基于Matlab的车牌定位系统的研究与设计毕业设计.docx

基于Matlab的车牌定位系统的研究与设计毕业设计.docx

《基于Matlab的车牌定位系统的研究与设计毕业设计.docx》由会员分享，可在线阅读，更多相关《基于Matlab的车牌定位系统的研究与设计毕业设计.docx（24页珍藏版）》请在冰豆网上搜索。

基于Matlab的车牌定位系统的研究与设计毕业设计

本科毕业设计

基于Matlab的车牌定位系统的研究与设计

摘　　　　要

随着我国城市急速进展，交通治理成了一个超级热点的话题，由于交通治理需求日趋提高，对交通治理和操纵提出了更高的要求。

在智能化交通治理系统中，车牌识别技术（LicensePlateRecognition，LPR）是实现车辆识别和监控的一种重要技术，在城市车辆治理上发挥着十分重要的作用。

车牌识别技术普遍应用于道路违规车辆监控、停车场治理、车辆平安治理等领域。

车牌识别软件系统一样分为三部份：

车牌定位、字符分割和字符识别。

本文对车牌定位算法和字符分割方式作出研究和论述，针对车牌的特点提出了一套简单的车牌定位和字符分割算法。

车牌定位部份采纳的是数学形态学的方式，通过以下几个步骤实现：

先利用radon函数对图像进行倾斜检测和校正，再通过灰度化和边缘检测处置以后就能够够进行数学形态学处置，最后确实是车牌区域的提取。

字符分割部份采纳的是投影法，分析垂直投影的像素点直方图，利用每一个字符的波谷、波峰和车牌的定制标准来划分每一个字符。

利用MATLAB壮大的图像处置能力，通过编写程序，对车辆图像进行统计分析，实现了这两个部份的功能。

车牌定位算法的关键是选用适合的结构元素，对车牌图像进行数学形态学开、闭运算来去除干扰因素、排除噪音和无用信息，简单直观，受环境干扰少。

通过实验证明，本文提出车牌定位算法和字符分割方式均能达到良好的成效。

关键词：

车牌定位　　字符分割　　数学形态学　　投影法

Research On License Plate Location System

ZhouRujie

（CollegeofEngineering,SouthChinaAgriculturalUniversity,Guangzhou510642,China）

Abstract:

Withtherapiddevelopmentofourcountrycity,trafficmanagementhasbecomeaveryhottopic,duetotrafficmanagementandincreasingdemand,putforwardhigherrequesttothetrafficmanagementandcontrol.Thetrafficmanagementsysteminintelligent,licenseplaterecognitiontechnology（LicensePlateRecognition,LPR）isanimportanttechnologyofvehicleidentificationandmonitoring,playaveryimportantroleinthecityvehiclemanagement.Licenseplaterecognitiontechnologyiswidelyusedinroadillegalvehiclemonitoring,parkingmanagement,vehiclesafetymanagement.Licenseplaterecognitionsoftwaresystemisdividedintothreeparts:

licenseplatelocation,charactersegmentationandcharacterrecognition.Thispapermakesresearchanddiscussesthealgorithmoflicenseplatelocationandcharactersegmentationmethod,accordingtothecharacteristicoflicenseplateofavehiclelicenseplatelocationandcharactersegmentationofsimplealgorithmisproposed.

Licenseplatelocationpartusesthemethodofmathematicalmorphology,isrealizedbythefollowingsteps:

firstusetheradonfunctiontoskewdetectionandcorrectionoftheimage,andmathematicalmorphologyprocessingbygrayandedgedetection,thencanbecarriedout,finallyistheextractionoflicenseplateregion.Charactersegmentationismadeusingprojectionmethod,analysisofpixelverticalprojectionhistogram,witheachcharactertrough,waveandplatecustomstandardstodivideeachcharacter.UsingimageprocessingcapabilitiesoftheMATLAB,throughthepreparationprocess,statisticalanalysisofvehicleimage,toachievethefunctionsoftwoparts.

Thekeyofthismethodistheselectionofappropriatestructureelements,thelicenseplateimagemathematicalmorphologyopen,closeoperationtoremovetheinterferencefactors,eliminatingthenoiseanduselessinformation,simpleandintuitive,lessinterferencebytheenvironment.Throughtheexperiment,inthispaper,licenseplatelocalizationalgorithmandcharactersegmentationmethodcanachievegoodeffect.

Keywords:

licenseplatelocationcharactersegmentationmathematicalmorphologyprojection

目　　　　录

1前言1

研究背景1

车牌定位的进展现状1

本课题研究内容2

论文结构3

2方案确信3

3车牌定位算法4

算法流程4

旋转校正5

图像灰度化6

边缘检测7

数学形态学处置9

车牌提取12

实验测试和分析14

本章小结14

4字符分割14

车牌区域预处置15

去除边框15

字符分割16

本章小结17

5总结与展望18

总结18

展望18

参考文献20

附　　录21

致　　谢25

华南农业大学本科生毕业设计成绩评定表

1　前言

　研究背景

面对现今世界全世界化、信息化进展趋势，传统的交通技术和手腕已不适应经济社会进展的要求。

智能交通系统是交通事业进展的必然选择，是交通事业的一场革命。

我国在该领域的研究起步较晚，但随着全世界范围智能交通技术研究的兴起，我国也加速了对智能交通技术研究的步伐，智能交通技术的研究现已进入高速进展期。

车牌识别系统LPR（LicensePlateRecognition）作为交通治理自动化的手腕是车辆检测系统的一个重要环节,运用数字图像处置等技术对搜集到的车辆图像进行处置，能准确地识别车牌的号码，并以运算机可直接运行的数据形式给出识别结果，使车辆的电脑化监控和治理取得实现。

车牌识别技术可应用于道路交通监控、交通事故现场勘探、交通违章记录、小区停车场系统等方面，为智能交通治理提供了高效、快速、有效的手腕。

车牌识别系统的成功设计、开发和应用具有相当大的社会效益、经济效益和学术意义。

在交通治理中，车辆是要紧的监控目标，而车牌作为车辆的唯一的标识，因此，车牌自动识别技术就成了智能交通系统中最重要的部份。

在车牌识别中，最重要也是最困难的确实是车牌定位，定位的准确性将会直接阻碍车牌识别的进程和结果。

尽管交通网络超级复杂，但通过监控车牌就能够够实现交通信息的搜集统计，使治理工作和难度大幅度减少。

因此，车牌的准确信位变得加倍重要，准确的车牌定位是这种交通治理技术手腕的实现基础，准确的定位车牌能够有助于全面地、实时地了解交通网的状况，以便快速的作出相关方法，极大地提高了效率。

而在现实生活中，车牌的图像受到很多环境污染，如光照、背景、车型、角度和其它人为因素，都会给车牌的准确信位增加很多困难。

因此，车牌定位算法的研究有必要性，是交通智能化领域的一个重要的研究课题。

　车牌定位的进展现状

目前，国内外车辆车牌识别系统要紧采纳软硬结合的技术方案。

通过专用的抓拍设备抓拍到适合的能用于运算机定位的车牌照片图像，在取得的图像上进行车牌定位，具有精准度高，能全天候工作等特点。

尽管国外汽车识别系统研究工作已有必然进展，但并非尽合我国国情。

我国汽车车牌的种类、标准和悬挂地址标准不一样，道路环境，交通设备等很多因素都与国外有较大不同，但外国的识别系统中采纳的很多算法具有专门好的借鉴意义，咱们也需要有自己的一套车牌识别方式。

车牌定位的目的是将车牌所在的区域完整地从待定位图像中提掏出来，进而执行字符分割和识别。

因此，车牌定位是关于整个车牌识别系统而言是重中之重。

车牌定位的识别率和所需要的时刻都是决定车牌识别系统的整体性能的重要因素。

从车牌识别系统进入中国以来，国内有大量的学者在从事车牌定位算法方面的研究，提出了很多新颖快速的算法。

有基于边缘检测和形态学处置的车牌定位、基于彩色分割的车牌定位方式、基于小波变换的车牌定位方式、基于神经网络的车牌定位方式等多种基于不同理论的车牌定位方式（闫青，2020），可是这些方式都是针对车牌某一个或几个的特点来研究和进行车牌定位，因此都具有必然的局限性。

很多文献所提的方式仅停留在理论时期，具体成效还需要等待实际项目的进一步查验。

此刻，国内做得比较好的产品要紧有中科院自动化研究所汉王公司的“汉王眼”系统等，而一些国内的研究机构和高等院校也踊跃对车牌识别系统进行理论研究和开发。

随着智能交通事业的飞速进展，车牌识别系统具有庞大潜力和市场。

　本课题研究内容

基于图像处置的车牌识别系统一样包括如图1所示的五个部份：

图像处理

车牌定位

字符分割

字符识别

图像采集

图1　车牌识别系统流程图

本文要紧研究车牌识别系统中的两个关键的部份，确实是车牌定位和字符分割。

车牌定位和字符分割是整个车牌识别系统的核心部份，其结果直接阻碍到整个车牌识别系统的成效和质量。

因此，本文针对车牌的特点结合数学形态学的方式，在不断的学习和改良中，设计了车牌定位和字符分割的程序。

这种方式是依照车牌几何特点，通过旋转校正、灰度化、边缘检测和数学形态学处置以后把背景排除，从而提掏出车牌区域，在复杂的背景和光照下有着不错的成效。

在实现目标和仿真的软件上，选用了MATLAB。

MATLAB具有以下优势：

（1）MATLAB编程效率高，利用方便。

（2）MATLAB语言简练紧凑，利用方便灵活，库函数丰硕，而且内部集成了很多工具箱，为程序开发提供现成模块。

（3）MATLAB扩充能力强，交互性好，移植性和开放性较好。

（4）MATLAB语言简单，入门容易，自由度大，例如用户无需对矩阵预概念即可利用。

软件开发环境为MicrosoftWindows7；软件开发工具为MATLAB2020a。

　论文结构

本文组织分为四个章节：

第一章为前言，介绍了车牌识别系统的背景和研究意义，提出本课题研究的内容和工作。

第二章为方案选择，对例如式，确信方案。

第三章为车牌定位算法，具体地介绍了车牌定位算法的流程、方式和涉及的理论。

第四章为字符分割的算法，提出了利用投影法将上一章所取得的已经定位好的车牌图片进行字符分割，介绍了整个字符分割的流程和方式。

第五章是总结与展望，对整篇论文做一个总结，对结果作分析探讨，提出对以后的展望和方式。

2　方案确信

通过大量的资料搜索和学习，了解到关于车牌定位的方式有很多种，总结了以下几种方式：

（1）基于数学形态学的车牌定位方式（孟晓莉，等，2020）。

它的大体思想是用具有必然形态的结构元素去气宇和提取图象中的对应形状以达到对图象进行了分析和识别的目的。

该方式可有效地去除噪声干扰，设计简单方便，但欠缺适应性。

（2）基于灰度图像的车牌的快速定位方式（张向东，等，2007），在图像增强的基础上，对取得的二值图像进行处置从而取得特点图像，对特点图像进行水平扫描与垂直投影并结合车牌的特点信息来确信车牌区域。

（3）基于边缘检测的车牌定位方式（郭琳琳，等，2020），该方式定位准确率较高、反映时刻短、能有效去噪，但对车牌严峻褪色的情形会检测不到字符笔画边缘致使定位失败，受外界干扰及车牌倾斜阻碍。

（4）基于彩色分割的车牌定位方式（马永慧，2021），在HSI彩色空间的基础上进行边缘提取操作，取得图像饱和度和亮度边缘，并进行边缘合成，最后，利用色调信息的提取来判定车牌区域。

该方式能使车牌区域取得有效的增强，达到精准定位目的。

（5）基于小波变换的车牌定位方式（范蕤，等，2020），依照图像中车牌的形态特点和横向纹理属性，提取图像高频小波系数的均值、能量、熵等作为分类特点，同时通过形态学算法对车牌候选域和非车牌域进行聚类，并运用相关的知识对车牌候区域进行优化。

（6）基于基于纹理特点分析的车牌定位方式（齐永奇，等，2007），该方式先依照车牌区域的纹理特性确信出多个水平候选区域，再利用车牌区域垂直投影的统计规律对候选区域进行挑选，并确信出车牌左右边界。

（7）还有基于神经网络的车牌定位方式、基于遗传算法的车牌定位方式等等。

各类方式都有各自的益处和缺点，考虑到本人的能力和学习过的相关知识，选取了第一种方式，即基于数学形态学的车牌定位方式，该方式简单易处置，抗干扰强，容易编写，但缺点是适应性差。

3　车牌定位算法

　算法流程

整个车牌定位算法总共有5个步骤，别离是旋转校正、灰度化、边缘检测、数学形态处置和车牌提取。

流程图如图2所示：

车牌输入

旋转校正

灰度化

边缘检测

形态学处理

车牌提取

输出

图2　车牌定位算法流程图

　旋转校正

很多时候，待处置图片不必然是水平的图片，会有一些倾斜的图片，在资料搜集中，看到很多的研究者把旋转校正放在车牌定位后做，做一个车牌位置的旋转校正。

事实上，通过量次的实验和反复调试，车牌定位后做旋转校正，尽管要处置的数据较少，可是，车牌旋转校正比车辆图片旋转校正要难一些和成效要差一些。

在车牌定位时，当图像的倾斜角度比较大时，除形态学的处置达不到预期成效外，也无益于车牌区域的提取。

因此，为了输出一个滑腻整齐的车牌区域，本方式的安排顺序是先把车辆图片校正好再进行车牌定位。

这种新顺序，校正成效好，使得车牌定位准确。

校正方式本文采取radon变换，利用radon变换函数，能够迅速取得倾斜角，进而进行旋转校正。

它第一将车牌图像朝各个方向进行投影，计算字符间隙投影为零的个数，那么最多零值对应的角度即为车牌的垂直倾斜角，进而通过旋转相应的角度实现垂直倾斜校正；然后依照车牌上下边之间投影距离最短特性取得水平倾斜角度，利用插值方式得出最终校正结果。

由于算法采纳的都是一些显而易见的性质，因此具有普遍的应用范围（徐瑞，2020）。

持续情形下的radon变换是描述二元函数的投影在某一方向上的线积分，关于离散情形，在数学图像中确实是把那些将沿某方向的像素相加，即投影到与该投影方向相垂直的轴线上。

其原理是对原图像沿不同方向进行投影，并对投影结果成立二维直方图，选取极值点为直线所对应的点，二维直方图中的每一个极值点的两坐标对应直线边缘的倾斜角度和位置，而该坐标处对应的函数值对应投影的高度，从而能够取得直线的几何参数信息（倾斜角度和位置）（胡小健，等，2006）。

y'‘

y

L

θ

x

x'

图3　直线投影例子

举个简单例子，如图3，当坐标旋转一个角度θ的时候，直线L在新坐标的投影值会与原先直角坐标的投影值不一样，统计0到180度每一个度数的旋转后投影值，咱们能够找到一个投影值最大时新坐标旋转的角度θ，从以下图能够简单看到，当投影值最大的时候，能够轻松找到直线L的倾斜角，那个角度确实是θ加上90度。

利用MATLAB自带函数[R，xp]=radon（E，theta）；就能够够统计出不同角度的投影情形，通过[E，J]=find（R>=max（max（R）））找到R的最大值就能够够找到角度θ，就能够够轻松求出倾斜角。

最后用imrotate（）函数进行旋转就能够够取得咱们的校正后的图像。

图4　原图图5　校正结果

　图像灰度化

拍照到的图片是彩色图，彩色图含有大量的颜色信息，若是直接对彩色图像进行处置，会致使处置速度慢、存储空间大和运算复杂等问题。

彩色图像会有R、G、B三种颜色的分量，而灰度图的特点是：

只有亮度，不含其他色彩信息的图像，能够克服光照、颜色干扰等，使图片加倍简单易处置。

灰度图亮度值量化为256级，0为最暗全黑，255为最亮全白。

灰度化算法处置方便，将图片RGB值设置为相等即可，而那个值目前要紧采取加权平均法。

依照处置需要给予三个基色不同的权值，再对图像中每一个像素点进行加权平均，最后用那个值替代原先的三个基色分量的值，数学公式表达为：

（1）

公式1中

、

、

别离是R、G、B的权值。

明显的，权值选择不同，取得的灰度图亮度不一样。

由大量实验证明，

、

、

的值别离为、、时，灰度图的成效比较好。

现在，式可转化为：

Y=R=G=B=++

（2）

由公式2的加权平均值的方式所处置出来的灰度图成效会专门好。

在MATLAB里直接利用函数rgb2gray（）即可实现灰度化。

　边缘检测

图像的边缘是图像的一个大体特点。

边缘是指其周围元素灰度有阶跃转变的像素。

物体边缘普遍存在于物体之间、物体和背景之间还有物体不同部份之间。

因此，边缘是进行图像分割所依托的重要特点之一（吴林，2020）。

边缘检测能够突出图像边缘，减弱边缘之外图像区域。

在汽车图像中，牌照区域内含有丰硕的边缘，而其它区域那么不具有那个特点，因此针对这种特点咱们能够采纳边缘检测算法来分离目标与背景区域，仅对车牌部份进行增强。

常见的边缘提取方式主若是考察图像每一个像素的梯度变换情形，利用边缘临近的一阶或二阶方向导数规律进行检测。

常说的梯度算子实际确实是一阶导数算子。

当图像边缘灰度转变尖锐，而且图像噪声污染少时，采纳梯度算子对图像进行边缘提取会有比较好的成效。

边缘算子有很多，经常使用的以下几个：

Roberts算子、Prewitt算子、Sobel算子、Canny算子、Laplace算子、罗盘算子等。

图6　Sobel算子成效

图7　Canny算子成效

图8　Roberts算子成效

Sobel算子能比较好的呈现图像的边缘，对噪声不太灵敏，有必然的去噪能力，但会使图像边缘变粗，从而降低了定位精度。

Canny算子不易受噪声干扰，能检测弱边缘，能在噪音抑制和检测之间取得较好的平稳。

Roberts算子对峻峭的低噪声图像处置成效较好，检测垂直边缘的成效好于斜向边缘，定位精度高，对噪声灵敏，无法抑制噪声的阻碍。

在几种算子中，Roberts算子在噪声较少的情形下边缘检测的成效与其他算子相较更佳，车牌边缘清楚，字符轮廓明显（卓均飞，等，2020）。

从图6到图8能够看到各类算子的实际成效，Sobel算子的边缘成效较粗，对后期处置会造成定位不精准的问题，而Canny算子边缘检测成效强，但在本文的方式中并非需要把弱边缘都检测出来，因此最后决定采纳Roberts算子。

MATLAB提供了边缘检测的函数edge（I，'算子'），咱们很方便就能够够进行边缘检测的操作。

　数学形态学处置

数学形态学是分析几何形状和结构的数学方式，是成立在集合代数基础上，用集合论方式定量描述几何结构的科学。

其大体思想是用一个结构元素作为大体工具来探测和提取图像特点，看那个结构元素是不是能够适当有效地放入图像内部（熊春荣，等，2020）。

数学形态学是以形态结构元素为基础对图像进行分析的数学工具。

它的大体思想是用具有必然形态的结构元素去气宇和提取图像中的对应形状以达到对图像分析和识别的目的。

数学形态学的应用能够简化图像数据，维持它们大体的形状特点，并除去不相干的结构。

数学形态学的大体运算有4个：

膨胀、侵蚀、开运算和闭运算。

它们在二值图像中和灰度图像中各有特点。

基于这些大体运算还能够推导和组合成各类数学形态学有效算法。

膨胀是用来填补物体中小的孔洞和狭小的裂缝，使其形成连通域，是将与目标物体接触的所有背景点归并到物体中的进程，结果是使目标增大，孔洞缩小。

侵蚀具有使目标缩小、目标内孔增大，排除孤立噪声的作用（王怡，2020）。

在数学形态学图像处置中，除侵蚀和膨胀这两种大体运算外，还有两种超级重要的运算方式，即开运算和闭运算。

先侵蚀后膨胀的进程称作开运算，它具有排除细小物体，有在物体纤细处分离物体和滑腻较大物体边界的同时并非明显改变其面积的作用；而闭运算那么是先膨胀后侵蚀，它具有填充物体影像内细小空洞，连接临近物体和滑腻边界的同时并非明显改变其面积作用。

在数学形态学算法处置中结构元素的选取十分重要。

结构元素过大会使车牌区域的边缘点粘连在一路，候选车牌区域增多，愈甚者车牌区域与背景会粘连在一路，给后续的车牌候选区分析带来困难；而假设结构元素过小，那么会使车牌区域无法粘连在一路，就可能造成真正的车牌不包括在车牌候选区，以至于无法准确信位（朱光忠，等，2020）。

因为车牌是一个矩形，因此结构元素选取一个矩形的结构元素比较适合，而通过图片大小的分析，和车牌定制标准中车牌的宽高比大约3：

1到4：

1，选取strel（'rectangle'，[4，24]）作为开闭运算的结构运算，通过量次测试，成效良好。

数学形态学处置的步骤为：

（1）利用闭运算的性质，选择结构元素是大小为[5，25]的矩形，填充边缘检测后的图像，使车牌区域变成连通域。

（2）利用开运算的性质，用步骤

（1）的结构元素，分离每一个连通域的联系，去除噪点。

（3）再次利用开运算的性质，结构元素大小为[20，1]，达到去除细小狭小的矩形条区域。

MATLAB提供了方便的函数，能够轻松实现数学形态学处置的工作，具体函数如下：

IM=imclose（y,strel（'rectangle',[5,25]））；

IM1=imopen（IM,strel（'rectangle',[5,25]））；

IM2=imopen（IM1,strel（'rectangle',[20,1]））；

图9　闭运算成效

从图9能够看到，图像再也不是边缘轮廓，