割方法 圖 改進(jìn)法分割 該方法的 實(shí)現(xiàn) 步驟為： Step1：將車牌圖像灰度化。 Step3：對(duì)該二值化圖像進(jìn)行預(yù)處理，經(jīng)過開閉運(yùn)算、 去除車牌上下 邊框 、去除圓點(diǎn) 等步驟后就可得到質(zhì)量較好的二值化圖像。 Step5：選取一較小的 像素和 閾值，找到車牌上漢字的左端，在用該閾值繼續(xù)尋找漢字右端的同時(shí)，根據(jù)車牌標(biāo)準(zhǔn)，利用高與寬的比例關(guān)系找到漢字的右端。 此方法將垂直投影法和固定邊界法相結(jié)合，達(dá)到了更好的分割效果。所謂圖像用戶界面是指由 菜單、 窗口、對(duì)話框等各種圖形對(duì)象組成的用戶界面。 MATLAB 是一款 功能強(qiáng)大的科學(xué)計(jì)算軟件， 它 同樣也提供了圖形用戶界面設(shè)計(jì)的功能。 設(shè)計(jì) 圖形用戶 界面 本文主要設(shè)計(jì)了菜單鍵 和按鈕鍵， 主菜單下有二級(jí)菜單，并且有快捷鍵 。 下面介紹本文 設(shè)計(jì)的 GUI 界面： （ 1） 菜單 鍵 的設(shè)計(jì)： 一級(jí)菜單有文件、預(yù)處理、計(jì)算行列像素點(diǎn)、分割和幫助。每個(gè)菜單鍵都有與之相對(duì)應(yīng)的快捷鍵。 （ 2） 界面上按鍵的設(shè)計(jì)： 然后根據(jù)需要將按鈕鍵和菜單鍵分別添加到界面上，本文先將界面大小拖動(dòng)至所需大小，然后分別添灰度化、二值化、開運(yùn)算、閉運(yùn)算、去除邊框、去除圓點(diǎn)等按鈕，并分別通過設(shè)定按鈕的大小 、 字體大小以及 callback 函數(shù)。 圖 為設(shè)計(jì)的 GUI 主界面： 圖形用戶 界面設(shè)計(jì) 圖 設(shè)計(jì)的 GUI 主界面 圖 ~圖 為運(yùn)行 GUI 時(shí)的界面： 當(dāng)