車牌識(shí)別系統(tǒng)的設(shè)計(jì)

一、摘要：

隨這圖形圖像技術(shù)日勺發(fā)展，目前的車牌識(shí)別技術(shù)精確率越來(lái)越高，識(shí)別速度越來(lái)越

快。無(wú)論何種形式日勺車牌識(shí)別系統(tǒng)，它們都是由觸發(fā)、圖像采集、圖像識(shí)別模塊、輔助

光源和通信模塊構(gòu)成的。車牌識(shí)別系統(tǒng)波及光學(xué)、電器、電子控制、數(shù)字圖像處理、計(jì)

算視覺(jué)、人工智能等多項(xiàng)技術(shù)。觸發(fā)模塊負(fù)責(zé)在車輛抵達(dá)合適位置時(shí)，給出觸發(fā)信號(hào),

控制抓拍。輔助光源提供輔助照明，保證系統(tǒng)在不一樣的光照條件下都能拍攝到高質(zhì)量

的圖像。圖像預(yù)處理程序?qū)ψヅ牡膱D像進(jìn)行處理，清除噪聲，并進(jìn)行參數(shù)調(diào)整。然后通

過(guò)車牌定位、字符識(shí)別，最終將識(shí)別成果輸出。

二、設(shè)計(jì)目的和意義：

設(shè)計(jì)目的：

1、讓學(xué)生鞏固理論課上所學(xué)的知識(shí)，理論聯(lián)絡(luò)實(shí)踐。

2、鍛煉學(xué)生的動(dòng)手能力，激發(fā)學(xué)生的研究潛能，提高學(xué)生日勺協(xié)作精神。

設(shè)計(jì)意義：

車牌定位系統(tǒng)的目的在于對(duì)H勺獲取整個(gè)圖像中車牌的區(qū)域，并識(shí)別出車牌號(hào)。通過(guò)

設(shè)計(jì)實(shí)現(xiàn)車牌識(shí)別系統(tǒng)，可以提高學(xué)生分析問(wèn)題和處理問(wèn)題口勺能力，還能培養(yǎng)?定口勺科

研能力。

三、設(shè)計(jì)原理：

牌照自動(dòng)識(shí)別是一項(xiàng)運(yùn)用車輛的動(dòng)態(tài)視頻或靜態(tài)圖像進(jìn)行牌照號(hào)碼、牌照顏色自動(dòng)

識(shí)別H勺模式識(shí)別技術(shù)。其硬件基礎(chǔ)一般包括觸發(fā)設(shè)備、攝像設(shè)備、照明設(shè)備、圖像采集

設(shè)備、識(shí)別車牌號(hào)碼H勺處理機(jī)等，其軟件關(guān)鍵包括車牌定位算法、車牌字符分割算法和

光學(xué)字符識(shí)別算法等。某些牌照識(shí)別系統(tǒng)還具有通過(guò)視頻圖像判斷車輛駛?cè)胍曇暗墓δ?/p>

稱之為視頻車輛檢測(cè)。一種完整的牌照識(shí)別系統(tǒng)應(yīng)包括車輛檢測(cè)、圖像采集、牌照識(shí)別

等兒部分。當(dāng)車輛檢測(cè)部分檢測(cè)到車輛抵達(dá)時(shí)觸發(fā)圖像采集單元，采集目前的視頻圖像。

牌照識(shí)別單元對(duì)圖像進(jìn)行處理，定位出牌照位置，再將牌照中日勺字符分割出來(lái)進(jìn)行識(shí)別,

然后構(gòu)成牌照號(hào)碼輸出。

四、詳細(xì)設(shè)計(jì)環(huán)節(jié):

視頻信號(hào)數(shù)字

圖像視頻

圖像汽車輛檢測(cè)

一

車輛

檢測(cè)器

,

京EG6572WP2IREG6572

符識(shí)別(OCR)

結(jié)果牌照號(hào)碼：京EG6572

輸出牌照底色：藍(lán)色

圖1牌照識(shí)別系統(tǒng)示儂

1.提出總體設(shè)計(jì)方案:

牌照號(hào)碼、顏色識(shí)別

為「進(jìn)行牌照識(shí)別，需要如下幾種基本的環(huán)節(jié):

a.牌照定位，定位圖片中口勺牌照位置；

b.牌照字符分割，把牌照中的字符分割出來(lái)；

c.牌照字符識(shí)別，把分割好的字符進(jìn)行識(shí)別，最終構(gòu)成牌照號(hào)碼。

牌照識(shí)別過(guò)程中，牌照顏色的識(shí)別根據(jù)算法不一樣，也許在上述不一樣環(huán)節(jié)實(shí)現(xiàn),

一般與牌照識(shí)別互相配合、互相驗(yàn)證。

(1)牌照定位：

自然環(huán)境下，汽車圖像背景復(fù)雜、光照不均勻，怎樣在自然背景中精確地確定牌照

區(qū)域是整個(gè)識(shí)別過(guò)程的關(guān)鍵。首先對(duì)采集到的視頻圖像進(jìn)行大范圍有關(guān)搜索，找到符合

汽車牌照特性的若干區(qū)域作為候選區(qū)，然后對(duì)這些侯選區(qū)域做深入分析、評(píng)判，最終選

定一種最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來(lái)。

(2)牌照字符分割：

完畢牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個(gè)字符，然后進(jìn)行識(shí)別。字符分割

一般采用垂直投影法。由于字符在垂直方向上H勺投影必然在字符間或字符內(nèi)的間隙處獲

得局部最小值日勺附近,并且這個(gè)位置應(yīng)產(chǎn)足牌照的字符書寫格式、字符、尺寸限制和某

計(jì)算水平投影進(jìn)直投：去掉車牌竟下H分析垂直投影找到每有很快左右寬度

(3)牌照字符識(shí)別：

字符識(shí)別措施目削重要有基于模板匹配算法和基于人，神經(jīng)網(wǎng)絡(luò)算法。基于模板匹配

算法首先將分割后的字符二值化，并將其尺寸大小縮放為字符數(shù)據(jù)庫(kù)中模板的大小，然后

與所有的模板進(jìn)行匹配，最終選最佳匹配作為成果。基于人工神經(jīng)元網(wǎng)絡(luò)日勺算法有兩種:

一種是先看待識(shí)別字符進(jìn)行特性提取，然后用所獲得特性來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分派借；另一

種措施是直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特性提取直至識(shí)別出成果C實(shí)際

應(yīng)用中，牌照識(shí)別系統(tǒng)的職別率與牌照質(zhì)量和拍攝質(zhì)量親密有關(guān)。牌照質(zhì)量會(huì)受到多種

原因日勺影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、

，沏揪出的郛;與數(shù)據(jù)庫(kù)的也分析之差最小拍攝字符依次分析顯示誤

、別率

的影W嘰這些影響原因不一杵桂發(fā)」.減少j牌照1只別的以9也止足牌煦識(shí)別系統(tǒng)的

困難和挑戰(zhàn)所在。為了提高識(shí)別率，除了不停日勺完善識(shí)別算法，還應(yīng)當(dāng)想措施克服多種

光照條件，使采集到日勺圖像最利于識(shí)別。

2.各模塊的實(shí)現(xiàn)：

2.1輸入待處理H勺原始圖像：

clear;

closeall;

%Stepl獲取圖像裝入待處理彩色圖像并顯示原始圖像

Scolor=imreadC3.jpg');%imread函數(shù)讀取圖像文獻(xiàn)

圖2.1原始圖像

2.2圖像的灰度化：

彩色圖像包括著大量日勺顏色信息，不僅在存儲(chǔ)上開(kāi)銷很大，并且在處理上也會(huì)減少

系統(tǒng)日勺執(zhí)行速度，因此在對(duì)圖像進(jìn)行識(shí)別等處理中常常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以

加緊處理速度。由彩色轉(zhuǎn)疾為灰度的過(guò)程叫做灰度化處理。選擇的原則是通過(guò)灰度變換

后，像素日勺動(dòng)態(tài)范圍增長(zhǎng)，圖像的對(duì)比度擴(kuò)展，使圖像變得愈加清晰、細(xì)膩、輕易識(shí)別。

%將彩色圖像轉(zhuǎn)換為黑白并顯示

Sgray=rgb2gray(Scolor);%rgb2gray轉(zhuǎn)換成灰度圖

figure,imshow(Sgray),title(，原始黑白圖像');

圖2.2原始黑白圖像

2.3對(duì)原始圖像進(jìn)行開(kāi)操作得到圖像背景圖像：

s=strclCdisk),13);%strci函數(shù)

Bgray=imopen(Sgray,s);%打開(kāi)sgrays圖像

figure,imshow(Bgray);('背景圖像');%輸出背景圖像

背景圖像

圖2.3背景圖像

2.4原始圖像與背景圖像作減法，對(duì)圖像進(jìn)行增強(qiáng)處理：

Egray=imsubtract(Sgray,Bgray);%兩幅圖相減

figure,imshow(Egray);title('增強(qiáng)黑白圖像')；%輸出黑白圖像

圖2.4黑白圖像

2.5獲得最佳閾值，將圖像二值化：

二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。在實(shí)際的I車牌處理系統(tǒng)中，進(jìn)

行圖像二值變換日勺關(guān)鍵是要確定合適日勺閥值，使得字符與背景可以分割開(kāi)來(lái)，二值變換

日勺成果圖像必須要具有良好的I保形性，不丟掉有用的形狀信息，不會(huì)產(chǎn)生額外H勺空缺等

等。車牌識(shí)別系統(tǒng)規(guī)定處理的速度高、成本低、信息量大，采用二值圖像進(jìn)行處理，能

大大地提高處理效率。閾值處理的操作過(guò)程是先由顧客指定或通過(guò)算法生成一種閾值，

假如圖像中某中像素日勺灰度值不大于該閾值，則將該像素日勺灰度值設(shè)置為0或255,否則

灰度值設(shè)置為255或0。

fmaxl=double(max(max(Egray)));%egray口勺最大值并輸出雙精度型

fminl=double(min(min(Egray)));%egray的J最小值并輸出雙精度型

level二(fmaxl-(fmaxl-fmin1)/3)/255;舟獲得最佳閾值

bw22=im2bw(Egray,level；;先轉(zhuǎn)換圖像為二進(jìn)制圖像

bw2=double(bw22);

figure,imshow(bw2);title('圖像二值化')；％得到二值圖像

圖2.5二值圖像

2.6邊緣檢測(cè)：

兩個(gè)具有不一樣灰度值的)相鄰區(qū)域之間總存在邊緣，邊緣就是灰度值不持續(xù)的成果,

是圖像分割、紋理特性提取和形狀特性提取等圖像分析的基礎(chǔ)。為了對(duì)故意義口勺邊緣點(diǎn)

進(jìn)行分類，與這個(gè)點(diǎn)相聯(lián)絡(luò)的灰度級(jí)必須比在這一點(diǎn)日勺背景上變換更有效，我們通過(guò)門

限措施來(lái)決定一種值與否有效。因此，假如一種點(diǎn)的二維一階導(dǎo)數(shù)比指定的門限大，我

們就定義圖像中的次點(diǎn)是一種邊緣點(diǎn)，一組這樣的根據(jù)事先定好的連接準(zhǔn)則相連的邊緣

點(diǎn)就定義為一-條邊緣。通過(guò)一階歐I導(dǎo)數(shù)的邊緣檢測(cè)，所求日勺一階導(dǎo)數(shù)高于某個(gè)閾值，則

確定該點(diǎn)為邊緣點(diǎn)，這樣會(huì)導(dǎo)致檢測(cè)的邊緣點(diǎn)太多?？梢酝ㄟ^(guò)求梯度局部最大值對(duì)應(yīng)的

點(diǎn)，并認(rèn)定為邊緣點(diǎn)，清除非局部最大值，可以檢測(cè)出精確的邊緣。一階導(dǎo)數(shù)的局部最

大值對(duì)應(yīng)二階導(dǎo)數(shù)的零交叉點(diǎn)，這樣通過(guò)找圖像強(qiáng)度的二階導(dǎo)數(shù)餓的零交叉點(diǎn)就能找到

精確邊緣點(diǎn)。

grd二edge(bw2,'canny')%用canny算子識(shí)別強(qiáng)度圖像中『、J邊界

figure,imshow(grd);title,圖像邊緣提取’);%輸出圖像邊緣

圖像邊緣提取

圖2.6像邊緣提取

2.7對(duì)得到圖像作開(kāi)操作進(jìn)行漉波：

數(shù)學(xué)形態(tài)非線性濾波，可以用于克制噪聲，進(jìn)行特性提取、邊緣檢測(cè)、圖像分割等

圖像處理問(wèn)題。腐蝕是一種消除邊界點(diǎn)的過(guò)程，成果是使目的縮小，孔洞增大，因而可

有效日勺消除孤立噪聲點(diǎn)；膨脹是將與目的物體接觸的所有背景點(diǎn)合并到物體中日勺過(guò)程，

成果是使目日勺增大，孔洞縮小，可彌補(bǔ)月日勺物體中的空洞，形成連通域.先腐蝕后膨脹

的過(guò)程稱為開(kāi)運(yùn)算，它具有消除細(xì)小物體，并在纖細(xì)處分離物體和平滑較大物體邊界的

作用；先膨脹后腐蝕H勺過(guò)程稱為閉運(yùn)算，具有填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平

滑邊界的作用。對(duì)圖像做了開(kāi)運(yùn)算和閉運(yùn)算，閉運(yùn)算可以使圖像的輪廓線更為光滑，它

一般用來(lái)消掉狹窄的間斷和長(zhǎng)細(xì)向鴻溝，消除小的孔洞，并彌補(bǔ)輪廓線中口勺斷裂。

bgl=imclose(grd,strel('rectangle',[5,19]))取矩形框區(qū)|閉運(yùn)算

figure,imshow(bgl);titleC圖像閉運(yùn)算[5,19]');%輸出閉運(yùn)算的!圖像

bg3=imopen(bgl,strel(,rectangle,,[5,19]));%取矩形框的開(kāi)運(yùn)算

figure,imshow(bg3);title。圖像開(kāi)運(yùn)算[5,19]')就輸出開(kāi)運(yùn)算的!圖像

bg2=imopen(bg3,strelCrectangle),[19,1]));%取矩形框及I開(kāi)運(yùn)算

figure,imshow(bg2);titleC圖像開(kāi)運(yùn)算[19,1]');。。輸出開(kāi)運(yùn)算的圖像

圖閉運(yùn)算的圖像圖開(kāi)運(yùn)算的圖像

圖開(kāi)運(yùn)算的圖像

2.8對(duì)二值圖像進(jìn)行區(qū)域提取，并計(jì)算區(qū)域特性參數(shù)，進(jìn)行區(qū)域特性參數(shù)比較，提取車牌

或：

a.對(duì)圖像每個(gè)區(qū)域進(jìn)行標(biāo)識(shí)，然后計(jì)算每個(gè)區(qū)域日勺圖像特性參數(shù)：區(qū)域中心位置、最小

包括矩形、面積。

[L,num]=bwlabel(bg2,8);%標(biāo)注二進(jìn)制圖像中已連接的部分

Feastats=imfeature(L,'basic');%計(jì)算圖像區(qū)域的特性尺寸

Area=[Feastats.Area]區(qū)域面積

BoundingBox=[Feastats.BoundingBox];%[xywidthheight]車牌H勺框架大小

RGB=label2rgb(L,'spring'k'shuffle');%標(biāo)志圖像向RGB圖像轉(zhuǎn)換

figure,imshow(RGB);title(，圖像彩色標(biāo)識(shí)');%輸出框架H勺彩色圖像

圖彩色圖像

b.計(jì)算出包括所標(biāo)識(shí)的區(qū)域的最小寬和高，并根據(jù)先驗(yàn)知識(shí)，比較誰(shuí)的寬高比更靠近實(shí)

際車牌寬高比，將更靠近H勺提取并顯示出來(lái).

程序流程圖圖灰度子圖和二值子圖

2.9對(duì)水平投影進(jìn)行峰谷分析:

對(duì)水平投影進(jìn)行峰谷分析,計(jì)算出車牌上邊框、在牌字符投影、車牌下邊框日勺波形峰

上升點(diǎn)、峰卜降點(diǎn)、峰寬、谷寬、峰間距離、峰中心位置參數(shù)。

histcoll=sum(sbwl);%計(jì)算垂直投影

histrow=sum(sbwl，);%計(jì)算水平投影

figure,subplot(2,1,1),bar(histcol1);title()垂直投影(含邊框)')；％輸出垂直投影

subplot.(2,1,2),har(histrow);tit"('水平投影(含邊框)')；%輸出水平投影

圖垂直投影和水平投影

figure,subplot(2,1,1),bar(histrow);title('水平投影(含邊框)’)；％輸出水平投影

subplot(2,1,2),imshow(sbwl);title(,車牌二值子圖’)；%輸出二值圖

對(duì)水平投影進(jìn)行峰谷分析:

4rLR+/L夙4HAiRMi/士

+?訴4JI旦4mt旦,k/#

車牌二值子圖

圖水平投影和二值圖程序流程圖

2.10計(jì)算車牌旋轉(zhuǎn)角度:

a.車牌傾斜的原因?qū)е峦队靶Ч骞晒炔幻黠@，在這里需要做車牌矯正處理。這里采用

口勺線性擬合的措施,計(jì)算出車牌上邊或下邊圖像值為1的點(diǎn)擬合直線與水平X軸口勺夾角。

程序流程圖

%(2)線性擬合，計(jì)算與x夾角

fresult=fit(xdata，,ydata),*polyT);%polylY=pl*x+p2

pl=fresult.pl;

anglR=atan(fresult..pl)*180/pi;%弧度換為度,360/2pi,pi=3.14

%(3)旋轉(zhuǎn)車牌圖象

subcol=imrotate(subcoll,angle,1bilinear，,*crop*);%旋轉(zhuǎn)車牌圖象

sbw=imrotate(sbwl,angle,'bilinear','crop*);為旋轉(zhuǎn)圖像

figure,subplot(2,1,1),imshow(subcol);title('車牌灰度子圖')；%輸出車牌旋轉(zhuǎn)后時(shí)

灰度圖像標(biāo)題顯示車牌灰度子圖

subplot(2,1,2),imshow(sbw);title('');%輸出車牌旋轉(zhuǎn)后的灰度圖像

titled'車牌旋轉(zhuǎn)角：',num2str(angle),'度Color','r');%顯示車牌的I旋轉(zhuǎn)角度

圖旋轉(zhuǎn)后的）灰度圖像和旋轉(zhuǎn)角度

b.旋轉(zhuǎn)車牌后重新計(jì)算車牌水平投影，去掉車牌水平邊框，獲取字符高度:

histcoll=sum（sbw）;%計(jì)算垂直投影

histrow=sum（sbw，）;%計(jì)算水平投影

figure,subplot⑵1,1),bar(histcoll)；title('垂直投影(旋轉(zhuǎn)后)’)；

subplot(2,1,2),bar(histrow);title('水平投影(旋轉(zhuǎn)后)’);

40

30

20

10

20406090100120

圖垂直投影（旋轉(zhuǎn)后）和水平投影（旋轉(zhuǎn)后）

figure,subplot(2,1,1),bar(histrow);title('水平投影(旋轉(zhuǎn)后)');

subplot(2,1,2),imshow：sbw);title('車牌二值子圖(旋轉(zhuǎn)后)');

水平投影（旋轉(zhuǎn)后）

00tillIII

50

0

0k51015u20253035I4045

車牌二值子圖（旋轉(zhuǎn)后）

圖水平投影（旋轉(zhuǎn)后）和車牌二佰子圖（旋轉(zhuǎn)后）

2.11去水平（上下）邊機(jī)獲取字符高度：

a.通過(guò)以上水平投影、垂直投影分析計(jì)算，獲得了車牌字符高度、字符頂行與尾行、字

符寬度、每個(gè)字符的中心位置，為提取分割字符具有了條件。

maxhight=max(markrow2^;

findc=find(markrow2==naxhight);

rowtop=markrow(findc):

rowbot=markrow(findc+1)-markrow1(findc+1);

sbw2=sbw(rowtop:rowbot,:);%子圖為(ro\vbot-rowtop+D行

maxhight.=rowhot.-rowtop+l;%字符高度(rowhot.-rowt.op+1)

b.計(jì)算車牌垂直投影，去掉車牌垂直邊框，獲取車牌及字符平均寬度

histcol=sum(sbw2);%計(jì)算垂直投影

figure,subplot(2,1,1),bar(histcol);title()垂直投影(去水平邊框后)’);%輸出車

牌的垂直投影圖像

subplot(2,1,2),imshow；sbw2);%輸出垂直投影圖像

titled'車牌字符高度:',int2str(maxhight)],*Color*,'r');%輸出車牌字符高度

%對(duì)垂直投影進(jìn)行峰谷分析

垂直投影(去乂平邊柢后)

20

15

10

5

0

0U20i6i0iL100120

車牌字符高度：22

圖2.11垂直投影圖像和車牌字符高度程序流程圖

C.計(jì)算車牌上每個(gè)字符中心位置，計(jì)算最大字符寬度maxwidth

1=0;

fork=l:nl

markcol3(k)=markcol(k+1)-markcoll(k+1)字符下降點(diǎn)

markcol4(k)=markc.ol3(k)-markcol(k)：%字符寬度(上升點(diǎn)至下降點(diǎn))

markcol5(k)=markcol3(k)-double(uint!6(markcol4(k)/2));%字符中心位置

end

markcol6=diff(markcol5);%字符中心距離(字符中心點(diǎn)至下一種字符中心點(diǎn))

maxs=max(markcol6);先查找最大值，即為第二字符與第三字符中心距離

findmax=find(markcol6==maxs);

markcol6(findmax)=0;

maxwidth=max(markcol6；;%查找最大值，即為最大字符寬度

d.提取分割字符,并變換為22行*14列原則子圖

1=1；

[m2,n2]=size(subcol);

figure;

fork=findmax-1:findmax+5

cleft=markco15(k)-maxwidth/2;

cright=markco15(k)+maxwidth/2-2;

ifcleft<l

cleft=l;

cright.=maxwidth:

end

ifcright>n2

cright=n2:

cleft=n2-naxwidth;

and

SegGray=sbw(rowtop:rowbot,cleft:cright);

SegBwl=sbw(rowtop:rowbot,cleft:cright);

SegBw2=imresize(SegBwl,[2214]);%變換為32行*16列原則子圖

subplot(2,nl,1),imshow(SegGray);

if1==7

title(f車牌字符寬度：'，int2str(maxwidth)],1Color'r');

end

subplot(2,nl,nl+1),imshow(SegBw2);

fname二strcat('F:\MATLAB\work\sam\image',int2str(k)jpg');%保留子

圖備選入樣本庫(kù)，并建立樣本庫(kù)

imwrite(SegB\v2,fname,*jpg')

1=1+1;

end

2.12將計(jì)算計(jì)算獲取的字符圖像與樣本庫(kù)進(jìn)行匹配，自動(dòng)識(shí)別出字符代碼：

進(jìn)行車牌識(shí)別前需要使用樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對(duì)車牌

進(jìn)行識(shí)別。其詳細(xì)流程為:使用中文、字母、字母數(shù)字、數(shù)字四個(gè)樣本分別對(duì)四個(gè)子網(wǎng)絡(luò)

進(jìn)行訓(xùn)練，得到對(duì)應(yīng)口勺節(jié)點(diǎn)數(shù)和權(quán)值。對(duì)已經(jīng)定位好的車牌進(jìn)行圖像預(yù)處理.，逐一的特

性提取，然后從對(duì)應(yīng)H勺文獻(xiàn)中讀取對(duì)應(yīng)的節(jié)點(diǎn)數(shù)和權(quán)值，把車牌字符分別送入對(duì)應(yīng)的網(wǎng)

絡(luò)進(jìn)行識(shí)別，輸出識(shí)別成果。

車牌字符寬度：14

日以￡口昌昌目

識(shí)別車牌號(hào)碼粵A98325

日t區(qū)叵聞園巨

程序流程圖圖2.12識(shí)別的車牌號(hào)碼

五、設(shè)計(jì)成果及分析

原始圖像:預(yù)處理后:

車牌定位和提取:字符的分割和識(shí)別:

車牌灰度子醫(yī)

車牌二值子隆

90A2446；

從上面成果可以看出，這張車牌H勺識(shí)別失敗了，將A誤識(shí)別為4了。在識(shí)別中還也

許出錯(cuò)的有0和8,因此需要在其他方面做些彌補(bǔ)，最終到達(dá)識(shí)別效果。

原始圖像:預(yù)處理:

父amTTE

車牌H勺定位和提取:字符的分割和識(shí)別:

車牌灰度子圖

車牌字符寬度：16

SAIW985前川:眺調(diào)

_______________________________

車牌二值子圖

識(shí)別車牌號(hào)碼粵A1W985

ITT礁馳II嬲麗

在車牌識(shí)別的過(guò)程中數(shù)字庫(kù)的建立很重要，只有數(shù)字庫(kù)的精確才能保證檢測(cè)出來(lái)日勺

數(shù)據(jù)對(duì)的。切割出來(lái)日勺數(shù)據(jù)要與數(shù)據(jù)庫(kù)的數(shù)據(jù)作比較，因此數(shù)據(jù)庫(kù)日勺數(shù)據(jù)尤為重要。

六、總結(jié)：

試驗(yàn)對(duì)車牌識(shí)別系統(tǒng)H勺軟件部分進(jìn)行了研究，分別從圖像預(yù)處理、車牌定位、字符

分割以及字符識(shí)別等方面進(jìn)行了系統(tǒng)的分析.整頓和總結(jié)了國(guó)內(nèi)外在車牌定位、分割、

字符識(shí)別方面的研究成果和發(fā)展方向，系統(tǒng)簡(jiǎn)介了我國(guó)車牌的固有特性，以及車牌識(shí)別

的特點(diǎn)。在車牌定位我們采用基于灰度跳變的定位措施，采用先對(duì)圖像進(jìn)行預(yù)處理，再

進(jìn)行二值化操作的措施。試驗(yàn)表明本措施既保留了車牌區(qū)域的信息，又減少了噪聲的干

擾，從而簡(jiǎn)化了二值化處理過(guò)程，提高了后續(xù)處理的速度。基于彩色分量口勺定位措施，

運(yùn)用基于藍(lán)色象素點(diǎn)記錄特性的措施對(duì)車牌是藍(lán)色的車牌進(jìn)行定位，試驗(yàn)表明，用該措

施實(shí)現(xiàn)的車牌定位精確率較高。本設(shè)計(jì)用MATLAB編程運(yùn)行成果可以得出，本設(shè)計(jì)采用的

圖像預(yù)處理、CANNY邊緣檢測(cè)、開(kāi)閉運(yùn)算子［5,19］、車牌長(zhǎng)寬比特性識(shí)別等對(duì)車牌的定

位都是非常有效的，而本設(shè)計(jì)提出口勺二次水平投影分析和閾值技術(shù)有效檢測(cè)了車牌圖像

的上下左右邊框、旋轉(zhuǎn)角度，精確實(shí)現(xiàn)的車牌字符的分割，對(duì)多種車牌進(jìn)行試驗(yàn)，均有

很高的對(duì)的率。本設(shè)計(jì)雖然只對(duì)藍(lán)底白字車牌進(jìn)行分割識(shí)別，對(duì)黑底白字車牌原則上整

個(gè)算法可直接合用，對(duì)白底黑字車牌、黃底黑字車牌，需要對(duì)車牌定位算法進(jìn)行調(diào)整，

并將圖像反轉(zhuǎn)（0變1、1變0）,而車牌字符的分割算法仍然行之有效。

七、體會(huì)

通過(guò)幾周MJ奮戰(zhàn)我的課程設(shè)計(jì)終于完畢了。在沒(méi)有做課程設(shè)計(jì)此前覺(jué)得課程設(shè)計(jì)只

是對(duì)這幾年來(lái)所學(xué)知識(shí)的單純總結(jié)，不過(guò)通過(guò)這次做課程設(shè)計(jì)發(fā)現(xiàn)自己的見(jiàn)解有點(diǎn)太片

面。課程設(shè)計(jì)不僅是對(duì)前面所學(xué)知識(shí)的一種檢查，并且也是對(duì)自己能力的一種提高。通

過(guò)這次課程設(shè)計(jì)使我明白了自己本來(lái)知識(shí)還比較欠缺。自己要學(xué)習(xí)的東西還太多，此前

老是覺(jué)得自己什么東西都會(huì)，什么東西都懂，有點(diǎn)眼高手低。通過(guò)這次課程設(shè)計(jì)，我才

明白學(xué)習(xí)是一種長(zhǎng)期積累日勺過(guò)程，在后來(lái)日勺工作、生活中都應(yīng)當(dāng)不停的學(xué)習(xí)，努力提高

自己知識(shí)和綜合素質(zhì)。在這次課程設(shè)計(jì)中也使我們的同學(xué)關(guān)系更深入了，同學(xué)之間互相

協(xié)助，有什么不懂日勺大家在一起商議，聽(tīng)聽(tīng)不一樣的見(jiàn)解對(duì)我們更好的理解知識(shí)，因此

在這里非常感謝協(xié)助我的司學(xué)C我日勺心得也就這樣多了，總之，不管學(xué)會(huì)的I還是學(xué)不會(huì)

日勺確實(shí)覺(jué)得困難比較多，真是萬(wàn)事開(kāi)頭難，不懂得怎樣入手。最終終于做完了有種如釋

重負(fù)日勺感覺(jué)。此外，還得出一種結(jié)論：知識(shí)必須通過(guò)應(yīng)用才能實(shí)現(xiàn)其價(jià)值！有些東西認(rèn)

為學(xué)會(huì)了，但真正到用的時(shí)候才發(fā)現(xiàn)是兩回事，因此我認(rèn)為只有到真正會(huì)用日勺時(shí)候才是

真的學(xué)會(huì)了。在此要感謝我們的指導(dǎo)老師喬靜老師對(duì)我們悉心的指導(dǎo)，感謝老師給我們

日勺協(xié)助。在設(shè)計(jì)過(guò)程中，我通過(guò)查閱大量有關(guān)資料，與同學(xué)交流經(jīng)驗(yàn)和自學(xué)，并向老師

請(qǐng)教等方式，使自己學(xué)到了不少知識(shí)，也經(jīng)歷了不少艱苦，但收獲同樣巨大。在整個(gè)設(shè)

計(jì)中我懂得了許多東西，也培養(yǎng)了我獨(dú)立工作的能力，樹(shù)立了對(duì)自己工作能力日勺信心，

相信會(huì)對(duì)此后的I學(xué)習(xí)工作生活有非常重要的影響。并且大大提高了動(dòng)手的I能力，使我充

足體會(huì)到了在發(fā)明過(guò)程中探索的艱難和成功時(shí)的喜悅。雖然這個(gè)設(shè)計(jì)做日勺也不太好，不

過(guò)在設(shè)計(jì)過(guò)程中所學(xué)到的東西是這次課程設(shè)計(jì)日勺最大收獲和財(cái)富，使我終身受益。

八、