基于MATLAB车牌识别系统设计.docx
《基于MATLAB车牌识别系统设计.docx》由会员分享，可在线阅读，更多相关《基于MATLAB车牌识别系统设计.docx（33页珍藏版）》请在冰点文库上搜索。
基于MATLAB车牌识别系统设计
说明书
设计题目：
基于MATLAB车牌识别系统设计
专业年级：
11级机械设计制造及其自动化
学号：
姓 名：
指导教师、职称：
2015年5月27日
摘要
社会的不断发展带动着经济也不断的增长，从而也提高了人们的生活水平。
汽车的需求量也日渐增加，现代化交通管理的出现，解决了交通过程中遇到的许多麻烦，其中汽车车牌识别系统是重要的部分之一。
在这次毕业设计中，主要对车牌识别系统中的几个模块进行研究。
在图像的预处理部分中主要进行图片的灰度化和罗伯茨算子进行边缘检测。
在其他两个部分中，我们通过数学形态的方法来确定车牌的位置，在这之后则运用车牌的彩色来对车牌进行分割处理，字符的分割则是利用了投影的方法，主要任务是在图像的二值化后在进行投影，通过扫描完成分割。
整个过程的实现是在MATLAB软件中仿真实现的。
关键词：
MATLAB、图像预处理、车牌定位、字符分割
Abstract
Thecontinuousdevelopmentofsocialdrivesthegrowthoftheeconomyisalsoconstantly.thusimprovedthelivingstandardsofpeople.Cardemandisalsoincreasing,theemergenceofmoderntrafficmanagement.solvedalotoftroubleintheprocessoftransportation,thecarlicenseplaterecognitionsystemisoneoftheimportantpartof.Inthegraduationdesign,themainstudyofseveralmodulesinlicenseplaterecognitionsystem,.IntheimagepreprocessingpartofthefocusongrayscaleimagesandRobertsoperatorforedgedetection.Intheothertwoparts,webymathematicalmorphologymethodtolocatethelicenseplate,afterthattheuseoflicenseplatecolortosegmentationandlicenseplatecharactersegmentationisthemethodofusingtheprojection,themaintaskisintheimageafterbinarizationinprojection,completesegmentationbyscanning[5]ThewholeprocessofimplementationarerealizedinMATLABsoftwaresimulation.
Keywords:
MATLAB,Thepretreatmentoftheimage,Licenseplatelocalization,Licenseplatecharactersegmentationoftheimage
第一章引言
1.1车牌识别系统设计的背景
社会不断的进步，人们的生活水平也随之上升，汽车的需求量也日渐增加。
随之增加的也有对城市交通状况的重视，在交通管理中如何更好的运行也不断的引起了人们的重视。
现代社会里图形图像技术不断的发展，许多运用此项技术的工程也随之便捷和提高其效率，车牌识别系统中也是如此。
当今社会里，智能交通系统已经成为不可或缺的一部分，在智能交通系统中汽车车牌的识别成为了其重要的组成部分。
数字图像处理等技术在车牌识别系统中充分的运用到，它对图像或视频进行分析，获得其车牌号码，实现对车牌号码的识别。
现代智能交通系统中，车牌的识别不仅仅在高速公路上扮演这重要的角色，在城市的交通，甚至是停车场也是必不可少的。
在车牌识别全智能化过程中，不需要太多的人力物力，大大提高了效率。
因此在使用的过程中可以减少复杂性,使车牌识别过程更加简单化。
当然这并不影响汽车的运动。
在闯红灯抓拍等领域可以充分的运用这个系统。
1.2车牌识别系统的国内外研究现状
在车牌识别技术中，国外的研究比我国研究的要早的很多，所以国外的技术跟我国相比较起来车牌识别系统相对成熟。
之所以我国处于起步的阶段，那是因为我国的经济基础还不好，科学技术还无法跟上发达国家，处于发展阶段，虽然我国在这方面的技术上也有了十几年的历程，但是所欠缺的东西还太多，很多技术无法达到外国先进的水平，所以对于智能交通管理系统这一块我们还需要大力发展，使之成为较完善的系统，我国的车牌型号跟外国的有所区别，国外的车牌中并不含有汉字，但是在我国，不同的地区有简称，所以车牌号码中含有地区简称的汉字，所以这样加大了处理的难度，因为字符的处理难度远大于对数字或者是字母处理的难度。
不仅仅如此，由于我国的技术先对国外的落后，导致了在一些自然环境的影响下也加大了车牌图像的识别。
1.3车牌识别系统的基本内容和技术方案
丰富的算法中，选择学习最优方法运用到MATLAB中，然后运用其算法在车牌识别系统设计中加以运用。
完成车牌识别系统的设计过程中，除了最后的车牌图像的确定和识别外，首先得先对采集到的车牌进行多种处理，这样才能更好的完成本次设计的目的。
设计流程图如下。
图1-1总体设计流程图
1、图像输入
四季的天气交替变换，，例如雨天天气，阳光强度等因素，再加上车牌是铁制品，积年累月中会使车牌老化，陈旧褪色，在恶劣天气中容易被污染，例如泥土的覆盖等因素都会使图像对比度不足，产生多种弊端，从而导致车牌图像中相关细节分辨不清，使车牌图像中的字符部分不明显。
车牌图像的预处理中，还有许多因素加大了它的难度，例如在摄像头对汽车进行拍摄的时候，所采集到的图像很容易长生对预处理影响较大的现象，例如变形、扭曲、模糊等。
在车牌识别系统中在对图像的读入过程中默认的是此图像是清晰，无污染的没有倾斜的，导致了预处理过程中很多复杂现象的出现。
2、图像预处理
预处理是及其重要的组成部分，在这过程中，我们需要把所输入的车牌图像进行灰度化处理并用罗伯茨算子进行边缘检测。
3、车牌定位和分割
在车牌识别系统中，对汽车的定位一般采用的是利用数学形态的方式，利用彩色分割的方法对车牌图像进行分割，它们拥有着极其重要的地位，只有很好的完成这个过程，才能更好的实现车牌的准确识别。
4、字符识别
在众多的识别方法中，模版匹配的方法能更好的准确识别车牌，所以采用模版匹配的算法来实现字符的识别。
MATLAB是matrixlaboratory的缩写。
MATLAB最初用于矩阵处理。
MARLAB被广泛的用于计算，所以MATLAB在许多科学理论的课程中可以作为计算工具来使用，不仅简单、方便外，还很容易进行操作和运用。
在工业领域中，MATLAB也是首选的计算工具。
在对图像方面的运用中，运用的是MATLAB中的一个工具箱-图像处理工具箱，它是MATLAB的一个函数集。
在图像的处理中，解决所遇到的问题的能力，其功能是强大有能力的，它扩展了许多对复杂问题的解决的能力，它作为MATLAB的函数集，运用的时候成为的是M文件。
随着MATLAB不断的得以完善，其功能性也越来越强，所以在我国也渐渐的受到了重视，在各领域中将盛行起来，MATLAB在多学科中都能找到相应的功能。
MATLAB的特点
（1）简洁的语言，灵活的运用，还具有丰富的库函数。
Matlab中含有功能强大的库函数，使其编程简单化，可以降低子程序的编写任务的复杂度，在MATLAB的使用对所遇到的问题处理中，我们可以说是站在了巨人的肩膀上，因为我们在使用过程中不需要担心所用的功能的可靠性，它是由权威性的专家们所编写的，不仅包含了各个领域，还具有完善可靠的库函数。
（2）MATLAB中的运算符号之多。
基于丰富的运算符，MATLAB编程过程中，可以使程序简单易懂，它能用C语言进行编程，使结果简单化，MATLAB中所拥有的运算符可以和C语言丰富的运算符相媲美。
（3）MATLAB中语法简单，限制低，所以在设计程序过程中自由度大。
（4）程序具有较好的可移植性，在不同的操作系统中，几乎是不需要改变就能运行的，不仅如此，在不同的计算机里也是可以的。
（5）MATLAB具有强大的绘图功能。
在MATLAB里，数据的可视化非常简单。
不仅如此，MATLAB具有较强的编辑图形界面的能力。
（6）MATLAB中也有缺点，就是在执行的过程中其执行的速度比较慢。
因为没有预处理的matlab编译程序，不产生可执行文件，程序理解，那么慢。
（7）MATLAB的功能性也随着需求的不同慢慢的在扩大，基于原本强大的核心功能外，MATLAB又添加了许多不用的工具箱，不仅功能强大，还可以因人所需。
有数以百计的内部核心功能的核心部分。
MATLAB中的工具箱又可分为两类：
学科性工具箱和功能性工具箱。
除了有文字处理的功能、增强符号计算外，还具有增强图示建模的仿真功能，这就是MATLAB中功能性强大的功能性工具箱。
还可以和硬件进行实时的交互作用。
它还能用于多种学科。
在我们进行学科研究的时候，我们可以直接进行研究，甚至是高精度的研究，因为在MATLAB的学科性工具箱里，由各领域的专家进行编写，不仅使得这些工具箱具有很强大的专业性基础的奠基外，还能使我们在运用中一目了然，过程也简单化，所以我们在使用的过程中可以说是站在巨人的肩膀上的。
第二章车牌图像的预处理
2.1车牌图像文件的读取和显示
MATLAB中实现车牌图像的读取操作，它是利用函数imread来实现的。
通常情况下我们通过imread函数读取的大多数图像就是八位的，当把图像加载到内存中的时候，MATLAB就将其存储为uint8类型。
A=imread（filename,fint）是一种MATLAB语言，这段语句的用途是用来读取所输入的图像。
不仅如此，这个语句它还能能读取图像的形式不仅可以是灰度的，还可以是彩色的，在这段语句中的“fint”是代表着读取图像文件的格式。
如果该图像文件不在当前目录下或者是matlab路径的目录下，需要指定图像文件在系统中的完整文件路径，本文中fint可取值的图像格式设定为“jpg”格式，
在图像显示中调用inshow函数，基本格式A=imread（filename,fint）；
Imshow（A）；而调用格式imshow（Bw）可以显示二进制图像[2]，
在MATLAB软件里，二进制图像是一个uint8，或者二进制图像是一个双精度类型的二维逻辑矩阵，在这个矩阵里，它只含有数值0或者是数值1.在MATLAB的工具箱中，它是不支持unit16类型的二进制图像，在MATLAB函数中，能返回所有二进制图像的都是采用unit8逻辑数组存储，在工具箱里，对二进制进行操作是十分简单易懂的，在很多情况下，用户装载了一幅1位二进制的图像，在这个过程中，MATLAB就会在内存中创立起unit8逻辑图像。
车牌图像文件读取的MATLAB程序如下：
function[d]=main（jpg）
I=imread（'car.jpg'）;
figure
（1）,imshow（I）;title（'原图'）;
图2-1
2.2车牌图像的灰度化处理
车牌都是彩色的，所以在对其处理前也是彩色的。
我们知道了红、绿、蓝这三种颜色被称之为三基色，它们的不同分配结合能生成任何一种颜色，我们用这三种颜色的首字母简易的命名这三种颜色，则为R、G、B。
所以在我们采集到的彩色车牌图像中，我们称之为RGB图像，利用这三种颜色的分量，然后表示了一个像素的颜色。
在它们每一个分量中，含有255种值可供取，1600多万（255*255*255）的颜色变化的范围，它是一个像素点的，但是灰度图像有所不同，它是R、G、B三个分量相同的、特殊的彩色的图像，在灰度图像中的像素点的变化范围为255种，我们在运用中，都是先把我们所想处理的图像在数字图像处理过程中把它转化成灰度图像，可以是各种格式的灰度图像，这样处理之后在计算量中可以大大的减少[10]。
灰度图像和彩色图像的描述中，不仅可以仍然反映出整幅图像的整体，还能反反应出局部的色度、亮度等级的分布和特征。
正因为这样，对一尺寸为m*n的彩色图像，它的存储为m*n*3的多维数组。
在RGB模型中，如果R=G=B，则颜色表示一种灰度颜色，其中R=G=B的值叫做灰度值。
由彩色转换为灰度的过程叫做灰度化处理。
灰度图像中，只有强度信息，而颜色信息的图像是没有的，一个数据矩阵，它就能存储灰度的图像。
在矩阵中，每个元素表示对应的是其位置像素的灰度值。
通过彩色的图像相关信息可以知道在灰度的图像里，它的级别仅仅只有256级，因为彩色的图像是R、G、B的像素色，但是灰色图像则是在彩色图像的像素色里，可以从彩色的分解得到，又可以知道取值范围是在0到255，所以我们知道了灰度级别为256.对于将彩色图像转换成灰度图像时， 目前，比较常见的灰的方法是平均值法，它的公式是：
H=0.229R+0.588G+0.144B
图像的直方图是一个显示灰度的图表，或者说是索引图像亮度分布情况的图表。
图像直方图函数,可以通过使用函数imhist等距的列创建这个图表,在这个图中,每一列表示的含义的范围,然后在对每个范围内的像素的数量进行计算。
Imhist函数基于图片的数量和列作为输入参数,自动绘制图像的直方图。
它在图像的增强中，可以有效的实现外，还可以增强图像压缩、图像的分割，不仅仅如此，还易于计算，在商用硬件设备中也同样的适用。
2.3图像的边缘检测
在图像周围像素灰度里，有阶跃性的变化，或者是屋顶变化中那些像素的集合，我们称之为边缘检测。
存在边缘的情况有很多，像是物体和背景之间存在着边缘，物体和物体之间也存在，甚至在基元之间也是存在的。
所以在图像的分割的技术中，边缘成为了非常重要的特征。
不仅如此，边缘检测的重要性还体现在很多方面，在汽车车牌识别的系统中，图像的识别也是运用广泛，甚至在计算机的分析领域也是占有重要的地位。
边缘检测在勾划出目标物体的过程时，清晰的在我们眼前展示出了目标物体，所以边缘检测的作用很大，在图像处理的过程是必不可少的一个环节。
不仅仅如此，还蕴含了丰富的内在信息。
就像形状、方向等。
边缘的检测标志着一个区域的结束，相对的它也标志了另外一个区域的开始。
因为边缘的检测反应了车牌图像的局部的不连续性，这是边缘检测的本质特性。
因为边缘检测所具有的特性，所以在对图像进行分析的时候它可以检测出图像的局部特性的不连续性，然后在此基础上连接这些不连续性边界，使其连接成边界。
而边界的作用则是将所分析的图像进行分割处理，然后利用边缘检测对分割出来的区域进行分析，不仅能对其形状的分析外，还能对它的特性进行分析。
现代运用中的不断需求，很多边缘算法不断的改进，甚至是出现更有效的边缘算法，这样能更好的得到边缘效果。
本文着重对罗伯特边缘检测算子进行运用。
景物的边缘之所以能含有大量的信息，是因为它的边缘出现的形式有所不同，它是以图像中的强度的突变形式展现出来的。
景物边缘形态复杂，可以用梯度检测的方法来对景物的边缘进行边缘检测。
设
是图像灰度分布函数；
是图像边缘的梯度值；
是梯度的方向。
则有
（2.3.1）
（2.3.2）
其中，n=1,2。
式子（2.3.1）与式子（2.3.2）两个式子的组合对在（x,y）这个点中的图像的方向及其梯度大小可以得知[13]。
将式（2.3.1）改写为：
（2.3.3）
称为罗伯茨边缘检测算子。
它在寻找边缘的时候是利用了局部差分法进行的，不仅如此，罗伯茨梯度的算子利用的则是对角方向相邻的两个像素值的差，所以我们可以用一下的式子来表示罗伯茨算子的形式，采用的就是利用差分来代替了一阶偏导，式子为：
上述算子对应的两个2×2模板如图2.1所示。
1
0
0
-1
0
1
-1
0
（a）
（b）
图2-2Robert算子模板
图2-3灰度图、灰度直方图
图2-4Robert算子边缘检测
第三章车牌图像的定位
在车牌图像的获取中，获取到的图片是整车的部分，在这图像中有用的就只是车牌部分，所以我们要对所获取的图像进行车牌的定位，还有车牌的分割。
在对车牌的图像进行定位时，我们得先在对车牌的预处理过程中得到它的灰度图，这样才能更好的进行实验，不仅是定位的过程，车牌的分割处理过程也是如此。
而在对车牌进行分割出来之前，得先对获得的图像中的车牌的位置进行定位，只有定位好了车牌的位置，才能更好的为下一步做好铺垫。
定位好整车的车牌号码的位置后，在整车的图像中提取属于车牌的那个部分成为单独的部分，这样能更好的进行车牌字符的识别，在灰度处理的过程里，我们所获得的车牌部分的灰度图像，它的灰度值及其周围的图样有着很大的差异性，不仅如此，所获得的灰度图中，还是一个有着较高水平度的长方形车牌的图样，在原来的图像中相对的集中。
所以在对图像的分割中，边缘检测是很容易的一种办法。
车牌的定位及其分割对结果的质量是很有影响的，他们的准确性和字符识别的质量成正比。
图3-1车牌定位的流程图
3.1车牌图像的腐蚀
车牌图像的腐蚀可以用来消除小目标物的物体，或者是没有意义的物体。
它是一种对边界点能实现消除，使其边界向内收缩的过程。
所以在车牌识别系统中，利用车牌图像的腐蚀来把图像中的细小的连接给腐蚀掉，选择其足够大的结构元素。
腐蚀是对X集合中的A和B，B对A进行腐蚀的整个过程：
用结构元素B，扫描车牌图像A的每一个像素；
用结构元素与其覆盖的二值图像叫做“与”操作；
如果都是为1，结果车牌图像的像素是1，否则为0；
对图像的腐蚀处理的结果是使原来的二值图像减小一圈，在MATLAB中则是使用erode函数来实现对图像的腐蚀操作。
3.2车牌图像的平滑
车牌图像的平滑是消除或者尽量减少噪声的影响，改善图像的质量。
图像平滑其实就是低通滤波，它的作用是让低频部分的信号通过，阻止高频的噪声信号，这样的优点不仅可以使图像的原有信息得以被保留外，还能使提取的边缘比较平滑，还能使提取的图像骨架更连续，使之断点较少。
所以平滑是必不可少的一部分。
图3-2腐蚀后的图像
图3-3平滑处理后的轮廓
图3-4从对象中移除小对象后的图像
第四章车牌的分割
车牌字符的分割过程有很多的困难存在，解决这些问题也是必不可少的过程，因为车牌字符的分割也是车牌识别系统的重要组成部分。
在设计中，往往会因为这些遇到的问题影响了车牌字符的分割，使字符分割过程不能有效的进行，降低了准确性。
不同的环境会对车牌产生不同的影响，雨天的时候容易使车牌污损和老化，而晴天的时候又会使车牌受到反光、光照不均等影响着车牌图像的交差性，使其存在着大量的噪声。
当然最大的影响性是因为在车牌的二值化过程中不能彻底的投影车牌图像中的字符之间的波谷，使其波谷不够分明，再次，车牌边框和铆钉也会造成分割不正确；不仅如此，由于我国的车牌号码的特性，有些地区的车牌前面的两个字符和之后的字符之间有的存在着一个小圆点或者是间隔符，这样会对车牌的分割和识别产生很大的影响；在本次设计中，我采用的是彩色分割法对所采集到的车牌图像部分进行分割，主要是考虑到了车牌的旋转会严重影响水平的分割。
在确定车牌在整车的范围的时候首先使用的方法是利用统计的彩色像素点的方法来进行分割，在确定了车牌颜色对应的灰度值范围后在对蓝色的像素点的数目进行列方向的统计，之后就能确定了车牌在整车中的区域。
图4-1车牌定位的图像
第五章对定位后的彩色车牌的进一步处理
在对车牌定位后所得到的车牌图像是彩色的，这样的图像是很大的，它会占用较大的存储空间，这样会导致计算机负担加重。
要对图像进行灰度化的处理的必要原因是因为车牌图像存在不可避免的噪声，不仅如此，还要对其进行二值化以及滤波处理。
图像的二值化处理就是使整个图像呈现出明显的黑白效果。
换句话说，在想获得依然可以反应车牌图像的整体特性和局部的特性的二值化的图像，可以通过适当的门限值选取来获得，。
滤波则是为了除去图像噪声。
本文采取的滤波方法为均值滤波。
均值滤波及其优点：
线性滤波的算法是一种利用加减乘除等运算来实现的，在线性滤波算法中，均值滤波是及其典型的一种，它的作用是采用领域的平均法，在图像上给目标像素一个模版，在模版中含有图像周围的临近像素点，而且还包含了它本身的像素点，然后在取这些所有的像素点的平均值替换掉原有的像素值。
利用数学形式来概括均值滤波算法，假设一个像素点（x，y），然后对其进行处理，处理过程就是先选择一个模板，该模板的组成是由假设的像素点的邻近的若干个的像素，求模板中所有像素的均值，再把所求得的均值赋予像素点（x，y），g（x，y）=1/m ∑f（x，y），g（x，y）代表的是处理后图像在像素点（x，y）上的灰度值，式子中的 m代表的是像素总个数[5]。
每一种事物都有其两面性，均值滤波也不例外，也有它自己的优缺点。
它能够有效滤除图像中的加性噪声，但均值滤波本身存在着不足，就是它在保护图像的细节的时候不能很有效的做到，不仅如此，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊。
几何均值滤波器所达到的平滑度的优点在于滤波过程中丢失更少的图象细节。
逆谐波均值滤波器更适合于处理脉冲噪声,但它也存在着一些缺点，那就是必须要知道噪声的类型，就是要知道是暗噪声还是亮噪声,以便于选择合适的滤波器阶数符号,如果选择错噪声的类型后可能会引起很严重的后果。
在均值滤波中的逆谐波均值滤波、谐波均值滤波、算数均值滤波和几何均值滤波中，各种滤波都有其存在的优点，只有在考虑和对比之后选择适合的滤波方式才能更好的为我们的实验奠定好坚实的基础。
均值滤波具有以下的几个特点：
（1）均值滤波也并非万能的，因为对椒盐噪声的影响不大，不过均值滤波确可以对高斯噪声进行抑制，不仅如此，也可以对均匀分布的噪声进行抑制，其达到的效果是比较好的。
所以均值滤波在对椒盐削弱噪声进行抑制的过程导致整幅图像总体中任然需要改进，因为其噪声仍然存在。
（2）在图像处理中，有时候会出现图像边缘和细节处模糊不清，这是因为在均值滤波过程中破坏了图像的细节部分，通过均值滤波的处理的同时也产生了破坏性的过程。
（3）逆谐波均值滤波器能够减少和消除图像中的椒盐噪声。
逆谐波均值滤波器对噪声的消除效果的好坏和适用范围取决与Q的取值，要使逆谐波均值滤波器对“胡椒”的噪声有更好的滤除作用，Q这时候的值为正值。
而要对“盐”噪声有很好的滤除作用的时候Q的取值则是要负值。
图5-1车牌进一步处理
第六章字符的分割和归一化
6.1字符的分割
在字符识别之前，字符的分割是必不可少的一部分，它的作用是将采集到的车牌图像的字符准确的分割出来。
准确的实现字符的分割的前提是车牌能准确的定位出来。
在这里采用的字符分割的方法是垂直投影法。
在对图像进行垂直投影之前我们把得到的车牌区域的图像先进行了二值化处理，然后切除周边的空白部分，这样
升级会员 