基于matlab的车牌识别系统的设计与实现介绍.doc

图形图像处理与应用 课程设计报告 目 录 引言 2 1．设计原理 2 2．系统框架结构 2 2.1工作流程 3 3.设计步骤 4 3.1设计方案 4 4.各模块的实现 4 4.1图像预处理 4 4.1.1图像灰度化 4 4.1.2图像的边缘检测 5 4.2车牌定位和分割 7 4.2.1车牌的定位 7 4.2.2车牌的分割 9 4.2.3对定位后的彩色车牌的进一步处理 9 4.3字符的分割和归一化处理 11 4.3.1字符的分割 11 4.3.2字符的归一化处理 12 5实验结果和分析 12 6.实验总结 14 主要参考文献 15 附录 16 实验体会 21 基于MATLAB的车牌识别系统的设计 ——字符分割的设计 引言 介绍当前的发展背景 车辆的牌照是机动车的识别标志，在交通管理中有着重要的作用。通过汽车车牌识别系统可以监控车辆的信息和行驶状况，可以最迅速的实现车辆控制以及交通状况的调控，所以对于现代智能交通至关重要。该系统主要有两大模块：图像处理模块和字符识别模块。本文主要对图像处理模块进行设计和研究。图像处理模块的质量好坏更是衡量整个系统成功与否的关键。MATLAB语言对于图像的处理非常方便，能够直接调用编好的函数，为整个系统提供了保障。 1.设计原理 车牌识别系统的摄像头通过对经过指定区域的机动车辆进行拍照，因为照片会受到光照、拍摄位置和车辆行驶速度的影响，导致拍摄的图片不能准确的确定汽车的车牌。而车牌识别系统就通过对机动车辆的照片进行图像预处理、车牌定位、字符分割、字符识别等技术手段，从而得到清晰的机动车牌照的照片，从而提高现代智能交通的管理效率，可以说车牌识别系统对于现代智能交通至关重要。 2.系统框架结构 汽车车牌自动识别系统主要包括触发拍照、图像采集、图像预处理、车牌定位、字符分割、字符识别、输出结果等单元。 图2-1车牌识别系统工作流程图 2.1工作流程： 触发拍照：该单元会自动检测车辆在指定区域的存在，现有的成熟技术的有线圈触发、视频触发、红外触发、雷达触发以及激光触发。其中线圈触发和视频触发得到了广泛的应用。 图像采集：该单元是指道路上安装的摄像头在检测到有车辆通过的同时进行拍照并借助网络传送到汽车自动识别系统。 图像预处理：该单元是指车牌识别系统对拍摄的汽车图片进行灰度化和边缘检测等处理。 车牌定位：是指对预处理过的汽车图片进行处理，把车牌部分进行定位，把无用的部分去除，得到定位好的车牌图片。 字符分割：对已经定位的车牌图片的进行字符分割，将车牌分割为7个单一的字符图片 字符识别：将已经分割出来的七个字符进行识别。 输出结果：输出识别结果，并进行数据存储。 3.设计步骤 3.1.设计方案： 该系统主要是由图像处理和字符识别两部分组成。其中图像处理部分包括图像预处理、边缘提取模块、牌照的定位以及分割模块。字符识别部分可以分为字符分割与特征提取和单个字符识别两个模块。 字符识别部分要求照片清晰，但由于该系统的摄像头长时间在室外工作，加上光照条件、摄像头角度和距离、车辆自身条件以及车辆的行驶速度的影响，想拍出较理想的图片很困难。因此，我们要对摄像头拍摄的图片进行预处理，主要包括图片灰度化和图片边缘提取等。 车牌定位和车牌分割是整个系统的关键，其作用是在经图象预处理后的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。 车牌识别系统的最终目的就是将不清楚的车牌照片进行识别，输出清晰的图片。现在字符识别的常用方法有模板匹配法和神经网络模型法。 4.各模块的实现 车牌识别系统包括图像采集、图像预处理、车牌定位、字符分割、字符识别等模块，本文主要研究图像预处理、车牌定位和字符分割三个模块。 4.1图像预处理 4.1.1图像灰度化： 因为车牌识别系统的摄像头拍摄的图片是彩色的，图片的背景颜色有时和车牌的颜色相似，而且彩色图片会占用较大的存储空间，使计算机处理速度变慢，加重计算机负担，所以我们要对拍摄的照片进行灰度化处理。 对于将彩色图像转换成灰度图像时， 目前比较主流的灰度化方法叫平均值法，公式为： H=0.229R+0.588G+0.144B 公式中H表示灰度图的亮度值；R代表彩色图像红色分量值；G代表色彩图像绿色分量值；B代表彩色图像蓝色分量值。RGB 三分量前的系数为经验加权值。加权系数的取值建立在人眼的视觉模型之上。对于人眼较为敏感的绿色取较大的权值； 对人眼较为不敏感的蓝色则取较小的权值。通过该公式转换的灰度图能够比较好地反应原图像的亮度信息。 在MATLAB中我们可以调用im2gray函数对图像进行灰度化处理。 4.1.2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