數(shù)字圖像處理-車牌識別系統(tǒng)附程序

1、數(shù)字圖像處理車牌識別系統(tǒng)目錄1方案設(shè)計41.1 基本原理41.2 總體設(shè)計方案42各模塊的實現(xiàn)5.2.1 圖象的采集與轉(zhuǎn)換52.2 灰度校正62.3 平滑處理72.4 提取的邊緣73牌照的定位和分割7.3.1 牌照區(qū)域的定位83.2 牌照區(qū)域的分割94字符處理9.4.1 字符分割104.2 字符歸一化104.3 字符的識別105總結(jié)11參考文獻1.2附錄1.3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)2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(lǐng)域的應(yīng)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(yīng)用。汽車牌照自動識別整個處理過程分為預(yù)處理

2、、邊緣提取、車牌定位、字符分割、字符識別五大模塊，其中字符識別過程主要由以下3個部分組成：正確地分割文字圖像區(qū)域；正確的分離單個文字；正確識別單個字符。用MATLA軟件編程來實現(xiàn)每一個部分，最后識別出汽車牌照。在研究的同時對其中出現(xiàn)的問題進行了具體分析處理。1方案設(shè)計1.1 基本原理由于車輛牌照是機動車唯一的管理標(biāo)識符號，在交通管理中具有不可替代的作用，因此車輛牌照識別系統(tǒng)應(yīng)具有很高的識別正確率，對環(huán)境光照條件、拍攝位置和車輛行駛速度等因素的影響應(yīng)有較大的容閾，并且要求滿足實時性要求。圖1牌照識別系統(tǒng)原理圖該系統(tǒng)是計算機圖像處理與字符識別技術(shù)在智能化交通管理系統(tǒng)中的應(yīng)用，它主要由牌照圖像的采集

3、和預(yù)處理、牌照區(qū)域的定位和提取、牌照字符的分割和識別等幾個部分組成，如圖1所示。其基本工作過程如下：(1)當(dāng)行駛的車輛經(jīng)過時，觸發(fā)埋設(shè)在固定位置的傳感器，系統(tǒng)被喚醒處于工作狀態(tài)；一旦連接攝像頭光快門的光電傳感器被觸發(fā)，設(shè)置在車輛前方、后方和側(cè)面的相機同時拍攝下車輛圖像；(2)由攝像機或CCD攝像頭拍攝的含有車輛牌照的圖像通視頻卡輸入計算機進行預(yù)處理，圖像預(yù)處理包括圖像轉(zhuǎn)換、圖像增強、濾波和水平較正等；(3)由檢索模塊進行牌照搜索與檢測，定位并分割出包含牌照字符號碼的矩形區(qū)域；(4)對牌照字符進行二值化并分割出單個字符，經(jīng)歸一化后輸入字符識別系統(tǒng)進行識別。1.2 總體設(shè)計方案車輛牌照識別整個系統(tǒng)

4、主要是由車牌定位和字符識別兩部分組成，其中車牌定位又可以分為圖像預(yù)處理及邊緣提取模塊和牌照的定位及分割模塊；字符識別可以分為字符分割與特征提取和單個字符識別兩個模塊。為了用于牌照的分割和牌照字符的識別，原始圖象應(yīng)具有適當(dāng)?shù)牧炼?，較大的對比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(yán)重缺陷，因此需要對原始圖象進行識別前的預(yù)處理。牌照的定位和分割是牌照識別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖象預(yù)處理后的原始灰度圖象中確定牌照的具體位置，并將包

5、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(zhǔn)確與否直接關(guān)系到整個牌照字符識別系統(tǒng)的識別率。2.2各模塊的實現(xiàn)2.1 圖象的采集與轉(zhuǎn)換考慮到現(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GR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

6、呈現(xiàn)出牌照區(qū)域的位置，便于后續(xù)處理。原圖圖2原始圖像灰度引crro5AHB936ijBI'WP圖3轉(zhuǎn)換成灰度圖2.2 灰度校正由于牌照圖象在拍攝時受到種種條件的限制和干擾，圖象的灰度值往往與實際景物不完全匹配，這將直接影響到圖象的后續(xù)處理。如果造成這種影響的原因主要是由于被攝物體的遠近不同，使得圖象中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡，或是由于攝像頭在掃描時各點的靈敏度有較大的差異而產(chǎn)生圖象灰度失真，或是由于曝光不足而使得圖像的灰度變化范圍很窄。這時就可以采用灰度校正的方法來處理，增強灰度的變化范圍、豐富灰度層次，以達到增強圖象的對比度和分辨率。我們發(fā)現(xiàn)車輛牌照圖象的灰度取值范圍大多局限在r=

7、(50,200)之間，而且總體上災(zāi)度變施隹強固噴圖4灰度增強后的圖像灰度偏低，圖象較暗。根據(jù)圖象處理系統(tǒng)的條件，最好將灰度范圍展開到s=(0,255)之間。2.3 平滑處理對于受噪聲干擾嚴(yán)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。I即后函n濾波后圖惕placwin濾波處理后增強圖像增強處理后圖像圖5平滑處理后的圖像2.4 提取的邊緣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

8、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(dāng)?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。圖9未濾波直接提取出的邊緣3牌照的定位和分割牌照的定位和分割是牌照識別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖象預(yù)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(zhǔn)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因而在其邊緣形成了灰位置比較集中，而且

9、其灰度值與周邊區(qū)域有明顯的不同，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3.1 牌照區(qū)域的定位牌照圖象經(jīng)過了以上的處理后，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(zhǔn)確位置。這里選用的是數(shù)學(xué)形態(tài)學(xué)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(yīng)形狀以達到對圖像分析和識別的目的。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡化圖像數(shù)據(jù)，保持它們基本的形態(tài)特征，并除去不相干的結(jié)構(gòu)。在本程序中用到了膨脹和閉合這兩個基本運算，最后還用了bwareaope冰去除對象中不相干的小對象。圖13腐蝕后圖像圖14平滑圖像的輪廓圖15從對象中移除小對象后圖像73.

10、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RGBt應(yīng)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(shè)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)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。定位剪切后的彩色車牌圖像匈邈軸把94圖16行方向區(qū)域和最終定位出來的車牌經(jīng)過上述方法分割出來的車牌圖像中存在目標(biāo)物體、背景還有噪聲，要想從斌MB936I1庠牌爽歡聲作3均值就破KT圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一

11、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(biāo)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。均使設(shè)核J0標(biāo)AHB936芬AMB936用AMB936圖17裁剪出來的車牌的進一步處理過程圖4字符處理4.1 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(chǔ)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，因為車牌字符問間隔較大，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(rèn)

12、為該塊有兩個字符組成，需要分割。2圖18分割出來的七個字符圖像4.2 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。圖19歸一化處理后的七個字符圖像4.3 字符的識別我們采用相減的方法來求得字符與模板中哪一個字符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡稱；緊接其后的為字母與數(shù)字。車牌字符識別與一般文字識別在于它的字符數(shù)有限，漢字共約50多個,大寫英文字母26

13、個，數(shù)字10個。所以建立字符模板庫也極為方便。為了實驗方便,結(jié)合本次設(shè)計所選汽車牌照的特點,只建立了4個數(shù)字26個字母與10個數(shù)字的模板。其他模板設(shè)計的方法與此相同。首先取字符模板，接著依次取待識別字符與模板進行匹配，將其與模板字符相減，得到的0越多那么就越匹配。把每一幅相減后的圖的0值個數(shù)保存，然后找數(shù)值最大的，即為識別出來的結(jié)果蘇AMB936圖21識別結(jié)果5總結(jié)本文主要解決了以下幾個問題：一、在背景的圖象中如何定位分割牌照區(qū)域；二、對分割下來的牌照字符如何提取具有分類能力的特征；三、如何設(shè)計識別器。在車輛牌照字符識別系統(tǒng)的研究領(lǐng)域，近幾年出現(xiàn)了許多切實可行的識別技術(shù)和方法，從這些新技術(shù)和方

14、法中可以看到兩個明顯的趨勢：一是單一的預(yù)處理和識別技術(shù)都無法達到理想的結(jié)果，多種方法的有機結(jié)合才能使系統(tǒng)有效識別能力提高。在本系統(tǒng)的設(shè)計時，也汲取了以上一些算法的思想，結(jié)合實際，反復(fù)比較，綜合分析；二是在有效性和實用的原則下，結(jié)合神經(jīng)網(wǎng)絡(luò)和人工智能的新技術(shù)的應(yīng)用是研究的一個方向。系統(tǒng)本身還存在許多不足，距離具體實用的要求仍有很大差距，但我卻在這次課程設(shè)計中學(xué)到了很多知識。參考文獻1岡薩雷斯.數(shù)字圖像處理(第二版).電子工業(yè)出版社，2007.82胡小鋒、趙輝.VC+/MATLA圖像處理與識別使用案例精選.人民郵電出版社，2004.93郁梅等，基于視覺的車輛牌照檢測，計算機應(yīng)用研究,1999(5)

15、4葉晨洲，廖金周，一種基于紋理的牌照圖象二值化方法，微型電腦應(yīng)用，1999(6)5朱學(xué)芳等，一種自適應(yīng)細(xì)化方法，模式識別與人工智能，Vol.10,No.2,1997(6)6楊萬山等，基于BP神經(jīng)網(wǎng)絡(luò)的工程圖紙圖形符號的識別，微型電腦應(yīng)用，Vol.16,No.2,20007袁志偉，潘曉露.車輛牌照定位的算法研究J.昆明理工大學(xué)學(xué)報，2001,26(2)8劉陽，伊鐵源等.數(shù)字圖象處理應(yīng)用于車輛牌照的識別.遼寧大學(xué)學(xué)報.2004,65689許志影、李晉平.MATLABB其在圖像處理中的應(yīng)用.計算機與現(xiàn)代化，2004(4)10崔江、王友仁.車牌自動識別方法中的關(guān)鍵技術(shù)研究.計算機測量與控制，2003.

16、11(4)1011宋建才.汽車牌照識別技術(shù)研究J.工業(yè)控制計算機,2004,4445.12韓勇強、李世祥.汽車牌照子圖像的定位算法M.微型電腦運用，1999.13梁瑋、羅劍鋒、賈云得.一種復(fù)雜背景下的多車牌圖像分割與識別方法D.2003.14張弓潘云鶴，面向車輛牌照字符識別的預(yù)處理算法，計算機應(yīng)用研究，1999(7).15葉晨洲等，車輛牌照字符識別系統(tǒng)，計算機系統(tǒng)應(yīng)用，1999(5).16李宏升等，利用牌照識別技術(shù)的停車場安全防盜系統(tǒng)，計算機系統(tǒng)應(yīng)用，1999(5).11附錄Matlab程序代碼:functiond=main(jpg)closeallclcI=imread('car2.

17、jpg');figure(1),imshow(I);title('原圖')I1=rgb2gray(I);灰度圖');灰度圖直方圖');figure(2),subplot(1,2,1),imshow(I1);title('figure(2),subplot(1,2,2),imhist(I1);title('I2=edge(I1,'robert',0.15,'both');figure(3),imshow(I2);title('robertse=1;1;1;I3=imerode(I2,se);figur

18、e(4),imshow(I3);title('se=strel('rectangle',25,25);I4=imclose(I3,se);figure(5),imshow(I4);title('I5=bwareaopen(I4,2000);figure(6),imshow(I5);title('y,x,z=size(I5);myI=double(I5);ticBlue_y=zeros(y,1);fori=1:yforj=1:xif(myI(i,j,1)=1)算子邊緣檢測)腐蝕后圖像');平滑圖像的輪廓);從對象中移除小對象');Blue_

19、y(i,1)=Blue_y(i,1)+1;%藍色像素點統(tǒng)計endendendtempMaxY=max(Blue_y);%Y方向車牌區(qū)域確定PY1=MaxY;while(Blue_y(PY1,1)>=5)&&(PY1>1)PY1=PY1-1;endPY2=MaxY;while(Blue_y(PY2,1)>=5)&&(PY2<y)PY2=PY2+1;endIY=I(PY1:PY2,:,:);%wn%Blue_x=zeros(1,x);%進一步確定x方向的車牌區(qū)域forj=1:xfori=PY1:PY2if(myI(i,j,1)=1)Blue_

20、x(1,j)=Blue_x(1,j)+1;12endendendPX1=1;while(Blue_x(1,PX1)<3)&&(PX1<x)PX1=PX1+1;endPX2=x;while(Blue_x(1,PX2)<3)&&(PX2>PX1)PX2=PX2-1;endPX1=PX1-1;%對車牌區(qū)域的校正PX2=PX2+1;dw=I(PY1:PY2-8,PX1:PX2,:);t=toc;figure(7),subplot(1,2,1),imshow(IY),title('figure(7),subplot(1,2,2),imsho

21、w(dw),title('imwrite(dw,'dw.jpg');filename,filepath=uigetfile('dw.jpg','jpg=strcat(filepath,filename);a=imread('dw.jpg');b=rgb2gray(a);imwrite(b,'1.車牌灰度圖像.jpg');figure(8);subplot(3,2,1),imshow(b),title('1.g_max=double(max(max(b);g_min=double(min(min(b);T=r

22、ound(g_max-(g_max-g_min)/3);%Tm,n=size(b);d=(double(b)>=T);%d:二值圖像imwrite(d,'2.車牌二值圖像.jpg');figure(8);subplot(3,2,2),imshow(d),title('2.figure(8),subplot(3,2,3),imshow(d),title('3.%濾波h=fspecial('average',3);d=im2bw(round(filter2(h,d);imwrite(d,'4.均值濾波后.jpg');figure

23、(8),subplot(3,2,4),imshow(d),title('4.行方向合理區(qū)域');定位剪切后的彩色車牌圖像')輸入一個定位裁剪后的車牌圖像');車牌灰度圖像')為二值化的閾值車牌二值圖像')均值濾波前)均值濾波后)%某些圖像進行操作%膨脹或腐蝕%se=strel('square',3);%使用一個3X3的正方形結(jié)果元素對象對創(chuàng)建的圖像進行膨脹%'line'/'diamond'/'ball'.se=eye(2);%eye(n)returnsthen-by-nidentit

24、ymatrix單位矩陣m,n=size(d);ifbwarea(d)/m/n>=0.365d=imerode(d,se);elseifbwarea(d)/m/n<=0.23513d=imdilate(d,se);endimwrite(d,5.膨脹或腐蝕處理后.jpg');figure(8),subplot(3,2,5),imshow(d),title('5.膨脹或腐蝕處理后')%尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為該塊有兩個字符組成，需要分割d=qiege(d);m,n=size(d);figure,subplot(2,1,1),imshow(d),

25、title(n)k1=1;k2=1;s=sum(d);j=1;whilej=nwhiles(j)=0j=j+1;endk1=j;whiles(j)=0&&j<=n-1j=j+1;endk2=j-1;ifk2-k1>=round(n/6.5)val,num=min(sum(d(:,k1+5:k2-5);d(:,k1+num+5)=0;%分害Uendend%再切割d=qiege(d);%切割出7個字符y1=10;y2=0.25;flag=0;word1=;whileflag=0m,n=size(d);left=1;wide=0;whilesum(d(:,wide+1)=

26、0wide=wide+1;endifwide<y1%認(rèn)為是左側(cè)干擾d(:,1:wide)=0;d=qiege(d);elsetemp=qiege(imcrop(d,11widem);m,n=size(temp);all=sum(sum(temp);two_thirds=sum(sum(temp(round(m/3):2*round(m/3),:);iftwo_thirds/all>y2flag=1;word1=temp;%WORD1endd(:,1:wide)=0;d=qiege(d);endend%分割出第二個字符14word2,d=getword(d);%分割出第三個字符wor

27、d3,d=getword(d);%分割出第四個字符word4,d=getword(d);%分割出第五個字符word5,d=getword(d);%分割出第六個字符word6,d=getword(d);%分割出第七個字符word7,d=getword(d);subplot(5,7,1),imshow(word1),title('1');subplot(5,7,2),imshow(word2),title('2');subplot(5,7,3),imshow(word3),title('3');subplot(5,7,4),imshow(word4)

28、,title('4');subplot(5,7,5),imshow(word5),title('5');subplot(5,7,6),imshow(word6),title('6');subplot(5,7,7),imshow(word7),title('7');m,n=size(word1);%商用系統(tǒng)程序中歸一化大小為40*20,此處演示word1=imresize(word1,4020);word2=imresize(word2,4020);word3=imresize(word3,4020);word4=imresize(

29、word4,4020);word5=imresize(word5,4020);word6=imresize(word6,4020);word7=imresize(word7,4020);subplot(5,7,15),imshow(word1),title('1');subplot(5,7,16),imshow(word2),title('2');subplot(5,7,17),imshow(word3),title('3');subplot(5,7,18),imshow(word4),title('4');subplot(5,7,19),imshow(word5),title('5');subplot(5,7,20),imshow(word6),title('6');subplot(5,7,21),imshow(word7),title('7');imwrite(word1,'1.jpg');i