基于matlab的汽車牌照識別系統(tǒng)的設計

1、基于matlab的汽車牌照識別系統(tǒng)的設計摘要：隨著公路逐漸普及，我國的公路交通事業(yè)發(fā)展迅速，所以人工管理方式已經(jīng)不能滿著實際的需要，微電子、通信和計算機技術(shù)在交通領域的應用極大地提高了交通管理效率。汽車牌照的自動識別技術(shù)已經(jīng)得到了廣泛應用。本次試驗主要有預處理、邊緣提取、車牌定位、字符分割四大模塊。用MATLAB軟件編程來實現(xiàn)每一個部分。關(guān)鍵詞： MATLAB 圖像處理 車牌定位 牌照分割 1 系統(tǒng)功能介紹與總體設計 功能介紹：1、 車牌定位(1) 圖像預處理：對動態(tài)采集到的圖像進行濾波、邊界增強等處理以克服圖像干擾；(2) 車牌定位：計算邊緣圖像的投影面積，尋找峰谷點，大致確定車牌位置，再計

2、算此連通域內(nèi)的寬高比，剔除不在域值范圍內(nèi)的連通域，最后得到的便為車牌區(qū)域；2、 字符識別(1) 字符分割：利用投影檢測的字符定位分割方法得到單個的字符；(2) 字符數(shù)據(jù)庫：為第6步的字符識別建立字符模板數(shù)據(jù)庫；(3) 字符識別：通過基于模板匹配的OCR算法或基于人工神經(jīng)網(wǎng)絡的OCR算法，通過特征對比或訓練識別出相關(guān)的字符，得到最后的汽車牌照，包括英文字母和數(shù)字。總體設計：車輛牌照識別整個系統(tǒng)主要是由車牌定位和字符分割兩部分組成，其中車牌定位又可以分為圖像預處理及邊緣提取模塊和牌照的定位及分割模塊；字符分割牌照分割和單個字符分割兩個模塊。為了便于試驗順利進行，原始圖象應具有適當?shù)牧炼龋^大的對比

3、度和清晰可辯的牌照圖象。但由于該系統(tǒng)的攝像部分工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時攝像機與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照圖象可能出現(xiàn)模糊、歪斜和缺損等嚴重缺陷，因此需要對原始圖象進行識別前的預處理。牌照的定位和分割主要目的是在經(jīng)圖象預處理后的原始灰度圖象中確定牌照的具體位置，并將牌照從整個圖象中分割出來。由于拍攝時的光照條件、牌照的整潔程度的影響，和攝像機的焦距調(diào)整、鏡頭的光學畸變所產(chǎn)生的噪聲都會不同程度地造成牌照字符的邊界模糊、細節(jié)不清、筆劃斷開或粗細不均，加上牌照上的污斑等缺陷，致使字符提取困難，進而影響字符識別的準確性。因此，需要對字符在識

4、別之前再進行一次針對性的處理。因為系統(tǒng)運行的過程中，主要進行的都是圖像處理，在這個過程中要進行大量的數(shù)據(jù)處理，所以處理器和內(nèi)存要求比較高，CPU要求主頻在600HZ及以上，內(nèi)存在128MB及以上。系統(tǒng)可以運行于Windows98、Windows2000或者Windows XP操作系統(tǒng)下，程序調(diào)試時使用matlab。2 系統(tǒng)模塊設計一 預處理及邊緣提取 輸入車牌圖象灰度校正平滑處理提取邊緣 預處理及邊緣提取流程圖 1圖象的采集與轉(zhuǎn)換現(xiàn)有牌照的字符與背景的顏色搭配一般有藍底白字、黃底黑字、白底紅字、綠底白字和黑底白字等幾種，利用不同的色彩通道就可以將區(qū)域與背景明顯地區(qū)分出來，例如，對藍底白字這種最

5、常見的牌照，采用藍色B 通道時牌照區(qū)域為一亮的矩形，而牌照字符在區(qū)域中并不呈現(xiàn)。因為藍色（255，0，0）與白色（255，255，255）在B 通道中并無區(qū)分，而在G、R 通道或是灰度圖象中并無此便利。同理對白底黑字的牌照可用R 通道，綠底白字的牌照可以用G 通道就可以明顯呈現(xiàn)出牌照區(qū)域的位置，便于后續(xù)處理。原圖、灰度圖及其直方圖見圖2與圖3。對于將彩色圖象轉(zhuǎn)換成灰度圖象時，圖象灰度值可由下面的公式計算： G=0.110B+0.588G+0.302R （1） G= （2） 2邊緣提取邊緣是指圖像局部亮度變化顯著的部分，是圖像風、紋理特征提取和形狀特征提取等圖像分析的重要基礎。所以在此我們要對圖

6、像進行邊緣檢測。圖象增強處理對圖象牌照的可辯認度的改善和簡化后續(xù)的牌照字符定位和分割的難度都是很有必要的。增強圖象對比度度的方法有：灰度線性變換、圖象平滑處理等。（2）平滑處理對于受噪聲干擾嚴重的圖象，由于噪聲點多在頻域中映射為高頻分量，因此可以在通過低通濾波器來濾除噪聲，但實際中為了簡化算法，也可以直接在空域中用求鄰域平均值的方法來削弱噪聲的影響，這種方法稱為圖象平滑處理。例如，某一象素點的鄰域S 有兩種表示方法：8鄰域和4鄰域分別對應的鄰域平均值為， 其中，M 為鄰域中除中心象素點f(i,j) 之外包括的其它象素總數(shù)，對于4鄰域M=4，8 鄰域M=8。然而，鄰域平均值的平滑處理會使得圖象灰

7、度急劇變化的地方，尤其是物體邊緣區(qū)域和字符輪廓等部分產(chǎn)生模糊作用。為了克服這種平均化引起的圖象模糊現(xiàn)象，我們給中心點象素值與其鄰域平均值的差值設置一固定的閾值，只有大于該閾值的點才能替換為鄰域平均值，而差值不大于閾值時，仍保留原來的值，從而減少由于平均化引起的圖象模糊。圖像中車輛牌照是具有比較顯著特征的一塊圖象區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列的；在整體圖象中的位置較為固定。正是由于牌照圖象的這些特點，再經(jīng)過適當?shù)膱D象變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣。邊緣提取是較經(jīng)典的算法，此處邊緣的提取采用的是Roberts算子。 二 牌照的定位和分割牌照的定位和分

8、割是牌照識別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖象預處理后的原始灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個圖象中分割出來，供字符識別子系統(tǒng)識別之用，分割的準確與否直接關(guān)系到整個牌照字符識別系統(tǒng)的識別率。由于牌照圖象在原始圖象中是很有特征的一個子區(qū)域，確切說是水平度較高的橫向近似的長方形，它在原始圖象中的相對位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同，因而在其邊緣形成了灰度突變的邊界，這樣就便于通過邊緣檢測來對圖象進行分割。對圖像進行腐蝕去除雜質(zhì)通過計算尋找X和Y方向車牌的區(qū)域完成車牌定位對分割出的車牌做進一步處理 牌照定位于分割流程圖1牌照區(qū)域的定位牌照圖象經(jīng)過了

9、以上的處理后，牌照區(qū)域已經(jīng)十分明顯，而且其邊緣得到了勾勒和加強。此時可進一步確定牌照在整幅圖象中的準確位置。這里選用的是數(shù)學形態(tài)學的方法，其基本思想是用具有一定形態(tài)的機構(gòu)元素去量度和提取圖像中的對應形狀以達到對圖像分析和識別的目的。 腐蝕后圖像 平滑圖像的輪廓 從對象中移除小對象后圖像2 牌照區(qū)域的分割對車牌的分割可以有很多種方法，本程序是利用車牌的彩色信息的彩色分割方法。根據(jù)車牌底色等有關(guān)的先驗知識，采用彩色像素點統(tǒng)計的方法分割出合理的車牌區(qū)域，確定車牌底色藍色RGB對應的各自灰度范圍，然后行方向統(tǒng)計在此顏色范圍內(nèi)的像素點數(shù)量，設定合理的閾值，確定車牌在行方向的合理區(qū)域。然后，在分割出的行區(qū)

10、域內(nèi)，統(tǒng)計列方向藍色像素點的數(shù)量，最終確定完整的車牌區(qū)域。3 車牌進一步處理經(jīng)過上述方法分割出來的車牌圖像中存在目標物體、背景還有噪聲，要想從圖像中直接提取出目標物體，最常用的方法就是設定一個閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群，即對圖像二值化。均值濾波是典型的線性濾波算法，它是指在圖像上對目標像素給一個模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值來代替原來像素值。三 字符的分割與歸一化m，n=size（d），逐排檢查有沒有白色像素點，設置1=jn-1，若圖像兩邊s（j）=0，則切割，去除圖像兩邊多余的部分切割去圖像上下多余的部分根據(jù)圖像的大小

11、，設置一閾值，檢測圖像的X軸，若寬度等于這一閾值則切割，分離出七個字符歸一化切割出來的字符圖像的大小為40*20，與模板中字符圖像的大小相匹配 字符分割與歸一化流程圖1 字符分割在汽車牌照自動識別過程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎上進行字符的分割，然后再利用分割的結(jié)果進行字符識別。字符識別的算法很多，因為車牌字符間間隔較大，不會出現(xiàn)字符粘連情況，所以此處采用的方法為尋找連續(xù)有文字的塊，若長度大于某閾值，則認為該塊有兩個字符組成，需要分割。 2 字符歸一化一般分割出來的字符要進行進一步的處理，以滿足下一步字符識別的需要。但是對于車牌的識別，并不需要太多的處理就已經(jīng)可以達到正

12、確識別的目的。在此只進行了歸一化處理，然后進行后期處理。 四 設計結(jié)果及分析通過以上的方法，我對多幅圖像進行了檢測，有較好的識別效果。下面是對另一幅車牌照的檢測，結(jié)果如圖22-26 所示。 對于光照條件不理想的圖象，可先進行一次圖象增強處理，使得圖象灰度動態(tài)范圍擴展和對比度增強，再進行定位和分割，這樣可以提高分割的正確率。而采用了色彩通道的牌照區(qū)域分割算法充分利用了牌照圖象的色彩信息，簡化了算法的實現(xiàn)，加快了圖象的處理速度，具有較高的檢出正確率，而且整個過程用MATLAB 語言編程實現(xiàn)，無時間滯后感，可以滿足實時檢出的要求。但是在設計的過程中發(fā)現(xiàn)，使用另一幅圖像后，識別效果始終沒有那么理想。需

13、要做一定的設置后才能識別出相應的字符。在車牌字符分割的預處理中，用到了對分割出的字符車牌進行均值濾波，膨脹或腐蝕的處理。這在對于有雜點的車牌是很有用的，因為這樣可以把字符與字符之間的雜色點去除，只有白色的字符和黑色的背景存在，這樣有利于的字符分割進行。字符識別過程使用的是模板匹配的方法，利用兩幅圖片相減的方法，找到相減后值最小的，即為相似程度最大的。模板的制作很重要，必須要用精確的模板，否則就不能正確的識別。對于識別錯誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖象的質(zhì)量；二是牌照字符的分割失敗導致的識別錯誤；再就是部分字符的形狀相似性，比如，B 和8；A 和4 等字符識別結(jié)果可能發(fā)

14、生混淆的情況。總之，盡管目前牌照字符的識別率還不理想，但是只要在分割出的字符的大小、位置的歸一化，以及嘗試提取分類識別能力更好的特征值和設計分類器等環(huán)節(jié)上再完善，進一步提高識別率是完全可行的。五 總結(jié)根據(jù)車牌特點，一般采用的車牌定位算法有：1.邊緣檢測定位算法；2.利用哈夫變換進行車牌定位；3.色彩分割提取車牌等。這里我采用的是邊緣檢測的方法實現(xiàn)定位的。字符分割的方法也有多種：1. 基于聚類分析的字符分割；2. 投影分割的方法；3.基于模板匹配的字符分割等。最常用的是投影分割，主要是針對在車牌定位，圖像預處理后比較規(guī)則的車牌圖像。優(yōu)點是程序邏輯設計簡單，循環(huán)執(zhí)行功能單一，便于設計和操作，程序執(zhí)

15、行時間短。六 體會課程設計不僅是對前面所學知識的一種檢驗，而且也是對自己能力的一種提高。通過這次課程設計使我明白了自己原來知識還比較欠缺。這個課程設計讓我學到了很多東西，涉及到方方面面的知識，在這整個過程中我們查閱了大量的資料，得到了老師和同學的幫助，我在此對他們表示謝意。在這期間遇到了很多困難，我知道做什么都不容易，只能塌下心來，一步一個腳印的去完成才行。這學期我們學習了數(shù)字圖像處理這門課程，在這個課程設計中應用到了很多其中的知識。理論只有應用到實際中才能學著更有意義。學習是一個長期積累的過程，在后的工作、生活中都應該不斷的學習，努力提高自己知識和綜合素質(zhì)。此外，還得出一個結(jié)論：知識必須通過應用才能實現(xiàn)其價值！有些東西以為學會了，但真正到用的時候才發(fā)現(xiàn)是兩回事，所以我認為只有到真正會用的時候才是真的學會了。在整個設計中我懂得了許多東西，也培養(yǎng)了我獨立工作的能力，樹立了信心，相信會對今后的學習工作生活有非常重要的影響。同樣此次課程設計也大大提高了動手的能力，使