1、Design and Implementation Method of Vehicle License Plate Character Image Segmentation摘要隨著社會的發(fā)展，車輛將越來越多，為了更好地管理車輛，智能交通系統(tǒng)將是發(fā)展的方向，而車牌自動識別系統(tǒng)是智能交通系統(tǒng)中一個重要的環(huán)節(jié)，它主要包括三個關(guān)鍵技術(shù)：車牌定位、車牌字符分割以及車牌字符識別。本文針對車牌自動識別系統(tǒng)中關(guān)鍵技術(shù)之一的車牌字符分割部分做了深入的研究。首先，本文對車牌字符分割前的預(yù)處理進(jìn)行了較深入研究，尤其是車牌圖像二值化后的去噪處理，包括開閉運算、去除邊緣、去除圓點等。其次，在字符分割算法中，給出兩種分割

2、算法，一種是固定邊界法，另一種是垂直投影法，并對車牌字符進(jìn)行了分割。然后，在分析了這兩種方法的優(yōu)缺點后，將這兩種方法相結(jié)合進(jìn)而得到改進(jìn)的投影法，實驗表明，就算是在除噪后仍然有少量噪聲的車牌進(jìn)行分割時，該方法也可以得到很好的字符分割效果。關(guān)鍵詞：字符分割；二值化；投影法AbstractThere will be more and more cars with the development of society. Intelligent Transport System will be the direction of development. System of License Plate A

3、utomaticRecognition is an important part of the Intelligent Transport System. It is contain of three key technologies: the location of license plate, the division of license plate character and the recognition of license plate character. This paper studied at character recognition technology which i

4、s one key technology of the System of License Plate AutomaticRecognition.At first, I study the license plate character segmentation image preprocessing, especially the license plate image binarization of denoising processing, including open arithmetic, close arithmetic, wipe of the edge, and wipe of

5、 the round spot etc.The second, there are two ways to divide the plate. one way is the fixed boundary, and the other is a vertical projection. Then I separate the license plate characters.finally ,I compared two kinds of methods, they can be incorporated into the new projection method.The experiment

6、al results show thateven after the noise reduction still contains a small amount of noise of the license plate segmentation,the method also can get very good effect.Keywords: The division of license plate character；Binarization；The method of shadow目錄第一章 緒論112344第二章車牌字符分割的相關(guān)理論基礎(chǔ)52.1數(shù)字圖像處理技術(shù)55二值圖像5556

7、第三章車牌圖像的預(yù)處理888910101012第四章車牌字符分割方法及結(jié)果分析13131314141415151515第五章 總結(jié)17參考文獻(xiàn)18致謝19附錄20附錄一：車牌字符分割源程序20附錄二：英文原文及翻譯25第一章 緒論隨著經(jīng)濟(jì)的快速發(fā)展和汽車制造技術(shù)的提高，使汽車迅速成為人們?nèi)粘Ｉ钪械囊粋€不可或缺的必需品。這導(dǎo)致全球的汽車數(shù)量猛增，而隨之也造成城市的交通壓力越來越大，城市的交通狀況也因此受到了更多的關(guān)注。如何對交通進(jìn)行有效地管理，也成為各國政府及相關(guān)部門所關(guān)注的熱點和焦點。針對這些問題，人們開始將通信技術(shù)、計算機(jī)技術(shù)、計算機(jī)網(wǎng)絡(luò)技術(shù)及自動化信息處理等很多新興的科學(xué)技術(shù)用于交通道路

8、的監(jiān)視和管理系統(tǒng)，以此提高車輛運輸和管理的效率。它主要是通過對過往車輛進(jìn)行抽樣檢測，提取相關(guān)的交通數(shù)據(jù)來達(dá)到對交通的監(jiān)控、指揮和管理。車牌自動識別技術(shù)(LPR)是指能夠檢測到受監(jiān)控路面車輛并能夠自動提取車輛車牌信息（包括漢字字符、英文字母、阿拉伯?dāng)?shù)字及號牌顏色）進(jìn)行數(shù)據(jù)分析與識別的技術(shù)。它以計算機(jī)技術(shù)、圖像處理技術(shù)、模糊識別技術(shù)為基礎(chǔ)，再建立運動車輛特征模型，識別車輛特征，比如號牌、車型、顏色等，并重點解決高速車輛圖像的獲取及清晰度問題。本文是在以往的車牌分割算法的基礎(chǔ)上闡述了車牌識別技術(shù)中的一種字符分割算法，該算法是針對一種已成熟的字符分割算法（投影法）的改進(jìn)性研究。本章是本文的緒論部分，介

9、紹了車牌識別技術(shù)的應(yīng)用背景及前景、工作原理及其組成、發(fā)展現(xiàn)狀，以及本文的主要內(nèi)容和章節(jié)安排。隨著21 世紀(jì)經(jīng)濟(jì)全球化及信息時代的到來，迅速崛起的通信技術(shù)、計算機(jī)技術(shù)和計算機(jī)網(wǎng)絡(luò)技術(shù)，以及水平不斷提高的自動化信息處理技術(shù)在社會活動和生活的各個領(lǐng)域得到廣泛應(yīng)用。同時，高速度的生活節(jié)奏及高效率的社會活動，使汽車普及成為必然趨勢。隨著世界各國汽車數(shù)量的增加，人們越來越重視城市的交通狀況。如何有效地進(jìn)行交通管理逐漸成為各國政府相關(guān)部門所關(guān)注的熱點。針對這一問題，人們相繼研發(fā)了各種道路交通管理系統(tǒng)、車輛管理系統(tǒng)及公共交通監(jiān)控系統(tǒng)。這些系統(tǒng)把車輛和道路綜合到一起進(jìn)行考慮，運行先進(jìn)的技術(shù)解決道路交通的問題，稱

10、之為智能交通系統(tǒng)（Intelligent Transportation System，簡稱ITS）。ITS 是20 世紀(jì)90 年代興起的新一代交通管理系統(tǒng)。它利用先進(jìn)的信息處理技術(shù)、導(dǎo)航定位技術(shù)、無線通信技術(shù)、自動控制技術(shù)、圖像處理和識別技術(shù)及計算機(jī)網(wǎng)絡(luò)技術(shù)等加強(qiáng)道路、車輛、駕駛員和管理人員的聯(lián)系，實現(xiàn)道路交通管理自動化和車輛行駛的智能化，增強(qiáng)交通安全，減少交通堵塞，提高運輸效率，減少環(huán)境污染，節(jié)約能源，提高經(jīng)濟(jì)活力。交通管理自動化逐漸成為待解決的問題，在這種社會背景下，車輛的自動檢測是信息的來源，越來越受到人們的重視。關(guān)于汽車牌照等相關(guān)信息的自動采集和處理對于交通車輛管理、停車場管理、園區(qū)車

11、輛管理、交警稽查等方面有著重要的意義，因此成為信息處理技術(shù)的一項炙手可熱研究課題。車牌識別(License Plate Recognition, LPR)技術(shù)是智能交通系統(tǒng)（ITS）的重要組成部分，在交通控制和管理中占有著很高的地位，可以應(yīng)用到以下一些領(lǐng)域：（1）重要部門的安保管理以及封閉式居民小區(qū)物業(yè)管理。車牌識別技術(shù)的推廣普及，必將對減少交通事故、車輛失竊案件的發(fā)生和加強(qiáng)城市道路管理起著重要作用，以及保障社會穩(wěn)定等方面產(chǎn)生重大而深遠(yuǎn)的影響。（2）城市交通路口的“電子警察”。（3）公路布控管理系統(tǒng)。該系統(tǒng)采用車牌識別技術(shù)可實現(xiàn)對重點車輛的自動識別、快速報警處理，不單可以有效防止機(jī)動車輛被盜，

12、而且為監(jiān)察機(jī)關(guān)、公安對犯罪嫌疑人所駕駛的車輛進(jìn)行自動監(jiān)控和跟蹤提供了有效手段。（4）高速公路超速監(jiān)管系統(tǒng)。該系統(tǒng)以車牌識別技術(shù)為中心，輔助其他科技手段，建立高速公路無人的自動監(jiān)測和自動布控系統(tǒng)，可以有效且快速地獲取超速車輛的圖像，并獲取該車的牌照號碼，以便于對違規(guī)車輛進(jìn)行處罰。進(jìn)而降低因超速引起的交通事故的發(fā)生。（5）路橋、隧道等關(guān)口的自動收費系統(tǒng)。（6）高速公路收費管理系統(tǒng)。在高速公路收費出、入口分別完成車牌號碼識別和車牌匹配工作，以實現(xiàn)不停車收費；還可以依據(jù)識別出的車牌號碼從車輛管理數(shù)據(jù)庫中調(diào)出該車檔案，可以發(fā)現(xiàn)沒有及時交納養(yǎng)路費的車輛。隨著車牌識別技術(shù)的不斷發(fā)展，成熟、識別率高的車牌識別

13、技術(shù)還將應(yīng)用于一些對性能要求較高的單片機(jī)上。還應(yīng)用于一個可以對車輛信息實時采集的公共平臺上，使各管理部門之間能夠協(xié)調(diào)統(tǒng)一的對車輛和道路情況進(jìn)行監(jiān)控管理，從根本上解決了目前全國交通及公安系統(tǒng)信息采集的多渠道、多事件信息收集的單一性以及互不溝通、互不兼容的信息管理方式。故車牌識別技術(shù)有著廣泛的應(yīng)用前景。車牌識別系統(tǒng)是智能交通系統(tǒng)(ITS)的一個核心組成部分，該系統(tǒng)能從一幅車輛圖像中自動提取車牌圖像，自動實現(xiàn)分割字符，進(jìn)而對字符進(jìn)行識別，以得到該車牌的號碼?；赑C的車牌識別系統(tǒng)是通過利用PC機(jī)及攝像機(jī)等電子設(shè)備采集某些路段的汽車圖像，對圖像進(jìn)行處理，進(jìn)而獲取車牌的位置及字符信息，完成車牌目標(biāo)的自動

14、定位和識別。圖11為車牌識別系統(tǒng)流程圖：采集圖像車牌定位字符分割字符識別信息存儲圖車牌識別系統(tǒng)流程其工作流程是：當(dāng)發(fā)現(xiàn)有車輛通過時，觸發(fā)圖像采集部分工作，通過對車輛進(jìn)行拍攝，獲取車輛的前視或后視圖。然后將所采集的車輛圖像送入計算機(jī)系統(tǒng)，通過車牌定位、字符分割、字符識別三個環(huán)節(jié)的處理，最后得到車牌號碼。計算機(jī)處理系統(tǒng)主要涉及了三個關(guān)鍵技術(shù)：車牌區(qū)域定位技術(shù)、車牌字符分割技術(shù)和車牌字符識別技術(shù)。之后本文只針對車牌字符分割技術(shù)的研究現(xiàn)狀加以闡述。車牌字符分割技術(shù)是指將定位后的車牌區(qū)域分割成單個字符。字符分割的準(zhǔn)確與否會直接關(guān)系到下一步的字符識別，因此很多學(xué)者對此課題進(jìn)行了研究，提出了很多關(guān)于車牌字符

15、分割的方法。張云剛，張長水等提出了一種先進(jìn)行分段，再用Hough變換擬合直線的水平分割方法以及基于先驗知識約束的垂直分割方法1，同時還提出目標(biāo)增強(qiáng)的預(yù)處理方法。遲曉君，孟慶春等提出了一種基于垂直投影特征值的分割方法2，根據(jù)車牌二值圖像垂直投影圖的特點，選取一個特征值，并將車牌圖像的先驗知識與此特征值相結(jié)合來對車牌進(jìn)行字符分割。吳進(jìn)軍、杜樹新等提出了一種車牌字符分割新方法3，首先將車牌圖像上的第三個字符定位，再進(jìn)行字符區(qū)域的分裂與合并，然后針對字符缺損情況，進(jìn)行字符區(qū)域擴(kuò)展，并對字符區(qū)域高度進(jìn)行調(diào)整，最終實現(xiàn)車牌字符的分割。王興玲提出了基于類間方差車牌字符分割的模板匹配算法4，該算法根據(jù)車牌字符

16、串的結(jié)構(gòu)和尺寸特征，設(shè)計出車牌字符串模板，用該模板在車牌區(qū)域滑動來進(jìn)行匹配、分類，并根據(jù)最大類間方差判決準(zhǔn)則，確定最佳匹配位置，分割出車牌字符。陳黎等提出了基于聚類分析的車牌字符分割方法5，根據(jù)屬于同一個字符的像素構(gòu)成一個連通域的原則，結(jié)合牌照標(biāo)準(zhǔn)的固定字符間距，固定比例關(guān)系等先驗知識，來對車牌進(jìn)行字符分割。趙海燕等提出了基于最小面積法進(jìn)行的車牌字符分割6，該方法的根據(jù)是車牌橫平時車牌照所形成的連通域面積最小，從而提出用最小面積法來計算旋轉(zhuǎn)角度，進(jìn)行灰度均值化處理后，通過水平投影去除邊界，最后計算垂直投影從而進(jìn)行有效分割。以上的算法在正常的情況下可以較好的將車牌字符分割出來，但我國由于道路環(huán)境

17、或人為因素造成車牌污染嚴(yán)重，使在對車牌預(yù)處理之后，會出現(xiàn)不同程度的噪聲，對車牌字符的正確分割有很大阻礙，使車牌中字符可能存在的粘連或斷裂情況；另外，我國車牌的種類繁多，僅僅底色就有藍(lán)，黃，白，黑等，字符分割技術(shù)仍需要進(jìn)一步改進(jìn)。車牌字符分割的準(zhǔn)確與否將直接關(guān)系到車牌字符的識別，如果字符分割誤差較大，那會直接導(dǎo)致車牌識別的失敗。在實際生活中，車牌會由于受到光照、傾斜、刮花等很多客觀因素影響，從而使得車牌圖像有時不太理想，這也是即使字符識別已可以達(dá)到手寫體的水平，但車牌自動識別系統(tǒng)還在逐步完善的原因之一。本文的工作內(nèi)容主要包括：（1）給出了對車牌圖像的預(yù)處理過程，包括對車牌的灰度化、二值化、閉運算

18、、開運算、去除圓點、去除邊框等過程。（2）給出了應(yīng)用垂直投影法對車牌圖像進(jìn)行分割的方法及分割結(jié)果分析。（3）給出了應(yīng)用固定邊界法對車牌圖像進(jìn)行分割的方法分割結(jié)果分析。（4）在分析了上述兩種方法的優(yōu)缺點之后，提出了改進(jìn)的投影法。本文主要就關(guān)于車牌字符的分割方法展開研究，結(jié)構(gòu)安排如下：第一章為緒論。主要介紹了課題的研究背景及前景；對車牌自動識別系統(tǒng)做了概述；并對車牌識別系統(tǒng)的研究現(xiàn)狀進(jìn)行了概述；闡述了本文研究的主要內(nèi)容，并在最后給出了本文的結(jié)構(gòu)安排。第二章為車牌字符分割的相關(guān)理論基礎(chǔ)。主要介紹了車牌字符分割過程中應(yīng)用到的一些關(guān)鍵知識，尤其是在車牌字符的預(yù)處理和分割過程中用到的關(guān)于灰度化、二值化、腐

19、蝕及膨脹等方面的理論。第三章為車牌圖像的預(yù)處理。主要介紹了車牌圖像的預(yù)處理過程，包括圖像灰度化、圖像二值化、閉運算、開運算、去除邊框以及噪聲去除等。第四章為車牌字符分割方法及結(jié)果分析。分別介紹了基于垂直投影的車牌字符分割方法，基于車牌固定邊界法的字符分割方法和將投影法與固定邊界法相結(jié)合形成的改進(jìn)的投影法的字符分割方法及其以上方法的結(jié)果分析。第五章為總結(jié)。給出對所做工作的心得體會以及總結(jié)。第二章車牌字符分割的相關(guān)理論基礎(chǔ)圖像信息是在日常的生活、生產(chǎn)中接觸最多的信息之一，是我們獲得外界信息的主要來源，科學(xué)研究和統(tǒng)計表明，我們從外界獲得的信息約有75%是從圖像中獲得的7。這里圖像的概念是比較廣泛的。

20、如何從中找到我們所需要的信息就是我們關(guān)注的焦點，因此圖像處理技術(shù)的發(fā)展將會日益成熟，現(xiàn)已經(jīng)在很多方面取得了較大的進(jìn)步，尤其在近幾年，計算機(jī)、計算機(jī)網(wǎng)絡(luò)、數(shù)字通信等技術(shù)的飛速發(fā)展，圖像處理技術(shù)的發(fā)展起到了推動作用。2.1數(shù)字圖像處理技術(shù)理論上講，圖像是二維的連續(xù)函數(shù)，因此在計算機(jī)上對圖像進(jìn)行數(shù)字處理的時候，首先必須對其在亮度和空間上進(jìn)行數(shù)字化，這就是圖像的采集和量化的過程?？臻g坐標(biāo)的數(shù)字化稱為圖像采樣，而幅值數(shù)字化稱為灰度級量化。2.1.1灰度圖像灰度圖像是指每個像素由一個量化的灰度值來描述的圖像。它不包含彩色信息。若灰度圖像的像素都是unit8型或unit16型，則它們的整數(shù)值范圍分別是0,2

21、55和0,65535。若圖像是double型，則像素的取值就是雙精度浮點型。圖2.1表示一幅灰度圖像及其對應(yīng)的圖像矩陣。I=圖2.1灰度圖像的數(shù)字矩陣2.1.2二值圖像二值圖像又稱黑白圖像，是指圖像的每個像素沒有中間的過渡只能是黑或白。二值圖像的像素值為0或1，圖2.1表示一幅二值圖像對應(yīng)的圖像矩陣。圖2.2二值圖像的數(shù)字矩陣數(shù)學(xué)形態(tài)學(xué)于1964年創(chuàng)立，其基本思想和方法對圖像處理理論和技術(shù)產(chǎn)生了重大影響8。數(shù)學(xué)形態(tài)學(xué)的基本思想是用有一定的結(jié)構(gòu)元素去度量和提取圖像中的對應(yīng)形狀，以達(dá)到對圖像識別和分析的目的。應(yīng)用數(shù)學(xué)形態(tài)學(xué)可以簡化圖像數(shù)據(jù)，但可以保持它們基本形狀特性的數(shù)據(jù)，并且除去不相關(guān)結(jié)構(gòu)的數(shù)據(jù)

22、。數(shù)學(xué)形態(tài)學(xué)的算法天然具有并行實現(xiàn)的結(jié)構(gòu)，實現(xiàn)了處理算法和形態(tài)學(xué)分析的并行，從而大大提高到了圖像分析、處理的速度。數(shù)學(xué)形態(tài)學(xué)不僅僅有堅實的理論基礎(chǔ)，樸素、簡潔、統(tǒng)一的思想，還有著廣泛的使用價值。有人稱數(shù)學(xué)形態(tài)學(xué)在理論上是嚴(yán)謹(jǐn)?shù)?，在基本觀念上卻是簡單和優(yōu)美的9。數(shù)學(xué)形態(tài)學(xué)有膨脹、腐蝕、閉運算、開運算四種基本運算：（1）膨脹：設(shè)用表示圖像，表示結(jié)構(gòu)元素（B也是圖像集合，和均為集合），形態(tài)學(xué)運算就是用對進(jìn)行操作。膨脹的運算符為，用對進(jìn)行膨脹可記為，定義為公式2-1：（2-1）公式2-1中，表示集合的反射，它的定義為：。表示對的反射進(jìn)行位移z，所以上式表明用膨脹的過程是，先對做關(guān)于原點的映射，再將其平

23、移z，這里與的交集不能為空集。換句話說，用來膨脹得到的集合是位移與至少有一個非零元素相交時的原點位置的集。（2）腐蝕：腐蝕的算符為，用B來腐蝕寫作，定義為公式2-2：（2-2）公式2-2表明用腐蝕的過程就是對平移運算，結(jié)果是所有x的集合，即平移x后仍在中，換句話說，用腐蝕得到的集合是完全包括在中時的原點位置的集合，即平移后的與的背景并不疊加。（3）開運算：開運算是先對圖像進(jìn)行腐蝕，然后膨脹其結(jié)果。用對進(jìn)行形態(tài)學(xué)的開運算可以記作，定義為公式2-3：（2-3）公式2-3的簡單集合解釋為：是在內(nèi)全匹配的平移的并集。（4）閉運算：閉運算是指先對圖像進(jìn)行膨脹，然后腐蝕其結(jié)果。用對進(jìn)行形態(tài)學(xué)的閉運算可以記

24、為：，它的定義為公式2-4： （2-4）公式2-4表示，用元素對進(jìn)行形態(tài)學(xué)閉的運算結(jié)果包括所有滿足以下條件的點：該點可被位移和映射的結(jié)構(gòu)元素覆蓋時，與經(jīng)過位移和映射的的交集不為零。從幾何上講，是所有不與重疊的的平移的并集。閉運算和開運算都可以除去比結(jié)構(gòu)元素小的特定圖像細(xì)節(jié)，同時能保證不使全局發(fā)生失真。開運算可以把比結(jié)構(gòu)元素小的畸變?yōu)V掉，切斷細(xì)長搭接而起到分離作用。閉運算則可以把比結(jié)構(gòu)元素小的缺口或孔填充上，搭接短的間斷而起到聯(lián)通作用10。第三章車牌圖像的預(yù)處理圖像的灰度化，就是將彩色圖像轉(zhuǎn)化為具有256個灰度級的黑白圖像，灰度圖像只保留圖像的亮度信息，去除了色彩信息，就像我們平時看到的黑白照片

25、，它的亮度由暗到明，而且亮度變化是連續(xù)的。圖像灰度化后可以使處理運算量大大減少，這樣處理過程就變得更加簡單和省時。在灰度圖像中，通常將亮度劃分成0到255共256個級別，0最暗，255最亮。圖3.1為將彩色圖像灰度化前后的圖像：圖像二值化是指將彩色或灰度圖像轉(zhuǎn)化為黑白圖像，而且圖像沒有灰度層次的變化，對圖像二值化可根據(jù)公式3-1或3-2來確定。其中t為閾值，為輸入圖像數(shù)據(jù)，為輸出圖像數(shù)據(jù)。（3-1）（3-2）由式（3-1）和（3-2）可知，圖像的二值化就是選取一個閾值，灰度值大于閾值的（或小于閾值的）被認(rèn)定為字符圖像，灰度值小于閾值的（或大于閾值的）被認(rèn)定為車牌背景，對車牌圖像進(jìn)行二值化處理的

26、目的就是將車牌上的字符和背景分開，因此在二值化過程中最關(guān)鍵的就是閾值的選取，好的閾值可以把車牌背景和車牌上的字符區(qū)分開來，而不恰當(dāng)?shù)拈撝禃驯尘罢J(rèn)定為字符，同樣也可能把部分字符認(rèn)定為背景。下面介紹幾種常用的二值化方法：（1）全局閾值法：在分割過程中，對車牌圖像的每個像素值采用相同的閾值，就是全局閾值算法。如果背景的像素值在整個圖像中可近似看作為恒定，那么，只要選擇了正確的閾值，使用一個固定的全局閾值就可以達(dá)到較好的二值化效果。因此如何選擇閾值就成為全局閾值算法的關(guān)鍵所在。在全局閾值算法中最出名的也是效果最好的就是Otsu提出的最大方差閾值算法。這是1980年由日本的大津提出，故又稱為大津閾值算

27、法，在判別與最小二乘原理的基礎(chǔ)上推導(dǎo)出來的11。它的基本原理是按圖像的灰度特性,將圖像分成背景和目標(biāo)兩部分。背景和目標(biāo)之間的類間方差越大,說明構(gòu)成圖像的兩部分的差別越大,當(dāng)部分目標(biāo)錯分為背景或部分背景錯分為目標(biāo)都會導(dǎo)致兩部分差別變小。因此,使類間方差最大的分割意味著錯分概率最小。（2）局部閾值法：在許多情況下，背景的灰度值并不能近似為一個常數(shù)，由于各種原因使得車牌受到污染或有陰影、光照不均等，都會使車牌字體顏色和背景顏色的對比度在圖像中產(chǎn)生變化。這時，取一個定值作為整個圖像的閾值對圖像分割，會由于不能兼顧圖像各處的情況而使分割效果受到影響。在此情況下，有一種解決辦法就是局部閾值法，該方法由像素

28、的灰度值以及該像素周圍點的局部灰度特性來確定閾值，把灰度閾值取成一個隨圖像位置緩慢變化的函數(shù)值，因而也稱此方法為自適應(yīng)閾值算法或動態(tài)閾值算法。由于實際應(yīng)用中，全局閾值法已可以滿足本文車牌字符分割的要求，因此本文采用了大律法（Otsu法）。大律法的原理為：設(shè)為車牌圖像的前景與后景的分割閾值，前景點數(shù)所占圖像的比例為，平均灰度為；后景點數(shù)所占圖像比例為，平均灰度為；則圖像的總平均灰度為。以為閾值從最小灰度值到最大灰度值遍歷圖像，當(dāng)使得類間方差值為最大時即為最佳閾值。因為方差值的大小代表了灰度值的分布情況，因而當(dāng)方差越大，說明前景和背景的差別越大，當(dāng)將前景劃為背景區(qū)域或?qū)⒈尘皠潪榍熬皡^(qū)域時都會使得方

29、差變小，所以當(dāng)使得方差最大時即為最佳閾值。圖3.2為二值化后車牌圖像；在圖像中，由于獲取圖像的設(shè)備會產(chǎn)生噪聲，在圖像傳輸過程中也會存在噪聲，而車牌本生也會有噪聲，這就使得我們獲得的圖像都夾雜著或多或少的噪聲。是否需要將圖像進(jìn)行去噪處理，這取決于噪聲對圖像的影響程度。一般來說我們只有對圖像進(jìn)行去噪處理后才能更好的實現(xiàn)車牌的分割和識別。一般將圖像中的噪聲分為兩種：一種是加性噪聲，另一種是乘性噪聲。加性噪聲和原圖像數(shù)據(jù)是加的關(guān)系，可用表達(dá)式3-3來表示。而乘性噪聲和原圖像數(shù)據(jù)是相乘的關(guān)系，可用表達(dá)式3-4來表示。（3-3）（3-4）產(chǎn)生的噪聲會因產(chǎn)生原因的不同而表現(xiàn)出不同的特點。常見的噪聲類型有：均

30、勻分布噪聲、高斯噪聲、脈沖噪聲、指數(shù)分布噪聲、瑞利噪聲、伽馬噪聲等噪聲模型。在去噪時，我們需要根據(jù)噪聲的特點采取相應(yīng)的方法去噪。大體上可以分為兩種，一種是在時域進(jìn)行去噪，另外一種是在頻域進(jìn)行去噪。這兩種方法是根據(jù)不同的思想進(jìn)行去噪的，一個是利用信號和噪聲的時域特征將噪聲去除，一個是利用信號和噪聲的頻域特征來將噪聲去除。不管是哪種方法，我們都是為了將信號和噪聲分離從而得到一個含有少量噪聲的圖像數(shù)據(jù)。在時域上去噪的方法有很多種，比如：均值濾波、順序濾波、自適應(yīng)濾波等濾波方法。而在頻域上去噪主要是利用噪聲和信號所占頻帶的不同從而將其分離，根據(jù)噪聲所在不同的頻帶，我們可以采用低通濾波、高通濾波和帶通濾

31、波來去噪12。本文主要運用了數(shù)學(xué)形態(tài)學(xué)方法中的開閉運算來實現(xiàn)去噪的處理，還根據(jù)車牌標(biāo)準(zhǔn)判斷噪聲的位置與投影像素原理相結(jié)合的方法進(jìn)行去噪處理，下面是對開閉運算以及去除其它噪聲等方法的介紹。由于車牌上會有泥點、刮痕、銹蝕等造成車牌上會成為噪聲，在二值化時會成為小點，給字符分割帶來阻礙，因而在對車牌分割前必須將這些噪聲去掉，因此可以根據(jù)開運算操作來達(dá)到目的13。開運算和閉運算都可以除去比定義的結(jié)構(gòu)元素小的特定圖像細(xì)節(jié)，同時能保證不使圖像全局發(fā)生失真。開運算可以把比結(jié)構(gòu)元素小的突刺噪聲濾掉，切斷將字符搭接起來的噪聲而起到分離作用。圖3.3為進(jìn)行開運算前后的圖像：開運算前：開運算后：由于車牌上會有泥點、

32、刮痕、銹蝕或光照、陰影等的影響造成車牌上有一些噪聲，在二值化時會成為小洞，給字符分割帶來阻礙，因而在對車牌分割前必須將這些噪聲去掉，因此可以根據(jù)閉運算操作來達(dá)到目的14。在對車牌進(jìn)行定位后，車牌的上下邊緣處總會殘留一些車牌的邊框或者鉚釘?shù)仍肼暉o法去除，待車牌被分割后也會給后續(xù)的字符識別帶來麻煩，為了消除這些影響，須將其去除。因此本文根據(jù)其邊框與字符間有空隙的特點，對于垂直邊框，先找到車牌正中間的一個字符，向右找到第四個間隙即為車牌的最右端，找到第一個字符位置，向左尋找即可找到車牌最左端位置；對于水平方向的邊框，先找到車牌水平方向的最中間，向車牌的上下方向分別尋找車牌字符與邊框之間的間隙，即可找

33、到車牌的上下位置。步驟為：Step1：計算每一行的像素值總和。Step2：選取車牌行方向的正中間位置，分別向車牌上下掃描尋找到行像素和突然變小的位置，即為車牌的上下端。Step3：只保留Step2找到的車牌上下端以內(nèi)的車牌數(shù)據(jù)即可將車牌的上下邊框去除。圖3.4為計算出的車牌列方向像素值：(a) 第一張車牌累計的像素值(a) 第二張車牌累計的像素值圖3.4行、列方向累計像素值去除車牌水平方向的邊框與去除垂直方向邊框的方法類似。圖3.5為車牌去除邊框前后的圖像：圖3.5去除車牌邊框前后對比圖車牌上字母與數(shù)字間有一白色圓點，在采用投影法對車牌進(jìn)行分割時會受到很大的影響，因此本文根據(jù)該白點所在車牌的位

34、置，將此白點處數(shù)字矩陣置為全零，可以消除其帶來的影響。圖3.6為去除白點前后的車牌圖像：圖3.6車牌圖像去除圓點第四章車牌字符分割方法及結(jié)果分析本次設(shè)計的系統(tǒng)總體流程圖如圖4.1所示。在上一章已經(jīng)做了本次設(shè)計的預(yù)處理部分，包括車牌圖像的灰度化、二值化、去除車牌的邊框、圓點以及車牌的噪聲。而本章主要闡述的是車牌的字符分割方法。該算法是由遲曉君，孟慶春等首先提出來的，該算法是依據(jù)車牌字符間的像素為零而找到各個字符的左右位置分割的。圖4.1為計算列方向的累計像素值：一般車牌列方向累計像素值由圖可見：在字符之間的像素值理想情況下為零，實際情況可能有些許噪聲，但只要噪聲不大，已可據(jù)此實現(xiàn)字符的分割。St

35、ep1：將車牌圖像灰度化。Step2：用Otsu算法確定車牌區(qū)域的閾值（即采用全局閾值），然后根據(jù)此閾值將圖像二值化。Step3：對該二值化圖像進(jìn)行去噪處理，經(jīng)過開閉運算、濾波、去除車牌邊框、去除圓點等步驟后就可得到質(zhì)量較好的二值化圖像。Step4：:計算出車牌區(qū)域垂直方向上的二值投影圖找到波谷點，從而根據(jù)這些波谷點來對整個車牌字符進(jìn)行分割，并且拋棄掉字符與字符之間的間隙。圖為應(yīng)用投影法對車牌進(jìn)行分割的圖像：原圖像：分割后圖像：由于此方法已經(jīng)能夠?qū)④嚺茀^(qū)域灰度圖像轉(zhuǎn)化為較高質(zhì)量的二值圖片進(jìn)行分割，但對于一些質(zhì)量較差的車牌照片還是可能發(fā)生字符粘連或者對字符的誤分割，故采用車牌區(qū)域二值圖片的投影圖

36、來分割字符還有待改善15。由中華人民共和國公共安全行業(yè)標(biāo)準(zhǔn)GA36200716可知：普通藍(lán)底白字車牌的結(jié)構(gòu)如圖4.3所示：圖4.3可以得知：車牌的位置都是嚴(yán)格依據(jù)國家標(biāo)準(zhǔn)制定的，每個字符間，甚至于邊框、鉚釘?shù)奈恢枚加忻鞔_的規(guī)定，每個字符的寬度為：45、高為：90、車牌總長為：440、寬為：140，第一和第二個字符間的距離為：12、第二和第三個字符間的距離為32、其后沒兩個字符間距均為12，因此可以據(jù)此容易地找到車牌字符的分割位置。Step1：將車牌圖像灰度化。Step2：用Otsu算法確定車牌區(qū)域的二閾值（即采用全局閾值），然后根據(jù)此閾值將圖像二值化。Step3：對該二值化圖像進(jìn)行去噪處理，經(jīng)

37、過開閉運算、濾波、去除車牌邊框、去除圓點等步驟后就可得到質(zhì)量較好的二值化圖像。Step4：由車牌的標(biāo)準(zhǔn)先將漢字、第一個字母的位置找到，并將其分割出來。Step5：第二個字母和其后的數(shù)字由于間隔都為12mm，所以可根據(jù)此規(guī)律很容易計算出來，然后將其分割。由于此方法是根據(jù)車牌的標(biāo)準(zhǔn)，用固定的位置去分割車牌，所以就要求車牌的左右位置很精確，否則會導(dǎo)致分割時將應(yīng)保留的部分切開，從而使分割錯誤17。圖4.4可以看出，有的車牌可以很好地分割出來，但有的車牌卻出現(xiàn)了錯誤分割，原因就是，車牌的左邊界不一致會導(dǎo)致分割位置錯誤，從而使得分割結(jié)果錯誤18。4.3.1改進(jìn)法的原理4.1與4.2分別分析了垂直投影法和固

38、定邊界法的優(yōu)缺點，為了達(dá)到更好的分割效果，本文將這兩種方法結(jié)合，提出了改進(jìn)的投影法19。4.3.2應(yīng)用改進(jìn)法的實現(xiàn)步驟Step1：將車牌圖像灰度化。Step2：用Otsu算法確定車牌區(qū)域的二值化的閾值（即采用全局閾值），然后根據(jù)此閾值將圖像二值化。Step3：對該二值化圖像進(jìn)行預(yù)處理，經(jīng)過開閉運算、去除車牌上下邊框、去除圓點等步驟后就可得到質(zhì)量較好的二值化圖像。Step4：計算出列方向像素值之和。Step5：選取一較小的像素和閾值，找到車牌上漢字的左端，再用該閾值繼續(xù)尋找漢字右端的同時，根據(jù)車牌標(biāo)準(zhǔn)，利用高與寬的比例關(guān)系找到漢字的右端。Step6：重復(fù)利用上一步驟的方法找到其他字符的左右端，然

39、后將字符逐一分割。圖4.5為使用該法分割的圖像：圖4.5改進(jìn)法分割的圖像由圖4.5與圖4.2和4.4對比可以明顯的看出來改進(jìn)法的字符分割比垂直投影法與固定邊界法的分割效果好的多。這是由于垂直投影法對于一些質(zhì)量較差的車牌照片還是可能發(fā)生字符粘連或者對字符的誤分割；而固定邊界法會因為定位車牌的左邊界不一致會導(dǎo)致分割位置錯誤，從而使得分割結(jié)果錯誤。而改進(jìn)的投影法可以很好的解決以上兩個問題，因為改進(jìn)法的原理是選取一較小的像素和閾值，找到車牌上漢字的左端，再用該閾值繼續(xù)尋找漢字右端的同時，根據(jù)車牌標(biāo)準(zhǔn)，利用高與寬的比例關(guān)系找到漢字的右端。此方法將垂直投影法和固定邊界法相結(jié)合，達(dá)到了更好的分割效果20?？?/p>

40、結(jié)本文論述了針對在路口對車輛管理的車牌識別系統(tǒng)，根據(jù)圖片特征提出了一個行之有效的車牌分割方法。該車牌系統(tǒng)的算法原理主要包括三個部分：車牌定位、車牌字符分割、字符識別，本人負(fù)責(zé)該系統(tǒng)的第二個部分，該系統(tǒng)的其它部分由項目組的其他同學(xué)完成，本文將該系統(tǒng)的車牌字符分割的算法原理詳細(xì)地介紹了一下。另外，本文論述了車牌識別系統(tǒng)的工作原理及組成并詳細(xì)地就其中的重要步驟之一：車牌的分割進(jìn)行了研究。在分析了車牌分割的發(fā)展現(xiàn)狀后選擇了兩種進(jìn)行了詳細(xì)的闡述，分別是：垂直投影法和固定邊界法，并根據(jù)該兩種方法的優(yōu)缺點提出了將兩者結(jié)合的一種改進(jìn)的垂直投影，實現(xiàn)了良好的車牌字符分割效果。主要研究探討了車牌字符分割前的預(yù)處理

41、以及字符分割方法。(1)在車牌字符預(yù)處理過程中，用了數(shù)學(xué)形態(tài)學(xué)理論，包括開運算和閉運算，還根據(jù)車牌的標(biāo)準(zhǔn)去除圓點等。(2)在字符分割過程中，先給出了垂直投影法和固定邊界法兩種方法，在分析了兩種方法的優(yōu)缺點并考慮到車牌二值化過程中可能有字符粘連的情況，給出了一種基于垂直投影法與邊界法相結(jié)合的車牌字符分割方法。通過使用這種方法對車牌字符進(jìn)行分割達(dá)到了良好的效果。對于第一種方法，主要優(yōu)點是再在二值化很好的情況下，可以很好地把字符分割開來，但對于二值化并預(yù)處理后仍然有字符粘連的情況會導(dǎo)致字符無法分割。對于第二種方法，主要優(yōu)點是較好解決了車牌字符間有粘連和噪聲的問題，但對于車牌左邊界有偏差的車牌會導(dǎo)致誤

42、分割。由于車牌在垂直方向上的投影必然在字符間的間隙處取得局部最小值，并且這個位置應(yīng)滿足標(biāo)準(zhǔn)牌照的字符書寫格式、字符尺寸和一些其他條件。在對車牌進(jìn)行一系列的預(yù)處理之后，再利用改進(jìn)的垂直投影法對復(fù)雜環(huán)境下的汽車圖像中的字符分割達(dá)到了良好的效果。參考文獻(xiàn)1張云剛，張長水利用Hough變換和先驗知識的車牌字符分割算法J.清華大學(xué)自動化系信息處理研究所，計算機(jī)學(xué)報，2004,272遲曉君，孟慶春基于投影特征值的車牌字符分割算法J.計算機(jī)應(yīng)用研究，2006，73吳進(jìn)軍，杜樹新車牌字符分割新方法J，工業(yè)控制計算機(jī)，2005，184王興玲最大類間方差車牌字符分割的模板匹配算法J，計算機(jī)工程，2006，325

43、陳黎，黃心漢，王敏等基于聚類分析的的車牌字符分割方法J.計算機(jī)工程與應(yīng)用，2002，296趙海燕，馬駟良，顧玲嘉基于最小面積法進(jìn)行的車牌字符分割J.長春理工大學(xué)學(xué)報，2006，297楊高波，杜青松MATLAB圖像、視頻處理應(yīng)用及實例J.電子工業(yè)出版社，20108章毓晉圖象處理和分析M清華大學(xué)出版社，20019劉衛(wèi)國MATLAB程序設(shè)計教程M中國水利水電出版社，201010李云車牌定位與字符分割算法的研究及實現(xiàn)M成都：電子科技大學(xué)，201011馬婉婕車牌識別系統(tǒng)中字符分割的研究與實現(xiàn)M上海：復(fù)旦大學(xué)，200912白建華車牌字符分割及識別算法研究M西安：西安電子科技大學(xué)，201013鄒永星車牌字符

44、分割方法的研究M湖南：湖南師范大學(xué)，200814夏良正，李久賢數(shù)字圖像處理M.北京：東南大學(xué)出版社，200615應(yīng)宏微，宋加濤汽車牌照字符分割方法J.電視技術(shù)，2010，3416中華人民共和國公共安全行業(yè)標(biāo)準(zhǔn)JGA36200717張敏松，郭玉珂汽車牌照定位與字符分割J.現(xiàn)在算計技術(shù)，2008，2918歷旭基于神經(jīng)網(wǎng)絡(luò)的車牌識別系統(tǒng)的研究與設(shè)計，武漢:武漢理工大學(xué)，2002 19Huadong Xia, Dongchu Liao. The Study of License Plate Character Segmentation Algorithm Based on Vertical Proje

45、ction J. Consumer Electronics, Communications and Networks (CECNet), 2011 20YANG Feng, MA Zheng, XIE Mei. A Novel Approach for License Plate Character SegmentationJ. The 1st IEEE Conference on Industrial Electronics and Applications. Singapore: IEEE Press, 2006附錄附錄一：源程序清單clear all; clc; close all;I=

46、imread(tupian.jpg);%讀取圖像figure(1); subplot(2,2,1);%將圖一分為四塊，圖一的第一幅圖imshow(I), title(提取車牌后圖像); %二值化圖像%I1 = rgb2gray(I);%彩色圖像轉(zhuǎn)化為灰度圖像h=graythresh(I1);I1=im2bw(I1,h);%將灰度圖像二值化figure(1);subplot(2,2,2);%圖一的第二幅圖imshow(I1),title(車牌二值化后圖像);imshow(I1);%去除雜質(zhì)%y,x,z=size(I1);%計算I1的大小%對圖像進(jìn)行開閉運算%SE=strel(disk,fix(y

47、/45);%創(chuàng)建一個平坦的圓盤形結(jié)構(gòu)元素I2=imopen(I1,SE);%取圓盤形的開運算subplot(2,2,3);%圖一的第三幅圖imshow(I2),title(開運算后圖像);SE=strel(diamond,fix(y/140);%創(chuàng)建一個平坦的菱形結(jié)構(gòu)元素I3=imclose(I2,SE);%取菱形結(jié)構(gòu)的閉運算subplot(2,2,4);%圖一的第四幅圖imshow(I3),title(閉運算后圖像);I4=double(I3);%變?yōu)殡p精度%計算像素%計算行像素%Y1=zeros(y,1);for i=1:y for j=1:x if(I4(i,j,1)=1) Y1(i,1

48、)= Y1(i,1)+1;%計算I3第j列有幾個一 end end endfigure(2);plot(Y1,0:y-1),title(行方向像素點灰度值累計和),xlabel(累計像素量),ylabel(行值);%去除行方向邊框%Py0=fix(y/2);Py1=fix(y/2)+1; while (Y1(Py0,1)=30)&(Py02) Py0=Py0-1;%找到去除邊框后上邊的位置 endwhile (Y1(Py1,1)=30)&(Py1=15)&(x1x) x1=x1+1;%找到去除邊框后右邊的位置endi=i+1;while (X1(1,x1)15)&(x1=5)&(x02) x0

49、=x0-1;%從車牌的第一個字符開始尋找第一個字符間隙，找到去除邊框左邊的位置endi=i+1;while (X1(1,x0)1)&i=2) x0=x0-1;%找到去除邊框后左邊的位置end endendZ2=Z1(:,x0:x1,:);%將二值圖像左右邊框去除figure(5);imshow(Z2),title(將二值圖像垂直邊框去除后圖像);%將二值圖像垂直邊框去除后圖像顯示出來Px0=1;Px1=1;%再次計算列方向像素%y,x,z=size(Z2);%計算此時圖像的大小X1=zeros(1,x);for j=1:x for i=1:y if(Z2(i,j,1)=1) X1(1,j)=

50、X1(1,j)+1;%計算I3第j列有幾個一end end end%去除圓點%y,x,z=size(Z2);Z2=double(Z2);x1=fix(x*110/409);x2=fix(x*128/409);for i=1:y for j=x1:x2 Z2(i,j)=0; endendfigure(6);imshow(Z2),title(去除圓點后圖像);%對圖像分割%y=fix(x*90/409);%用投影法分割%for i=1:7 while (X1(1,Px0)10)&(Px0=10)&(Px1x)|(Px1x)&(a/y)=0.5) Px1=Px1+1;%找到待分割字符右邊的位置 a=

51、Px1-Px0; end Z3=Z2(:,Px0:Px1,:);%二值化圖像分割后 figure(7); subplot(1,7,i); imshow(Z3);%將二值化圖像分割后顯示出來 %變換為標(biāo)準(zhǔn)子圖% Z4=imresize(Z3,88 40);%將分割后的二值圖變換為標(biāo)準(zhǔn)子圖 figure(8); subplot(1,7,i); imshow(Z4),title(標(biāo)準(zhǔn)子圖);%將標(biāo)準(zhǔn)子圖顯示出來 Px0=Px1;end附錄二：外文文獻(xiàn)翻譯License plate recognitionAbstractLicense Plate Recognition (LPR) is a fair

52、ly well explored problem and is already a component of several commercially operational systems. Many of these systems, however, require sophisticated video capture hardware possibly combined with infrared strobe lights or exploit the large size oflicense plates in certain geographical regions and t

53、he (artificially) high discriminability of characters. In this paper,we describe an LPR system that achieves a high recognition rate without the need for a high quality video signalfrom expensive hardware. We also explore the problem of car make and model recognition for purposes of searchingsurveillance video archives for a partial license plate number combined with some visual description of a car. Our proposed methods will provide valuable situation