数字图像处理课程设计车牌分割与识别.docx
《数字图像处理课程设计车牌分割与识别.docx》由会员分享，可在线阅读，更多相关《数字图像处理课程设计车牌分割与识别.docx（37页珍藏版）》请在冰豆网上搜索。
数字图像处理课程设计车牌分割与识别
车牌定位与分割研究
PS:
可以直接使用
摘要车牌识别技术是计算机视频图像识别技术在车辆牌照识别中的一种应用。
车牌识别技术要求能够将运动中的汽车牌照从复杂背景中提取并识别出来，通过车牌提取、图像预处理、特征提取、车牌字符识别等技术，识别车辆牌号。
本次课程设计内容是车牌定位与分割，主要实现了对车牌的位置的提取以及车牌符号的分割。
关键词：
车牌，识别，分割
Licenseplatelocationandsegmentation
AbstractLicenseplaterecognitiontechnologyisakindofapplicationofimagerecognitiontechnologyofcomputervideoinvehiclelicenserecognition.Licenseplaterecognitiontechnologycanrequestthevehiclenumberplatefromthecomplexbackgroundextractionandidentified,thelicenseplateextraction,imagepre-processing,featureextraction,characterrecognitionoflicenseplaterecognitiontechnology,vehiclenumber.Thedesigncontentofthiscourseisthelicenseplatelocationandsegmentation,themainachievementofthelicenseplatelocationandsegmentationoflicenseplateextractionofsymbol.
Keyword：
licenceplate，distinguish，division
1绪论
随着世界经济的快速发展，以及汽车制造技术的提高，汽车迅速成为人们日常生活中的一个必需品。
这造成全球的汽车数量猛增，而随之也导致城市的交通压力越来越大，城市的交通状况也因此得到了更多的关注。
如何有效地对交通进行管理，也成为各国政府和相关部门所关注的焦点和热点。
针对这些问题，人们开始将计算机技术、通信技术、计算机网络技术和自动化信息处理等很多新的科学技术用于交通道路的监视和管理系统，以此提高车辆管理和运输的效率。
它主要是通过对过往车辆实施检测，提取有关的交通数据来达到对交通的监控、管理和指挥。
车牌自动识别技术是指能够检测到受监控路面的车辆并自动提取车辆车牌信息（含汉字字符、英文字母、阿拉伯数字）进行处理与识别的技术。
它以计算机技术、图像处理技术、模糊识别技术为基础，识别车辆特征。
本次设计是在以往的车牌定位与分割算法的基础上介绍了车牌识别技术中的一种定位与字符分割算法。
1.1车牌识别技术的应用背景及前景
随着21世纪经济全球化和信息时代的到来，迅猛发展的计算机技术、通信技术和计算机网络技术，水平不断提高的自动化信息处理技术在人们社会活动和生活的各个领域得到广泛应用。
同时，高速度、高效率的生活节奏，使汽车普及成为必然趋势。
伴随着世界各国汽车数量的增加，城市的交通状况越来越受到人们的重视。
如何有效地进行交通管理日益成为各国政府相关部门所关注的焦点。
针对这一问题，人们相继研发了各种道路交通监管系统、车辆控制系统及公共交通管理系统。
这些系统将车辆和道路综合起来进行考虑，运行先进的技术解决道路交通的问题，统称为智能交通系统（IntelligentTransportationSystem，简称ITS）。
车牌识别（LicensePlateRecognition,LPR）技术作为智能交通系统（ITS）的重要组成部分，在交通管理和控制中占有着很重要的地位，可以应用到以下一些领域：
（1）封闭式居民小区物业管理以及重要部门的安保管理。
车牌识别技术的推广普及，必将对加强城市道路管理，减少交通事故、车辆失窃案件的发生，以及保障社会稳定等方面产生重大而深远的影响。
（2）城市交通路口的“电子警察”。
（3）公路布控管理系统。
该系统采用车牌识别技术可实现对重点车辆的自动识别、快速报警处理，不仅可以有效防止机动车辆被盗，而且为公安、监察机关对犯罪嫌疑人所驾驶的车辆进行自动监控、跟踪提供了有效手段。
（4）高速公路超速监管系统。
该系统以车牌识别技术为核心技术，辅助其他高科技手段，建立高速公路无人值守的自动监测和自动布控系统，可以有效地获取超速车辆的图像，并得到该车的牌照号码，便于对违规车辆进行处罚。
从而降低因超速引起的交通事故的发生率。
（5）路桥、隧道等卡口的自动收费系统。
（6）高速公路收费管理系统。
在高速公路收费入、出口分别完成车牌号码识别和车牌匹配工作，实现不停车收费；还可以根据识别出的车牌号码从数据库中调出该车档案，可发现没有及时交纳养路费的车辆。
随着车牌识别技术的不断成熟，高效、识别率高的车牌识别技术还将应用于一些对性能要求比较高的单片机上。
还提供一个可以对车辆信息实时采集的公共平台，使各管理部门间能够协调统一的对车辆及道路情况进行监控管理，从根木上解决了目前全国交通及公安系统信息采集的多渠道、事件信息收集的单一性以及互不沟通、互不兼容的信息管理方式，车牌识别技术具有广泛的应用前景。
1.2车牌识别系统的工作原理及组成
车牌识别（LPR）系统是智能交通系统（ITS）的一个重要组成部分，该系统能从一幅车辆图像中自动提取车牌图像，自动分割字符，进而对字符进行识别，得到车牌的号码。
基于PC的车牌识别系统是利用PC机及摄像机等电子设备采集某一路段的汽车图像，对图像进行处理，获取车牌的位置及字符信息，完成车牌目标的自动定位与识别。
图1为车牌识别系统流程：
图1车牌识别系统流程
其工作流程是：
当系统发现有车辆通过时，触发图像采集部分工作，通过对车辆进行抓拍，获取车辆的前视或后视图。
然后将所采集的车辆数字图像送入计算机系统，通过车牌定位、字符分割三个环节的处理，最终得到车牌号码。
其中的计算机处理系统主要涉及了两个关键技术：
车牌区域定位技术、车牌字符分割技术。
2设计内容
2.1宝马汽车“鲁A88888”车牌定位与分割
2.1.1读入汽车图像并直方图均衡化
直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
读入需要处理的汽车图像并直方图均衡化：
clear;clc;closeall
I=imread（'E:
\数字图像处理课程设计\car1.jpg'）;
figure
（1）,imshow（I）;title（'汽车原图'）;
I=rgb2gray（I）;
imwrite（I,'汽车灰度图.jpg'）;
figure
（2）,imshow（I）;title（'汽车灰度图'）;
figure（3）,subplot（2,1,1）,imhist（I）;title（'汽车灰度图直方图'）;
[J,T]=histeq（I,256）;%有256个灰度级
subplot（2,1,2）,imhist（J）;%均衡化后的直方图
title（'直方图均衡化'）;
读入的图像为：
将它转换为灰度图：
汽车图像直方图均衡化前后的直方图：
2.1.2边缘提取
边缘是图像中亮度突然变化的区域，是图像灰度构成的曲面上的陡峭区域，是像素灰度存在阶跃变化或屋脊状变化的像素的集合。
灰度图像边缘提取，主要的思想是：
抑制噪声（低通滤波、平滑、去噪、模糊），边缘特征增强（高通滤波、锐化），边缘定位。
常用的算子如Prewitt算子：
Sobel算子（四邻域的权重更大）：
tic%计时开始
[height,width]=size（J）;%灰度图长宽
%求梯度
I_edge=zeros（height,width）;%创建height*width的矩阵
fori=2:
width-1%对每一列开始遍历
I_edge（:
i）=abs（J（:
i+1）-J（:
i-1））;%每列的值赋为原图像中左右两列相减的绝对值第十章图像分割P456Prewitt算子
end
I_edge=（255/（max（max（I_edge））-min（min（I_edge））））*（I_edge-min（min（I_edge）））;%归一化处理（0～255）
figure（4）,imshow（I_edge）;title（'梯度算子检测边缘'）;
2.1.3选取最佳阈值二值化图像
取得最佳阈值，将图像二值化。
二值图像是指整幅图像画面内仅黑、白二值的图像。
在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来，二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等等。
车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大地提高处理效率。
阈值处理的操作过程是先由用户指定或通过算法生成一个阈值，如果图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为0或255，否则灰度值设置为255或0。
function[y,y1]=select（ImageData,h,w）
thr=0.5;delta=0.05;
y=（ImageData>=thr*mean（max（ImageData）））;
%max（a）找出矩阵a每一列的最大值
BW2=bwareaopen（y,10）;%删除面积小于10的对象
SE=strel（'square',15）;%创建一个15*15正方形结构元素
IM2=imdilate（BW2,SE）;%腐蚀
IM3=imerode（IM2,SE）;%膨胀
%等效于开运算，消除小物体，在纤细点处分离物体，平滑较大物体边界，但同时并不明显改变原来物体的面积
average=sum（sum（IM3））/（h*w）;
%sum（a），对a矩阵每一列求和
while（average<0.03||average>0.08）
if（average<0.03）
thr=thr-delta;
else
thr=thr+delta;
end
y=（ImageData>=thr*mean（max（ImageData）））;%求向量元素平均值
BW2=bwareaopen（y,10）;%删除面积小于10的对象
IM2=imdilate（BW2,SE）;%腐蚀
IM3=imerode（IM2,SE）;%膨胀
%等效于开运算
average=sum（sum（IM3））/（h*w）;%求灰度平均值
end
y1=y;
y=IM3;
2.1.4形态学操作
数学形态学（MathematicalMorphology）诞生于1964年，是由法国巴黎矿业学院博士生赛拉（J.Serra）和导师马瑟荣，在从事铁矿核的定量岩石学分析及预测其开采价值的研究中提出“击中/击不中变换”，并在理论层面上第一次引入了形态学的表达式，建立了颗粒分析方法。
他们的工作奠定了这门学科的理论基础，如击中/击不中变换、开闭运算、布尔模型及纹理分析器的原型等。
数学形态学的基本思想是用具有一定形态的结构元素去量度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。
数学形态学是由一组形态
升级会员 