基于MATLAB的车牌定位算法设计
基于某matlab车牌地定位与分割识别程序
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:yfor j=1:xif(I6(i,j,1)==1)Y1(i,1)= Y1(i,1)+1;endendend[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;endPY2=MaxY;while ((Y1(PY2,1)>=50)&&(PY2<y))PY2=PY2+1;endIY=I(PY1:PY2,:,:);X1=zeros(1,x);for j=1:xfor i=PY1:PY2if(I6(i,j,1)==1)X1(1,j)= X1(1,j)+1;endend endsubplot(3,2,2),plot(0:x-1,X1),title('列方向像素点灰度值累计和'),xlabel('列值'),ylabel('像数');%求的车牌的列起始位置和终止位置PX1=1;while ((X1(1,PX1)<3)&&(PX1<x))PX1=PX1+1;endPX2=x;while ((X1(1,PX2)<3)&&(PX2>PX1))PX2=PX2-1;endPX1=PX1-1;PX2=PX2+1;%分割出车牌图像%dw=I(PY1:PY2,PX1:PX2,:);subplot(3,2,3),imshow(dw),title('定位剪切后的彩色车牌图像')4.2 车牌字符分割确定车牌位置后下一步的任务就是进行字符切分分离出车牌号码的全部字符图像。
基于MATLAB的车牌定位系统(含全套CAD图纸)
毕业设计（论文）题目：汽车牌照定位系统设计与开发诚信承诺书本人郑重声明：所呈交的毕业设计（论文）汽车牌照定位系统设计与开发是本人在导师的指导下独立进行研究所取得的成果，其内容除了在毕业设计（论文）中特别加以标注引用，表示致谢的内容外，本毕业设计（论文）不包含任何其他个人、集体已发表或撰写的成果作品。
班级：计科94学号：0921144作者姓名：2013 年5 月25 日无锡太湖学院信机系计算机科学与技术专业毕业设计论文任务书一、题目及专题：１、题目汽车牌照定位系统设计与开发２、专题二、课题来源及选题依据课题来源：导师指定选题依据：汽车车牌识别系统是近几年发展起来的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一。
在车牌自动识别系统中,首先要将车牌从所获取的图像中分割出来实现车牌定位。
这是进行车牌字符识别的重要步骤，定位的准确与否直接影响车牌识别率。
车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一，该技术应用范围非常广泛，其中包括：（1）交通流量检测；（2）交通控制与诱导；（3）机场、港口等出入口车辆管理；（4）小区车辆管理；（5）闯红灯等违章车辆监控；（6）不停车自动收费；（7）道口检查站车辆监控；（8）公共停车场安全防盗管理；（9）计算出行时间等。
其潜在在市场应用价值极大，有能力产生巨大的社会效益和经济效益。
三、本设计（论文或其他）应达到的要求：软件、技术要求：在基于图像处理的车牌识别技术的基础上设计并开发了一个基于MATLAB的车牌定位系统通过编写MATLAB文件对各种车辆图像处理方法进行分析、比较,最终确定了车牌预处理、车牌粗定位和精定位的方法。
四、接受任务学生：计科94 班姓名宋开拓五、开始及完成日期：自2012 年11 月12 日至2013年5月25日六、设计（论文）指导（或顾问）：指导教师签名签名签名教研室主任〔学科组组长〕签名研究所所长系主任签名2012年11月12日车辆牌照识别系统（vehicle license plate recognition system，简称LPR）是现代智能交通系统中的一项重要研究课题，是实现智能交通的重要环节，涉及领域异常广阔。
基于某MATLAB地车牌识别系统设计
基于MATLAB的车牌识别系统设计学院测控与通信工程学院专业信号与信息处理学生姓名二妮子学号 1101101101指导教师么么哒基于MATLAB的车牌识别系统设计摘要：本文主要介绍了基于MATLAB的有关数字图像处理的车牌数字识别系统。
系统是利用单张包含车牌的静态图片进行识别的，整个识别过程主要分为车牌定位和字符分割和字符识别三个大的模块。
而其中的字符识别是系统的核心部分。
字符识别目前运用的最多的就是神经网络和模板匹配的方法，本文所介绍的就是基于神经网络的方法来实现车牌数字的识别。
过程中也相应结合了特征提取、直方图统计等一系列方法。
从实验得知，这种神经网络的方法实现简单，且容易理解，在确保识别准确率的前提下，可以提高识别的效率，使得系统在比较准确地定位了车牌及分割出字符后，能更准确地实现字符的识别。
关键词：车牌识别；matlab；神经网络1 引言随着我国交通运输的不断发展，智能交通系统（Intelligent Traffic System，简称ITS）的推广变的越来越重要，而作为ITS的一个重要组成部分，车牌识别系统（LPRS）是智能交通系统的重要组成部分。
随着机动车辆数量的大幅度增加以及计算机技术的发展，人们对交通控制系统的要求显著提高。
因而智能交通系统被广泛地应用于交通控制系统当中，比如高速公路收费、停车场车辆管理、违章车辆监控、交通诱导控制等场合。
这使得车牌识别系统也得到了更广泛的关注。
与传统的车辆管理方法比较，车牌识别系统可以大大提高交通管理的效率和水平，帮助实现车辆管理的规范化。
由于牌照是机动车辆管理的唯一标识符号，因此，车辆牌照识别系统的研究在机动车管理方面具有十分重要的实际意义。
2 车辆牌照识别系统工作原理车辆牌照识别系统的基本工作原理为：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，然后输入JPEG 或BMP格式的数字，输出则为车牌号码的数字。
基于Matlab的车牌识别(完整版)
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。
【精品】基于matlab车牌的定位与分割识别程序
【关键字】精品基于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:yfor j=1:xif(I6(i,j,1)==1)Y1(i,1)= Y1(i,1)+1;endendend[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;endPY2=MaxY;while ((Y1(PY2,1)>=50)&&(PY2<y))PY2=PY2+1;endIY=I(PY1:PY2,:,:);X1=zeros(1,x);for j=1:xfor i=PY1:PY2if(I6(i,j,1)==1)X1(1,j)= X1(1,j)+1;endend endsubplot(3,2,2),plot(0:x-1,X1),title('列方向像素点灰度值累计和'),xlabel('列值'),ylabel('像数'); %求的车牌的列起始位置和终止位置PX1=1;while ((X1(1,PX1)<3)&&(PX1<x))PX1=PX1+1;endPX2=x;while ((X1(1,PX2)<3)&&(PX2>PX1))PX2=PX2-1;endPX1=PX1-1;PX2=PX2+1;%分割出车牌图像%dw=I(PY1:PY2,PX1:PX2,:);subplot(3,2,3),imshow(dw),title('定位剪切后的彩色车牌图像') 4.2 车牌字符分割确定车牌位置后下一步的任务就是进行字符切分分离出车牌号码的全部字符图像。
基于matlab的车牌识别算法
基于Matlab的车牌识别算法摘要车牌系统是计算机视觉和模式识别技术在智能交通领域的重要应用课题之一。
车牌识别系统是以特定目标为对象的专用计算机系统，该系统主要包括三个内容:车牌定位、字符分割和字符识别。
其中车牌定位的目的就是从所拍摄的汽车图像中确定车牌的位置,从而便于后续的字符分割和字符识别工作。
目前常用的方法有：基于模板匹配的方法、基于特征的方法和神经网络法等。
本设计采用基于模板匹配算法和基于人工神经网络算法对车牌进行定位识别，此算法只对蓝底白字车牌进行分割识别，对黑底白字车牌原则上整个算法可直接适用，。
此算法分割出的图像像素值和模板图像达到了一致，由此便避免了切割出的图像像素值不一致所带来的问题。
但对白底黑字车牌、黄底黑字车牌，需要对车牌定位算法进行调整，并将图像反转（0变1、1变0）。
关键词：车牌识别系统；字符分割；车牌定位LICENSE PLATE RECOGNITION ALGORITHM BASEDON MATLABＡＢＳＴＲＡＣＴLicense plate system is a computer vision and pattern recognition technology in one of the important application research topic in the field of intelligent transportation. License plate recognition system based on specific goals of a special computer system, the system mainly includes three contents: license plate locating, character segmentation and character recognition. One of the purpose of license plate location is taken from the auto locate the license plate in the image, so as to facilitate the subsequent work character segmentation and character recognition. Now commonly used methods are: based on template matching method, based on the characteristics of the method and neural network, etc.This design USES based on template matching algorithm and based on artificial neural network algorithm to locate license plate recognition, the algorithm is only for blue white license plate segmentation recognition, the algorithm can be directly applicable in principle to the black white plate,. This algorithm to segment the image pixel values and template image, thus to avoid the cut out in the process of image pixel values are not consistent. But black on white background and black text plate, yellow bottom plate, adjustments need to license plate localization algorithm, and the image inversion of (0, 1, 1, 0).Key words: license plate recognition system; Character segmentation; License plate location目录1 前言 (4)1.1车牌号识别研究背景 (4)1.2 车牌号识别技术研究现状和趋势 (5)1.2.1国内外车牌识别技术情况及我国车牌特点 (5)1.2.2车牌识别技术的应用前景 (6)1.3 车牌识别研究内容 (7)2 车牌识别系统设计原理概述 (9)3 车牌识别系统程序设计 (11)3.１图像读取及车牌区域提取 (11)3.１.1图像灰度图转化 (11)3.１.2图像的边缘检测 (13)3.１.3灰度图腐蚀 (14)3.１.4图像平滑处理 (15)3.１.5移除小对象 (16)3.１.6车牌区域的边界值计算 (17)3.２字符切割 (18)3.２.1字符切割前的图像去噪处理 (18)3.２.2字符切割前的图像膨胀和腐蚀处理 (19)3.２.3字符切割 (19)3.３字符识别 (22)3.３.1字符识别方法选择 (22)3.３.2字符归一化 (22)3.３.3字符匹配识别 (23)4 仿真结果及分析 (26)4.1 车牌定位及图像读取及其图像处理 (26)4.2 车牌字符分割及其图像处理 (26)5 结论 (28)参考文献 (29)致谢............................................... 错误！未定义书签。
基于matlab的蓝色车牌定位与识别---定位
基于matlab的蓝⾊车牌定位与识别---定位接着昨天的⼯作继续。
定位的过程有些是基于车牌的颜⾊进⾏定位的，⾃⼰则根据数字图像⼀些形态学的⽅法进⾏定位的。
合着代码进⾏相关讲解。
1.相对彩⾊图像进⾏灰度化，然后对图像进⾏开运算。
再⽤⼩波变换获取图像的三个分量。
考虑到车牌的竖直分量较为丰富，选⽤竖直分量进⾏后续操作。
注意下，这⾥的⼀些参数可能和你的图⽚⼤⼩有关，所以要根据实际情况调整。
Image=imread('D:\1_2学习\图像处理\车牌识别\matlab_car_plate-recognization\car_example\car0.jpg');%获取图⽚im=double(rgb2gray(Image));im=imresize(im,[1024,2048]);%重新设置图⽚⼤⼩ [1024,2048]% % 灰度拉伸% % im=imadjust(Image,[0.150.9],[]);s=strel('disk',10);%strei函数Bgray=imopen(im,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im=imsubtract(im,Bgray);%两幅图相减% figure,imshow(mat2gray(im));title('增强⿊⽩图像');%输出⿊⽩图像[Lo_D,Hi_D]=wfilters('db2','d'); % d Decomposition filters[C,S]= wavedec2(im,1,Lo_D,Hi_D); %Lo_D is the decomposition low-pass filter% decomposition vector C corresponding bookkeeping matrix Sisize=prod(S(1,:));%元素连乘%cA = C(1:isize);%cA 49152cH = C(isize+(1:isize));cV = C(2*isize+(1:isize));cD = C(3*isize+(1:isize));%cA = reshape(cA,S(1,1),S(1,2));cH = reshape(cH,S(2,1),S(2,2));cV = reshape(cV,S(2,1),S(2,2));cD = reshape(cD,S(2,1),S(2,2));获取结果2. 对上⾯过程中获取的图像进⾏边沿竖直⽅向检测，再利⽤形态学的开闭运算扩⼤每个竖直⽅向⽐较丰富的区域。
基于Matlab的车牌识别课程设计报告
导入原始 图像
图像预处理 增强效果图
进行边缘 提取
车牌具体 位置定位
对车牌进 行处理
输出 结果
对分割的字 符进行识别
字符特征 提取
对字符进 行归一化
对字符进行 分割
图1 牌照识别系统原理图
该系统是计算机 图像处理与字符识别技术在 智能化交通管理系统中的应用 ，它 主 要 由 牌 照 图 像 的 采 集 和 预 处 理 、牌 照 区 域 的 定 位 和 提 取 、牌 照 字 符 的 分 割 和 识 别 等几个部分组成，如图1 所示。其基本工作过程如下：
对比以上几幅图片，图 12 的边缘已经模糊掉了。图 11 中包含的噪声太多， 图 13 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。
（二）、牌照的定位和分割
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 。根 据 其 灰 度 值 与 周 边 区 域 有 明 显 的 不 同 ，在 其 边 缘 形成了灰度突变的边界，这样就便于通过边缘检测来对图象进行分割。
牌 区 域 ， 确 定 车 牌 底 色 蓝 色 RGB对 应 的 各 自 灰 度 范 围 ， 然 后 行 方 向 统 计 在 此 颜 色 范
围 内 的 像 素 点 数 量 ，设 定 合 理 的 阈 值 ，确 定 车 牌 在 行 方 向 的 合 理 区 域 。然 后 ，在 分
割出的行区域内，统计列方向蓝色像素点的数量，最终确定完整的车牌区域。
- 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)。
北京联合大学毕业设计（论文）任务书
题目：基于MATLAB的车牌定位算法设计
专业：电子工程系指导教师：章学静
学院：信息学院学号： 2009080403104 班级： 20090804031 姓名：林本存
一、课题的任务与目的
自从2010年以来，北京的交通拥堵问题成为社会普遍关注和谈论的话题。
而其他交通问题也呈现增长趋势。
由于车辆牌照是我们标定车辆的唯一ID，因此，车牌的定位识别对于处理突发的交通事件就显得尤为重要。
车牌定位识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要课题之一。
所谓车牌定位(License Plate Location)，就是把车牌区域完整的从一幅具有复杂背景的车辆图像中分割出来。
它是进行车牌识别的首要任务和关键技术，能否将牌照的位置找出来，决定着车牌识别的后续工作能否继续进行，如果不能正确找到牌照的位置，那么就无法将它分割出来，字符分割和字符识别工作将无从谈起。
同时，车牌定位的效率也直接影响着整个识别系统的效率，一个高效率的车牌识别系统首先必须是建立在高效的车牌定位算法的基础之上。
因此，研究与开发车牌定位的算法具有十分重要的实用意义。
例如，在公安执法系统、高速公路自动收费系统、城市道路监控系统、智能停车场管理系统等诸多智能交通系统中都有应用。
车牌定位的目的是对摄像头获取的汽车图像进行预处理，确定车牌位置。
此次设计的任务就是在MATLAB中对采集到车辆图像进行色彩直方图分析，匹配车牌背景颜色的峰值从而实现车牌在图像位置中的定位。
然后将此算法移植到DSP中，在DSP中验证移植的算法正确性。
二、调研资料情况
目前国外车牌定位识别系统已经有很多成熟的产品，以色列Hi—Tech公司的See/CarSystem系列，新加坡optasia公司的IMPS系列都是比较成熟的产品。
但是，这些产品基本上只适合于自己国内的状况。
而我国的情况与国外有很大的不同，比如车牌的形状，颜色，字符的颜色以及我国车牌中包含着汉字等。
同时，目前的牌照识别系统具有一定的识别率，在天气条件差的情况下或夜晚时，识别率会明显下降，此外，也受到其他许多客观干扰的影响，例如天气、背景、车牌磨损、图像倾斜等。
因此现有的识别系统要达到完全实用化仍然有很长的路要走。
现有的比较好的车牌定位方法主要有J.Barroso等提出的基于水平线搜寻的定位
方法；R.Parisi等提出的基于DFT变换的频域分析方法；Charl Coetzee提出的基于Niblack二值化算法及自适应边界搜索算法的定位方法；Barroso J.Buls-Cruz 等人提出的基于扫描行的车牌提取算法等。
目前国内比较成熟的产品有中科院自动化研究所汉王科技的“汉王眼”，深圳吉通电子有限公司的“车牌通”，上海高德威智能交通系统有限公司的汽车牌照识别器等。
另外，西安交通大学的图像处理与识别研究室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系也在进行类似的研究。
由于汉字的识别难度较大，以及众多自然和人文因素的干扰，使得国内的成熟产品并不多，目前国内的车牌识别技术研究还主要集中在对各种车牌定位、字符分隔和识别等方面的算法进行研究上。
主要参考资料如下：
1、王家文. MATLAB 7.6图形图像处理.北京：国防工业出版社.2009
2、陈阳. 车牌定位系统的研究与开发[D]. 山西: 中北大学, 2007
3、张晓. 复杂背景下的车牌定位系统设计[D]. 西安: 西安电子科技大学, 2009
4、龚声蓉，刘纯平，王强．数字图象处理与分析[M]．北京：清华出版社．2006．
5、贺兴华，周媛媛，王继阳，等．MATLAB图像处理[M]．北京：人民邮电出版社．2006．
6、崔江，王友仁．车牌自动识别方法中的关键技术研究[J]．计算机测量与控制，2003，1l(4)：260—262．
7、杨静．基于数学形态学的图像分割研究及应用[J]．仪器仪表用户，2005(5)：18一19．
三、初步设计方法与实施方案进度要求
此次设计是主要基于图像处理技术，研究车牌定位的基本原理，设计基于MATLAB仿真软件的车牌定位的算法。
其涉及的主要内容是掌握图像处理中的灰度化、边缘提取、形态学处理、颜色判定等技术，按照图像处理的基本流程，编写程序实现给出区域裁剪、截取车牌子图像，实现所采集图片中的车牌的定位。
通过仿真，使原始图像经过该算法的处理后能够清楚地显示出车牌区域，同时使图像中的非车牌区域消失或者减弱，从而能准确有效地定位出车牌在图像中的位置。
此次算法的实现，采用的是由Math Works公司开发的MATLAB软件，它功能强、效率高、简单易学，是当今最优秀的科技应用软件之一，具有强大的科学计算与可视化功能和开放式扩展环境。
MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。
1、图像预处理
车牌自动识别系统中车辆图像是通过图像采集卡将运动的车辆图像抓拍下来，并以位幽的格式存放在系统内存中。
而实际拍摄的车辆图像效果往往不理想，如受外界光线对车牌的不均匀反射、恶劣天气的影响、摄像头聚焦或后背焦没有调整到位而形成的车辆图像不清晰、所拍摄图像中存在的噪声干扰、所安装的车牌不规范或车辆{j驶变形等等。
这些都给车牌的定位增加了难度。
但我们可以对车辆图像根据不同应用特点进行识别前的预处理，尽最大町能提高车牌正确定位，这些图像预处理包括图像灰度变换、倾斜校正、等。
2、灰度修正
灰度修了F通常采用直方图修正法使图像具有期望的灰度分布．水平方向为像素欢度值，垂直方向为该像素值出现的数量，根据灰色|刳像直方图调整I冬{像像素值的分布范围，确保图像亮度值均匀和平滑，同时如果直方图中存在多个峰值，则按直方图峰值计算ff{限定阀值，然后进行分段图像处理，由此分离出背景和噪声。
3、图像滤波
图像滤波的目的是为了减少图像中的噪声，·般情况下在窄间域内采用领域平均法来减少噪声，在频率域内由于噪声频谱多住高频段，因此采用各种形式的低通滤波方法来减少噪声。
空间域是指对图像像素灰度值直接运算后取代，频率域是对图像的像素值进行变换运算后反变换取代，如傅立叶变换等。
采用MATLAB工具自定义滤波函数，实现图像的平滑处理。
4、图像增强
由于车牌的边框的特征必须明显，后期的车牌特征才能很好的提取。
利用MATLAB工具箱中的灰度变换上具imadijut函数来实现．同时配合improfiIe函数对图像进行分析，根据车牌底色和字符的像素值，将其对比度调到最大，实现图像的增强。
5、车牌定位研究
车牌定位比较好的定位算法有基于车牌文字变化特点的自动扫描tI}别算法、基于特征的车辆牌照定位算法．基丁变换函数提取车牌的算法、基十视觉的车辆牌照检测等。
另外，一些学者们从一些数学上具着手，利用数学形态学、小波分析、遗传算法等方法对一些传统定位方法进行改进。
6、图像边缘检测
根据每个像素在某个区域内的灰度变化，利用边缘_二阶方向导数变化规律实现边缘检测。
常用方法有LaPlaciai3．边缘增强、Sobel梯度方向边缘增强等。
本文对图像进行水平边缘检测，有效地检测出水平方向的边缘像素，然后对检测结果二值化处理，记录边缘点，然后对边缘点按照从上到下，从左到右进行扫描(定义位x和y方向扫描)，得到整个图像的跳变点分布。
根据车牌的长宽比例确定车牌的区域，利用分割技术将车牌从整幅图像中分割出来。
7 、MATLAB环境下车牌定位系统的设计
本文利用MATLAB工具实现车牌定位系统的设计，采用图像预处理和车牌定位技术实现对车牌的定位。
四、预期结果
1、主要内容
在MATLAB工具中，对实际拍摄的图像进行预处理的算法进行设计和分析，和对车牌定位与分割的算法进行设计和分析。
从而在与处理后的图像中确定车牌的具体位置并将其分割出来。
2、预期结果
利用MATLAB工具对采集到车辆图像进行色彩直方图分析，匹配车牌背景颜色的峰值从而确定车牌在图像位置中的定位。
五、进度计划
第一、二、三、四周：调研资料。
第五、六、七周：系统分析阶段。
第八、九、十、十一周：系统设计阶段。
第十二、十三周：系统调试阶段。
第十四周：毕业设计论文撰写。
第十五周：完成毕业设计，老师审查，并完成毕业答辩。
指导教师：（签字）专业负责人／系主任：（签字）。