《数字图像处理》
课程设计报告
设计题⽬：基于图像处理的车牌识别技术学院：xxxxxxxxxxxxxxxx
专业：xxxxxxxxxxxx
xxxxxxxxxxxxxxx
姓名：xxxxxxxxxxxxxxxxxxxxxxx
学号：xxxxxxxxxxxxxxxxxxx
指导教师：xxxxxx
2015年xx⽉xx⽇
摘要
智能交通系统已成为世界交通领域研究的重要课题，车牌识别系统作为智能交通系统的核⼼，起着⾮常关键的作⽤。⽬前，图像处理技术在车牌识别中的应⽤研究已经成为科学界的⼀个重要研究领域。
本课程设计旨在粗浅地运⽤所学基本原理和知识分析数字图像处理技术在友好环境下的应⽤（所选车牌识别的车辆图⽚均为友好环境下，易于处理的实验图⽚，不具有⼴泛性）。以车牌为研究对象，主要研究如何通过图像的预处理、车牌的定位、车牌字符分割和字符识别等⼀系列过程，完成车牌的识别。
关键词：智能交通、数字图像处理、车牌识别
ABSTRACT
Intelligent transportation system has become an important research topic in the world of transportation, license plate recognition system as the core of intelligent transportation system, plays a key role. At present, the application of image processing technology in vehicle license plate recognition has become an important research area of the scientific community.
This course is designed to scratch the surface and apply the knowledge to analyze the basic principles of digital image processing technology in a friendly environment (experimental vehicle license plate recognition image selected pictures are environment-friendly, easy to handle, does not have the breadt
汽车牌照h) . With license plate for the study, the main research how image preprocessing, license plate and license plate character segmentation and character recognition process and a series of complete license plate recognition.
Keywords：smart transportation 、Image Processing 、License Plate Recognition
⽬录
1、绪论 (4)
1.1问题提出 (4)
1.2背景及现状分析 (4)
1.3⽬的及意义 (5)
1.4开发⼯具 (5)
2、系统设计 (5)
2.1总体设计⽅案 (5)
2.2流程图 (5)
2.3模块功能分析 (6)
2.3.1图像预处理 (6)
2.3.2车牌定位 (8)
2.3.3字符分割 (8)
2.3.4字符识别 (10)
3、系统结果分析 (12)
3.1本系统结果分析 (12)
3.2本系统的不⾜ (12)
4、课程设计总结 (13)
5、课程设计体会 (13)
6、参考⽂献 (13)
7、附录 (14)
1、绪论
伴随着⼯业的迅速发展，城市化的进展和汽车的普及，世界各国的交通量急剧增加。如何管理好公路的运⾏与运营，保障好车辆在公路上的安全、快速的⾏驶，成为交通管理的重要问题。⼈们开始考虑修建更多更宽的道路，然⽽修建新路的巨额资⾦和城市空间的限制使得这⼀⽅法的有效性⼤打折扣。近年来，随着科技的发达、计算机技术、通信技术和计算机⽹络技术的发展，⾃动化的信息处理能⼒和⽔平不断提⾼，于是⼈们把⽬光聚焦到运⽤科学管理的⽅法来解决交通问题，并得到迅速的发展，最终形成了智能交通系统ITS的概念。
1.1问题提出
在信息业快速发展的今天，各⾏各业都迫切需要进⾏信息化、⾃动化以提⾼效率、减⼩⼈员使⽤。交通业也是如此。由于经济的腾飞，我国交通事业正在如⽕如荼地发展。信息事业与交通事业近⼏年来的快速发展使⼆者形成⼀个交集，那就是⽤⾼度发达的信息化⽅法去适应⾼速发展的交通事业。具体来说，如何开发⼀套⾼效、实⽤的智能交通管理系统，已是迫在眉睫的问题。
然⽽，实现基于图像处理的机动车牌识别⼜是⼀切智能交通管理活动的基础，所以说车牌识别系统是智能交通系统中重要组成部分。汽车牌照识别系统的应⽤⾮常⼴泛，停车场、交通路⼝、⾼速公路收费站以及机关门卫等领域都⼤量运⽤了车牌识别技术。所以说，如何开发⼀套⾼效、准确、使⽤⽅便的车牌识别系统已成为最亟待解决的问题。
1.2背景及现状分析
基于图像处理的车牌识别技术的研究在国外起步⽐较早，在美国、意⼤利、德国、以⾊列、新加坡等国家，现在都已经有⽐较成熟的产品投⼊使⽤，⽐如美国的（AUTOSCOF）2003系统、以⾊列的Hi-Tech公司研制的See/Car System、德国西门⼦公司的ARTEM7SXI系统、新加坡的Optasia公司研制的VLPRS等车牌识别系统，但因为我国车牌样式的多样性、车牌颜⾊的多样性以及包含汉字等特点，这些车牌识别系统不适合我国国情。
基于图像处理的车牌识别技术主要包括车牌定位、车牌分割、字符识别等⽅⾯的技术。关于车牌定位⽅⾯，主要理由车牌的边缘、形状、颜⾊等特征，再结合数字图像处理、形态学、⼩波变换、⼈⼯神经⽹络等技术对车牌进⾏定位。
基于特征的车牌定位的⽅法有 C.J.Setchel提出的基于字符边缘检测的车牌定位⽅法，M.M.Mfahmy提出⼀种基于迭代阈值的车牌定位⽅法。完全基于形态学的算法有运⽤数学形态学的闭运算获得车牌的候选
区，然后采⽤投影的⽅法剔除，定位针车牌。基于神经元⽹络的⽅法有基于BP⽹络的牌照定位⽅法，基于彩⾊的车牌定位⽅法有采⽤多层感知器⽹络对输⼊彩⾊图像进⾏彩⾊分割及多级混合集成分类器的车牌⾃动识别⽅法。还有根据彩⾊边缘检测算⼦ColorPrewitt和彩⾊边缘检测与区域⽣长相结合的车牌定位算法。
1.3⽬的及意义
1. 掌握图像的获取、预处理和分割的原理及MATLAB实现⽅法。
2. ⾃学⼀种字符图像的分割算法并⽤MATLAB编程实现该算法。
3. 在课程设计中复习并丰富在数字图像课上学到的知识。
车牌定位系统的⽬的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提⾼学⽣分析问题和解决问题的能⼒，还能培养⼀定的科研能⼒。
1.4开发⼯具
PC机、ＭＡＴＬＡＢ应⽤软件
2、系统设计
2.1总体设计⽅案
识别整个系统主要是由车牌定位和字符识别两部分组成，其中车牌定位⼜可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割与特征提取和单个字符识别两个模块。
为了⽤于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较⼤的对⽐度和清晰可辩的牌照图象。但由于该系统的摄像部分⼯作于开放的户外环境，加之的整洁度、⾃然光照条件、拍摄时摄像机与牌照的矩离和⾓度以及车辆⾏驶速度等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进⾏识别前的预处理。牌照的定位和分割是牌照识别系统的关键技术之⼀，其主要⽬的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的⼀块⼦图象从整个图象中分割出来，供字符识别⼦系统识别之⽤，分割的准确与否直接关系到整个牌照字符识别系统的识别率。由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产⽣的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进⽽影响字符识别的准确性。因此，需要对字符在识别之前再进⾏⼀次针对性的处理。车牌识别的最终⽬的就是对车牌上的⽂字进⾏识别。主要应⽤的为模板匹配⽅法。
本系统设计主要分为四个模块：图像预处理、车牌定位、字符分割、字符识别
2.2流程图
2.3模块功能分析
2.3.1图像预处理
⾸先载⼊车牌图像，⽬前我国普通汽车牌照的字符与背景搭配⼀般为蓝底⽩字，本程序主要针对上述类型的车牌进⾏识别。
然后进⾏预处理，⾸先进⾏车牌图像的灰度处理和⼆值化处理，基于RGB颜⾊空间中的车牌颜⾊特征提取，当某像素呈现为蓝⾊时，其蓝⾊分量必⼤于其他两个分量，记d1(xy) = b(x,y) - r(x,y)；d2(x,y) = b(x,y) - g(x,y) , 则可通过公式F(x,y)
=k1*d1(x,y)+k2*d2(x,y)提取蓝⾊特征。该特征可以看做是蓝⾊分量与其他两个颜⾊分量差的加权和。⼆值化处理，利⽤⼤津阈值法对灰度图像进⾏⼆值处理，进⼀步将车牌从复杂背景中分离。
灰度和⼆值化处理后图像如下：
灰度处理后效果图
⼆值化处理后效果图
形态学处理与连通域标记，形态学处理：利⽤结构算⼦对⼆值图进⾏形态学运算，以融合图像中的孔洞，去除车牌区域中的孤⽴背景噪声。连通域标记：将处理后的⼆值图像各连通域进⾏8-连通标记处理。效果图如下：
2.3.2车牌定位
特征识别定位车牌，⾸先选取特征：以车牌的宽⾼⽐作为识别特征。车牌定位：求每个连通域的最⼩包围矩形，计算其宽⾼⽐，当满⾜车牌的宽⾼⽐范围时，该区域即为车牌候选取。车牌定位效果如下：
2.3.3字符分割
提取车牌并预处理，通过形态学滤波去除孤⽴的噪声，利⽤⾏扫描法分割车牌，将字符上⽅因螺丝造成的噪声除去，精确定位⽬标字符区域。效果图如下：
计算垂直投影，计算⾏积累量，通过列扫描法求出列的投影值。垂直投影直⽅图，根据⾏矩阵绘制垂直投影的直⽅图，可以明
显地看出字符之间有间距。效果图如下：
字符分割，通过垂直投影直⽅图来确定字符的边界，从⽽将其切割成7个独⽴的图像。在汽车牌照⾃动识别过程中，字符分割有承前启后的作⽤。它在前期牌照定位的基础上进⾏字符的分割，然后再利⽤分割的结果进⾏字符识别。字符识别的算法很多，因为车牌字符间间隔较⼤，不会出现字符粘连情况，所以此处采⽤的⽅法为寻连续有⽂字的块，若长度⼤于某阈值，则认为该块有两个字符组成，需要分割。
字符归⼀化，⼀般分割出来的字符要进⾏进⼀步的处理，以满⾜下⼀步字符识别的需要。但是对于车牌的识别，并不需要太多的处理，将分割的7个字符统⼀成识别库中模板的尺⼨，就已经可以达到正确识别的⽬的。在此只进⾏了归⼀化处理，然后进⾏后期处理。效果图如下：
2.3.4字符识别
字符的识别⽬前⽤于车牌字符识别(OCR)中的算法主要有基于模板匹配的OCR算法以及基于⼈⼯神经⽹络的OCR算法。基于模板匹配的OCR的基本过程是:⾸先对待识别字符进⾏⼆值化，并将其尺⼨⼤⼩缩放为字符数据库中模板的⼤⼩，然后与所有的模板进⾏匹配，最后选最佳匹配作为结果。⽤⼈⼯神经⽹络进⾏字符识别主要有两种⽅法:⼀种⽅法是先对待识别字符进⾏特征提取，然后⽤所获得的特征来训练神经⽹络分类器。识别效果与字符特征的提取有关，⽽字符特征提取往往⽐较耗时。因此，字符特征的提取就成为研究的关键。另⼀种⽅法则充分利⽤神经⽹络的特点，直接把待处理图像输⼊⽹络，由⽹络⾃动实现特征提取直⾄识别。
模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损、污迹⼲扰适应⼒强且识别率相当⾼。综合模板匹配的这些优点我们将其⽤为车牌字符识别的主要⽅法。
模板匹配是图象识别⽅法中最具代表性的基本⽅法之⼀，它是将从待识别的图象或图象区域f(i,j)中提取的若⼲特征量与模板
T(i,j)相应的特征量逐个进⾏⽐较，计算它们之间规格化的互相关量，其中互相关量最⼤的⼀个就表⽰期间相似程度最⾼，可将图象归于相应的类。也可以计算图象与模板特征量之间的距离，⽤最⼩距离法判定所属类。然⽽，通常情况下⽤于匹配的图象各⾃的成像条件存在差异，产⽣较⼤的噪声⼲扰，或图象经预处理和规格化处理后，使得图象的灰度或像素点的位置发⽣改变。在实际设计模板的时候，是根据各区域形状固有的特点，突出各类似区域之间的差别，并将容易由处理过程引起的噪声和位移等因素都考虑进去，按照⼀些基于图象不变特性所设计的特征量来构建模板，就可以避免上述问题。
我们采⽤相减的⽅法来求得字符与模板中哪⼀个字符最相似，然后到相似度最⼤的输出。汽车牌照的字符⼀般有七个，⼤部分车牌第⼀位是汉字，通常代表车辆所属省份，或是军种、警别等有特定含义的字符简称；紧接其后的为字母与数字。车牌字符识别与⼀般⽂字识别在于它的字符数有限，汉字共约50多个，⼤写英⽂字母26个，数字10个。所以建⽴字符模板库也极为⽅便。为了实验⽅便，结合本次设计所选汽车牌照的特点，只建⽴了4个数字26个字母与10个数字的模板。其他模板设计的⽅法与此相同。
⾸先取字符模板，接着依次取待识别字符与模板进⾏匹配，将其与模板字符相减，得到的0越多那么就越匹配。把每⼀幅相减后的图的0值个数保存，然后数值最⼤的，即为识别出来的结果。效果图如下：
通过以上的⽅法，我组对多幅图像进⾏了检测，有较好的识别效果。下⾯是对另⼀幅车牌照的检测效果图：
原始图⽚
灰度处理
⼆值化处理
识别
字符分割
输出车牌
3、系统结果分析
3.1本系统结果分析
对于光照条件不理想的图象，可先进⾏⼀次图象增强处理，使得图象灰度动态范围扩展和对⽐度增强，再进⾏定位和分割，这样可以提⾼分割的正确率。⽽采⽤了⾊彩通道的牌照区域分割算法充分利⽤了牌照图象的⾊彩信息，简化了算法的实现，加快了图象的处理速度，具有较⾼的检出正确率，⽽且整个过程⽤MATLAB 语⾔编程实现，⽆时间滞后感，可以满⾜实时检出的要求。但是在设计的过程中发现，使⽤另⼀幅图像后，识别效果始终没有那么理想。需要做⼀定的设置后才能识别出相应的字符。
字符识别过程使⽤的是模板匹配的⽅法，利⽤两幅图⽚相减的⽅法，到相减后值最⼩的，即为相似程度最⼤的。模板的制作很重要，必须要⽤精确的模板，否则就不能正确的识别。
3.2本系统的不⾜
本系统设计的重⼤缺陷就是只能识别情况较好的车牌图像，对情况较复杂的交通图像识别正确率较低。
4、课程设计总结
根据车牌特点，⼀般采⽤的车牌定位算法有：1.边缘检测定位算法；2.利⽤哈夫变换进⾏车牌定位；3.⾊彩分割提取车牌等。这⾥是通过⾊彩分割提取车牌的⽅法实现定位的。
字符分割的⽅法也有多种：1. 基于聚类分析的字符分割；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，主要是针对在车牌定位，图像预处理后⽐较规则的车牌图像。优点是程序逻辑设计简单，循环执⾏功能单⼀，便于设计和操作，程序执⾏时间短。
字符识别的基本⽅法通常⼜三类：1.结构特征分析⽅法；2.模板匹配法；3.神经⽹络法。此处采⽤的是模板匹配的⽅法，即是将要识别的字符与事先构造好的模板进⾏⽐对，根据与模板的相似度的⼤⼩来确定最终的识别结果。
5、课程设计体会
课程设计不仅是对前⾯所学知识的⼀种检验，⽽且也是对⾃⼰能⼒的⼀种提⾼。通过这次课程设计使我们明⽩了⾃⼰原来知识还⽐较⽋缺。这个课程设计让我们学到了很多东西，涉及到⽅⽅⾯⾯的知识，在这整个过程中我们查阅了⼤量的资料，得到了⽼师和同学的帮助，在此对他们表⽰谢意。在这期间遇到
了很多困难，我知道做什么都不容易，只能塌下⼼来，⼀步⼀个脚印的去完成才⾏。这学期我们学习了数字图像处理这门课程，在这个课程设计中应⽤到了很多其中的知识。理论只有应⽤到实际中才能学着更有意义。学习是⼀个长期积累的过程，在后的⼯作、⽣活中都应该不断的学习，努⼒提⾼⾃⼰知识和综合素质。此外，还得出⼀个结论：知识必须通过应⽤才能实现其价值！有些东西以为学会了，但真正到⽤的时候才发现是两回事，所以我们认为只有到真正会⽤的时候才是真的学会了。在整个设计中我们懂得了许多东西，也培养了我们独⽴⼯作的能⼒，树⽴了信⼼，相信会对今后的学习⼯作⽣活有⾮常重要的影响。同样此次课程设计也⼤⼤提⾼了动⼿的能⼒，使我们充分体会到了在创造过程中探索的艰难和成功时的喜悦。虽然这个设计做的并⾮对所以车牌都合适，但是在设计过程中所学到的学习⽅法是我们最⼤收获和财富，相信定会使我们受益终⾝。
6、参考⽂献
[1] （美）冈萨雷斯．数字图像处理（第三版）．电⼦⼯业出版社，2011.6
[2] 许志影、李晋平. MATLAB极其在图像处理中的应⽤.计算机与现代化，2010.4
[3] 叶晨洲等.字符识别系统，计算机系统应⽤，2009.5
[4] 郑成勇. 基于RGB颜⾊空间中的车牌定位新⽅法. 中国图象图形学报，2010.11
7、附录
源代码：
clear all;
I = imread('C:\Users\lenovo\Desktop\作业\car3.jpg');
figure;imshow(I);title('原图');
%%%%%%%%%% 基于蓝⾊对图⽚进⾏灰度处理%%%%%%%%%%
发布评论