机器视觉图片识别车牌
机器视觉图片识别车牌
本文主要介绍图像预处理、车牌定位、字符分割三个模块的实现方法。本文的图像预处理模块是将图像灰度化和用Roberts算子进行边缘检测的步骤。车牌定位和分割采用的是利用数学形态法来确定车牌位置，再利用车牌彩色信息的彩色分割法来完成车牌部位分割。字符的分割采用的方法是以二值化后的车牌部分进行垂直投影，然后在对垂直投影进行扫描，从而完成字符的分割。本文即是针对其核心部分进行阐述并使用MATLAB软件环境中进行字符分割的仿真实验。20190816171014
关键词：边缘提取 车牌识别 字符识别
3.2 图像读取及车牌区域提取
图像读取及车牌区域提取主要有：图像灰度图转化、图像边缘检测、灰度图腐蚀、图像的平滑处理以及车牌区域的边界值计算。其程序流程图如下:
目前比较常用的图像格式有*.BMP、*.JPG、*.GIF、*.PCX、*.TIFF 等，本课题采集到的图片是*.JPG 的格式。因为使用*.JPG图像时有一个软件开发联合会组织制定、有损压缩格式，能够将图像压缩在很小的储存空间，而且广泛支持 Internet 标准，是面前使用最广的图片保存和传输格式，大多数摄像设备都以*.JPG格式保存。利用图像工具箱的
Car_Image_RGB=imread(‘Image_Name’);
即可将图像读取出来，这样读取得到的是RGB图像，RGB图像分别用红、绿、蓝三个色度值为一组代表每个像素的颜色，因此Car_Image_RGB是一个m*n*3的数组，m、n表示图像像素的行、列数。
3.2.1图像灰度图转化
我国车牌颜色及其RGB值如下，蓝底(0,0,255)白字(255,255,255)、黄底(255,255,0)黑字(0,0,0)、黑底(0,0,0)白字(255,255,255)、红底(255,0,0)黑字(0,0,0),由于车牌的底色不同，所以从RGB图像直接进行车牌区域提取存在很大困难，但不管哪种底色的车牌，其底色与上面的字符颜色的对比度大，将RGB图像转化成灰度图像时，车牌底色跟字符的灰度值会相差很大。例如蓝色（255，0，0）与白色（255，255，255）在R通道中并无区分，而在G、B通道或是灰度图象中数值相差很大。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、灰度对于将彩色图象转换成灰度图象时，图象灰度值H可由下面的公式计算：
式使用了权值加重法，(3.2)式使用均值法，使用权值法的好处是可以突出某个通道，Matlab内的RGB转灰度图函数rgb2gray()就是使用的(3.1)式权值比例公式，这样就可以利用边缘检测方法，识别出临近区域灰度值相差大的分界区。通过程序运行其效果图见图3.2和图3.3：
由灰度图和原图运行结果可知，能清晰读出原来的彩色图样，通过图形对比的分析，原始图中的车牌区域的灰度明显不同于其他的区域，其中的蓝底部分最明显。经过了程序运行出来的灰度图可以比较容易的识别出车牌所在的区域，并达到了预期的灰度效果。
3.2.2图像的边缘检测
在Matlab中利用函数edge()实现边缘检测，具体的用法如下所示：
Car_Image_Bin=edge(Car_Image_Gray,'robert',0.15,'both');
在edge()函数中有Sobel算子，Prewitt算子，Roberts算子，Log算子，Canny算子及Robert算子，几种算法相比之下，Roberts算子是一种最简单的算子，是一种利用局部差分算子寻找边缘的算子，他采用对角线方向相邻两象素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感,无法抑制噪声的影响。
因此本课题使用了Robert算子。
由于Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子, 根据任一相互垂直方向上的差分都可用来估计梯度，Robert 算子采用对角方向相邻两像素之差，其计算公式如下：
摘 要 I
ABSTRACT II
第1章 绪论 1
1.1 车牌识别研究背景 1
1.2车牌号识别技术研究现状和趋势 2
1.2.1国内外车牌识别技术情况及我国车牌特点 2
1.2.2车牌识别技术的应用前景 3
1.3 研究内容 4
第2章 车牌识别系统基本原理 5
2.1图像预处理 7
2.2 车牌定位 7
2.3 字符切割 7
2.4 字符识别 7
第3章 车牌识别系统设计 9
3.1 开发环境选择 9
3.2 图像读取及车牌区域提取 9
3.2.1图像灰度图转化 10
3.2.2图像的边缘检测 11
3.2.3灰度图腐蚀 12
3.2.4图像平滑处理 13
3.2.5移除小对象 14
3.2.6车牌区域的边界值计算 15
3.3 字符切割 16
3.3.1字符切割前的图像去噪处理 16
3.3.2字符切割前的图像膨胀和腐蚀处理 17
3.3.3字符切割 17
3.4 字符识别 20
3.4.1字符识别方法选择 20
3.4.2字符归一化 20
3.4.3字符匹配识别 21
第4章 仿真结果及分析 23
4.1 车牌定位及图像读取及其图像处理 23
4.2 车牌字符分割及其图像处理 23
4.3 车牌字符识别及其图像处理 24
第5章 总结与展望 25
致 谢 26
参考文献 27
附录：程序清单 30
毕 业 设 计（英文翻译） 39
附录：英文翻译 40
中文译文 44
本文主要介绍图像预处理、车牌定位、字符分割三个模块的实现方法。本文的图像预处理模块是将图像灰度化和用Roberts算子进行边缘检测的步骤。车牌定位和分割采用的是利用数学形态法来确定车牌位置，再利用车牌彩色信息的彩色分割法来完成车牌部位分割。字符的分割采用的方法是以二值化后的车牌部分进行垂直投影，然后在对垂直投影进行扫描，从而完成字符的分割。本文即是针对其核心部分进行阐述并使用MATLAB软件环境中进行字符分割的仿真实验。20190816171014
关键词：边缘提取 车牌识别 字符识别
3.2 图像读取及车牌区域提取
图像读取及车牌区域提取主要有：图像灰度图转化、图像边缘检测、灰度图腐蚀、图像的平滑处理以及车牌区域的边界值计算。其程序流程图如下:
目前比较常用的图像格式有*.BMP、*.JPG、*.GIF、*.PCX、*.TIFF 等，本课题采集到的图片是*.JPG 的格式。因为使用*.JPG图像时有一个软件开发联合会组织制定、有损压缩格式，能够将图像压缩在很小的储存空间，而且广泛支持 Internet 标准，是面前使用最广的图片保存和传输格式，大多数摄像设备都以*.JPG格式保存。利用图像工具箱的
Car_Image_RGB=imread(‘Image_Name’);
即可将图像读取出来，这样读取得到的是RGB图像，RGB图像分别用红、绿、蓝三个色度值为一组代表每个像素的颜色，因此Car_Image_RGB是一个m*n*3的数组，m、n表示图像像素的行、列数。
3.2.1图像灰度图转化
我国车牌颜色及其RGB值如下，蓝底(0,0,255)白字(255,255,255)、黄底(255,255,0)黑字(0,0,0)、黑底(0,0,0)白字(255,255,255)、红底(255,0,0)黑字(0,0,0),由于车牌的底色不同，所以从RGB图像直接进行车牌区域提取存在很大困难，但不管哪种底色的车牌，其底色与上面的字符颜色的对比度大，将RGB图像转化成灰度图像时，车牌底色跟字符的灰度值会相差很大。例如蓝色（255，0，0）与白色（255，255，255）在R通道中并无区分，而在G、B通道或是灰度图象中数值相差很大。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、灰度对于将彩色图象转换成灰度图象时，图象灰度值H可由下面的公式计算：
式使用了权值加重法，(3.2)式使用均值法，使用权值法的好处是可以突出某个通道，Matlab内的RGB转灰度图函数rgb2gray()就是使用的(3.1)式权值比例公式，这样就可以利用边缘检测方法，识别出临近区域灰度值相差大的分界区。通过程序运行其效果图见图3.2和图3.3：由灰度图和原图运行结果可知，能清晰读出原来的彩色图样，通过图形对比的分析，原始图中的车牌区域的灰度明显不同于其他的区域，其中的蓝底部分最明显。经过了程序运行出来的灰度图可以比较容易的识别出车牌所在的区域，并达到了预期的灰度效果。
3.2.2图像的边缘检测
在Matlab中利用函数edge()实现边缘检测，具体的用法如下所示：
Car_Image_Bin=edge(Car_Image_Gray,'robert',0.15,'both');
在edge()函数中有Sobel算子，Prewitt算子，Roberts算子，Log算子，Canny算子及Robert算子，几种算法相比之下，Roberts算子是一种最简单的算子，是一种利用局部差分算子寻找边缘的算子，他采用对角线方向相邻两象素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感,无法抑制噪声的影响。
因此本课题使用了Robert算子。
由于Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子, 根据任一相互垂直方向上的差分都可用来估计梯度，Robert 算子采用对角方向相邻两像素之差，其计算公式如下：
摘 要 I
ABSTRACT II
第1章 绪论 1
1.1 车牌识别研究背景 1
1.2车牌号识别技术研究现状和趋势 2
1.2.1国内外车牌识别技术情况及我国车牌特点 2
1.2.2车牌识别技术的应用前景 3
1.3 研究内容 4
第2章 车牌识别系统基本原理 5
2.1图像预处理 7
2.2 车牌定位 7
2.3 字符切割 7
2.4 字符识别 7
第3章 车牌识别系统设计 9
3.1 开发环境选择 9
3.2 图像读取及车牌区域提取 9
3.2.1图像灰度图转化 10
3.2.2图像的边缘检测 11
3.2.3灰度图腐蚀 12
3.2.4图像平滑处理 13
3.2.5移除小对象 14
3.2.6车牌区域的边界值计算 15
3.3 字符切割 16
3.3.1字符切割前的图像去噪处理 16
3.3.2字符切割前的图像膨胀和腐蚀处理 17
3.3.3字符切割 17
3.4 字符识别 20
3.4.1字符识别方法选择 20
3.4.2字符归一化 20
3.4.3字符匹配识别 21
第4章 仿真结果及分析 23
4.1 车牌定位及图像读取及其图像处理 23
4.2 车牌字符分割及其图像处理 23
4.3 车牌字符识别及其图像处理 24
第5章 总结与展望 25
致 谢 26
参考文献 27
附录：程序清单 30
毕 业 设 计（英文翻译） 39
附录：英文翻译 40
中文译文 44
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/2160.html
