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。
图4-4 初步恢复图像图4-5 初始PSF 复原的图像呈现出由算法中使用的离散傅里叶变换所引入的振铃，则我们在调用函数deconvblind之前要使用函数edgetaper。消除振铃后的图像如图4-6所示，新重建的PSF如图4-7所示。
图4-6 消除振铃后的图像图4-7 新重建的PSF
由图可以看出，恢复后的图像消除了振铃的存在，但是，恢复结果仍有一定的失真。
4.1.3图像增强
此处采用直方图均衡化来增强图像对比度。图4-8为原始图像，图4-9为直方图均衡化后的效果图。
图4-8 原始图像图4-9为直方图均衡化后的效果图很明显地增强了图像对比度。
4.2车牌定位
4.2.1垂直边缘检测
对于垂直边缘，我们提出了自己的算法，能很好地去除大量非字符的垂直边缘，定位效果也较好。图4-10给出了本文算法与Sobel算法、Prewitt算法的应用结果比较。图4-10(a)为原始图像，图(b)为其灰度图像，图(c)为用sobel 垂直算子获得的垂直边缘图，图(d)用prewitt垂直算子获得的垂直边缘图，图(e)为用canny算子获得的边缘图,图(f)为使用本文算法获得的垂直边缘图，模板参数取m=2，n=12。
a.原始图像
b.灰度图像
c.Sobel算子处理的结果
d.Prewitt算子处理的结果
e.Canny算子处理的结果
f.本文算法处理结果
图4-10本文算法和经典算法的比较
4.2.2（多次）形态学处理的粗定位
一次形态学处理后的结果如若不理想，可进行第二次形态学处理，且结构元素大小可根据实际情况进行调整。图4-11是运用该算法对图4-10(f)的垂直纹理图进行两次形态学处理的结果。
a.一次形态中腐蚀的结果
b.一次形态中膨胀的结果
c.二次形态中腐蚀的结果
d.二次形态中膨胀的结果
图4-11 运用该算法对图4-10(f)的垂直纹理图进行两次形态学处理的结果
其中，由图d可看出除了目标车牌外，还有三个疑似车牌区，只实现了车牌的粗定位，因此还需要后续处理。
4.2.3合并邻近区域
图4-12是运用该算法对另一幅图的处理结果。
a.原始图像
b.一次形态后的粗定位
图4-12
由图中可以看出，由于车牌字符最后三个字符为111，在形态学处理后所得的相应区域与前面的四个字符断开了，从而被当做疑似车牌被该算法舍去了。
而合并邻近区域可很好的解决该问题。即在形态处理时，根据字符间最大间距等先验知识对形态处理所得个疑似区域进行必要的合并。图4-13显示合并邻近区域的结果。
图4-13 邻近区域合并的效果
4.2.4基于车牌恒定宽高比的后续处理--精确定位
运用数学形态学对该图进行处理后，得到多个车牌可能区域。然后合并邻近区域，再根据车牌的长宽比k恒定等特征，提取出车牌区域。其中，k值与许多实际因素有关，比如摄像机的物距、拍摄的角度等。
图4-14是的图4-10（a）车牌的精确定位和分割结果。
a.左侧车牌定位
b.右侧车牌定位
c.定位的左侧车牌
d.定位的右侧车牌
e.分割出的左侧车牌
f.分割出的右侧车牌
图4-14 图4-10（a）车牌的精确定位和分割结果
图4-15是的图4-12（a）车牌的精确定位和分割结果。
a.定位的车牌
b.分割出的车牌
图4-15 图4-12（a）车牌的精确定位和分割结果
4.2.5 基于颜色的车牌定位
由于基于颜色的算法存在以下缺点：车牌有蓝底白字、黄底黑字、黑底白字等多种颜色格式，其中蓝底黑字牌照中的蓝色在各个省之间还有所不同。而受天气、光照等影响，即便是同种颜色也容易幻化成各种不同的颜色。因此，彩色信息可靠性较差，如作为主要的定位手段会导致车牌识别系统容易受外界干扰，稳定性较差。图4-16是的图4-12（a）车牌的精确定位。
a.精确定位
b.定位的车牌
图4-16 基于颜色的车牌定位
虽然如此，但一些地方还可以结合上述基于车牌纹理的定位法达到更好的效果。
4.3车牌预处理
4.3.1车牌直方图均衡化
方法及结果同4.1.3。
4.3.2基于Radon变换的倾斜校正
将所分割车牌归一化，二值化后，为提高边缘的准确性以及抗干扰能力，采用最优的动态阈值canny边缘检测算子。然后利用Radon变换进行倾斜校正。
图4-17显示了校正结果。
a.原始图像
b.分割的车牌
c.二值化
d.采用canny所得的边缘图像
图4-17基于Radon的倾斜校正
4.3.3 判定（蓝底白字或者黄底黑字）及二值化
原理：①黄底车牌G对B比例在1.2~1.8之间，而蓝底车牌G对B比例，在0.7~1.1之间；②车牌中字符像素占车牌所有像素的比列为0.3~0.4。图4-18（a、b）显示了判定图4-14（e）（f）及二值化后的结果。
4．4字符的分割
4.4.1 垂直投影法
图4-18是图4-14（e）（f）左右两车牌二值化及垂直投影后的结果。
a.左车牌
b.右车牌
c.a 的垂直投影
d.b 的垂直投影
图4-18左右两车牌二值化及垂直投影后的结果
4.4.2 分割字符
算法：
（1） 确定波谷：从左往右依次读取垂直投影值，先判断出第一个波峰，然
后根据一般字符宽度的先验知识，去除伪波谷，找到相应的第一个波
谷，这便是一个字符，以此往复，得到所有波谷。
（2） 去除“?”：各波谷间的距离若小于一般字符的最小宽度即可判断为是
“?”，舍去。
（3） 取阈值：取所有波谷中的最大值为阈值。
（4） 分割字符：根据最终的阈值进行字符分割。
图4-19是最终的分割结果（以左车牌为例）。
图4-19 分割后的字符
五 实验总结
车牌自动识别系统一般包括车牌定位、字符分割和字符识别三个模块。车牌定位很关键，它直接影响着后面两个模块的处理效果字符分割决定了字符识别的有效性字符识别是整个系统的核心，其算法的优劣最终决定了系统的可用性。
针对汽车牌照自动识别系统中图像效果差的问题，采取了降噪和增强处理，并提出了一种基于盲解卷积的图像复原算法，对模糊图像较好地进行了恢复。然后给出了一种基于纹理、颜色并结合车牌字符间隔、字符宽度等先验知识的车牌定位方法，该方法经边缘检测获取垂直边缘图，结合形态学而粗定位车牌区域，然后根据车牌固有特征（宽高比、颜色等），来筛选出真正的车牌区域。
字符分割时采用投影法，并借助牌照字符固定宽度、间距的固定比例关系等先验知识实现字符的分割。
另外，我们对车辆自动识别系统涉及的相关算法作了深入地分析和比较，提出了自己的部分算法，具体包括基于车牌特征的车牌定位算法、基于Radon变换的车牌校正算法、基于投影特征和车牌先验知识相结合的字符分割算法等。此外我们还对文中的大部分算法进行了试验，给出了实验结果。而且，每个过程均考虑了如何对模糊车牌图像和模糊车牌字符进行处理。最后对车牌识别各个过程进行综合，完成了车牌识别系统的软件实现。
六实验展望
本文虽然在车牌识别原理与方法的探索上作了大量的工作，取得了一定的成果。但是由于时间的限制，本文的研究还存在许多不足和应该改进的地方，后续研究可以从以下几个方面进行完善：
（1）字符分割的研究中，对噪声干扰较大的牌照的字符分割的研究还有待于加强。同时对于字符关键部位的断裂、粘连等，也干扰了对字符关键特征的提取，因此要进一步选择多特征来表征字符。
（2）不管是车牌定位还是字符分割算法，我们总是不可避免的使用一些经验参数来简化问题。但考虑人眼观察车牌的事实--具有高度的自适应性:人眼的焦距会随物体的远近也随之调整并能轻而易举的定位或者识别车牌。如何设计一个经验参数完全自适应的智能算法是一个巨大的挑战。
（3）进一步提高现有算法的速度、准确度、鲁棒性。目前系统对拍摄环境
要求较为苛刻，系统的识别率、识别速度也有待提高。
（4）丰富系统各方面的应用功能，如车辆行驶违章监控、监测黑牌机动车等，并将软硬件结合起来，实现一个完整的智能车辆监控系统并把系统应用到实际中去来检验算法的可靠性，让系统脱离实验室的环境，使其不断得到升级和发展。
车牌识别地matlab程序
( 附录 车牌识别程序 clear ; close all; %Step1 获取图像装入待处理彩色图像并显示原始图像 Scolor = imread('');%imread函数读取图像文件 %将彩色图像转换为黑白并显示 Sgray = rgb2gray(Scolor);%rgb2gray转换成灰度图 " figure,imshow(Scolor),title('原始彩色图像');%figure命令同时显示两幅图 figure,imshow(Sgray),title('原始黑白图像'); %Step2 图像预处理对Sgray 原始黑白图像进行开操作得到图像背景s=strel('disk',13);%strel函数 Bgray=imopen(Sgray,s);%打开sgray s图像 figure,imshow(Bgray);title('背景图像');%输出背景图像 %用原始图像与背景图像作减法，增强图像 Egray=imsubtract(Sgray,Bgray);%两幅图相减 ￥ figure,imshow(Egray);title('增强黑白图像');%输出黑白图像 %Step3 取得最佳阈值，将图像二值化 fmax1=double(max(max(Egray)));%egray的最大值并输出双精度型 fmin1=double(min(min(Egray)));%egray的最小值并输出双精度型 level=(fmax1-(fmax1-fmin1)/3)/255;%获得最佳阈值 bw22=im2bw(Egray,level);%转换图像为二进制图像 bw2=double(bw22); %Step4 对得到二值图像作开闭操作进行滤波 、 figure,imshow(bw2);title('图像二值化');%得到二值图像 grd=edge(bw2,'canny')%用canny算子识别强度图像中的边界
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
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，
基于matlab的车牌识别(含子程序)
基于matlab的车牌识别系统 一、对车辆图像进行预处理 1.载入车牌图像： function [d]=main(jpg) [filename, pathname] = uigetfile({'*.jpg', 'JPEG 文件(*.jpg)'}); if(filename == 0), return, end global FILENAME %定义全局变量 FILENAME = [pathname filename]; I=imread(FILENAME); figure(1),imshow(I);title('原图像');%将车牌的原图显示出来结果如下：
2.将彩图转换为灰度图并绘制直方图： I1=rgb2gray(I);%将彩图转换为灰度图 figure(2),subplot(1,2,1),imshow(I1);title('灰度图像'); figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');%绘制灰度图的直方图结果如下所示： 3. 用roberts算子进行边缘检测： I2=edge(I1,'roberts',0.18,'both');%选择阈值0.18，用roberts算子进行边缘检测 figure(3),imshow(I2);title('roberts 算子边缘检测图像'); 结果如下：
4.图像实施腐蚀操作： se=[1;1;1]; I3=imerode(I2,se);%对图像实施腐蚀操作，即膨胀的反操作figure(4),imshow(I3);title('腐蚀后图像'); 5.平滑图像 se=strel('rectangle',[25,25]);%构造结构元素以正方形构造一个se
车牌定位分割 实验报告
汽车车牌的号码识别 1.车牌号码识别的基本工作原理为：将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入到计算机中进行预处理，再由检索模块对牌照进行搜索、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，得到输出结果。 2.车牌号码识别系统原理图各部分说明如下： （1）图像预处理：对汽车图像进行图像转换、图像增强和边缘检测等。 （2）车牌定位：从预处理后的汽车图像中分割出车牌图像。即在一幅车辆图像中找到车牌所在的位置。 （3）字符分割：对车牌图像进行几何校正、去噪、二值化以及字符分割以从车牌图像中分离出组成车牌号码的单个字符图像。 （4）字符识别：对分割出来的字符进行预处理（二值化、归一化），然后分析提取，对分割出的字符图像进行识别给出文本形式的车牌号码。 3.源程序代码及图形 （1）I=imread('yuan.bmp'); figure; subplot(2,2,1); imshow(I);
title('原图'); I1=rgb2gray(I);%图像灰度化 subplot(2,2,2); imshow(I1); title('灰度化图'); m2=medfilt2(I1,[5,5]); subplot(2,2,3); imshow(m2); title('中值滤波'); w2=wiener2(I1,[5,5]);%维纳滤波subplot(2,2,4); imshow(w2); title('维纳滤波'); (2)图像二值化 fmax1=double(max(max(I1))); fmin1=double(min(min(I1))); level=(fmax1-(fmax1-fmin1)/3)/255; bw2=im2bw(I1,level); bw22=double(bw2);
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，)，)
车牌识别系统是如何实现的
车牌识别系统是如何实现的 智能交通中一个重要的技术就是车牌识别技术，对于拍到的车辆图像或录像,如果能够准确及时的返回车牌的号码,这样即方便了车辆管理,又可以及时对违章车辆进行处罚,同时由于识别的即时性和准确性,这一系统在军事上也有极其重要的意义。车牌自动识别技术自提出以来,受到了人们的广泛关注,它可以应用于公路和桥梁收费站、公路流量观测站、城市监控系统、港口和机场、停车场、以及军事要塞的入口等车牌认证实际交通系统中,以提高交通系统的车辆监控和管理的自动化程度。由于其在智能化交通控制管理中发挥着越来越重要的作用,目前西方发达国家的科研工作者对其进行广泛的研究,目前己有众多的算法,一般的车牌识别系统总体构架图恤口图所示,经过这些年的研究,有些已应用于交叉路口、车库管理、路口收费、高速公路等场合。但是由于需适应各种复杂背景,加之要识别的车辆种类繁多,颜色变化多端,以及检测时要适应不同天气变化导致的不同光照条件。因此,目前的系统都或多或少地存在着一些问题。随着计算机性能的提高和理论技术的发展,这种技术必将日趋成熟。以下对我们设计的车牌自动识别系统的构成作简单介绍。 一个完整的车牌自动识别系统通常由图像采集,车牌定位,车牌牌字符分割和车牌字符识别部分组成。 车牌自动识别系统是一个以微处理器为核心,基于图像处理、模式识别等技术的高度智能的电子系统,这个系统主要有摄像头、视频采集接口、辅助照明装置、计算机和识别软件组成。 在自然光较暗或夜间影响识别效果时,自动开启辅助照明装置提供摄像光源。当车辆通过关卡,经过车体位置传感器的敏感区域时,传感器发送一个信号给图像采集控制部分。采集控制部分控制摄像机采集一幅汽车图像送至图像预处理模块,由预处理模块对输入图像进行预处理后送入计算机内。计算机内的软件模块从输入图像中找到牌照的位置,对牌照作字
基于matlab车牌的定位与分割识别程序概要
基于Matlab的车牌定位与分割 经典算法 I=imread('car.jpg'); %读取图像 figure(); subplot(3,2,1),imshow(I), title('原始图像'); I1=rgb2gray(I);%转化为灰度图像 subplot(3,2,2),imshow(I1),title('灰度图像'); I2=edge(I1,'robert',0.09,'both');%采用robert算子进行边缘检测subplot(3,2,3),imshow(I2),title('边缘检测后图像');
se=[1;1;1]; %线型结构元素 I3=imerode(I2,se); %腐蚀图像 subplot(3,2,4),imshow(I3),title('腐蚀后边缘图像'); se=strel('rectangle',[25,25]); 矩形结构元素 I4=imclose(I3,se);%图像聚类、填充图像 subplot(3,2,5),imshow(I4),title('填充后图像');
I5=bwareaopen(I4,2000);%去除聚团灰度值小于2000的部分subplot(3,2,6),imshow(I5),title('形态滤波后图像'); [y,x,z]=size(I5); I6=double(I5); Y1=zeros(y,1); for i=1:y for j=1:x
if(I6(i,j,1)==1) Y1(i,1)= Y1(i,1)+1; end end end [temp MaxY]=max(Y1); figure(); subplot(3,2,1),plot(0:y-1,Y1),title('行方向像素点灰度值累计和'),xlabel('行值'),ylabel('像素'); %求的车牌的行起始位置和终止位置 PY1=MaxY; while ((Y1(PY1,1)>=50)&&(PY1>1)) PY1=PY1-1; end PY2=MaxY; while ((Y1(PY2,1)>=50)&&(PY2 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 《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 基于Matlab的车牌识别 摘要:车牌识别技术是智能交通系统的重要组成部分，在近年来得到了很大的发展。本文从预处理、边缘检测、车牌定位、字符分割、字符识别五个方面，具体介绍了车牌自动识别的原理。并用MATLAB软件编程来实现每一个部分,最后识别出汽车车牌。 一、设计原理 车辆车牌识别系统的基本工作原理为：将摄像头拍摄到的包含车辆车牌的图像通过视频卡输入到计算机中进行预处理，再由检索模块对车牌进行搜索、检测、定位，并分割出包含车牌字符的矩形区域，然后对车牌字符进行二值化并将其分割为单个字符，然后输入JPEG或BMP格式的数字，输出则为车牌号码的数字。车牌自动识别是一项利用车辆的动态视频或静态图像进行车牌号码、车牌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。某些车牌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。一个完整的车牌识别系统应包括车辆检测、图像采集、车牌识别等几部分。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。车牌识别单元对图像进行处理，定位出车牌位置，再将车牌中的字符分割出来进行识别，然后组成车牌号码输出。 二、设计步骤 总体步骤为： 基本的步骤： a.车牌定位，定位图片中的车牌位置； b.车牌字符分割，把车牌中的字符分割出来； c.车牌字符识别，把分割好的字符进行识别，最终组成车牌号码。 车牌识别过程中，车牌颜色的识别依据算法不同，可能在上述不同步骤实现，通常与车牌识别互相配合、互相验证。 (1）车牌定位: 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车牌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，找到符合汽车车牌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车牌区域，并将其从图象中分割出来。 流程图: （2）车牌字符分割 : 完成车牌区域的定位后，再将车牌区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂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的附近，并且这个位置应满足车牌的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。 基于MATLAB 的车牌定位及提取 算法与实现 1.车牌定位的基本理论与算法 1.1彩色图像灰度化 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灰度拉伸 车牌图像定位是个难点，抓拍图像受环境因素影响很大，尤其当外界光照条件过强或过弱时，容易使得整幅图像偏亮或偏暗，这种情况成为低对比度。为了提高对比度，把感兴趣的灰度范围拉开，使得该范围内的像素，亮的越亮，暗的越暗，就要对图像进行灰度拉伸，使图像上的边缘更加凸显，这样牌照区的笔画特征就会更加明显，更有益于下一步的处理。 灰度拉伸变换原理图如图10.3所示，函数表达式为 ???? ????? >---≤≤+---<=b x b x b d b x a c a x a b c d a x x a d x f ),(255255,)()( （10.5） 式（10.5）中（a,c)和（b,d)是图10.3中的两个转折点的坐标。 设图像为mxn 像素，其直方图为h(i),a 取满足10 )(0mn i h a i ≥∑=的最小整数，b 取满足 mn i h a i 10 9 )(0≤ ∑=的最大整数，c 和d 分别可以在程序中动态设定，也可以根据经验自行设定。在图10.4中取2 3,9.0b d a c == 1.3边缘检测 图像的边缘是图像的最基本特征。所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛存在于物体和背景之间、物体和物体之间、基元和基元之间。因此，它是图像分割所依赖的重要特征。常用的边缘检测方法有Sobel 边缘算子、Prewitt 边缘算子、Kirseh 边缘算子、高斯--拉普拉斯算子等等。 该文采用的是Canny 边缘检测的方法。该方法为最优的阶梯型边缘检测算法。 1.4开闭操作图像滤波 形态学的数学基础和所用语言是集合论，其基本运算有四种：膨胀、腐蚀、开启和闭合。基于这些基本运算，还可以推导和组合成各种数学形态学实用算法。对图像做了开运算和闭运算，闭运算可以使图像的轮廓线更为光滑，它通常用来消掉狭窄的间断和长细的鸿沟，消除小的孔洞，并弥补轮廓线中的断裂。 1.5 区域标记 对二值图像进行区域提取时，首先需要对对图像每个区域进行标记，其中应用到了连通对象进行标注函数bwlabel 主要对二维二值图像中各个分离部分进行标注，其用法如下： [L,num] = bwlabel(BW,n) 其中，L 表示返回和BW 相同大小的数组，而且包含了连通对象的标注。参数n 为4或8，分别对应4邻域和8邻域，默认值为8。Num 为返回连通数。 然后，需要得到图像区域属性。计算每个区域的图像特征参数：区域中心位置、最小包含矩形、面积。这里给出在Matlab 图像处理工具箱中非常重要的一个图像分析函数：regionprops 。它的用途是get the properties of region ，即用来度量图像区域属性的函数。其用法如下：车牌定位方法
基于matlab的车牌字符分割
基于Matlab的车牌识别(完整版)
车牌定位与提取