基于Malab的车牌自动识别技术研究与实现.doc

《基于Malab的车牌自动识别技术研究与实现.doc》由会员分享，可在线阅读，更多相关《基于Malab的车牌自动识别技术研究与实现.doc（44页珍藏版）》请在沃文网上搜索。

1、基于Matlab的车牌自动识别技术的研究与实现摘要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。本论文主要研究基于Matlab的车牌自动识别与设计，対一幅车牌图片进行采样、灰度化处理、图片的加强、锐化、去噪、均值滤波、二值化、边缘检测、阈值分割等

2、操作后，将车牌中的数字及字母单独分割出来。图像预处理模块是将图像灰度化和用Roberts算子进行边缘检测。在牌照定位和分割时对其进行腐蚀去杂处理，寻找X，Y方向车牌的区域完成车牌定位。检查白色像素点去除图像两边多余部分，根据图像大小设置阈值分离出字符从而完成字符的分割。本论文针对其核心部分进行阐述并使用MATLAB软件环境对其进行实现。关键词：灰度图像；边缘检测；二值化；阈值法；MATLAB Based on the Matlab License Plate Recognition Technology Research and Implementation AbstractLicense p

3、late identification is the modern intelligent transportation system is one of the important part, used widely. It with digital image processing, pattern recognition, computer vision technology basis, the camera shooting video sequence image or vehicle are analyzed and every car only the license numb

4、er, thus completing recognition process. Through some follow-up processing method can realize parking charge management, traffic flow control measurement, the vehicles positioning, guard against theft, highway speed regulation and so on automation function. For maintenance of traffic safety and city

5、 security, prevent traffic jams, and realize the automation management traffic has practical significance. This paper studied based on the Matlab license plate recognition and design, impose a license plate images of sampling, processing, pictures of the gray strengthen, sharpening, denoising and me

6、an filter, binary, edge detection, threshold segmentation etc after operation, the license plate Numbers and letters division out alone. Image preprocessing module is gray, and the image with Roberts operator on edge detection. In the license plate location and split the corrosion to when mixed proc

7、essing, looking for X, Y direction of the license plate location complete license plate area. Check the white eliminate image pixels on both sides of redundant, according to the image size setting threshold to complete separation of the characters of the character segmentation. This paper expounds t

8、he core part of using MATLAB software environment and the realization.Key Words: Gray-scale image; Edge detection; monochrome image; Threshold method; MATLAB 目录绪论1第一章 概述11.1研究背景11.2主要研究内容11.3论文结构2第二章 图像基本理论基础32.1 MATLAB发展历史32.2 MATLAB的语言特点32.3 图像预处理42.3.1 灰度变换52.3.2 图像增强62.3.3 图像的平滑处理72.3.4 图像的边缘检测8

9、第三章 系统分析与设计113.1系统分析113.2牌照的定位和分割113.2.1 牌照区域的定位123.2.2 牌照区域的分割133.2.3 牌照二值化处理143.3字符的分割与归一化173.3.1 字符的分割173.3.2 字符归一化18第四章 车牌识别系统的实现194.1运行环境和开发工具194.2程序的基本架构194.3功能实现194.3.1 图像预处理代码实现194.3.2 图像定位代码分析23第五章 总结255.1 论文工作总结255.2 实现的结果255.3 存在的问题255.3 未来工作的展望26参考文献27致 谢28毕业设计（论文）知识产权声明29毕业设计（论文）独创性声明30

10、附录31附录37复杂脊波图像去噪42作者：G. Y. CHEN AND B. KEGL刊名：PATTERN RECOGNITION;出版日期：2007421.介绍422. 用复杂脊波图像去噪423. 实验结果434. 结论和未来工作44西安工业大学毕业设计（论文）绪论随着交通问题的日益严重，智能交通系统应运而生。从20世纪90年代起，我国也逐渐展开了智能交通系统的研究和开发，探讨在现有的交通运输网的基础上，提高运输效率，保障运输安全。我国加强智能交通系统（ITS）的研究与开发势在必行，特别是考虑到我国的国情和我国经济的快速发展，社会信息化程度日益提高，交通管理智能化成为发展的趋势。汽车牌照自动

11、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。车牌识别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,提取车牌上的字符串，并对这些字符进行识别处理,用文本的形式显示出来。车牌自动识别技术在智能交通系统中具有重要的应用价值。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，这是进行车牌字符识别的重要步骤，定位准确与否直接影响车牌识别率。本次设计主要对车牌的定位做了比较详细的研究。汽车牌照自动识别系统作为一种交通信息的获取技术在交通车辆管理、园区车辆管理、停车场管理有着特别重要的应用价值，受到业内人士的普遍关注。车牌自动识别的处理有三部分

12、组成，其中车牌定位作为最关键的技术，成为重点研究的对象。车牌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。由于在现实中，汽车的车牌图像受到光照、背景、车型等外界干扰因素以及拍摄角度、远近等人为因素的影响，造成图像受光不均匀，车牌区域不明显，给车牌区域的提取带来了较大的困难。车牌定位的方法有很多种，目前比较经典的定位方法大都在基于灰度图像的基础上。本次毕业设计就针对灰度图像的定位和分割进行了研究。针对不同背景和光照条件下的车辆图像，提出了一种基于灰度图像灰度变化特征进行车牌定位和分割的方法。依据车牌中不同区域的灰度分布，车牌定位时可以首先将彩色车牌进行灰度化然

13、后再进行车牌定位与分割。第一章 概述1.1研究背景1990 年，美国智能交通学会CITS America 提出了智能交通系统（ITS）的概念。目前，智能交通系统已经在世界上经济发达国家的一些城市及高速公路系统中得到了广泛应用。我国在该领域的研究起步较晚，但随着全球范围智能交通技术研究的兴起及奥运会的成功举办，智能交通在我国也逐渐进入了应用阶段，相应的，我国也加快了对智能交通技术研究的步伐，智能交通技术的研究现已进入快速发展期。车牌识别系统作为数字摄像、计算机信息管理、图像分割和图形识别技术在智能交通领域的应用，是智能交通管理系统中重要的组成部分。车牌识别是现代智能交通系统中的重要组成部分之一，

14、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。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，车辆牌照识别系统（vehicle license plate recognition

15、system，简称LPR）对于交通管理、治安处罚等工作的智能化起着十分重要的作用。它可广泛应用于交通流量检测，交通控制于诱导，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。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。1.2主要研究内容车辆牌照识别整个系统主要是由车牌定位和字符识别两部分组成，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与特征提取模块。在其各模块之间，对车牌的处理，要求很高，为了用于牌照的分割和牌照字符的识别

16、，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。但由于该系统的摄像部分工作于开放的户外环境，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和角度以及车辆行驶速度等因素的影响，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。在对图像的采样后需要对其进行灰度处理、锐化、图像增强等操作，下来就是对其边缘提取找到分界点将车牌从图像中分割出来，对图像开闭运算也就是膨胀和腐蚀操作，是车牌的特征更趋于明显，有助于车牌的定位。完成牌照区域的定位后，再将牌照区域分割成单个字符，在进行归一化，达到设计要求，字符的识别需要建立字符模版，再次没有对其进行深

17、入研究。对于车牌识别主要的就是对牌照进行一系列处理最终将牌照中的字符提取出来，其中涉及到了两次分割，牌照在整幅图像中的分割和字符在整个车牌中的分割，这是设计中的核心部分，在这两个分割前，有许多技术都是对图像进行特征处理便于分割，例如分割前的灰度处理，去噪，均值滤波，去杂，归一化，二值化，边缘检测，阈值分割等等技术，这些技术相结合才实现了整个程序的设计要求。在接下来的章节里将详细介绍这些设计过程和牌照处理。1.3论文结构第一章介绍毕设的研究意义和主要研究内容；第二章主要是图像处理的基本理论和Matlab软件的介绍，第三章是系统的分析与设计模块，介绍了系统设计的结构和各部分的核心模块；第四章是系统

18、的实现，将一个完整的设计成果展示一下；第五章总结也就是接近尾声了，主要对论文这几个月来的工作发展和设计的研究成果以及还存在的问题做一介绍，本次论文的结构大致如此。3第二章 图像基本理论基础 本节将介绍Matlab工具和Matlab语言，并且比较细致地描述了牌照在预处理时的方法和技术。2.1 MATLAB发展历史MATLAB是一门计算机编程语言，取名来源于Matrix Laboratory，本意是专门以矩阵的方式来处理计算机数据，它把数值计算和可视化环境集成到一起，非常直观，而且提供了大量的函数，使其越来越受到人们的喜爱，工具箱越来越多，应用范围也越来越广泛。MATLAB 以商品形式出现后，仅短

19、短几年，就以其良好的开放性和运行的可靠性，使原先控制领域里的封闭式软件包（如英国的 UMIST ，瑞典的 LUND 和 SIMNON ，德国的 KEDDC ）纷纷淘汰，而改以 MATLAB 为平台加以重建。在时间进入 20 世纪九十年代的时候， MATLAB 已经成为国际控制界公认的标准计算软件。 到九十年代初期，在国际上 30 几个数学类科技应用软件中， MATLAB 在数值计算方面独占鳌头，而 Mathematica 和 Maple 则分居符号计算软件的前两名。 Mathcad 因其提供计算、图形、文字处理的统一环境而深受中学生欢迎。 国际学术界， MATLAB 已经被确认为准确、可靠的科

20、学计算标准软件。在许多国际一流学术刊物上，（尤其是信息科学刊物），都可以看到 MATLAB 的应用。 在设计研究单位和工业部门， MATLAB 被认作进行高效研究、开发的首选软件工具。如美国 National Instruments 公司信号测量、分析软件 Lab VIEW ， Cadence 公司信号和通信分析设计软件 SPW 等，或者直接建筑在 MATLAB 之上，或者以 MATLAB 为主要支撑。又如 HP 公司的 VXI 硬件， TM 公司的 DSP ， Gage 公司的各种硬卡、仪器等都接受 MATLAB 的支持。2.2 MATLAB的语言特点一种语言之所以能如此迅速地普及，显示出如

21、此旺盛的生命力，是由于它有着不同于其他语言的特点。正如同FORTRAN和C等高级语言使人们摆脱了需要直接对计算机硬件资源进行操作一样，被称作为第四代计算机语言的MATLAB，利用其丰富的函数资源，使编程人员从繁琐的程序代码中解放出来。MATLAB的最突出的特点就是简洁。MATLAB用更直观的、符合人们思维习惯的代码，代替了C和FORTRAN语言的冗长代码。MATLAB给用户带来的是最直观、最简洁的程序开发环境。以下简单介绍一下MATLAB的主要特点：a. 语言简洁紧凑，使用方便灵活，库函数极其丰富。MATLAB程序书写形式自由，利用其丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程

22、工作。由于库函数都由本领域的专家编写，用户不必担心函数的可靠性。可以说，用MATLAB进行科技开发是站在专家的肩膀上。b. 运算符丰富。由于MATLAB是用C语言编写的，MATLAB提供了和C语言几乎一样多的运算符，灵活使用MATLAB的运算符将使程序变得极为简短。c. MATLAB既具有结构化的控制语句（如for循环、while循环、break语句和if语句），又有面向对象编程的特性。d. 语法限制不严格，程序设计自由度大。例如，在MATLAB里，用户无需对矩阵预定义就可使用。e. 程序的可移植性很好，基本上不做修改就可以在各种型号的计算机和操作系统上运行。f. MATLAB的图形功能强大。

23、在FORTRAN和C语言里，绘图都很不容易，但在MATLAB里，数据的可视化非常简单。MATLAB还具有较强的编辑图形界面的能力。g. MATLAB的缺点是，它和其他高级程序相比，程序的执行速度较慢。由于MATLAB的程序不用编译等预处理，也不生成可执行文件，程序为解释执行，所以速度较慢。2.3 图像预处理图像预处理是车牌定位的准备工作，以提高车牌图片的适用性。原始图像不仅包括车牌照，而且还有汽车本身和汽车背景图像，因此必须去掉这些非牌照图像的影响，才有可能正确的提取出牌照区域，为以后的车牌字符识别打下基础。在实际应用中，由于季节的更替、自然光照度的昼夜变化、光照的稳定性与均匀性、车辆自身的运

24、动因素等的影响，存在各种各样的噪声。因而必须对图像进行预处理，以改善图像质量，提高字符识别率。在这我们将从图像预处理的基本原理和主要方法来讨论。下图2-1流程图简要的概述了图像预处理的基本步骤：图2-1 为预处理及边缘提取流程图输入车牌图象灰度校正平滑处理提取边缘图2-1 预处理及边缘提取流程图52.3.1 灰度变换灰度图是指只包含亮度信息，不包含色彩信息的图像，例如平时看到的亮度连续变化的黑白照片就是一幅灰度图。灰度化处理就是将一幅彩色图像转化为灰度图像的过程。彩色图像分为R、G、B 三个分量，分别显示出红、绿、蓝等各种颜色，灰度化就是使彩色的R、G、B 分量相等的过程。灰度值大的像素点比较

25、亮（像素值最大为255，为白色），反之比较暗（像素值最小为0，是黑色）。本次灰度图像变换的实现采用了rgb2gray函数,rgb2gray：转换RGB图像或颜色映像表为灰度图像，格式：I=rgb2gray(RGB)或I=rgb2gray(A)，通过Matlab软件处理得到原始图像、灰度图和直方图如图2-2、2-3所示：图2-2 为原始图像图2-2 原始图像图2-3 为灰度图和直方图图2-3 灰度图和直方图 2.3.2 图像增强对车辆图像进行灰度化处理之后，车牌部分和非车牌部分图像的对比度并不是很高，此时如果直接进行边缘提取，由于车牌界限较为模糊，难以提取出车牌边缘，因而难以准确定位车牌。为了增

26、强牌照部位图像和其他部位图像的对比度，使其明暗鲜明，有利于提高识别率，需要将车辆图像进行增强。图像增强的目的是对图像进行加工，以得到对具体应用来说视觉效果更适于计算机识别的图像。增强图像的方法有很多，如灰度变换、图像平滑处理和线性滤波等，根据处理图像域又可分为空间增强与频域增强。目前用于车牌图像增强的方法有：灰度拉伸、直方图均衡、中值滤波、高斯滤波、邻域滤波、图像腐蚀、多图像平均、同态滤波等等。在本设计中对图像进行开操作，图像的开操作时先腐蚀后膨胀，用来消除小物体、在纤细点处分离物体、平滑较大物体的边缘同时并不明显改变其面积。对图像进行膨胀或腐蚀，运用代码se=1;1;1;I3=imerode

27、(I2,se);对图像进行腐蚀操作，腐蚀后的图像如图2-4所示：7图2-4 为腐蚀后图像图2-4 腐蚀后图像2.3.3 图像的平滑处理在图像的获取和传输过程中原始图像会受到各种噪声的干扰，使图像质量下降。为了抑制噪声、改善图像质量，要对图像进行平滑处理。抑制或消除这些噪声而改善图像质量的过程称为图像的平滑。对于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量，因此可以在通过低通滤波器来滤除噪声，但实际中为了简化算法，也可以直接在空域中用求邻域平均值的方法来削弱噪声的影响，这种方法称为图象平滑处理。邻域平均值的平滑处理会使得图象灰度急剧变化的地方，尤其是物体边缘区域和字符轮廓等部分产生模

28、糊作用。为了克服这种平均化引起的图象模糊现象，我们给中心点象素值与其邻域平均值的差值设置一固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原来的值，从而减少由于平均化引起的图象模糊。 图像平滑的目的是为了消除噪声。噪声消除的方法又可以分为空间域或频率域，亦可以分为全局处理或局部处理，亦可以按线性平滑、非线性平滑和自适应平滑来区别。图像的平滑是一种实用的数字图像处理技术，一个较好的平滑处理方法应该既能消除图像噪声，又不使图像边缘轮廓和线条变模糊，这就是研究数字图像平滑处理要追求的目标。一般情况下，减少噪声的方法可以在空间域或频率域进行处理，主要有邻域平均法、中值滤波

29、法、低通滤波法等，邻域平均法即通过提高信噪比，取得较好的平滑效果；空间域低通滤波采用低通滤波的方法去除噪声；以及频域低通滤波法通过除去其高频分量就能去掉噪声，从而使图像得到平滑。图2-5 为平滑图像处理图2-5 平滑图像处理2.3.4 图像的边缘检测边缘是指图像灰度发生空间突变或者在梯度方向上发生突变的像素的集合。在进行对汽车牌照的定位及字符识别之前需要先对车辆图像进行边缘检测处理，提高图像的质量，使其易于后面的分割和识别。通过良好的边缘检测可以大幅度的降低噪声、分离出复杂环境中的车辆图像、保留完好的车牌字符信息，方便后面的车牌精确定位与字符识别。由于车牌识别系统摄像头安装位置固定以及机动车车

30、牌的固有属性，我们可以发现机动车车牌图像都处在水平的矩形区域，在图像中位置较为固定，车牌中字符都是按水平方向排列。因为有这些明显的特征，经过适当的图像变换，可以清晰的呈现出车牌的边缘。本文采用经典的Roberts边缘检测算子来对图像进行边缘检测。a. 其实在图像边缘检测的算法有Roberts算子、Sobel算子和拉普拉斯高斯算子，Robets算子：边缘定位准确，但对噪声敏感，去噪声作用小，适合于边缘明显且噪声较小的图像分割；9b. Sobel算子：它是方向性的，在水平和垂直方向上形成了最强烈的边缘。Sobel算子不仅能检测边缘点，而且能抑制噪声影响，对灰度渐变和噪声较多的图像处理得较好；c.

31、拉普拉斯高斯算子：它是一种二界边缘检测方法。通过寻找图像灰度值中的二阶微分过零点来检测边缘点该算子是一个线性移不变的算子，它的传递函数在频域空间的原点是零，因此经拉普拉斯高斯滤波过的图像具有零平均灰度；由于本程序用到的是Roberts算子实现的，接下来就对其的核心代码做一简单的介绍：首先读入车牌图片I=imread(zhaopian.jpg);读入图片后在Matlab的前台进行展示figure(1),imshow(I);title(原图)；此时还是真彩图需要转成灰度图I1=rgb2gray(I); figure(2),imshow(I1);title(灰度图);最后就是核心的边缘检测，对于ed

32、ge中的参数0.15，经过长时间的图像处理经验得知的经验确认是0.15，我没那么厉害，我是查找了众多资料经验者给出的参数，I2=edge(I1,robert,0.15,both); figure(3),imshow(I2);title(Robert边缘检测)，接下来就是效果图，原图如2-6所示，灰度图如2-7所示，Roberts算子边缘检测图如图2-8所示：图2-6 为原图图2-6 原图图2-7 为灰度图与直方图图2-7 灰度图与直方图图2-8 为Roberts算子边缘检测图2-8 Roberts算子边缘检测11第三章 系统分析与设计 本节将介绍车牌的定位与分割的原理和主要方法，同时介绍了其中

33、包括的二值化、阈值分割、特征提取、归一化等图像处理知识。3.1系统分析基于Matlab车牌自动识别设计核心的就是车牌的定位与分割，在一整幅图中选取合适的算法对其进行提取，得到车牌再进行灰度、平滑、二值化处理最后进行车牌的分割。本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3-1所示。其基本工作过程如下：a. 先将拍下来的车牌图片输入Matlab进行预处理,图像预处理包括图像转换、图像增强、滤波和水平较正等；b. 由检索模块进行牌照搜索与检测，定位并分割出包含牌照字符号码的矩形区域；

34、c. 对牌照字符进行二值化并分割出单个字符，经归一化后输入车牌字符；图3.1为牌照识别系统原理图区域搜索与分割预处理图片输入归一化处理字符分割图3-1 牌照识别系统原理图3.2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。由于牌照图象在原始图象中是很有特征的一个子区域，确切说是水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘

35、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。图3-2 为牌照定位与分割流程图对图像进行腐蚀去除杂质通过计算寻找X和Y方向车牌的区域完成车牌定位对分割出的车牌做进一步处理图3-2 牌照定位与分割流程图3.2.1 牌照区域的定位牌照图象经过了以上的处理后，牌照区域已经十分明显，而且其边缘得到了勾勒和加强。此时可进一步确定牌照在整幅图象中的准确位置。这里选用的是数学形态学的方法，其基本思想是用具有一定形态的机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。数学形态学的应用可以简化图像数据，保持它们基本的形态特征，并除去不相干的结构。在本程序中用到了膨胀基本运算，最后

36、还用了bwareaopen来去除对象中不相干的小对象。由于大部分图像处理的截图我都在前几章给出了，在这里就不再给出，下面我将给出经过bwareaopen来去除对象中不相干想对象的截图，如图3-3所示：13图3-3 为牌照移除小对象图3-3 为牌照移除小对象3.2.2 牌照区域的分割对车牌的分割可以有很多种方法，本程序是利用车牌的彩色信息的彩色分割方法。根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域，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

37、素点的数量，最终确定完整的车牌区域。定位的方法有很多但是我采用的这种方法也有弊端，车牌的底色不一定都是蓝色的，在程序中只限于蓝色的RGB对应的各自灰度范围，显然不具有通用行，由于时间的局限性我先做到这里，如果换做底色不是蓝色的就会报错，例如黄色、白色等底色都不适用，若以后在工作中有机会我会继续深入对这门学科的研究，接下来我将经过上述方法剪切下来的车牌展示出来，如图3-4所示：图3-4 为彩色牌照的分割图图3-4 为彩色牌照的分割图3.2.3 牌照二值化处理对车牌图像进行二值化是本字符分割预处理方法中极其重要的一个步骤，图像的二值化就是将图像上的像素点的灰度值设置为0或255两个灰度值，也就是将

38、整个图像呈现出明显的黑白效果。将256个亮度等级的灰度图像通过适当的阀值选取，获得仍然可以反映图像整体和局部特征的二值化图像。在图像处理中，二值图像占有非常重要的地位，首先图像的二值化有利于图像的进一步处理，使图像变得简单而且数据量减小，能凸显出感兴趣的目标的轮廓。当然要进行二值图像的处理与分析，首先要把图像进行灰度化，再进行二值化，才能得到二值化图像。在图像二值化的过程中，会选取一个阈值，所有灰度太于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。由此可见，只有合适的选取阈值，才能使二值化图像能准确的表示

39、图像的物体区域和背景区域。所以这个二值化阈值的选取则成为图像二值化的关键问题。经过上述方法分割出来的车牌图像中存在目标物体、背景还有噪声，要想从图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群，即对图像二值化。均值滤波是典型的线性滤波算法，15它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素。再用模板中的全体像素的平均值来代替原来像素值。图3-5 为车牌二值图像图3-5 为车牌二值图像图3-6 为车牌灰度图像图3-6 为车牌灰度图像图3-7 为均值滤波后图像图3-7 为均值滤波后图像车牌经过灰度处理、二值化、均

40、值滤波以及膨胀或腐蚀后的效果图如图3-8所示：图3-8 裁剪出来的车牌的进一步处理过程173.3字符的分割与归一化完成字符的分割与归一化后，整个设计就接近尾声了，在字符分割中凭借着先验知识有些参数就直接拿过来用了，具体的深入算法和各种公式推导，自己不能轻易地推导出来，只有接着前者的经验，或许那些方法不是最好的不具有适用性，由于时间的问题和个人的知识能力尽力做好，尽可以去理解。下图3-9是字符的分割与归一化的流程图：图3-9为字符分割与归一化流程图m，n=size（d），逐排检查有没有白色像素点，设置1=j=T); % d:二值图像imwrite(d,2.车牌二值图像.jpg);figure(8);subplot(3,2,2),imshow(d),tit