基于MATLAB 的车牌定位及提取
算法与实现
1.车牌定位的基本理论与算法
1.1彩色图像灰度化
彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。经过灰度变换后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。
在车牌识别中要利用灰度分布的特征进行进一步的分割、识别，因此对车牌图像进行灰度化成为车牌定位的必要步骤之一。
1.2灰度拉伸
车牌图像定位是个难点，抓拍图像受环境因素影响很大，尤其当外界光照条件过强或过弱时，容易使得整幅图像偏亮或偏暗，这种情况成为低对比度。为了提高对比度，把感兴趣的灰度范围拉开，使得该范围内的像素，亮的越亮，暗的越暗，就要对图像进行灰度拉伸，使图像上的边缘更加凸显，这样牌照区的笔画特征就会更加明显，更有益于下一步的处理。
灰度拉伸变换原理图如图10.3所示，函数表达式为
????
?????
>---≤≤+---<=b x b x b d b
x a c a x a
b c d a x x a
d x f ),(255255,)()( （10.5）
式（10.5）中（a,c)和（b,d)是图10.3中的两个转折点的坐标。
设图像为mxn 像素，其直方图为h(i),a 取满足10
)(0mn
i h a
i ≥∑=的最小整数，b 取满足 mn i h a
i 10
9
)(0≤
∑=的最大整数，c 和d 分别可以在程序中动态设定，也可以根据经验自行设定。在图10.4中取2
3,9.0b
d a c ==
1.3边缘检测
图像的边缘是图像的最基本特征。所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛存在于物体和背景之间、物体和物体之间、基元和基元之间。因此，它是图像分割所依赖的重要特征。常用的边缘检测方法有Sobel 边缘算子、Prewitt 边缘算子、Kirseh 边缘算子、高斯--拉普拉斯算子等等。
该文采用的是Canny 边缘检测的方法。该方法为最优的阶梯型边缘检测算法。
1.4开闭操作图像滤波
形态学的数学基础和所用语言是集合论，其基本运算有四种：膨胀、腐蚀、开启和闭合。基于这些基本运算，还可以推导和组合成各种数学形态学实用算法。对图像做了开运算和闭运算，闭运算可以使图像的轮廓线更为光滑，它通常用来消掉狭窄的间断和长细的鸿沟，消除小的孔洞，并弥补轮廓线中的断裂。
1.5 区域标记
对二值图像进行区域提取时，首先需要对对图像每个区域进行标记，其中应用到了连通对象进行标注函数bwlabel 主要对二维二值图像中各个分离部分进行标注，其用法如下：
[L,num] = bwlabel(BW,n)
其中，L 表示返回和BW 相同大小的数组，而且包含了连通对象的标注。参数n 为4或8，分别对应4邻域和8邻域，默认值为8。Num 为返回连通数。
然后，需要得到图像区域属性。计算每个区域的图像特征参数：区域中心位置、最小包含矩形、面积。这里给出在Matlab 图像处理工具箱中非常重要的一个图像分析函数：regionprops 。它的用途是get the properties of region ，即用来度量图像区域属性的函数。其用法如下：
S = regionprops(L,properties)
其中，测量标注矩阵L中每一个标注区域的一系列属性。L中不同的正整数元素对应不同的区域，例如：L中等于整数1的元素对应区域1；L中等于整数2的元素对应区域2；以此类推。返回值S是一个长度为max(L(:))的结构数组，结构数组的相应域定义了每一个区域相应属性下的度量。properties可以是由逗号分割的字符串列表、饱含字符串的单元数组、单个字符串‘all' 或者‘basic'。如果properties等于字符串‘all'，则所有下述字串列表中的度量数据都将被计算，如果properties 没有指定或者等于‘basic'，则属性：‘Area',
‘Centroid', 和‘BoundingBox' 将被计算。
本文对已经得到了可行车牌区域的连通域，进行连通域分析均用到上述函数，从而计算出包含所标记的区域的最小宽和高。并根据先验知识，即对标准车牌而言这个宽高比大致为44:14，不妨取34:14～54:14为字符区域的宽高比范围。比较谁的宽高比更接近实际车牌宽高比，将更接近的提取并显示出来。
2.车牌定位算法MATLAB实现
2.1图像预处理
2.1.1图像灰度化
I=imread('che01.jpg');
figure(1),imshow(I);
I_gray=rgb2gray(I);%对原图进行灰度化
figure(2),imshow(I_gray);
2.1.2灰度拉伸增强
I_ls=fdlasen(I_gray);%用自编函数fdlasen对图像拉伸增强
2.1.3边缘检测
%边缘检测，canny检测出的图像噪声较少
[I_ed,t]=edge(I_ls,'canny',[],'both');
2.2开闭操作图像滤波
%开闭图像操作图像滤波
I5=imclose(I_ed,strel('rectangle',[5,19]));
I6=imopen(I5,strel('rectangle',[5,20]));
I_op=imopen(I6,strel('rectangle',[35,1]));
2.3车牌定位并提取
%车牌提取
[I_bw,num]=bwlabel(I_op,8);
S = regionprops(I_bw,'basic');
Area=[S.Area];
BoundingBox=[S.BoundingBox];
for i=0:num-1
rectangle('Position',BoundingBox(:,4*i+1:4*i+4));
p=BoundingBox(:,4*i+3)/BoundingBox(:,4*i+4);
if p>34/14&p<54/14
t=I_gray(BoundingBox(:,4*i+2):BoundingBox(:,4*i+2)+BoundingBox(:,4*i+4),BoundingBox (:,4*i+1):BoundingBox(:,4*i+1)+BoundingBox(:,4*i+3));
figure,imshow(t)
end
end
附录
主程序：
clc;
clear;
close all;
%定位之前需要对原图像进行预处理（包括：灰度化、图像增强、边缘检测）
I=imread('che01.jpg');
figure(1),imshow(I);
I_gray=rgb2gray(I);%对原图进行灰度化
figure(2),imshow(I_gray);
I_ls=fdlasen(I_gray);%用自编函数fdlasen对图像拉伸增强
figure(3),imshow(I_ls);
%边缘检测，canny检测出的图像噪声较少
%[J,t]=edge(I,'roberts',[],'both');
%[K,t]=edge(I,'sobel',[],'both');
%[L,t]=edge(I,'prewitt',[],'both');
[I_ed,t]=edge(I_ls,'canny',[],'both');
figure(4),imshow(I_ed);
%开闭图像操作图像滤波
I5=imclose(I_ed,strel('rectangle',[5,19]));
I6=imopen(I5,strel('rectangle',[5,20]));
I_op=imopen(I6,strel('rectangle',[35,1]));
figure(7),imshow(I_op);
%车牌提取
[I_bw,num]=bwlabel(I_op,8);
S = regionprops(I_bw,'basic');
Area=[S.Area];
BoundingBox=[S.BoundingBox];
for i=0:num-1
rectangle('Position',BoundingBox(:,4*i+1:4*i+4));
p=BoundingBox(:,4*i+3)/BoundingBox(:,4*i+4);
if p>34/14&p<54/14
t=I_gray(BoundingBox(:,4*i+2):BoundingBox(:,4*i+2)+BoundingBox(:,4*i+4),BoundingBox (:,4*i+1):BoundingBox(:,4*i+1)+BoundingBox(:,4*i+3));
figure,imshow(t)
end
end
灰度增强函数：
function K=fdlasen(A);
[m,n]=size(A);
Fd=imhist(A,256);
a=0;
S=0;
while S a=a+1; S=S+Fd(a); end b=119; S=sum(Fd); while S>n*m*9/10 b=b-1; S=S-Fd(b); end c=a/0.9; d=3*b/2; for i=1:m for j=1:n if A(i,j) A(i,j)=A(i,j)*d/a; elseif A(i,j)>=a&A(i,j)<=b A(i,j)=(d-c)*(A(i,j)-a)/(b-a)+c; else A(i,j)=(255-d)*(A(i,j)-b)/(255-b)+d; end end end K=A; 本人的毕设收集资料 a.一些算法 1．基于纹理特征的车牌定位法 车辆图像随拍摄环境的变化而不同，然而车辆牌照具有不因外部条件变化而改变的特征。车牌内有多个基本成水平排列的字符，字符和牌照底在灰度值上存在跳变，因而车牌这个矩形区域(包括边缘)有丰富的边缘存在，呈现出规则的纹理特征。在传统的基于灰度分割技术上，这些特征为车牌定位研究提供了切实可行的依据。基于纹理分析的方法利用车牌区域内字符纹理丰富的特征定位车牌，它对于光照偏弱、偏强、不均匀性、牌照倾斜和变形等情况不敏感。但该方法应用于背景复杂的图像时，容易把一些纹理分布较丰富的非车牌区域定位进来，产生包含车牌在内的车牌候选区域，这是纹理分析方法的缺陷。 2．基于神经网络的定位算法 利用神经网络来定位车牌是一类较为常见的方法。本算法的基本步骤和各模块的功能如下：(1)神经网络训练模块：收集一定数量的车牌图像样本，归一化后输入至BP神经网络进行训练，达到预定的正确率后，训练结束。本模块将获得一个对车牌敏感的BP神经网络。 (2)图像预处理模块：提取车牌前，对图像进行预处理；抑制噪声，提高图片质量。 (3)车牌定位模块：利用训练好的神经网络在图像中搜索车牌区域，定位车牌。 本方法的特点是从车牌区域特征来判别牌照，因此在搜索时会重点考虑以下表面特征(如边缘、对比度、纹理等)而忽视图像区域的内容。有用信号的特征有时会误导搜索，如果因为定位模块忽视了非牌照区域包含的车牌特征信号点，将这些区域送入后续步骤将会影响车牌字符识别。 3基于特征统计的车牌定位 基于特征统计的车牌定位利用车牌区域的结构特征和字符纹理特征。车牌区域字符笔划变化含有丰富的边缘信息。对整幅汽车图像进行边缘检测，车牌区域相对于其它非车牌区域含有更多的细节信息。对边缘图像进行行或列扫描，该行或列灰度值跳变的次数明显不同非车牌区域的行或列，即基于特征统计的车牌定位方法。此方法分为两个部分：粗定位和精确定位。1．粗定位： 粗定位是从车牌边缘检测后的图像中找出含有车牌的区域，并把它提取出来，考虑到车牌区域中存在大量笔画边缘点集，当线段扫描到车牌区域时，￡会大于某个阈值，这样就能初步找到横穿车牌区域的线段，然后以此线段为起点，上下平移扫描，利用车牌区域横向积分投影的连续性特征，定出车牌的上下边。在定位出上下边的同时，利用车牌白点数目占据主导的特点，用一定宽度的矩形，从左往右扫描。粗定位具体做法是用一个比估计车牌小的矩形遍历整个边缘二值图，则落在该矩形内白色的点最多的位置就是车牌区域的大致位置。2．精确定位： 车牌颜色主要分为：蓝底白字、黄底黑字、黑底白字，白底黑字四种。相同号码不同颜色组合的车牌不是同一个车牌，所以颜色信息在车牌定位的过程中相当重要。本文在精确定位时结合车牌的长宽信息、颜色信息，根据车牌颜色(蓝、白、黄、黑4种)像素占候选车牌区域所有像素的比例来确定哪个是车牌部分，由此得到准确的车牌区域。 具体思想如下：对粗定位中提取的区域进行研究，如果此区域蓝、黑、黄色中哪种颜色较多，则认为蓝底色牌照、黑底色牌照、黄底色牌照，剩余的车牌为白底色军车和武警车牌照等。每个颜色的RGB有一定的范围比例，如蓝色的RGB各值中蓝色分量最大，并且蓝色红色分量的比值大于门限Tb；黑色的RGB各值相差不大，它们与其它颜色的RGB值相比是很小的值，且小于门限Tbl；黄色的RGB各分量依次减小，而且蓝色分量远小于其它两色。设图像中像素的红 专业综合实验报告----数字图像处理 专业：电子信息工程 班级： ： 学号： 指导教师： 2014年7月18日 车牌图像定位与识别 一、设计目的 利用matlab实现车牌识别系统，熟悉matlab应用软件的基础知识，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，巩固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。 二、设计内容和要求 车牌识别系统应包含图像获取、图像处理、图像分割、字符识别、数据库管理等几个部分，能够完成复杂背景下汽车牌照的定位分割以及牌照字符的自动识别。这里，只要求对给定的彩色车牌图像变换成灰度图像，用阈值化技术进行字符与背景的分离，再提取牌照图像。 三、设计步骤 1．打开计算机，启动MATLAB程序； 2．调入给定的车牌图像，并按要求进行图像处理； 3．记录和整理设计报告 四、设计所需设备及软件 计算机一台；移动式存储器；MATLAB软件。 五、设计过程 车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割和单个字符识别两个模块。 (一）对图像进行图像转换、图像增强和边缘检测等 1.载入车牌图像： 原图 2.将彩图转换为灰度图并绘制直方图： 灰度图 灰度直方图 3.用roberts 算子进行边缘检测： 图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定。正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。边缘提取是较经典的算法，此处边缘的提取采用的是 摘要 汽车车牌识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。在车牌自动识别系统中，首先要将车牌从所获取的图像中分割出来实现车牌定位，这是进行车牌字符识别的重要步骤，定位的准确与否直接影响车牌识别率。 本次毕业设计首先对车牌识别系统的现状和已有的技术进行了深入的研究，在此基础上设计并开发了一个基于MATLAB的车牌定位系统，通过编写MATLAB文件，对各种车辆图像处理方法进行分析、比较,最终确定了车牌预处理、车牌粗定位和精定位的方法。本次设计采取的是基于微分的边缘检测，先从经过边缘提取后的车辆图像中提取车牌特征，进行分析处理，从而初步定出车牌的区域，再利用车牌的先验知识和分布特征对车牌区域二值化图像进行处理，从而得到车牌的精确区域，并且取得了较好的定位结果。 关键词：图像采集，图像预处理，边缘检测，二值化，车牌定位 ENGLISH SUBJECT ABSTRACT The subject of the automatic recognition of license plate is one of the most significant subjects that are improved from the connection of computer vision and pattern recognition. In LPSR, the first step is for locating the license plate in the captured image which is very important for character recognition. The recognition correction rate of license plate is governed by accurate degree of license plate location. Firstly, the paper gives a deep research on the status and technique of the plate license recognition system. On the basis of research, a solution of plate license recognition system is proposed through the software MATLAB,by the M-files several of methods in image manipulation are compared and analyzed. The methods based on edge map and das differential analysis is used in the process of the localization of the license plate,extracting the characteristics of the license plate in the car images after being checked up for the edge, and then analyzing and processing until the probably area of license plate is extracted，then come out the resolutions for localization of the car plate. KEY WORDS：imageacquisition，image preprocessing，edge detection，binarization，licence，license plate location 安徽建筑工业学院电子与信息工程学院本科毕业设计（论文）开题报告 课题名称：基于模式识别的图像处理算法研究 ——基于模式识别的车牌定位算法研究专业：电子信息工程 班级：08电子①班 学生姓名：陈宇栋 学号：08205010127 指导教师： 填表日期：2012年3月5日 安徽建筑工业学院电子与信息工程学院 二○一一年十二月制表 说明 1.抓好毕业设计（论文）的开题报告是保证毕业设计 （论文）质量的一个重要环节。为了加强对毕业设计（论文）的过程管理，规范毕业设计（论文）的开题报告，特印发此表。 2.毕业生一般应在毕业设计前期准备过程中，通过文 献调研，主动跟指导教师讨论，完成毕业设计（论文）的开题报告。 3.此表经过指导教师和有关人员签字后，一份由指导 教师保存，一份交院教学办公室。 4.毕业生在毕业设计（论文）答辩时，必须提交这份 毕业设计（论文）开题报告。 填写选题依据和设计方案，力求简练，若表中栏目不够填写，可另加附页。 一、简表 学生简况 姓名陈宇栋性别男出生年月1988-08入学时间2008-09学号08205010127专业电子信息工程班级08电子①班 课题名称基于模式识别的图像处理算法研究 子课题基于模式识别的车牌定位算法研究 课题来源纵向课题 类型计算机软件设计 研究（设计）内容 随着计算机和人工智能技术的发展，模式识别在图像处理中的应用日益广泛，智能交通工具在世界范围内引起重视，而车牌识别系统是智能交通工具的重要组成部分，该系统可以记录十字路口违章车辆，实现高速公路、收费路口、停车场等地的收费。车牌识别系统包括从图像的采集到预处理，再到车牌区域的定位和字符的分割，最后对分割出的字符进行识别的一系列过程。本次毕业设计主要对汽车牌照识别系统进行处理研究，借助于Visual C++编程环境运行在相应的硬件平台上，利用数字图像模式识别技术实现对汽车牌照的自动识别。按照模式识别系统组成，完成汽车牌照自动识别技术包括车牌预处理、车牌特征提取和车牌识别等功能，完成相应的算法研究。 对采集的车牌图像进行预处理包括图像灰度化、二值化、灰度拉伸及边缘提取等过程，并且过滤图像噪声使图像区域特征明显，根据区域特征确定车牌区域。车牌字符分割可以采用车牌区域纵向灰度投影的方式进行字符区域识别和分割实现。最后进行车牌分割字符图像归一化，将分割好的字符图像通过系数变换得到高度、宽度均相等的图像，以方便特征提取，提高识别的准确率，实现车牌的识别。 近年来，智能交通系统(ITS)越来越受到人们的重视在车牌识别中，车牌自动识别系统作为核心部分之一应用已经越来越普及。车牌识别系统主要分车牌定位、字符切分和字符识别三部分，而车牌定位又是系统中最重要的步骤，定位的成功与否以及定位的准确程度将会直接决定后期能否进行车牌识别以及识别的准确度。 文中利用MATLAB进行分析与仿真。MATLAB是一种简单，高效、功能强大的高级语言,在科学与工程计算领域有着广泛的应用前途。在数字图像处理领域,可应用MATLAB数字图像处理技术进行系统分析与设计。 本文要讨论的是对彩色车牌图像进行包括灰度化、二值化、图像增强、边缘检测的预处理，之后进行区域提取来实现对车牌的初定位。借助MATLAB编程语言在仿真过程中分析现有算法并加以改进。 1 车牌定位中的基本理论与算法 1.1图像灰度化 彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。经过灰度变换后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。 在车牌识别中要利用灰度分布的特征进行进一步的分割、识别，因此对车牌图像进行灰度化成为车牌定位的必要步骤之一。 1.2图像二值化 二值图像是指整幅图像画面内仅黑、白二值的图像。在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来，二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等等。车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大地提高处理效率。如果图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为0或255，否则灰度值设置为255或0。 基于matlab的汽车牌照识别程序 摘要：本次作业的任务是设计一个基于matlab的汽车牌照识别程序，能够实现车牌图像预处理，车牌定位，字符分割，然后通过神经网络对车牌进行字符识别，最终从一幅图像中提取车牌中的字母和数字，给出文本形式的车牌号码。 关键词：车牌识别，matlab，神经网络 1 引言 随着我国交通运输的不断发展，智能交通系统（Intelligent Traffic System，简称ITS）的推广变的越来越重要，而作为ITS的一个重要组成部分，车辆牌照识别系统（vehicle license plate recognition system，简称LPR）对于交通管理、治安处罚等工作的智能化起着十分重要的作用。它可广泛应用于交通流量检测，交通控制于诱导，机场，港口，小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。由于牌照是机动车辆管理的唯一标识符号，因此，车辆牌照识别系统的研究在机动车管理方面具有十分重要的实际意义。 2 车辆牌照识别系统工作原理 车辆牌照识别系统的基本工作原理为：将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入到计算机中进行预处理，再由检索模块对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符，然后输入JPEG或BMP格式的数字，输出则为车牌号码的数字。 3 车辆牌照识别系统组成 （1）图像预处理：对汽车图像进行图像转换、图像增强和边缘检测等。 （2）车牌定位：从预处理后的汽车图像中分割出车牌图像。即在一幅车辆图像中找到车牌所在的位置。 （3）字符分割：对车牌图像进行几何校正、去噪、二值化以及字符分割以从车牌图像中分离出组成车牌号码的单个字符图像 快速标牌定位识别 指导老师：洪占勇，王标 成员：刘超，纪奕博 合肥工业大学仪器科学与光电工程学院本科部 二〇一一年八月 摘要 智能交通管理系统已成为当前交通管理发展的重要方向, 作为智能交通系统关键部分的车牌识别系统,有着广泛的应用前景。但是，传统的车辆牌照识别大多是以计算机硬件平台和DSP处理器为核心来实现的，相比较而言,DSP适合串行算法，软件更改容易，开发难度低。而FPGA则适合并行算法，而且随着深亚微米FPGA技术的发展，FPGA 的容量以达到千万门级，运行速度远远高于目前最快的DSP，其应用的研究也越来越受到重视，但开发难度较高。但Xilinx公司所提供的系统级建模工具System Generator，在很多方面拓展了MathWorks公司的Simulink平台，提供了设个硬件设计的DSP建模环境，可以加速、简化FPGA的DSP系统级硬件设计，这也必将成为未来流行的FPGA开发技术之一。 本文首先介绍了车辆牌照定位识别的产生背景和基本概念，回顾了近年来国内外研究动态和现状。接着指出了牌照识别的重要性，在使用MathWorks公司的simulink平台的基础上搭建的System Generator 模型，提出了车辆牌照定位识别系统及其整体设计方案。在方案中，着重介绍了车牌定位识别的流程、算法及其在simulink平台上实现的过程，同时也详细介绍了系统软硬件接口的作用。方案中主要包括系统流程图，每个模块的主要功能和结构，数据处理的流程和算法，输入输出信号的说明以及关键的时序和状态。在文章的最后，给出了本系统算法中拟采用的System Generator模型和总结。 由于本系统利用了System Generator建模工具和MathWorks公司的 车牌识别系统需求分析文档 车牌识别系统需求分析小组 组长：**** 组员：**** **** **** **** 目录 1 引言..................................................... 错误!未定义书签。 编写目的................................................. 错误!未定义书签。 背景..................................................... 错误!未定义书签。 定义..................................................... 错误!未定义书签。 参考资料................................................. 错误!未定义书签。 2 任务概述................................................... 错误!未定义书签。 目标..................................................... 错误!未定义书签。 用户的特点............................................... 错误!未定义书签。 假定和约束............................................... 错误!未定义书签。 3 用例分析(或数据流程分析) ................................... 错误!未定义书签。 系统Actor分析........................................... 错误!未定义书签。 系统用例描述............................................. 错误!未定义书签。 4 动态行为模型............................................... 错误!未定义书签。 5 系统流程分析............................................... 错误!未定义书签。 6 系统开发及运行环境规定..................................... 错误!未定义书签。 7 小结..................................................... 错误!未定义书签。 OpenCV下车牌定位算法实现代码（一） 车牌定位算法在车牌识别技术中占有很重要地位，一个车牌识别系统的识别率往往取决于车牌定位的成功率及准确度。 车牌定位有很多种算法，从最简单的来，车牌在图像中一般被认为是长方形，由于图像摄取角度不同也可能是四边形。我们可以使用OpenCV中的实例：C:\Program Files\OpenCV\samples\c.squares.c 这是一个搜索图片中矩形的一个算法。我们只要稍微修改一下就可以实现定位车牌。 在这个实例中使用了canny算法进行边缘检测，然后二值化，接着用cvFindContours搜索轮廓，最后从找到的轮廓中根据角点的个数，角的度数和轮廓大小确定，矩形位置。以下是效果图： 这个算法可以找到一些车牌位置，但在复杂噪声背景下，或者车牌图像灰度与背景相差不大就很难定位车牌。所以我们需要寻找更好的定位算法。下面是squares的代码： #ifdef _CH_ #pragma package #include 车牌识别LPR(License Plate Recogniti ON)技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算，识别出视野范围内的车辆牌照号码；它运用数字图像处理、模式识别、人工智能技术对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。 车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像，定位、分割牌照字符，最后自动识别牌照上的字符。为了保证汽车车牌识别系统能在各种复杂环境下发挥其应有的作用，识别系统必须满足以下要求: (1)鲁棒性:在任何情况下均能可靠正常地工作，且有较高的正确识别率。 (2)实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。 车牌识别技术的关键在于车牌定位、字符分割和字符识别三部分，其中车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个LPR系统识 别率的主要因素，是车牌识别技术中最为关键的一步。目前车牌定位的方法多种多样, 归纳起来主要有基于纹理特征分析的方法、 基于边缘检测的方法、 基于数学形态学定位、基于小波分析定位以及基于彩色图像定位等，这些方法各有所长。 1、车牌目标区域特点 车牌定位方法的出发点是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。车牌自身具有许多的固有特征，这些特征对于不同的国家是不同的。从人的视觉角度出发，我国车牌具有以下可用于定位的特征: (1)车牌底色一般与车身颜色、字符颜色有较大差异; (2)车牌有一个连续或由于磨损而不连续的边框; (3)车牌内字符有多个，基本呈水平排列，在牌照的矩形区域内存在丰富的边缘，呈现规则的纹理特征; (4)车牌内字符之间的间隔较均匀，字符和牌照底色在灰度值上存在较大的跳变，字符本身和牌照底内部都有比较均匀的灰度; (5)不同图像中牌照的具体大小、位置不确定，但其长宽比在一定的变化范围内，存在1个最大值和1个最小值。 以上几种特征都是概念性的，各项特征单独看来都非车牌图像所独有，但将它们结合起来可以唯一地确定车牌。在这些特征中，颜色、形状、位置特征最为直观，易于提取。纹理特征比较抽象，必须经过一定的处理或者转换为其他特征才能得到相应的可供使用的特征指标。通常文字内容特征至少需要经过字符分割或识别后才可能成为可利用的特征，一般只是用来判断车牌识别正确与否。 基于Matlab的车牌定位与分割 经典算法 I=imread('car.jpg'); %读取图像 figure(); subplot(3,2,1),imshow(I), title('原始图像'); I1=rgb2gray(I);%转化为灰度图像 subplot(3,2,2),imshow(I1),title('灰度图像'); I2=edge(I1,'robert',0.09,'both');%采用robert算子进行边缘检测subplot(3,2,3),imshow(I2),title('边缘检测后图像'); se=[1;1;1]; %线型结构元素 I3=imerode(I2,se); %腐蚀图像 subplot(3,2,4),imshow(I3),title('腐蚀后边缘图像'); se=strel('rectangle',[25,25]); 矩形结构元素 I4=imclose(I3,se);%图像聚类、填充图像 subplot(3,2,5),imshow(I4),title('填充后图像'); I5=bwareaopen(I4,2000);%去除聚团灰度值小于2000的部分subplot(3,2,6),imshow(I5),title('形态滤波后图像'); [y,x,z]=size(I5); I6=double(I5); Y1=zeros(y,1); for i=1:y for j=1:x if(I6(i,j,1)==1) Y1(i,1)= Y1(i,1)+1; end end end [temp MaxY]=max(Y1); figure(); subplot(3,2,1),plot(0:y-1,Y1),title('行方向像素点灰度值累计和'),xlabel('行值'),ylabel('像素'); %求的车牌的行起始位置和终止位置 PY1=MaxY; while ((Y1(PY1,1)>=50)&&(PY1>1)) PY1=PY1-1; end PY2=MaxY; while ((Y1(PY2,1)>=50)&&(PY2 车牌识别系统的研究背景意义及国内外研究现状 1车牌识别系统的背景 车牌识别系统的背景及研究意义 随着经济社会的迅猛发展，人们的生活水平的提高，机动车辆的数量也越来越多。为了提高车辆的管理效率，缓解公路上的交通压力，我们必须找到一种解决方案。而作为汽车“身份证”的汽车车牌，是在公众场合能够唯一确定汽车身份的凭证。我们可以以此为依据，设计一种车牌识别系统监控各个车辆的情况。为此，我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规。其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。在此基础上，如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别的系统(CPR)，那么这将是一件非常有意义的工作，并将极大地提高汽车的安全管理水平及管理效率。 车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一, 该技术应用范围非常广泛, 其中包括: (1) 交通流量检测； (2)交通控制与诱导；(3) 机场、港口等出入口车辆管理；(4) 小区车辆管理；(5) 闯红灯等违章车辆监控；(6) 不停车自动收费；(7) 道口检查站车辆监控；(8) 公共停车场安全防盗管理；(9) 计算出行时间；(10) 车辆安全防盗、查堵指定车辆等。其潜在市场应用价值极大，有能力产生巨大的社会效益和经济效益。如图1所示，LPR[1]的部分应用： 图1 LPR在收费口、道路监控和停车管理中的应用 近些年,计算机的飞速发展和数字图像技术的日趋成熟，为传统的交通管理带来重大转变。先进的计算机处理技术，不但可以将人力从繁琐的人工观察、检测中解放出来，而且能够大大提高其精确度，汽车牌照自动识别系统就是在这样的背景与目的下进行开发的。汽车牌照自动识别系统(VLPRS)是对由公路上配置的摄像头拍摄的照片进行数字图像处理与分析，综合应用大量的图像处理 （汽车行业）基于图像处理的汽车牌照的识别 基于图像处理的汽车牌照的识别 作者:陈秋菊 指导老师:李方洲 (温州师范学院物理和电子信息学院325027) 摘要：以壹幅汽车牌照的识别为例，具体介绍了车牌自动识别的原理。整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，用MA TLAB软件编程来实现每壹个部分,最后识别出汽车牌照。在研究的同时对其中出现的问题进行了具体分析，处理。寻找出对于具体的汽车牌照识别过程的最好的方法。 关键词：汽车牌照车牌提取字符分割字符识别Thevehiclelicenserecognitionbasedontheimageprocessing Author:ChenQiuju Tutor:LiFangzhou (SchoolofPhysicsandElectronicInformationWenZhouNormalCollege325027) Abstract：Withonevehiclelicenserecognition,theprincipleoftheautomobileLicenserecognitionisintroduced.This processwasdividedintopre-process,edgeextraction,vehiclelicenselocation,characterdivisionandchara cterrecognition,whichisimplementedseparatedbyusingMA TLAB.Thelicenseisrecognizedatlast.Atthe sametime,theproblemsarealsoanalyzed Andsolvedintheprocess.Thebestmethodofrecognitiontotheveryvehiclelicenseisfound. Keywords:vehiclelicensevehiclelicenselocationcharactersegmentation Characterrecognition 引言 1.1选题意义 汽车牌照自动识别系统是以汽车牌照为特定目标的专用计算机视觉系统，是计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之壹，是实现交通管理智能化的重要环节，它可广泛应用于交通流量检测，交通控制和诱导，机场、港口、小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。目前，发达国家LPR（汽车牌照识别技术LicensePlateRecognition，LPR，简称“车牌通”）系统在实际交通系统中已成功应用，而我国的开发应用进展缓慢，车牌识别系统基本上仍停留在实验室阶段。基于这种现状仍有它广阔的应用前景，目前对汽车车牌的识别研究就有了深远的意义。 课题组成 汽车车牌的识别过程主要包括车牌定位、字符车牌分割和车牌字符识别三个关键环节。其识别流程如下： 原始图像：由数码相机或其它扫描装置拍摄到的图像 图像预处理：对动态采集到的图像进行滤波，边界增强等处理以克服图像干扰 边缘提取：通过微分运算，2值化处理，得到图像的边缘 车牌定位：计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域。最后得到的便为车牌区域。 字符分割：利用投影检测的字符定位分割方法得到单个的字符 字符识别：利用模板匹配的方法和数据库中的字符进行匹配从而确认出字符，得到最后的汽车牌照，包括英文字母和数字。 摘要: 车牌定位是车牌自动识别技术中的一个关键问题，许多学者研究发展多种车牌定位算法。简要介绍和比较了目前比较常见的几种车牌定位方法进行了。 车牌识别LPR(License Plate RecognitiON)技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算，识别出视野范围内的车辆牌照号码；它运用数字图像处理、模式识别、人工智能技术对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。 车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像，定位、分割牌照字符，最后自动识别牌照上的字符。为了保证汽车车牌识别系统能在各种复杂环境下发挥其应有的作用，识别系统必须满足以下要求: (1)鲁棒性:在任何情况下均能可靠正常地工作，且有较高的正确识别率。 (2)实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。 车牌识别技术的关键在于车牌定位、字符分割和字符识别三部分，其中车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个LPR系统识别率的主要因素，是车牌识别技术中最为关键的一步。目前车牌定位的方法多种多样, 归纳起来主要有基于纹理特征分析的方法、基于边缘检测的方法、基于数学形态学定位、基于小波分析定位以及基于彩色图像定位等，这些方法各有所长。 1、车牌目标区域特点 车牌定位方法的出发点是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。车牌自身具有许多的固有特征，这些特征对于不同的国家是不同的。从人的视觉角度出发，我国车牌具有以下可用于定位的特征: (1)车牌底色一般与车身颜色、字符颜色有较大差异; (2)车牌有一个连续或由于磨损而不连续的边框; (3)车牌内字符有多个，基本呈水平排列，在牌照的矩形区域内存在丰富的边缘，呈现规则的纹理特征; (4)车牌内字符之间的间隔较均匀，字符和牌照底色在灰度值上存在较大的跳变，字符本身和牌照底内部都有比较均匀的灰度; (5)不同图像中牌照的具体大小、位置不确定，但其长宽比在一定的变化范围内，存在1个最大值和1个最小值。 以上几种特征都是概念性的，各项特征单独看来都非车牌图像所独有，但将它们结合起来可以唯一地确定车牌。在这些特征中，颜色、形状、位置特征最为 目录 目录 (1) 摘要 (2) 正文 (3) 1设计目的及要求 (3) 1.1 设计目的 (3) 1.2 设计要求 (3) 2设计原理 (3) 2.1 课题研究背景 (3) 2.2车牌的特征 (3) 2.3车牌识别系统的工作原理 (4) 2.4车牌识别系统的组成 (5) 3设计内容 (5) 3.1图像预处理 (5) 3.2车牌定位提取 (9) 3.3字符分割 (11) 3.4设计结果验证 (16) 总结 (19) 致谢 (20) 参考文献 (21) 附录 (22) 附录一 (22) 附录二 (28) 汽车牌照自动识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。在车牌自动识别系统中，首先要将车牌从所获取的图像中分割出来，这是进行车牌字符识别的重要步骤，定位准确与否直接影响车牌识别率。 本次课程设计首先对车牌识别系统的现状和已有的技术进行了深入的研究，在研究的基础上开发出一个基于MATLAB 的车牌识别系统，通过编写matlab程序，对各种车辆图像处理方法进行分析、比较,并提出了车牌预处理、车牌粗定位和精定位的方法。本次设计采取的是基于微分的边缘检测，先从经过边缘提取后的车辆图像中提取车牌特征，进行分析处理，从而初步定出车牌的区域，再利用车牌的先验知识和分布特征对车牌区域二值化图像进行处理，从而得到车牌的精确区域，并且取得了较好的定位结果。 关键字：识别率;车牌定位;二值化;边缘检测 1设计目的及要求 1.1 设计目的 运用MATLAB软件编程实现车牌定位检测 1.2 设计要求 1、利用matlab编程，能够清晰识别判断图像中的车牌区域 2、通过算法，将车牌上的数字字母清晰识别并且分割后读出 2设计原理 2.1 课题研究背景 随着21世纪经济全球化的到来，高速度、高效率的生活节奏，使车辆普及成为必然的趋势，交通管理自动化越来越成为亟待解决的问题。现代智能交通系统 (Intelligent Transportation System，ITS)中，车辆牌照识别(License Plate Recognition，LPR)技术是计算机视觉与模式识别技术在交通领域应用的重要研究课题之一，是实现交通管理能够智能化的重要环节，其任务是分析、处理汽车图像，自动识别汽车牌号。LPR系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。现代化交通系统不断提高的快节奏，将对车牌定位的准确率和实时性提出更高的要求，因而进一步加深车牌定位的研究是非常有必要的。 2.2车牌的特征 （1）形状特征：标准的车牌外轮廓尺寸440*140，字符高90，宽45，字符间距12，间隔符宽10。整个字符的高宽比例近似为3:1，车牌的边缘是线段围成 数字图像处理在车牌识别中的应用 摘要 随着汽车数量在我国大面积的增加，城市交通状况逐渐受到人们的重视，如何进行有效的交通管理更是成为了人们关注的焦点。 针对此问题，人们运用新的科学技术，相继研制开发出了各种交通道路监视、管理系统。因此，智能交通系统已成为世界交通领域研究的重要课题。车牌识别系统作为智能交通系统的核心，起着非常关键的作用。目前，图像处理技术在车牌识别中的应用研究已经成为科学界的一个重要研究领域。 本文旨在粗浅的运用所学基本原理和知识分析数字图像处理技术在友好环境下的应用（所选车牌识别的车辆图片均为友好环境下，易于处理的实验图片，不具有广泛性）。以车牌为研究对象，主要研究如何通过图像的预处理、车牌的定位、车牌字符分割和字符识别等一系列过程，完成车牌的识别。 1.绪论 1.1背景及现状： 基于图像处理的车牌识别技术的研究在国外起步比较早，在美国、意大利、德国、以色列、新加坡等国家，现在都已经有比较成熟的产品投入使用，比如美国的（AUTOSCOF）2003系统、以色列的Hi-Tech公司研制的See/Car System、德国西门子公司的ARTEM7SXI系统、新加坡的Optasia公司研制的VLPRS等车牌识别系统，但因为我国车牌样式的多样性、车牌颜色的多样性以及包含汉字等特点，这些车牌识别系统不适合我国国情。 基于图像处理的车牌识别技术主要包括车牌定位、车牌分割、字符识别等方面的技术。 关于车牌定位方面，主要理由车牌的边缘、形状、颜色等特征，再结合数字图像处理、形态学、小波变换、人工神经网络等技术对车牌进行定位。 基于特征的车牌定位的方法有C.J.Setchel提出的基于字符边缘检测的车牌定位方法，M.M.Mfahmy提出一种基于迭代阈值的车牌定位方法。完全基于形态学的算法有运用数学形态学的闭运算获得车牌的候选区，然后采用投影的方法剔除假车牌，定位针车牌。 基于神经元网络的方法有基于BP网络的牌照定位方法，基于彩色的车牌定位方法有采用多层感知器网络对输入彩色图像进行彩色分割及多级混合集成分类器的车牌自动识别方法。还有根据彩色边缘检测算子ColorPrewitt和彩色边缘检测与区域生长相结合的车牌定位算法。 1.2原理及方法 通常，车牌识别过程分为图像预处理、车牌定位、车牌校正、车牌分割 车辆自动识别技术（一）——车牌定位算法研究及实现 (2010-07-19 22:45:15) 分类：控制仿真类 标签： 杂谈 摘要 随着我国交通事业的迅速发展，城市汽车容量的急速攀升，建立现代化的智能交通系统已经成为解决此类中诸多问题的焦点所在。汽车牌照识别系统是交通管理领域和数字图像处理领域里的热点问题，车辆是构成整个智能交通系统的最基本元素，而车辆牌照是我们标定车辆的唯一ID，所以说，车牌定位是实现车牌字符分割和字符识别的前提和关键。 本文介绍了三种基于MATLAB的汽车牌照图像定位方法。这些算法充分利用了车牌纹理、颜色、宽高比等特征，经过灰度化、运动区域定位、边缘提取、水平投影、自适应数学形态学处理、垂直投影、颜色判定、区域生长等一系列步骤，最终实现车牌定位。特别是边缘处理算子的改进、自适应数学形态学的引入以及小波分析的应用，对算法性能有着巨大影响，是本算法的关键所在。 实验结果表明，所述的三种方法是有效的，能够定位所采集的车牌，虽然不能定位全部采集到的图片，但方法三相对前两种方法的准确率有很大的提高，达到了预期的目的。 关键词：车牌定位；纹理分析；边缘检测；数学形态学；小波分析 目录 摘要 Abstract 第1章绪论 1 1.1 课题研究背景及意义 1 1.2 课题研究目的 2 1.3 国内及国外研究现状 2 1.3.1 国内研究现状 2 1.3.2 国外研究现状 4 1.4 本文的工作及基本结构 4 第2章图像处理技术基础 5 2.1 图像预处理 5 2.1.1 图像灰度化 5 2.1.2 图像二值化 6 2.1.3 图像小波变换 6 2.1.4 图像形态学处理 7 2.2 图像区域裁剪 9 第3章基于MATLAB的车牌定位算法实现 10 3.1 MATLAB及其图像处理工具 10 3.2 我国车牌特点及识别难点 10 3.2.1 我国车辆牌照特点 10 3.2.2 我国车辆牌照定位难点 11 3.3 图像的采集 11 3.4 基于不同车牌特征的程序实现过程及结果图 13 3.4.1 基于车牌颜色特征的方法 13 3.4.2 基于数学形态学和边缘特征的方法 16 3.4.3 基于小波分析的方法 20 3.5 三种方法的结果比较 23 第4章结束语 26 参考文献 27 致谢 28 附录 29 第1章绪论 1.1 课题研究背景及意义车牌定位
车牌图像定位与识别
汽车车牌识别系统车牌定位子系统的设计与实现
基于模式识别的车牌定位算法研究-开题报告
关于车牌定位的一些算法
基于matlab的车牌号码识别程序代码
汽车车牌定位识别概述
车牌识别系统需求分析模板
OpenCV下车牌定位算法实现
数字图像处理-常用车牌定位方法的介绍和分析
基于matlab车牌的定位与分割识别程序概要
车牌识别系统的研究背景意义及国内外研究现状
(汽车行业)基于图像处理的汽车牌照的识别
车牌定位方法
车牌定位系统 实验报告
车牌识别实验报告
车牌定位算法研究及实现
相关主题
文本预览