车牌识别系统的设计说明

车牌识别系统的设计

一、摘要:

随着图形图像技术的发展，车牌识别技术的准确率越来越高，识别速度越来越快。无论哪种车牌识别系统，都是由触发器、图像采集、图像识别模块、辅助光源和通信模块组成。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达适当位置时给出触发信号并控制抓拍。辅助光源提供辅助照明，保证系统在不同光照条件下都能拍摄出高质量的图像。图像预处理程序处理捕获的图像，去除噪声，并调整参数。然后通过车牌定位、字符识别，最后输出识别结果。

二、设计的目的和意义:

设计目的:

1.让学生巩固理论课所学知识，理论联系实际。

2.锻炼学生的实践能力，激发学生的研究潜力，提高学生的合作精神。

设计意义:

车牌定位系统的目的是正确获取整个图像中的车牌区域，识别车牌号码。通过设计和实现车牌识别系统，可以提高学生分析问题和解决问题的能力，也可以培养他们的科研能力。

三、设计原则:

自动车牌识别是一种利用车辆的动态视频或静态图像自动识别车牌和车牌颜色的模

式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、车

牌识别处理器等。其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算

法等。有些车牌识别系统还具有通过视频图像判断车辆驶入视野的功能，称为视频车辆

检测。一个完整的车牌识别系统应该包括车辆检测、图像采集和车牌识别。当车辆检测

部分检测到车辆的到达时，它触发图像获取单元获取当前视频图像。车牌识别单元对图

像进行处理，定位车牌的位置，然后分割车牌中的字符进行识别，然后形成车牌输出。四、详细的设计步骤:

1.提出总体设计方案:

车牌，颜色识别

为了识别牌照，需要执行以下基本步骤:

A.车牌定位，定位图片中的车牌位置；

B.车牌字符分割，将车牌中的字符分离出来；

C.车牌字符识别，对分割出来的字符进行识别，最终形成车牌。

在车牌识别过程中，车牌颜色的识别是基于不同的算法，可能在上述不同的步骤中实现，通常与车牌识别配合验证。

(1)车牌定位:

在自然环境中，汽车图像背景复杂，光照不均匀。如何准确地确定自然背景中的车

牌区域是整个识别过程的关键。首先对采集的视频图像进行大范围相关搜索，找到一些

符合汽车牌照特征的区域作为候选区域。然后，对这些候选区域进行进一步的分析和判断。最后选择最佳区域作为车牌区域，从图像中分割出来。

流程图:

(2)车牌字符分割:

车牌区域定位完成后，将车牌区域分割成单个字符，然后进行识别。字符分割一般

采用垂直投影法。由于字符的垂直投影，字符之间或字符之间不可避免地要靠近局部最

小值，这个位置要满足车牌的字符书写格式、字符、大小限制等一些条件。垂直投影法

对复杂环境下的汽车图像中的字符分割有很好的效果。

(3)车牌字符识别:

目前，字符识别方法主要有模板匹配算法和人工神经网络算法。基于模板匹配算法，首先对分割后的字符进行二值化，并将其大小缩放到字符数据库中模板的大小。然后，

将它们与所有模板进行匹配，最后选择最佳匹配作为结果。基于人工神经网络的算法有

两种:一种是提取待识别字符的特征，然后用获得的特征训练神经网络分配器；另一种

方法是将待处理的图像直接输入网络，网络会自动提取特征，直到识别出结果。在实践中，车牌识别系统的识别率与车牌质量和拍摄质量密切相关。车牌质量会受到各种因素

的影响，如生锈、污损、掉漆、字体褪色、遮挡车牌、倾斜车牌、光亮反光、多车牌、

假车牌等。实际拍摄过程也会受到环境亮度、拍摄亮度、车速等因素的影响。这些因素

都不同程度地降低了车牌识别的识别率，这是车牌识别系统的难点和挑战。为了提高识

别率，除了不断改进识别算法，还应该尽量克服各种光照条件，使采集到的图像最有利

于识别。

2.每个模块的实现:

2.1输入待处理的原始图像:

清晰；

全部关闭；

%Step1获取图像，将其加载到要处理的彩色图像中，并显示原始图像。

scolor = im read(' 3 . jpg ')；%imread函数读取图像文件。

图2.1原始图像

2.2图像的灰度:

彩色图像包含了大量的颜色信息，不仅在存储上耗费了大量的资源，而且在处理上

降低了系统的执行速度。因此，通常将彩色图像转换成灰度图像以加快处理速度。将颜

色转换为灰度的过程称为灰度处理。选择标准是经过灰度变换后，像素的动态周长增加，图像的对比度扩大，使图像更清晰、更细腻、更容易识别。

%将彩色图像转换为黑白图像并显示。

SG ray = RGB 2 gray(Scolor)；%rgb2gray被转换为灰度图像

图，imshow(Sgray)，标题('黑白原图')；

图2.2原始黑白图像

2.3打开原图得到背景图:

s=strel('disk '，13)；%strei函数

Bgray=imopen(Sgray，s)；%打开sgray的图像

图，im show(Bgray)；标题(“背景图像”)；%输出背景图像

图2.3背景图像

2.4从背景图像中减去原始图像以增强图像:

Egray=imsubtract(Sgray，Bgray)；%减去两张图。

图，imshow(Egray)；标题('增强黑白图像')；%输出黑白图像

图2.4黑白图像

2.5获得最佳阈值并对图像进行二值化:

二值图像是指整个图像只有黑白二值。在实际的车牌处理系统中，图像二值化的关键是确定合适的阈值，使字符从背景中分离出来。二进制变换结果图像必须具有良好的形状保持性，不丢失有用的形状信息，不产生额外的空位等等。车牌识别系统要求处理速度快、成本低、信息量大。利用二值图像进行处理可以大大提高处理效率。阈值处理的操作过程是一个阈值由用户指定或由算法生成。如果图像中像素的灰度值小于阈值，则将该像素的灰度值设置为0或255，否则，将该像素的灰度值设置为255或0。fmax 1 = double(max(max(Egray)))；%egray的最大值并输出双精度。

fmin 1 = double(min(min(Egray)))；%egray和输出双精度的最小值。

level =(fmax 1-(fmax 1-fmin 1)/3)/255；%获得最佳阈值。