论文基于图像处理的车牌定位算法改进研究DOC.docx
《论文基于图像处理的车牌定位算法改进研究DOC.docx》由会员分享，可在线阅读，更多相关《论文基于图像处理的车牌定位算法改进研究DOC.docx（52页珍藏版）》请在冰点文库上搜索。
论文基于图像处理的车牌定位算法改进研究DOC
闽江学院
本科毕业论文（设计）
题目基于图像处理的车牌定位算法改进研究
学生姓名张景超
学号120071101149
系别计算机科学系
年级07级_
专业计算机科学与技术
指导教师王润鸿
职称讲师
完成日期2011年4月
闽江学院毕业论文（设计）诚信声明书
本人郑重声明：
兹提交的毕业论文（设计）《基于图像处理的车牌定位算法改进研究》，是本人在指导老师王润鸿的指导下独立研究、撰写的成果；论文（设计）未剽窃、抄袭他人的学术观点、思想和成果，未篡改研究数据，论文（设计）中所引用的文字、研究成果均已在论文（设计）中以明确的方式标明；在毕业论文（设计）工作过程中，本人恪守学术规范，遵守学校有关规定，依法享有和承担由此论文（设计）产生的权利和责任。
声明人（签）：
2011年1月23日
基于图像处理的车牌定位算法改进研究
计算机科学系计算机科学与技术张景超120071101149
指导教师：
王润鸿讲师
摘要
车牌自动识别是现代智能交通的重要组成部分，而车牌定位技术又是车牌识别系统的核心技术之一。
原有的边缘检测算法是车牌识别系统中常用的方法之一，但在车牌识别系统中也检测出了很多的噪声点和造成了车牌字符的断裂，加大了后期车牌提取和字符识别的难度，降低了车牌定位的精确度。
针对上述问题，对边缘检测算法进行了改进，在实际运行中，该算法能够简单快速地实现车牌定位，取得了较好的效果和一定的抗干扰能力，并能在最大程度上保持字符的完整性。
【关键词】：
车牌；边缘检测；算法改进；灰度转化；车牌定位
Abstract
AutomaticLicensePlateRecognitionisanimportantcomponentofmodernintelligenttransportationpartoftheplatepositioningtechnologyislicenseplaterecognitionsystemfornuclear.Hearttechnologies.Edgedetectionalgorithmistheoriginallicenseplaterecognitionsystem,oneofthemethodscommonlyused,butalsointhedetectionoflicenseplaterecognitionsystem.Pointsoutalotofnoiseandcauseavehiclelicenseplatefracture,increasedlatelicenseplatecharacterrecognitionofthedifficultyofextractionandreducethenumberplate.Positioningaccuracy.Toaddresstheproblemofedgedetectionalgorithmisimproved,inactualoperation,thealgorithmcanquicklyandeasily.Toachievelicenseplatelocation,andachievedgoodresultsandacertainanti-interferenceability,andtothemaximumextentpossibletomaintaintheintegrityofcharacter.
【Keywords】：
plate;Withdrawedge;grayconversion;licenseplatelocation；
目录
1引言
1.1研究的目的和意义1
1.2发展现状及应用2
1.3本文内容及主要工作2
2相关知识
2.1位图的基础知识3
2.2位图的基本操作3
2.3车牌的基本特征4
2.4车牌定位的工作原理5
2.5要达到的设计目标5
3经典算法的分析
3.1灰度转换算法6
3.2灰度均衡算法6
3.3Roberts边缘检测算法7
3.4图像二值化处理算法7
3.5车牌定位算法的分析与研究8
3.6车牌区域分割提取9
4改进算法的分析
4.1灰度转换算法9
4.2灰度均衡算法10
4.3经典Sobel边缘检测算法12
4.4对Sobel算法的改进设计13
4.5采用边缘跟踪的方法来排除噪声点14
4.6车牌定位算法的分析与研究14
4.7车牌区域分割提取15
5改进算法的实现
5.1功能模块图16
5.2主要函数功能流程图及主要代码说明17
5.2.1灰度算法的实现17
5.2.2图像均衡化算法的实现17
5.2.3Sobel边缘检测算法的实现18
5.2.4降噪算法的实现20
5.2.5车牌定位算法的实现20
6实验结果与调试分析
6.1窗体的功能简介与使用说明24
6.2用例调试结果及分析28
6.3开发与运行环境31
7总结与展望
7.1工作总结32
7.2设计心得32
7.3工作展望33
致谢34
参考文献35
1引言
近几年来，车牌识别技术成为了1个热门。
对汽车牌照的正确识别，既可实现在交通路口、高速公路、军事要塞、机关门卫对过往车辆的实时登记、数量统计和对防卫目标的安全警备，对肇事车辆、被盗车辆、犯罪车辆进行辨别和拦截；又可在汽车存车场对进出的车辆进行登记、统计和查询，以保障安全防盗，并可协助自动记费；这些是建设智能交通系统不可或缺的部分[2]。
车牌定位系统是进行车牌自动识别中的1个重要部分，只有正确地获取整个图像中的车牌部分，才能正确的对车牌进行文字识别。
发达国家LPR系统在实际交通系统中已成功应用，而我国的开发应用进展缓慢，基本停留在实验室阶段。
1.1研究的目的和意义
近年来，随着全球经济的发展，交通事业也快速发展起来，机动车辆的规模大幅度增加，整个社会对交通运输的需求也不断增大。
无论是发达国家还是发展中国家，都不同程度的受交通问题的困扰。
交通拥挤、事故、环境污染已成为最难消除的现代社会公害之一。
交通问题是目前社会共同面临的问题.同样也是发展过程中最令人无法承受的问题.由于受拥堵,事故.处罚.限制等形成的多种困扰为主体因素，在其形成长期的纠缠与困惑后,继而让人无法摆脱。
面对日益严重的交通问题，各国专家提出了多种解决办法，但这些办法或受到投资和资源的制约，或受到见效面狭窄、见效期长等限制[3]。
同时，人们越来越多的从保护环境、节约能源和谋求社会可持续发展的角度来考虑问题。
交通问题必需借助于科技的再发展，才能获得真正意义上的突破。
因此，随着计算机处理能力的增强和数字图像处理技术、通讯技术、信息技术的飞速发展，将车辆、道路、使用者三者紧密集合起来，用系统的观点进行思考，把先进的技术运用于智能交通系统（IntelligentTransportationSystem简称ITS）的开发中来。
ITS的总体功能是通过改进（通常是实时地）交通网络的管理者和其他用户的决策，从而改善整个运输系统的运行[2]，它是世界道路交通管理的发展趋势。
车牌识别系统（LicensePlateRecognitionSystem）是ITS中是现代智能交通系统中的重要组成部分之一，它以数字图像处理、模式识别、计算机视觉等技术为基础，主要由图像采集、车牌定位、字符分割以及字符识别四部分组成，己经越来越受到人们的重视。
它具有良好的实际应用价值，主要应用于公路治安卡口、开放式收费站、车载移动查车、违章记录系统、门禁管理、停车场管理等场合[2]。
对于维护交通安全和城市治安，实现交通自动化管理有着现实的意义。
所谓车牌定位（LicensePlateLocation），就是把车牌区域完整的从一幅具有复杂背景的车辆图像中分割出来。
目前最常用的车牌识别方法就是数字图像处理技术[5]，数字图象处理（DigitalImageProcessing）是指利用计算机对数字图像进行系列操作，从而获得某种预期的结果的技术，也称为计算机图象处理（ComputerImageProcessing）[6]。
它是进行车牌识别的首要任务和关键技术，能否将牌照的位置找出来，决定着车牌识别的后续工作能否继续进行，如果不能正确找到牌照的位置，那么就无法将它分割出来，字符分割和字符识别工作将无从谈起。
同时，车牌定位的效率也直接影响着整个识别系统的效率，一个高效率的车牌识别系统首先必须是建立在高效的车牌定位算法的基础之上。
因此，不论在学术界还是在业界，人们都对车牌定位技术给予了高度的重视，研究与开发车牌定位的算法具有十分重要的实用意义。
1.2发展现状及应用
作为图像模式识别的一个经典课题，车牌识别技术和系统的研究已经有20多年的历史，但是到目前为止，真正达到适用程度的系统仍很少，识别率和识别速度仍有待进一步提高。
制约车牌识别系统识别率的主要原因包括以下几点：
（1）光照因素：
全天候的剧烈变化的室外自然光、大量强的干扰光源（汽车大灯、太阳光直射或者反射等）；
（2）大量干扰目标的影响，如悬挂于车牌附近的缴费牌、运营牌、人为粘贴的文字图案等，复杂的背景；
（3）我国车牌中存在的不规范悬挂、污染、部分遮挡等问题。
国内外众多研究人员对车牌定位算法做了广泛而深入的探索和研究,也不断产生了一些新方法、新思路，但是目前国内仍尚未出现一个完善、通用的车牌定位系统。
车牌定位的难点主要有：
抓拍图像受环境因素干扰（环境光照不均匀、目标倾斜等），照片质量很难保证；其它字符区域干扰，难以准确定位；车牌出现污点、磨损、褪色等；车牌被部分遮挡；运动图像的模糊失真，形成锯齿等。
目前车牌定位算法多种多样，但总体可以分为两大类，包括基于传统图像处理技术的车牌定位方法，以及基于机器学习的车牌定位方法[1]。
1.3本文内容及主要工作
经过研究大量的文献资料，本文基于原有的车牌定位算法，根据不同的原理，提出了一种车牌定位方法，分析原有的算法的优缺点，最终找出定位效率最高的方法。
经过对图像处理算法的对比研究，综合归纳出适合应用于车牌定位的图像处理算法以及定位算法。
能对监控视频拍摄下图像或者图像采集卡采集的车辆图像进行如下操作：
（1）.在进行图像处理前先将位图读入内存并显示出来。
（2）.对图像进行灰度转化、灰度均匀、边缘检测、图像二值化处理。
（3）.基于图像处理进行角点模板匹配算法进行车牌定位，确定车牌区域。
（4）.创建画笔用来绘制出的“车牌大小的矩形”对定位出的车牌进行标记。
（5）.裁剪图像中矩形标记区域以外部分并显示车牌。
（6）.将裁剪出的车牌图像进行二值化处理，以便于后期识别。
2相关知识
2.1位图的基础知识
BMP格式微软公司为其Windows操作系统设置的标准图像格式，在Windows系统软件中包含了一系列支持BMP图像处理的API函数，BMp格式是最常见、最简单的DIB（Device-IndependentBitmap设备无关位图）位图文件格式之一。
BMP文件结构由四部分组成:
第一部分为位图文件头BITMAPFILEHEADER，指定文件为BMP文件澳型，并且指定了从文件头到实际位图数据的偏移字节数;第二部分为位图信息BITMAPINFOHEADER，其中说明了位图包含的基本信息，如大小，宽度，高度，颜色位数，水平和垂直分辨率等;第三部分调色板（Palette）保存颜色信息;第四部分就是实际的图像数据。
由于DIB位图能独立的保存固有的图像信息，能在不同的系统中重现其图像，故成为Windows环境中的基本图像格式。
由于MFC中没有设计处理DIB位图的类，因此，利用VISualC++进行DIB位图编程时只能使用“非面向对象”的方法，即直接调用Win32SDK的有关API函数，这是一个很大的缺陷，弥补的最好方法就是定义一个处理DIB位图的专用类，比如一个名为CDib的类，在其中封装必需的DIB数据成员和处理函数
2.2位图的基本操作
在图像预处理部分的图像数据读取部分，本人使用了微软提供的一个图像函数库dibaPi，h和dibaPi.cpp，里面已经含有一些基本的图像处理函数。
现将几个重要的函数加以说明:
ReadDIBFile函数
函数原型:
HDIBWINAPIReadDIBFile（CFile&file）:
该函数将指定的文件中的DIB对象读到指定的内存区域中。
SaveDIB函数
函数原型:
BOOLWINAPISaveDIB（HDIBhDib，CFile&file）:
该函数将指定的DIB对象保存到指定的CFile中。
FindDIBBits函数
函数原型:
LPSTRWINAPIFindDIBBits（LPSTRIPbi）:
该函数计算DIB中图像像素数据区的起始位置，并返回指向它的指针。
DIBWidth函数
函数原型:
DWORDWINAPIDIBWidth（LPSTRIPDIB）:
该函数返回DIB中图像的宽度。
DIBHeight函数
函数原型:
DWORDWINAPIDIBHeight（LPSTRIPDIB）:
该函数返回DIB中图像的高度。
DIBNumColor函数
函数原型:
DWORDWINAPIDIBNumColor（LPSTRIPbi）:
2.3车牌的基本特征
车牌主要有三个最基本的特征，且它们异于其它背景。
（1）颜色特征：
我国的标准车牌有四种：
黄底黑字黑框线、蓝底白字白框线、黑底白字红“使”、“领”字白框线，黑底红字红框线，这些特征使得车牌背景与字符有很大的对比度。
（2）几何特征：
我国的标准车牌是矩形的，且有统一的大小，即宽度为45cm，高度为15cm。
车牌上的每个字符宽45mm，长90mm，间隔符宽10mm，字符的笔划宽度为10mm，每个单元间隔12mm，即二、三字符之间距为34mm。
（3）纹理特征：
车牌区域内均匀地排列着8个字符。
一般民用牌照第一个字符是汉字，且是各省市的简称，有“京”、“沪”、“津”、“渝”、“晋”、“冀”、“蒙”、“辽”、“黑”、“吉”、“苏”、“浙”、“皖”、“闽”、“赣”、“鲁”、“豫”、“鄂”、“湘”、“粤”、“桂”、“琼”、“川”、“贵”、“云”、“藏”、“陕”、“甘”、“青”、“宁”、“新”、“军”、“空”、“海”、“北”、“沈”、“兰”、“济”、“南”、“广”、“成”等几十个汉字。
第二个字符是大写英文字母，如“A”、“B”、“C”等，是省、直辖市、自治区的名称和发证照及监督机关的代号；接着是一个点“·”；后面的汽车编号，一般是5位数字，即从00001~99999。
第四个和第五个字符可能是英文字母，也可能是阿拉伯数字，当编号超过10万时，就用大写英文字母，即A代表10万，B代表11万，C代表12万，最后一个字母及Z代表33万。
英文字母中的I和O避而不用，以免和数字中的1和0混淆。
第五个至第八个字符均为阿拉伯数字。
如“京B12345”就是典型的车牌号码。
这些特征使车牌区域有着丰富的纹理特性。
通过边缘算子的检测，可以很清晰的得到字符的骨架，所以得到车牌区域内的密度很大。
车牌图像如下图2-1所示：
图2-1：
车牌图像
2.4车牌识别的工作原理
车辆牌照识别系统的基本工作原理为：
将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入计算机进行预处理，再由检索模块对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符，规整后输入字符识别子系统进行识别。
2.5要达到的设计目标
经过对图像处理算法的对比研究，综合归纳出适合应用于车牌定位的图像处理算法以及定位算法。
能对监控视频拍摄下图像或者图像采集卡采集的车辆图像进行如下操作：
（1）.在进行图像处理前先将位图读入内存并显示出来。
（2）.对图像进行灰度转化、灰度均匀、边缘检测、图像二值化处理。
（3）.基于图像处理进行角点模板匹配算法进行车牌定位，确定车牌区域。
（4）.创建画笔用来绘制出的“车牌大小的矩形”对定位出的车牌进行标记。
（5）.裁剪图像中矩形标记区域以外部分并显示车牌。
（6）.将裁剪出的车牌图像进行二值化处理，以便于后期识别。
3原有算法的分析
3.1灰度转换算法
彩色图像包含着大量的颜色信息，不但在存储上占用更多的空间，而且在处理上也会降低系统的执行速度，例如：
当系统应用于高速公路无间断停靠收费站时，车辆高速行驶，若图像处理速度缓慢，则直接影响到整体的工作效率。
另一方面灰度图像只含有亮度信息，不含有任何色彩信息，而每个彩色图像都具有R（红）、G（绿）、B（蓝）3个不同的颜色分量，存在许多与识别无关的信息，不便于进一步开展后续工作，因此在对图像处理时首先因考虑将电子采集的真彩BPM图，转化为256色的灰度图，用于排除车牌周围颜色环境干扰，并加快处理速度。
3.2灰度均衡算法
灰度直方图是灰度级的函数，它表示图象中具有每种灰度级的像素的个数，反映图象中每种灰度出现的频率。
如下图所示，灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率/次数，是图象的最基本的统计特征。
灰度均衡是把一个已知灰度概率分布的图像，经过变换最终演变成具有均匀灰度概率分布的图像。
它是以累计分布函数变换为基础的直方图修正法，它可以产生一幅灰度级分布概率均匀的图像。
也就是说，经过灰度均衡后的图像在每一级灰度上都具有相同数量的像素点，对应灰度直方图的每一级灰度具有相同的高度。
灰度均衡同样也属于改进图像的方法，灰度均衡后的图像具有最大的信息量。
它是增强图像的有效手段。
其算法为：
设原始图像在（x，y）处的灰度为f，而改变后的图像的灰度为g，则对图像增强的方法可表述为将在（x，y）处的灰度f映射为g。
在灰度直方图均衡化处理中对图像的映射函数可定义为:
g=EQ（f），这个映射函数EQ（f）必须满足两个条件（L为图像的灰度级数）:
（1）EQ（f）在0≤f≤L-1范围内是一个单值单增函数。
这是为了保证增强处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白（或从白到黑）的排列。
（2）对于0≤f≤L-1有0≤g≤L-1，这个条件保证了变换前后灰度值动态范围的一致性。
3.3Roberts边缘检测算法
边缘是图象最基本的特征，是指其周围像素灰度后阶变化的那些像素的集合,它存在于目标与背景、目标与目标、区域与区域之间。
因此它是图象分割所依赖的重要的特征,也是纹理特征的重要信息源和形状特征的基础;边缘检测则是寻找图像灰度值发生急剧变化的区域，显示出图像的轮廓边缘。
常用的边缘检测方法有:
Roberts边缘检测算子、Sobel边缘检测算子、Prewitt边缘检测算子、Canny边缘检测算子、Laplace边缘检测算子等。
本文采用了Roberts算子是因为Roberts算子简单直观、容易理解，它在检测检测水平和垂直边缘时效果较好，Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。
定位精度高，对噪声敏感。
与其它算子相比，Roberts算子提取边缘的结果边缘较粗，但定位精度较高，Sobel算子和Prewitt算子具有平滑作用，能滤除一些噪声，去掉部分伪边缘，但同时也平滑了真正的边缘。
使得边缘轮廓提取不理想。
系统主要应用于静态的车辆牌照的定位。
对车辆进行边缘检测时，主要是检测水平和垂直边缘的大体轮廓，而核心部分——车牌的形状是一个长方形的规则区域，适合采用垂直和水平检测。
Roberts边缘检测算子是根据任意一对互相垂直方向上的差分可用来计算梯度的原理，采用对角线方向相邻两像素之差，即:
△
=
-
公式（3-1）
△
=
-
公式（3-2）
=
公式（3-3）
或
|
|+|
|公式（3-4）
它们的卷积算子
，
公式（3-5）
有了
之后，很容易计算出Roberts的梯度幅值
，适当取门限TH，作如下判断:
>TH,（i,j）为阶跃状边缘点并赋值为255（白），否则赋值为0（黑色）。
{
}为边缘图像。
3.4图像二值化处理算法
在基于边缘检测技术的基础上对图像进行二值化处理，是为了增强图像的对比度，使图像变的简单，减小数据量，能凸显感兴趣的目标轮廓，为接下来的车牌定位提供方便。
所谓的二值化技术就是将图像的灰度等级转化为只有二个等级（黑、白）的一个二值图像，灰度图像共有256个灰度等级（0—255）。
选取一个阀值bThre,（bThre=（INT）（（2*bUp+bLow）/3）;用指针指向图像中的第某个（i,j）个像素的灰度值与阀值相比较大小，如果大于阀值，则将灰度值设置为255代表白色。
如果小于阀值，则将灰度值设置为0代表黑色。
利用ThresholdTrans（）函数对图像进行二值化处理。
3.5车牌定位算法的分析与研究
在上述的图像处理工作，是为了给车牌定位做下基础。
车牌的搜索定位有基于纹理的车牌定位方法、角点模板定位法，扫描法和投影法等。
由于车辆牌照图像在原始图像中是一个长条形的子区域，在车辆图像中的位置相对集中（一般来说车牌都在车辆下部，与车牌文字类似文字干扰大多在上部）并且灰度有突变，所以可以采用扫描法定位车牌，采用从左到右、从下到上顺序扫描。
1.扫描法是在水平方向上对边缘图像进行扫描（每10行扫描一次），设边缘灰度值为1非边缘像素值为0，统计每行灰度值的跳变，并记录下这些跳变值。
2.如果某行有连续10个跳变值以上，并且前一个跳变和后一个跳变点距离在一定范围内，就记录下起始占烽终止点位置。
如果连续有十行以下这样跳变点，并且相邻上下行起始点和终止点相邻。
就认为该区域是车牌预选区域。
3.确定车牌水平区域，分别向上、向下逐行扫描，跳变值相近行，记录下最上行坐标TOP和最下行坐标Bottom。
这样可以确定车牌的水平区域。
4.对于确定垂直区域，对3中得出的水平区域进行垂直投影根据垂直投影图，可以确定车牌在图中的大致位置。
而根据实际情况分析在经过前期对图像进行边缘检测、图像增强、二值处理使得较为容易扫描到角点（Topleft和Bottomright），将扫描的角点存入数组，所以本文采用角点扫描算法对车牌进行定位。
在图中一定区域范围内搜索扫描符合一定条件的点，并依次标记为左下点TL[i]或为右上点BR[j]。
这样图像扫描一次得到全部TL和BR点族后，就可以通过简单的排列组合，拼成大小不一、位置不同的一系列矩阵，然后依据车辆牌照的特点，如，长宽比一定；在整幅图像中的位置范围几乎相同；长和宽的像素点在一定范围内等，进行排查，最后得到最匹配的一个矩形区域，即为车牌区域，本文定义myFindRightAngle（）函数对车牌进行扫描定位。
3.6车牌区域分割提取
前面经过了图像的灰度化、灰度均衡处理、边缘检测、二值化、车牌定位一系列的操作，使得车牌区域在图像中标记出来，接下来就是利用myCropDIB（）这个函数来对图像进行分割，所谓图像分割就是根据目标与背景的的先验知识，对图像中的目标、背景进行标记、定位，然后将待识别的目标从背景或其他伪目标中分离出来。
图像分割是图像提取的重要组成部分，只有有效地完成分割，才能进一步提取目标特征并识别目标
升级会员 