下载文档原格式
《基于MATLAB的车牌识别系统研究》篇一一、引言随着智能化交通系统的不断发展，车牌识别技术在现代交通管理中发挥着越来越重要的作用。
基于MATLAB的车牌识别系统研究，能够为智能交通系统提供准确、高效的车牌信息处理手段。
本文旨在介绍基于MATLAB的车牌识别系统的基本原理、方法以及实际应用。
二、车牌识别系统基本原理车牌识别系统主要包括图像预处理、车牌定位、字符分割和字符识别四个基本环节。
基于MATLAB的车牌识别系统采用数字图像处理技术，对采集到的车牌图像进行处理，以实现车牌的准确识别。
1. 图像预处理图像预处理是车牌识别系统的第一步，主要目的是去除图像中的噪声、增强图像的对比度，以便于后续的车牌定位和字符分割。
MATLAB提供了丰富的图像处理函数，如滤波、二值化、边缘检测等，可以有效地实现图像预处理。
2. 车牌定位车牌定位是车牌识别系统的关键环节，主要采用颜色分割、形态学方法、投影分析等方法。
在MATLAB中，可以通过颜色空间转换、阈值分割等手段，提取出车牌区域，为后续的字符分割和识别提供基础。
3. 字符分割字符分割是将车牌图像中的每个字符进行分离的过程。
在MATLAB中，可以采用投影法、连通域法等方法进行字符分割。
首先对车牌区域进行垂直投影，根据投影峰值的分布情况，确定每个字符的位置，然后进行水平投影，进一步确定每个字符的宽度，从而实现字符的精确分割。
4. 字符识别字符识别是车牌识别系统的最后一步，主要是对分割后的字符进行识别。
在MATLAB中，可以采用模板匹配、神经网络等方法进行字符识别。
模板匹配法是通过将待识别的字符与标准字符模板进行比对，找出最相似的字符作为识别结果。
神经网络法则是通过训练大量的样本数据，建立字符识别的模型，从而实现高精度的字符识别。
三、MATLAB在车牌识别系统中的应用MATLAB作为一种强大的数学计算软件，在车牌识别系统中发挥着重要作用。
首先，MATLAB提供了丰富的图像处理函数和算法库，可以方便地实现图像的预处理、车牌定位、字符分割和字符识别等过程。
《基于MATLAB的车牌识别系统研究》篇一一、引言车牌识别（License Plate Recognition，简称LPR）系统是一种智能化的图像识别系统，被广泛应用于公安交通、车辆管理等重要领域。
其作用是通过识别和读取车牌号码信息，提高车辆管理和安全控制的效率和精度。
本文将基于MATLAB软件平台，对车牌识别系统进行深入研究，并探讨其应用前景。
二、车牌识别系统概述车牌识别系统主要包括图像预处理、车牌定位、字符分割和字符识别等四个主要步骤。
其中，图像预处理是提高图像质量、去除噪声和增强图像特征的重要环节；车牌定位则是通过图像处理技术，将车牌从复杂背景中提取出来；字符分割则是将车牌上的字符进行分割，以便于后续的字符识别；字符识别则是通过机器学习、深度学习等技术，对分割后的字符进行分类和识别。
三、MATLAB在车牌识别系统中的应用MATLAB是一种强大的数学计算软件，具有强大的图像处理和机器学习功能。
在车牌识别系统中，MATLAB可以用于图像预处理、车牌定位、字符分割和字符识别的全过程。
1. 图像预处理在MATLAB中，可以使用图像处理工具箱中的各种滤波器、直方图均衡化等技术，对图像进行去噪、增强等预处理操作，以提高图像质量和特征提取的准确性。
2. 车牌定位MATLAB中提供了多种图像处理算法，如边缘检测、形态学处理等，可以用于车牌的定位。
通过这些算法，可以从复杂的背景中提取出车牌区域，为后续的字符分割和识别提供基础。
3. 字符分割在MATLAB中，可以通过投影法、连通域法等算法，对车牌区域进行字符分割。
这些算法可以有效地将车牌上的字符进行分割，为后续的字符识别提供方便。
4. 字符识别MATLAB中集成了多种机器学习和深度学习算法，可以用于字符的分类和识别。
通过训练分类器或神经网络等模型，可以对分割后的字符进行准确的分类和识别。
四、实验结果与分析本文通过实验验证了基于MATLAB的车牌识别系统的有效性和准确性。
基于MATLAB的车牌智能识别设计摘要：车牌智能识别技术是智能交通系统中的重要组成部分，能够提高交通管理效率和安全性。
本文基于MATLAB平台，设计了一种车牌智能识别系统，通过图像处理和模式识别技术实现车牌号码的准确识别。
该系统能够实现对车辆行驶过程中的车牌信息进行实时提取和识别，具有较高的准确性和稳定性，可以有效应用于停车场管理、交通违法抓拍等领域。
关键词：车牌智能识别；MATLAB；图像处理；模式识别一、引言随着汽车数量的快速增长，交通拥堵和交通管理成为社会发展中的一大难题。
为了提高交通管理效率和安全性，智能交通系统得到了广泛的关注和应用。
车牌智能识别技术作为智能交通系统中的重要组成部分，能够实现对车辆行驶过程中的车牌信息进行实时提取和识别，为交通管理和监控提供了重要的支持。
二、相关技术及方法1. 图像处理技术图像处理技术是车牌智能识别系统中的核心技术之一，主要包括灰度化、二值化、边缘检测、形态学处理等操作。
灰度化是将彩色图像转换为灰度图像，简化了图像信息的处理；二值化将灰度图像转换为二值图像，方便进行特征提取和分割操作；边缘检测可以准确提取车牌的轮廓信息；形态学处理可以用于去除图像中的噪声点和填充孔洞，提高字符的连通性。
2. 字符分割与特征提取字符分割是指将车牌图像中的字符分离出来，是车牌识别的关键步骤之一。
在字符分割后，需要进行字符的特征提取，包括字符的大小、形状、像素点分布等特征。
这些特征可以用于字符的识别和分类，提高识别的准确性和鲁棒性。
3. 模式识别算法模式识别算法是车牌智能识别系统中的另一个核心技术，主要包括基于模板匹配的模式识别、基于统计学习的模式识别、基于深度学习的模式识别等方法。
这些算法能够对字符进行准确的识别和分类，为车牌智能识别系统提供了强大的分析和识别能力。
三、车牌智能识别系统设计基于MATLAB平台，设计的车牌智能识别系统主要包括图像预处理、字符分割与特征提取、模式识别和结果输出四个主要模块。
图像处理大作业实验报告--用MATLAB实现车牌识别系统作者东南大学电子系李浩翔06006435指导老师张雄实验日期2010-1-10索引：实验目的实验原理实验步骤1.预处理2.边缘识别3.小区块联通4.车牌区域的识别并截取5.字符截取6.字符识别实验思路分析本程序的局限性附录附录1 程序源代码1.主程序2.子函数(code)附录2 测试图像处理过程汇总1.测试图像12.测试图像2附录3 参考文献及参考程序实验目的(返回索引)使用MATLAB对包含车牌的图片进行处理，利用算法识别出车牌所在的区域，并辨认其数字及字母，最后在屏幕上输出所识别出的车牌号。
实验原理(返回索引)1.将拍摄下的彩色图像转换为灰度图，之后用中值滤波对灰度图像进行预处理，从而减少干扰信息。
2.使用sobel算子识别出图像的边缘，并转化为二值化图像。
并对二值化之后的图像进行卷积，加强边缘的轮廓。
3.用膨胀-再腐蚀的方法分别作用于图像的横轴与纵轴，将小块的联通区域连接起来，使车牌的形状更加清晰，为下一步的识别做好准备。
4.利用车牌长宽比的特性对各个联通区域进行判断，识别出车牌所在区域，并截取。
5.对截取出的车牌区域进行进一步的处理，分割出各个字符。
6.对分割出的字符进行特征判断，从而识别出具体的车牌号。
实验步骤(返回索引)1.预处理(返回索引)A. 将拍摄下的彩色图像转换为灰度图，便于进行接下来的算法处理。
图1 拍摄下的图片B.对灰度图进行中值滤波，减少干扰点对二值化运算结果的影响。
图3 进行中值滤波后的灰度图C.将中值滤波后的灰度图用设定门限灰度的方法(取门限值为0.2)转化为二值化图像，在后继的车牌区域截取运算中作为源图像使用。
图4 使用设定灰度门限的方法获得的二值化图像2.边缘识别(返回索引)A.利用sobel算子识别出图3中的边缘区域，并将其转换为二值化图像。
在转换后的二值化图像中，边缘区域被作为白点标出，而非边缘区域被黑色区域覆盖。
本科生毕业设计（论文）车牌识别系统设计与实现Design and Implementation of License Plate Recognition System总计：30页表格：1个插图：19幅南阳理工学院本科毕业设计（论文）车牌识别系统设计与实现Design and Implementation of License Plate Recognition System学院：电子与电气工程学院专业：电气工程及其自动化学生姓名：学号：指导教师（职称）：评阅教师：完成日期：南阳理工学院Nanyang Institute of Technology毕业论文（设计）原创性声明本人所呈交的毕业论文（设计）是我在导师的指导下进行的研究工作及取得的研究成果。
据我所知，除文中已经注明引用的内容外，本论文（设计）不包含其他个人已经发表或撰写过的研究成果。
对本论文（设计）的研究做出重要贡献的个人和集体，均已在文中作了明确说明并表示谢意。
作者签名：日期：毕业论文（设计）授权使用说明本论文（设计）作者完全了解**学院有关保留、使用毕业论文（设计）的规定，学校有权保留论文（设计）并向相关部门送交论文（设计）的电子版和纸质版。
有权将论文（设计）用于非赢利目的的少量复制并允许论文（设计）进入学校图书馆被查阅。
学校可以公布论文（设计）的全部或部分内容。
保密的论文（设计）在解密后适用本规定。
作者签名：指导教师签名：日期：日期：注意事项1.设计（论文）的内容包括：1）封面（按教务处制定的标准封面格式制作）2）原创性声明3）中文摘要（300字左右）、关键词4）外文摘要、关键词5）目次页（附件不统一编入）6）论文主体部分：引言（或绪论）、正文、结论7）参考文献8）致谢9）附录（对论文支持必要时）2.论文字数要求：理工类设计（论文）正文字数不少于1万字（不包括图纸、程序清单等），文科类论文正文字数不少于1.2万字。
3.附件包括：任务书、开题报告、外文译文、译文原文（复印件）。
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:yfor j=1:xif(I6(i,j,1)==1)Y1(i,1)= Y1(i,1)+1;endendend[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;endPY2=MaxY;while ((Y1(PY2,1)>=50)&&(PY2<y))PY2=PY2+1;IY=I(PY1:PY2,:,:);X1=zeros(1,x);for j=1:xfor i=PY1:PY2if(I6(i,j,1)==1)X1(1,j)= X1(1,j)+1;endend endsubplot(3,2,2),plot(0:x-1,X1),title('列方向像素点灰度值累计和'),xlabel('列值'),ylabel('像数');%求的车牌的列起始位置和终止位置PX1=1;while ((X1(1,PX1)<3)&&(PX1<x))PX1=PX1+1;endPX2=x;while ((X1(1,PX2)<3)&&(PX2>PX1))PX2=PX2-1;PX1=PX1-1;PX2=PX2+1;%分割出车牌图像%dw=I(PY1:PY2,PX1:PX2,:);subplot(3,2,3),imshow(dw),title('定位剪切后的彩色车牌图像')4.2 车牌字符分割确定车牌位置后下一步的任务就是进行字符切分分离出车牌号码的全部字符图像。
基于MATLAB的车牌识别系统的实现
1 引言
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，并应满足实时性要求。
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，其硬件一般包括触发、摄像、照明、图像采集等设备，其软件核心包括车牌定位、车牌字符分割和字符识别等算法。
2 系统的实现
2．1 系统简述
一个完整的牌照识别系统应包括车辆检测、图像采集、图像预处理、车牌定位、字符分割、字符识别等单元。
当车辆到达触发图像采集单元时，系统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。
牌照识别系统原理如图
1 所示。
2．
2 图像预处理
输入的彩色图像包含大量颜色信息，会占用较多的存储空间，且处理时也会降低系统的执行速度，因此对图像进行识别等处理时，常将彩色图像转换为灰度图像，以加快处理速度。
对图像进行灰度化处理、提取背景图像、增强处理、图像二值化、边缘检测、滤波等处理的主要MATLAB 语句如下所示：2．3 车牌定位
自然环境下，汽车图像背景复杂，光照不均匀，在自然背景中准确地确定牌照区域是整个图像识别过程中的关键。
首先对采集到的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。
《基于MATLAB的车牌识别系统研究》篇一一、引言随着科技的发展和智能化水平的提升，车牌识别系统在智能交通系统中扮演着越来越重要的角色。
车牌识别技术作为计算机视觉和人工智能领域的一个重要应用，在交通安全、车辆管理、车辆监控等方面有着广泛的应用。
本文将介绍一种基于MATLAB 的车牌识别系统研究，该系统旨在通过图像处理和机器学习算法实现高效、准确的车牌识别。
二、车牌识别系统的原理与架构基于MATLAB的车牌识别系统主要包括以下几个步骤：图像预处理、车牌定位、字符分割和字符识别。
首先，系统将获取的图像进行预处理，包括灰度化、二值化等操作，以提高图像的对比度和清晰度。
然后，通过边缘检测和形态学操作等方法，定位出图像中的车牌区域。
接着，对车牌区域进行字符分割，将每个字符分割出来。
最后，利用机器学习算法对每个字符进行识别，得到车牌号码。
三、图像预处理图像预处理是车牌识别系统的重要步骤之一。
在MATLAB 中，我们首先对获取的图像进行灰度化和二值化处理。
灰度化操作可以将彩色图像转换为灰度图像，减少计算量。
二值化操作可以将灰度图像转换为二值图像，提高图像的对比度和清晰度。
此外，还可以通过滤波、去噪等操作进一步优化图像质量。
四、车牌定位车牌定位是车牌识别系统的关键步骤之一。
在MATLAB中，我们可以通过边缘检测和形态学操作等方法实现车牌定位。
具体而言，我们首先对预处理后的图像进行边缘检测，提取出图像中的边缘信息。
然后，利用形态学操作对边缘信息进行填充、腐蚀等处理，得到车牌区域的轮廓信息。
最后，通过轮廓检测和面积筛选等方法，定位出图像中的车牌区域。
五、字符分割与识别字符分割与识别是车牌识别系统的核心步骤。
在MATLAB 中，我们可以通过投影法或连通域法等方法实现字符分割。
具体而言，我们首先对车牌区域进行投影分析，根据字符在投影图上的特点进行分割。
然后，对每个字符进行归一化处理，使其大小和位置一致。
最后，利用机器学习算法对每个字符进行识别。
《基于MATLAB的车牌识别系统研究》篇一一、引言车牌识别系统是现代智能交通系统的重要组成部分，具有广泛的应用前景。
本文将详细探讨基于MATLAB的车牌识别系统的研究，从算法设计到实验结果，全方位地分析系统的性能与特点。
二、车牌识别系统概述车牌识别系统主要通过图像处理和计算机视觉技术，对道路上的车牌进行自动识别。
系统主要包括图像预处理、车牌定位、字符分割和字符识别等几个关键步骤。
基于MATLAB的车牌识别系统，利用其强大的图像处理和矩阵运算能力，为车牌识别提供了有效的技术支持。
三、系统设计1. 图像预处理图像预处理是车牌识别系统的第一步，主要目的是消除图像中的噪声、增强车牌信息、改善图像质量等。
在MATLAB中，可以通过灰度化、滤波、二值化等操作，对图像进行预处理。
2. 车牌定位车牌定位是车牌识别系统的关键步骤之一，主要利用图像处理技术，从整个图像中提取出车牌区域。
常用的车牌定位方法包括投影法、边缘检测法、模板匹配法等。
在MATLAB中，可以通过这些方法实现车牌的快速定位。
3. 字符分割与识别字符分割与识别是车牌识别的核心步骤，主要将定位后的车牌图像中的字符进行分割，并识别出每个字符的具体内容。
在MATLAB中，可以通过连通域分析、投影分析等方法实现字符的分割与识别。
四、实验结果与分析为了验证基于MATLAB的车牌识别系统的性能，我们进行了大量的实验。
实验结果表明，该系统在各种光照条件、不同角度、不同颜色的车牌下均能实现较高的识别率。
同时，该系统还具有实时性高、鲁棒性强等优点。
在实验过程中，我们还对系统的各个步骤进行了详细的分析。
通过调整图像预处理的参数、优化车牌定位算法、改进字符分割与识别的方法等手段，不断提高系统的性能。
最终，我们得到了一个具有较高识别率的车牌识别系统。
五、结论本文研究了基于MATLAB的车牌识别系统，从算法设计到实验结果进行了全面的分析。
实验结果表明，该系统具有较高的识别率、实时性和鲁棒性等优点，能够满足实际需求。
《基于MATLAB的车牌识别系统研究》篇一一、引言随着科技的发展，车牌识别系统在交通管理、安全监控、车辆定位等领域的应用越来越广泛。
MATLAB作为一种强大的编程语言和数据处理工具，被广泛应用于图像处理和机器视觉等领域。
本文旨在研究基于MATLAB的车牌识别系统，包括系统的基本原理、实现方法、实验结果和结论。
二、车牌识别系统的基本原理车牌识别系统是一种基于图像处理和机器视觉技术的自动识别系统。
其主要原理包括图像预处理、车牌定位、字符分割和字符识别四个部分。
在MATLAB中，这些过程通过数字图像处理算法、计算机视觉算法以及机器学习算法实现。
（一）图像预处理图像预处理是车牌识别系统的第一步，主要目的是消除图像中的噪声和干扰信息，提高图像的清晰度和对比度，以便后续的图像处理和分析。
常用的预处理方法包括灰度化、二值化、滤波等。
（二）车牌定位车牌定位是车牌识别系统的关键步骤，其主要目的是从图像中准确地检测出车牌的位置。
常用的车牌定位方法包括基于颜色特征的方法、基于形状特征的方法和基于模板匹配的方法等。
在MATLAB中，可以通过边缘检测、Hough变换等方法实现车牌的定位。
（三）字符分割字符分割是将车牌图像中的每个字符分割出来的过程。
常用的字符分割方法包括投影法、连通域法等。
在MATLAB中，可以通过图像形态学操作、阈值分割等方法实现字符的分割。
（四）字符识别字符识别是将分割后的字符进行分类和识别的过程。
常用的字符识别方法包括模板匹配法、神经网络法等。
在MATLAB中，可以通过训练分类器、使用机器学习算法等方法实现字符的识别。
三、车牌识别系统的实现方法在MATLAB中，我们可以通过编写程序实现车牌识别系统的各个步骤。
具体实现方法如下：（一）图像预处理首先，对输入的图像进行灰度化和二值化处理，消除噪声和干扰信息。
然后，通过滤波等操作提高图像的清晰度和对比度。
（二）车牌定位通过边缘检测和Hough变换等方法检测出车牌的轮廓，并确定车牌的位置。
1 基于MATLAB的车牌识别系统 2 目 录 2 一、车牌识别研究背景及现状分析： ............................................................................ 错误！未定义书签。 二、设计原理： ................................................................................................................................................. 3 三、设计步骤 ..................................................................................................................................................... 4 （一）、预处理及边缘提取...................................................................................................................... 4 （二）、牌照的定位和分割...................................................................................................................... 7 （三）、字符的分割与归一化 .................................................................................................................. 9 （四）、字符的识别 ............................................................................................................................... 10 三、设计结果及分析 ....................................................................................................................................... 12 四、总结 ........................................................................................................................................................... 13 五、参考文献 ................................................................................................................................................... 13
基于MATLAB的 内容摘要 本文从预处理、边缘检测、车牌定位、字符分割、字符识别五个方面，具体介绍了车牌自动识别的原理。并用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。
关键词：汽车牌照 车牌提取 字符分割 字符识别 3
一．车牌识别的研究背景及现状分析 （一）研究背景 随着我国经济的发展，综合实力的增强和城市化进程的加快，国内各大城市交通管理能力将面临重大考验。近年来，各主要城市都将城市智能交通系统（ITS）的建设作为改善城市交通状况的重点，以缓解城市交通管理的压力，车牌
识别系统作为智能交通系统的主要技术之一也得到了很大的发展。 随着ITS在国内的大范围应用，其系统化的方向发展逐渐确立。ITS系统不再是简单的车辆处理系统，而是涵盖道路监控、车辆记录、违章处理、高/快速路管理、智能停车管理等多个方面的综合化系统。而随着各行业间边界的模糊化，跨行业项目的需求越来越多。在技术进步的过程中，“行业跨越”以及智能交通产品的“民用化”，将成为今后一段时间内ITS行业系统化的一个主要趋势。
（二）现状 目前，国内的ITS 产业仍然处于起步阶段，在产业链中，电子地图商、导航终端商、嵌入式操作系统均已经具备产业规模，而所欠缺的环节则是对实时交通信息的采集和处理系统。车牌识别系统是城市智能交通管理系统的一个重要组成部分，广泛用于是针对公路行驶的机动车辆进行实时监控的智能化交通系统，电子收费，交通违规管理，安全停车管理等重要领域。
二、系统构成 车牌识是一辆汽车独一无二的信息，因此，对车辆牌照的识别技术可以作为辨识一样车最为有效地方法。车牌识别系统包括摄取的汽车图像，车牌号码的识别，车牌图像的采集和预处理，牌照区域的定位和提取，牌照字符的分割和识别等几个部分组成，如下图所示。
图1 车牌识别系统流程图 输入图像 预处理 车牌定位 字符识别 输出结果 归一化 字符分割 4
三、设计步骤 车牌识别过程大体可以分为4个步骤：图像预处理，车牌定位和分割、车牌字符的分割和车牌字符识别。 （一）、预处理及边缘提取 一般情况下，采集到的图像有由于光线过强，或者偏弱都会不理想的情况，这些都会对后续的图像处理产生影响。以及车速的不稳定等因素都会不同程度地影响图像效果，出现模糊、歪斜和缺损等严重缺陷，车牌字符边界模糊、细节不清、笔画断开、粗细不均等现象，从而影响车牌区域分割与字符识别的工作，所以识别前需要对原始图象进行预处理。
图2 预处理及边缘提取流程图
1、图象的采集与转换 现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，利用不同的色彩通道就可以将区域与背景明显地区分出来，例如，对蓝底白字这种最常见的牌照，采用蓝色B 通道时牌照区域为一亮的矩形，而牌照字符在区域中并不呈现。因为蓝色（255，0，0）与白色（255，255，255）在B 通道中并无区分，而在G、R 通道或是灰度图象中并无此便利。同理对白底黑字的牌照可用R 通道，绿底白字的牌照可以用G 通道就可以明显呈现出牌照区域的位置，便于后续处理。原图、灰度图及其直方图见图2与图3。对于将彩色图象转换成灰度图象时，图象灰度值可由下面的公式计算： G=0.110B+0.588G+0.302R （1）
G=3RGB （2）
输入车牌图象 灰度校正 平滑处理 提取边缘 5
图3 图4 2、边缘提取 边缘是指图像局部亮度变化显著的部分，是图像风、纹理特征提取和形状特征提取等图像分析的重要基础。所以在此我们要对图像进行边缘检测。图象增强处理对图象牌照的可辩认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的。增强图象对比度度的方法有：灰度线性变换、图象平滑处理等。 （1）灰度校正 由于牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不完全匹配，这将直接影响到图象的后续处理。如果造成这种影响的原因主要是由于被摄物体的远近不同，使得图象中央区域和边缘区域的灰度失衡，或是由于摄像头在扫描时各点的灵敏度有较大的差异而产生图象灰度失真，或是由于曝光不足而使得图像的灰度变化范围很窄。这时就可以采用灰度校正的方法来处理，增强灰度的变化范围、丰富灰度层次，以达到增强图象的对比度和分辨率。我们发现车辆牌照图象的灰度取值范围大多局限在r=(50,200)之间，而且总体上灰度偏低，图象较暗。根据图象处理系统的条件，最好将灰度范围展开到s=(0,255)之间，为此我们对灰度值作如下的变换： s = T(r) r=[r min,，r max] 使得S∈[Smin, Smax],其中，T为线性变换：
minmaxminmaxmaxminminmaxminmaxrrrSrSrrrSSs
（3）
若 r(50,200)、s(0，255)则： 85r7.115050255-r150255S （4） 6
图6 灰度增强后的图像 （2）平滑处理 对于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量，因此可以在通过低 通滤波器来滤除噪声，但实际中为了简化算法， 也可以直接在空域中用求邻域平均值的方法来 削弱噪声的影响，这种方法称为图象平滑处理。 例如，某一象素点的邻域S 有两种表示方法： 8邻域和4邻域分别对应的邻域平均值为， 图7 8 -邻域、4 -邻域模板
sjijifMjig),(),(1),( （5）
4 3 2 5 i,j 1 6 7 8 2 3 i,j 1 4 7
其中，M 为邻域中除中心象素点f(i,j) 之外包括的其它象素总数，对于4邻域M=4，8 邻域M=8。然而，邻域平均值的平滑处理会使得图象灰度急剧变化的地方，尤其是物体边缘区域和字符轮廓等部分产生模糊作用。为了克服这种平均化引起的图象模糊现象，我们给中心点象素值与其邻域平均值的差值设置一固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原来的值，从而减少由于平均化引起的图象模糊。边缘提取是较经典的算法，此处边缘的提取采用的是Roberts算子。
综上所述，结合MATLAB实验过程，得出不是每一种图像处理之初都适合滤波和边界增强。本次汽车车牌的识别，为了保存更多的有用信息，经过多次比较，选择图9作为后期处理的依据。
（二）、牌照的定位和分割 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。由于牌照图象在原始图象中是很有特征的一个子区域，确切说是水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘形成了灰度突变的边界，这样就便于通过边缘检测来对图象进行分割。
