.基于matlab的汽车牌照识别系统的设计摘要：随着公路逐渐普及，我国的公路交通事业开展迅速，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本次试验主要有预处理、边缘提取、车牌定位、字符分割四大模块用MATLAB软件编程来实现每一个局部关键词： MATLAB 图像处理 车牌定位 牌照分割 1 系统功能介绍与总体设计 功能介绍：一、 车牌定位(1) 图像预处理：对动态采集到的图像进展滤波、边界增强等处理以克制图像干扰；(2) 车牌定位：计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域，最后得到的便为车牌区域；二、 字符识别(1) 字符分割：利用投影检测的字符定位分割方法得到单个的字符；(2) 字符数据库：为第6步的字符识别建立字符模板数据库；(3) 字符识别：通过基于模板匹配的OCR算法或基于人工神经网络的OCR算法，通过特征比照或训练识别出相关的字符，得到最后的汽车牌照，包括英文字母和数字。
总体设计：车辆牌照识别整个系统主要是由车牌定位和字符分割两局部组成，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；字符分割牌照分割和单个字符分割两个模块为了便于试验顺利进展，原始图象应具有适当的亮度，较大的比照度和清晰可辩的牌照图象但由于该系统的摄像局部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展识别前的预处理牌照的定位和分割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，并将牌照从整个图象中分割出来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展一次针对性的处理因为系统运行的过程中，主要进展的都是图像处理，在这个过程中要进展大量的数据处理，所以处理器和内存要求比拟高，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matlab2 系统模块设计一 预处理及边缘提取 输入车牌图象灰度校正平滑处理提取边缘 预处理及边缘提取流程图 1图象的采集与转换现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，利用不同的色彩通道就可以将区域与背景明显地区分出来，例如，对蓝底白字这种最常见的牌照，采用蓝色B 通道时牌照区域为一亮的矩形，而牌照字符在区域中并不呈现因为蓝色〔255，0，0〕与白色〔255，255，255〕在B 通道中并无区分，而在G、R 通道或是灰度图象中并无此便利同理对白底黑字的牌照可用R 通道，绿底白字的牌照可以用G 通道就可以明显呈现出牌照区域的位置，便于后续处理原图、灰度图及其直方图见图2与图3对于将彩色图象转换成灰度图象时，图象灰度值可由下面的公式计算： G=0.110B+0.588G+0.302R 〔1〕 G= 〔2〕 2边缘提取边缘是指图像局部亮度变化显著的局部，是图像风、纹理特征提取和形状特征提取等图像分析的重要根底。
所以在此我们要对图像进展边缘检测图象增强处理对图象牌照的可辩认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的增强图象比照度度的方法有：灰度线性变换、图象平滑处理等〔2〕平滑处理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例如，某一象素点的邻域S 有两种表示方法：8邻域和4邻域分别对应的邻域平均值为， 其中，M 为邻域中除中心象素点f(i,j) 之外包括的其它象素总数，对于4邻域M=4，8 邻域M=8然而，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局部产生模糊作用为了克制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，仍保存原来的值，从而减少由于平均化引起的图象模糊图像中车辆牌照是具有比拟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Roberts算子 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拟集中，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展分割对图像进展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 牌照定位于分割流程图1牌照区域的定位牌照图象经过了以上的处理后，牌照区域已经十清楚显，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，其根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到达对图像分析和识别的目的。
腐蚀后图像 平滑图像的轮廓 从对象中移除小对象后图像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，统计列方向蓝色像素点的数量，最终确定完整的车牌区域3 车牌进一步处理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局部：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，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三 字符的分割与归一化[m，n]=size〔d〕，逐排检查有没有白色像素点，设置1<=j
它在前期牌照定位的根底上进展字符的分割，然后再利用分割的结果进展字符识别字符识别的算法很多，因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为寻找连续有文字的块，假设长度大于某阈值，那么认为该块有两个字符组成，需要分割 2 字符归一化一般分割出来的字符要进展进一步的处理，以满足下一步字符识别的需要但是对于车牌的识别，并不需要太多的处理就已经可以到达正确识别的目的在此只进展了归一化处理，然后进展后期处理 四 设计结果及分析通过以上的方法，我对多幅图像进展了检测，有较好的识别效果下面是对另一幅车牌照的检测，结果如图22---26 所示 对于光照条件不理想的图象，可先进展一次图象增强处理，使得图象灰度动态范围扩展和比照度增强，再进展定位和分割，这样可以提高分割的正确率而采用了色彩通道的牌照区域分割算法充分利用了牌照图象的色彩信息，简化了算法的实现，加快了图象的处理速度，具有较高的检出正确率，而且整个过程用MATLAB 语言编程实现，无时间滞后感，可以满足实时检出的要求。
但是在设计的过程中发现，使用另一幅图像后，识别效果始终没有那么理想需要做一定的设置后才能识别出相应的字符在车牌字符分割的预处理中，用到了对分割出的字符车牌进展均值滤波，膨胀或腐蚀的处理这在对于有杂点的车牌是很有用的，因为这样可以把字符与字符之间的杂色点去除，只有白色的字符和黑色的背景存在，这样有利于的字符分割进展字符识别过程使用的是模板匹配的方法，利用两幅图片相减的方法，找到相减后值最小的，即为相似程度最大的模板的制作很重要，必须要用准确的模板，否那么就不能正确的识别对于识别错误情况的分析可知，主要原因：一是牌照自身的污渍等影响了图象的质量；二是牌照字符的分割失败导致的识别错误；再就是局部字符的形状相似性，比方，B 和8；A 和4 等字符识别结果可能发生混淆的情况总之，尽管目前牌照字符的识别率还不理想，但是只要在分割出的字符的大小、位置的归一化，以及尝试提取分类识别能力更好的特征值和设计分类器等环节上再完善，进一步提高识别率是完全可行的五 总结根据车牌特点，一般采用的车牌定位算法有：1.边缘检测定位算法；2.利用哈夫变换进展车牌定位；3.色彩分割提取车牌等这里我采用的是边缘检测的方法实现定位的。
字符分割的方法也有多种：1. 基于聚类分析的字符分割；2. 投影分割的方法；3.基于模板匹配的字符分割等最常用的是投影分割，主要是针对在车牌定位，图像预处理后比拟规那么的车牌图像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，程序执行时间短六 体会。