基于数字图像处理的车牌字符分割方法

基于数学形态学边缘检测的车牌字符分割算法
熊哲源;樊晓平;黎燕
【期刊名称】《计算机系统应用》
【年(卷),期】2010(019)009
【摘要】汽车牌照字符分割是车牌识别过程中的关键步骤,直接影响到字符识别的效果.传统的方法对车牌图像质量要求较高,且抗干扰能力较差.提出一种基于Renyi 熵和数学形态学边缘检测的车牌字符投影分割算法,首先用二维Renyi熵最大阈值法对车牌图像做二值化处理,然后用形态学腐蚀运算进行边缘检测,再去除车牌边框,最后通过投影分割提取车牌字符.仿真实验表明,基于Renyi熵最大阈值法和数学形态学边缘检测车牌图像预处理使得车牌字符边缘清晰,降低了噪声的干扰,有利于进行字符投影分割.该算法分割速度快,鲁棒性好,可获得比传统方法更好的分割效果.【总页数】4页(P155-158)
【作者】熊哲源;樊晓平;黎燕
【作者单位】中南大学,信息科学与工程学院,湖南,长沙,410075;中南大学,信息科学与工程学院,湖南,长沙,410075;中南大学,信息科学与工程学院,湖南,长沙,410075【正文语种】中文
【相关文献】
1.基于字符块提取的车牌字符分割算法 [J], 薛倩
2.基于投影法与字符特征的车牌字符分割算法 [J], 蒋肖
3.基于字符特征与车牌结构的车牌字符分割算法 [J], 蒋肖
4.基于字符块提取的车牌字符分割算法 [J], 薛倩
5.基于边缘检测与Hough变换的车牌字符分割算法 [J], 马腾飞;郑永果;赵卫东因版权原因，仅展示原文概要，查看原文内容请购买。

【关键字】方法1 绪论1.1问题的提出和研究背景车辆牌自动识别(Automated License Plate Recognition,ALPR)技术作为交通管理自动化的重要手段，其任务是分析、处理汽车监控图像，自动识别汽牌照号，并进行相关智能化数据库管理。

ALPR 系统可以广泛应用于高速公路电子收费站、出入控制、公路流量监控、失窃车辆查询、停车场车辆管理、公路稽查入监测黑牌机动车、监控违章车辆的电子警察等需要牌照认证的重要场合。

尤其在高速公路收费系统中，实现不停车收费技术可提高公路系统的运行效率。

人们一般将车牌识别系统划分为三大部分[1],首先将车牌从经过预处理的图像中定位出来,然后对车牌中的字符进行准确的切分,最后对分割好的字符进行识别"如何从复杂图像中将待识别的信息进行准确有效的定位与分割就是自动识别的关键1.2 ALPR系统简介车辆牌自动识别系统，总体来说是图像处理技术与牌照本身特点的有机结合，也包括小波分析、神经网络、数学形态学、模糊理论等数学知识的有效运用。

一个车牌自动识别系统基本包括:图像预处理、牌照定位、牌照校正、牌照字符分割、字符识别及结果输出等。

图1-1为系统的流程框图：图1-1 车辆牌照自动识别流程1.3 ALPR关键技术：1.图像采集：用一个摄像机摄取车辆前视图或后视图。

2.图像处理：对采集到的图像进行增强，恢复，变换。

目的是突出车牌的特征，以便更好的提取车牌。

3.车牌定位：在采样的图像中找到车牌的位置。

4.车牌字符分割：对获得的车牌分离出单个字符（包括汉字、字母和数字等）5.字符识别：对分割得到的字符进行归一化处理，转化为文本存入到数据库或直接显示出来。

由此可见，车牌识别系统在硬件上一般包含一台PC机，摄像头，图像采集设备，相应的图像处理软件，以及汽车到来的检测装置。

1.4国内外研究现状和发展趋势牌照识别技术自1988年以来，人们就对它进行了广泛的研究，目前国内外己经有众多的算法，一些实用的ALPR技术也开始用于车流监控、出入控制、电子收费、移动稽查等场合。

《数字图像处理》课程设计报告设计题目：基于图像处理的车牌识别技术学院：xxxxxxxxxxxxxxxx专业：xxxxxxxxxxxxxxxxxxxxxxxxxxx姓名：xxxxxxxxxxxxxxxxxxxxxxx学号：xxxxxxxxxxxxxxxxxxx指导教师：xxxxxx2015 年xx 月xx 日摘要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。

本课程设计旨在粗浅地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。

关键词：智能交通、数字图像处理、车牌识别ABSTRACTIntelligent transportation system has become an important research topicin the world of transportation, license plate recognition system as thecore of intelligent transportation system, plays a key role. At present,the application of image processing technology in vehicle license platerecognition has become an important research area of the scientificcommunity.This course is designed to scratch the surface and apply the knowledgeto analyze the basic principles of digital image processing technologyin a friendly environment (experimental vehicle license platerecognition image selected pictures are environment-friendly, easy tohandle, does not have the breadth) . With license plate for the study,the main research how image preprocessing, license plate and licenseplate character segmentation and character recognition process and aseries of complete license plate recognition.Keywords：smart transportation 、Image Processing 、License Plate Recognition目录1、绪论 (4)1.1问题提出 (4)1.2背景及现状分析 (4)1.3目的及意义 (5)1.4开发工具 (5)2、系统设计 (5)2.1总体设计方案 (5)2.2流程图 (5)2.3模块功能分析 (6)2.3.1图像预处理 (6)2.3.2车牌定位 (8)2.3.3字符分割 (8)2.3.4字符识别 (10)3、系统结果分析 (12)3.1本系统结果分析 (12)3.2本系统的不足 (12)4、课程设计总结 (13)5、课程设计体会 (13)6、参考文献 (13)7、附录 (14)1、绪论伴随着工业的迅速发展，城市化的进展和汽车的普及，世界各国的交通量急剧增加。

第三章车牌定位对水平一阶差分图进行高帽变换，就是采用公式（３—１９）对步骤２中得到的水平一阶差分图进行变换，得到经过高帽变换后的水平一阶差分图。

公式（３—１９）中，Ａ为水平一阶差分矩阵ｇ，；Ｂ为结构元素；ＨＡＴ（Ａ）表示经过高帽变换后的水平一阶差分值ｇ；。

高帽变换后的水平一阶差分的效果图如图３－３所示：图３－３高帽变换后的水平一阶差分图（４）计算一阶差分水平投影通过对高帽变换后的灰度图像的水平一阶差分的分析，我们可以知道在图像中一个具有相当高的差分密度值的小区域有可能就是车牌区域。

因此，我们对图像的水平一阶差分值进行水平投影，那些水平投影值较大的区域就是车牌的候选区域。

一阶差分的水平投影的计算公式如（３—２０）所示，其中ｇ＇ｒ（ｉ，，）表示经过高帽变换后的第所亍第，列的水平一阶差分值，毛（ｆ）为第ｉ行的水平投影值，ｊ的变化范围是从１到ｎ，ｎ代表图像的长度。

％（ｆ）一罗ｇ；（ｉ，，）（３—２０）筒而投影的结果图像如图３－４所示：第三章车牌定位值的时候，该点的值被二值化为ｌ（或２５５）；当图像上的值小于二值化阀值的时候，该点的值被二值化为０。

由此可见，阈值的设定对二值化后产生的影响非常大。

过小的阈值会把不需要的内容（例如背景）也一起提取出来了，相反，过大的阈值会去掉部分目标物体。

本算法中选用的二值化阙值公式如式（３－２２）所示：Ｔ—ｔ＋ａｖｃｒ（３—２２）其中Ｔ为二值化的阀值；ａｖｅｒ为经过高斯滤波后的一阶差分水平投影的均值；ｔ为权值。

此处计算二值化阀值的目的是为了便于对高斯滤波后的一阶差分水平投影曲线进行二值化，从而突出车牌区域、去除噪声。

利用得到的阀值对第四步中经过高斯滤波后得到的一阶差分水平投影曲线进行二值化，得到一阶差分水平投影曲线的二值化图。

二值化方法如下：若一阶差分水平投影曲线上的值大于或等于阀值，就把该处的值设置为１，否则把该处的值设置为０。

经过二值化，一阶差分水平投影曲线转化为由一系列０和１组成的序列。

【车牌识别】-车牌中字符分割代码详解车牌识别项⽬中，关于字符分割的实现：思路： 1. 读取图⽚，使⽤ cv2 。

2. 将 BGR 图像转为灰度图，使⽤ cv2.cvtColor( img,cv2.COLOR_RGB2GRAY) 函数。

3. 车牌原图尺⼨(170, 722) ，使⽤阈值处理灰度图，将像素值⼤于175的像素点的像素设置为 255 ，不⼤于175的像素点的像素设置为0 。

4.观察车牌中字符，可以看到每个字符块中的每列像素值的和都不为 0 ，这⾥做了假设，将左右结构的省份简写的字也看作是由连续相邻的列组成的，如 “ 桂 ” 。

5. 对于经过阈值处理的车牌中的字符进⾏按列求像素值的和，如果⼀列像素值的和为 0，则表明该列不含有字符为空⽩区域。

反之，则该列属于字符中的⼀列。

判断直到⼜出现⼀列像素点的值的和为0，则这这两列中间的列构成⼀个字符，保存到字典character_dict 中，字典的 key 值为第⼏个字符 ( 下标从0开始 )，字典的value值为起始列的下标和终⽌列的下标。

character_dict 是字典，每⼀个元素中的value 是⼀个列表记录了夹住⼀个字符的起始列下标和终⽌列下标。

6. 之后再对字符进⾏填充，填充为170*170⼤⼩的灰度图（第三个字符为⼀个点，不需要处理，跳过即可。

有可能列数不⾜170，这影响不⼤）。

7. 对填充之后的字符进⾏resize，处理成20*20的灰度图，然后对字符分别进⾏存储。

代码实现：1### 对车牌图⽚进⾏处理，分割出车牌中的每⼀个字符并保存2# 在本地读取图⽚的时候，如果路径中包含中⽂，会导致读取失败。

34import cv25import paddle6import numpy as np7import matplotlib.pyplot as plt8#以下两⾏实现了在plt画图时，可以输出中⽂字符9 plt.rcParams['font.sans-serif']=['SimHei']10 plt.rcParams['axes.unicode_minus'] = False111213# cv2.imread() 读进来直接是BGR 格式数据，数值范围在 0~255 。

长沙学院课程设计说明书题目车牌提取系统设计系(部) 电子与通信工程系专业(班级) 10电子二班姓名学号指导教师起止日期 2013.12.16-2013.12.20长沙学院课程设计鉴定表10级数字图像处理课程设计与仿真课题任务书系(部):电子与通信工程系专业:电子信息指导教师: 2013-9-6目录摘要 (1)1 MATLAB简介 (1)2字符分割的基本原理 (2)1、基本原理 (2)2 车辆图像预处理 (3)2.1 图像灰度化 (3)2.2 图像边缘检测 (3)2.3 图像腐蚀 (3)2.4 删除小面积对象 (4)2.5 车牌定位 (4)2.6 字符分割 (4)3字符分割的仿真 (4)4字符分割源程序 (6)5心得体会 (9)6参考文献 (10)摘要20世纪20年代，图像处理首次得到应用。

20世纪60年代中期，随电子计算机的发展得到普遍应用。

60年代末，图像处理技术不断完善，逐渐成为一个新兴的学科。

利用数字图像处理主要是为了修改图形，改善图像质量，或是从图像中提起有效信息，还有利用数字图像处理可以对图像进行体积压缩，便于传输和保存。

数字图像处理主要研究以下内容：傅立叶变换、小波变换等各种图像变换；对图像进行编码和压缩；采用各种方法对图像进行复原和增强；对图像进行分割、描述和识别等。

随着技术的发展，数字图像处理主要应用于通讯技术、宇宙探索遥感技术和生物工程等领域。

数字图像处理因易于实现非线性处理，处理程序和处理参数可变，故是一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。

主要用于图像变换、量测、模式识别、模拟以及图像产生。

广泛应用在遥感、宇宙观测、影像医学、通信、刑侦及多种工业领域。

本文针对车牌自动识别系统中关键技术之一的车牌字符分割部分做了深入的研究。

要想将车牌图像正确地分割，必须得到车牌的二值图像，因此本文对车牌字符分割前的预处理进行了较深入研究，尤其是车牌图像二值化后的去噪处理，包括开闭运算、去除边缘等。

结合垂直投影法与固定边界分割的车牌字符分割算法（附源码和详细解析）上⼀篇博⽂简单有效的车牌定位算法（附源码和详细解析），详细介绍了数学形态学处理车牌粗定位与蓝⾊像素统计、⾏列扫描的车牌精确定位算法。

没有看的朋友可以先看上⼀篇博⽂。

这次，在牌照字符的分割上，我结合了⽬前使⽤最多的投影法和车牌固定边界的多阈值分割算法。

它的⼤致实现过程如下：第⼀步先对上⼀节粗定位完牌照的只有⿊⽩两⾊的图像bg2实施伪彩⾊标记。

第⼆步获取标记区域各连通块的尺⼨参数，⽤作下⼀步遍历的索引。

第三步投影得直⽅图，取⼀个分割阈值，划分出背景和字符的范围，也就是在直⽅图histrow(histcol)中区分⾕底点和上升点。

第四步分析峰⾕，得到例如最⼤峰中⼼距等参数。

最后⼀步，根据上⼀步求得的参数分割字符。

具体分割流程图如下图：图5-1 字符分割流程图⼀、车牌区域彩⾊标记与特征提取 对粗定位车牌后的⼆值图像作连通区域4邻域的伪彩⾊标记的⽬的是为了⽅便计算出车牌区域的⾯积、宽⾼度以及车牌框架的⼤⼩、区域开始和结束的⾏列位置等区域特征参数，是为后续的车牌投影分析操作作预准备。

在这⼀步骤中，⾸先以4领域⼤⼩为模块对⼆值图像作区域标记，给每块连通区域块标记上序数，获取图像中连通区域的块数和图像矩阵L，初步计算出各连通区域的框架⼤⼩，然后再根据车牌的先验知识设置亮度⾼度的合理阈值筛选出真正车牌区域的连通域，记录下该连通域的序数，最后对车牌区域块作区域特征提取，获取车牌的框架⼤⼩、宽⾼度、宽⾼⽐例以及开始位置点的⾏、列数等参数。

在MATLAB中对车牌号码为粤A6ZC93和粤AC609Z两车辆的车牌粗定位⼆值图像作伪彩⾊标记效果如下图：（a）粤A6ZC93 (b)粤AC609Z图5-2 区域标记与特征参数提取⼆、车牌预处理(1) 基于Radon变换的倾斜校正 从车体侧⾯拍摄的车辆图像中提取出来的牌照会出现⾓度的倾斜，为了后续操作的⽅便，需要进⾏⾓度的校正。

图像处理包括图像二值化、车牌定位、字符分隔、字符识别。

每一步都关系系统成功与否以及好坏。

如果图片二值化不好就不方便车牌定位，如果定位的车牌图片不准确就谈不上字符的切割，字符图片切割不好就难以识别。

这些应该很好理解，可见成员之间需要很好的默契。

而我负责了图像处理中的字符分隔模块，起初我不知道位图形式以及如何读取位图，可见我获取信息的主动性和能力并不好。

非常感谢其他组员提供了读取位图像素数据的相关方法，才能使我能放心去思考切割的算法，而不必去担心如何获取数据的问题。

我使用了一种字符像素横向和纵向扫描的算法，得到字符在横向和纵向的像素分布波形，通常是缓慢的连续变化，车牌越模糊，变化越缓慢。

自然，波峰是字符区，波谷是字符间的空隙区。

它们的分界点并不明显，必然需要找到介于波峰与波谷之间的一个阀值，将波形变成01直方波形。

那么阀值自然是个关键，如果定得不准，就可能切不出所有字符，这是我之前遇到的问题，那时我固定了阀值，使它介于平均波峰值和平均波谷值之间的某个固定点，但这通常只能切割出模糊图片的部分字符，因为有些波峰和波谷并没有被切分开来。

于是我采用了另一种策略，即使用动态扫描，从最小的波谷扫到最大的波峰，并不断计算切得的波峰数量（实际就是字符数量）。

然后判断这个切割数是否符合实际车牌上的字符数量，如果符合，可以停止扫描，切割位置可以明确定在波峰和波谷的变化点上。

当然，我进行了各种优化，比如更多判断来排除各种车牌边框等干扰。

在DOS窗口上经过反复的数据显示测试，终于得到了非常不错的字————————————————————————————————————————————(1)利用字符像素XY方向扫描；(2)分析波形；(3)动态指定阀值；(4)获得01分布；(5)判断波形变化次数；(6)去干扰；(7)获得切割位置；时间有限，有不完善之处可以去本人博客提问：/flashforyou#pragma once#include <cstring>#include <cmath> //数学函数库#include <cstdio>#include <cstdlib>#include <cmalloc>#include "stdafx.h"#include <complex>#define WIDTHBYTES(bits) (((bits)+31)/32*4)/////////////////////////////////////typedef unsigned char BYTE;typedef unsigned short WORD;typedef unsigned long DWORD;typedef long LONG;///////////////////////////////////////***位图文件头信息结构定义//其中不包含文件类型信息（由于结构体的内存结构决定，要是加了的话将不能正确读取文件信息）typedef struct tagBITMAPFILEHEADER {DWORD bfSize; //文件大小WORD bfReserved1; //保留字，不考虑WORD bfReserved2; //保留字，同上DWORD bfOffBits; //实际位图数据的偏移字节数，即前三个部分长度之和} BITMAPFILEHEADER;///////////////////////////////////////***信息头BITMAPINFOHEADER结构，其定义如下：typedef struct tagBITMAPINFOHEADER{//public:DWORD biSize; //指定此结构体的长度，为40LONG biWidth; //位图宽LONG biHeight; //位图高WORD biPlanes; //平面数，为1WORD biBitCount; //采用颜色位数，可以是1，2，4，8，16，24，新的可以是32 DWORD biCompression; //压缩方式，可以是0，1，2，其中0表示不压缩DWORD biSizeImage; //实际位图数据占用的字节数LONG biXPelsPerMeter; //X方向分辨率LONG biYPelsPerMeter; //Y方向分辨率DWORD biClrUsed; //使用的颜色数，如果为0，则表示默认值(2^颜色位数)DWORD biClrImportant; //重要颜色数，如果为0，则表示所有颜色都是重要的} BITMAPINFOHEADER;/////////////////////////////////////////***调色板Palette，当然，这里是对那些需要调色板的位图文件而言的。

图像处理中的数学形态学算法在车牌识别中的应用随着车辆数量的不断增加，车牌识别技术在交通管理、安防监控、停车场管理等领域中扮演着重要的角色。

而在车牌识别技术中，数学形态学算法作为一种重要的图像处理工具，具有很高的应用价值。

本文将重点探讨数学形态学算法在车牌识别中的应用，以及其在该领域中的优势和挑战。

一、数学形态学算法简介数学形态学算法是一种基于形状和结构分析的图像处理方法，其基本原理是利用集合论中的膨胀和腐蚀运算来分析图像中的形状和结构特征。

其中，膨胀操作可以扩张图像中的目标物体，而腐蚀操作可以收缩图像中的目标物体。

这些基本的形态学操作可以通过组合和重复应用来提取图像中的目标物体，并进行形状分析和特征提取。

二、数学形态学算法在车牌识别中的应用1. 车牌定位车牌识别的第一步是车牌的定位，即从整个图像中准确定位车牌的位置。

数学形态学算法可以通过腐蚀和膨胀操作来消除图像中的噪声，提取出车牌的边界信息。

通过应用腐蚀和膨胀操作，可以得到一系列形状和尺寸各异的区域，而其中包含车牌的区域往往具有明显的矩形或正方形特征。

因此，通过对这些区域进行形态学分析和筛选，可以有效地定位车牌的位置。

2. 车牌字符分割车牌字符分割是车牌识别的关键步骤之一，其中车牌上的字符需要被正确分割出来以方便后续的字符识别。

数学形态学算法可以通过腐蚀和膨胀操作来分离车牌上的字符，消除字符之间的干扰。

通过应用腐蚀操作，可以收缩车牌上的字符区域，使得字符之间的间隔增大；而通过应用膨胀操作，则可以扩张字符区域，使得字符之间的间隔变小。

通过选择合适的腐蚀和膨胀操作的组合方式，可以有效地实现车牌字符的分割。

3. 车牌字符识别车牌字符识别是车牌识别的最后一步，其中车牌上的字符需要被分析和识别出来。

数学形态学算法可以通过应用开运算和闭运算操作来修复和增强字符区域的形态特征，从而提高字符识别的准确性。

开运算可以消除字符区域之外的噪声，平滑字符区域的边界；而闭运算则可以填充字符区域中的空洞，增强字符区域的连通性。

常用的车牌字符分割方法Common methods for segmenting license plate characters include:常用的车牌字符分割方法包括：1. Projection-based segmentation: This method involves scanning the image of the license plate horizontally or vertically to identify areas of interest based on pixel density. By analyzing the projection profiles, the boundaries of individual characters can be determined.1. 基于投影的分割方法：该方法涉及对车牌图像进行水平或垂直扫描，根据像素密度识别感兴趣的区域。

通过分析投影轮廓，可以确定单个字符的边界。

2. Connected component analysis: This approach identifies contiguous regions of pixels with similar properties (e.g., color or intensity) in the license plate image. Connected components corresponding to individual characters are then separated.2. 连通域分析：该方法在车牌图像中识别具有相似属性（例如颜色或强度）的连续像素区域。

然后，将对应于单个字符的连通域分离出来。

3. Machine learning-based segmentation: Modern approaches leverage machine learning algorithms, such as deep learning models, to segment characters from license plate images. These models are trained on annotated datasets to learn the characteristics of individual characters and can accurately identify and segment themin new images.3. 基于机器学习的分割方法：现代方法利用机器学习算法，如深度学习模型，对车牌图像中的字符进行分割。

基于数学二值形态学的车牌定位与字符分割谷学静;李宗辉【摘要】本方法是基于数学二值形态学的车牌定位和字符分割的方法.在车牌定位中,首先提取图像的边界,腐蚀非车牌边界,用矩形结构元素连通剩下的区域,去除最大面积以外的其它区域.最大的连通区域即为车牌所在的位置.在字符分割中,首先用双线性插值将车牌图像调整到固定大小,确定字符的上下边界,然后逐个判断字符的具体宽度,用于分割字符.通过matlab 7.0的验证,该方法解决了车牌褪色,车牌开裂,非连通字符和连续的数字1等对自动识别系统的影响问题.【期刊名称】《河北联合大学学报（自然科学版）》【年(卷),期】2013(035)002【总页数】5页(P85-89)【关键词】数学二值形态学;模式识别;车牌定位;字符分割;matlab【作者】谷学静;李宗辉【作者单位】河北联合大学电气工程学院,河北唐山063009;河北联合大学信息工程学院,河北唐山063009【正文语种】中文【中图分类】TP391.430 引言随着城市的发展和汽车的普及，道路交通问题日益严重，主要体现在:道路拥挤、运输效率低、交通事故率高、环境恶化等。

交通问题已成为世界各国大中城市共同面临的问题。

由于资源、环境等条件的限制，传统依靠增大道路建设量、提高路网容量解决交通问题的方法已经无法满足现代城市道路交通的需要。

在这种境况下，人们提出了智能交通系统(Intelligent Transportation System，ITS)的概念:从系统的观点出发，综合考虑车辆和道路设施，依靠科学管理、运用现代科技手段解决道路交通问题。

20世纪80年代中期以来，计算机和通信技术的快速发展，为ITS 技术的发展创造了良好的条件。

可以说ITS技术是以计算机技术和通信技术为基础的。

发展ITS技术的目的，在于减少交通拥挤和提高整个交通运输系统的效率以及为驾驶员提高良好的信息服务和安全舒适的驾驶环境。

智能交通系统就是将先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术以及计算机处理技术等有效地集成运用于整个交通运输管理体系，而建立起的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合运输和管理系统［1］。

基于数字图像处理的车牌识别系统设计与实现目录摘要 (1)1.设计原理 (2)2．详细设计步骤 (3)2.1提出总体设计方案 (3)2.2预处理及边缘提取 (4)2.2.1图象的采集与转换 (4)2.2.2边缘提取 (5)2.3牌照的定位和分割 (9)2.3.1牌照区域的定位 (9)2.3.2牌照区域的分割 (10)2.3.3车牌进一步处理 (11)2.4字符的分割与归一化 (12)2.4.1字符分割 (13)2.4.2字符归一化 (13)2.5字符的识别 (13)3．设计结果及分析 (16)4．程序源代码 (19)4.1基于matlab的程序源代码 (19)4.2基于VC++的程序源代码 (31)5．结语 (57)6．心得体会 (58)7．参考文献 (59)摘要汽车牌照自动识别系统是制约道路交通智能化的重要因素,包括车牌定位、字符分割和字符识别三个主要部分。

本文首先确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照,然后采用局部投影进行字符分割。

在字符识别部分,提出了在无特征提取情况下基于支持向量机的车牌字符识别方法。

实验结果表明,本文提出的方法具有良好的识别性能。

随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满着实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。

汽车牌照的自动识别技术已经得到了广泛应用。

关键字：车牌识别系统、智能化交通、车牌定位、字符分割、字符识别AbstractVehicle license plate recognition system is the intelligent road traffic constraints important factors,including the license plate location,character segmentation and character recognition of three main parts.Firstly,the vehicle license in the original image to determine the horizontal and vertical position,thereby positioning the vehicle license,and character segmentation using a local projection.In the character recognition part of the proposed feature extraction in the case of non-support vector machine based license plate recognition method.Experimental results show that the proposed method has good recognition performance.With the increasing popularity of road,road transport in China has developed rapidly,so the artificial management has not full of actual needs,microelectronics,communications and computer technology applications in the transport sector has greatly improved the efficiency of traffic management.Automatic license plate recognition technology has been widely used.Keywords:license plate recognition system,intelligent transportation,license plate localization,character segmentation,character recognition1.设计原理由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。