基于数学形态学的车牌定位
基于数学形态学的车牌定位技术毕业设计
毕业设计（论文）题目：基于数学形态学车牌定位技术英文题目：Image processing and license plate locationPaper of GraduationTitle：Image processing and license plate location English Title:Image processing and license plate locationName ：***Number：***Direction Teacher ***Professional post lecturerMajor: information projectMay 30 th of 2010摘要交通图象检测与处理方法研究对于交通安全、交通管理与控制具有非常重要的理论意义和实用价值。
通过视频图象的检测与识别，可以对道路的交通流、路况等实时监视，提取交通流信息，通过视频图象的检测与识别，还可以实时检测交通违章现象、识别违章车辆的车牌号码，为公安交通管理部门提供强有力的执法证据。
因此，研究交通图象检测与处理方法对智能交通运输系统的发展具有重要的推动作用。
本论文主要对车牌定位技术做了研究。
目前对车牌定位的处理方法有很多种，常见的有基于神经网络、灰度变化、图像处理、数学形态学等方法。
本论文主要应用VB语言编程，对其车牌图像进行预处理，去除噪声引用了数学形态学膨胀和腐蚀运算，有效的解决一些导致识别、定位错误的问题。
关键词：车牌；定位；二值化；预处理；数学形态学ABSTRACTTraffic image processing method for testing and research, traffic safety management and control has important theoretical significance and practical value. Through video images of detection and recognition of the road, road traffic flow, monitoring, etc, the traffic flow information extraction, through video images of detection and recognition, still can real-time detection and identification of violate the traffic violations phenomenon plate number for public security traffic management department, provide strong evidence of law enforcement. Therefore, the study traffic image processing methods of testing and the development of intelligent transportation system plays an important role.This thesis mainly on traffic image processing technology for detection and do research, and put forward some effective and practical, quick recognition algorithm. Main application VB language program, to the license plate identification, orientation, image analysis, processing. And some of the mistakes in recognition, positioning problem. Keywords: plate；Positioning；Identify；Pretreatment；Mathematical morphology目录绪论 (1)1. 车牌自动定位识别技术概述 (2)1.1 交通现状及问题分析 (2)1.2 车牌自动定位技术的研究意义 (3)1.3 车牌自动定位技术应用 (3)1.4 论文主要工作及内容安排 (3)本章小结 (3)2. 图像处理理论基础知识与必备算法 (4)2.1 数字图像处理的基础知识 (4)2.2 直方图 (4)2.3 图像的预处理 (5)2.4 数学形态学算法 (5)本章小结 (5)3 基于数学形态学的实时车牌定位方法研究 (6)3.1车牌自动识别技术步骤 (6)3.2 预处理过程 (7)3.2.1 图像的灰度化 (8)3.2.2 图像的二值化 (9)3.2.3 图像的滤波 (10)3.3 车牌搜索与定位 (12)3.3.1 了解车牌的特征 (12)3.3.2 基于数学形态学研究车牌初步定位 (12)3.3.3图像边缘提取及定位分割 (19)本章小结 (22)4 应用软件设计实现过程 (23)4.1 应用软件介绍 (23)4.2 Visual Basic 6.0实现车牌定位 (23)本章小结 (30)结论 (31)致谢 (32)参考文献 (33)绪论交通图象检测与处理方法研究对于交通安全、交通管理与控制方案选择具有非常重要的理论意义和实用价值。
基于数学形态学和颜色统计的车牌定位方法
基于数学形态学和颜色统计的车牌定位方法作者：李忠海梁书浩杨超来源：《科技风》2018年第07期摘要：车牌是车辆的重要信息，是确定车主身份的关键。
准确定位车牌是车牌识别的关键步骤，本文提出一种数学形态学和颜色特征结合的车牌定位算法。
首先，通过数学形态学处理对车牌粗定位，再结合车牌的颜色像素进行行列搜索，达到车牌的精确定位。
实验表明，该算法简单实用，可以有效定位出车牌位置。
关键词：车牌定位；数学形态学；边缘提取；颜色统计中图分类号：TP273+.5 文献标识码：A随着社会经济的高速发展，汽车已经成为人们生活的必备品，车牌作为汽车的“身份证”是确认汽车的身份的重要信息。
随计算视觉技术的飞速发展，通过图像信息提取识别车牌已经成为一种趋势，在交通、安防等领域都有广泛的应用。
要准确识别车牌，关键的一步就是定位车牌的位置。
在车牌定位算法中，输入的一般为彩色图像，基于彩色图像的车牌定位算法[1-2]就是根据彩色图像的颜色信息来定位车牌，但由于彩色图像含有大量彩色信息，运算比较复杂。
将图像从彩色图像转为灰度图像是基于灰度图像的车牌定位算法[3-4]，但有由于车牌本身的存在干扰（破旧、倾斜）和环境干扰（光线、天气），导致基于灰度的车牌定位算法不准确。
[5-6]本文综合考虑了车牌的灰度和彩色图像特点，采用数学形态学和边缘检测对车牌进行粗定位，再利用车牌的颜色信息对车辆精确定位，找到车牌的上下左右边界，完成车牌定位。
本算法能在复杂环境下对车牌进行定位，定位准确，具有广泛的实用性。
1 基于数学形态学的车牌粗定位1.1 数学形态学数学形态学[7]是一种非线性滤波运算，其特点是不影响图像的细节和边缘，抗噪性好，简化形状结构。
主要的运算方式有：膨胀、腐蚀以及开、闭运算。
输入一幅车辆图像，得到进过上述预处理操作后的车牌图像，如下图2所示：1.3 车牌粗定位经过Canny算子处理后，得到车牌及字符的大致轮廓，开始进行数学形态学处理，通过开、闭运算，消除图像中的噪声，连通空洞区域，得到粗定位的车牌。
一种基于自适应形态学结构元素的车牌定位算法
一种基于自适应形态学结构元素的车牌定位算法方兴林【摘要】针对传统的基于数学形态学的车牌定位算法结构元素选取的弊端，即依据经验或实验而选择一个固定大小和形状的结构元素对车牌图像进行全局处理，导致定位算法的普适性和鲁棒性低，提出了一种基于自适应结构元素的车牌定位算法，算法充分利用车牌二值图像自身信息，通过计算字符水平边缘所形成的线段长度的均值作为结构元素，因此结构元素的大小能随着车牌图像的不同而自适应调整，更加有效地定位车牌目标区域。
实验结果证明，算法具有较强的自适应能力，定位准确率满足应用需要。
%In view of disadvantage of selecting structure element of the traditional license plate locating algorithm based on mathematical morphology, that is, it selectes a definite shape and fixes size structure element based on experience or experiment results to globally process the license plate image, and the disadvantage would reduce the robustness and universal, a license plate location algorithm based on adaptive structure element is proposed. The algorithm makes the best of self-information of binary license plate image. The mean values of lines length, which are formed by calculating horizontal edge of characters, are as the structure elements, so the size of each structure element is adaptive to different images, in order to effectively extract the true license plate regions. The experimental results show that the algorithm has stronger adaptive ability, and the accurate rate of localization meets application requirements.【期刊名称】《计算机工程与应用》【年(卷),期】2013(000)023【总页数】4页(P149-152)【关键词】结构元素;车牌定位;自适应算法【作者】方兴林【作者单位】黄山学院经济管理学院，安徽黄山 245041【正文语种】中文【中图分类】TP391车牌识别技术是计算机视觉和模式识别在智能交通系统（Intelligent Transportation System，ITS）中的典型应用。
基于数学形态学的车牌定位
ｃ ｎ ｅ ｐａｅ ｌ ｃ ｔ ｎ ｂ ｓｄ ｏ ｔ ｅ ｔ ａ ｍｏ ｈ ｌ ｇ ｄ ａ ｃ ｄ Ａｆ ｒｔ ｅｐ ｅｒ ａｍｅ ｔ ｎ ｒ ｓ ｏｄ ｖ ｕ ｓｓｇ ｎａ ｏ ，ｔｅ ａ ｑ ｉｅ ｅ ｓ ｌｔ ａｉ ａｅ ｎ ｍａｈ ｍａｉ ｌ ｏ ｏ ｃ ｒ ｏ ｏ ｙ ｉ ａ ｖ ｎ ｅ ． ｔ ｈ ｒｔｅ ｔ ｎ ｄ ｔ ｅｈ ｌ ａ ｅ ｅ ｍｅ ｔｔ ｎ ｈ ｃ ｕｒ ｄ ｐ ｓ ｅ ａ ｈ ｌ ｉ
ｔｒｔ ｓ ｆ ｒａ，ａｉ ｆ ｅｇ ｔ ｏｗｉｔ ｎ ｅｔ ａ ｐ ｏｅ ｔ ｎ ａｅｕｅ ｏ ｒｈ ｎ ｉｅａ ａ ｓ， ｎ ｅ ｓｃ ｅ ｓｒｔ ｏ ｉｈ ｄｈａ ｄｖ ｒｃ ｒｊｃｉ ｒ ｓｄｉ ｃ ｍｐｅ ｅ ｓ ｎ ｙｉ ａ ｄ出ｅｌ ｅ ｓ ｌ ｅａｅ ａ ｅｌｃｔｄ ｉｉ ｏａ ｏ ｈ ｔ ｉｌ ｏ ｎ ｖ ｌ ｓ ｉ ｎ ｅｐａ ｒａｃ ｎｂ ａｅ ｃ ｔ ｏ
形 态 学进 行 车 牌 定 位 的原 理 。 了对 汽 车牌 照 进 行 精 确 的 定位 ， 出 了一 种 基 于数 学形 态学 的 车牌 定 位 方 法 。 汽 车 图像 进 行预 处 力 提 对
理 和 阈值 分 割 后 ， 用 不 同的 结 构元 素 对 二值 图像 进 行 形 态 学滤 波 ， 利 以进 一步 消除 干 扰 。最 后 利 用 面 积 、 宽 比和 垂 直 投 影 特征 值 长
Ｖｏ ． ， ． ， ｒ ｈ ２ ０ Ｐ ． ６ ６ ６ ８ １６ Ｎｏ７ Ｍａ ｃ ０１ ， Ｐ １ ９ —１ ９
基于数学形态学的车牌定位
奎 跌
（ 北 电力 大 学 电子 与 通 信 工 程 系 ， 华 河北 保 定 ０ １０ ） ７ ０ ３
摘 要 ： 牌 定 位是 汽车 牌 照 识 别 系统 中的 重要 环 节 ， 接 影 响 车牌 识 别 的 准确 率 。对 数 学形 态学 进 行 了研 究。 且 分 析 了利 用数 学 车 直 并
毕业设计(论文)-基于数学形态学的车牌定位的方法研究[管理资料]
![毕业设计(论文)-基于数学形态学的车牌定位的方法研究[管理资料]](https://img.taocdn.com/s3/m/af538cc60b4c2e3f56276339.png)
摘要本文提出了一套简洁高效、基于数学形态学的车牌定位的方法。
定位方法综合考虑了灰度和边缘信息，首先对图像进行了预处理，采用了灰度变换、去噪、增强对比度、边缘检测、二值化等方法对图像进行处理，提高了图像的质量，强化了图像区域；接着，采用一种基于二值图像灰度变化特征进行定位的方法，根据灰度的跳变搜索车牌区域，再利用车牌几何形状的特点对候选区进行筛选，得到车牌位置。
关键词：车牌定位；边缘检测；数学形态学AbstractThis paper puts forward a set of concise efficiency, based on mathematical morphology method of license plate location. Locating method considering the gray and edge information, first the image preprocessing, using a gray transform, denoising and enhance contrast, edge detection, binary image processing methods, such as, improves the quality of the images, strengthened the image region, Then, using a method based on binary image gray-scale change characteristics of orientation method, according to the greyscale hopping search plate area, reuse plate geometric shape characteristics of the candidate area unselective and get license plate location.Keywords：license plate location, image preprocessing, mathematical morphology目录摘要 (I)Abstract......................................................... I I第1章绪论 (4)课题背景 (4)国内外研究现状 (5)研究内容及技术指标 (9)第2章车牌图像的预处理 (10)图像的灰度化 (10)图像二值化 (11) (12) (13)图像的边缘检测 (14)Roberts算子 (15)Sobel算子 (15)LOG(Lap1ac1anofGuass1an)算法 (16)Prewitt算子 (17)本章小结 (21)第3章数学形态学的相关算法 (22)数学形态学 (22)数学形态学的基本运算 (23)腐蚀和膨胀 (23)开运算和闭运算 (24)本章小结 (25)第4章基于数学形态学的车牌定位 (25)车牌的基本特征 (26)车牌定位的设计思路 (28)软件设计 (30)车牌定位的结果分析 (33)本章小结 (33)结论 (34)致谢 (36)参考文献 (37)附录1 译文 (38)附录2 英文参考资料 (41)第1章绪论课题背景随着全球经济的快速持续发展，车辆数目迅猛增长，世界各国交通拥堵、交通事故和环境污染越来越影响着社会经济发展和生活。
基于数学形态学和先验知识的车牌定位
车牌 区域与 目标 区域 连接 ， 以选用 了像 素值 的全 局迭代 阈值 所
选 取 方 法 。 过 这 步 之 后 图像 只 含 有 ０ ２ ５ 种 元 素 。 代 表 了 经 和 ５两 ０ 背 景 像 素 ，５ 代 表 了 目标 像 素 。 ２５
算 子之前 用拉 普拉 斯算 子预 先进行 了边 缘 的检测 。 这样 图像 中 会 出现 很多 的轮廓 线 ， 这 不用 担 心 ， 后 面 的提取 算法 中利 但 在 用数 学形 态学 可 以很 容 易地将 大 多数 的轮廓 去除 。 当图像 中没 有太 多 干扰 时可 以只用Ｓ Ｂ Ｌ Ｏ Ｅ 算子 。
摘
要： 车牌定 位是 车辆识 别 中重要 的环 节 ， 字 符分 割和 字符 识 别的 基础 。在数 学形 态学 的基础 上 对 图像 进 行 了 是
粗 略 的 定 位 ． 据 先 验 知 识 进 行 了伪 车 牌 的 去 除 和 字 符 分 割 的预 处 理 ， 方 法 能 做 到 车 牌 准 确 定 位 。 根 该
包含３ 部分 ： 车牌定 位 、 字符 分割 、 符识别 。 字 车牌 定 位是 非常关
键 的 一 步 ． 许 多 的 文 献 用 了 很 多 方 法 对 它 进 行 了研 究 ， 参 有 在 考 这 些 文 献 的 基 础 上 利 用 车 牌 的 先 验 知 识 和 数 学 形 态 学 的 相 关 知 识 ， Ｖ 将 这 些 理 论 和 知 识 用 于 车 牌 定 位 ， 验 结 果 显 示 用 Ｃ 实 可 以准 确 地 完 成 车 牌 的定 位 。
关键 词 ： 车牌 定位 ； 学形 态学 ； 数 图像 的识 别
基于数学形态学的车牌定位
基于数学形态学的车牌定位作者：李然来源：《电脑知识与技术》2010年第07期摘要:车牌定位是汽车牌照识别系统中的重要环节,直接影响车牌识别的准确率。
对数学形态学进行了研究,并且分析了利用数学形态学进行车牌定位的原理。
为了对汽车牌照进行精确的定位,提出了一种基于数学形态学的车牌定位方法。
对汽车图像进行预处理和阈值分割后,利用不同的结构元素对二值图像进行形态学滤波,以进一步消除干扰。
最后利用面积、长宽比和垂直投影特征值进行综合分析,完成车牌定位。
实验结果表明,该方法定位准确率高,为车牌识别创造了良好的前提。
关键词:车牌定位;数学形态学;结构元素;图像识别中图分类号:TP391文献标识码:A文章编号:1009-3044(2010)07-1696-03License Plate Location Based on Mathematical MorphologyLI Ran(School of Electronic and Communication Engineering, North China Electric Power University, Baoding 071003, China)Abstract: License plate locating is the key process in vehicle license plate recognition system. The efficiency of the locating will affect directly the veracity of recognition. In this paper, the basic theory of mathematical morphology is researched, and principle of license plate location based on mathematical morphology is analyzed. In order to precisely locate the license plate in vehicle image, an algorithm of license plate location based on mathematical morphology is advanced. After the pretreatment and threshold values segmentation, the acquired binary image is morphologically filtered by different structure elements to eliminate interference. Finally, the criterions including the characteristics of areas, ratio of height to width and vertical projection are used in comprehensive analysis, and the license plate area can be located accurately. Experiment results show that the method has high locating accuracy rate. Thus favorable precondition is created for license plate recognition.Key words: license plate location; mathematical morphology; structure element; image recognition随着交通系统的智能化发展,汽车牌照自动识别(Car License Plate Recognition,CLPR)技术是近几年来的研究热点。
数学形态学在车牌提取预处理中的简单应用
数学形态学在车牌提取预处理中的简单应用摘要作为智能交通管理系统额核心技术，车牌自动识别技术科用于道路交通收费系统，交通管理系统和安全保障系统等。
典型的汽车牌照识别系统通常包括三个主要部分：图像的获取和预处理，车牌的定位分割和兴车牌图像中分割出字符进行识别.其中，车牌的定位分割时关键和难点。
目前，车牌的定位分割方法主要有：彩色图像色彩信息定位，阈值分割，边缘检测和多分辨率等。
其中，色彩信息发实时性较差，不适用于实时车牌自动识别系统；阈值分割和多分辨率法在背景复杂时，应用困难。
目前，边缘检测法是应用的主流方法。
由于传统边缘检测算法大都基于空间运算，借助空域微分算子，通过模板与图像卷积来实现，对图像边缘的连续性要求过高。
数学形态学的图像处理是应用具有一定形态的结构元素度量和提取图像中对应的形状，以达到对图像分析和识别的目的。
将数学形态学用于边缘检测，既能有效滤除噪声，又有助于保留图像中原有的细节信息。
关键词：车牌识别图像分割数学形态学1数学形态学基础理论数学形态学具有一套完整的理论、方法及算法体系，是一种非线性图像处理和分析方法，是法国和德国的科学家在研究岩石结构时建立的一门学科。
它摒弃了传统的数值建模及分析的观点，从集合的角度来刻画和分析图像。
[1, 2] 它有几个突出的特点:1)形态学图像处理的数学基础和语言是集合论；2)形态学运算由集合运算(如并、交、补等)来定义；3)图像都必须以合理的方式转换为集合进行处理；4)输出图像中每一点的值和输入图像当前点的值以及它的邻点的值有关；它在图像处理中的应用主要是：1)利用形态学的基本运算，对图像进行观察和处理，从而达到改善图像质量的目的；2)描述和定义图像的各种几何参数和特征，如面积，周长，连通度，颗粒度，骨架和方向性；3)定义与实现图像的开闭等运算。
1.1一些基本定义元素设有一幅图像X ，若点a 在X 的区域以内，则称a 为X 的元素，记作a X ∈.B 包含于X （included in ）设有两幅图像B ，X 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于数学形态学的车牌定位摘要
车牌定位是智能交通系统中最先遇到的重要环节，因此如何实现车牌的快速、准确定位具有现实应用意义。
本文先对车牌图像特征作了简要介绍，随后对基于数学形态学的车牌定位进行了研究与分析，最后在车牌图像二值化时，应用最大类间方差求得最佳阈值，从而实现车牌的快速、准确定位。
内容列表
1.引言
2.车牌图像特征
3.数学形态学
4.最大类间方差法
5.实现方法与结果
6.结束语
7.参考文献
引言
常用的车牌定位算法有基于彩色或者灰度处理的方法、行检测和边缘统计法、Gabor滤波法、基于小波变换的方法等，但这些算法在实现简单、快速准确定位方面都不尽如人意，本文针对基于数学形态学的车牌定位进行了研究，由于数学形态学的数学基础和所用语言是集合论，因此它具有完备的数学基础，这为形态学用于图像分析和处理、形态滤波器的特性分析和系统设计奠定了坚实的基础。
数学形态学的算法具有天然的并行实现的结构，实现了形态学分析和处理算法的并行，大大提高了图像分析和处理的速度，从而实现车牌的快速准确定位。
车牌图像特征
目前实施的车牌标准是中华人民共和国机动车号牌GA -36 2007，车牌的特征可以概括为以下几个方面：
1)外廓尺寸。
大部分车辆的车牌尺寸是400mm×140mm、440mm×220mm,
低速车牌尺寸较为特别，为300mm×160mm
2)颜色。
大型汽车、教练汽车、普通摩托车、教练摩托车、低速车辆的车
牌颜色是黄底黑字；小型汽车、轻便摩托车的车牌颜色是蓝底白字。
3)纹理。
车牌上有规律地排列着7个字符，车牌图像颜色呈现出一系列的
颜色交替。
数学形态学
数学形态学(Mathematical Morphology)诞生于1964年，是由法国巴黎矿业学院博士生赛拉(J. Serra)和导师马瑟荣提出的，基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。
数学形态学是由一组形态学的代数运算子组成的，它的基本运算有4个：膨胀（或扩张）、腐蚀（或侵蚀）、开启和闭合，它们在二值图像和灰度图像中各有特点。
膨胀与腐蚀。
尽管图像增强处理使灰度图像中的噪声得到抑制，但噪声的完全去除常常是很困难的，而且在由灰度图像变换成二值图像的处理过程中，难免又增加一些噪声，它们对形状特征的提取是极为不利的，为此，必须对二值图像进行平滑处理。
二值图像的噪声表现形式有很多种，其中点状图与小孔是最为常见的。
所谓点状图是指面积相对较小的1像素与0像素连接成分。
膨胀与腐蚀处理能够有效地解决这些小的连接成分，使图像得到平滑。
对于任意图像子集，膨胀是不断地把非S的边界点加入到S中，而腐蚀是不断地将S的边界点消除。
开启与闭合。
开启运算是对图像先腐蚀再膨胀；闭合运算是对图像膨胀再腐蚀。
MATLAB中对应的处理函数分别为：imdilate(膨胀)、imerode(腐蚀)、imopen(开启)、imclose(闭合)。
最大类间方差法
在数学图像处理的过程中，为了便于图像的分析与识别，往往需要将图像转化为二值图像，即图像的二值化。
作为一种区域分割技术，图像的二值化将图像分为前景与背景，适应于前景与背景对比较为强烈的图像。
二值化效果的好坏直接取决于阈值的选择。
为了在各种图像中都取得较好的二值化效
果，阀值选取应具有自适应性，对图像的先验知识不应过度依赖，尽量使用有关灰度值的相对特性，能根据图像灰度分布来自动选取合适的阈值。
在车牌定位中，数学形态学图像处理用到了二值图像。
因此，图像二值化直接影响车牌识别的准确性。
本文采用由日本学者大津于1979年提出的最大类间方差法(STSU)，是一种自适应的阈值确定方法，它是根据图像的灰度特性，将图像分成前景与背景两部分。
前景与背景间的方差越大，说明这两部分的差别越大，这就意味着分割图像时出错的概率越小。
对于灰度图像I(x,y)，设其灰度级为L，前景与背景的分割阈值记作T，于是图像中的像素值被分为两个区域，灰度值分别为0,1,2,…,T、T+1,T+2,…,L. 属于前景的像素点占整幅图像的比率为P f，其平均灰度为E f，属于背景的像素点占整幅图像的比率为P b，其平均灰度为E b，整幅图像的总平均灰度记为E，类间方差记为G。
图像的大小记为M×N，图像中大于阈值T的像素个数记为N0，小于阈值T 的像素个数记为N1,于是有：
P f ＝N0 / M×N
P b ＝N1/ M×N
N0 + N1 = M×N
E = P f×E f+ P b×E b
G = P f (E - E f )2+ P b ( E - E b )2
采用遍历的方法，得到的阈值T即为最佳阈值。
实现方法与结果
下图1给出了车牌定位的处理流程。
图 1 车牌定位处理流程
车牌图像的二值化
为便于图像的分析与识别，需要将图像转化为灰度图像，然后根据由最大类间方差法计算出的阀值再将灰度图像转化为二值图像。
图2 图像的二值化
车牌图像的形态学处理
一般情况下，将图像二值化后，图像上会有一些相对较小的连通组件，不利于车牌的定位，此时需要对此进行处理以减少连通体个数。
利用函数bwareaopen(BW, P)形态学打开二值图像，并移除较小的连通组件。
图3 图像经bwareaopen处理前后
从图3中的两幅图可以清晰地看到，大概在车灯位置处的一些较小的连通组件不见了，图像变得更为平滑。
接着用函数imclose(IM,SE)对图像进行闭合操作，其中SE为结构元素。
图4 图像的闭合操作
闭合操作是先膨胀再腐蚀，在车牌位置，白色区域先膨胀，再腐蚀去字符，于是车牌所在位置变为白色连通域。
然后用函数[B,L] = bwboundaries(BW)寻找二值图像边界，其中B为连通组件的边界，L为标记矩阵。
并用RGB = label2rgb(L, map)将标记矩阵L转化为RGB 图像，如图5所示。
图5 标记矩阵L对应的RGB图像
各个连通组件的轮廓如图6所示。
从坐标上可以看出其大致的位置与形状。
图6 连通组件的轮廓
最后计算各个连通组件的面积与周长，而车牌周长perimeter与面积area的关系是一定的，设relation=area/perimeter，以relation作为匹配度，各个连通组件面积周长比最接近relation的一个便是车牌所在的位置，如图6所示，图中“o”代表车牌的质心。
图7 各个连通组件的匹配度
最后应用再应用X2 = imcrop(X, map, rect)将车牌取出。
如图8所示。
图8 车牌图像
结束语
从实现结果上分析，车牌经过数学形态学分析处理后，可以得到为数不多的几个连通组件，然后分析这几个连通组件，便可确定车牌位置。
本文中还应用了最大类间方差法求阈值，这样可以使得图像的二值化效果达到最佳，为以后的二值图像的分析奠定基础。
参考文献
1.霍宏涛.数字图像处理.北京:机械工业出版社，2003
2.陈杰.MATLAB宝典.北京:电子工业出版社，2007
3.张宇、黄险峰.基于数字形态法和主成分分析法的车牌定位.计算机与数字工
程，2009
4.郭鑫泉、伍宏涛、吴青.利用数学形态学实现车牌的快速定位.2008世界通信
大会中国论坛，2008
5.李波、曾致远、付祥胜.基于数学形态学和边缘特征的车牌定位算法.视频技
术应用与工程，2005
6.韩珊珊等.基于MALAB的车牌定位算法研究.科技资讯，2009
7.GA 36-2007 中华人民共和国机动车号牌
8.。