下载文档原格式
基于MATLAB 图像处理的汽车牌照识别系统仇成群（盐城师范学院，江苏盐城224002）汽车牌照识别系统是建设智能交通系统不可或缺的部分。
基于MATLAB 图像处理的汽车牌照识别系统是通过引入数字摄像技术和计算机信息管理技术，采用先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理，获得更多的信息，从而达到更高的智能化管理程度。
车牌识别系统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MATLAB 软件编程来实现每一个部分处理工程，最后识别出汽车牌照［1-4］。
１MATLAB 及其图像处理工具概述MATLAB 是MATrix LABoratory （矩阵实验室）的缩写，是Math Works 公司开发的一种功能强、效率高、简单易学的数学软件。
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 、*.TIF 、*.TIFF 、*.PNG 、*.PCX 、*.XWD 、*.HDF 、*.ICO 、*.CUR 等。
MATLAB 7.1提供了20多类图像处理函数，几乎涵盖了图像处理的所有技术方法，是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。
这些函数按其功能可分为：图像显示、图像文件I/O 、图像算术运算、几何变换、图像登记、像素值与统计、图像分析、图像增强、线性滤波、线性二元滤波设计、图像去模糊、图像变换、邻域与块处理、灰度与二值图像的形态学运算、基于边缘的处理、色彩映射表操作、色彩空间变换、图像类型与类型转换。
MATLAB 还着重在图形用户界面（GUI ）的制作上作了很大的改善，对这方面有特殊要求的用户也可以得到满足。
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。
2基于MATLAB 图像处理的汽车牌照识别系统2.1系统组成基于MATLAB 图像处理的汽车牌照识别系统主要包括车牌定位、字符车牌分割和车牌字符识别三个关键环节。
• 113•基于OpenCV的车牌识别系统中车牌定位的实现广东工业大学 魏 雄随着我国社会的迅猛发展，城市交通事业发展也随之步入快节奏，如今智能交通已成为发展的重要方向与研究热点，其中车牌识别技术（O Russakovsky,J Deng,H Su,et al.Image Net large scale visual recognition challenge:International Journal of Computer Vision 2015,115(3):211-263）作为智能交通中最重要的部分之一，一直是国内外学者们研究计算机视觉的热门问题。
该论文设计的车牌定位采用SVM 支持向量机与颜色特征结合从候选车牌中辨别真伪车牌，从而使车牌识别系统具有更快的速度与更高的效率。
基于OpenCV 库并在Visual Studio 2013环境下对该方法进行工程实现，结果表明该方法具有良好的鲁棒性与较高的准确性。
1.车牌定位本论文设计的车牌定位模块的方法是：若用相机捕捉到的图像中车牌方向角度没有太大的偏转或遮挡，则车牌图像中会包含很多的边缘，这些边缘很有可能就是车牌上的字符形成的，如果在一幅图像中有包含大量垂直边缘的矩形块，而且该矩形块的颜色为蓝色、黄色或绿色，则该矩形块很有可能就是车牌产生的图像块。
如图1为车牌定位的流程。
车牌定位的首任务即为对原始图像进行预处理，首先对图像用高斯滤波算子进行高斯平滑，该操作的目的是去除图像的高斯噪声。
然后把滤波后的图像进行灰度化处理，使其转化为灰度图像，这样接下来的操作都是灰度图处理，相比对原始彩色图像进行操作，灰度图处理更加高效快速。
Sobel 算子采用图2中的sobel 卷积因子提取图像中的垂直边缘。
图2 sobel算子图3 边缘提取后腐蚀得到的图像提取边缘后再对图像进行二值化处理，然后使用图像形态学处图1 车牌定位流程图• 114•理中的闭操作，闭操作之后就可以一张包含有很多矩形块的二值图像，其中车辆车牌就包含其中。
毕业设计pythonopencv实现车牌识别界⾯主要代码参考GitHub：答辩通过了，补完~这⾥主要是⽤两种⽅法进⾏定位识别# -*- coding: utf-8 -*-__author__ = '樱花落舞'import tkinter as tkfrom tkinter.filedialog import *from tkinter import ttkimport img_function as predictimport cv2from PIL import Image, ImageTkimport threadingimport timeimport img_mathimport tracebackimport debugimport configfrom threading import Threadclass ThreadWithReturnValue(Thread):def__init__(self, group=None, target=None, name=None, args=(), kwargs=None, *, daemon=None):Thread.__init__(self, group, target, name, args, kwargs, daemon=daemon)self._return1 = Noneself._return2 = Noneself._return3 = Nonedef run(self):if self._target is not None:self._return1,self._return2,self._return3 = self._target(*self._args, **self._kwargs)def join(self):Thread.join(self)return self._return1,self._return2,self._return3class Surface(ttk.Frame):pic_path = ""viewhigh = 600viewwide = 600update_time = 0thread = Nonethread_run = Falsecamera = Nonecolor_transform = {"green": ("绿牌", "#55FF55"), "yello": ("黄牌", "#FFFF00"), "blue": ("蓝牌", "#6666FF")}def__init__(self, win):ttk.Frame.__init__(self, win)frame_left = ttk.Frame(self)frame_right1 = ttk.Frame(self)frame_right2 = ttk.Frame(self)win.title("车牌识别")win.state("zoomed")self.pack(fill=tk.BOTH, expand=tk.YES, padx="10", pady="10")frame_left.pack(side=LEFT, expand=1, fill=BOTH)frame_right1.pack(side=TOP, expand=1, fill=tk.Y)frame_right2.pack(side=RIGHT, expand=0)bel(frame_left, text='原图：').pack(anchor="nw")bel(frame_right1, text='形状定位车牌位置：').grid(column=0, row=0, sticky=tk.W)from_pic_ctl = ttk.Button(frame_right2, text="来⾃图⽚", width=20, command=self.from_pic)from_vedio_ctl = ttk.Button(frame_right2, text="来⾃摄像头", width=20, command=self.from_vedio)from_img_pre = ttk.Button(frame_right2, text="查看形状预处理图像", width=20,command = self.show_img_pre) self.image_ctl = bel(frame_left)self.image_ctl.pack(anchor="nw")self.roi_ctl = bel(frame_right1)self.roi_ctl.grid(column=0, row=1, sticky=tk.W)bel(frame_right1, text='形状定位识别结果：').grid(column=0, row=2, sticky=tk.W) self.r_ctl = bel(frame_right1, text="",font=('Times','20'))self.r_ctl.grid(column=0, row=3, sticky=tk.W)self.color_ctl = bel(frame_right1, text="", width="20")self.color_ctl.grid(column=0, row=4, sticky=tk.W)from_vedio_ctl.pack(anchor="se", pady="5")from_pic_ctl.pack(anchor="se", pady="5")from_img_pre.pack(anchor="se", pady="5")bel(frame_right1, text='颜⾊定位车牌位置：').grid(column=0, row=5, sticky=tk.W) self.roi_ct2 = bel(frame_right1)self.roi_ct2.grid(column=0, row=6, sticky=tk.W)bel(frame_right1, text='颜⾊定位识别结果：').grid(column=0, row=7, sticky=tk.W) self.r_ct2 = bel(frame_right1, text="",font=('Times','20'))self.r_ct2.grid(column=0, row=8, sticky=tk.W)self.color_ct2 = bel(frame_right1, text="", width="20")self.color_ct2.grid(column=0, row=9, sticky=tk.W)self.predictor = predict.CardPredictor()self.predictor.train_svm()def get_imgtk(self, img_bgr):img = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)im = Image.fromarray(img)imgtk = ImageTk.PhotoImage(image=im)wide = imgtk.width()high = imgtk.height()if wide > self.viewwide or high > self.viewhigh:wide_factor = self.viewwide / widehigh_factor = self.viewhigh / highfactor = min(wide_factor, high_factor)wide = int(wide * factor)if wide <= 0: wide = 1high = int(high * factor)if high <= 0: high = 1im = im.resize((wide, high), Image.ANTIALIAS)imgtk = ImageTk.PhotoImage(image=im)return imgtkdef show_roi1(self, r, roi, color):if r:roi = cv2.cvtColor(roi, cv2.COLOR_BGR2RGB)roi = Image.fromarray(roi)self.imgtk_roi = ImageTk.PhotoImage(image=roi)self.roi_ctl.configure(image=self.imgtk_roi, state='enable')self.r_ctl.configure(text=str(r))self.update_time = time.time()try:c = self.color_transform[color]self.color_ctl.configure(text=c[0], background=c[1], state='enable') except:self.color_ctl.configure(state='disabled')elif self.update_time + 8 < time.time():self.roi_ctl.configure(state='disabled')self.r_ctl.configure(text="")self.color_ctl.configure(state='disabled')def show_roi2(self, r, roi, color):if r:roi = cv2.cvtColor(roi, cv2.COLOR_BGR2RGB)roi = Image.fromarray(roi)self.imgtk_roi = ImageTk.PhotoImage(image=roi)self.roi_ct2.configure(image=self.imgtk_roi, state='enable')self.r_ct2.configure(text=str(r))self.update_time = time.time()try:c = self.color_transform[color]self.color_ct2.configure(text=c[0], background=c[1], state='enable')except:self.color_ct2.configure(state='disabled')elif self.update_time + 8 < time.time():self.roi_ct2.configure(state='disabled')self.r_ct2.configure(text="")self.color_ct2.configure(state='disabled')def show_img_pre(self):filename = config.get_name()if filename.any() == True:debug.img_show(filename)def from_vedio(self):if self.thread_run:returnif self.camera is None:self.camera = cv2.VideoCapture(0)if not self.camera.isOpened():mBox.showwarning('警告', '摄像头打开失败！')self.camera = Nonereturnself.thread = threading.Thread(target=self.vedio_thread, args=(self,))self.thread.setDaemon(True)self.thread.start()self.thread_run = Truedef from_pic(self):self.thread_run = Falseself.pic_path = askopenfilename(title="选择识别图⽚", filetypes=[("jpg图⽚", "*.jpg"), ("png图⽚", "*.png")]) if self.pic_path:img_bgr = img_math.img_read(self.pic_path)first_img, oldimg = self.predictor.img_first_pre(img_bgr)self.imgtk = self.get_imgtk(img_bgr)self.image_ctl.configure(image=self.imgtk)th1 = ThreadWithReturnValue(target=self.predictor.img_color_contours,args=(first_img,oldimg))th2 = ThreadWithReturnValue(target=self.predictor.img_only_color,args=(oldimg,oldimg,first_img))th1.start()th2.start()r_c, roi_c, color_c = th1.join()r_color,roi_color,color_color = th2.join()print(r_c,r_color)self.show_roi2(r_color, roi_color, color_color)self.show_roi1(r_c, roi_c, color_c)@staticmethoddef vedio_thread(self):self.thread_run = Truepredict_time = time.time()while self.thread_run:_, img_bgr = self.camera.read()self.imgtk = self.get_imgtk(img_bgr)self.image_ctl.configure(image=self.imgtk)if time.time() - predict_time > 2:r, roi, color = self.predictor(img_bgr)self.show_roi(r, roi, color)predict_time = time.time()print("run end")def close_window():print("destroy")if surface.thread_run:surface.thread_run = Falsesurface.thread.join(2.0)win.destroy()if__name__ == '__main__':win = ()surface = Surface(win)# close,退出输出destroywin.protocol('WM_DELETE_WINDOW', close_window) # 进⼊消息循环win.mainloop()。
基于OpenCV与深度学习的车牌识别软件的设计与开发1. 引言1.1 研究背景车牌识别技术是近年来在智能交通领域得到广泛应用的一项重要技术。
随着汽车数量的不断增加和交通管理的日益严格，传统的人工巡逻方式已经无法满足对违章车辆的识别和管理需求。
研究车牌识别软件具有重要的实际意义。
目前，随着计算机视觉和深度学习技术的不断发展和完善，基于OpenCV和深度学习的车牌识别软件已经成为市场上的热门技术之一。
通过利用计算机视觉技术，可以实现对车辆牌照的自动识别和录入，提高交通管理的效率和准确性。
而深度学习技术的应用则可以提高识别的准确率和稳定性，进一步提升车牌识别软件的性能和可靠性。
本文将针对基于OpenCV与深度学习的车牌识别软件的设计与开发进行深入研究，探讨其在实际应用中的优势和局限性，为相关研究和实践提供参考依据。
通过对车牌识别技术的研究，将为智能交通领域的发展和改善提供有力支持，并促进相关技术的不断创新和进步。
1.2 研究意义车牌识别技术是智能交通系统中一个非常关键的部分。
通过车牌识别软件，可以实现车辆自动识别、追踪和管理，提高道路交通的效率和安全性。
这项技术的研究意义主要体现在以下几个方面：车牌识别技术可以提高城市交通管理的智能化水平。
通过车牌识别软件，城市交通管理部门可以实现对车辆的自动统计、监测和管理，从而更好地掌握道路交通的状况，及时调整交通流量，优化交通路线，提高道路通行效率。
车牌识别技术可以提升治安监控和安防系统的效率。
通过车牌识别软件，可以实现对车辆的自动追踪和记录，为治安监控和安防系统提供更加全面和精准的信息，有助于及时发现和防范各类安全隐患。
车牌识别技术可以促进智能交通系统的发展。
随着智能交通系统的兴起，车牌识别技术将成为智能交通系统中一个不可或缺的组成部分，有助于实现道路交通的智能化管理、提升行车安全性和提高交通运行效率。
对车牌识别技术进行深入研究和开发具有重要的意义和价值。
1.3 研究目的研究的目的是通过结合OpenCV与深度学习技术，设计并开发一个高效准确的车牌识别软件，以解决传统车牌识别系统在复杂场景下容易出现误识别或漏识别的问题。
分类号：密级学校代码：１０１６５学号：２０１０８７１基于嵌入式的Ｏｐｅｎｃｖ车牌识别系统作者姓名：学科、专业：研究方向：导师姓名：金芳晓光学光电检测技术及仪器姜春华教授２０１４年Ｏ５月辽宁师范大学硕士学术论文目录摘要………………………………………………………………………………………ＩＩＡｂｓｔｒａｃｔ．．………．…．…．……．．…．…．…．．．…．…．………．…．…．…．……．……．…．…．…．…………．…．…．……ＩＩＩ目录……………………………………………………………………………………．．ＩＶ１、绪论…………………………………………………………………………………………………………．．．１，１．１课题背景及意义……………………………………………………………．．．１．１．２课题相关技术的发展状况…………………………………………………．．２．１．２．１数字图像处理领域的主要内容……………………………………．．．２．１．２．２数字图像处理技术的应用…………………………………………．．．２．１．３嵌入式移植ＯｐｅｎＣＶ的意义………………………………………………．一２．１．４嵌入式车牌识别系统的概述………………………………………………．．３．１．５课题内容以及章节安排……………………………………………………．．．３．２、总体设计…………………………………………………………………………．．．４．２．１硬件平台的选择……………………………………………………………．．．４．２．２软件系统设计………………………………………………………………．．．５．３、课题关键技术的分析……………………………………………………………．．．７．３．１车牌预处理…………………………………………………………………．．７．３．１．１图像直方图均衡化…………………………………………………．．．７．３．１．２边缘检测……………………………………………………………．．．９．３．１．３膨胀和腐蚀处理……………………………………………………．１３．３．２车牌区域查找与定位………………………………………………………．１４．３．２．１车牌的筛选…………………………………………………………．１４．３．２．２傅里叶变换在数字图像处理中的应用……………………………．１５．３．２．３车牌几何变换………………………………………………………．１７．３．２．４灰度化处理…………………………………………………………．１９．３．３字符提取……………………………………………………………………．２１．３．３．１图像二值化处理……………………………………………………．２１．３．３．２去除干扰……………………………………………………………．２３．３．３．３字符筛选……………………………………………………………．２５．３．３．４车牌中文字符定位…………………………………………………．２５．３．４字符的识别与匹配…………………………………………………………．２６．ＩＶ辽宁师范大学硕士学术论文１．２课题相关技术的发展状况１．２．１数字图像处理领域的主要内容在车牌识别系统中，如果要想获得准确的车牌信息，数字图像处理技术的支持就是必不可少的重要组成部分。
