(汽车行业)基于图像处理的汽车牌照的识别

（汽车行业）基于图像处理的汽车牌照的识别

基于图像处理的汽车牌照的识别

作者:陈秋菊

指导老师:李方洲

(温州师范学院物理和电子信息学院325027)

摘要：以壹幅汽车牌照的识别为例，具体介绍了车牌自动识别的原理。整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，用MA TLAB软件编程来实现每壹个部分,最后识别出汽车牌照。在研究的同时对其中出现的问题进行了具体分析，处理。寻找出对于具体的汽车牌照识别过程的最好的方法。

关键词：汽车牌照车牌提取字符分割字符识别Thevehiclelicenserecognitionbasedontheimageprocessing

Author:ChenQiuju

Tutor:LiFangzhou (SchoolofPhysicsandElectronicInformationWenZhouNormalCollege325027)

Abstract：Withonevehiclelicenserecognition,theprincipleoftheautomobileLicenserecognitionisintroduced.This processwasdividedintopre-process,edgeextraction,vehiclelicenselocation,characterdivisionandchara cterrecognition,whichisimplementedseparatedbyusingMA TLAB.Thelicenseisrecognizedatlast.Atthe sametime,theproblemsarealsoanalyzed

Andsolvedintheprocess.Thebestmethodofrecognitiontotheveryvehiclelicenseisfound. Keywords:vehiclelicensevehiclelicenselocationcharactersegmentation

Characterrecognition

引言

1.1选题意义

汽车牌照自动识别系统是以汽车牌照为特定目标的专用计算机视觉系统，是计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之壹，是实现交通管理智能化的重要环节，它可广泛应用于交通流量检测，交通控制和诱导，机场、港口、小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。目前，发达国家LPR（汽车牌照识别技术LicensePlateRecognition，LPR，简称“车牌通”）系统在实际交通系统中已成功应用，而我国的开发应用进展缓慢，车牌识别系统基本上仍停留在实验室阶段。基于这种现状仍有它广阔的应用前景，目前对汽车车牌的识别研究就有了深远的意义。

课题组成

汽车车牌的识别过程主要包括车牌定位、字符车牌分割和车牌字符识别三个关键环节。其识别流程如下：

原始图像：由数码相机或其它扫描装置拍摄到的图像

图像预处理：对动态采集到的图像进行滤波，边界增强等处理以克服图像干扰

边缘提取：通过微分运算，2值化处理，得到图像的边缘

车牌定位：计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域。最后得到的便为车牌区域。

字符分割：利用投影检测的字符定位分割方法得到单个的字符

字符识别：利用模板匹配的方法和数据库中的字符进行匹配从而确认出字符，得到最后的汽车牌照，包括英文字母和数字。

本文以壹幅汽车图像为例，结合图像处理各方面的知识，利用MA TLAB编程，实现了从

车牌的预处理到字符识别的完整过程。各部分的处理情况如下：

2.预处理及边缘提取

图1汽车原图

图像在形成、传输或变换过程中，受多种因素的影响，如：光学系统失真、系统噪声、暴光不足或过量、相对运动等，往往会和原始景物之间或图像和原始图像之间产生了某种差异，这种差异称为降质或退化。这种降质或退化对我们的处理往往会造成影响。因此在图像处理之前必须进行预处理，包括去除噪音，边界增强，增加亮度等等。

因为噪声主要是壹些含高频的突变成分，因此能够通过壹个低通滤波器来消除图像中包含的噪声，且使低频成分得到增强。滤波的方式有俩种，壹种是空间域滤波，壹种是频率域滤波。在空间域，常见的滤波方式有俩种方式，均值滤波和中值滤波。空间域滤波主要有巴特沃斯滤波器。在车牌边缘提取之前，俩种滤波方式均采用了。且和未进行滤波的边缘进行比较。以下是经处理后的壹些图片。

图2经均值滤波后提取的边缘图像

图3经巴特沃斯低通滤波后提取的边缘图像

图4未滤波直接提取出的边缘信息

图5经高通滤波器增强后得到的边缘图像

对比之上几幅图片，图2的边缘太粗，而图3的边缘已经模糊掉了。图5中包含的噪声太多，图4未经滤波直接提取出的边缘图像最清晰，所包含的有用信息最多。分析这种情况产生的原因，归纳起来主要有以下方面:

1、原始图像清晰度比较高，从而简化了预处理

2、图像的平滑处理会使图像的边缘信息受到损失，图像变得模糊

3、图像的锐化能够增强图像中物体的边缘轮廓，但同时也使壹些噪声得到了增强

综上所述，结合MATLAB实验过程，得出不是每壹种图像处理之初都适合滤波和边界增强。本次汽车车牌的识别，为了保存更多的有用信息，经过多次比较，选择图4作为后期处理的依据。边缘的提取采用的是梯度算子，因为其实现过程比较简单，所以在此不多加赘述了。提取出的边缘含有多个灰度值，要进行二值化处理，选择壹个合适的域值。经多次比较，选取域值T=70，对于灰度值大于T的赋值为255，小于T的赋值为0。经过处理后的图像如下所示:

图6二值化后的边缘图像

结合后期分割得到的车牌图7，二值化后的图像在后期的识别中且不会提高车牌的识别率，因此不采用二值化的图像来进行识别，因此后面的处理依然使用图4。

3.车牌提取

经过边缘提取得到的图像，车牌区域在水平方向灰度面积值具有明显频繁的跳变，在垂直方向上的面积投影则出现峰-谷-峰的特性。根据这种峰谷特点，自动检测车牌位置峰点检测的车牌区域定位方法，且对初步定位后的车牌进壹步使用微定位技术。该方法包括三部分:(1)车牌的横向定位；(2)车牌的纵向定位；(3)车牌的微定位。

汽车本身具有壹定的特点，壹般情况下，牌照都挂在缓冲器上或附近，处于车牌照图像的下半部分，本次分割的主要意图是缩小牌照搜索范围，大致确定出牌照的位置。对如图4所示的汽车边缘图像f(x，y)，我们首先进行水平方向壹阶差分运算，即

g(i，j)=|f(i，j)-f(i，j+1)|

其中i=1，2，3，?，xw-1，j=0，1，2，3，?yw-1，其中xw，yw分别为图像的行数和列数。然后对水平差分图像的像素沿水平方向累加产生壹个投影表T(i)，如图7所示。

图7汽车边缘图像的水平面积投影图

壹般对应于车牌位置的投影值T(i)较大，而在车牌上，下行附近的投影值较小，均有谷点存在。只要能找到这俩个谷点，就能大致确定出车牌照的位置，缩小车牌搜索范围。由图4能够见出，车牌下方的横栏处的T(i)值应该是最大的，而车牌位置就在其附近。根据这些特定，可定出车牌位置大概在320~350行之间。

类似的方法得出汽车边缘图像的垂直面积投影图

图8汽车边缘图像的垂直面积投影图

同上可初步得到汽车牌照的列位置在120~210之间。大致确定的牌照位置如下图。

图9粗略定位出的汽车牌照

对初步确定出来的牌照进行微定位，所谓微定位法，就是对基本定位后的车牌图像进

行局部分析，以进壹步确定字符范围，缩减车牌的左、右和上、下边界，这有利于后续的牌照字符处理。具体实现如下:(1)由于车牌近似为壹个矩形，上下边缘近似为壹条直线，通过简单的灰度变化分析就能够再次定位车牌图像的上下边界，这种情况适合于倾斜度较小的车牌；对于倾斜程度较大的牌照来说，在其横向定位之前就应该利用相关的技术进行车牌的矫正(例如Hough变换技术)。(2)确定左边界:从左向右扫描，当遇到灰度值大于设定值60之后，停止扫描。上边界也是利用这种方式得到。这样就得到首字符的起始位置。再利用牌照的大小，宽高比壹般都是固定的这些先验知识，就能够确定出牌照的具体位置。本设计中采用的车牌，其宽高比为1:3。从而确定出汽车牌照的具体位置。最后提取出的汽车牌照如下图:

图10二值化的汽车牌照

图11未进行二值化的汽车牌照

4.字符分割

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，常采用垂直面积投影法来实现。面积投影法的公式如下:

由于字符块在竖直方向上的投影必然在字符间或字符内的间隙处取得局部最小值，且且这个位置应满足车牌的字符书写格式、字符尺寸和其他壹些条件的限制。下图是图10在垂直方向上的面积投影图。从图形中我们很直观的见出投影值中出现了8条间隙，6个字母中间的间隙只有5个，仍有三个间隙是字符间的。有字符的列其灰度值比较高，无字符的则相对比较低。依据这壹点，再结合图10的特征，很容易得到每个字符的起始终止位置。第壹个字符:1-10第二个字符：10-18第三个字符：28-41第四个字符：42-48第五个字符：60-68第六个字符：68-78

图12车牌垂直方向上的面积投影图

将图10按照上面的分析行数不变，列数分为六组，分别影射到六个不同的数组中。又因为在字符的模式识别中，其模板大小统壹，因此得到的六个数组必须变换其大小，均统壹成26×14的形式。分割出来的六个字符如下所示，分别命名为M1.jpg，M2.jpg，M3.jpg，M4.jpg，M5.jpg，M6jpg且用imwrite函数写入图像文件夹中，以便在后期处理中能够直接进行调用。图12分割出来的六个字符图像

壹般分割出来的字符要进行进壹步的处理，以满足下壹步字符识别的需要。因为图像中含有许多燥声，这在预处理的图像中已经见出来了。因此必须进行滤波，然后归壹化，二值处理。使其最后得到的图像和标准模板壹样。只含有俩种灰度值,黑和白。可是对于车牌的识别，且不需要这么多的处理就已经能够达到正确识别的目的。在此简化了处理过程，未经滤波归壹化，直接进行后期处理。

5.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

值化且将其尺寸大小缩放为字符数据库中模板的大小，然后和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俩种方法:壹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。识别效果和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。另壹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。

字符识别的算法如下:

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；紧接其后的为字母和数字。车牌字符识别和壹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。本次设计所识别的车牌只有字母和数字。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3个字母和3个数字的模板。其他模板设计的方法和此相同。

5.1模板设计

分析字符分割得到的图像以及其他车牌图像中字符的特点，将模板大小定为26×14；

背景为黑色，代表灰度值0，字符边缘为白色。代表灰度值255。

设计过程如下：

用画图工具先画出P、F、M、1、0、3等几个字符的图像。且分别保存为m11.jpg，m12.jpg，M1.jpg，m14.jpg，m15.jpg，m16.jpg。根据画图的经验其大小应略大于26×14，以利于后面的处理。所得到的字符均为黑字白底。字体为方正姚体，大小16号。

所画出的图形如下:

对1中获得的粗略图像用MATLAB进行处理。处理的方面包括a.去除边框，利用二维数组的映射关系实现，去掉开始行(列)和结束行(列)即所有外围像素点b.提取模板的边缘。其实现方法和前面的汽车边缘提取的方法相同，也是利用梯度算子。C.尺寸大小变换，切割为标准的26×14格式。

整个处理过程结束后，再用imwrite函数写入图像库中，作为标准模板使用。

经过处理后的标准模板形式如下:

模板的设计过程，共进行了俩次。作为壹幅jpg或者bmp形式的图片，其中包含了许许

多多的像素点，各象素点的值也不壹样，到底如何来确定这些像素点的值呢？模板设置无疑成为壹个难点。于是便投机取巧，将本身分割得到的字符保存起来直接作为模板使用。这种方法明显不具有科学性。图像识别中模板匹配法是将未知的东西和已知的东西来进行比较。因此模板库中的字符应该是已知的，是预先设置好的是不可更改的，而不是在实验过程中来得到。第二次便是用之上的画图工具来壹步壹步逼近实现模板设置。实验结果显示，这种方法简单易行。

5.2识别过程

字符识别中模板匹配方法是实现离散输入模式分类的有效途径之壹，其实质是度量输入和样本之间的某种相似性，取相似性最大者为输入模式所属类别，它根据字符的直观形象抽取特征，用相关匹配原理进行识别，即是将输入字符和标准字符在壹个分类器中进行匹配。车牌字符相关匹配算法如下：

输入字符用输入函数X表示，标准模板用函数T表示，它们的大小均为26×14。将未知的

模式逐个和模板匹配，求出其相似度。

其中，M=26，N=14。Ti指第i个模板。X×Ti是指矩阵对应元素相乘。如果把X和T都归壹化为”1”和”0”，则上式表示标准模板和待识图像上对应点均为”1”的数目和标准模板上”1”点的数目之比。

如果maxSi>λ则判定X∈Ti，否则拒识，这里λ为拒识域值。本次实验中直接取相关最大值为判定域值。

用MA TLAB来实现字符的识别。其中有俩个很重要的函数能够直接调用:corr2函数和max 函数。

Corr2函数直接用来计算图像拒阵A和B的相关系数r。A和B的大小及数据类型必须相同，得到的结果r是双精度标量。其调用方法如下:

r=corr2(A，B)

因此本设计中的字符识别只需调用此函数，即将分割出来的字符和设置好的模板壹壹进行相关运算，然后寻找出它们中的最大相关值。max函数就是用来选择几个数值的大小值。其调用方式如下:

[b，c]=max(a(:))

其中b返回的是比较后得到的最大值，c是最大值所对应的元素位置。

同时仍自编了壹个识别函数result.m用来返回识别结果。程序代码如下:

functionc=result(H)；

M1=imread('M1.jpg')；

M2=imread('M2.jpg')；

M3=imread('M3.jpg')；

M4=imread('M4.jpg')；

M5=imread('M5.jpg')；

M6=imread('M6.jpg')；

M1=double(M1)；

M2=double(M2)；

M3=double(M3)；

M4=double(M4)；

M5=double(M5)；

M6=double(M6)；

d=zeros(6)；

d(1)=corr2(H，M1)；

d(2)=corr2(H，M2)；

d(3)=corr2(H，M3)；

d(4)=corr2(H，M4)；

d(5)=corr2(H，M5)；

d(6)=corr2(H，M6)；

[D，e]=max(d(:))；

switche

case1

c='P'；

case2

c='F'；

case3

c='M'；

case4

c=1；

case5

c=0；

case6

c=3；

otherwise

end

M1，M2，M3，M4，M5，M6为标准模板对应的二维数组。函数在开始运行时，从主函数里得到待识别的字符，此字符和模板进行相关运算，同时找出相关运算后的最大值及对应的函数位置。然后对最大位置进行判别，返回所对应的字符给主程序。且在MATLAB运行窗口显示出来。

编写result.m函数大大简化了计算量，每个字符在识别的时候直接调用此函数，避免了重新编程浪费的时间及空间。这是本次车牌识别中的壹大亮点

运行结果，MA TLAB的运行窗口显示出的车牌号码为:P，F，M，1，0，3。完成了准确识别车牌的目的。

6.总结:

6.1设计过程说明

在汽车车牌识别的整个过程中，查找了很多资料，综合了各方面的信息。车牌实现的每壹步都有许多的方法，各种方法都有其优劣，可是对于具体的图像处理，且不是每壹种理论在实践中都能够实现，即使实现了也很难说哪壹种方法最合适，仍得在具体的实验中比较选择。以车牌预处理为例，经过滤波和边界增强处理后提取出的车牌效果明显没有未处理的效果理想。第二点在程序调试的过程中要耐心的检查每壹个错误。测试结果表明，本设计有以下几条优点:

充分利用MATLAB中已有的函数库。整个程序设计简单易行

识别准确率高

6．2设计工具说明:

车牌识别程序设计能够得以顺利完成。在很大程度上得利于MA TLAB这套软件，MA TLAB 功能强大，它包括数值计算和符号计算，且且计算结果和编程可视化。这为编程调试创造了壹个便利的环境。作为图像处理最适用的工具之壹，其突出的特点是它包含壹个图像处理工具包，这个工具包由壹系列支持图像处理操作的函数组成。所支持的图像处理操作有:图像的几何操作、邻域和区域操作、图像变换、图像恢复和增强、线性滤波和滤波器设计、变换(DCT 变换等)、图像分析和统计、二值图像操作等。在图像的显示方面，MATLAB提供了图像文件读入函数imread()，用来读取如:bmp、tif、jpg、pcx、tiff、jpeg、hdf、xwd等格式图像文件；图像写出函数imwrite()，仍有图像显示函数image()、imshow()等等。这些，都使编程效率大为提高。

7.讨论

本设计已成功达到了车牌识别的目的，而且准确率也很高。可是在整个设计过程中，发现了几个值得参考的算法，也试图用这种算法来实现车牌识别，但种种原因，而未采用。当下次简单讨论壹下:

6.1.含8个方向的模板的边缘提取算法

本设计在边缘提取之时，使用的是梯度算子。这种算法的优点是简单易行，可是因为它不包含边缘的方向，因此对噪声不够敏感。目前，在图像处理方面使用得最多的是壹种可抗噪声

的Sobel算法。它定义了8个方向的模板。

通常物体的边缘是连续且光滑的，而噪声是随机的。在任壹边缘点附近沿边缘的走向总能找到另壹边缘点，且这俩边缘点之间的灰度差及方向差都不可能很大。可是噪声则不同，壹般情况下，沿任壹噪声点的方向(通过上述模板运算得到)不太可能找到和其灰度差及方向差都很小的噪声点。正是利用这壹基本思想，本算法能将实际的边缘点和噪声点区分开来。

加权领域平均算法来进行滤波处理

6．2加权领域平均算法来进行滤波处理

由实验我们能够见出，壹般的滤波器在对图像进行噪声滤除的同时对图像中的细节部分有不同程度的破坏，都不能达到理想的效果。可是采用加权的邻域平均算法对图像进行噪声滤除，不仅能够有效地平滑噪声，仍能够锐化模糊图像的边缘。加权的邻域平均算法的基本思想是:在壹个邻域内，除了能够利用灰度均值外，灰度的上偏差和下偏差也能够提供某些局部信息。算法的计算公式描述如下，用f(x，y)表示原始图像，g(x，y)为平滑后点(x，y)的灰度值，Vx，y表示以点(x，y)为中心的邻域，该邻域包含N个象素，m(x，y)表示邻域Vx，y内的灰度均值。NI表示邻域内大于平均值的像素个数，Ng表示小于平均值的像素个数，而N0表示等于平均值的像素个数。则修正的邻域平均法由下式给出:

m-A?ml；Nl>max{Ng，N0}

g(x，y)=m+A?mg；Ng>max{Nl，N0}(1)

m；else

(1)式(1)中，A为修正系数，取值范围为0～1，其大小反映Vx，y中的边缘状况。之上是我认为在图像处理中比较有价值的俩点，有兴趣的可之上网查阅相关的资料。

【参考文献】

[1]霍宏涛.数字图像处理.机械工业出版社，2003.5

[2]陈桂明、张明照、戚红雨.应用MATLAB语言处理数字信号和数字图像。科学出版社，2000

[3]郎锐.数字图象处理学VisualC++实现.北京希望电子出版社，2002.12

[4]刘露、强.汽车牌照自动识别技术初探，中国公路网，2003-09-26

[5]周妮娜、王敏、黄心汉、吕雪峰、万国红.车牌字符识别的预处理算法.计算机工程和应用，2003(15)

[6]佘新平、朱立.壹种具有抗噪声干扰的图像边缘提取算法的研究，2001-6-4

[7]苑玮琦、伞晓钟.壹种汽车牌照多层次分割定位方法，2004V ol.9No.4P.239-243

[8]许志影、李晋平.MA TLAB极其在图像处理中的应用.计算机和现代化，2004(4)

[9]董慧颖、曹仁帅.汽车牌照自动识别系统中字符分割算法研究.沈阳工业学院学报2003(12)V ol.22No.4

[10]崔江、王友仁.车牌自动识别方法中的关键技术研究.计算机测量和控制，2003.11(4)

[11]王年、李婕、任彬、汪炳权.多层次汽车车牌照定位分割方法.安徽大学学报，1999(6)Vol.23.No.2

[12]马俊莉、莫玉龙、王明祥.壹种基于改进模板匹配的车牌字符识别方法.小型微型计算机系统V ol.23.No.2

基于图像处理技术的车牌识别方法研究

龙源期刊网 https://www.360docs.net/doc/0e10997768.html, 基于图像处理技术的车牌识别方法研究作者：朱明秀来源：《信息记录材料》2019年第03期【摘要】近几年，智能化在我国各行各业中都应用极广，在交通系统中应用也非常多，车牌识别技术则是其中之一，如何在车辆正常行使状态下完成车牌自动识别？本文将从车牌识别现状入手进行分析，找到现有识别方式的一些问题，再吸取经验，从车牌定位、车牌字符分割、车牌字符识别几方面对基于图像处理技术的车牌识别方法进行探讨。【关键词】图像处理技术车牌识别方法抓取识别【中图分类号】TP274 【文献标识码】A 【文章编号】1009-5624（2019）03-0224-03 1 引言随着经济和科技的发展，我国国民生活水平也日益提高，汽车成为每家每户常见的交通工具，这虽然带动了我国经济的发展，但也使交通管理工作量变大，在这种情况下，再依靠传统的办法根本无法完成交通管理工作，这就需要我们依靠信息化、智能化的技术去辅助完成交通管理工作。对于车辆来讲其主要识别是依靠车牌来的，因此我们必须将这种智能化、信息化技术应用到车牌识别中来，使之能服务于我国的车辆管理工作，使车辆管理工作能更加高效的运行。 2 车牌识别技术概述 2.1 车牌识别技术现状近年来我国的车牌智能识别技术发展也非常快，现有的识别技术普遍有两种，一种是将车牌信息收集储存于IC卡或者条形码，通过无线电频率鉴别系统来识别汽车车牌号码，这种识别技术相对准确度比较高，但整套设备存在2个实际操作的问题：①十分复杂，不利于异型作业，而且需要所有车牌按照全国统一标准来制定，执行难度很大。②对扫描的工具要求非常高，这导致整套设备价格成本过高，而且虽能进行扫描，但无法核实车和卡是否一致，这也是个目前尚未突破的技术问题，这些问题都导致通过IC卡或条形码来进行识别的技术无法得到很好的推广。另一方面是直接通过突破来进行识别，因为这种识别方法能在无任何信号发送设备的情况下抓取到不同状态车辆的车牌，并通过非接触性信息菜系系统来进行智能识别，这种方法近年来使用很多，其相对IC卡和条形码来讲，能有效降低从成本，提高经济效益，而且起能通过图像抓取和人为参与结合来解决系统中的识别错误问题，有效提高。 2.2 车牌识别技术的研究意义

数字图像处理之车牌提取

车牌提取本文介绍了车牌定位的各种算法及发展，并利用matlab软件对一幅车头照片进行了车牌区域的定位。一、前言数字图像处理技术的发展十分迅速，最初应用在空间探索及医学领域，如今，它已经成为工程学、计算机科学、信息科学、统计学、物理学、化学、生物学甚至社会科学等领域学习和研究的对象。同时，随着我国经济的高速发展，交通变得日益繁忙，对智能交通系统的研究变得十分迫切。利用了图像处理技术的车牌自动识别系统己成为智能交通系统的重要组成部分。要实现交通智能化，首先要能获得道路交通状况和车辆情况的相关数据，因此车辆牌照的识别智能交通领域的一个重要研究课题之一，是实现交通智能化的一个重要环节。要想准确识别出车牌的数字，首先必须要能在含有车牌的图像中定位出车牌的位置，才能进行进一步的数字分析识别，所以，车牌的定位技术是车牌识别的基础。二、相关理论介绍（一）车辆牌照的特点现在我国车牌有4种类型：（1）小功率汽车使用的蓝底白字牌照；（2）大功率汽车使用的黄底黑字牌照；（3）军、警用的白底黑字、红字牌照；（4）国外驻华机构使用黑底白字牌照。这些牌照的长度均为45cm，宽为15cm，共有字符7个。一般民用牌照第一个字符为汉字，且是各省市的简称；第二个字符为大写英文字母，如“E”；第三个字符是英文字母或阿拉伯数字，第四至第七个字符为阿拉伯数字，如“沪E 30265”就是最典型的车牌符号。车牌的位置一般在汽车的下方。（二）车牌定位算法的发展现状车牌定位算法分为图像的预处理、车牌的搜索和车牌鉴别定位三部分。图像预处理就是要获得有用的图像的边缘，并将其二值化；车牌搜索则是搜索整幅图像以得到有可能包含车牌的若干感兴趣区域；车牌定位则是根据车牌的特征对提取出的感兴趣的区域进行鉴别和剔除假的车牌, 从而提取到真正的车牌。相较于车身其他位置，车牌区域有其自身特点，主要有车牌底色与车身颜色，字符颜色有较大差异；车牌的矩形区域内存在较丰富的边缘，呈现出规则的纹理特征；车牌内字符之间的间隔比较均匀，字符和牌照底色在灰度上存在跳变；图像中牌照长宽比的变化有一定范围等。这些都为车牌定位分割提供了先验知识。但是，摄像机获得的图像含有丰富的自然背景及车身背景信息，易受照明、天气条件及运动失真和模糊的影响，同时由于在野外环境下使用，车牌会有不同程度的磨损、污迹干扰、变形等，这些问题给车牌定位带来了难度。目前较为成熟的车牌区域定位算法有自适应边界搜索法、区域生长法、灰度图像数学形态学运算法、基于纹理或颜色的分割方法以及模糊聚类法等。这些方法都有各自的优点，但是在实际应用中也存在着一些不足之处。例如，对于基于纹理的分割方法，图像中很可能不止一个区域具有车牌区域类似的纹理特征，难以准确找到

matlab车牌识别课程设计报告(附源代码)

Matlab程序设计任务书

目录一．课程设计目的 (3) 二．设计原理 (3) 三．详细设计步骤 (3) 四. 设计结果及分析 (18) 五. 总结 (19) 六. 设计体会 (20) 七. 参考文献 (21)

一、课程设计目的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。二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。三、详细设计步骤:

1. 提出总体设计方案: 牌照号码、颜色识别为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。流程图:

全自动车牌识别停车场管理系统技术方案

车牌自动识别停车场管理系统技术方案

本设计方案就是基于以上的思想基础，针对小区车辆管理的实际情况，结合各种现代化高科技手段完成的。我们的目标是为小区用户的车辆管理提供一个车牌识别功能的解决方案。我们采用的是当前国内最先进的车牌识别技术。此设计方案着重考虑了识别的准确性，及车牌自动识别算法在各种停车场车辆管理系统中的灵活嵌入，既考虑到用户的需求，又囊括了各种高科技技术，而且增加了一些管理手段，尽可能地为用户提供一个完善的小区车辆管理系统。第1章用户需求分析在现代化停车场管理中，涉及到各方面的管理，其中车辆的管理是一个重要的方面。尤其是对特殊停车场、大院及政府机关、小区而言，要求对各种车辆实时地进行严格的管理，对其出入的时间进行严格的监视，并对各类车辆进行登记（包括内部车辆和外部车辆）和识别。对大规模的场区中，各种出入的车辆较多，如每辆车都要进行人工判断，既费时，又不利于管理和查询，保卫工作比较困难，效率低下。为了改善这种与现代化停车场、大院及政府机关、小区等不相称的管理模式，需要尽快实现车辆管理工作的自动化、智能化，并以计算机网络的形式进行管理，对所有出入口的车辆进行有效地、准确地监测和管理。要求系统提供相应的应用软件，实现营区管理的高效率、智能化。该系统是利用视频流的车牌自动识别算法，无需地感触发，对车辆进行抓拍、号牌识别，当车辆进入小区入口时，车牌自动识别算法自动抓拍车辆照片并识别车牌号码，将车牌号码，颜色，车牌特征数据，入场时间信息等传记录下来，固定车辆可无障碍出入停车场，临时车辆人工审核后入场，为用户提供了一种崭新的服务模式。系统自动识别进入小区车辆的号码和车牌特征，验证用户的合法身份，自动比对黑名单库，自动报警，并可对整个停车场情况进行监控和管理，包括出入口管理，内部管理，采集，存储数据和系统工作状态，以便管理员进行监控，维护，统计，查询和打印报表等工作。车辆出入小区，完全处于系统监控之下，使小区的出入，收费，防盗，车位管理完全智能化、自动化并具有方便快捷，安全可靠的优点。

基于数字图像处理的车牌识别系统

基于数字图像处理的车牌识别系统言经官电气学院电子112 摘要：车牌识别系统（License Plate Recognition 简称LPR）技术基于数字图像处理，是智能交通系统中的关键技术，同时他的发展也十分迅速，已经逐渐融入到我们的现实生活中。文章介绍了车牌识别系统的意义、图像去噪处理以及图像二值化方法,并通过仿真试验模拟了图像处理的过程。本文所做的工作在于前期的图像预处理工作。本次设计着重在于图像识别方面, 中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。之后利用Matlab编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。其中,去噪与二值化是关系图像识别率的关键。关键字：车牌识别系统；图像预处理；字符识别；Matlab；去噪；二值化引言智能交通系统（ITS）是当今世界交通管理体系发展的必然趋势，而作为智能交通系统中的重要组成部分之一的车牌自动识别技术，目前已被广泛应用于城市道路监控、高速公路收费与监控、小区与停车场出入口管理、公安治安卡口等场合，成为研究的热点。伴随我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制，安全管理的要求也日益提高。因此迫切需要采用高科技手段,对违法违章车辆牌照进行登记, 在这种情况下，作为信息来源的自动检索，图像识别技术越来越受到人们的重视。车牌识别系统的出现成为了交通管制必不可少的有力武器。 1 车牌识别系统的目标利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上，通过对车辆图像的采集，采用先进的图像处理、模式识别和人工智能技术，在图像中找到车牌的位置，提取出组成车牌号码的全部字符图像，再识别出车牌中的文字、字母和数字，最后给出车牌的真实号码。国外的车牌识别研究始于80 年代，90 年代始已有不少成套的产品出现。由于我国车牌的组成及组合的方式与国外的车牌不一致，使得我们不能直接使用国外的车辆牌照识别系统，而必须针对我国车牌重新设计相应的车辆牌照识别系统。车牌识别的使用环境、背景各有差异，目前还没有一种算法能在不同环境、各种复杂背景条件下达到非常高的车牌识别率，因而车牌识别技术仍然是研究的重点。 2 MATLAB 及其图像处理工具概述 MATLAB 是MAT rix LABora tory( 矩阵实验室) 的缩写, 是Ma thWorks 公司开发的一种功能强、效率高、简单易学的数学软件。MATLAB 7. 1 是一套功能十分强大的工程计算及数据分析软件, 其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。MATLAB 的图像处理工具箱, 功能十分强大, 支持的图像文件格式丰富, 如* .BMP、* . JPG、* . JPEG、* . GIF、* . ti;f% 95% 94、* . ti;f%95%94F、* . PNG、* . PCX、* . XWD、* . HDF、* . ICO、* .CUR 等。本文将给出MATLAB的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。

车牌识别管理系统方案(DOC)

PA-WT车牌识别停车场管理系统方案

目录第一章前言................................ 错误！未定义书签。第二章系统设计依据及总则..................... 错误！未定义书签。一、本方案设计依据：........................ 错误！未定义书签。二、设计说明................................ 错误！未定义书签。 1、设计目标及原则........................ 错误！未定义书签。 2、系统概述 (2) 3、系统基本功能及特点 (5) 系统结构框图 (6) 图像识别系统主要设备 (7) 4 出口处电脑功能......................... 错误！未定义书签。 5 管理电脑功能 (11) 三．系统软件功能 (11) 第三章系统设计 (12) 注意事项 (13) 第四章售后服务 (14)

前言：车牌识别技术是指能够检测到受监控路面的车辆并自动提取车辆牌照信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。目前国内有两种识别方式，1、软件识别，就是摄像机直接接入PC机，通过电脑上位机软件对摄像机抓拍图片进行分析识别，优点成本低，缺点：对电脑要求较高，长时间运行识别速度会有一定影响。2、DSP嵌入式硬件识别，摄像机直接接入DSP嵌入式车牌识别器，通过专业的DSP芯片对摄像机抓拍图片进行分析，优点：对电脑要求低，设备自带防死机功能，算法丰富，识别速度快，适用于工业环境长时间运行。缺点：成本相对于软识别成本较高。系统简介我司采用DSP嵌入式硬件图像处理器研制开发的PA-WT汽车牌照自动识别车辆出入管理系统，具有方便快捷、准确可靠、保密性好、灵敏度高、节省

基于数字图像处理的车牌识别系统

车牌图像定位与识别

专业综合实验报告----数字图像处理专业：电子信息工程班级：：学号：指导教师：

2014年7月18日车牌图像定位与识别一、设计目的利用matlab实现车牌识别系统，熟悉matlab应用软件的基础知识，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，巩固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。二、设计容和要求车牌识别系统应包含图像获取、图像处理、图像分割、字符识别、数据库管理等几个部分，能够完成复杂背景下汽车牌照的定位分割以及牌照字符的自动识别。这里，只要求对给定的彩色车牌图像变换成灰度图像，用阈值化技术进行字符与背景的分离，再提取牌照图像。三、设计步骤 1．打开计算机，启动MATLAB程序； 2．调入给定的车牌图像，并按要求进行图像处理； 3．记录和整理设计报告四、设计所需设备及软件计算机一台；移动式存储器；MATLAB软件。五、设计过程车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成，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和单个字符识别两个模块。 (一）对图像进行图像转换、图像增强和边缘检测等

1.载入车牌图像：原图 2.将彩图转换为灰度图并绘制直方图：灰度图灰度直方图 3.用roberts 算子进行边缘检测：图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定。正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。边缘提取是较经典的算法，此处边缘的提取采用的是

课程设计报告-车牌识别系统的设计

车牌识别系统的设计一、摘要: 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。二、设计目的和意义: 设计目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。设计意义：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。三、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。四、详细设计步骤:

车牌识别系统说明

一、车牌识别出入口管理系统设计 1.1 系统简介停车场基于车牌识别管理模式的系统，设备一般包括车牌识别专用摄像机、车牌识别器、信息显示屏、自助缴费终端、电动道闸、图像对比和车牌识别系统、计算机等。为了满足客户不同管理需求，各个设备可以灵活组合。在本项目中，系统需要对临时用户、固定用户进行实时管理，对其出入的时间、车牌号、图像进行严格记录、识别和登记，并按照停车时间和计费规则对各种车辆进行收费，并防止车辆丢失。智能车牌识别收费管理系统系统图主要功能： ● 车牌识别比对功能，防止车辆被盗 ● 语音提示，人性化操作提示 ● 支持灵活费率设定，不限时段，多种设定。 ● 支持车牌识别缴费功能，免除临租卡的发放，提高通行速度管理中心服务器数据采集器自动道闸收费显示屏摄像头收费管理系统自动道闸摄像头

●多进多出联网系统管理，支持出入口嵌套管理功能 ●异常情况处理，满足消费报警、应急手动等 ●支持51park网站的车位查询和预定功能，利于数据集中、管理集中 1.2其他子系统介绍 ●一卡通支付、手机支付：用一卡通、手机支付缴停车费，替代临租卡，刷卡付费一次完成，还可自助缴费。 ●ETC缴费利用ETC有源卡，读卡距离6－10米，可不停车通过，提高通行效率，减少出入口数量。 ●车牌识别，集中收费利用车牌识别技术，获取车牌号码，替代临租卡的发放，驾车者在收费处输入车牌号就可缴费，提高了效率。 ●无人职守自助缴费驾车者自己在终端上输入车牌号码，调取入场记录，用一卡通、手机、信用卡等方式自助付费，提高了服务水准。 ●折扣机，积分扣缴对在商场酒店消费的客户，通过折扣机减免停车费，可用消费积分抵车费，吸引有效用户，提高商场收入。 ●车位查询和预定（配合51park网站）通过无线网络，自动上报停车场的空车位、收费价格等信息，供51park 网站的客户查询和预定，预定信息从51park网站下传到收费系统，并自动处理。 1.3停车管理系统出入口设置在停车场入口处设置车牌识别摄像机、LED显示屏（带语音）、自动道闸、地感线圈等。设备位置如图所示：

数字图像处理实验_汽车牌照自动识别

贵州大学实验报告学院：计算机学院专业：网络工程班级：101 姓名学号实验组实验时间12.11 指导教师戴丹成绩实验项目名称实验四汽车牌照自动识别实验目的 1.分析汽车牌照的特点，正确获取整个图像中车牌的区域，并识别出车牌号。 2.将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。实验原理牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。实验步骤 a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。实验数据getword.m function [word,result]=getword(d) word=[];flag=0;y1=8;y2=0.5; while flag==0 [m,n]=size(d); wide=0; while sum(d(:,wide+1))~=0 && wide<=n-2 wide=wide+1; end temp=qiege(imcrop(d,[1 1 wide m])); [m1,n1]=size(temp);

纯车牌识别停车场管理系统方案

设计方案

公司简介红门智能系统有限公司新疆分公司。总部创立于 1998年， 2006年更名为红门智能系统有限公司，注 “红册资金500万。门智能”是一家集研发、生产、销售、服务于一体的高科技企业。多年来，红门人以振兴民族工业为己任，本着“科技为民，服务大众”的企业宗旨，在总结吸收国内外众多同类产品优点的基础上以全新思路成功设计开发出以IC卡为信息载体的“一卡通智能管理系统”，从而在停车场、门禁、消费、电梯控制、考勤、巡更、通道控制等管理系统中，实现了全新的管理境界，并在大厦一卡通、车场一卡通、企业一卡通、校园一卡通的智能化运用管理上取得了质的飞跃。 “红门智能”拥有一支技术领先、勇于创新、追求卓越、敬业爱岗的杰出团队，多年来先后获得了：IS09001：2000国际质量体系认证、多项计算机软件授权登记证书、多项软件产品登记证书、相关产品生产登记证书、设计施工资质证书和多项国家专利。“红门智能”始终坚持以信誉为根本、以技术为依托、以质量为生命、以服务为基础，走高科技不断创新之路，一如既往地为国内各界用户朋友提供全方位的技术支持与服务，树立行业典范，并为我国的信息产业发展做出应有贡献！

前言随着现代化管理手段的进步和科学技术的日益发展，小区用户对车辆管理的要求越来越高。过去的人工刷卡的管理方式已经不适应现代化发展的需要，针对目前快节奏，高速度的工作模式，要求管理方法和制度要有一个根本的改善，这种改善不但要适应用小区管理的需求，也要适应社会的需求，要适应人的感官的需求和习惯性操作的需求。但是目前任何高科技产品都不能完全代替人类的手工操作，不能完全取代人的思维，更不能与人的思维方式相吻合。因此我们在做自动化管理系统的设计时，要尽可能地强调自动化手段，但又不可忽略人工干预的因素，二者巧妙地结合起来，可达到事半功倍的效果。本设计方案就是基于以上的思想基础，针对小区车辆管理的实际情况，结合各种现代化高科技手段完成的。我们的目标是为小区用户的车辆管理提供一个车牌识别功能的解决方案。我们采用的是当前国内最先进的车牌识别技术。此设计方案着重考虑了识别的准确性，及车牌自动识别算法在各种停车场车辆管理系统中的灵活嵌入，既考虑到用户的需求，又囊括了各种高科技技术，而且增加了一些管理手段，尽可能地为用户提供一个完善的小区车辆管理系统。

车牌识别图像处理过程汇总

————————————————————————————————作者：————————————————————————————————日期：

图像处理在车牌图像预处理中的应用 ●灰度化 ●车牌图像灰度化 ●直方图均衡化 ●灰度拉伸 ●二值化 ●全局阈值法和局部阈值法 ●适用于车牌的二值化方法 ●边缘检测 ●图像梯度 ●几种常见的边缘检测算子 ●适用于车牌的边缘检测算子一、车牌识别系统结构车牌识别系统通常由数据采集(车牌图像摄取)，车牌提取，车牌识别几个主要部分组成，其系统结构如图 1.1 所示：车牌自动识别系统中： 1.图像摄取主要由硬件部分完成，它提取汽车的前景图像，将摄像头的视频信号转换为数字图像信号送给计算机处理。 2.车牌图像预处理。由于拍摄的自然环境及光照条件的影响，车牌图像中存在许多干扰，对车牌的定位带来不便，为了更好的提取车牌，需要对车牌图像进行预处理以保证车牌定位的质量。 3.VLP 检测。即图1.1 中虚线环绕的部分，这一部分是系统的核心，它的实现影响着整个系统的性能，主要利用模式识别、数字图像处理、信息论等知识对车牌图像中的车牌进行定位及提取操作。 4.字符分割及识别。当车牌被成功提取后，需要分割其中的字符，并利用先验知识对其进行识别，以得到最终结果。

二、图像处理具体过程图像处理是人工智能在计算机图形学中的一个重要分支，是车牌识别系统的理论依据。在自然条件下摄取的车牌，除了包含大量噪声外，还具有多样性。为了使系统能够更好的分离车牌，必须对原始图像进行预处理。本章主要讨论车牌图像预处理的一些常用方法，包括图像的灰度二值化、噪声处理、边缘提取等。当摄像机从外界摄入视频图像时，首先把它转换为静态图片，再送入计算机进行处理。由于拍摄环境的多变性，车牌图像中存在噪声和干扰，这些给车牌提取带来困难。系统首先将输入的彩色图像灰度化，并且进行亮度平均，使图像具有较好的对比度；对图像进行边缘提取操作前，往往先要进行噪声抑制操作，以提高边缘提取的质量；二值化则多用于已提取车牌的处理上。车牌图像预处理的难点在于： 1.车牌图像质量不佳，灰度化后会弱化图像中的车牌信息，因而好的灰度化处理非常必要； 2.由于光照的原因，车牌很可能出现过分灰暗或明亮的情况，这种条件下的二值化处理应该分情况讨论，对应特殊的分割阈值； 3.图像中的复杂背景具有丰富的边缘信息，不但会增加系统识别的难度，也会造成系统的误判，怎样去除这些不必要的背景十分关键。实际操作中，因为车牌处于图像的中部偏下位置，所以通常取图像的下半部分进行处理或优先考虑图像中靠下方的位置。 4.车牌中的字符很容易在预处理中发生变形或丢失信息的情况，要注意保持车牌的字符信息。 2.1 灰度化在计算机中，一幅图像由若干个像素组成，每个像素都带有图像的相关信息(如背景、目标、噪声等)，而图像处理技术则通过对这些像素进行处理而得到我们所需要的关键信息。 2.1.1 车牌图像灰度化一般情况下，输入计算机的视频截取图像为RGB 格式，即彩色图片。由于这种图像包含大量的颜色信息，它的每个像素都具有三个不同的颜色分量R(Red)、G(Green)、B(Blue)，这样的图片占据的存储空间很大，而且在对其进行处理时也会耗用较多的系统资源，导致系统的执行效率不高。与之相比，灰度图像只含有亮度信息，从而大大减少了系统的工作时间，满足汽车牌照识别系统的实时性要求。因此，在对图像进行其它预处理之前，一般先将彩色图像转换成灰度图像。最基本的灰度化方法就是直接使用R、G、B 三分量中的最大值或平均值来代替各个分量。灰度化以后，相同颜色的像素具有相同的亮度，这就形成了以亮度为层次的灰度图片。灰度值大的像素比较亮，反之较暗。通常把灰度值分为256 等份，0 度表示最暗的级别，即黑色；255 表示最亮的级别，即白色。图像的灰度化转换还有其它不同的算法，比较常见的是给像素的R、G、B 分量各自增加一个特定的加权系数，相乘后求和，其计算结果作为灰度值，转换公

课程设计报告车牌识别系统的设计

车牌识别系统的设计一、二、摘要: 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。三、四、设计目的和意义: 设计目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。设计意义：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。

五、六、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。七、八、详细设计步骤: 1. 提出总体设计方案: 牌照号码、颜色识别为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。

数字图像处理-常用车牌定位方法的介绍和分析

车牌识别LPR(License Plate Recogniti ON)技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算，识别出视野范围内的车辆牌照号码；它运用数字图像处理、模式识别、人工智能技术对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像，定位、分割牌照字符，最后自动识别牌照上的字符。为了保证汽车车牌识别系统能在各种复杂环境下发挥其应有的作用，识别系统必须满足以下要求: (1)鲁棒性:在任何情况下均能可靠正常地工作，且有较高的正确识别率。 (2)实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。车牌识别技术的关键在于车牌定位、字符分割和字符识别三部分，其中车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个LPR系统识别率的主要因素，是车牌识别技术中最为关键的一步。目前车牌定位的方法多种多样, 归纳起来主要有基于纹理特征分析的方法、基于边缘检测的方法、基于数学形态学定位、基于小波分析定位以及基于彩色图像定位等，这些方法各有所长。

1、车牌目标区域特点车牌定位方法的出发点是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。车牌自身具有许多的固有特征，这些特征对于不同的国家是不同的。从人的视觉角度出发，我国车牌具有以下可用于定位的特征: (1)车牌底色一般与车身颜色、字符颜色有较大差异; (2)车牌有一个连续或由于磨损而不连续的边框; (3)车牌内字符有多个，基本呈水平排列，在牌照的矩形区域内存在丰富的边缘，呈现规则的纹理特征; (4)车牌内字符之间的间隔较均匀，字符和牌照底色在灰度值上存在较大的跳变，字符本身和牌照底内部都有比较均匀的灰度; (5)不同图像中牌照的具体大小、位置不确定，但其长宽比在一定的变化范围内，存在1个最大值和1个最小值。以上几种特征都是概念性的，各项特征单独看来都非车牌图像所独有，但将它们结合起来可以唯一地确定车牌。在这些特征中，颜色、形状、位置特征最为直观，易于提取。纹理特征比较抽象，必须经过一定的处理或者转换为其他特征才能得到相应的可供使用的特征指标。通常文字内容特征至少需要经过字符分割或识别后才可能成为可利用的特征，一般只是用来判断车牌识别正确与否。

2019款车牌识别管理收费系统配置清单

智能一卡通车牌识别管理系统配置清单DUOAO智能一卡通车牌识别管理系统一、DUOAO车牌识别停车场管理系统序号名称规格型号生产厂家单位数量备注图片参数 1.入口设备 1数字自动道闸DAIC-TC-GDZ深圳多奥套1一体化机,含手动按钮和标准型3米八角直杆,其它闸杆另行计价"1、电机采用直流无刷电机，较一般有刷直流机及普通交流电机有可无比的优越性能。无电刷：使用寿命长、低噪、维护方便；无火花：不产生电气干扰，具有防爆性能；高可控性：无级调速，顺、逆时钟瞬时转向制动，即使电机堵转也不会烧坏；低功耗：较普通电机道闸节能30%以上；起落速度快、稳：起落快慢分别可调，具有1.8秒、3秒、6秒多种可选规格；停电可手动抬杆。 2、控制机构涡轮涡杆结构；传递功率大；变速比高；稳定强、可行性高（使用寿命10年以上）；外型：专业外型设计、美观大方；汽车金属烤漆，永不褪色；体积小、重量轻、便于运输及安装；

3、其它参数起落杆速度：1.4s～6s可调； MTBF（平均无故障时间）：500000h；工作电压：220VAC±10%，50Hz；额定功率：50w；工作温度：-30℃至～85℃；工作湿度：5％～95％。" 2车辆检测器（含线圈）DAIC-TC-CJ深圳多奥套1防砸车及检测有车读卡"灵敏度：高中低三级可调，适应各种车辆类型（摩托车、小汽车、中型车、大型车等）；频率：高中低三档可调, 抗干扰能力极强；输出信号延时：可调；自动复位；工作电源：AC220V；功耗：50mA。 " 3车牌识别一体机(含软件，支架，光圈，防水罩等套件)DAIC-TC-SBDUOAO台1200百万高清车牌识别一体机，识别准确率（>98%）,可脱机使用"极致优化的嵌入式车牌识别算法:综合识别率高于99% 视频流识别优化处理：最大程度地保证识别准确率可脱机运行: 前置数据存储功能优异的成像自动控制：自动跟踪光线变化、有效抑制顺光和逆光；夜间抑制汽车大灯；

数字图像处理车牌识别课程设计matlab实现附源代码

基于matlab的车牌识别系统一、目的与要求目的：利用matlab实现车牌识别系统，熟悉matlab应用软件的基础知识，了解了基本程序设计方法，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，并把所学的知识系统、高效的贯穿到实践中来，避免理论与实践的脱离，巩固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。要求： 1.理解各种图像处理方法确切意义。 2.独立进行方案的制定，系统结构设计要合理。 3．在程序开发时，则必须清楚主要实现函数的目的和作用，需要在程序书写时说明做适当的注释。如果使用matlab来进行开发，要理解每个函数的具体意义和适用范围，在写课设报告时，必须要将主要函数的功能和参数做详细的说明。 4、通过多幅不同形式的图像来检测该系统的稳定性和正确性。二、设计的内容学习MATLAB程序设计，利用MATLAB函数功能，设计和实现通过设计一个车牌识别系统。车牌识别系统的基本工作原理为：将手机拍摄到的包含车辆牌照的图像输入到计算机中进行预处理，再对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符，然后将其逐个与创建的字符模板中的字符进行匹配，匹配成功则输出，最终匹配结束则输出则为车牌号码的数字。车牌识别系统的基本工作原理图如图1所下所示：

三、总体方案设计车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成，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。但由于是采用智能手机在开放的户外环境拍照，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离等因素的影响，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，需要将拍出的车牌进行处理，在这个过程中，我采用画图工具，将汽车图像的车牌部分进行裁剪，并将车牌的蓝色部分过亮的地方颜色加深，还将车牌中的一个白色的原点抹去，另外还将车牌上的铆钉使用车牌的蓝色背景覆盖，这样分割出的字符更加准确。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。因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在600HZ及以上，内存在128MB 及以上。系统可以运行于Windows7、Windows2000或者Windows XP操作系统下，程序调试时使用matlabR2011a。四、各个功能模块的主要实现程序（一）首先介绍代码中主要的函数功能及用法：