复杂背景下车牌定位与字符分割算法研究
大连理工大学
硕士学位论文
复杂背景下车牌定位与字符分割算法研究
姓名：刘鹏
申请学位级别：硕士
专业：控制理论与控制工程
指导教师：王宏伟
20071201
大连理工大学硕士学位论文
只需要一个数据矩阵，矩阵的每个像素表示对应位置的像素的灰度值。彩色图像的像素为ＲＧＢ（Ｒ，Ｇ，Ｂ），灰度图像的像素为ＲＧＢ（ｒ，ｒ，ｒ），Ｒ，Ｇ，Ｂ可由彩色图像的颜色分解获得。而Ｒ，Ｇ，Ｂ的取值范围是０－２５５，所以灰度的级别只有２５６级。灰度化的处理方法主要有如下三种：
①最大值法：使Ｒ，Ｇ，Ｂ的值等于三值中最大的一个，即
Ｒ…ＧＢｍａｘ（Ｒ，Ｇ，Ｂ）（３．１）
②平均值法：使Ｒ，Ｇ，Ｂ的值等于三值和的平均值，即
Ｒ…ＧＢ（Ｒ＋Ｇ＋Ｂ）／３（３．２）
③加权平均值法：根据重要性或其它指标给Ｒ，Ｇ，Ｂ赋予不同的权值，并使Ｒ，Ｇ，Ｂ等十它们的值的加权和平均，即
Ｒ＝Ｇ＝Ｂ＝（ＷｒｘＲ＋ＷｇｘＧ＋Ｗｂｘ曰１／３（３．３）其中聊，赡，Ｗｂ分别为Ｒ，Ｇ，Ｂ的权值。由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，Ｗｒ＝０．２２９，Ｗｇ＝０．５８７，Ｗｂ＝０．１１４时，能得到最合理的灰度图像。对于图３．１的彩色图像，灰度化实验结果如图３．２所示。
幽３．１原彩色幽像
Ｆｉｇ．３．１Ｓｏｕｒｃｅｃｏｌｏｒｉｍａｇｅ
图３．２灰度图像Ｆｉｇ．３．２Ｇｒａｙｉｍａｇｏ
灰度图像中的边缘信息是指灰度强度有反差变化的那些像素点的集合。人的眼睛一般只能分辨大约４０级的灰度。这意味着如果黑与白之问的灰度范围被分为了超过４０个以上的等分，相邻的灰度级对人眼来说可能看起来就会是相同的。然而，视网膜有一种内在的边缘增强能力，使眼睛能检测出远小于总范围１／４０的灰度跃变。考虑一组按灰度级从黑到白顺序排列的２５６个正方形区域，我们很容易便能看到相邻正方形之问存在的边界，即使其灰度差别仅是２５６级中的１级。但是，如果用一个窄条盖住了相邻两个正
复杂背景下车牌定位与字符分割算法研究
用Ｖ２Ｇ算子对图像进行处理后，找边缘点的问题就相当于找它的零交叉点。零交叉点的斜率和方向反映了原图像边缘的强度与方向。
利用上述的常用灰度边缘算子，对图３．２的车流灰度图像进行水平边缘提取，实验结果如下图３．３所示。
图３．３灰度图像边缘检测结果
Ｆｉｇ．３．３Ｒｅｍｄｔｏｆｅｄｇｅ－ｄｅｃｔｅｃｔｉｎｇＯｉｌｇｒａｙｉｔｌ｜ａ；ｇＣ
从图中我们可以看出，利用Ｓｏｂｅｌ算子和Ｐｒｅｗｉｔｔ算子得到的边缘图像中噪声点过多，同时车牌内部的边缘信息却过于分散，不利于通过连通域分析的方法进行车牌定位。而采用Ｒｏｂｅｒｔ算子和Ｌａｐｌａｃｅ算子得到的边缘图像中，车牌区域并没有被很好突现出来，而且背景干扰区域很多，很难进行车牌定位操作．
（２）彩色边缘检测
传统的边缘检测方法是对于灰度图像进行运算，但是由于图像的亮度和色彩所反映的边缘并不一直重合，往往会出现多边缘或者宽边缘的情况，这将影响彩色图像边缘检测的效果。在这种情形下，张引等人提出基于彩色图像上的边缘检测ＣｏｌｏｒＰｒｅｗｉｔｔ算子１２０１和ＣｏｌｏｒＲｏｂｅｒｔ算子１４３１。
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、设计内容和要求 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
车牌的定位与字符分割报告
车牌的定位与分割 实验报告 一实验目的 针对交通智能系统所拍摄的汽车图片，利用设定的算法流程，完成对汽车车牌部分的定位，分割车牌部分，并完成字符的分割，以便于系统的后续分析及处理。 二实验原理 详见《车牌的定位与字符分割》论文。 三概述 1一般流程 车牌自动识别技术大体可分为四个步骤：图像预处理、车牌定位与分割、车牌字符的分割和车牌字符识别。而这四个步骤又可归结为两大部分：车牌分割和车牌字符识别。 图1-1为车牌自动识别技术的一般流程图。 2本实验的流程 （1）图像预处理：图像去噪 （2）车牌的定位：垂直边缘检测（多次）形态学处理的粗定位
合并邻近区域结合车牌先验知识的精确定位 （3）车牌预处理：车牌直方图均衡化倾斜校正判定（蓝底白字或者黄底黑字）归一化、二值化 （4）字符的分割：垂直投影取分割阈值确定各个字符的左右界限（结合字符宽度、间隔等先验知识）分割字符 四实验过程 4.1图像预处理 4.1.1图像去噪 一般的去噪方法有：空间域上的均值滤波和中值滤波；频率域上的巴特沃斯滤波器。图4-1是各滤波器处理椒盐噪声的效果。 a．被椒盐噪声污染的图片 b.均值滤波的效果图 c.中值滤波的效果图 d.BLPF的效果图 图4-1 各滤波器处理椒盐噪声的仿真 可见，中值滤波对椒盐噪声的处理效果极好，而一般所拍摄的图片上最多的便是孤立的污点，所以此处以中值滤波为主进行去噪。图4-2是采用中值滤波处理实际汽车图片的效果。
a.原始图像 b.灰度图像 c.中值滤波后的图像 图4-2 中值滤波处理实际汽车图片的效果 很显然，经过中值滤波后去除了原图上的部分污点。 4.1.2图像复原 由于通常情况下都不知道点扩展函数，所以我们采用基于盲解卷积的图像复原策略。 图4-3~4-7图是函数进行盲解卷积的实验结果，其中图4-3是图像cameraman 的模糊图像。 图4-3 模糊图像 在盲解卷积处理中，选择适当大小的矩阵对恢复图像的效果很重要。PSF的大小比PSF的值更重要，所以首先指定一个有代表性的全1矩阵作为初始PSF。恢复的图像如图4-4所示，初始PSF如图4-5所示。
车牌字符分割算法研究
1 绪论 1.1 背景介绍 为了实现车牌字符识别，通常要经过车牌位置检测、车牌字符分割和字符识别三个关键步骤。车牌位置检测是根据车牌字符目标区域的特点，寻找出最符合车牌特征的区域。车牌字符分割就是在车牌图像中找出所有字符的上下左右边界，进而分割出每个车牌字符。在实际应用中，车牌字符分割的效果对车牌字符识别正确率会产生很大的影响，由于车牌图像亮度不均、尺度变化、透视失真、字符不完整等因素，使图像质量存在较大差异，进而影响图像分割的效果，因此车牌字符分割这一技术仍然具有很大的研究意义。在实际的监控场景中，车牌图像的透视失真通常是由于拍摄视角的变化或车辆位置的移动，相机光轴偏离车牌平面的法线方向造成的。由于车牌图像在整幅图像中占有较小的比例，所以车牌图像几何校正主要工作是校正车牌图像的旋转和剪切失真。 旋转投影法和直线拟合法是两种主要的偏斜校正方法。旋转投影法是为了获取垂直倾斜角，即将车牌图像穷举逐个角度进行剪切变换，然后统计垂直投影数值为0的点数，得到最大值对应的角度。这种方法受背景区域的干扰比较大。另一种方法是直线拟合车牌字符的左边界点从而获得垂直倾斜角，该方法为直线拟合法。该方法并没有逐个角度对车牌图像进行剪切变换，从左边界点拟合出的直线通常不能真正用来代表车牌的垂直倾斜方向，检测出的角度存在较大误差，且字符左侧噪声对角度检测干扰太大，鲁棒性较差。因此找到一种更准确和迅速的车牌垂直倾斜矫正方法是十分重要的。 通过得到最小的字符投影点坐标方差，得到另一种车牌垂直矫正方法。首先将车牌字符图像进行水平校正，根据字符的区域的上下边界，将车牌字符进行粗分割。然后将剪切变换后的字符点进行垂直偷用。当得到投影点最想左边方差时，便能导出两类剪切角闭合表达是，最后便是确定垂直投影的倾斜角并对此进行校正。 投影法是目前最常用的车牌分割算法之一，其算法简单并且计算复杂度低。该方法的核心思想是将车牌图像进行水平投影和垂直投影，利用峰谷特征来定位车牌字符的上下左右边界。但是车牌的噪声、边框等因素容易影响到投影的峰谷位置，并且对于存在较严重质量退化的图像处理困难。为了进一步改善字符分割效果，通常将形态学分析、连通体分析和投影法三者相结合，并应用到车牌字符分割。Anagnostopoulos等人提出用
基于模式识别的车牌定位算法研究-开题报告
安徽建筑工业学院电子与信息工程学院本科毕业设计（论文）开题报告 课题名称：基于模式识别的图像处理算法研究 ——基于模式识别的车牌定位算法研究专业：电子信息工程 班级：08电子①班 学生姓名：陈宇栋 学号：08205010127 指导教师： 填表日期：2012年3月5日 安徽建筑工业学院电子与信息工程学院 二○一一年十二月制表
说明 1.抓好毕业设计（论文）的开题报告是保证毕业设计 （论文）质量的一个重要环节。为了加强对毕业设计（论文）的过程管理，规范毕业设计（论文）的开题报告，特印发此表。 2.毕业生一般应在毕业设计前期准备过程中，通过文 献调研，主动跟指导教师讨论，完成毕业设计（论文）的开题报告。 3.此表经过指导教师和有关人员签字后，一份由指导 教师保存，一份交院教学办公室。 4.毕业生在毕业设计（论文）答辩时，必须提交这份 毕业设计（论文）开题报告。 填写选题依据和设计方案，力求简练，若表中栏目不够填写，可另加附页。
一、简表 学生简况 姓名陈宇栋性别男出生年月1988-08入学时间2008-09学号08205010127专业电子信息工程班级08电子①班 课题名称基于模式识别的图像处理算法研究 子课题基于模式识别的车牌定位算法研究 课题来源纵向课题 类型计算机软件设计 研究（设计）内容 随着计算机和人工智能技术的发展，模式识别在图像处理中的应用日益广泛，智能交通工具在世界范围内引起重视，而车牌识别系统是智能交通工具的重要组成部分，该系统可以记录十字路口违章车辆，实现高速公路、收费路口、停车场等地的收费。车牌识别系统包括从图像的采集到预处理，再到车牌区域的定位和字符的分割，最后对分割出的字符进行识别的一系列过程。本次毕业设计主要对汽车牌照识别系统进行处理研究，借助于Visual C++编程环境运行在相应的硬件平台上，利用数字图像模式识别技术实现对汽车牌照的自动识别。按照模式识别系统组成，完成汽车牌照自动识别技术包括车牌预处理、车牌特征提取和车牌识别等功能，完成相应的算法研究。 对采集的车牌图像进行预处理包括图像灰度化、二值化、灰度拉伸及边缘提取等过程，并且过滤图像噪声使图像区域特征明显，根据区域特征确定车牌区域。车牌字符分割可以采用车牌区域纵向灰度投影的方式进行字符区域识别和分割实现。最后进行车牌分割字符图像归一化，将分割好的字符图像通过系数变换得到高度、宽度均相等的图像，以方便特征提取，提高识别的准确率，实现车牌的识别。
关于车牌定位的一些算法
近年来，智能交通系统(ITS)越来越受到人们的重视在车牌识别中，车牌自动识别系统作为核心部分之一应用已经越来越普及。车牌识别系统主要分车牌定位、字符切分和字符识别三部分，而车牌定位又是系统中最重要的步骤，定位的成功与否以及定位的准确程度将会直接决定后期能否进行车牌识别以及识别的准确度。 文中利用MATLAB进行分析与仿真。MATLAB是一种简单，高效、功能强大的高级语言,在科学与工程计算领域有着广泛的应用前途。在数字图像处理领域,可应用MATLAB数字图像处理技术进行系统分析与设计。 本文要讨论的是对彩色车牌图像进行包括灰度化、二值化、图像增强、边缘检测的预处理，之后进行区域提取来实现对车牌的初定位。借助MATLAB编程语言在仿真过程中分析现有算法并加以改进。 1 车牌定位中的基本理论与算法 1.1图像灰度化 彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。经过灰度变换后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。 在车牌识别中要利用灰度分布的特征进行进一步的分割、识别，因此对车牌图像进行灰度化成为车牌定位的必要步骤之一。 1.2图像二值化 二值图像是指整幅图像画面内仅黑、白二值的图像。在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来，二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等等。车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大地提高处理效率。如果图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为0或255，否则灰度值设置为255或0。
基于垂直投影法的车牌字符分割算法设计
毕业论文(设计) 学院: 计算机科学学院 专业: 软件工程年级: 题目:基于垂直投影法的车牌字符分割算法设计学生姓名: 学号: 指导教师姓名: 职称: 年月
XXXX大学本科毕业论文（设计）原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。 作者签名：年月日 目录 摘要 (1)
Abstract (1) 第一章绪论 (1) 1.1车牌识别技术的背景 (1) 1.2 车牌识别系统的工作原理 (2) 1.3 国内外研究 (3) 1.4 本文主要内容 (3) 第二章基本理论介绍 (3) 2.1 数字图像处理技术 (3) 2.1.1 bmp位图 (4) 2.1.2 RGB编码方式 (4) 2.1.3二值图像 (4) 2.1.4 Otsu算法 (4) 2.1.5灰度图像 (5) 2.1.6 中值滤波 (5) 第三章车牌图像的预处理 (5) 3.1车牌图像的灰度化 (5) 3.2车牌图像的二值化 (5) 3.3 去噪处理 (6) 3.3.1去除车牌边框 (7) 3.3.2去除车牌图像中的圆点 (8) 第四章车牌字符分割算法 (8) 4.1传统垂直投影的车牌字符分割算法 (8) 4.2 改进的垂直投影的车牌字符分割算法 (9) 第五章系统实现 (10) 第六章总结与展望 (13) 6.1 总结 (13) 6.2 展望 (13) 致谢 (14) 参考文献 (15)
基于垂直投影法的车牌字符分割算法设计 摘要：车牌识别系统在现代社会有着广泛应用，而车牌字符分割是其中的一项关键技术。本文针对车牌字符分割算法做了较为深入的研究。首先，要想正确的分割车牌图像，必须得到质量较好的车牌二值化图像。所以，本文对车牌字符分割的预处理部分进行较为深入的研究，尤其是车牌图像二值化后的去噪处理。传统投影法对车牌图像要求比较高，容易受到噪声的影响，从而造成分割字符的粘连与断裂。针对传统投影法的不足，文章提出一种基于垂直投影法的改进的字符分割算法，该算法可以有效地识别车牌字符。该方法抗干扰能力较强，能有效的减少字符粘连与断裂，分割准确度较高。 关键词：车牌识别；二值化；字符分割；垂直投影法 Vertical projection-based license plate character segmentation algorithm design Abstract：License plate recognition system has a wide range of applications in modern society, the license plate character segmentation is a key technology. In this paper, the license plate character segmentation algorithm to do a more in-depth study. First of all, in order to correct segmentation of license plate image must be of good quality license plate binary image. So more in-depth study of the pre-processing part of the license plate character segmentation, especially after the license plate image binarization denoising. Traditional projection on the license plate image requires relatively high, easily affected by noise, resulting in a split character adhesion and fracture. For the lack of traditional projection method, the paper presents a segmentation algorithm based on the improvement of the vertical projection of the characters, the algorithm can effectively identify the license plate character. Strong anti-interference ability of the method, which can effectively reduce the character adhesion and fracture, split high degree of accuracy. Keywords License Plate Recognition; binarization ；Character segmentation; Vertical projection 第一章绪论 随着世界经济的快速发展，以及汽车制造技术的提高，使得汽车迅速成为人们日常生活中的一个必需品。这造成全球的汽车数量猛增，而随之也导致城市的交通压力越来越大，城市的交通状况也因此得到了更多的关注。如何有效地对交通进行管理，也成为各国政府和相关部门所关注的焦点和热点。针对这些问题，人们开始将计算机技术、通信技术、计算机网络技术和自动化信息处理等很多新的科学技术用于交通道路的监视和管理系统，以此提高车辆管理和运输的效率。它主要是通过对过往车辆实施检测，提取有关的交通数据来达到对交通的监控、管理和指挥。车牌自动识别技术[1]是指能够检测到受监控路面的车辆并自动提取车辆车牌信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理与识别的技术。它以计算机技术、图像处理技术、模糊识别技术为基础，建立运动车辆的特征模型，识别车辆特征，如号牌、车型、颜色等，并着重解决高速车辆图像的获取及清晰度问题。本文是在以往的车牌分割算法[2]的基础上介绍了车牌识别技术中的一种字符分割算法，该算法是针对一种已有的字符分割算法（投影法）的改进性研究。 1.1车牌识别技术的背景 随着21 世纪经济全球化和信息时代的到来，迅猛发展的计算机技术、通信技术和计算机网络技术，水平不断提高的自动化信息处理技术在人们社会活动和生活的各个领域得到广泛应用。同时，高速度、高效率的生活节奏，使汽车普及成为必然趋势。伴随着世界各国汽车数量的增加，城市的交通状况越来越受到人们的重视。如何有效地进行交通管理日益成为各国政府相关部门所关注的焦点。针对这一问题，
车牌识别(字符切割)大作业
图像处理技术
目录一．引言 (1) 二．目的和意义 (1) 三．设计原理 (1) 四.字符分割程序 (2) 五.结果 (4) 六.测试代码 (5) 七.系统的不足 (5) 八.总结 (5) 九.心得体会 (5) 十.致谢 (6) 十一.参考文献 (6)
一．引言 随着人们生活水平的不断提高,机动车辆数量大幅度增加，与之相配套的高速公路，城市路网及停车场越来越多，显著提高了人们对交通控制方面的要求。由于计算机技术的发展，信息处理水平的提高使智能交通系统成为世界交通领域研究的重要课题。其中车牌识别是智能交通系统的重要组成部分。车牌识别系统能够自动、实时地检测车辆、识别汽车车牌，从而监控车辆的收费、闯关、欠费以及各种舞弊现象。本系统为基于蓝色车牌的车牌识别系统，它能够识别非蓝色车辆的蓝底白字车牌。该系统通过车牌提取、车牌定位、预处理、字符分割、字符识别五个模块组成车牌识别系统。 二．目的和意义 通过对车牌识别系统的研究，自己开发小型车牌识别系统，虽有一定的局限性与不完整性，但可以使自己更加的熟悉MATLAB语言，激发对研究的兴趣，拓宽知识面，为自己以后的研究打下基础。在提升自身科研能力的同时，还能提高团队合作精神，清楚团队成员的分工，协调成员间的工作，为今后的团队合作研究积累经验。 三.设计原理 字符分割在此系统中有着承前启后的作用。它在前期车牌定位的基础上进行字符的分割，然后利用分割的结果进行字符的识别。字符识别的算法很多，应为车牌字符间间隔较大，不会出现字符粘连的情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为组成该块有两个字符，需要分割。一般分割出来的字符要进行进
OpenCV下车牌定位算法实现
OpenCV下车牌定位算法实现代码（一） 车牌定位算法在车牌识别技术中占有很重要地位，一个车牌识别系统的识别率往往取决于车牌定位的成功率及准确度。 车牌定位有很多种算法，从最简单的来，车牌在图像中一般被认为是长方形，由于图像摄取角度不同也可能是四边形。我们可以使用OpenCV中的实例：C:\Program Files\OpenCV\samples\c.squares.c 这是一个搜索图片中矩形的一个算法。我们只要稍微修改一下就可以实现定位车牌。 在这个实例中使用了canny算法进行边缘检测，然后二值化，接着用cvFindContours搜索轮廓，最后从找到的轮廓中根据角点的个数，角的度数和轮廓大小确定，矩形位置。以下是效果图： 这个算法可以找到一些车牌位置，但在复杂噪声背景下，或者车牌图像灰度与背景相差不大就很难定位车牌。所以我们需要寻找更好的定位算法。下面是squares的代码： #ifdef _CH_ #pragma package
#include
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。
基于opencv2.0的车牌检测与字符分割的代码
本程序主要实现的是车牌的定位与检测 主要是利用申继龙论文里面的方法 1、采集得到的图像 2、把RGB图像转换成HSI彩色图像 3、利用设定的H、S阈值得到二值图像 4、对二值图像水平投影获得候选区域 5、对候选区域的HSI图像边缘检测 */ #include "stdafx.h" #include "opencv2/opencv.hpp" #include "opencv2/objdetect/objdetect.hpp" #include "opencv2/features2d/features2d.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/calib3d/calib3d.hpp" #include "opencv2/nonfree/nonfree.hpp" #include "opencv2/nonfree/features2d.hpp" #include "opencv2/imgproc/imgproc_c.h" #include "opencv2/legacy/legacy.hpp" #include "opencv2/legacy/compat.hpp" #include
(完整word版)字符分割
在车牌自动识别系统中最重要的指标是字符的识别率，对字符识别的准确率直接影响了系统的性能。字符识别部分由车牌图像的二值化、滤波、字符分割、字符大小规一化、汉字、字母和数字识别等模块组成。这一周我主要学习了字符分割模块的有关内容。 车牌字符分割的任务就是把多行或多字符图像中的每个字符从整个图像中分割出来，使其成为单个字符图像，为下一步将标准的单个字符输入到字符识别模块做准备。字符分割是字符识别的基础，字符分割的质量直接影响到字符识别的效果。字符分割之前，首先要进行图像的二值化，然后再进行字符分割，从而分割出一个个具体的二值图表示的字符图像点阵，作为单字识别的输入数据。由于文本图像不但包括了组成文本的一个个字符，而且包含了字符行间距与字符间的空白，甚至还会带有各种标点符号，这就需要采用一定的处理技术将文本中的一个个字符切分出来，形成单个字符的点阵，以便进行字符识别。车牌字符分割的原理主要是利用车牌字符自身的一些特点如规则整齐的排列、字符之间有一定的间隔、字符的宽高比例固定等等，对车牌区域进行垂直方向的投影，利用字与字之间的空白间隙在图像行垂直投影上形成的空白间隙将单个汉字的图像切割开来。 4．2投影分割 投影分割方法的原理是首先将车牌图像转换为二值图像(设白色为1，黑色为0)，然后将车牌像素灰度值按垂直方向累加，即所谓的垂直投影。由于车牌中字符之间的灰度值通常为O，因此，投影图将会在字符之间形成谷底，或者说在字符处形成波峰(一种特殊的波峰)。通过寻找两个波峰之间的谷点，将其作为字符分割的位置，完成字符的分割。投影分割法的具体步骤如下： (1)先自下而上对图像进逐行扫描直至遇到第一个白色象素点。记录下来，然后再由上而下对图像进行逐行扫描直到找到第一个白色象素点，这样，就找到图像大致的高度范围。(2)在这个高度范围之内再自左向右逐行扫描，遇到第一个白色象素时认为是字符分割的起始位置，然后继续扫描，直至遇到没有白色象素的列，则认为是这个字符分割结束。然后继续按照上述的方法扫描，直至图像的最右端，就得到每个字符比较精确的宽度范围。(3)在已知的每个字符比较精确的宽度范围内，按照(1)的方法，分别进行自上而下和自下而上的逐行扫描来获得每个字符精确的高度范围。投影分割的方法比较常用，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。它的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。缺点是由于车牌图像通常会有噪声，产生字符的断裂和交叠等情况，在投影时字符之间的谷底会受到很大影响，造成谷底不明显，严重时谷底会消失，造成字符分割误差甚至错误，最终影响字符的识别。因此该方法对车牌字符的断裂和交叠问题，解决得不很理想。 4．3基于聚类分析的字符分割 基于聚类分析的字符分割原理是按照属于同一个字符的像素构成一个连通域的原则，再结合牌照字符的高度、间距的固定比例关系等先验知识，来分割车牌图像中的字符。其具体算法步骤为： (1) 以等于车牌图像宽度七分之一的阈值‘对车牌图像按行进行逐行扫描，如果有线段的长度大于‘就可以认为是牌照的上下边框，再以等于车牌图像高度五分之三的阈值Z：对车牌图像按列进行逐列扫描，如果有线段的长度大于厶，则认为是车牌的左右边框。因此可除去车牌边框部分。 (2)根据车牌字符的先验知识，在预处理好的车牌图像上预设7个类中心。设置类中心可以采用程序提示给定坐标值的方法，也可以采用给予固定坐标值的方法。 (3)自下向上对图像进行逐行扫描，每扫描到一个白色象素时，都要与上述每个类已获得的每个(白色)象素比较距离d，找到与该象素距离最近的已获得象素点，并认为这两个象素属于同一类，即属于同一字符。距离d取两个象素点：彳(x，Y)扫描得到的当前象素，曰O，)，)
车牌字符分割算法研究样本
1 绪论 1.1 背景简介 为了实现车牌字符辨认，普通要通过车牌位置检测、车牌字符分割和字符辨认三个核心环节。车牌位置检测是依照车牌字符目的区域特点，寻找出最符合车牌特性区域。车牌字符分割就是在车牌图像中找出所有字符上下左右边界，进而分割出每个车牌字符。在实际应用中，车牌字符分割效果对车牌字符辨认对的率会产生很大影响，由于车牌图像亮度不均、尺度变化、透视失真、字符不完整等因素，使图像质量存在较大差别，进而影响图像分割效果，因而车牌字符分割这一技术依然具备很大研究意义。在实际监控场景中，车牌图像透视失真普通是由于拍摄视角变化或车辆位置移动，相机光轴偏离车牌平面法线方向导致。由于车牌图像在整幅图像中占有较小比例，因此车牌图像几何校正重要工作是校正车牌图像旋转和剪切失真。 旋转投影法和直线拟合法是两种重要偏斜校正办法。旋转投影法是为了获取垂直倾斜角，即将车牌图像穷举逐个角度进行剪切变换，然后记录垂直投影数值为0点数，得到最大值相应角度。这种办法受背景区域干扰比较大。另一种办法是直线拟合车牌字符左边界点从而获得垂直倾斜角，该办法为直线拟合法。该办法并没有逐个角度对车牌图像进行剪切变换，从左边界点拟合出直线普通不能真正用来代表车牌垂直倾斜方向，检测出角度存在较大误差，且字符左侧噪声对角度检测干扰太大，鲁棒性较差。因而找到一种更精确和迅速车牌垂直倾斜矫正办法是十分重要。 通过得到最小字符投影点坐标方差，得到另一种车牌垂直矫正办法。一方面将车牌字符图像进行水平校正，依照字符区域上下边界，将车牌字符进行粗分割。然后将剪切变换后字符点进行垂直偷用。当得到投影点最想左边方差时，便能导出两类剪切角闭合表达是，最后便是拟定垂直投影倾斜角并对此进行校正。
车牌定位方法
摘要: 车牌定位是车牌自动识别技术中的一个关键问题，许多学者研究发展多种车牌定位算法。简要介绍和比较了目前比较常见的几种车牌定位方法进行了。 车牌识别LPR(License Plate RecognitiON)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
基于matlab的车牌字符分割
《多媒体通信技术》课程报告 专业通信与信息系统 学号 姓名 任课教师
基于matlab的车牌字符分割 摘要：本文利用投影分割的方法对车牌字符进行分割，并利用模板匹配的方法进行字符识别，在图像进行预处理后的基础上，利用对车牌图像分块扫描的方法对车牌图像去边框处理，在去边框的基础上对每个字符进行分割，得到单个字符。关键字：字符；预处理；分割 1、引言 智能交通系统(intelligent transportation system，ITS)的发展现今对社会生活、国民经济和城市建设产生积极而深远的影响，我国已经将其列为优先发展的高技术产业化重点领域[1]。车牌识别系统(1icense plate recognition，IJR)是目前交通部门十分重要的科研课题之一，它主要包括车牌定位、字符分割和字符识别三部分，字符分割和字符识别是最后的关键环节。本文主要通过运用投影分割的方法对车牌进行字符分割并利用模板匹配的方法对车牌字符进行识别。2、图像预处理 图像预处理是对输入的图像进行一系列变换处理，使之成为符合字符识别模块要求的图像。图像预处理环节对于最终识别的正确率有很大影响，由于图像本身受到各种自然因素或设备因素的影响，图像的清晰度往往不是很理想，有时还会带有较明显的图像噪声。若不对图像进行预处理，这些噪声将给后续的识别模块带来严重影响，最终可能造成识别错误。因此，预处理的好坏一定程度上影响到字符识别的正确率。图像预处理首先需要将待识别的字符从输入的灰度图中分离出来。最常用的方法就是图像二值化。 2.1图像的灰度化
就是将彩色图像转化为具有256个灰度级的黑白图像，灰度图像只保留图像的亮度信息，去除了色彩信息，就像我们平时看到的黑白照片，它的亮度由暗到明，而且亮度变化是连续的。图像灰度化后可以使处理运算量大大减少，这样处理过程就变得更加简单和省时。在灰度图像中，通常将亮度划分成0到255共256个级别，0最暗，255最亮。 图2-1 灰度化的图像 2.2 图像的阈值化处理 所谓图像二值化就是指将灰度图转化为只含有两种灰度值的图像，一种为背景，另一种为待识别的字符，本文采用动态阈值法将图像二值化：如果输入图像较暗或者车牌较脏，如果采用固定的阈值将图像进行二值化，生成的二值图会非常黑或者有很多噪声。二值化有很多方法，主要为P片法或者峰谷法。本文采用的是P片法，阈值的大小的设定基于以下假设：由于现有车牌绝大部分为蓝底白字或者黄底黑字车牌，设理想的车牌平均包含大约60％的蓝／黄色像素和40％的白／黑色像素。首先，将图像二值化，计算出黑色和白色像素的比例，将它和期望值进行比较。从而算出新的阈值，直到近似等于期望值为止[2]。图1为理想状态下车牌原图片和的阈值化图片。 图2-2-1 阈值化的图像 图像经过上述步骤处理后，已经从带有噪声的灰度图像转变为符合识别要求的图像。该图像为只包含两种灰度值的二值图像，并且具有统一尺寸。而且在预处理环节中，已最大限度地去除了输入图像中的噪声，在保持字符原本信息不丢失的前提下，把待识别的字符从背景中成功地分离出来。 3 车牌的去边框处理
车牌定位算法研究及实现
车辆自动识别技术（一）——车牌定位算法研究及实现 (2010-07-19 22:45:15) 分类：控制仿真类 标签： 杂谈 摘要 随着我国交通事业的迅速发展，城市汽车容量的急速攀升，建立现代化的智能交通系统已经成为解决此类中诸多问题的焦点所在。汽车牌照识别系统是交通管理领域和数字图像处理领域里的热点问题，车辆是构成整个智能交通系统的最基本元素，而车辆牌照是我们标定车辆的唯一ID，所以说，车牌定位是实现车牌字符分割和字符识别的前提和关键。 本文介绍了三种基于MATLAB的汽车牌照图像定位方法。这些算法充分利用了车牌纹理、颜色、宽高比等特征，经过灰度化、运动区域定位、边缘提取、水平投影、自适应数学形态学处理、垂直投影、颜色判定、区域生长等一系列步骤，最终实现车牌定位。特别是边缘处理算子的改进、自适应数学形态学的引入以及小波分析的应用，对算法性能有着巨大影响，是本算法的关键所在。 实验结果表明，所述的三种方法是有效的，能够定位所采集的车牌，虽然不能定位全部采集到的图片，但方法三相对前两种方法的准确率有很大的提高，达到了预期的目的。 关键词：车牌定位；纹理分析；边缘检测；数学形态学；小波分析 目录 摘要 Abstract 第1章绪论 1 1.1 课题研究背景及意义 1 1.2 课题研究目的 2 1.3 国内及国外研究现状 2 1.3.1 国内研究现状 2
1.3.2 国外研究现状 4 1.4 本文的工作及基本结构 4 第2章图像处理技术基础 5 2.1 图像预处理 5 2.1.1 图像灰度化 5 2.1.2 图像二值化 6 2.1.3 图像小波变换 6 2.1.4 图像形态学处理 7 2.2 图像区域裁剪 9 第3章基于MATLAB的车牌定位算法实现 10 3.1 MATLAB及其图像处理工具 10 3.2 我国车牌特点及识别难点 10 3.2.1 我国车辆牌照特点 10 3.2.2 我国车辆牌照定位难点 11 3.3 图像的采集 11 3.4 基于不同车牌特征的程序实现过程及结果图 13 3.4.1 基于车牌颜色特征的方法 13 3.4.2 基于数学形态学和边缘特征的方法 16 3.4.3 基于小波分析的方法 20 3.5 三种方法的结果比较 23 第4章结束语 26 参考文献 27 致谢 28 附录 29 第1章绪论 1.1 课题研究背景及意义
车牌识别技术浅析及定位算法
车牌识别技术浅析及算法代码 摘要：车牌定位、字符分割、字符识别是车牌识别的三个重要组成部分，是车 牌识别技术研究的重点，从这三个方面对车牌识别技术的发展和现状及车牌识别技术的应用进行了简要介绍。车牌定位是车牌识别技术的第一个关键技术，定位的准确与否直接影响着车牌识别的准确率。本文对目前存在的车牌定位算法进行简单探讨。 关键词：车牌识别技术；车牌定位；算法比较；字符分割；字符识别。 随着2l世纪经济全球化和信息时代的到来，计算机技术、通信技术和计算机网络技术迅猛发展，自动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用，高速度、高效率的生活节奏，使汽车普及成为必然趋势。伴随着世界各国汽车数量的增加，城市交通状况日益受到人们的重视。如何有效地进行交通管理，越来越成为各国政府的相关部门所关注的焦点。针对这一问题，人们运行先进的信息处理技术、导航定位技术、无线通信技术、自动控制技术、图像处理和识别技术及计算机网络技术等科学技术，相继研发了各种交通道路监视管理系统、车辆控制系统及公共交通系统。这些系统将车辆和道路综合起来进行考虑，运行各种先进的技术解决道路交通的问题，统称为智能交通系统(Intelligent Tr ansportationSystem，简称ITS)。ITS是20世纪90年代兴起的新一代交通运输系统。它可以加强道路、车辆、驾驶员和管理人员的联系，实现道路交通管理自动化和车辆行驶的智能化，增强交通安全，减少交通堵塞，提高运输效率，减少环境污染，节约能源，提高经济活力。智能交通系统以车辆的自动检测作为信息的来源，因而对汽车牌照等相关信息的自动采集和处理的一门新的交通信息获取技术——车牌识别(License Plate Recognition，LPR技术逐渐发展起来，成为信息处理技术的一项重要研究课题。 1 车牌识别技术简介 车牌识别技术的研究最早出现在20世纪80年代，这个阶段的研究没有形成完整的系统体系，而是就某一具体的问题进行研究，通常采用简单的图像处理方法来解决。识别过程是使用工业电视摄像机(Industrial TV Camera)~]下汽车的正前方图像，然后交给计算机进行简单处理，并且最终仍需要人工干预进入2O世纪90年代后，随着计算机视觉Computer Vision Technology)的发展和计算机性能的提高，世界各国投入了大量的人力、物力进行汽车牌照识别系统的研究，时隔10多年，仍然没有一个成熟系统的识别率达到100％。20世纪90年代后期以后，随着全世界汽车数量的急剧增加，车牌识别技术的应用范围也越来越广，车牌识别技术己成为了一个热门的研究课题，人们对其进行了广泛的研究。车牌识别技术的任务是处理、分析摄取的视频。其中关键在于以下三部分：车牌定位、字符分割和字符识别。下面就从这三个方面对车牌识别技术的发展和现状进行简单介绍： （1）车牌定位方法 车牌图像往往是在复杂的环境中拍摄得到的，车牌由于与复杂的车身背景融为一体，由于车牌在使用中磨损与灰尘及拍摄仪器的影响以及由于拍摄角度的不