模式识别—车牌号码识别 图像处理资料

车牌号码识别

第一部分引言

现代智能交通系统(ITS)中，车牌号码自动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，是实现交通管理智能化的重要环节。车辆牌照识别技术可应用于道路交通监控、交通事故现场勘察、交通违章自动纪录、高速公路自动收费系统、停车场自动安全管理、小区智能化管理等方面，具有巨大的经济价。因此车牌号码自动识别技术已经得到了广泛应用。汽车牌照自动识别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，其中字符识别过程主要由以下3个部分组成：①正确地分割文字图像区域；②正确的分离单个文字；③正确识别单个字符。用MATLAB软件编程来实现每一个部分,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。

第二部分对采集图像的预处理

数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的数字图像处理技术一般来讲,对图像进行处理(或加工、分析)的主要目的有三个方面：

（1）提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。

（2）提取图像中所包含的某些特征或特殊信息,这些被提取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是模式识别或计算机视觉的预处理。提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。

（3）图像数据的变换、编码和压缩,以便于图像的存储和传输。图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。

1、图象的采集与转换（代码及截图）

I=imread('car.jpg');

figure(1),imshow(I);title('原图')

I1=rgb2gray(I);

figure(2),subplot(1,2,1),imshow(I1);title('灰度图');

figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');

I2=edge(I1,'robert',0.15,'both');

figure(3),imshow(I2);title('robert算子边缘检测')

se=[1;1;1];

I3=imerode(I2,se);

figure(4),imshow(I3);title('腐蚀后图像');

se=strel('rectangle',[25,25]);

I4=imclose(I3,se);

figure(5),imshow(I4);title('平滑图像的轮廓');

I5=bwareaopen(I4,2000);

figure(6),imshow(I5);title('从对象中移除小对象');

图1 原图图2 灰度图

图3 reboot算子边缘图图4 腐蚀后图像

图5 平滑图像轮廓图图 6 从轮廓图中移除小对象后图像

2、牌照区域的分割

对车牌的分割可以有很多种方法，本程序是利用车牌的彩色信息的彩色分割方法。根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色RGB对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然后，在分割出的行区域内，统计列方向蓝色像素点的数量，最终确定完整的车牌区域。

[y,x,z]=size(I5);

myI=double(I5);

tic

Blue_y=zeros(y,1);

for i=1:y

for j=1:x

if(myI(i,j,1)==1)

Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计

end

end

end

[temp MaxY]=max(Blue_y);%Y方向车牌区域确定

PY1=MaxY;

while ((Blue_y(PY1,1)>=5)&&(PY1>1))

PY1=PY1-1;

end

PY2=MaxY;

while ((Blue_y(PY2,1)>=5)&&(PY2

PY2=PY2+1;

end

IY=I(PY1:PY2,:,:);

Blue_x=zeros(1,x);%进一步确定x方向的车牌区域

for j=1:x

for i=PY1:PY2

if(myI(i,j,1)==1)

Blue_x(1,j)= Blue_x(1,j)+1;

end

end

end

PX1=1;

while ((Blue_x(1,PX1)<3)&&(PX1

PX1=PX1+1;

end

PX2=x;

while ((Blue_x(1,PX2)<3)&&(PX2>PX1))

PX2=PX2-1;

end

PX1=PX1-1;%对车牌区域的校正

PX2=PX2+1;

dw=I(PY1:PY2-8,PX1:PX2,:);

t=toc;

figure(7),subplot(1,2,1),imshow(IY),title('行方向合理区域');

figure(7),subplot(1,2,2),imshow(dw),title('定位剪切后的彩色车牌图像')

图7 行方向区域和最终定位出来的车牌

3、车牌进一步处理

经过上述方法分割出来的车牌图像中存在目标物体、背景还有噪声，要想从图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群，即对图像二值化。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素。再用模板中的全体像素的平均值来代替原来像素值。（代码及截图如下：）

imwrite(dw,'dw.jpg');

[filename,filepath]=uigetfile('dw.jpg','输入一个定位裁剪后的车牌图像');

jpg=strcat(filepath,filename);

a=imread('dw.jpg');

b=rgb2gray(a);

imwrite(b,'1.车牌灰度图像.jpg');

figure(8);subplot(3,2,1),imshow(b),title('1.车牌灰度图像')

g_max=double(max(max(b)));

g_min=double(min(min(b)));

T=round(g_max-(g_max-g_min)/3); % T 为二值化的阈值

[m,n]=size(b);

d=(double(b)>=T); % d:二值图像

imwrite(d,'2.车牌二值图像.jpg');

figure(8);subplot(3,2,2),imshow(d),title('2.车牌二值图像') figure(8),subplot(3,2,3),imshow(d),title('3.均值滤波前')

% 滤波

h=fspecial('average',3);

d=im2bw(round(filter2(h,d)));

imwrite(d,'4.均值滤波后.jpg');

figure(8),subplot(3,2,4),imshow(d),title('4.均值滤波后')

se=eye(2); % eye(n) returns the n-by-n identity matrix 单位矩阵[m,n]=size(d);

if bwarea(d)/m/n>=0.365

d=imerode(d,se);

elseif bwarea(d)/m/n<=0.235

d=imdilate(d,se);

end

imwrite(d,'5.膨胀或腐蚀处理后.jpg');

figure(8),subplot(3,2,5),imshow(d),title('5.膨胀或腐蚀处理后')

图8

第三部分车牌字符的分割与识别

在汽车车牌自动识别过程中，字符分割有着承前启后的作用。它在前期车牌定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。字符识别的算法很多，因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割。

一般分割出来的字符还要进行进一步的处理，以满足下一步字符识别的需要。但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的。在此只进行了归一化处理，然后进行后期处理。

下面是程序的代码及运行结果截图：

（由于篇幅有限的matlab代码main.m中的getword.m与qiege.m没有附上）

d=qiege(d);

[m,n]=size(d);

figure,subplot(2,1,1),imshow(d),title(n)

k1=1;k2=1;s=sum(d);j=1;

while j~=n

while s(j)==0

j=j+1;

end

k1=j;

while s(j)~=0 && j<=n-1

j=j+1;

end

k2=j-1;

if k2-k1>=round(n/6.5)

[val,num]=min(sum(d(:,[k1+5:k2-5])));

d(:,k1+num+5)=0; % 分割

end

end

d=qiege(d);

y1=10;y2=0.25;flag=0;word1=[];

while flag==0

[m,n]=size(d);

left=1;wide=0;

while sum(d(:,wide+1))~=0

wide=wide+1;

end

if wide

d(:,[1:wide])=0;

d=qiege(d);

else

temp=qiege(imcrop(d,[1 1 wide m]));

[m,n]=size(temp);

all=sum(sum(temp));

two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:))); if two_thirds/all>y2

flag=1;word1=temp; % WORD 1

end

d(:,[1:wide])=0;d=qiege(d);

end

end

% 分割出第二个字符

[word2,d]=getword(d);

% 分割出第三个字符

[word3,d]=getword(d);

% 分割出第四个字符

[word4,d]=getword(d);

% 分割出第五个字符

[word5,d]=getword(d);

% 分割出第六个字符

[word6,d]=getword(d);

% 分割出第七个字符

[word7,d]=getword(d);

subplot(5,7,1),imshow(word1),title('1');

subplot(5,7,2),imshow(word2),title('2');

subplot(5,7,3),imshow(word3),title('3');

subplot(5,7,4),imshow(word4),title('4');

subplot(5,7,5),imshow(word5),title('5');

subplot(5,7,6),imshow(word6),title('6');

subplot(5,7,7),imshow(word7),title('7');

[m,n]=size(word1);

% 商用系统程序中归一化大小为 40*20,此处演示

word1=imresize(word1,[40 20]);

word2=imresize(word2,[40 20]);

word3=imresize(word3,[40 20]);

word4=imresize(word4,[40 20]);

word5=imresize(word5,[40 20]);

word6=imresize(word6,[40 20]);

word7=imresize(word7,[40 20]);

subplot(5,7,15),imshow(word1),title('1');

subplot(5,7,16),imshow(word2),title('2');

subplot(5,7,17),imshow(word3),title('3');

subplot(5,7,18),imshow(word4),title('4');

subplot(5,7,19),imshow(word5),title('5');

subplot(5,7,20),imshow(word6),title('6');

subplot(5,7,21),imshow(word7),title('7');

图9

最后，还要对字符进行识别。字符的识别目前用于车牌字符识别(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神经网络的OCR算法。基于模板匹配的OCR的基本过程是:首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。用人工神经网络进行字符识别主要有两种方法:一种方法是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器。识别效果与字符特征的提取有关，而字符特征提取往往比较耗时。因此，字符特征的提取就成为研究的关键。另一种方法则充分利用神经网络的特点，直接把待处理图像输入网络，由网络自动实现特征提取直至识别[6]。

模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损、污迹干扰适应力强且识别率相当高。综合模板匹配的这些优点我们将其用为车牌字符识别的主要方法。

下面是字符识别流程图：

建立自动识别的代码表

读取分割出来的字

第一个字符与模板中

的汉字模板进行匹配

第二个字符与模板中

的字母模板进行匹配

后5个字符与模板中的字

母与数字模板进行匹配

待识别字符与模板字符相减，值越小相似度

越大，找到最小的一个即为匹配的最好的

识别完成，输出此模板对应值

模板匹配是模式识别方法中最具代表性的基本方法之一，它是将从待识别的图象或图象区域f(i,j)中提取的若干特征量与模板T(i,j)相应的特征量逐个进行比较，计算它们之间规格化的互相关量，其中互相关量最大的一个就表示期间相似程度最高，可将图象归于相应的类。也可以计算图象与模板特征量之间的距离，用最小距离法判定所属类。然而，通常情况下用于匹配的图象各自的成像条件存在差异，产生较大的噪声干扰，或图象经预处理和规格化处理后，使得图象的灰度或像素点的位置发生改变。在实际设计模板的时候，是根据各区域形状固有的特点，突出各类似区域之间的差别，并将容易由处理过程引起的噪声和位移等因素都考虑进去，按照一些基于图象不变特性所设计的特征量来构建模板，就可以避免上述问题。

此处采用相减的方法来求得字符与模板中哪一个字符最相似，然后找到相似度最大的输出。汽车牌照的字符一般有七个，大部分车牌第一位是汉字，通常代表车辆所属省份，或是军种、警别等有特定含义的字符简称；紧接其后的为字母与数字。车牌字符识别与一般文字识别在于它的字符数有限，汉字共约50多个，大写英文字母26个，数字10个。所以建立字符模板库也极为方便。为了实验方便，结合本次设计所选汽车牌照的特点，只建立了4个数字26个字母与10个数字的模板。其他模板设计的方法与此相同。

首先取字符模板，接着依次取待识别字符与模板进行匹配，将其与模板字符相减，得到的0越多那么就越匹配。把每一幅相减后的图的0值个数保存，然后找数值最大的，即为识别出来的结果。

识别结果及代码如下：

imwrite(word1,'1.jpg');

imwrite(word2,'2.jpg');

imwrite(word3,'3.jpg');

imwrite(word4,'4.jpg');

imwrite(word5,'5.jpg');

imwrite(word6,'6.jpg');

imwrite(word7,'7.jpg');

liccode=char(['0':'9' 'A':'Z' '苏豫陕鲁']); %建立自动识别字符代码表

SubBw2=zeros(40,20);

l=1;

for I=1:7

ii=int2str(I);

t=imread([ii,'.jpg']);

SegBw2=imresize(t,[40 20],'nearest');

if l==1 %第一位汉字识别

kmin=37;

kmax=40;

elseif l==2 %第二位 A~Z 字母识别

kmin=11;

kmax=36;

else l>=3 %第三位以后是字母或数字识别

kmin=1;

kmax=36

end

for k2=kmin:kmax

fname=strcat('字符模板\',liccode(k2),'.jpg');

SamBw2 = imread(fname);

for i=1:40

for j=1:20

SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);

end

end

% 以上相当于两幅图相减得到第三幅图

Dmax=0;

for k1=1:40

for l1=1:20

if ( SubBw2(k1,l1) > 0 | SubBw2(k1,l1) <0 )

Dmax=Dmax+1;

end

end

end

Error(k2)=Dmax;

end

Error1=Error(kmin:kmax);

MinError=min(Error1);

findc=find(Error1==MinError);

Code(l*2-1)=liccode(findc(1)+kmin-1);

Code(l*2)=' ';

l=l+1;

end

figure(10),imshow(dw),title (['车牌号码:', Code],'Color','b');

图10

第四部分识别结果分析

在车牌字符分割的预处理中，用到了对分割出的字符车牌进行均值滤波，膨胀或腐蚀的处理。这在对于有杂点的车牌是很有用的，因为这样可以把字符与字符之间的杂色点去除，只有白色的字符和黑色的背景存在，这样有利于的字符分割进行。

字符识别过程使用的是模板匹配的方法，利用两幅图片相减的方法，找到相减后值最小的，即为相似程度最大的。模板的制作很重要，必须要用精确的模板，否则就不能正确的识别。采用合适的模版和处理方法才能使识别效果更好，尽量避免不必要的误差。

根据上面识别的车牌号码吻合从图像中看到的车牌号。

第五部分心得体会

这次大作业不仅是对前面所学知识的一种检验，而且也是对自己能力的一种提高。通过这次课程设计使我明白了自己原来知识还比较欠缺。这个作业让我学到了很多东西，涉及到方方面面的知识，在这整个过程中我们查阅了大量的资料，得到了老师和同学的帮助，我在此对他们表示谢意。在这期间遇到了很多困难，我知道做什么都不容易，只能塌下心来，一步一个脚印的去完成才行。这学期我们学习了模式识别这门课程，在这个课程设计中应用到了很多其中的知识。理论只有应用到实际中才能学着更有意义。学习是一个长期积累的过程，在后的工作、生活中都应该不断的学习，努力提高自己知识和综合素质。此外，还得出一个结论：知识必须通过应用才能实现其价值！有些东西以为学会了，但真正到用的时候才发现是两回事，所以我认为只有到真正会用的时候才是真的学会了。在整个过程中我懂得了许多东西，也培养了我独立工作的能力，树立了信心，相信会对今后的学习工作生活有非常重要的影响。同样此次课程设计也大大提高了动手的能力，使我充分体会到了在创造过程中探索的艰难和成功时的喜悦。

最后感谢袁老师对我们这门课程的教导，我们学到了许多东西使我们受益匪浅。

参考文献：

[1] 张学工模式识别.清华大学出版社，2010.

[2] 朱学芳等，一种自适应细化方法，模式识别与人工智能

[3]刘阳,伊铁源等.数字图像处理应用于车辆牌照的识别,辽宁大学学报.2004,65-68.

[4]汽车牌照识别技术研究[J].工业控制计算机,2004,44-45.

[5]叶晨洲等,车辆牌照字符识别系统,计算机系统应用,1999(5),P10-13.

[6] 胡小锋、赵辉．VC++/MATLAB图像处理与识别使用案例精选.人民邮电出版社，2004.9.

基于图像处理技术的车牌识别方法研究

龙源期刊网 https://www.doczj.com/doc/e63208598.html, 基于图像处理技术的车牌识别方法研究 作者：朱明秀 来源：《信息记录材料》2019年第03期 【摘要】近几年，智能化在我国各行各业中都应用极广，在交通系统中应用也非常多，车牌识别技术则是其中之一，如何在车辆正常行使状态下完成车牌自动识别？本文将从车牌识别现状入手进行分析，找到现有识别方式的一些问题，再吸取经验，从车牌定位、车牌字符分割、车牌字符识别几方面对基于图像处理技术的车牌识别方法进行探讨。 【关键词】图像处理技术车牌识别方法抓取识别 【中图分类号】TP274 【文献标识码】A 【文章编号】1009-5624（2019）03-0224-03 1 引言 随着经济和科技的发展，我国国民生活水平也日益提高，汽车成为每家每户常见的交通工具，这虽然带动了我国经济的发展，但也使交通管理工作量变大，在这种情况下，再依靠传统的办法根本无法完成交通管理工作，这就需要我们依靠信息化、智能化的技术去辅助完成交通管理工作。对于车辆来讲其主要识别是依靠车牌来的，因此我们必须将这种智能化、信息化技术应用到车牌识别中来，使之能服务于我国的车辆管理工作，使车辆管理工作能更加高效的运行。 2 车牌识别技术概述 2.1 车牌识别技术现状 近年来我国的车牌智能识别技术发展也非常快，现有的识别技术普遍有两种，一种是将车牌信息收集储存于IC卡或者条形码，通过无线电频率鉴别系统来识别汽车车牌号码，这种识别技术相对准确度比较高，但整套设备存在2个实际操作的问题：①十分复杂，不利于异型作业，而且需要所有车牌按照全国统一标准来制定，执行难度很大。②对扫描的工具要求非常高，这导致整套设备价格成本过高，而且虽能进行扫描，但无法核实车和卡是否一致，这也是个目前尚未突破的技术问题，这些问题都导致通过IC卡或条形码来进行识别的技术无法得到很好的推广。另一方面是直接通过突破来进行识别，因为这种识别方法能在无任何信号发送设备的情况下抓取到不同状态车辆的车牌，并通过非接触性信息菜系系统来进行智能识别，这种方法近年来使用很多，其相对IC卡和条形码来讲，能有效降低从成本，提高经济效益，而且起能通过图像抓取和人为参与结合来解决系统中的识别错误问题，有效提高。 2.2 车牌识别技术的研究意义

计算机视觉与图像处理、模式识别、机器学习学科之间的关系

计算机视觉与图像处理、模式识别、机器学习学科之间的关系 在我的理解里，要实现计算机视觉必须有图像处理的帮助，而图像处理倚仗与模式识别的有效运用，而模式识别是人工智能领域的一个重要分支，人工智能与机器学习密不可分。纵观一切关系，发现计算机视觉的应用服务于机器学习。各个环节缺一不可，相辅相成。 计算机视觉（computer vision），用计算机来模拟人的视觉机理获取和处理信息的能力。就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像。计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图象信号，纹理和颜色建模，几何处理和推理，以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。 图像处理（image processing），用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。图像处理一般指数字图像处理。 模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（Supervised Classification）和无监督的分类(Unsupervised Classification)两种。模式还可分成抽象的和具体的两种形式。前者如意识、思想、议论等,属于概念识别研究的范畴,是人工智能的另一研究分支。我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。模式识别研究主要集中在两方面,一是研究生物体(包括人)是如何感知对象的，属于认识科学的范畴,二是在给定的任务下,如何用计算机实现模式识别的理论和方法。应用计算机对一组事件或过程进行辨识和分类，所识别的事件或过程可以是文字、声音、图像等具体对象，也可以是状态、程度等抽象对象。这些对象与数字形式的信息相区别，称为模式信息。模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与人工智能、图像处理的研究有交叉关系。 机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。机器学习在人工智能的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一个真正的智能系统，但是以往的智能系统都普遍缺少学习的能力。随着人工智能的深入发展，这些局限性表现得愈加突出。正是在这种情形下，机器学习逐渐成为人工智能研究的核心之一。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。

数字图像处理之车牌提取

车牌提取 本文介绍了车牌定位的各种算法及发展，并利用matlab软件对一幅车头照片进行了车牌区域的定位。 一、前言 数字图像处理技术的发展十分迅速，最初应用在空间探索及医学领域，如今，它已经成为工程学、计算机科学、信息科学、统计学、物理学、化学、生物学甚至社会科学等领域学习和研究的对象。同时，随着我国经济的高速发展，交通变得日益繁忙，对智能交通系统的研究变得十分迫切。利用了图像处理技术的车牌自动识别系统己成为智能交通系统的重要组成部分。 要实现交通智能化，首先要能获得道路交通状况和车辆情况的相关数据，因此车辆牌照的识别智能交通领域的一个重要研究课题之一，是实现交通智能化的一个重要环节。要想准确识别出车牌的数字，首先必须要能在含有车牌的图像中定位出车牌的位置，才能进行进一步的数字分析识别，所以，车牌的定位技术是车牌识别的基础。 二、相关理论介绍 （一）车辆牌照的特点 现在我国车牌有4种类型： （1）小功率汽车使用的蓝底白字牌照； （2）大功率汽车使用的黄底黑字牌照； （3）军、警用的白底黑字、红字牌照； （4）国外驻华机构使用黑底白字牌照。 这些牌照的长度均为45cm，宽为15cm，共有字符7个。一般民用牌照第一个字符为汉字，且是各省市的简称；第二个字符为大写英文字母，如“E”；第三个字符是英文字母或阿拉伯数字，第四至第七个字符为阿拉伯数字，如“沪E 30265”就是最典型的车牌符号。车牌的位置一般在汽车的下方。 （二）车牌定位算法的发展现状 车牌定位算法分为图像的预处理、车牌的搜索和车牌鉴别定位三部分。 图像预处理就是要获得有用的图像的边缘，并将其二值化；车牌搜索则是搜索整幅图像以得到有可能包含车牌的若干感兴趣区域；车牌定位则是根据车牌的特征对提取出的感兴趣的区域进行鉴别和剔除假的车牌, 从而提取到真正的车牌。 相较于车身其他位置，车牌区域有其自身特点，主要有车牌底色与车身颜色，字符颜色有较大差异；车牌的矩形区域内存在较丰富的边缘，呈现出规则的纹理特征；车牌内字符之间的间隔比较均匀，字符和牌照底色在灰度上存在跳变；图像中牌照长宽比的变化有一定范围等。这些都为车牌定位分割提供了先验知识。但是，摄像机获得的图像含有丰富的自然背景及车身背景信息，易受照明、天气条件及运动失真和模糊的影响，同时由于在野外环境下使用，车牌会有不同程度的磨损、污迹干扰、变形等，这些问题给车牌定位带来了难度。 目前较为成熟的车牌区域定位算法有自适应边界搜索法、区域生长法、灰度图像数学形态学运算法、基于纹理或颜色的分割方法以及模糊聚类法等。 这些方法都有各自的优点，但是在实际应用中也存在着一些不足之处。例如，对于基于纹理的分割方法，图像中很可能不止一个区域具有车牌区域类似的纹理特征，难以准确找到

模式识别与图像处理习题及解答

1. 判断题（在题目后面的括号中填入T或F，分别代表正确或错误）。 (1) 灰度直方图是灰度级的函数，描述的是图像中具有该灰度级像素的个数，其纵坐标是灰度级，横坐标是该灰度出现的频率。（ F ） (2) 中值滤波是一种线性滤波，它在实际应用中需要图像的统计特性。（F ） (3) 图像经频域变换后其特点是变换结果能量分布向高频成分方向集中，图像上的边缘、线条等信息在低频成分上得到反映。（ F ） (4) 观察直方图可以看出不适合的数字化。（T ） 2. 单选题（每题只有一个选项是正确的） (1) 锐化（高通）滤波器的作用：A A 能减弱或削除傅立叶空间的低频分量，但不影响高频分量。 B 能减弱或削除傅立叶空间的高频分量，但不影响低频分量。 C 对傅立叶空间的低、高频分量均有减弱或削除作用。 D 对傅立叶空间的低、高频分量均有增强作用。 (2) 下列说法不正确的是 C A 点运算是对一副图像的灰度级进行变换。 B 线性点运算仅能拉伸或压缩直方图，以及使之左移或右移。 C 点运算可以改变图形内的空间关系。 D 点运算以预定的方式改变一幅图像的灰度直方图。 (3) 在所有颜色模型中，最常用于彩色图像的是：D A GMY B YIQ C HSV D HSI (4) 以下说法正确的是：B A 用数学形态学处理一些图像时，膨胀运算会收缩图像，腐蚀运算会扩大图像。 B 用数学形态学处理一些图像时，开运算和闭运算都可以平滑图像的轮廓。 C 在形态算法设计中，结构元的选择非常重要，它可以在几何上比原图像复杂，且 无界。 D 在形态算法设计中，用非凸子集作为结构元也是可以的。 (5) 数字图像的灰度直方图的横坐标表示：A A 灰度级 B 出现这种灰度的概率 C 像素数 D 像素值 (6) 以下说法正确的是 C A 先膨胀后腐蚀的运算称为开运算。 B 先腐蚀后膨胀的运算称为闭运算。 C 细化是将一个曲线型物体细化为一条单像素宽的线，从而图形化的显示出其拓扑 性质。 D 消除连续区域内的小噪声点，可以通过连续多次使用开闭运算。 (7) 下列描述正确的有 D A 只有傅立叶变换才能够完成图像的频率变换。 B 图像经频域变换后，变换结果是能量分布向高频方向集中，图像上的边缘、线条

matlab车牌识别课程设计报告(附源代码)

Matlab程序设计任务书

目录 一．课程设计目的 (3) 二．设计原理 (3) 三．详细设计步骤 (3) 四. 设计结果及分析 (18) 五. 总结 (19) 六. 设计体会 (20) 七. 参考文献 (21)

一、课程设计目的 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 三、详细设计步骤:

1. 提出总体设计方案: 牌照号码、颜色识别 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。 牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。 流程图:

基于数字图像处理的车牌识别系统

基于数字图像处理的车牌识别系统 言经官 电气学院电子112 摘要：车牌识别系统（License Plate Recognition 简称LPR）技术基于数字图像处理，是智能交通系统中的关键技术，同时他的发展也十分迅速，已经逐渐融入到我们的现实生活中。文章介绍了车牌识别系统的意义、图像去噪处理以及图像二值化方法,并通过仿真试验模拟了图像处理的过程。本文所做的工作在于前期的图像预处理工作。本次设计着重在于图像识别方面, 中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。之后利用Matlab编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。其中,去噪与二值化是关系图像识别率的关键。 关键字：车牌识别系统；图像预处理；字符识别；Matlab；去噪；二值化 引言 智能交通系统（ITS）是当今世界交通管理体系发展的必然趋势，而作为智能交通系统中的重要组成部分之一的车牌自动识别技术，目前已被广泛应用于城市道路监控、高速公路收费与监控、小区与停车场出入口管理、公安治安卡口等场合，成为研究的热点。 伴随我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制，安全管理的要求也日益提高。因此迫切需要采用高科技手段,对违法违章车辆牌照进行登记, 在这种情况下，作为信息来源的自动检索，图像识别技术越来越受到人们的重视。车牌识别系统的出现成为了交通管制必不可少的有力武器。 1 车牌识别系统的目标 利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上，通过对车辆图像的采集，采用先进的图像处理、模式识别和人工智能技术，在图像中找到车牌的位置，提取出组成车牌号码的全部字符图像，再识别出车牌中的文字、字母和数字，最后给出车牌的真实号码。国外的车牌识别研究始于80 年代，90 年代始已有不少成套的产品出现。由于我国车牌的组成及组合的方式与国外的车牌不一致，使得我们不能直接使用国外的车辆牌照识别系统，而必须针对我国车牌重新设计相应的车辆牌照识别系统。车牌识别的使用环境、背景各有差异，目前还没有一种算法能在不同环境、各种复杂背景条件下达到非常高的车牌识别率，因而车牌识别技术仍然是研究的重点。 2 MATLAB 及其图像处理工具概述 MATLAB 是MAT rix LABora tory( 矩阵实验室) 的缩写, 是Ma thWorks 公司开发的一种功能强、效率高、简单易学的数学软件。MATLAB 7. 1 是一套功能十分强大的工程计算及数据分析软件, 其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。MATLAB 的图像处理工具箱, 功能十分强大, 支持的图像文件格式丰富, 如* .BMP、* . JPG、* . JPEG、* . GIF、* . ti;f% 95% 94、* . ti;f%95%94F、* . PNG、* . PCX、* . XWD、* . HDF、* . ICO、* .CUR 等。本文将给出MATLAB的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。

基于数字图像处理的车牌识别系统

基于数字图像处理的车牌识别系统

基于数字图像处理的车牌识别系统 言经官 电气学院电子112 摘要：车牌识别系统（License Plate Recognition 简称LPR）技术基于数字图像处理，是智能交通系统中的关键技术，同时他的发展也十分迅速，已经逐渐融入到我们的现实生活中。文章介绍了车牌识别系统的意义、图像去噪处理以及图像二值化方法,并通过仿真试验模拟了图像处理的过程。本文所做的工作在于前期的图像预处理工作。本次设计着重在于图像识别方面, 中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。之后利用Matlab编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。其中,去噪与二值化是关系图像识别率的关键。 关键字：车牌识别系统；图像预处理；字符识别；Matlab；去噪；二值化 引言 智能交通系统（ITS）是当今世界交通管理体系发展的必然趋势，而作为智能交通系统中的重要组成部分之一的车牌自动识别技术，目前已被广泛应用于城市道路监控、高速公路收费与监控、小区与停车场出入口管理、公安治安卡口等场合，成为研究的热点。 伴随我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制，安全管理的要求也日益提高。因此迫切需要采用高科技手段,对违法违章车辆牌照进行登记, 在这种情况下，作为信息来源的自动检索，图像识别技术越来越受到人们的重视。车牌识别系统的出现成为了交通管制必不可少的有力武器。 1 车牌识别系统的目标 利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上，通过对车辆图像的采集，采用先进的图像处理、模式识别和人工智能技术，在图像中找到车牌的位置，提取出组成车牌号码的全部字符图像，再识别出车牌中的文字、字母和数字，最后给出车牌的真实号码。国外的车牌识别研究始于80 年代，90 年代始已有不少成套的产品出现。由于我国车牌的组成及组合的方式与国外的车牌不一致，使得我们不能直接使用国外的车辆牌照识别系统，而必须针对我国车牌重新设计相应的车辆牌照识别系统。车牌识别的使用环境、背景各有差异，目前还没有一种算法能在不同环境、各种复杂背景条件下达到非常高的车牌识别率，因而车牌识别技术仍然是研究的重点。 2 MATLAB 及其图像处理工具概述 MATLAB 是MAT rix LABora tory( 矩阵实验室) 的缩写, 是Ma thWorks 公司开发的一种功能强、效率高、简单易学的数学软件。MATLAB 7. 1 是一套功能十分强大的工程计算及数据分析软件, 其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。MATLAB 的图像处理工具箱, 功能十分强大, 支持的图像文件格式丰富, 如* .BMP、* . JPG、* . JPEG、* . GIF、* . ti;f% 95% 94、* . ti;f%95%94F、* . PNG、* . PCX、* . XWD、* . HDF、* . ICO、* .CUR 等。本文将给出MATLAB的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。

车牌图像定位与识别

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

课程设计报告-车牌识别系统的设计

车牌识别系统的设计 一、摘要: 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。 二、设计目的和意义: 设计目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。 设计意义： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 三、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 四、详细设计步骤:

数字图像处理实验_汽车牌照自动识别

贵州大学实验报告 学院：计算机学院专业：网络工程班级：101 姓名学号实验组实验时间12.11 指导教师戴丹成绩 实验项目名称实验四汽车牌照自动识别 实 验目的 1.分析汽车牌照的特点，正确获取整个图像中车牌的区域，并识别出车牌号。 2.将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。 实验原理 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 实 验步骤 a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。 实验数据getword.m function [word,result]=getword(d) word=[];flag=0;y1=8;y2=0.5; while flag==0 [m,n]=size(d); wide=0; while sum(d(:,wide+1))~=0 && wide<=n-2 wide=wide+1; end temp=qiege(imcrop(d,[1 1 wide m])); [m1,n1]=size(temp);

车牌识别图像处理过程汇总

车牌识别图像处理过程汇总

————————————————————————————————作者：————————————————————————————————日期：

图像处理在车牌图像预处理中的应用 ●灰度化 ●车牌图像灰度化 ●直方图均衡化 ●灰度拉伸 ●二值化 ●全局阈值法和局部阈值法 ●适用于车牌的二值化方法 ●边缘检测 ●图像梯度 ●几种常见的边缘检测算子 ●适用于车牌的边缘检测算子 一、车牌识别系统结构 车牌识别系统通常由数据采集(车牌图像摄取)，车牌提取，车牌识别几个主要部分 组成，其系统结构如图 1.1 所示： 车牌自动识别系统中： 1.图像摄取主要由硬件部分完成，它提取汽车的前景图像，将摄像头的视频信 号转换为数字图像信号送给计算机处理。 2.车牌图像预处理。由于拍摄的自然环境及光照条件的影响，车牌图像中存在 许多干扰，对车牌的定位带来不便，为了更好的提取车牌，需要对车牌图像进行预处理以保证车牌定位的质量。 3.VLP 检测。即图1.1 中虚线环绕的部分，这一部分是系统的核心，它的实 现影响着整个系统的性能，主要利用模式识别、数字图像处理、信息论等知识对车牌图像中的车牌进行定位及提取操作。 4.字符分割及识别。当车牌被成功提取后，需要分割其中的字符，并利用先验 知识对其进行识别，以得到最终结果。

二、图像处理具体过程 图像处理是人工智能在计算机图形学中的一个重要分支，是车牌识别系统的理论依据。在自然条件下摄取的车牌，除了包含大量噪声外，还具有多样性。为了使系统能够更好的分离车牌，必须对原始图像进行预处理。本章主要讨论车牌图像预处理的一些常用方法，包括图像的灰度二值化、噪声处理、边缘提取等。 当摄像机从外界摄入视频图像时，首先把它转换为静态图片，再送入计算机进行处理。由于拍摄环境的多变性，车牌图像中存在噪声和干扰，这些给车牌提取带来困难。系统首先将输入的彩色图像灰度化，并且进行亮度平均，使图像具有较好的对比度；对图像进行边缘提取操作前，往往先要进行噪声抑制操作，以提高边缘提取的质量；二值化则多用于已提取车牌的处理上。 车牌图像预处理的难点在于： 1.车牌图像质量不佳，灰度化后会弱化图像中的车牌信息，因而好的灰度化处理非常必要； 2.由于光照的原因，车牌很可能出现过分灰暗或明亮的情况，这种条件下的二值化处理应该分情况讨论，对应特殊的分割阈值； 3.图像中的复杂背景具有丰富的边缘信息，不但会增加系统识别的难度，也会造成系统的误判，怎样去除这些不必要的背景十分关键。实际操作中，因为车牌处于图像的中部偏下位置，所以通常取图像的下半部分进行处理或优先考虑图像中靠下方的位置。 4.车牌中的字符很容易在预处理中发生变形或丢失信息的情况，要注意保持车牌的字符信息。 2.1 灰度化 在计算机中，一幅图像由若干个像素组成，每个像素都带有图像的相关信息(如背景、目标、噪声等)，而图像处理技术则通过对这些像素进行处理而得到我们所需要的关键信息。 2.1.1 车牌图像灰度化 一般情况下，输入计算机的视频截取图像为RGB 格式，即彩色图片。由于这种图像包含大量的颜色信息，它的每个像素都具有三个不同的颜色分量R(Red)、G(Green)、B(Blue)，这样的图片占据的存储空间很大，而且在对其进行处理时也会耗用较多的系统资源，导致系统的执行效率不高。与之相比，灰度图像只含有亮度信息，从而大大减少了系统的工作时间，满足汽车牌照识别系统的实时性要求。因此，在对图像进行其它预处理之前，一般先将彩色图像转换成灰度图像。 最基本的灰度化方法就是直接使用R、G、B 三分量中的最大值或平均值来代替各个分量。灰度化以后，相同颜色的像素具有相同的亮度，这就形成了以亮度为层次的灰度图片。灰度值大的像素比较亮，反之较暗。通常把灰度值分为256 等份，0 度表示最暗的级别，即黑色；255 表示最亮的级别，即白色。 图像的灰度化转换还有其它不同的算法，比较常见的是给像素的R、G、B 分量各自增加一个特定的加权系数，相乘后求和，其计算结果作为灰度值，转换公

课程设计报告车牌识别系统的设计

车牌识别系统的设计 一、 二、摘要: 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。 三、 四、设计目的和意义: 设计目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。 设计意义： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。

五、 六、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 七、 八、详细设计步骤: 1. 提出总体设计方案: 牌照号码、颜色识别 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。

上海交通大学图象处理与模式识别专业考研

上海交通大学图象处理与模式识别专业 考研 本学科创建于80年代初，是国内首批有权授予硕士学位、博士学位并设有博士后流动站的重点学科，也是国家“211工程”资助学科。1998年该学科改名为模式识别与智能系统。本学科点的创建人是我国著名图像处理和模式识别专家、美国匹兹堡大学访问学者李介谷教授。他的研究方向是模式识别和计算机视觉。 本学科依托图象处理与模式识别研究所，主要从事数字图象（图形）分析、文本信息处理、模式识别、机器视觉、自然语言理解、智能技术和系统等信息技术领域中前沿性的应用基础研究，具有基于数字信号处理器的硬件开发工具和网络环境下的工作站，个人机及专用的图象输入输出设备。包括序列图像分析，三维图像重构理论及应用，远程医疗和诊断；模式识别和计算机视觉是该学科的一个研究特色，已取得重大研究成果的项目有动态目标识别，字符和人脸识别，机器人视觉；计算机图形学和虚拟现实，多媒体技术和计算可视化；智能中文信息处理，中（英）文全文检索，基于内容的网上检索；人工智能和智能系统，主要从事人工神经网理论及应用，机器学习和推理、智能交通指挥系统等。目前正在进行的科研项目有国家高科技863项目，国家自然科学基金，国家教委博士点科研基金项目。省、部、市重大科技开发和国际合作项目。 模式识别和智能系统学科拥有设备先进的图像工程实验室。1978年恢复招收研究生来，已培养硕士、博士生216名，主要在国内外大学、科研机构和高新技术产业从事教学、科研及高新技术的开发研究工作。该学科有广泛的国际合作和交流，招收国内外访问学者和国外留学生。本学科所从事的研究项目曾多次荣获过国家科技进步一等奖、省部级的奖励，并有着广泛的国际合作和交流。 研究方向 a.数字图象处理 b.计算机模式识别 c.计算机图形学与CAD技术 d.人工智能与专家系统 e.计算机视觉 f.语音识别及机器翻译 g.人工神经网络 h.虚拟现实 i.算法理论与分析 j.网络信息处理 k.文本信息处理 l.网上三维图象重建 m.城市交通监控与管理系统 n.生物信息特征识别 o.网络信息智能处理 p.自然语言理解与人机界面 q.成像光谱技术与遥感 r.三维空间信息处理与分析 s.多媒体与网络信息智能处理 t.智能理论与系统。 本学科依托图象处理与模式识别研究所，主要从事数字图象（图形）分析、文本信息处理、模式识别、机器视觉、自然语言理解、智能技术和系统等信息技术领域中前沿性的应用基础研究，具有基于数字信号处理器的硬件开发工具和网络环境下的工作站，个人机及专用的图象输入输出设备。包括序列图像分析，三维图像重构理论及应用，远程医疗和诊断；模式识别和计算机视觉是该学科的一个研究特色，已取得重大研究成果的项目有动态目标识别，字符和人脸识别，机器人视觉；计算机图形学和虚拟现实，多媒体技术和计算可视化；

数字图像处理-常用车牌定位方法的介绍和分析

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。

数字图像处理车牌识别课程设计matlab实现附源代码

基于matlab的车牌识别系统 一、目的与要求 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，了解了基本程序设计方法，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，并把所学的知识系统、高效的贯穿到实践中来，避免理论与实践的脱离，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。 要求： 1.理解各种图像处理方法确切意义。 2.独立进行方案的制定，系统结构设计要合理。 3．在程序开发时，则必须清楚主要实现函数的目的和作用，需要在程序书写时说明做适当的注释。如果使用matlab来进行开发，要理解每个函数的具体意义和适用范围，在写课设报告时，必须要将主要函数的功能和参数做详细的说明。 4、通过多幅不同形式的图像来检测该系统的稳定性和正确性。 二、设计的内容 学习MATLAB程序设计，利用MATLAB函数功能，设计和实现通过设计一个车牌识别系统。车牌识别系统的基本工作原理为：将手机拍摄到的包含车辆牌照的图像输入到计算机中进行预处理，再对牌照进行搜索、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，然后将其逐个与创建的字符模板中的字符进行匹配，匹配成功则输出，最终匹配结束则输出则为车牌号码的数字。车牌识别系统的基本工作原理图如图1所下所示：

三、总体方案设计 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。 为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。但由于是采用智能手机在开放的户外环境拍照，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。 牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。 由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。因此，需要将拍出的车牌进行处理，在这个过程中，我采用画图工具，将汽车图像的车牌部分进行裁剪，并将车牌的蓝色部分过亮的地方颜色加深，还将车牌中的一个白色的原点抹去，另外还将车牌上的铆钉使用车牌的蓝色背景覆盖，这样分割出的字符更加准确。 车牌识别的最终目的就是对车牌上的文字进行识别。主要应用的为模板匹配方法。 因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在600HZ及以上，内存在128MB 及以上。系统可以运行于Windows7、Windows2000或者Windows XP操作系统下，程序调试时使用matlabR2011a。 四、各个功能模块的主要实现程序 （一）首先介绍代码中主要的函数功能及用法：

图像处理与模式识别实验手册

图像处理与模式识别 实验手册 统计与计算科学系 2012年2月

实验一Matlab图像处理工具箱 实验目的与要求： 1. 回顾Matlab开发环境； 2. 初步熟悉Matlab图像处理工具箱函数。 作业： 在6.28.22:22/download/图像素材下载图像，熟悉图像工具箱中各命令并能完成matlab的基本编程。 实验二BMP位图的读写 实验目的与要求： 1. 初步熟悉VC＋＋6.0开发环境； 2. 了解VC＋＋6.0环境下BMP图像的读写过程，进而了 解BMP图像的文件结构。 作业： 在 6.28.22:22/download/图像素材下载图像，在VC＋＋6.0中读入BMP图像，熟悉其全部过程，将上面读入的图像进行反色等常用图像处理操作后保存。 实验三图像的几何变换 实验目的与要求：

1. 熟悉Matlab图像处理工具箱中有关几何变换的函数； 2. 通过具体的应用实例进一步理解和熟悉图像的几何变换。 作业： 在6.28.22:22/download/图像素材下载图像，自己编写算法完成图像的平移、旋转、放大和缩小，并与图像工具箱命令结果作比较。 实验四图像的频域变换 实验目的与要求： 1. 通过实例熟悉和理解图像的傅立叶变换和逆变换； 2. 通过实例熟悉和理解图像的离散余弦变换和逆变换。 作业： 在6.28.22:22/download/图像素材下载图像，自己编写算法完成图像的Fourier变换、反变换快速、Fourier变换和其他可分离变换算法，并与图像工具箱命令结果作比较。 1237a63231126edb6f1a103a.html 实验五图像增强与平滑 实验目的与要求： 1. 熟悉图像的直方图，了解图像的直方图均衡化；

(完整版)基于数字图像处理的车牌识别本科毕业论文

本科生毕业论文（设计） 题目: 基于数字图像处理的车牌识别设 计 姓 名: 周金鑫 学 院: 数理与信息工程学院 专 业: 电子信息工程 班 级: 111 学

号: 指导教师: 刘纯利职称: 教授 2014 年 12 月 24 日 安徽科技学院教务处制 目录 摘要 ....................................................................关键词 .................................................................. 1、设计目的 ............................................................. 2、设计原理: ............................................................ 3、设计步骤: ............................................................ 4、实行方案 ............................................................. 4.1. 总体实行方案:................................................... 4.2. 各模块的实现:................................................... 4.2.1输入待处理的原始图像: ....................................... 4.2.2图像的灰度化并绘制直方图: ...................................