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，
人们相继研发了各种道路交通监管系统、车辆控制系统及公共交通管理系统。这些系统将车辆和道路综合起来进行考虑，运行先进的技术解决道路交通的问题，统称为智能交通系统[3]（Intelligent Transportation System，简称ITS）。
ITS 是20 世纪90 年代兴起的新一代交通运输系统。它利用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。
交通管理自动化越来越成为亟待解决的问题，在这种情况下，车辆的自动检测作为信息的来源，越来越受到人们的重视。对汽车牌照等相关信息的自动采集和处理对于交通车辆管理、园区车辆管理、停车场管理、交警稽查等方面有着十分重要的意义，因此成为信息处理技术的一项重要研究课题。
车牌识别(License Plate Recognition, LPR)技术作为智能交通系统（ITS）的重要组成部分，在交通管理和控制中占有着很重要的地位，可以应用到以下一些领域：
（1）封闭式居民小区物业管理以及重要部门的安保管理。
车牌识别技术的推广普及，必将对加强城市道路管理，减少交通事故、车辆失窃案件的发生，以及保障社会稳定等方面产生重大而深远的影响。
（2）城市交通路口的“电子警察”。
（3）公路布控管理系统。
该系统采用车牌识别技术可实现对重点车辆的自动识别、快速报警处理，不仅可以有效防止机动车辆被盗，而且为公安、监察机关对犯罪嫌疑人所驾驶的车辆进行自动监控、跟踪提供了有效手段。
（4）高速公路超速监管系统。
该系统以车牌识别技术为核心技术，辅助其他高科技手段，建立高速公路无人值守的自动监测和自动布控系统，可以有效地获取超速车辆的图像，并得到该车的牌照号码，便于对违规车辆进行处罚。从而降低因超速引起的交通事故的发生率。
（5）路桥、隧道等卡口的自动收费系统。
（6）高速公路收费管理系统。
在高速公路收费入、出口分别完成车牌号码识别和车牌匹配工作，实现不停车收费；还可以根据识别出的车牌号码从数据库中调出该车档案，可发现没有及时交纳养路费的车辆。
随着车牌识别技术的不断成熟，高效、识别率高的车牌识别技术还将应用于一些对性能要求比较高的单片机上。还提供一个可以对车辆信息实时采集的公共平台，使各管理部门间能够协调统一的对车辆及道路情况进行监控管理，从根木上解决了目前全国交通及公安系统信息采集的多渠道、事件信息收集的单一性以及互不沟通、互不兼容的信息管理方式。故车牌识别技术有着广泛的应用前景[4]。
1.2 车牌识别系统的工作原理
车牌识别(LPR)系统是智能交通系统(ITS)的一个重要组成部分，该系统能从一幅车辆图像中自动提取车牌图像，自动分割字符，进而对字符进行识别，得到车牌的号码。基于PC的车牌识别系统是利用PC机及摄像机等电子设备采集某一路段的汽车图像，对图像进行处理，获取车牌的位置及字符信息，完成车牌目标的自动定位与识别。图1-1为车牌识别系统流程：
图1-1车牌识别系统流程
其工作流程是：当系统发现有车辆通过时，触发图像采集部分工作，通过对车辆进行抓拍，获取车辆的前视或后视图。然后将所采集的车辆数字图像送入计算机系统[5]，通过车牌定位、字符分割、字符识别三个环节的处理，最终得到车牌号码。其中的计算机处理系统主要涉及了三个关键技术：车牌区域定位技术、车牌字符分割技术和车牌字符识别技术[6]。下面只针对车牌字符分割技术的研究现状加以阐述。
1.3 国内外研究
车牌字符分割是车牌自动识别系统的关键环节之一，错误的字符分割会导致错误的字符识别。目前，大多数字符识别方法都是针对单独字符进行识别，因此在准确地定位车牌后，字符分割的好坏对字符识别率起着非常关键的作用。在已有的印刷体字符分割技术[7]的基础上，国内外研究人员已经提出了几种车牌字符分割方法：
(1)垂直投影法，是采用最多的一种方法。优点是速度快，对于质量好的牌照图像，定为非常准确。但牌照中如果出现字符粘连和断裂，很容易出错。
(2)基于灰度图像的分割方法，用灰度图像[8]的投影轮廓和拓扑特征[8]来决定分割区域，找到的是非线性分割路径，此方法适合于在一个文档里存在各种语言的字符、各种符号的情况，算法比较复杂。
(3)基于识别结果的字符分割方法，它把分割和识别结合起来，此方法需要识别的高准确性，相比较其它方法，分割和识别结合的方法对这种判据的定义更为苛刻。
(4)基于聚类分析[9]的方法，它是将去除边框后的车牌图像中每个像素按距离进行聚类，首先去掉不符合字符高度特征的噪声类，如果余下的类小于七个，则把最大的类进行分裂处理，如果余下的类大于七个，由于字符之间的间距具有等距离的性质，依次取六个类间距，计算方差，方差最小的六个距离所对应的七个类就是字符类。这种方法的主要缺点是计算量大，对分裂字符容易聚类错误。
(5)边缘跟踪法和漫水法相结合的方法，这种方法沿着车牌字符边缘找到字符的边界点，从而获得字符的位置和大小，因此分割效果非常精确，但对图像质量要求相当高，字符笔画不能有断裂的情况出现。
(6)自适应分割质量退化车牌的方法，该方法对字符外轮廓垂直距离采用尺度自适应三次B样条小波变换进行字符的粗分割。最后，应用基于目标占有率模板匹配的字符识别反馈进行字符的精分割。该方法对识别的精度要求较高。这些方法有的分割效率较低，适应性差，稍有干扰便难以分割，有的计算量太大，难以满足系统实时性的要求。并且由于车牌识别系统在室外全天候工作，光照情况经常变化，因此图像常常存在光照不均、对比度较小、倾斜、褪色严重、污迹、字符断裂和粘连等质量严重退化现象，从而导致字符分割效果并不理想。
如何对严重退化的车牌图像进行准确的字符分割仍然是车牌识别系统中有待解决的难题。
1.4 本文主要内容
车牌字符分割的正确与否将直接影响到车牌字符的识别，如果字符分割错误，那会直接导致车牌识别的失败。在实际生活中，车牌由于受到光照、倾斜、噪声等很多客观因素影响，而使得车牌图像有时不太理想，这也是尽管字符识别已经可以达到手写体的水平，而车牌自动识别系统还在进一步完善的原因之一。本文的工作主要包括：
（1）给出了对车牌图像的预处理过程，包括对车牌的灰度化、二值化、开运算、闭运算、去除边框、去除圆点等过程。
（2）给出了传统投影法对车牌图像进行分割的方法。
（3）在分析了上述方法的优缺点后，提出了改进的投影法。
（4）在完成算法设计后，进行了界面设计和程序实现。
第二章基本理论介绍
图像的概念是比较广义的，例如照片、图画、动画、视频等等。图像带有大量的信息，如何从中找到我们需要的信息就是我们所关注的焦点，因此图像处理技术发展越来越快，已经在很多方面取得了较大的进步，尤其在近几年，数字通信、计算机、计算机网络等技术的飞速发展，对图像处理技术的发展起到了推动作用。
2.1 数字图像处理技术
理论上讲，图像是一种二维的连续函数，因而在计算机上对图像进行数字处理的时候，首先必须
对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。空间坐标(,)x y 的数字化称为图像采样，而幅值数字化称为灰度级量化[7]。
2.1.1 bmp 位图
位图图像(bitmap), 亦称为点阵图像或绘制图像，是由称作像素（图片元素）的单个点组成的。这些点可以进行不同的排列和染色以构成图样。当放大位图时，可以看见赖以构成整个图像的无数单个方块。扩大位图尺寸的效果是增大单个像素，从而使线条和形状显得参差不齐。然而，如果从稍远的位置观看它，位图图像的颜色和形状又显得是连续的。
位图颜色的编码方法目前有RGB 、CMYK 等编码方法。本文着重介绍RGB 编码方式。
2.1.2 RGB 编码方式
RGB 色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB 即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。
RGB 色彩模式使用RGB 模型为图像中每一个像素的RGB 分量分配一个0~255范围内的强度值。RGB 图像只使用三种颜色，分别是红、绿、蓝，就可以使它们按照不同的比例混合，在屏幕上重现16777216(256 * 256 * 256)种颜色。
2.1.3二值图像
二值图像[9]又称黑白图像，是指图像的每个像素只能是黑或白，没有中间的过渡。二值图像的像素值为0或1。
图2-1 二值图像
2.1.4 Otsu 算法
这是1980年由日本的大津提出，故又称为大津阈值算法，在判别与最小二乘原理的基础上推导出来的。其原理如下：
设t 为车牌图像的前景与后景的分割阈值，前景点数所占图像的比例为1k ，平均灰度为1u ；后景点数所占图像比例为2k ，平均灰度为2u ；则图像的总平均灰度为
1122u u k u k =?+?
（2-1）
以t 为阈值从最小灰度值到最大灰度值遍历图像，当t 使得类间方差值
221122()()k u u k u u γ=?-+?- （2-2）
为最大时即为最佳阈值[14]。因为方差值的大小代表了灰度值的分布情况，因而当方差γ越大，说
明前景和背景的差别γ越大，当将前景划为背景区域或将背景划为前景区域时都会使得方差γ变小，所以当t 使得方差γ最大时即为最佳阈值。
图2-3为二值化后车牌图像：
图2-2图像的二值化
2.1.5灰度图像 灰度图像[10]是指每个像素由一个量化的灰度值来描述的图像。它不包含彩色信息。
在RGB 模型中，如果R=G=B 时，则彩色表示一种灰度颜色，其中R=G=B 的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。
图2-3 灰度图像
2.1.6 中值滤波
中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.
中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g （x,y ）=med{f(x-k,y-l),(k,l ∈W)} ，其中,f(x,y)，g(x,y)分别为原始图像和处理后图像。W 为二维模板，通常为2*2，3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。
本文将采用这种方式来进行去噪处理。
第三章 车牌图像的预处理
3.1车牌图像的灰度化
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。
一般有如下四种方法对彩色图像进行灰度化：分量法、最大值法、平均值法、加权平均值法。本文采用加权平均值法[11]对图像进行灰度化。由于人眼对于绿色的敏感度最高，对蓝色敏感度最低，因此可以按公式1进行灰度化
(,)0.30(,)0.59(,)0.11(,)Gray i j R i j G i j B i j =++ （3-1）
图3-1为将彩色图像灰度化前后的图像：
图3-1车牌图像的灰度化
3.2车牌图像的二值化
图像二值化是指将彩色或灰度图像转化为黑白图像，而且图像没有灰度层次的变化，对图像二值
化可根据公式2或 公式3来确定。其中t 为阈值，(,)f i j 为输入图像数据，'(,)f i j 为输出图像数据。
1,(,)0,(.)(,){f i j t f i j t f i j ≥<= (3-2) 1,(,)0,(,)(,){f i j t f i j t f i j <≥= (3-3)
由公式1和公式2可知，图像的二值化就是选取一个阈值[13]，灰度值大于阈值的（或小于阈值的）被认定为字符图像，灰度值小于阈值的（或大于阈值的）被认定为车牌背景，对车牌图像进行二值化处理的目的就是将车牌上的字符和背景分开，因此在二值化过程中最关键的就是阈值的选取，好的阈值可以把车牌背景和车牌上的字符区分开来，而不恰当的阈值会把背景认定为字符，同样也可能把部分字符认定为背景。下面介绍几种常用的二值化方法：
（）全局阈值法[14]：
在分割过程中，对车牌图像的每个像素值采用相同的阈值，就是全局阈值算法。如果背景的像素值在整个图像中可近似看作为恒定，那么，只要选择了正确的阈值，使用一个固定的全局阈值就可以达到较好的二值化效果。因此如何选择阈值就成为全局阈值算法的关键所在。
在全局阈值算法中最出名的也是效果最好的就是Otsu 提出的最大方差阈值算法。这是1980年由日本的大津提出，故又称为大津阈值算法，在判别与最小二乘原理的基础上推导出来的[11]。
（2）局部阈值法：
在许多情况下，背景的灰度值并不能近似为一个常数，由于各种原因使得车牌受到污染或有阴影、光照不均等，都会使车牌字体颜色和背景颜色的对比度在图像中产生变化。这时，取一个定值作为整个图像的阈值对图像分割，会由于不能兼顾图像各处的情况而使分割效果受到影响。在此情况下，有一种解决办法就是局部阈值法，该方法由像素的灰度值以及该像素周围点的局部灰度特性来确定阈值，把灰度阈值取成一个随图像位置缓慢变化的函数值，因而也称此方法为自适应阈值算法或动态阈值算法。
由于实际应用中，全局阈值法已可以满足本文车牌字符分割的要求，因此本文采用了Otsu 法（大津法）。Otsu 法[14]的原理为：设t 为车牌图像的前景与后景的分割阈值，前景点数所占图像的比例为1k ，平均灰度为1u ；后景点数所占图像比例为2k ，平均灰度为2u ；则图像的总平均灰度为
1122u u k u k =?+?
(3-4)
以t 为阈值从最小灰度值到最大灰度值遍历图像，当t 使得类间方差值
221122()()k u u k u u γ=?-+?- (3-5)
为最大时即为最佳阈值[14]。因为方差值的大小代表了灰度值的分布情况，因而当方差γ越大，说
明前景和背景的差别γ越大，当将前景划为背景区域或将背景划为前景区域时都会使得方差γ变小，所以当t 使得方差γ最大时即为最佳阈值。
图3-2为二值化后车牌图像：
图3-2图像的二值化
3.3 去噪处理
目标提取后的车牌图像中会含有一定的噪声[15]，给车牌字符的分割造成一定程度的干扰。为了减少图像中的噪声，需要对图像进行去噪声处理。一种常用的算法是中值滤波，它是一种非线性滤波，由于它在实际运算过程中并不需要图像的统计特性，所以比较方便。在一定的条件下，可以克服线性滤波器所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。所以本文采取中值滤波的算法去除噪声。
中值滤波[16]就是用一个含有奇数点的滑动窗口，将窗口正中间那点的值用窗口内各点的中值代替。设有一个一维序列 12,,...,n f f f ，取窗口长度为m(m 为奇数)，对此序列进行中值滤波，就是从输入序列
中相继抽出m 个数，11,...,,,,...j v j j j j v f f f f f --++，其中j f 为窗口的中心值，(1)/2v m =-，再将这m 个点按其数值大小排列，取其序号为正中间的那个数作为滤波输出。用数学公式表示为：
1{...},,2
i i v i v m Y Med f f i Z v -+-=∈= (3-6)
中值滤波的一个重要特点是可以保持输入波形的边缘。对二维序列{j X }进行中值滤波时，滤波窗口也是二维的，但这种二维窗口可以有各种不同的形状，如线状、方形、圆形、十字形、圆环形等。二维数据的中值滤波可以表示为：
{}j j Y Med X ∧
= (3-7)
在图像阵列进行中值滤波时，如窗口是以中心点对称的，并包含中心点在内，即：
(,);(,);(0,0)r s A r s A A ∈--∈∈ （3-8）
(,)r s 为窗口内一点与窗口中心的坐标距离，则中值滤波能保持任意方向的跳变边缘。对于有缓变的较长轮廓线物体的图像，采用方形或圆形窗口为宜，对于包含尖顶角物体的图像，适宜用十字形窗口。
中值滤波一般采用一个含有奇数个点的滑动窗口，窗口形状和尺寸对滤波器效果影响很大。考虑到程序的复杂性、消噪效果和处理时间，经过反复实验对比，
本文采用NXN 的方形中值滤波器，其中N 为最接近笔画宽度形W 的奇数。
3.3.1去除车牌边框
在对车牌进行定位后，车牌的上下边缘处总会残留一些车牌的边框或者铆钉等噪声无法去除，待车牌被分割后也会给后续的字符识别带来麻烦，为了消除这些影响，须将其去除[17]。因此本文根据其边框与字符间有空隙的特点，对于垂直边框，先找到车牌正中间的一个字符，向右找到第四个间隙即为车牌的最右端，找到第一个字符位置，向左寻找即可找到车牌最左端位置；对于水平方向的边框，先找到车牌水平方向的最中间，向车牌的上下方向分别寻找车牌字符与边框之间的间隙，即可找到车牌的上下位置。
步骤为：
Step1：计算每一行的像素值总和。
Step2：选取车牌行方向的正中间位置，分别向车牌上下扫描寻找到行像素和突然变小的位置，即为车牌的上下端。
Step3：只保留Step2找到的车牌上下端以内的车牌数据即可将车牌的上下边框去除。
图3-3为未消除边框前的行方向灰度值统计图[17]
图3-3 未消除边框前的行方向灰度统计图
图3-4为消除边框后的行方向灰度值统计图
图3-4 消除边框后的行方向灰度值统计图
去除车牌水平方向的边框与去除垂直方向边框的方法类似。
图3-5为车牌去除边框前后的图像：
图3-5 去除边框前后的车牌
3.3.2去除车牌图像中的圆点
车牌上字母与数字间有一白色圆点，在采用投影法对车牌进行分割时会受到很大的影响，因此本文根据该白点所在车牌的位置，将此白点处数字矩阵置为全零，可以消除其带来的影响。
图3.4为去除白点前后的车牌图像：
图3-6 去除圆点
第四章车牌字符分割算法
前面已经介绍了字符分割的发展现状，本章将就本文重点研究的投影法进行深入研究与阐述
4.1传统垂直投影的车牌字符分割算法
该算法是由迟晓君，孟庆春[2]等首先提出来的，该算法是依据车牌字符间的像素为零而找到各个字符的左右位置分割的。
图4.1为计算列方向的累计像素值：
图4-1车牌列方向累计像素值
由图可见：在字符之间的像素值理想情况下为零，实际情况可能有些许噪声，但只要噪声不大，已可据此实现字符的分割。
该算法的步骤为：
Step1：将车牌图像灰度化。
Step2：用Otsu 算法确定车牌区域的二阈值（即采用全局阈值），然后根据此阈值将图像二值化。 Step3：对该二值化图像进行去燥处理，经过滤波、去除车牌边框、去除圆点等步骤后就可得到质量较好的二值化图像。
Step4：:计算出车牌区域垂直方向上的二值投影图找到波谷点，从而根据这些波谷点来对整个车牌字符进行分割，并且抛弃掉字符与字符之间的间隙。
下图为应用投影法对车牌进行分割的图像：
原图像：
分割后图像：
图4-2投影法分割效果图 由于此方法已经能够将车牌区域灰度图像转化为较高质量的二值图片进行分割，但对于一些质量较差的车牌照片还是可能发生字符粘连或者对字符的误分割，故采用车牌区域二值图片[19]的投影图来分割字符还有待改善。
4.2 改进的垂直投影的车牌字符分割算法
传统投影法用一个阈值来分割所有的车牌字符，对于车牌受污染程度较大的情况下，分割的效果不好。因此下面介绍一种改进的垂直投影法来进行车牌字符分割。
首先，将车牌分割出来的每部分图像称为车牌的子图像，长度最大的子图像称为最大长度子图像max I ，对m a x I 用投影的方法找到分割的阈值点之后，再以这个点问分割点把车牌字符分割成两部分，即2个子图像。其中每次迭代都是一个寻找最优分割点的过程。
算法流程图如图4-3 所示
图 4-3 算法流程图
算法流程图的步骤如下。
1）获取最长子图像max I 。通过对每个子图像的长度对比，可以获得长度最长的子图像max I ，并求出其长度max L ；流程开始是以原车牌字符图像作为最长子图像。
2）阈值thresh 的选取。该阈值为了对下一步最大长度子图像max I 是否需要继续分割而设置的。
3）对max I 作投影。
4）二分法分割max I 。最理想的情况是分割点落在max I 中间的一个小范围内；首先求从max I
中间开始向两端max 5
L 的长度对max
I 的投影直方图进行搜索，获得其最低点low;然后在low 点的位置上把max I 分割成2个子图像。
5）按顺序重新排列子图像。经过4
）的分割，上一步的max I
已经变成两个子图像，要把这两个子图像重新排序；跳回1）作新一轮的循环。
图4-4显示从原始二值化图像到最终结果的变化过程
原始图片
一次循环 二次循环
三次循环
四次循环 五次循环 图4-4 变化过程图
第五章 系统实现
系统使用C++语言，利用Mattab 以及VC6.0等平台编写，界面简明扼要，功能基本完善。
下面介绍本文设计的GUI 界面：
图5-1为主界面
图 5-1 主界面
打开主界面后，点击“功能”菜单，然后“打开位图”，成功打开后点击“显示位图”。图5-2为“显示位图”的结果：
图5-2 显示位图
然后进行灰度化和灰度调整。图5-3为灰度化位图，图5-4为灰度调整之后的位图：
图5-3 灰度化位图
图5-4 灰度调整
灰度调整之后用中值滤波进行去噪处理。图5-5为中值滤波：
图5-5 中值滤波
然后进行二值化。图5-6为二值化图像：
图 5-6 二值化
最后进行车牌分割。图5-7为车牌分割后的结果：
图 5-7 车牌分割
第六章总结与展望
6.1 总结
本文论述了车牌识别系统的工作原理及组成并详细地就其中的重要步骤之一：车牌的分割进行了研究。在分析了传统投影法的基础上，根据该方法的优缺点提出了一种改进的垂直投影法，实现了良好的车牌字符分割效果。主要研究探讨了车牌字符分割前的预处理以及字符分割方法。本文的不足之处在于没有做车牌校正的处理，对于扭曲的车牌，本文所用算法不合适。这是本文需要改进的地方。
6.2 展望
车牌自动识别系统的重要性和实用价值已经越来越明显，也受到了更多的重视。本文对其中关键技术之——车牌字符分割技术做了深入的研究，随着社会的发展，车辆会越来越多，如何有效的管理这些车辆成为一个亟待解决的问题，而智能交通系统就是一个很好的解决方法，该系统能大量减少人力物力的同时可以很好的管理大量的车辆。现在国内外已经出现了智能交通系统。
首先，由于国内的车牌中有众多的汉字需要进行识别，而汉字笔画众多、结构复杂，故汉字的识别难度很大。国内出现的智能交通系统的识别率都不是很高，离实际应用要求还有一段距离。要想提高国内的智能交通系统的推广范围，首先需要做的就是找出新的识别汉字的解决方法，从而提高车牌字符整体识别率。而国外的车牌中只有数字和字母，识别起来很容易，故国外的车牌识别算法有很高的识别正确率
其次，现在的出现的车牌识别算法多是针对某一固定场景提出的，这就使得车牌识别算法可移植性不高，为了使系统有更大的应用范围，需要研究出一个移植能力很强的车牌识别算法。这才可以使嵌入该识别系统的智能交通系统拥有更高的实用性。
在车牌识别系统的性能指标中，识别率和识别速度难以同时提高，除了处理技术的原因外，还受到拍摄设备、计算机硬件设备等性能的限制。同时仍有许多问题需要在未来的工作中加以解决。
致谢
在这13周的毕业设计过程中，我始终得到了导师的悉心指导和谆谆教诲，让我获益匪浅。在拿到这个课题后，我感觉无从下手，但在导师的帮助和与我同一小组的同学的探讨和学习下慢慢有了眉目，才能在最后完成设计，在这里我向你们表示衷心的感谢。
回首四年的大学本科学习生涯，走过的路跌跌荡荡却也收获满筐。老师悉心的教导指引我进入了图像处理这个新兴的领域，不时的讨论并指点我正确的方向，使我从中获益匪浅。还为我的设计提供了大量的资料，并指导我不断完善相关算法。
同时还要感谢其他老师们在我困惑的时候给予的指导。感谢软件工程的兄弟姐妹们，和你们一起学习的四年生活是我在大学期间最珍贵的回忆。最后向我的父母表示衷心的感谢，祝福你们能永远身体健康，感谢所有关心、帮助过我的领导、老师、朋友
参考文献
[1]张云刚，张长水．利用Hough变换和先验知识的车牌字符分割算法.清华大学自动化系信息处理研究所，计算机学报，2004,27(1)：130
[2]迟晓君，孟庆春．基于投影特征值的车牌字符分割算法.计算机应用研究，2006，7(1)：256-257。
[3]吴进军，杜树新．车牌字符分割新方法，工业控制计算机，2005，18(4)：69-70。
[4]王兴玲．最大类间方差车牌字符分割的模板匹配算法，计算机工程，2006，32(19)：193-195。
[5] ]陈黎，黄心汉，王敏等．基于聚类分析的的车牌字符分割方法.计算机工程与应用，2002，29(3)：45-47。
[6]赵海燕，马驷良，顾玲嘉．基于最小面积法进行的车牌字符分割.长春理工大学学报，2006，29(3)：45-47。
[7]杨高波，杜青松．MATLAB图像、视频处理应用及实例.电子工业出版社，2010,1:23，31。
[8]章毓晋．图象处理和分析．清华大学出版社，2001：254-277。
[9]刘卫国．MATLAB程序设计教程．中国水利水电出版社，2010。
[10]李云．车牌定位与字符分割算法的研究及实现．成都：电子科技大学，2010:21-23。
[11]马婉婕．车牌识别系统中字符分割的研究与实现．上海：复旦大学，2009
[12]白建华．车牌字符分割及识别算法研究．西安：西安电子科技大学，2010
[13]邹永星．车牌字符分割方法的研究．湖南：湖南师范大学，2008
[14]中华人民共和国公共安全行业标准．ICS 43.040.60．GA36—2007．
[15]历旭．基于神经网络的车牌识别系统的研究与设计，武汉:武汉理工大学，2002
[16] 赵志国.基于改进投影法的车牌精确定位算法研究[J].农业装备与车辆工程.2008(04)
[17] 冉令峰.基于垂直投影的车牌字符分割方法[J].通信技术.2012(04)
[18] 赵启升,李存华.基于VC++的车牌识别系统关键技术研究[J].计算机科学.2006(12)
[19] 闫兵,张海朝.改进的基于投影的车牌字符分割算法[J].通信技术.2010(05)
[20] Huadong Xia,Dongchu Liao.The study of license plate character segmentation algorithm based on vertical projection[C].Consumer Electronics, Communications and Networks (CECNet), 2011 International Conference
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。
(完整版)车牌识别系统的设计
车牌识别系统的设计 1．摘要： 汽车牌照自动识别系统是制约道路交通智能化的重要因素,包括车牌定位、字符分割和字符识别三个主要部分。本文首先确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照,然后采用局部投影进行字符分割。在字符识别部分,提出了在无特征提取情况下基于支持向量机的车牌字符识别方法。实验结果表明,本文提出的方法具有良好的识别性能。随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满着实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。汽车牌照的自动识别技术已经得到了广泛应用。 2．设计目的： 1、使学生在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。 2、激发学生的研究潜能，提高学生的协作精神，锻炼学生的动手能力。 3．设计原理 由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。 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： （1）当行驶的车辆经过时，触发埋设在固定位置的传感器，系统被唤醒处于工作状态；一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、后方和侧面的相机同时拍摄下车辆图像；
（2）由摄像机或CCD 摄像头拍摄的含有车辆牌照的图像通视频卡输入计算机进行预处理，图像预处理包括图像转换、图像增强、滤波和水平较正等； （3）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； （4）对牌照字符进行二值化并分割出单个字符，经归一化后输入字符识别系统进行识别。4．详细设计步骤 4.1 提出总体设计方案。 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和单个字符识别两个模块。 为了用于牌照的分割和牌照字符的识别，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。 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。 由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。 因此，需要对字符在识别之前再进行一次针对性的处理。 车牌识别的最终目的就是对车牌上的文字进行识别。主要应用的为模板匹配方法。 因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在600HZ及以上，内存在128MB及以上。 系统可以运行于Windows98、Windows2000或者Windows XP操作系统下，程序调试时使用matlab。 4.2 预处理及边缘提取
(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，)，)
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，
解析车牌识别率算法
解析车牌识别率算法 首先剖析下车牌识别原理是怎样的，车牌识别是基于图像分割和图像识别理论，对含有车牌识别车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。车牌识别过程包括图像采集、预处理、车牌定位、字符分割、字符识别、结果输出等一系列算法运算，其运行流程如下图所示： （车牌识别原理示意图） 那么高达99.7%的车牌识别率是怎样做到的？
首先，相机成像是车牌识别的基础，稳定、优质的成像效果为高识别率奠定了坚实的基础； 其次，现场安装调试是车牌识别的重要保障，专业的咨询服务部为每一个安装现场提供专业、合理的安装意见，角度、距离、补光灯调节等为高车牌识别识别率提供了有力的保障； 再次，强大的识别算法。 一、核心算法支持丰富多样的功能：支持车牌种类繁多，工作模式灵活等。 车牌识别核心算法支持各类车牌：普通蓝牌、单层黄牌、双层黄牌、警车车牌、武警车牌、军队车牌（新军牌）、大使馆车牌、02式个性化车牌、教练车牌、农用车牌、挂车号牌、民航车牌、港澳出入境车牌、台湾车牌等。 支持线圈触发识别工作模式和视频流识别工作模式，灵活互补。 支持车身颜色识别，支持车标识别，支持车型识别。 二、鲁棒性强 （鲁棒性即在异常场景、异常情况下均能正常工作，且有较高的识别率）针对反光车牌、逆光车牌、阴阳车牌、变形车牌、污损车牌、奔驰特殊车牌、倾斜车牌、低对比度车牌、雨雾天气车牌、过爆车牌、粘连边框车牌、相似字符等特殊情况，均有较高的车牌识别率。
三、算法实时性 线圈触发工作模式，单帧耗时500ms左右；视频流识别模式，单帧耗时100ms左右。 综上所述，无论从核心软件、智能硬件还是强大的售前、售后服务体系，易泊时代都有强大的支持，因此车牌识别率99.7%，必须这么高，也必然这么高！
matlab车牌识别课程设计报告(附源代码)
Matlab程序设计任务书
目录 一．课程设计目的 (3) 二．设计原理 (3) 三．详细设计步骤 (3) 四. 设计结果及分析 (18) 五. 总结 (19) 六. 设计体会 (20) 七. 参考文献 (21)
一、课程设计目的 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照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。某些牌照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。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。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。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 三、详细设计步骤:
1. 提出总体设计方案: 牌照号码、颜色识别 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。 牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 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牌照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，找到符合汽车牌照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牌照区域，并将其从图象中分割出来。 流程图:
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
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
停车场车牌自动识别系统工作原理
近几年，一遇假期堵成狗，已成为中国现代交通的常态，为了改善这种现状，各地高速设置ETC专用通道，不少出行者反应，在ETC实现全国联网之后，使用ETC通道过高速收费站比以往减短的时间少了不止10秒钟，这也成为减少高速拥堵情况的一大原因。 ETC通道能实现快速汽车快速通过，自动栏杆机功能的重要性不言而喻，但是车牌自动识别技术也发挥不可替代的作用。近年来，车牌自动识别技术已被广泛应用于城市智能交通系统中，如闯红灯抓拍、超速行驶违章抓拍以及交通治安卡口系统等，尤其是交通治安卡口系统，其作为治安刑侦管理的重要科技手段之一，对车牌自动识别技术提出了更高的要求，促进了车牌自动识别技术的快速发展。 车牌识别技术（LicensePlateRecognition，LPR）是以计算机技术、图像处理技术、模糊识别为基础，建立车辆的特征模型，识别车辆特征，如号牌、车型、颜色等。它是一个以特定目标为对象的专用计算机视觉系统，能从一幅图像中自动提取车牌图像，自动分割字符，进而对字符进行识别，它运用先进的图像处理、模式识别和人工智能技术，对采集到的图像信息进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并直接给出识别结果，使得车辆的电脑化监控和管理成为现实。 与传统的射频卡刷卡管理系统相比，车牌自动识别系统最大的优点是：第一、可以完全实现无干扰、不停车通行；第二、真正实现车辆一车一杆的通行管理要求，杜绝传车卡互换情况的发生；第三、实现车场管理收费的完全电脑化记录、统计，最大程度减少了停车费用的流失。
车牌自动识别流程 系统前端采用了嵌入式高清一体化摄像机，可实现百万级分辨率的视频和图片码流输出，内置了高性能DSP芯片，支持内置智能算法、可实现视频检测、车牌自动识别等功能。采用了动态视频识别技术，实现对视频流每一帧图像进行识别，从而达到增加识别比对次数，大大提高了识别的效率和准确率。 车辆牌照的自动识别主要是基于图像分割和图像识别理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。 识别的具体步骤分为车牌定位、车牌提取、字符识别。在自然环境中，相机首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照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牌照区域，并将其从图象中分割出来。 完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别，车牌识别算法采用基于模板匹配算法，首先将分割后的字符二值化，并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果，通过这种多次比对的
课程设计报告-车牌识别系统的设计
车牌识别系统的设计 一、摘要: 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。 二、设计目的和意义: 设计目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。 设计意义： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 三、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照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。某些牌照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。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。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。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 四、详细设计步骤:
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
车牌识别(附源代码)
车牌识别 电子1301 洪江 13 一、目的与要求 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力 二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照、牌照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。某些牌照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。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。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。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照输出。 三、详细设计步骤: 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照。 牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 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牌照区域是整个识别过程的关键。首先对采集到的视频图像 进行大围相关搜索，找到符合汽车牌照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 牌照区域，并将其从图象中分割出来。 （2）牌照字符分割 :
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
车牌识别的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（'3.jpg'）;%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 figure,imshow（grd）;title（'图像边缘提取'）;%输出图像边缘 bg1=imclose（grd,strel（'rectangle',[5,19]））;%取矩形框的闭运算 figure,imshow（bg1）;title（'图像闭运算[5,19]'）;%输出闭运算的图像bg3=imopen（bg1,strel（'rectangle',[5,19]））;%取矩形框的开运算
车牌识别设计报告
课程综述 课程名称车牌识别 班级08电子《2》班 姓名张宝平 学号0805070198 日期2011-11-15 指导教师王保云
车牌识别系统的设计 一、摘要 随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满着实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。汽车牌照的自动识别技术已经得到了广泛应用。汽车牌照自动识别整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，其中字符识别过程主要由以下3个部分组成：①正确地分割文字图像区域；②正确的分离单个文字；③正确识别单个字符。用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。在研究的同时对其中出现的问题进行了具体分析，处理。 二、设计目的和意义 目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。 意义： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 三、设计原理 由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。 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： （1）当行驶的车辆经过时，触发埋设在固定位置的传感器，系统被唤醒处于工作状态；一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、后方和侧面的相机同时拍摄下车辆
基于MATLAB的车牌识别课程设计
MATLAB课程设计报告书 课题名称基于MATLAB的车牌识别课程设计 姓名 学号 学院 专业 指导教师 2016年6月21日
基于MATLAB的车牌识别课程设计 目录 一．课程设计目的……………………………………………二．设计原理…………………………………………………三．详细设计步骤…………………………………………… 四. 设计结果及分析………………………………………… 五. 总结……………………………………………………… 六. 设计体会………………………………………………… 七. 参考文献…………………………………………………
一、课程设计目的 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照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。某些牌照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。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。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。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 三、详细设计步骤:
1. 提出总体设计方案: 牌照号码、颜色识别 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。 牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 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牌照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
相关文档
- 车牌识别(字符切割)大作业
- 车牌字符分割与数字识别算法研究
- 基于垂直投影法的车牌字符分割算法设计
- 基于聚类分析的车牌字符分割方法
- 车牌识别中字符分割的研究
- 基于matlab的车牌字符分割
- 车牌字符分割
- 车辆图像中的车牌定位与字符分割方法解析
- 车牌的定位与字符分割报告
- 一种新的车牌图像字符分割与识别算法
- 车牌的定位与字符分割报告.
- 车牌识别(字符切割)大作业
- 基于数字图像处理的车牌字符分割方法
- 车牌识别(附源代码)
- 车牌识别中字符分割算法的研究与实现毕业答辩PPT课件
- 车牌识别数字图像处理
- 基于连通域提取的车牌字符分割算法
- (完整word版)字符分割
- 基于垂直投影法的车牌字符分割算法设计讲解
- 车牌字符分割算法研究