基于垂直投影法的車牌字符分割算法設(shè)計講解

1、畢業(yè)論文（設(shè)計）學(xué)院:計算機(jī)科學(xué)學(xué)院專業(yè):軟件工程年級:題目:基于垂直投影法的車牌字符分害q算法設(shè)計 學(xué)生姓名:學(xué)號:指導(dǎo)教師姓名:職稱:XXXX 大學(xué)本科畢業(yè)論文（設(shè)計）原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進(jìn)行研究所 取得的研究成果。 除了文中特別加以標(biāo)注引用的內(nèi)容外， 本論文不包含任 何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。 本人完全意識到本聲明的 法律后果由本人承擔(dān)。作者簽名： 年 月 日目錄Abstract 1第一章 緒論 . 11.1 車牌識別技術(shù)的背景 11.2 車牌識別系統(tǒng)的工作原理 . 21.3 國內(nèi)外研究 . 31.4 本文主要內(nèi)容 . 3第二章 基

2、本理論介紹 . 32.1 數(shù)字圖像處理技術(shù) . 32.1.1 bmp 位圖 42.1.2 RGB 編碼方式 42.1.3 二值圖像 42.1.4 Otsu 算法 42.1.5 灰度圖像 52.1.6 中值濾波 . 5第三章 車牌圖像的預(yù)處理 . 53.1 車牌圖像的灰度化 53.2 車牌圖像的二值化 53.3 去噪處理 . 63.3.1 去除車牌邊框 73.3.2 去除車牌圖像中的圓點 8第四章 車牌字符分割算法 . 84.1 傳統(tǒng)垂直投影的車牌字符分割算法 84.2 改進(jìn)的垂直投影的車牌字符分割算法 . 9第五章 系統(tǒng)實現(xiàn) . 10第六章 總結(jié)與展望 . 136.1 總結(jié). 136.2 展望

3、. 13致謝 14參考文獻(xiàn) 15基于垂直投影法的車牌字符分割算法設(shè)計摘要：車牌識別系統(tǒng)在現(xiàn)代社會有著廣泛應(yīng)用，而車牌字符分割是其中的一項關(guān)鍵技術(shù)。本文針對車 牌字符分割算法做了較為深入的研究。 首先， 要想正確的分割車牌圖像， 必須得到質(zhì)量較好的車牌二值 化圖像。 所以， 本文對車牌字符分割的預(yù)處理部分進(jìn)行較為深入的研究，尤其是車牌圖像二值化后的去噪處理。傳統(tǒng)投影法對車牌圖像要求比較高，容易受到噪聲的影響，從而造成分割字符的粘連與斷裂。 針對傳統(tǒng)投影法的不足， 文章提出一種基于垂直投影法的改進(jìn)的字符分割算法， 該算法可以有效地識別 車牌字符。該方法抗干擾能力較強(qiáng)，能有效的減少字符粘連與斷裂，分

4、割準(zhǔn)確度較高。關(guān)鍵詞： 車牌識別；二值化；字符分割；垂直投影法Vertical projection-based license plate character segmentation algorithmdesignAbstract： 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 c

5、haracter 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 l

6、icense 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 t

7、he 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 Reco

8、gnition; binarization ； Character segmentation; Vertical projection 第一章 緒論隨著世界經(jīng)濟(jì)的快速發(fā)展， 以及汽車制造技術(shù)的提高， 使得汽車迅速成為人們?nèi)粘Ｉ钪械囊粋€必 需品。 這造成全球的汽車數(shù)量猛增， 而隨之也導(dǎo)致城市的交通壓力越來越大， 城市的交通狀況也因此得 到了更多的關(guān)注。 如何有效地對交通進(jìn)行管理， 也成為各國政府和相關(guān)部門所關(guān)注的焦點和熱點。 針對 這些問題， 人們開始將計算機(jī)技術(shù)、 通信技術(shù)、 計算機(jī)網(wǎng)絡(luò)技術(shù)和自動化信息處理等很多新的科學(xué)技術(shù) 用于交通道路的監(jiān)視和管理系統(tǒng)， 以此提高車輛管理和運輸?shù)男省?它

9、主要是通過對過往車輛實施檢測， 提取有關(guān)的交通數(shù)據(jù)來達(dá)到對交通的監(jiān)控、 管理和指揮。車牌自動識別技術(shù) 1 是指能夠檢測到受監(jiān)控路 面的車輛并自動提取車輛車牌信息（含漢字字符、 英文字母、 阿拉伯?dāng)?shù)字及號牌顏色） 進(jìn)行處理與識別 的技術(shù)。它以計算機(jī)技術(shù)、圖像處理技術(shù)、模糊識別技術(shù)為基礎(chǔ)，建立運動車輛的特征模型，識別車輛 特征，如號牌、車型、顏色等，并著重解決高速車輛圖像的獲取及清晰度問題。本文是在以往的車牌分 割算法 2 的基礎(chǔ)上介紹了車牌識別技術(shù)中的一種字符分割算法，該算法是針對一種已有的字符分割算法（投影法）的改進(jìn)性研究。1.1 車牌識別技術(shù)的背景隨著 21 世紀(jì)經(jīng)濟(jì)全球化和信息時代的到來，

10、 迅猛發(fā)展的計算機(jī)技術(shù)、 通信技術(shù)和計算機(jī)網(wǎng)絡(luò)技術(shù)， 水平不斷提高的自動化信息處理技術(shù)在人們社會活動和生活的各個領(lǐng)域得到廣泛應(yīng)用。同時，高速度、 高效率的生活節(jié)奏， 使汽車普及成為必然趨勢。 伴隨著世界各國汽車數(shù)量的增加， 城市的交通狀況越來 越受到人們的重視。 如何有效地進(jìn)行交通管理日益成為各國政府相關(guān)部門所關(guān)注的焦點。 針對這一問題，人們相繼研發(fā)了各種道路交通監(jiān)管系統(tǒng)、車輛控制系統(tǒng)及公共交通管理系統(tǒng)。這些系統(tǒng)將車輛和道路綜合起來進(jìn)行考慮，運行先進(jìn)的技術(shù)解決道路交通的問題，統(tǒng)稱為智能交通系統(tǒng)（IntelligentTransportation System，簡稱 ITS ）。ITS是20世紀(jì)

11、90年代興起的新一代交通運輸系統(tǒng)。它利用先進(jìn)的信息處理技術(shù)、導(dǎo)航定位技術(shù)、無線通信技術(shù)、自動控制技術(shù)、圖像處理和識別技術(shù)及計算機(jī)網(wǎng)絡(luò)技術(shù)等加強(qiáng)道路、車輛、駕駛員和管理人員的聯(lián)系，實現(xiàn)道路交通管理自動化和車輛行駛的智能化，增強(qiáng)交通安全，減少交通堵塞，提高運輸效率，減少環(huán)境污染，節(jié)約能源，提高經(jīng)濟(jì)活力。交通管理自動化越來越成為亟待解決的問題，在這種情況下，車輛的自動檢測作為信息的來源， 越來越受到人們的重視。對汽車牌照等相關(guān)信息的自動采集和處理對于交通車輛管理、園區(qū)車輛管理、停車場管理、交警稽查等方面有著十分重要的意義，因此成為信息處理技術(shù)的一項重要研究課題。車牌識別（License Plate

12、Recognition, LPR）技術(shù)作為智能交通系統(tǒng)（ITS ）的重要組成部分，在交通管理和控制中占有著很重要的地位，可以應(yīng)用到以下一些領(lǐng)域：（1）封閉式居民小區(qū)物業(yè)管理以及重要部門的安保管理。車牌識別技術(shù)的推廣普及，必將對加強(qiáng)城市道路管理，減少交通事故、車輛失竊案件的發(fā)生，以及保障社會穩(wěn)定等方面產(chǎn)生重大而深遠(yuǎn)的影響。（2） 城市交通路口的“電子警察”。（3）公路布控管理系統(tǒng)。該系統(tǒng)采用車牌識別技術(shù)可實現(xiàn)對重點車輛的自動識別、快速報警處理，不僅可以有效防止機(jī)動車輛被盜，而且為公安、監(jiān)察機(jī)關(guān)對犯罪嫌疑人所駕駛的車輛進(jìn)行自動監(jiān)控、跟蹤提供了有效手段。（4）高速公路超速監(jiān)管系統(tǒng)。該系統(tǒng)以車牌識別技

13、術(shù)為核心技術(shù)，輔助其他高科技手段， 建立高速公路無人值守的自動監(jiān)測和自動布控系統(tǒng)，可以有效地獲取超速車輛的圖像，并得到該車的牌照號碼，便于對違規(guī)車輛進(jìn)行處罰。從而降低因超速引起的交通事故的發(fā)生率。（5）路橋、隧道等卡口的自動收費系統(tǒng)。（6）高速公路收費管理系統(tǒng)。在高速公路收費入、出口分別完成車牌號碼識別和車牌匹配工作，實現(xiàn)不停車收費；還可以根據(jù)識別出的車牌號碼從數(shù)據(jù)庫中調(diào)出該車檔案，可發(fā)現(xiàn)沒有及時交納養(yǎng)路費的車輛。隨著車牌識別技術(shù)的不斷成熟，高效、識別率高的車牌識別技術(shù)還將應(yīng)用于一些對性能要求比較高的單片機(jī)上。還提供一個可以對車輛信息實時采集的公共平臺，使各管理部門間能夠協(xié)調(diào)統(tǒng)一的對車輛及道路

14、情況進(jìn)行監(jiān)控管理，從根木上解決了目前全國交通及公安系統(tǒng)信息采集的多渠道、事件信息收集的單一性以及互不溝通、互不兼容的信息管理方式。故車牌識別技術(shù)有著廣泛的應(yīng)用前景。1.2車牌識別系統(tǒng)的工作原理車牌識別（LPR）系統(tǒng)是智能交通系統(tǒng)（ITS）的一個重要組成部分，該系統(tǒng)能從一幅車輛圖像中自動提 取車牌圖像，自動分割字符，進(jìn)而對字符進(jìn)行識別，得到車牌的號碼?；赑C的車牌識別系統(tǒng)是利用PC機(jī)及攝像機(jī)等電子設(shè)備采集某一路段的汽車圖像，對圖像進(jìn)行處理，獲取車牌的位置及字符信息， 完成車牌目標(biāo)的自動定位與識別。圖1-1為車牌識別系統(tǒng)流程：采集圖像車牌定位字符分割1字符識別信息存儲圖1-1車牌識別系統(tǒng)流程其工

15、作流程是：當(dāng)系統(tǒng)發(fā)現(xiàn)有車輛通過時，觸發(fā)圖像采集部分工作，通過對車輛進(jìn)行抓拍，獲取 車輛的前視或后視圖。然后將所采集的車輛數(shù)字圖像送入計算機(jī)系統(tǒng)5，通過車牌定位、字符分割、字符識別三個環(huán)節(jié)的處理，最終得到車牌號碼。其中的計算機(jī)處理系統(tǒng)主要涉及了三個關(guān)鍵技術(shù)：車牌區(qū)域定位技術(shù)、車牌字符分割技術(shù)和車牌字符識別技術(shù)。下面只針對車牌字符分割技術(shù)的研究現(xiàn)狀加以闡述。1.3 國內(nèi)外研究車牌字符分割是車牌自動識別系統(tǒng)的關(guān)鍵環(huán)節(jié)之一， 錯誤的字符分割會導(dǎo)致錯誤的字符識別。 目前， 大多數(shù)字符識別方法都是針對單獨字符進(jìn)行識別， 因此在準(zhǔn)確地定位車牌后， 字符分割的好壞對字符識 別率起著非常關(guān)鍵的作用。在已有的印刷

16、體字符分割技術(shù) 7 的基礎(chǔ)上， 國內(nèi)外研究人員已經(jīng)提出了幾種 車牌字符分割方法：(1) 垂直投影法，是采用最多的一種方法。優(yōu)點是速度快，對于質(zhì)量好的牌照圖像，定為非常準(zhǔn)確。 但牌照中如果出現(xiàn)字符粘連和斷裂，很容易出錯。(2) 基于灰度圖像的分割方法，用灰度圖像 8的投影輪廓和拓?fù)涮卣?8來決定分割區(qū)域，找到的是非 線性分割路徑，此方法適合于在一個文檔里存在各種語言的字符、各種符號的情況，算法比較復(fù)雜。(3) 基于識別結(jié)果的字符分割方法，它把分割和識別結(jié)合起來，此方法需要識別的高準(zhǔn)確性，相比 較其它方法，分割和識別結(jié)合的方法對這種判據(jù)的定義更為苛刻。(4) 基于聚類分析 9的方法， 它是將去除邊

17、框后的車牌圖像中每個像素按距離進(jìn)行聚類，首先去掉不符合字符高度特征的噪聲類， 如果余下的類小于七個， 則把最大的類進(jìn)行分裂處理， 如果余下的類大于 七個，由于字符之間的間距具有等距離的性質(zhì)，依次取六個類間距，計算方差，方差最小的六個距離所 對應(yīng)的七個類就是字符類。這種方法的主要缺點是計算量大，對分裂字符容易聚類錯誤。(5) 邊緣跟蹤法和漫水法相結(jié)合的方法，這種方法沿著車牌字符邊緣找到字符的邊界點，從而獲得 字符的位置和大小， 因此分割效果非常精確， 但對圖像質(zhì)量要求相當(dāng)高， 字符筆畫不能有斷裂的情況出 現(xiàn)。(6) 自適應(yīng)分割質(zhì)量退化車牌的方法，該方法對字符外輪廓垂直距離采用尺度自適應(yīng)三次B 樣

18、條小波變換進(jìn)行字符的粗分割。 最后， 應(yīng)用基于目標(biāo)占有率模板匹配的字符識別反饋進(jìn)行字符的精分割。該方法對識別的精度要求較高。這些方法有的分割效率較低，適應(yīng)性差， 稍有干擾便難以分割， 有的計算 量太大，難以滿足系統(tǒng)實時性的要求。并且由于車牌識別系統(tǒng)在室外全天候工作，光照情況經(jīng)常變化， 因此圖像常常存在光照不均、對比度較小、傾斜、褪色嚴(yán)重、污跡、字符斷裂和粘連等質(zhì)量嚴(yán)重退化現(xiàn) 象，從而導(dǎo)致字符分割效果并不理想。如何對嚴(yán)重退化的車牌圖像進(jìn)行準(zhǔn)確的字符分割仍然是車牌識別系統(tǒng)中有待解決的難題。1.4 本文主要內(nèi)容車牌字符分割的正確與否將直接影響到車牌字符的識別， 如果字符分割錯誤， 那會直接導(dǎo)致車牌識

19、 別的失敗。在實際生活中，車牌由于受到光照、傾斜、噪聲等很多客觀因素影響，而使得車牌圖像有時 不太理想， 這也是盡管字符識別已經(jīng)可以達(dá)到手寫體的水平， 而車牌自動識別系統(tǒng)還在進(jìn)一步完善的原 因之一。本文的工作主要包括：( 1)給出了對車牌圖像的預(yù)處理過程，包括對車牌的灰度化、二值化、開運算、閉運算、去除邊 框、去除圓點等過程。( 2)給出了傳統(tǒng)投影法對車牌圖像進(jìn)行分割的方法。( 3)在分析了上述方法的優(yōu)缺點后，提出了改進(jìn)的投影法。( 4)在完成算法設(shè)計后，進(jìn)行了界面設(shè)計和程序?qū)崿F(xiàn)。第二章 基本理論介紹圖像的概念是比較廣義的，例如照片、圖畫、動畫、視頻等等。圖像帶有大量的信息，如何從中 找到我們

20、需要的信息就是我們所關(guān)注的焦點， 因此圖像處理技術(shù)發(fā)展越來越快， 已經(jīng)在很多方面取得了 較大的進(jìn)步，尤其在近幾年，數(shù)字通信、計算機(jī)、計算機(jī)網(wǎng)絡(luò)等技術(shù)的飛速發(fā)展，對圖像處理技術(shù)的發(fā) 展起到了推動作用。2.1 數(shù)字圖像處理技術(shù)理論上講，圖像是一種二維的連續(xù)函數(shù)，因而在計算機(jī)上對圖像進(jìn)行數(shù)字處理的時候，首先必須對其在空間和亮度上進(jìn)行數(shù)字化，這就是圖像的采樣和量化的過程。空間坐標(biāo)（x, y）的數(shù)字化稱為圖像采樣，而幅值數(shù)字化稱為灰度級量化。2.1.1 bmp 位圖位圖圖像（bitmap）,亦稱為點陣圖像或繪制圖像，是由稱作像素（圖片元素）的單個點組成的。這些點可以進(jìn)行不同的排列和染色以構(gòu)成圖樣。當(dāng)放大

21、位圖時，可以看見賴以構(gòu)成整個圖像的無數(shù)單個方塊。擴(kuò)大位圖尺寸的效果是增大單個像素，從而使線條和形狀顯得參差不齊。然而，如果從稍遠(yuǎn)的位置 觀看它，位圖圖像的顏色和形狀又顯得是連續(xù)的。位圖顏色的編碼方法目前有RGB、CMYK等編碼方法。本文著重介紹RGB編碼方式。2.1.2 RGB編碼方式RGB色彩模式是工業(yè)界的一種顏色標(biāo)準(zhǔn)，是通過對紅（R）、綠（G）、藍(lán)（B）三個顏色通道的變化以及它們相互之間的疊加來得到各式各樣的顏色的，RGB即是代表紅、綠、藍(lán)三個通道的顏色，這個標(biāo)準(zhǔn)幾乎包括了人類視力所能感知的所有顏色，是目前運用最廣的顏色系統(tǒng)之一。RGB色彩模式使用 RGB模型為圖像中每一個像素的RGB分量

22、分配一個0255范圍內(nèi)的強(qiáng)度值。RGB圖像只使用三種顏色，分別是紅、綠、藍(lán)，就可以使它們按照不同的比例混合，在屏幕上重現(xiàn) 16777216（256 * 256 * 256）種顏色。2.1.3二值圖像二值圖像9又稱黑白圖像，是指圖像的每個像素只能是黑或白，沒有中間的過渡。二值圖像的像 素值為0或1。珮3V608圖2-1二值圖像2.1.4 Otsu 算法這是1980年由日本的大津提出，故又稱為大津閾值算法，在判別與最小二乘原理的基礎(chǔ)上推導(dǎo)出 來的。其原理如下：設(shè)t為車牌圖像的前景與后景的分割閾值，前景點數(shù)所占圖像的比例為k1，平均灰度為u1 ；后景點數(shù)所占圖像比例為 k2，平均灰度為U2 ；則圖像

23、的總平均灰度為= u1 k1 u2 k2（ 2-1）以t為閾值從最小灰度值到最大灰度值遍歷圖像，當(dāng)t使得類間方差值=匕（山-u）2 k2 （u2 -u）2 （2-2）為最大時即為最佳閾值14。因為方差值的大小代表了灰度值的分布情況，因而當(dāng)方差越大，說明前景和背景的差別 越大，當(dāng)將前景劃為背景區(qū)域或?qū)⒈尘皠潪榍熬皡^(qū)域時都會使得方差變小，所以當(dāng)t使得方差 最大時即為最佳閾值。圖2-3為二值化后車牌圖像：iA3V608圖2-2圖像的二值化2.1.5灰度圖像灰度圖像10是指每個像素由一個量化的灰度值來描述的圖像。它不包含彩色信息。在RGB模型中，如果R=G=B時，則彩色表示一種灰度顏色，其中R=G=B

24、的值叫灰度值，因此,灰度圖像每個像素只需一個字節(jié)存放灰度值(又稱強(qiáng)度值、亮度值)，灰度范圍為0-255。B3V608圖2-3灰度圖像2.1.6 中值濾波中值濾波法是一種非線性平滑技術(shù)，它將每一像素點的灰度值設(shè)置為該點某鄰域窗口內(nèi)的所有像素點灰度值的中值中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的噪聲點。方法是用某種結(jié)構(gòu)的二維滑動模板，將板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升(或下降)的為二維數(shù)據(jù)序列。二維中值濾波輸出為g(x,y)=me

25、df(x-k,y-l),(k,l W)，其中,f(x,y) , g(x,y)分別為原始圖像和處理后圖像。W為二維模板，通常為 2*2 , 3*3區(qū)域，也可以是不同的的形狀，如線狀，圓形，十字形，圓環(huán)形等。本文將采用這種方式來進(jìn)行去噪處理。第三章車牌圖像的預(yù)處理3.1車牌圖像的灰度化圖像的灰度化，就是將彩色圖像轉(zhuǎn)化為具有256個灰度級的黑白圖像，灰度圖像只保留圖像的亮度信息，去除了色彩信息，就像我們平時看到的黑白照片，它的亮度由暗到明，而且亮度變化是連續(xù)的。圖像灰度化后可以使處理運算量大大減少，這樣處理過程就變得更加簡單和省時。在灰度圖像中，通常將亮度劃分成0到255共256個級別，0最暗，25

26、5最亮。一般有如下四種方法對彩色圖像進(jìn)行灰度化：分量法、最大值法、平均值法、加權(quán)平均值法。本 文采用加權(quán)平均值法11對圖像進(jìn)行灰度化。由于人眼對于綠色的敏感度最高，對藍(lán)色敏感度最低，因 此可以按公式1進(jìn)行灰度化Gray(i, j) =0.30R(i, j) 0.59G(i, j) 0.11B(i, j) (3-1)圖3-1為將彩色圖像灰度化前后的圖像：汗 3V608M-A 3V608圖3-1車牌圖像的灰度化3.2車牌圖像的二值化圖像二值化是指將彩色或灰度圖像轉(zhuǎn)化為黑白圖像，而且圖像沒有灰度層次的變化，對圖像二值 化可根據(jù)公式2或公式3來確定。其中t為閾值，f(i,j)為輸入圖像數(shù)據(jù)，f(i,

27、j)為輸出圖像數(shù)據(jù)。f（i，j）雖（3-2）f（i，j）（3-3）由公式1和公式2可知，圖像的二值化就是選取一個閾值13,灰度值大于閾值的 （或小于閾值的）被認(rèn)定為字符圖像， 灰度值小于閾值的（或大于閾值的）被認(rèn)定為車牌背景，對車牌圖像進(jìn)行二值化處理的目的就是將車牌上的字符和背景分開，因此在二值化過程中最關(guān)鍵的就是閾值的選取，好的閾值可以把車牌背景和車牌上的字符區(qū)分開來，而不恰當(dāng)?shù)拈撝禃驯尘罢J(rèn)定為字符，同樣也可能把部分字符認(rèn)定為背景。下面介紹幾種常用的二值化方法：（）全局閾值法14:在分割過程中，對車牌圖像的每個像素值采用相同的閾值，就是全局閾值算法。如果背景的像素 值在整個圖像中可近似看作

28、為恒定，那么，只要選擇了正確的閾值， 使用一個固定的全局閾值就可以達(dá)到較好的二值化效果。因此如何選擇閾值就成為全局閾值算法的關(guān)鍵所在。在全局閾值算法中最出名的也是效果最好的就是Otsu提出的最大方差閾值算法。這是1980年由日本的大津提出，故又稱為大津閾值算法，在判別與最小二乘原理的基礎(chǔ)上推導(dǎo)出來的11。（2）局部閾值法：在許多情況下，背景的灰度值并不能近似為一個常數(shù)，由于各種原因使得車牌受到污染或有陰影、光照不均等，都會使車牌字體顏色和背景顏色的對比度在圖像中產(chǎn)生變化。這時，取一個定值作為整個圖像的閾值對圖像分割，會由于不能兼顧圖像各處的情況而使分割效果受到影響。在此情況下，有一種解決辦法就

29、是局部閾值法，該方法由像素的灰度值以及該像素周圍點的局部灰度特性來確定閾值，把灰度閾值取成一個隨圖像位置緩慢變化的函數(shù)值，因而也稱此方法為自適應(yīng)閾值算法或動態(tài)閾值算法。由于實際應(yīng)用中，全局閾值法已可以滿足本文車牌字符分割的要求，因此本文采用了Otsu法（大津法）。Otsu法14的原理為：設(shè)t為車牌圖像的前景與后景的分割閾值， 前景點數(shù)所占圖像的比例為 k1， 平均灰度為U1 ；后景點數(shù)所占圖像比例為 k2，平均灰度為U2 ;則圖像的總平均灰度為u 二 5 k1u2 k2(3-4)以t為閾值從最小灰度值到最大灰度值遍歷圖像，當(dāng)t使得類間方差值 2 2二 k1 (5 -u)k2 (吐u) (3-5

30、)為最大時即為最佳閾值14。因為方差值的大小代表了灰度值的分布情況，因而當(dāng)方差越大，說明前景和背景的差別 越大，當(dāng)將前景劃為背景區(qū)域或?qū)⒈尘皠潪榍熬皡^(qū)域時都會使得方差變小，所以當(dāng)t使得方差 最大時即為最佳閾值。圖3-2為二值化后車牌圖像：iA3V608圖3-2圖像的二值化3.3去噪處理目標(biāo)提取后的車牌圖像中會含有一定的噪聲15，給車牌字符的分割造成一定程度的干擾。為了減少圖像中的噪聲，需要對圖像進(jìn)行去噪聲處理。一種常用的算法是中值濾波，它是一種非線性濾波，由于它在實際運算過程中并不需要圖像的統(tǒng)計特性，所以比較方便。在一定的條件下，可以克服線性濾波器所帶來的圖像細(xì)節(jié)模糊，而且對濾除脈沖干擾及圖像

31、掃描噪聲最為有效。所以本文采取中值濾波的算法去除噪聲。中值濾波16就是用一個含有奇數(shù)點的滑動窗口，將窗口正中間那點的值用窗口內(nèi)各點的中值代替。 設(shè)有一個一維序列住花，取窗口長度為m（m為奇數(shù)），對此序列進(jìn)行中值濾波，就是從輸入序列中相繼抽出m個數(shù),fjy，fj，fj, fj 1,fj v，其中fj為窗口的中心值，v=：(m-1)/2，再將這m個點按其數(shù)值大小排列，取其序號為正中間的那個數(shù)作為濾波輸出。用數(shù)學(xué)公式表示為:(3-6)Y 二 Medf*.fj v, i Z,v =中值濾波的一個重要特點是可以保持輸入波形的邊緣。對二維序列 Xj進(jìn)行中值濾波時，濾波窗口也是二維的，但這種二維窗口可以有各

32、種不同的形狀，如線狀、方形、圓形、十字形、圓環(huán)形等。二 維數(shù)據(jù)的中值濾波可以表示為：Yj =MedXj(3-7)A在圖像陣列進(jìn)行中值濾波時，如窗口是以中心點對稱的，并包含中心點在內(nèi)，即：(r,s)乏 A;( r, s)乏 A;(0,0)乏 A(3-8)(r,s)為窗口內(nèi)一點與窗口中心的坐標(biāo)距離，則中值濾波能保持任意方向的跳變邊緣。對于有緩變的較長輪廓線物體的圖像，采用方形或圓形窗口為宜，對于包含尖頂角物體的圖像，適宜用十字形窗口。中值濾波一般采用一個含有奇數(shù)個點的滑動窗口，窗口形狀和尺寸對濾波器效果影響很大?？紤]到程序的復(fù)雜性、消噪效果和處理時間，經(jīng)過反復(fù)實驗對比， 本文采用NXN的方形中值濾

33、波器，其中N為最接近筆畫寬度形 W的奇數(shù)。3.3.1去除車牌邊框在對車牌進(jìn)行定位后，車牌的上下邊緣處總會殘留一些車牌的邊框或者鉚釘?shù)仍肼暉o法去除，待 車牌被分割后也會給后續(xù)的字符識別帶來麻煩，為了消除這些影響，須將其去除17。因此本文根據(jù)其邊框與字符間有空隙的特點，對于垂直邊框，先找到車牌正中間的一個字符，向右找到第四個間隙即為車牌的最右端，找到第一個字符位置，向左尋找即可找到車牌最左端位置；對于水平方向的邊框，先找到車牌水平方向的最中間，向車牌的上下方向分別尋找車牌字符與邊框之間的間隙，即可找到車牌的上下位置。步驟為：Step1:計算每一行的像素值總和。Step2：選取車牌行方向的正中間位置

34、，分別向車牌上下掃描尋找到行像素和突然變小的位置，即 為車牌的上下端。Step3：只保留Step2找到的車牌上下端以內(nèi)的車牌數(shù)據(jù)即可將車牌的上下邊框去除。圖3-3為未消除邊框前的行方向灰度值統(tǒng)計圖17行方向像素點灰度值累計和行值圖3-3未消除邊框前的行方向灰度統(tǒng)計圖圖3-4為消除邊框后的行方向灰度值統(tǒng)計圖行方向像素點灰度值累計和15行值圖3-4 消除邊框后的行方向灰度值統(tǒng)計圖 去除車牌水平方向的邊框與去除垂直方向邊框的方法類似。圖3-5為車牌去除邊框前后的圖像:IA3V608圖3-5去除邊框前后的車牌332去除車牌圖像中的圓點車牌上字母與數(shù)字間有一白色圓點，在采用投影法對車牌進(jìn)行分割時會受到很

35、大的影響，因此本 文根據(jù)該白點所在車牌的位置，將此白點處數(shù)字矩陣置為全零，可以消除其帶來的影響。圖3.4為去除白點前后的車牌圖像:圖3-6去除圓點第四章車牌字符分割算法前面已經(jīng)介紹了字符分割的發(fā)展現(xiàn)狀，本章將就本文重點研究的投影法進(jìn)行深入研究與闡述4.1傳統(tǒng)垂直投影的車牌字符分割算法該算法是由遲曉君，孟慶春2等首先提出來的，該算法是依據(jù)車牌字符間的像素為零而找到各個字符的左右位置分割的。圖4.1為計算列方向的累計像素值：行方向橡素點灰度值累計和行值圖4-1車牌列方向累計像素值由圖可見：在字符之間的像素值理想情況下為零，實際情況可能有些許噪聲，但只要噪聲不大， 已可據(jù)此實現(xiàn)字符的分割。該算法的步

36、驟為：Stepl:將車牌圖像灰度化。Step2：用Otsu算法確定車牌區(qū)域的二閾值（即采用全局閾值），然后根據(jù)此閾值將圖像二值化。Step3：對該二值化圖像進(jìn)行去燥處理，經(jīng)過濾波、去除車牌邊框、去除圓點等步驟后就可得到質(zhì) 量較好的二值化圖像。Step4：:計算出車牌區(qū)域垂直方向上的二值投影圖找到波谷點，從而根據(jù)這些波谷點來對整個車牌字符進(jìn)行分割，并且拋棄掉字符與字符之間的間隙。下圖為應(yīng)用投影法對車牌進(jìn)行分割的圖像：原圖像：|M3V60a分割后圖像:圖4-2投影法分割效果圖由于此方法已經(jīng)能夠?qū)④嚺茀^(qū)域灰度圖像轉(zhuǎn)化為較高質(zhì)量的二值圖片進(jìn)行分割，但對于一些質(zhì)量 較差的車牌照片還是可能發(fā)生字符粘連或者

37、對字符的誤分割，故采用車牌區(qū)域二值圖片19的投影圖來分割字符還有待改善。4.2改進(jìn)的垂直投影的車牌字符分割算法傳統(tǒng)投影法用一個閾值來分割所有的車牌字符，對于車牌受污染程度較大的情況下，分割的效果不好。因此下面介紹一種改進(jìn)的垂直投影法來進(jìn)行車牌字符分割。首先，將車牌分割出來的每部分圖像稱為車牌的子圖像，長度最大的子圖像稱為最大長度子圖像Imax，對Imx用投影的方法找到分割的閾值點之后，再以這個點問分割點把車牌字符分割成兩部分，即2個子圖像。其中每次迭代都是一個尋找最優(yōu)分割點的過程。算法流程圖如圖4-3所示圖4-3算法流程圖算法流程圖的步驟如下。1 ）獲取最長子圖像Imax。通過對每個子圖像的長

38、度對比，可以獲得長度最長的子圖像Imax，并求出其長度Lmax ；流程開始是以原車牌字符圖像作為最長子圖像。2）閾值thresh的選取。該閾值為了對下一步最大長度子圖像Imax是否需要繼續(xù)分割而設(shè)置的。3 ）對Imax作投影。4 ）二分法分割I(lǐng)max。最理想的情況是分割點落在Imax中間的一個小范圍內(nèi)；首先求從Imax中間開始向兩端Lmax5的長度對Imax的投影直方圖進(jìn)行搜索，獲得其最低點IOW；然后在IOW點的位置上把I max 分割成2個子圖像。5）按順序重新排列子圖像。經(jīng)過4）的分割，上一步的Imax已經(jīng)變成兩個子圖像，要把這兩個子圖像重新排序；跳回 1）作新一輪的循環(huán)。圖4-4顯示從

39、原始二二值化圖像到最終結(jié)果的變化過程04傾;原始圖片一次循環(huán)二次循環(huán)三次循環(huán)四次循環(huán)圖4-4變化過程圖五次循環(huán)第五章系統(tǒng)實現(xiàn)系統(tǒng)使用C+語言，利用Mattab以及VC6.0等平臺編寫，界面簡明扼要，功能基本完善。 下面介紹本文設(shè)計的 GUI界面：圖5-1為主界面忑無標(biāo)題亠車牌分封算法口叵區(qū)文件妁 編輯（I）查看邊幫助at）打開位圖 顯示泣國 灰度變按 灰廈調(diào)整 中值濾波 二值化車牌切割圖5-1主界面打開主界面后，點擊“功能”菜單，然后“打開位圖”，成功打開后點擊“顯示位圖”。圖5-2為“顯示位圖”的結(jié)果：圖5-2顯示位圖然后進(jìn)行灰度化和灰度調(diào)整。圖5-3為灰度化位圖，圖5-4為灰度調(diào)整之后的位

40、圖:圖5-3灰度化位圖圖5-4灰度調(diào)整灰度調(diào)整之后用中值濾波進(jìn)行去噪處理。圖5-5為中值濾波:F祝無標(biāo)題-車脾分割算法二|回區(qū)文件 編需查看辺功 幫肋Q0D罔A圖5-5中值濾波然后進(jìn)行二值化。圖 5-6為二值化圖像:圖5-6 二值化最后進(jìn)行車牌分割。圖5-7為車牌分割后的結(jié)果:圖5-7車牌分割第六章 總結(jié)與展望6.1 總結(jié)本文論述了車牌識別系統(tǒng)的工作原理及組成并詳細(xì)地就其中的重要步驟之一：車牌的分割進(jìn)行了研究。在分析了傳統(tǒng)投影法的基礎(chǔ)上， 根據(jù)該方法的優(yōu)缺點提出了一種改進(jìn)的垂直投影法， 實現(xiàn)了良好的 車牌字符分割效果。 主要研究探討了車牌字符分割前的預(yù)處理以及字符分割方法。本文的不足之處在于沒

41、有做車牌校正的處理，對于扭曲的車牌，本文所用算法不合適。這是本文需要改進(jìn)的地方。6.2 展望車牌自動識別系統(tǒng)的重要性和實用價值已經(jīng)越來越明顯， 也受到了更多的重視。 本文對其中關(guān)鍵技 術(shù)之車牌字符分割技術(shù)做了深入的研究， 隨著社會的發(fā)展， 車輛會越來越多， 如何有效的管理這些 車輛成為一個亟待解決的問題， 而智能交通系統(tǒng)就是一個很好的解決方法， 該系統(tǒng)能大量減少人力物力 的同時可以很好的管理大量的車輛?，F(xiàn)在國內(nèi)外已經(jīng)出現(xiàn)了智能交通系統(tǒng)。首先， 由于國內(nèi)的車牌中有眾多的漢字需要進(jìn)行識別，而漢字筆畫眾多、結(jié)構(gòu)復(fù)雜，故漢字的識別 難度很大。 國內(nèi)出現(xiàn)的智能交通系統(tǒng)的識別率都不是很高， 離實際應(yīng)用要求

42、還有一段距離。 要想提高國 內(nèi)的智能交通系統(tǒng)的推廣范圍， 首先需要做的就是找出新的識別漢字的解決方法， 從而提高車牌字符整 體識別率。 而國外的車牌中只有數(shù)字和字母， 識別起來很容易， 故國外的車牌識別算法有很高的識別正 確率其次， 現(xiàn)在的出現(xiàn)的車牌識別算法多是針對某一固定場景提出的，這就使得車牌識別算法可移植性不高， 為了使系統(tǒng)有更大的應(yīng)用范圍， 需要研究出一個移植能力很強(qiáng)的車牌識別算法。 這才可以使嵌入 該識別系統(tǒng)的智能交通系統(tǒng)擁有更高的實用性。在車牌識別系統(tǒng)的性能指標(biāo)中， 識別率和識別速度難以同時提高， 除了處理技術(shù)的原因外， 還受到 拍攝設(shè)備、計算機(jī)硬件設(shè)備等性能的限制。同時仍有許多問題需要在未來的工作中加以解決。致謝在這 13 周的畢業(yè)設(shè)計過程中