基于垂直投影法的车牌字符分割算法设计
车牌识别系统中的字符分割技术研究
【方法】车牌自动识别系统中字符分割方法研究
【关键字】方法1 绪论1.1问题的提出和研究背景车辆牌自动识别(Automated License Plate Recognition,ALPR)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，自动识别汽牌照号，并进行相关智能化数据库管理。
ALPR 系统可以广泛应用于高速公路电子收费站、出入控制、公路流量监控、失窃车辆查询、停车场车辆管理、公路稽查入监测黑牌机动车、监控违章车辆的电子警察等需要牌照认证的重要场合。
尤其在高速公路收费系统中，实现不停车收费技术可提高公路系统的运行效率。
人们一般将车牌识别系统划分为三大部分[1],首先将车牌从经过预处理的图像中定位出来,然后对车牌中的字符进行准确的切分,最后对分割好的字符进行识别"如何从复杂图像中将待识别的信息进行准确有效的定位与分割就是自动识别的关键1.2 ALPR系统简介车辆牌自动识别系统，总体来说是图像处理技术与牌照本身特点的有机结合，也包括小波分析、神经网络、数学形态学、模糊理论等数学知识的有效运用。
一个车牌自动识别系统基本包括:图像预处理、牌照定位、牌照校正、牌照字符分割、字符识别及结果输出等。
图1-1为系统的流程框图：图1-1 车辆牌照自动识别流程1.3 ALPR关键技术：1.图像采集：用一个摄像机摄取车辆前视图或后视图。
2.图像处理：对采集到的图像进行增强，恢复，变换。
目的是突出车牌的特征，以便更好的提取车牌。
3.车牌定位：在采样的图像中找到车牌的位置。
4.车牌字符分割：对获得的车牌分离出单个字符（包括汉字、字母和数字等）5.字符识别：对分割得到的字符进行归一化处理，转化为文本存入到数据库或直接显示出来。
由此可见，车牌识别系统在硬件上一般包含一台PC机，摄像头，图像采集设备，相应的图像处理软件，以及汽车到来的检测装置。
1.4国内外研究现状和发展趋势牌照识别技术自1988年以来，人们就对它进行了广泛的研究，目前国内外己经有众多的算法，一些实用的ALPR技术也开始用于车流监控、出入控制、电子收费、移动稽查等场合。
基于字符垂直边界的车牌定位方法
高度的范围内,或k不在允许的范围(倾斜角不大于
20度)内,均可确定此可行车牌区并不是真实的车
牌区。从而进一步排除了非真实车牌区,精确地定位
了车牌。
第四步:处理没有扫描到的汉字的垂直边界点
(有些汉字如京、吉、青等不一定会产生垂直边界
点),即在确定的真实车牌区的最左边边界L向左
characteristics of characters.It can effectively locate number-plate,the correct rate is 98%,the
time is 2 seconds,and it can effectively avoid the influences of the light and weather condition in
定可行链码,同时将非可行链码视为非实际车牌区。
可行链码为符合实际车牌结构要求的链码,非可行
链码则为不符合实际车牌结构要求的链码,如链码
ACCBCCACACAAABBA中的CC码在实际车牌
中不可能存在。
1.4 可行车牌区高度和倾斜度检测
在确定的可行车牌区上进一步确定车牌区的顶
边、底边和倾斜角。笔者给出的算法不仅可以有效地
将第N扫描行符合A、B、C三类的连续线段(假定
车牌区每一个字符均至少有一个垂直边界点)确定
为可行车牌区线段;
第三步:对于已确定的可行车牌区线段,确定其
最左边和最右边的边界为L和R;
第四步:对下一扫描行进行第2、3步操作,直至
完成整个图像的可行车牌区线段检测。
1.3 可行车牌区判别
车牌字符分割算法研究
1 绪论1.1 背景介绍为了实现车牌字符识别，通常要经过车牌位置检测、车牌字符分割和字符识别三个关键步骤。
车牌位置检测是根据车牌字符目标区域的特点，寻找出最符合车牌特征的区域。
车牌字符分割就是在车牌图像中找出所有字符的上下左右边界，进而分割出每个车牌字符。
在实际应用中，车牌字符分割的效果对车牌字符识别正确率会产生很大的影响，由于车牌图像亮度不均、尺度变化、透视失真、字符不完整等因素，使图像质量存在较大差异，进而影响图像分割的效果，因此车牌字符分割这一技术仍然具有很大的研究意义。
在实际的监控场景中，车牌图像的透视失真通常是由于拍摄视角的变化或车辆位置的移动，相机光轴偏离车牌平面的法线方向造成的。
由于车牌图像在整幅图像中占有较小的比例，所以车牌图像几何校正主要工作是校正车牌图像的旋转和剪切失真。
旋转投影法和直线拟合法是两种主要的偏斜校正方法。
旋转投影法是为了获取垂直倾斜角，即将车牌图像穷举逐个角度进行剪切变换，然后统计垂直投影数值为0的点数，得到最大值对应的角度。
这种方法受背景区域的干扰比较大。
另一种方法是直线拟合车牌字符的左边界点从而获得垂直倾斜角，该方法为直线拟合法。
该方法并没有逐个角度对车牌图像进行剪切变换，从左边界点拟合出的直线通常不能真正用来代表车牌的垂直倾斜方向，检测出的角度存在较大误差，且字符左侧噪声对角度检测干扰太大，鲁棒性较差。
因此找到一种更准确和迅速的车牌垂直倾斜矫正方法是十分重要的。
通过得到最小的字符投影点坐标方差，得到另一种车牌垂直矫正方法。
首先将车牌字符图像进行水平校正，根据字符的区域的上下边界，将车牌字符进行粗分割。
然后将剪切变换后的字符点进行垂直偷用。
当得到投影点最想左边方差时，便能导出两类剪切角闭合表达是，最后便是确定垂直投影的倾斜角并对此进行校正。
投影法是目前最常用的车牌分割算法之一，其算法简单并且计算复杂度低。
该方法的核心思想是将车牌图像进行水平投影和垂直投影，利用峰谷特征来定位车牌字符的上下左右边界。
模板匹配法和垂直投影法相结合的一种新的车牌字符分割方法
应用技术12 * 广州市留学人员科技创业资助计划(2006V11I0831)资助。
模板匹配法和垂直投影法相结合的 一种新的车牌字符分割方法*潘中杰 谭洪舟（中山大学电子与通信工程系）摘要：在深入研究了大部分常用的车牌字符分割算法的前提下，根据车牌区域图像的特征，文章提出了一种综合了模板匹配法和垂直投影分割法的车牌字符分割算法（模板匹配－垂直投影分割法），该算法经过大量实验证明了其在准确率方面的优越性。
关键词：字符分割；模板匹配；垂直投影1概述字符分割的目标是把经过车牌定位步骤提取出来的车牌图像中的每个字符从整个图像中切割出来成为单个字符。
车牌字符的正确分割是影响字符识别准确率的关键步骤，字符分割正确与否，将直接影响到车牌识别的准确率。
字符分割的难点主要是如何判断车牌字符图像的粘连、断裂情况，并正确地分割粘连字符及合并断裂字符。
2车牌的字符特点要进行字符分割，首先要了解车牌的字符特点。
根据对车牌的分析得知，一般牌照字符共有7个，并且长、宽、高都符合一定的标准。
例如字符区域的总长为409mm ，每个字符宽45mm ，高90mm ，第2和第3个字符间距为34mm ，其余字符间距为12mm [1,3]。
3字符垂直分割的常见方法字符垂直分割的常见方法有模板匹配法[2,4]、垂直投影分割法[3,5]及基于连通域思想的垂直切分方法[5]，下面将分别介绍这三种方法的基本思想并分析其优缺点。
（1）模板匹配法：在精确定位车牌字符的上下边界后，以图1为模板，从左往右扫描车牌图像，寻求落在字符区域与字符间空隙区域白色像素的最大差值，此时则可将字符分割出来。
模板匹配法能很好地解决图像二值化后字符粘连及铆钉等的干扰。
若车牌内汉字为左右结构，也不会将该汉字错分为两个字符，但是待处理的车牌图像尺寸必须很规范，车牌稍微的变形即可导致字符分割错误。
图1 车牌模板（H 为车牌字符高度）（2）垂直投影分割法：对二值化后的车牌的白色像素个数进行垂直方向上的统计，由于字符区域白色像素丰富，而字符间空隙区域白色像素较少，通过检测字符与字符之间白像素个数的波谷确定字符的左右边界。
车牌的字符分割和字符识别的研究与实现
ｎｕ ｍｂｅ ｆｐ ｃｕ ｅ ｒ ｍ ｈｏ ｅ ｔ ｅ ｒ ｃ ｎ ｚ ｄ ｗ ｔ ｈ ｅ ｔ ｒ ｅ ｔ ｒｏ ｏ ｒ ｓ ｏ ｉ ｅ ｐａｅ ｂ ｒｏ ｉｔ ｒ ｓｆｏ ｔ ｓ ｏ ｂ ｅ ｏｇ ｉｅ ｈ ｔ ｅ ｆａｕ ｅ ｖ ｃｏ ｆｔ ｃ ｒｅｐ ｎｄｎｇ ｔｍ ｌｔ ｙ ｉ ｈｅ
Hale Waihona Puke ｖ ｒｃｌ ｒ ｅｔ ｎｏ ｅｗｈｔ ｐ ｅ ｉａ ｇｓ Ｔ ｅ ｅｏｎｔ ｎｏ ｍ ｅ ｏ ｅ ｙｕｉｇｔｅ ｅ ｉ ｏ ｃｏ ｆｈ ｉ ｉ ｌｉ ｂｎｒ ｉ ｅ． ｈ ｃ ｇ ｉｏ ｆ ｕ ｂ ｒ ｉｄ ｎ ｓ ｔａｐ ｊ ｉ ｔ ｅ ｘ ｓｎ ｙ ｍａ ｒ ｉ ｎ ｓｓ ｂ ｎ ｈ
ｖ ｃｏｒｗ ｈ ｃ ｍ ｅ ｃａｓ ｄ ａ ｈｅ ｉｈｅｔ ｓ ｉ ｒｔ ｅ ｐａｅ Ｅｘ ｒｍ ｅ ｓ ｈ ｗ ｈａ ｔ ｅｅ ｅ ｔ ｉｈ ｗ ｂ ｌｓｅ ｓ ｔ ｈ ｇ ｓ ｉ ｌｉ ｙ ｔｍ ｌｔ ． ｍ ａ ｐｅｉ ｎｔ ｓ ｏ ｔ ｔ ｈ ｓ ｍ ｅｈｏ ｓ ｔ ｄ ｒｓ ｌ ｎ ｈ ｅ ｅ ｒ ｅ ｏ ｅ ｏ ｎ ｔ ｎ ａ ｄ ｂ ｔｅ ｆｅ ｔ ｅ ｕｔｉ ｉ ｒｄ ｇ ｅ ｆｒ ｃ ｇ ｉｉ ｏ ｎ ｅ ｔｒｅ ｃ ．
一
项 重要研 究课题 ， 是实 现交通 管理智 能化 的重要 环节 。它是 以数 字 图像 处理 、 式识 别 、 算 机 视觉 等技 模 计
术 为基础 的智能识 别系统 。它利 用每一 辆汽 车都有 唯一 的车牌号 码 ， 过摄像 机所拍 摄 的车辆 图像 ， 通 在不 影
响汽车状态的情况下 ， 计算机 自动完成车牌的识别 ， 从而可降低交通管理工作的复杂度。 由于车 牌识别 涉及到很 多复 杂因素 ， 现有理 论和 方法还存 在识别 速度 慢 、 度低 、 干扰性 能差 等问题 ， 精 抗 因此 有必要 进一步研 究 。本 文提 出 了一种 基 于模 板 匹配 的车牌 识别 方 法 ¨ ， Ｊ 能有效 地 完成 不 同解析 度 和不
结合垂直投影法与固定边界分割的车牌字符分割算法（附源码和详细解析）
结合垂直投影法与固定边界分割的车牌字符分割算法（附源码和详细解析）上⼀篇博⽂简单有效的车牌定位算法（附源码和详细解析），详细介绍了数学形态学处理车牌粗定位与蓝⾊像素统计、⾏列扫描的车牌精确定位算法。
没有看的朋友可以先看上⼀篇博⽂。
这次，在牌照字符的分割上，我结合了⽬前使⽤最多的投影法和车牌固定边界的多阈值分割算法。
它的⼤致实现过程如下：第⼀步先对上⼀节粗定位完牌照的只有⿊⽩两⾊的图像bg2实施伪彩⾊标记。
第⼆步获取标记区域各连通块的尺⼨参数，⽤作下⼀步遍历的索引。
第三步投影得直⽅图，取⼀个分割阈值，划分出背景和字符的范围，也就是在直⽅图histrow(histcol)中区分⾕底点和上升点。
第四步分析峰⾕，得到例如最⼤峰中⼼距等参数。
最后⼀步，根据上⼀步求得的参数分割字符。
具体分割流程图如下图：图5-1 字符分割流程图⼀、车牌区域彩⾊标记与特征提取 对粗定位车牌后的⼆值图像作连通区域4邻域的伪彩⾊标记的⽬的是为了⽅便计算出车牌区域的⾯积、宽⾼度以及车牌框架的⼤⼩、区域开始和结束的⾏列位置等区域特征参数，是为后续的车牌投影分析操作作预准备。
在这⼀步骤中，⾸先以4领域⼤⼩为模块对⼆值图像作区域标记，给每块连通区域块标记上序数，获取图像中连通区域的块数和图像矩阵L，初步计算出各连通区域的框架⼤⼩，然后再根据车牌的先验知识设置亮度⾼度的合理阈值筛选出真正车牌区域的连通域，记录下该连通域的序数，最后对车牌区域块作区域特征提取，获取车牌的框架⼤⼩、宽⾼度、宽⾼⽐例以及开始位置点的⾏、列数等参数。
在MATLAB中对车牌号码为粤A6ZC93和粤AC609Z两车辆的车牌粗定位⼆值图像作伪彩⾊标记效果如下图：（a）粤A6ZC93 (b)粤AC609Z图5-2 区域标记与特征参数提取⼆、车牌预处理(1) 基于Radon变换的倾斜校正 从车体侧⾯拍摄的车辆图像中提取出来的牌照会出现⾓度的倾斜，为了后续操作的⽅便，需要进⾏⾓度的校正。
车牌字符分割
图像处理包括图像二值化、车牌定位、字符分隔、字符识别。
每一步都关系系统成功与否以及好坏。
如果图片二值化不好就不方便车牌定位，如果定位的车牌图片不准确就谈不上字符的切割，字符图片切割不好就难以识别。
这些应该很好理解，可见成员之间需要很好的默契。
而我负责了图像处理中的字符分隔模块，起初我不知道位图形式以及如何读取位图，可见我获取信息的主动性和能力并不好。
非常感谢其他组员提供了读取位图像素数据的相关方法，才能使我能放心去思考切割的算法，而不必去担心如何获取数据的问题。
我使用了一种字符像素横向和纵向扫描的算法，得到字符在横向和纵向的像素分布波形，通常是缓慢的连续变化，车牌越模糊，变化越缓慢。
自然，波峰是字符区，波谷是字符间的空隙区。
它们的分界点并不明显，必然需要找到介于波峰与波谷之间的一个阀值，将波形变成01直方波形。
那么阀值自然是个关键，如果定得不准，就可能切不出所有字符，这是我之前遇到的问题，那时我固定了阀值，使它介于平均波峰值和平均波谷值之间的某个固定点，但这通常只能切割出模糊图片的部分字符，因为有些波峰和波谷并没有被切分开来。
于是我采用了另一种策略，即使用动态扫描，从最小的波谷扫到最大的波峰，并不断计算切得的波峰数量（实际就是字符数量）。
然后判断这个切割数是否符合实际车牌上的字符数量，如果符合，可以停止扫描，切割位置可以明确定在波峰和波谷的变化点上。
当然，我进行了各种优化，比如更多判断来排除各种车牌边框等干扰。
在DOS窗口上经过反复的数据显示测试，终于得到了非常不错的字————————————————————————————————————————————(1)利用字符像素XY方向扫描；(2)分析波形；(3)动态指定阀值；(4)获得01分布；(5)判断波形变化次数；(6)去干扰；(7)获得切割位置；时间有限，有不完善之处可以去本人博客提问：/flashforyou#pragma once#include <cstring>#include <cmath> //数学函数库#include <cstdio>#include <cstdlib>#include <cmalloc>#include "stdafx.h"#include <complex>#define WIDTHBYTES(bits) (((bits)+31)/32*4)/////////////////////////////////////typedef unsigned char BYTE;typedef unsigned short WORD;typedef unsigned long DWORD;typedef long LONG;///////////////////////////////////////***位图文件头信息结构定义//其中不包含文件类型信息（由于结构体的内存结构决定，要是加了的话将不能正确读取文件信息）typedef struct tagBITMAPFILEHEADER {DWORD bfSize; //文件大小WORD bfReserved1; //保留字，不考虑WORD bfReserved2; //保留字，同上DWORD bfOffBits; //实际位图数据的偏移字节数，即前三个部分长度之和} BITMAPFILEHEADER;///////////////////////////////////////***信息头BITMAPINFOHEADER结构，其定义如下：typedef struct tagBITMAPINFOHEADER{//public:DWORD biSize; //指定此结构体的长度，为40LONG biWidth; //位图宽LONG biHeight; //位图高WORD biPlanes; //平面数，为1WORD biBitCount; //采用颜色位数，可以是1，2，4，8，16，24，新的可以是32 DWORD biCompression; //压缩方式，可以是0，1，2，其中0表示不压缩DWORD biSizeImage; //实际位图数据占用的字节数LONG biXPelsPerMeter; //X方向分辨率LONG biYPelsPerMeter; //Y方向分辨率DWORD biClrUsed; //使用的颜色数，如果为0，则表示默认值(2^颜色位数)DWORD biClrImportant; //重要颜色数，如果为0，则表示所有颜色都是重要的} BITMAPINFOHEADER;/////////////////////////////////////////***调色板Palette，当然，这里是对那些需要调色板的位图文件而言的。
基于投影和固有特征结合的车牌字符分割方法
收稿日期:2008-09-03基金项目:国家自然科学基金(40627001)作者简介:陈 涛(1984-),男,硕士研究生,研究方向为图像处理与模式识别;杨晨晖,教授,硕士生导师,研究方向为图像处理、模式识别、计算机视觉。
基于投影和固有特征结合的车牌字符分割方法陈 涛,杨晨晖,青 波(厦门大学信息科学与技术学院,福建厦门361005)摘 要:根据车牌字符的固有特征,提出一种新的基于投影的车牌字符分割方法。
该方法首先对车牌图像进行预处理,检测车牌倾斜角度,如果倾斜角大于指定角度则进行车牌倾斜校正,然后利用车牌的水平方向投影去除车牌的上下边框以及铆钉,对处理得到的图像进行二值化。
再根据车牌字符的排列规则和字符间距的关系,利用车牌的垂直投影定位字符,先分割出第二个和第三个字符,从第三个字符开始分割出后五个字符,再利用已分割字符的知识来分割前两个字符,然后对分割出来的候选字符块进行处理,有效解决字符粘连和断裂的情况,最终实现车牌字符的准确分割。
实验结果证明,该方法有较好的分割效果。
关键词:字符分割;投影;二值化;车牌倾斜校正中图分类号:TP301.6 文献标识码:A 文章编号:1673-629X (2009)05-0045-03Characters Segmentation of License Plate B ased on Combination ofProjection and Intrinsic CharacteristicsCHEN Tao ,YAN G Chen 2hui ,Q IN G Bo(Information Science and Technology School ,Xiamen University ,Xiamen 361005,China )Abstract :According to the intrinsic characteristics of license plate ,a new approach for characters segmentation of license plate based on projection is proposed.Firstly ,some preprocesses are processed toward the license plate images -detect the incline angle of license plate and rectify the slanted and distorted plate if the incline angle is bigger than the designated angle ,then the horizontal boundaries are re 2moved by using horizontal projection of license plate.After these processes ,image binarization is processed to the image.Then the char 2acters are located by using vertical projection of license plate ,according to the ranging rulers and intercharacter distance of license plate characters.The second and third character are first segmented ,then the last five characters from the third character are also segmented.With the knowledge of single character which has been segmented ,the first two characters are segmented.Then all the possible charac 2ters are processed specially ,segmenting the conglutinant characters and combining the cracked characters if existing.As a result ,all the characters are segmented accurately.The experimental result shows that this approach has a good effect of segmentation.K ey w ords :characters segmentation of license plate ;projection ;binarization ;rectif ying the slanted and distorted license plate0 引 言车牌识别系统是智能交通系统中一个非常重要的部分,在现代交通中有较好的应用前景和研究价值。
基于投影二分法的车牌字符分割方法
基于投影二分法的车牌字符分割方法。
洗允廷路小波施教钟琨
（东南大学南京２１００９６）
摘薹在车牌字符分割中，传统的投影法对车牌图像质量的要求较高，受噪声影响较大，易 造成分割字符的粘连与断裂．在一定程度上影响了车牌的识别率。针对传统投影法的不足，文章提 出了一种基于投影二分｛去的字符分剖算法，该方法能快速有效地把车牌字符准确地提取出来．实 验结果表明，该方法抗干扰能力强．能有效地抑制字符的粘连，减少字符的断裂．车牌识别准确事高．
车牌颜色有黄底黑字、黑底白宇、白底黑字、 蓝底白字等４种。当车牌为黄底黑宇或自底黑宇 时，二值化后的车牌图像为白底黑宇Ｉ当车牌为蓝 底自字或黑底白宇时，二值化后的车牌图像为黑 底白宇。为了便于统一处理，将车牌图像统一变换 为黑底白宇。对黑白像素进行统计，由于背景的像 素多于字体的像素，所以像素数量大的设置为 “ｏ”，即黑色Ｉ像素数量少的设置为“ｌ”。即白色，其 过程如图１所示．
５）按重新排列子图像。经过４）的分割，上一
步的Ｌ，已经变成了２个子图像，要把这２个子图 像按顺序插到字符子图像集合中，将原来的ｋ，在
字符子图像集合中取消；跳回１）作新一轮的循环。 为了更清楚说明本算法，给出每一次循环的
结果如图５所示。图５（ａ）是已经定位的原始图像，
万方数据
基于投影二分法的车牌字符分割方法——冼克廷路小波施裁，等
匿９第４组实验结果图 ７为了迸一步说明本方法有效性，通过对收费 站现场采集的３００幅车牌图像进行垂直投影法与 投影二分法测试，实验结果如表１所列。
裹ｌ实验结果裹
５结论
针对垂直投影法存在的不足，笔者提出了一 种基于投影二分法的车牌字符分割方法。该方法 通过多次寻找分割点来解决车牌分割过程中存在 的粘连和断裂现象，通过大量的实验表明，该方法 明显优于传统垂直投影方法，分剖率达到９７．７％， 完全能应用到实际的车牌识别系统中。
车辆图像中的车牌定位与字符分割方法
图 $+
基于灰度方差的二值化
)*!+ $+ ,-.#/%012. %0-*034. 506.7 5*30-*809*:3
$ ! %+
连通域分析提取候选区域 通过在二值图像上搜索连通域， 并根据连通域的
形状特征和近邻连接强度筛选、 合并连通域来提取所 有可能包含车牌的候选区域。 先使用四方向搜索的递归算法获取二值图像上 的所有连通域。 再根据形状特征对连通域进行筛选， 将宽度、 高度、 宽高比、 连通域和外接矩形面积比不符 合车牌或文字特征的连通域剔除。 对于符合条件的连 通域， 将宽度较大、 宽高比较高的判断为 “ 车牌连通 域” ， 表示可能包含车牌或车牌的大部分； 将宽度较 小， 宽高比较低的判断为 “ 字符连通域” ， 表示可能是 （ 5）所示。 车牌的一个或两个字符， 如图 %
!"#$%&$’()*+$ ),#*+",% *%- #.*/*#+$/ &$01$%+*+",% "% #,1()$2 3$."#)$ "1*0$&’
CD4* E6,@F0,5，G+*H I6/’@J6,5
（ G0F/.KL0,K ’- 4(0MK.’,6M 4,56,00.6,5，;36,5NO/ P,6Q0.36KR，S06T6,5 "$$$:% ，CN6,/）
首先采用定位速度快漏检率低的基于水平灰度变化特征的方对输入图像进行二值化将车牌与背景分离再通过连通域分析提取若干车牌候选区域然后利用边缘和颜色特征定位准确的特点对候选区域进行边缘检测和颜色分析精确定位车牌边界最后分析每个候选区域的形状和颜色分布特征在保留车牌区域的基础上尽可能地剔除伪车牌区
基于HSI空间的车牌字符分割
如果 ２ Ｏ ＜ ５ｌ ＞ １ ＆受 ２ ２ （ １ ０ ・ ５ ｌ ０
返 回 白色 ： 如 果 １ ＯｓＨ ＜２ ０＆ ＆Ｓ＞０ １ ９ ４ ．
Ｑ Ｄ
返回蓝色 ： ． （ ） 通 车 牌一 共 有 ７个 字 符 。第 一个 字 符 为 汉 字 。 二个 １普 第 如果 ２ ５ ＜５ ＆ ＆Ｓ ＞０ ３ ５ ．５ 字 符 为 字母 ， 三 和 第 四 个 字 符 为 字母 或 者 数 字 。 三 个 字 符 为 第 后 返回黄色 ： 数 字 小 型 车辆 的后 车 牌 的 样 式 为 单层 车牌 。 车牌 的标 准 规 格 其 返 回其 他 颜 色 ： 尺 寸 为 ４ ０ ｍ＊４ ｍ 所 有 的 字符 外 接 矩 形 大 小 相 等 ， 二 个 ４ ｍ １ ０ ｍ。 第 对 车牌 类 型 判 断 为 ：定 义 一 个 变 量 ｎ＇￣ 用 于 记 录颜 色 的 ＇ｔ ｌ ｙ 和 第 三 个 字 符 之 问 问隔 最 大 ． 且 有一 个 问 隔 点 ． 他 字 符 问 隔 类 型 ． 义 一 个 数 组 ｃｌ Ｔ ｐ 于 记 录 每 个 颜 色 类 型 的 像 素 点 并 其 定 ｏ ｒｙｅ用 ｏ 相 等 。 型 车辆 的后 车 牌 样 式 为 双 层 车牌 ． 车牌 的标 准规 格 尺 数量 ； 各 颜 色类 型 的像 素 数 量 进 行统 计 。 大 到小 进 行 排 列 ； 大 其 对 由 寸 为 ４ ０ ｍ＇２ 咖 。 层 字 符 的 大 小 分 别 相 等 ， 层 两 个 字 符 根 据排 列 前 两 位 的 颜 色 确定 车 牌 类 型 。 ４ ｍ ２０ 每 上 偏小 。 正方形 。 为 ４车 牌 字 符 分 割 ． （ ） 牌颜 色包 括车 牌 字 符 颜 色 和 车牌 底 色 。 ２车 车牌 颜 色 种类 车 牌 字 符 分 割 是 指 将 车 牌 区域 分 割 成 各 个 单 个 的 字 符 区 少 ， 配 固定 。所 有 种 类 的 车 牌共 有蓝 色 。 色 ， 色 。 色 以及 域 。 如果 某 一 列 都 是 背 景 点 ， 样 的 列 我 们 定 义 为 空 格 线 。 搭 黄 黑 白 这 由相 红 色 五 种颜 色 。 牌 字 符 区域 的 颜 色 对 比度 很 强 。 车 一般 有黑 底 白 邻 的空 格 线 组 成 的区 域 称 为空 格 区 ．非 空格 区域 即有 投 影 值 的 字。 黄底 黑 字 。 底 白字 。 底 红 字等 。 蓝 白 （ ） 进 行 车牌 图像 采 集 时 。 ３在 车牌 区域 的 大小 可 能 随 着 摄像 机 采 集 的 角 度 的 不 同 而有 所 变 化 ．但 在 交 通 系统 的正 常采 集 情 况下 ． 摄像 机与 车 牌 基 本 垂 直 ． 牌 区域 的长 。 ， 比 例是 固定 车 宽 高 的， 字符区域的长宽 比。 符问的间距和每个 字符 的长宽比也是 字 图 １二 值 车 牌 投影 基 本 固定 的 。这 些 可 作为 字 符 分割 的一 个 先 验 知 识 。 分 析 投 影结 果 ． 图像 中存 在 相 互 问 隔 的 投 影 区 和 空 格 区 两 个 序 ３基 于 颜 色 空 间判 断车 牌 类 型 ． 记录空格区的左右边界位置 ， 为向量 Ｐ ＾ ． 其中 设 ｏ ｐ ｐ ， 般 的方 法 是 用 牌 照 颜 色 中 的 ＲＧ Ｂ分 量 的 相对 差 值 来 判 列 ， ，。 Ｐ 。为 空 格 区左 边 界 ，矗为 空 格 区 右 边 界 ，空 格 区 数 量 为 ｍ２ Ａ Ｐ ／。 断 牌 照 的颜 色 ， 而 在 实 际 环 境 中 。 于光 线 的 变 化 （ 暗 或 太 然 由 太 每 个 投 影 区 不都 是 字 符 。 投影 区包 括 字 符 区 域 和 非字 符 区域 。 这 亮 ） 导致 了牌 照 Ｒ Ｂ值 变 化 。 很 多 情 况 下会 形成 误 判 。 而 Ｇ 在 一是 由 于车 牌 左 右 边 界 不 能 精 确 到字 符 。 而 因 ＨＩ 型 用 色 度 （ ｅ 。 和 度 （ａｕａ ｏ ） 亮 度 （ ｔ ｓｙ 里 存 在 两个 情况 ： ｓ模 Ｈｕ ） 饱 Ｓｔ ｔｎ ， ｒｉ Ｉｅ ｉ） ｎｎｔ 或 产 二 来 描 述 颜 色 。 度描 述 出 色 的 属性 。 和度 给 出一 种 纯 色 被 白光 包 含 部 分 车 身 区域 。 者 车 牌 污 损 ， 生 非 字 符 的投 影 区 ； 是 色 饱 车牌污损或车牌褪色 的影 响 ． 可能造成车牌字符 稀 释 的 程 度 的 度量 。 度 为 图 像 的 灰度 值 信 息 。 三 个 分 量 是 独 由于光照条件、 亮 这 即多 个 字 符 只 产 生一 个投 影 区 。 立 的。 因此 该 模 型可 以在 消 除 亮 度 影 响 的情 况下 提 取 彩 色 信 息 。 连 结 。 分 割 车 牌 的 步骤 如下 ： 从 Ｒ Ｂ模型到 ＨＩ Ｇ Ｓ模型的转 换公式 如下 ： １ 图像 预 处 理 。 车 牌 图 像 进 行 灰 度化 。 值 化 。 数 学 形 ） 对 二 用 Ｈ ∈［， ） ０２ 态 学Ｄ 行 图像 优 化 等 一 系 列预 处 理 ：
基于投影特征和先验知识的车牌字符分割算法
错误， 针对这些问题提出了一种基于投影特征和先验知识的车牌字符分割算法 。该方法先利用水平投影进行水平 初分割， 再利用垂直投影特征结合先验知识进行垂直分割， 最后采用局部投影法实现水平精分割 。 实验表明该方 法可较好的解决以上问题， 分割准确率高且速度快， 具有较强的实用性。 ［ 关键词］ 字符分割； 投影特征； 先验知识
f（ x， y） ∑ x =1
其中， 式（ 1 ） 表示水平方向上的投影， 式 （ 2 ） 表示垂 1， 直方向上的投影。x 和 y 的取值范围分别为 x ∈ ［ N］ ， y ∈［ 1， M］ 。 中值滤波原理： 中值滤波是一种低通滤波器， 也是一种保持图像边缘的非线性图像平滑方法 ， 可 在保持图像边缘的同时去除噪声， 在图像处理中得 ［6 ］ 到广泛应用 。 其基本原理就是用一个奇数点的移 动窗口， 将窗口中心点的值用窗口内各点的中值代 替。 f2 ， …， fn ， 设一维序列 f1 ， 取窗口长度 （ 点数 ） 为 m（ m 为奇数） ， 对其进行中值滤波， 就是从输入序列 中相 继 抽 出 m 个 数 f i －v ，…，f i －1 ，f i ，f i +1 ，…， f i +v （ 其中 f i 为窗口中心值， v = （ m － 1） /2） ， 再将这 m 个点按其数值大小排序， 去其序号为中心点的那 个数作为滤波输出。 用数学公式表示为： y i = Med
1
概述
断裂或模糊情况下分割效果很不理想 。 字符粘连、 为了发挥基于投影特征的方法的优点， 同时弥 补它的不足， 需要结合其它方法进行改进。因此， 本 文在传统方法的基础上结合先验知识来分割字符并 进行了改进， 首先通过新的预处理算法减弱光照 、 泥 尘等影响， 然后通过粗精两次水平分割去除上下边 框、 铆钉影响， 最后采用结合先验知识的垂直分割法 抑制垂直边框和间隔符等影响。
基于投影的车牌字符分割方法_黄文杰
现代计算机（总第三一三期0引言本文利用车牌精确定位的结果，运用像素水平投影与竖直投影的方法，结合车牌字符的先验信息，在不需要设计特征函数与判决函数的条件下，就可以准确地对车牌字符进行切割。
同时，针对某些汉字如川、浙、湘、沪、津及皖、桂等易被错误分割或漏割的情况，对汉字左右边界的起始位置进行标记，利用此标记获得该汉字的原始灰度图像，对其单独进行分割及二值化，避免汉字笔画退化为噪声。
1车牌的水平投影从图1可以看出，在车牌区域中存在边框及铆钉的存在，影响车牌字符的分割，因此，在字符分割前需要消除边框及铆钉等噪声对车牌字符分割的影响。
如图2所示，由于已经对车牌区域进行了位置矫正，使得车牌区域基本保持矩形形状，因此，可以利用车牌区域像素水平投影的方法消除车牌边框及铆钉。
具体算法如下：图1车牌区域（1）对车牌区域作竖直像素差分，以消除背景的影响，如图3所示。
此步骤是消除车牌区域边框及铆钉等噪声的关键。
图2像素水平投影图3像素竖直差分（2）对车牌区域中的各点作像素水平投影pixel -Sum[i]，I 为车牌区域的宽度。
（3）从开始搜索，当pixelSum[i]12时，标志flag=0，当遇到pixelSum [i]>12，记录该i 值作为结束位置end ，如果此时flag=0，那么并且记录首个使得pixel -Sum[i]>12的i 值作为开始位置start ，同时设置标志flag=1，当时，记录此时的开始位置start 与结束位置end ，作为字符的竖直区域，否则继续搜索。
图4去除车牌的边框及铆钉结果去除车牌的边框及铆钉结果如图4所示，说明经过该算法处理后，能够有效地消除车牌边框及铆钉等，，，，，，基于投影的车牌字符分割方法黄文杰（淮阴工学院交通工程系，淮安223003）摘要：关键词：车牌识别；字符分割；投影收稿日期：2009-06-22修稿日期：2009-07-26作者简介：黄文杰（1977-），男，研究方向为智能交通、模式识别、图像重构运用像素水平投影与竖直投影的方法，结合车牌字符的先验信息可以准确地对车牌字符进行切割。
基于垂直投影和模板匹配的车牌字符分割方法
基于垂直投影和模板匹配的车牌字符分割方法本文介绍了一种基于垂直投影和模板匹配的车牌字符分割方法。
首先，利用垂直投影将车牌区域切割成多个竖条，然后使用模板匹配来识别每个竖条中的字符。
具体地，将每个字符的模板与竖条进行匹配，得到一个匹配分数，选择分数最高的作为该竖条中的字符。
最后，通过连通区域分析和形态学操作来进一步提取和分割字符。
实验结果表明，该方法在不同类型的车牌上均能取得较好的分割效果。
- 1 -。
基于投影法的车牌定位研究
基于投影法的车牌定位研究摘要：车牌识别系统是近几年发展起来的基于图像处理和字符识别技术的智能化交通管理系统。
车牌定位是车牌识别中的关键步骤。
为了能在复杂背景和不同光照条件下快速、准确地定位车牌位置。
提出了一种基于投影法的车牌定位方法。
该方法首先对车牌图像实施二值化、边缘检测等预处理，然后在此基础上，利用基于双向回溯的投影法确定车牌的上下左右边界。
实验结果表明，该方法定位准确。
关键词：车牌定位；行扫描；边缘检测；垂直投影Research of License Plate Locating Method Based on ProjectionAbstract: license plate recognition system is developed in recent years based on image processing and character recognition technologies intelligent traffic management system. License plate location is one of the key steps in the license plate recognition. In order to obtain accurate location of vehicle plate quickly under complicated background and different illumination condition, this paper proposes a kind of locating method based on projection. First, this method carries out preprocessing such as two-valuation and edge detection. Then the projection approach based on two-way back is adopted to examine up-down and left-right boundary of the car license. The experiment results indicate that the presented method is excellent in accuracy.Key words: license plate location; line scanning; edge detective; vertical projection0 引言车牌识别系统作为数字摄像、计算机信息管理、图像分割和图形识别技术在智能交通领域的应用，是智能交通管理系统中重要的组成部分。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
毕业论文(设计)学院: 计算机科学学院专业: 软件工程年级: 题目:基于垂直投影法的车牌字符分割算法设计学生姓名: 学号:指导教师姓名: 职称:年月XXXX大学本科毕业论文（设计）原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。
除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
本人完全意识到本声明的法律后果由本人承担。
作者签名：年月日目录摘要 (1)Abstract (1)第一章绪论 (1)1.1车牌识别技术的背景 (1)1.2 车牌识别系统的工作原理 (2)1.3 国内外研究 (3)1.4 本文主要内容 (3)第二章基本理论介绍 (3)2.1 数字图像处理技术 (3)2.1.1 bmp位图 (4)2.1.2 RGB编码方式 (4)2.1.3二值图像 (4)2.1.4 Otsu算法 (4)2.1.5灰度图像 (5)2.1.6 中值滤波 (5)第三章车牌图像的预处理 (5)3.1车牌图像的灰度化 (5)3.2车牌图像的二值化 (5)3.3 去噪处理 (6)3.3.1去除车牌边框 (7)3.3.2去除车牌图像中的圆点 (8)第四章车牌字符分割算法 (8)4.1传统垂直投影的车牌字符分割算法 (8)4.2 改进的垂直投影的车牌字符分割算法 (9)第五章系统实现 (10)第六章总结与展望 (13)6.1 总结 (13)6.2 展望 (13)致谢 (14)参考文献 (15)基于垂直投影法的车牌字符分割算法设计摘要：车牌识别系统在现代社会有着广泛应用，而车牌字符分割是其中的一项关键技术。
本文针对车牌字符分割算法做了较为深入的研究。
首先，要想正确的分割车牌图像，必须得到质量较好的车牌二值化图像。
所以，本文对车牌字符分割的预处理部分进行较为深入的研究，尤其是车牌图像二值化后的去噪处理。
传统投影法对车牌图像要求比较高，容易受到噪声的影响，从而造成分割字符的粘连与断裂。
针对传统投影法的不足，文章提出一种基于垂直投影法的改进的字符分割算法，该算法可以有效地识别车牌字符。
该方法抗干扰能力较强，能有效的减少字符粘连与断裂，分割准确度较高。
关键词：车牌识别；二值化；字符分割；垂直投影法Vertical projection-based license plate character segmentation algorithmdesignAbstract：License plate recognition system has a wide range of applications in modern society, the license plate character segmentation is a key technology. In this paper, the license plate character segmentation algorithm to do a more in-depth study. First of all, in order to correct segmentation of license plate image must be of good quality license plate binary image. So more in-depth study of the pre-processing part of the license plate character segmentation, especially after the license plate image binarization denoising. Traditional projection on the license plate image requires relatively high, easily affected by noise, resulting in a split character adhesion and fracture. For the lack of traditional projection method, the paper presents a segmentation algorithm based on the improvement of the vertical projection of the characters, the algorithm can effectively identify the license plate character. Strong anti-interference ability of the method, which can effectively reduce the character adhesion and fracture, split high degree of accuracy.Keywords License Plate Recognition; binarization ；Character segmentation; Vertical projection第一章绪论随着世界经济的快速发展，以及汽车制造技术的提高，使得汽车迅速成为人们日常生活中的一个必需品。
这造成全球的汽车数量猛增，而随之也导致城市的交通压力越来越大，城市的交通状况也因此得到了更多的关注。
如何有效地对交通进行管理，也成为各国政府和相关部门所关注的焦点和热点。
针对这些问题，人们开始将计算机技术、通信技术、计算机网络技术和自动化信息处理等很多新的科学技术用于交通道路的监视和管理系统，以此提高车辆管理和运输的效率。
它主要是通过对过往车辆实施检测，提取有关的交通数据来达到对交通的监控、管理和指挥。
车牌自动识别技术[1]是指能够检测到受监控路面的车辆并自动提取车辆车牌信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理与识别的技术。
它以计算机技术、图像处理技术、模糊识别技术为基础，建立运动车辆的特征模型，识别车辆特征，如号牌、车型、颜色等，并着重解决高速车辆图像的获取及清晰度问题。
本文是在以往的车牌分割算法[2]的基础上介绍了车牌识别技术中的一种字符分割算法，该算法是针对一种已有的字符分割算法（投影法）的改进性研究。
1.1车牌识别技术的背景随着21 世纪经济全球化和信息时代的到来，迅猛发展的计算机技术、通信技术和计算机网络技术，水平不断提高的自动化信息处理技术在人们社会活动和生活的各个领域得到广泛应用。
同时，高速度、高效率的生活节奏，使汽车普及成为必然趋势。
伴随着世界各国汽车数量的增加，城市的交通状况越来越受到人们的重视。
如何有效地进行交通管理日益成为各国政府相关部门所关注的焦点。
针对这一问题，人们相继研发了各种道路交通监管系统、车辆控制系统及公共交通管理系统。
这些系统将车辆和道路综合起来进行考虑，运行先进的技术解决道路交通的问题，统称为智能交通系统[3]（Intelligent Transportation System，简称ITS）。
ITS 是20 世纪90 年代兴起的新一代交通运输系统。
它利用先进的信息处理技术、导航定位技术、无线通信技术、自动控制技术、图像处理和识别技术及计算机网络技术等加强道路、车辆、驾驶员和管理人员的联系，实现道路交通管理自动化和车辆行驶的智能化，增强交通安全，减少交通堵塞，提高运输效率，减少环境污染，节约能源，提高经济活力。
交通管理自动化越来越成为亟待解决的问题，在这种情况下，车辆的自动检测作为信息的来源，越来越受到人们的重视。
对汽车牌照等相关信息的自动采集和处理对于交通车辆管理、园区车辆管理、停车场管理、交警稽查等方面有着十分重要的意义，因此成为信息处理技术的一项重要研究课题。
车牌识别(License Plate Recognition, LPR)技术作为智能交通系统（ITS）的重要组成部分，在交通管理和控制中占有着很重要的地位，可以应用到以下一些领域：（1）封闭式居民小区物业管理以及重要部门的安保管理。
车牌识别技术的推广普及，必将对加强城市道路管理，减少交通事故、车辆失窃案件的发生，以及保障社会稳定等方面产生重大而深远的影响。
（2）城市交通路口的“电子警察”。
（3）公路布控管理系统。
该系统采用车牌识别技术可实现对重点车辆的自动识别、快速报警处理，不仅可以有效防止机动车辆被盗，而且为公安、监察机关对犯罪嫌疑人所驾驶的车辆进行自动监控、跟踪提供了有效手段。
（4）高速公路超速监管系统。
该系统以车牌识别技术为核心技术，辅助其他高科技手段，建立高速公路无人值守的自动监测和自动布控系统，可以有效地获取超速车辆的图像，并得到该车的牌照号码，便于对违规车辆进行处罚。
从而降低因超速引起的交通事故的发生率。
（5）路桥、隧道等卡口的自动收费系统。
（6）高速公路收费管理系统。
在高速公路收费入、出口分别完成车牌号码识别和车牌匹配工作，实现不停车收费；还可以根据识别出的车牌号码从数据库中调出该车档案，可发现没有及时交纳养路费的车辆。
随着车牌识别技术的不断成熟，高效、识别率高的车牌识别技术还将应用于一些对性能要求比较高的单片机上。
还提供一个可以对车辆信息实时采集的公共平台，使各管理部门间能够协调统一的对车辆及道路情况进行监控管理，从根木上解决了目前全国交通及公安系统信息采集的多渠道、事件信息收集的单一性以及互不沟通、互不兼容的信息管理方式。
故车牌识别技术有着广泛的应用前景[4]。
1.2 车牌识别系统的工作原理车牌识别(LPR)系统是智能交通系统(ITS)的一个重要组成部分，该系统能从一幅车辆图像中自动提取车牌图像，自动分割字符，进而对字符进行识别，得到车牌的号码。
基于PC的车牌识别系统是利用PC机及摄像机等电子设备采集某一路段的汽车图像，对图像进行处理，获取车牌的位置及字符信息，完成车牌目标的自动定位与识别。
图1-1为车牌识别系统流程：图1-1车牌识别系统流程其工作流程是：当系统发现有车辆通过时，触发图像采集部分工作，通过对车辆进行抓拍，获取车辆的前视或后视图。
然后将所采集的车辆数字图像送入计算机系统[5]，通过车牌定位、字符分割、字符识别三个环节的处理，最终得到车牌号码。
其中的计算机处理系统主要涉及了三个关键技术：车牌区域定位技术、车牌字符分割技术和车牌字符识别技术[6]。
下面只针对车牌字符分割技术的研究现状加以阐述。
1.3 国内外研究车牌字符分割是车牌自动识别系统的关键环节之一，错误的字符分割会导致错误的字符识别。
目前，大多数字符识别方法都是针对单独字符进行识别，因此在准确地定位车牌后，字符分割的好坏对字符识别率起着非常关键的作用。