基于MATLAB的车牌定位算法设计 电子信息工程毕业设计论文.doc

北京联合大学 毕业设计北京联合大学 信息 学院毕业设计题目： 基于MATLAB的车牌定位算法设计姓 名： 学 号： 2009080403104 学 院： 信息学院 专 业： 电子信息工程 同 组 人： 指 导 教 师： 协助指导教师： 2011年5月12日摘要车牌自动识别系统是现代智能交通管理的重要组成部分，可用于各级各类车辆管理场所。与传统的车辆管理方法相比，它大大地提高了管理效率与水平，节省了人力、物力，实现了车辆管理的科学化、规范化，对交通治安起到了一定的保障作用，因此有着广泛的应用前景。车牌自动识别系统一般包括车牌定位、字符分割和字符识别三个模块。它的研究主要涉及到模式识别、人工智能、计算机视觉、数字图像处理等众多学科领域。车牌的定位、分割更是该系统的关键，由于图像场景的复杂性以及车牌位置和图像质量的不可预知性，牌照定位分割系统一直都未做到令人满意，所以有必要对其进行进一步的研究。本文通过对大量资料的搜集、整理，总结了近年来国内外在车牌定位分割领域的最新研究成果和进展，对车牌区域的固有特征和目前的车牌定位、分割技术进行了分析和比较，提出了自己的观点并设计了一个车牌定位、分割系统。本文利用MATLAB工具实现车牌定位算法研究。利用灰度修正滤波和图像增强等处理方法较好地消除了图像的噪音，提高了图像质量。通过对车牌特征的研究，利用边缘扫描方法实现车牌定位。关键词：车牌定位；倾斜矫正；图像预处理；图像分割AbstractVehicles License Plate Recognition System(LPRS)，which is all important part of the contemporary Intelligent Transportation System(ITS),can be applied to vehicle management situations of all levels and all kindsCompared with traditional vehicles managements，LPRS has greatly improved the efficiency and level of management and saved manpower and material resources，laying a good foundation for the realization of standardized managementWe Call safely come to the conclusion that LPRS has already improved the order of the traffic system, illustrating a good prospect of application for usGenerally, the LPR system consists of three modules： license plate location、character segmentation and character recognitionIts study concerns various disciplines including Pattern Recognition、Artificial Intelligence， Computer Vision、Digital Image Processing and SO 011It is the location and segmentation of license plates standing at the heart of LPR systemConsidering that the complexity of image background and the uncertainly of plate position and image quality，it is necessary to do further research into it By summarizing the latest research achievements and development in the area of license plate location and segmentation both here and abroad，this paper, after making a deep comparison between the intrinsic characteristics of license plate and the current location and segmentation technologies on it，proposes its own understanding and designs a new LP location and segmentation system.The paper introduces a method of car license plate location and realizes a system of car license plate location based on MATLABThe pre-processing methods including gray level modification，filter and image enhancement，are used to improve image quality and cut image noiseCar license plate location is realized by the method of edge detection and according to the car plate featurekey words：License plate location； Slant correction； Image pre-process ；car Image Segmentation.目录摘要1Abstract2引言4一、绪论51 . 1 、课题的背景和意义51 . 2、 国内外研究状况61 . 3、 车牌识别系统的应用范围7二、系统概述9三、硬件系统设计103.1、硬件系统设计103.2、各模块功能113.3、各模块与DSP的接口设计113.4系统原理图和生成的PCB板16四、在MATLAB环境下实现车牌定位的功能174.1、车牌定位系统介绍174.2、图像预处理184.3、灰度化194.4、图像边缘检测214.5、形态学处理214.6、车牌提取23五、结论25问题和不足：26不足之处：28六、主要参考资料如下：28七、致谢29引言随着我国交通运输的不断发展，智能交通系统（Intelligent Traffic System，简称ITS）的推广变的越来越重要，而作为ITS的一个重要组成部分，车辆牌照识别系统（vehicle license plate recognition system，简称LPR）对于交通管理、治安处罚等工作的智能化起着十分重要的作用。它可广泛应用于交通流量检测，交通控制于诱导，机场，港口，小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。由于牌照是机动车辆管理的唯一标识符号，因此，车辆牌照识别系统的研究在机动车管理方面具有十分重要的实际意义。车牌定位就是在车辆图像中定位牌照区域的位置。由于车辆图像都采集于自然环境中，而在自然环境中车牌和背景的成像条件一般是不可控制的，随机变化的因素（尤其是光照条件）和复杂的背景信息给目标搜索带来巨大困难。不同光照下，车牌的颜色、亮度、明暗对比度都有很大变化；背景信息通常比车牌信息更加复杂，某些背景区域可能与车牌区域差异不大；再加上摄像距离、角度的不同，要从种种干扰中区别出目标是十分困难的。而车牌区域在整幅图像中所占的比例较小，要从整幅图像中定位车牌区域必然要在大量的背景信息中搜索，而且由于应用的特殊性，要求快速、准确地完成车牌定位。如果没有高效率的搜索方法，就需要耗费很多计算时间和存储空间。所以车牌定位技术一直以来是一个难点，是车牌识别系统的一个关键技术环节。一、绪论1 . 1 、课题的背景和意义随着汽车的普及，交通运输问题日益严重：车辆拥挤，事故频发，交通环境不断恶化。在这种背景下，运用各种高新技术解决交通问题，就显得很有必要，由此产生新的研究和应用领域：智能交通系统（Intelligent Transportation System ）。智能交通系统是以缓和道路堵塞和减少交通事故，提高交通利用者的方便、舒适为目的，利用交通信息系统、通讯网络、定位系统和智能化分析与选线的交通系统的总称。智能交通系统己成为被普遍认可的改善交通状况的最为有效的途径。车辆牌照识别系统（License Plate Recognition System , LPRS ）是智能交通系统的一个重要组成部分，是计算机视觉与模式识别在智能交通领域应用的重要研究课题之一。车辆牌照识别技术作为交通管理自动化的重要手段，其任务是分析、处理汽车监控图像，自动识别汽车牌号，并进行相关智能化数据库管理目前车牌自动识别系统应用的主要技术包括IC卡识别技术、条形码识别技术和图像处理技术等。IC 卡是一种集微电子技术、通讯技术和计算机技术于一体的高科技产品，利用IC卡进行车牌识别必须要在每辆汽车上安装微型的电子信号接收和发射装置即IC 卡，当车辆经过路口的检测装置时IC 卡系统将与路口的计算机系统进行对话，计算机系统从而取得卡内存储的车辆信息，然而尽管IC 卡技术识别准确度高，运行可靠并可全天候作业，但它的整套设备价格昂贵，硬件复杂，不适用于异地作业且须制定全国统一标准条形码识别技术由于识别速度快、准确度高以及成本低等优点，目前广泛应用于商品销售、图书馆管理、仓库管理、邮政管理等众多领域，将其用于汽车牌照识别方面也是一种新方法，但它同IC 卡技术一样须在全国有统一标准，这给近期短时间内推广造成困难。基于图像处理的车辆牌照识别技术直接对车辆牌照进行分析处理，和IC卡技术以及条形码技术相比不需要附加太多设备，并且直接利用现有的车牌全国标准即可推广应用该技术，从而节省了设备安置及大量资金，提高了经济效益。1 . 2、 国内外研究状况从20 世纪90 年代开始，国外的研究人员就己经开始了对车牌自动识别的研究，其主要途径就是对车牌的图像进行分析，自动提取车牌信息，确定汽车牌号。在车牌识别研究过程中，也出现了很多的技术方法，有的人使用模糊数学理论，也有的人使用神经元网络的算法来识别车牌中的字符，但由于外界环境光线变化、光路中有灰尘、季节环境变化，以及车牌本身比较模糊等条件的限制和影响，使得车辆牌照识别系统一直是一个有解决方法但一直都不能解决得很好的问题，而且很多的方法都需要大量的数值计算，并没有考虑到实时处理的环境。为了解决图像恶化的问题，目前国内外的研究机构或公司企业采取的办法是采用主动红外照明摄像或使用特殊的传感器来提高图像的质量，继而提高识别率。国内外现有的一些类似产品：如以色列HiTech公司的See/CarSystem系列，新加坡optasia公司的IMPS系列都是比较成熟的产品。但是，这些产品基本上只适合于自己国内的状况。以色列HiTech公司的See/CarSystem系列有多种的变形产品来分别适应某一个国家的车牌See / Car Chinese 系统可以对中国大陆的车牌进行识别，但也有很大的缺陷，而且不能识别车牌中的汉字，另外日本、加拿大、德国、意大利、英国等各个西方发达国家都有适合于本国车牌的识别系统各个国家的产品虽然不同，但基本上都是基于车辆探测器的系统，设备投资较大，其中的车辆探测器主要有：踏板式探测器、光探测器、微波雷达通过型探测器、压力探测器、声控探测器、红外探测器、电磁感应环探测器、测速雷达探测器、磁强探测器和压敏探测器等。目前国内做得比较好是上海高德威公司的产品，另外中科院自动化研究所汉王公司的“汉王眼”、亚洲视觉科技有限公司、深圳市吉通电子有限公司、中国信息产业部下属的中智交通电子系统有限公司的产品都有不错的效果，另外国内的许多大学都对车牌识别系统做了很多的研究。然而，通常处理时为了提高系统的识别率，都采用了一些硬件的探测器和其它的辅助设备如红外照明等。西安交通大学的图像处理与识别研究室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系也在进行类似的研究。由于汉字的识别难度较大，以及众多自然和人文因素的干扰，使得国内的成熟产品并不多，目前国内的车牌识别技术研究还主要集中在对各种车牌定位、字符分隔和识别等方面的算法进行研究上。车牌定位只是车牌识别系统中最重要的一步。现有的比较好的车牌定位方法主要有J.Barroso等提出的基于水平线搜寻的定位方法；R.Parisi等提出的基于DFT变换的频域分析方法；Charl Coetzee提出的基于Niblack二值化算法及自适应边界搜索算法的定位方法；Barroso J.Buls-Cruz等人提出的基于扫描行的车牌提取算法等。目前的牌照识别系统具有一定的识别率，在天气条件差的情况下或夜晚时，识别率会明显下降，此外，也受到其他许多客观干扰的影响，例如天气、背景、车牌磨损、图像倾斜等。因此现有的识别系统要达到完全实用化仍然有很长的路要走。1 . 3、 车牌识别系统的应用范围车辆牌照作为车辆的唯一身份标识是智能交通系统中大量信息的来源和直接处理对象。车辆牌照识别是RRS的一个有机组成部分，是计算机视觉与模式识别在智能交通领域应用的重要研究课题之一，有着广泛的实际应用前景 。( 1 ）交通流量检测。( 2 ）交通控制与诱导。( 3 ）机场、港口等出入口车辆管理。( 4 ）小区车辆管理。( 5 ）闯红灯等违章车辆监控。( 6 ）不停车自动收费。( 7 ）道口检查站车辆监控。( 8 ）公共停车场安全防盗管理。( 9 ）计算出行时间。( 10 ）车辆安全防盗、查堵指定车辆等。LPR 系统应用于这些系统，可以解决通缉车辆的自动稽查问题，停车场交通堵塞问题，还可以防止因工作人员作弊造成的路桥卡口、高速公路、停车场应收款的流失，同时能以最简单的方式完成交通部门的车辆交通信息联网，解决数据统计自动化，模糊查询的问题，具体应用可概括为：1 车辆身份的识别在道路交通检测部门，每天有大量的违规车辆（如闯红灯、逆行、压黄线等）图片汇集，通常的人工识别车牌及输入信息的方式，工作量大，易引起操作员的疲劳误判，采用自动LPR 系统能自动对车辆牌照进行识别处理，可减少大量人力、物力，减轻工作强度，显著提高处理速度和效率。2 车辆的自动检测报警对于列入“黑名单”的车辆，如肇事后逃逸的车辆、被公安部门通缉或挂失的车辆、欠缴费的车辆等。将车辆相关资料输入应用系统中，系统就会处于自动检测状态，24 小时不停地对所有经过的车辆自动进行识别、比较、处理，一旦发现上述车辆经过，立刻发出控制信号，达到车辆自动稍查的目的。通常用于交通监控卡口、路桥收费卡口、停车场入口等。3 在无人看守情况下车辆的出入主要用于小区停车场管理系统中，利用系统能在不停车状态下自动识别汽车牌照和车型的特点，在车辆经过卡口的一瞬间，得到识别结果并通过通信网络将识别出的车辆信息及入口信息传送到各个出口。既不需要值班人员的辅助操作，又可保证车辆信息准确无误地送至出口，节省了人力和物力。4 数据自动统计及模糊查询主要用于路桥卡口、停车场的内部管理和交通公安部门的监控管理。通过网络，出入卡口的车辆数据可以实时在线，随时可用于统计流量和进行模糊查询，找到某一辆车现在的具体位置。由此可见，LPR 系统具有广泛的应用前景。虽然许多国家都致力于LPR 系统的研究与开发，但是仍未达到完全实用化的要求。所以研制和开发出符合我国车牌特点的高效、实用的LPR 系统，将具有深远的意义二、系统概述本次毕业设计的题目为“基于MATLAB的车牌算法设计”。同时在毕业设计中添加了拓展部分：硬件设计的部分。设计一个DSP系统，来实现用MATLAB实现的相同功能。对于MATLAB设计部分，在毕业设计中所用到的车牌定位算法为基于边缘检测和形态学处理相结合的定位算法。是基于灰度图像的车牌定位方法，基于灰度图像的方法一般来说彩色图像都要先灰度化、二值化处理，然后通过车牌区域的特征或者边缘特征进行检测，这类方法在定位中把彩色图像得到处理转化为黑白两色的图像，反应时间快，但误检率高；针对车牌定位中，车牌位置的不确定性对车牌定位准确率的影响，提出了把车体区域定位应用于车牌定位分割系统的思路。在研究中，主要对车体区域定位，车牌定位和车牌字符分割三个部分进行了算法研究。接下来，就各部分的情况逐一介绍。此次设计是主要基于图像处理技术，研究车牌定位的基本原理，设计基于MATLAB仿真软件的车牌定位的算法。其涉及的主要内容是掌握图像处理中的灰度化、边缘提取、形态学处理、颜色判定等技术，按照图像处理的基本流程，编写程序实现给出区域裁剪、截取车牌子图像，实现所采集图片中的车牌的定位。通过仿真，使原始图像经过该算法的处理后能够清楚地显示出车牌区域，同时使图像中的非车牌区域消失或者减弱，从而能准确有效地定位出车牌在图像中的位置。此次算法的实现，采用的是由Math Works公司开发的MATLAB软件，它功能强、效率高、简单易学，是当今最优秀的科技应用软件之一，具有强大的科学计算与可视化功能和开放式扩展环境。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。对于硬件电路设计部分，可以根据软件的需要，去实现图像处理功能。通过图像输入，系统的处理后显示要达到的效果图像。三、硬件系统设计3.1、硬件系统设计在硬件系统设计过程中， 芯片用的是TMS320VC5509A，FLASH和SDRAM用到的为AM29LV800和HY57V641620FTP。等其他一些器件。硬件框图： FLASHH 电源TMS320VC5509A TMS320VC5509ASDRAMJTAG图3.1 硬件系统设计3.2、各模块功能（1）DSP芯片：为本设计的核心模块，采用TMS320VC5509A型号的DSP，在运算速度上要更快。该芯片主要完成数据的运算和处理。（2）电源模块：为DSP芯片提供电源。（3）JTAG下载调试程序接口：下载程序并实现在线编译调试。（4）Flash：存储引导程序，用于启动系统，也可以存储其它程序和数据。（5）SDRAM：同步动态随机存储，用于存储中心数据。3.3、各模块与DSP的接口设计1、电源连接电路图3.2：提供工作电压5V图3.3：电压转换电路图3.4：TMS320VC5509A-DSP注：由于市场上的都为5V电压，所以通过电压转换电路（图3），将5V电压转换为DSP芯片需要的+3.3V和+1.6V，DSP芯片56、72、139、126、24、8、49、88、98号引脚接+3.3V电压，132、68、118、87、83、78、53、41、30、29、18号引脚接+1.6V电压。2、JTAG下载调试程序接口电路图3.5：JTAG下载调试程序接口电路图3.6：TMS320VC5509A-DSP注：JTAG模块中1、3、7、9、14号引脚分别与DSP芯片中的86、82、81、85、80号引脚相连接。3、信号电平转换电路图3.7：信号电平转换模块图3.8：TMS320VC5509A-DSP电平转换模块为三态输出功能的16位总线转换芯片，主要功能为提高总线驱动能力。4、数据程序存储模块SDRAM和FLASH图3.9：SDRAM模块图3.10： Flash模块图3.11：TMS320VC5509A-DSP注意：由于芯片中的RESET和BYTE为低电平有效，需提供10K的上拉电阻接+3.3V。电平。A0-A13为并行地址总线直接与外部引脚相连接。数据存放在SDRAM(单周期动态随机存储器)，程序存放在flash模块中。5、其他部分电路模块图3.12：上拉电阻注：中断电路，I2C总线需要接上拉电阻图3.13：晶振模块注：X2/CLKIN为12M晶振连接到内部振荡器的输入引脚。XF为外部标志引脚。L1和C3起滤波的作用。该模块的主要功能是提供系统时钟。3.4系统原理图和生成的PCB板1、系统原理图图3.14：原理图2、生成的PCB板图3.15：PCB板四、在MATLAB环境下实现车牌定位的功能4.1、车牌定位系统介绍一个完整车牌定位系统应包括图像采集、图像预处理、灰度化、图像边缘检测、形态学处理、腐蚀膨胀等单元等。当车辆到达触发图像采集单元时，系统采集当前的图像。之后对图像进行处理，定位出牌照位置。车牌定位流程图如图l所示。导入彩色原始图像图像预处理灰度化处理图像边缘检测形态学处理车牌定位定位图4.l 系统流程图4.2、图像预处理车牌自动识别系统中车辆图像是通过图像采集卡将运动的车辆图像抓拍下来，并以位的格式存放在系统内存中。而实际拍摄的车辆图像效果往往不理想，如受外界光线对车牌的不均匀反射、恶劣天气的影响、摄像头聚焦或后背焦没有调整到位而形成的车辆图像不清晰、所拍摄图像中存在的噪声干扰、所安装的车牌不规范或车辆变形等等。这些都给车牌的定位增加了难度。但我们可以对车辆图像根据不同应用特点进行识别前的预处理，尽最大可能提高车牌正确定位，这些图像预处理包括图像灰度变换、倾斜校正等。车辆图像的采集一般都在高速公路收费站或城市里的电子眼，由于室外环境的不稳定性，使得车辆景象在成像过程中，受多种因素的影响，图像质量会下降，人们常常把这种图像质量下降的过程称为图像的退化。由于图像的退化，干扰了车牌信息的提取，所以为了改善退化了牌照图像的质量，必须对图像进行预处理。因此，车牌图像预处理的目的在于：通过去除图像噪声或影响车牌定位的不相关信息，提高在各种天气条件、背景环境下的原始图像的质量，使图像车牌区域的信息突出。以便寻找理想的车牌定位算法。 图像预处理分为两大类：图像滤波和图像增强。根据车辆牌照预处理突出车牌部分信息的目的，常用的牌照预处理方法主要是图像增强。本文中，采用灰度校正和高斯滤波。前者为了增强图像的质量；后者为了平滑图像直方图。（1）图像滤波滤波是对图像进行一系列区域处理，以达到去除干扰、突出图像特征信息的目的。滤波在频域范围内主要有：低通滤波、高通滤波和同态滤波f , l 。这里我们主要分析一下低通滤波。低通滤波的基本思想是保留图像的低频成分，减少图像的高频成分，它可以降低图像中的视觉噪声，同时也削弱了图像的边缘信息。使得图像中那些不明显的低频成分更容易识别。经过低通滤波后的图像，变得更模糊。低通滤波可以用卷积模板实现，常用的模板有Box 模板和Gauss 模板。低通滤波的模板运算可以通过卷积运算来实现。卷积是一个加权求和的过程。卷积是将模板中的每个元素和对应区域中的像素相乘，所有乘积之和作为区域中心像素的新值由于滤波的目的是去除图像的噪声，所以，在图像上面的变化，不是很明显，所以本文只给出滤波前后图像的直方图统计，由此说明本文采用滤波实现平滑直方图的目的。图像滤波的目的是为了减少图像中的噪声，一般情况下在窄间域内采用领域平均法来减少噪声，在频率域内由于噪声频谱多住高频段，因此采用各种形式的低通滤波方法来减少噪声。空间域是指对图像像素灰度值直接运算后取代，频率域是对图像的像素值进行变换运算后反变换取代，如傅立叶变换等。采用MATLAB工具自定义滤波函数，实现图像的平滑处理。(2)图像增强由于车牌的边框的特征必须明显，后期的车牌特征才能很好的提取。利用MATLAB工具箱中的灰度变换上具imadijut函数来实现同时配合improfiIe函数对图像进行分析，根据车牌底色和字符的像素值，将其对比度调到最大，实现图像的增强。4.3、灰度化由于牌照图像在拍摄时受各种条件的限制和干扰，图像的灰度值往往与实际景物不完全匹配，这将直接影响到图像的后续处理如果造成这种影响的原因主要是由于被摄物体的远近不同，会造成图像中央区域和边缘区域的灰度失衡；如果由于摄像头在扫描时各点的灵敏度有较大的差异产生的影响，则会出现图像灰度失真；如果是由于曝光不足而产生的影响，则会出现图像的灰度变化范围很窄。当以上几种情况影响到车牌定位时，就可以采用灰度校正的方法来处理，增强图像灰度的变化范围、丰富灰度层次，达到增强图像对比度和分辨率的目的。灰度修正通常采用直方图修正法使图像具有期望的灰度分布水平方向为像素欢度值，垂直方向为该像素值出现的数量，根据灰色图像直方图调整像素值的分布范围，确保图像亮度值均匀和平滑，同时如果直方图中存在多个峰值，则按直方图峰值计算其限定阀值，然后进行分段图像处理，由此分离出背景和噪声。由于车牌定位过程中，对运算速度有比较高的要求，一般来说定位一张含有车牌的图片控制在几到几十毫秒比较合适，为了提高时间效率在本文中需要把彩色图像转换成灰度图像进行进一步的处理。利用公式(2-1)将彩色图像转换成灰度图像： p=0.299*R+0.587*G+0.114*B (3-1)其中p代表图像中某点的灰度值，R，G，B分别代表彩色图中对应点的RGB模型中的R，G，B分量值。由于背景的复杂性和不可知性，灰度化处理并不能满足实际需要，车牌照区域在图像中不够突出，这样为了增强图像对比度，采用灰度拉伸的办法增强原图的各部分的反差。因此，图像灰度化后接下来要进行灰度增强处理。灰度拉伸变化方程为：D=AX+B (3-2)；其中D为灰度变换后灰度，X为变换前灰度，A,B为变换方程系数。为了更加突出字符区域，需要将图像二值化。二值化的目的就是要找出一个合适的阈值，将待处理的区域划分为前景和背景两个部分。本文认为车牌字符区域是本文考察的重点，因此该部分作为图像的前景区，将字符边缘区域的值设为1，其他的部分都看成是背景区，设为0。二值化后的车牌要能保证车牌区域图像的质量，尽量不丢失原字符的特征，本文采用了全局阈值二值化的方法。设原灰度图像为f (x, y)，二值化后的图像为g (x ,y)，二值化处理表示如公式(1)所示：g (x ,y)=0（f (x, y)<=T）；g (x ,y)=0（f (x, y)>T）。 (1)这里的T称为二值化阈值（Threshold），在灰度图象中纯黑色为0，纯白色为1。经过二值化处理后,前景和其他背景就由黑白两种颜色分开，选择不同的阈值会得到不同的分离结果。阈值T的大小对二值化的效果影响很大，采用迭代二值化算法。例如：图4.2：汽车图将汽车图进行灰度修正得灰度图如下图图4.2：灰度图4.4、图像边缘检测根据每个像素在某个区域内的灰度变化，利用边缘_二阶方向导数变化规律实现边缘检测。常用方法有LaPlaciai3边缘增强、Sobel梯度方向边缘增强等。本文对图像进行水平边缘检测，有效地检测出水平方向的边缘像素，然后对检测结果二值化处理，记录边缘点，然后对边缘点按照从上到下，从左到右进行扫描(定义位x和y方向扫描)，得到整个图像的跳变点分布。根据车牌的长宽比例确定车牌的区域，利用分割技术将车牌从整幅图像中分割出来。为了更加突出车牌区域，需要对图像进行边缘检测。边缘检测的基本思想是通过检测每个像元是否位于一个物体的边界上。如果每个像元位于一个物体的边界上，则其邻域像元灰度值变化比较大。3最直接的边缘检测方法就是对原始图像按像素的某小邻域构造边缘算子，经过对比本文选取用Canny算子检测图像的边缘。如下图。图4.3：边缘检测提取图4.5、形态学处理形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量，比如边界、骨架以及凸壳，还包括用于预处理或后处理的形态学过滤、细化和修剪等。图像形态学处理中我们感兴趣的主要是二值图像。在二值图像中，所有黑色像素的集合是图像完整的形态学描述，二值图像的各个分量是Z2的元素。假定二值图像A和形态学处理的结构元素B是定义在笛卡儿网格 上的集合，网格中值为1的点是集合的元素，当结构元素的原点移到点(x,y)时，记为Sxy，为简单起见，结构元素为3x3，且全都为1，在这种限制下， 决定输出结果的是逻辑运算，即二值图像的逻辑运算。逻辑运算尽管本质上很简单，但对于实现以形态学为基础额图像处理算法是一种有力的补充手段。在图像处理中用到的主要逻辑运算是：与、或和非（求补），它们可以互相组合形成其他逻辑运算。（1）去噪处理图像在边缘检测后往往干扰区域，车灯区、车身上的广告字体在边缘化后都可能成为备选区域，要准确地选择出车牌区域，就要对边缘化后的图片中的连通区域进行进行去噪处理。根据车牌本身是大小固定矩形区域的特点，对备选区域从下往上筛选，假设第一个连通区域是车牌区域，测试其长宽比例看是否在车长宽比例的范围，如果是则认为是该区域，否则寻找下一个连通区域直到找到车牌区域。接着对车牌在垂直方向进行开运算，这样既消除了车牌区域与它上方或下方干扰区域的粘连，又消除了狭长的水平线的干扰。由于车牌被磨损或者掉色，车牌区域还可能出现孤点现象，需要对孤点进行填充空洞处理，这样达到使车牌区域连通的效果，最后得到一个完整连通的车牌区域。去噪处理如下图。图4.4：去噪图（2） 膨胀和腐蚀膨胀和腐蚀这两种操作是形态学处理的基础，许多形态学算法都是以这两种运算为基础的。 膨胀是以得到B的相对与它自身原点的映像并且由z对映像进行移位为基础的。A被B膨胀是所有位移z的集合，这样， 和A至少有一个元素是重叠的。我们可以把上式改写为： 结构元素B可以看作一个卷积模板，区别在于膨胀是以集合运算为基础的，卷积是以算术运算为基础的，但两者的处理过程是相似的。1、 用结构元素B，扫描图像A的每一个像素；2、 用结构元素与其覆盖的二值图像做“与”操作【3、 如果都为0，结果图像的该像素为0。否则为1。 腐蚀对Z中的集合A和B，B对A进行腐蚀的整个过程如下： 1、 用结构元素B，扫描图像A的每一个像素；2、 用结构元素与其覆盖的二值图像做“与”操作；3、 如果都为1，结果图像的该像素为1。否则为0；腐蚀处理的结果是使原来的二值图像减小一圈。腐蚀膨胀后如下图图4.5：腐蚀膨胀图4.6、车牌提取车体区域定位。选择车体区域定位在车牌定位分割系统的应用，原因在于车体区域定位为实现车牌定位提供了两个方面帮助：1 车体区域定位能够改变图像的尺寸以及确定车牌在图像中的位置。即原始图像只剩下车体区域部分，车牌总是处于车体区域图像的下方；2 由于车体区域定位是图像尺寸的变化，所以车体区域定位处理不会影响到图像的灰度分布，不会丢失对车牌定位有用的信息。依据上述车体区域定位两方面的优点，本文从图像整体灰度变化和局部单个象素点灰度变化两个方面，研究了两种车体区域定位方法：基于局部P 氏熵方法1111 和基于灰度区域标准差方法。基于局部P 氏熵的车体区域定位算法是信息熵在图像处理中应用的表现。该算法从图像整体灰度变化性质出发，把熵值越大，系统内部越不均匀，系统平均不确定程度越大的信息熵物理意义与图像灰度直方图分布越不均匀，熵值越大的特性结合起来，通过对分块后的每一块图像进行基于整体性质的P 氏熵计算。最后，通过最大P 氏熵值的连通区域区分背景区域和目标车体区域。在，一块是目标车体所在。对其进行直方图的统计。把直方图统计图（a , c ）和P 氏熵（Pa , Pc ）进行比较，通过对两块图像直方图分布和对应的P 氏熵值的比较，可以看到，直方图分布比较分散而且灰度级个数之间跳变比较频繁的那一块图像，其P 氏熵的数值比直方图分布集中的那一块图像的P 氏熵数值大。通过直方图分布、灰度图像特性和P 氏熵数值三者的关系，可以在信息熵的物理意义和P 氏熵数值与图像的灰度级分布之间，建立起一个关系：图像灰度分布越不集中，灰度级分布跳变越大，其P 氏熵就越大，系统的信息就越丰富。反之，P 氏熵就越小，系统信息就越单一。根据图像灰度级分布同信息熵的物理意义和P 氏熵之间存在的这一关系，可以把P 氏熵方法应用到区分背景和目标车体当中。经过以上这些处理之后我们已经可以初步确定车牌的位置了，对基本定位后的车牌图像进行局部分析，以进一步确定字符范围，缩减车牌的左、右和上、下边界，确定出汽车牌照的具体位置，精确定位出的图片会因为拍摄角度产生倾斜，需要对车牌图像进行倾斜矫正，本文使用Hough 变换的方法进行倾斜矫正，提取出汽车牌照。通过这些步骤成功提取车牌的区域。提取车牌位置如下图:图4.6：处理后定位的车牌图像五、结论运行MATLAB,打开所要运行的程序，选择所要处理的图像，点击运行，即可提取出车牌所在的位置。例如：图5.1处理过程显示图像图5.2第一行第一个图为：将采集到的图像转化为灰度图。第一行第二个图为：对灰度图进行形态学处理，提取边缘。第二行第一个图为：去除较小白点。第二行第二个图为：对处理后的白点进行腐蚀膨胀。提取较大光点，确定车牌所在图像中的位置，从而提取车牌图像。处理后显示的车牌图像图5.3：处理后定位的车牌图像问题和不足：在MATLAB运行中，由于采集图像的问题，经常出现无法进行车牌定位或者提出位置不准确的现象。例如：图5.4：搜集到的汽车照片处理过程显示图像