基于水平灰度跳边和垂直投影的车牌定位方法
车牌定位
《数字图像处理和模式识别》期末大作业题目：车牌定位班级：计算机应用技术姓名：杭文龙学号：61216020051.引言1.1 选题意义汽车牌照自动识别系统是以汽车牌照为特定目标的专用计算机视觉系统，是计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一，是实现交通管理智能化的重要环节，它可广泛应用于交通流量检测，交通控制与诱导，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。
目前，发达国家LPR（汽车牌照识别技术License Plate Recognition， LPR，简称“车牌通”）系统在实际交通系统中已成功应用，而我国的开发应用进展缓慢，车牌识别系统基本上还停留在实验室阶段。
基于这种现状还有它广阔的应用前景，目前对汽车车牌的识别研究就有了深远的意义。
1.2 课题组成汽车车牌的识别过程主要包括车牌定位、字符车牌分割和车牌字符识别三个关键环节。
我在此文章中就只说明其中一点，就是车牌定位，其流程如下：原始图像图像预处理边缘提取车牌定位原始图像：由数码相机或其它扫描装置拍摄到的图像图像预处理：对动态采集到的图像进行滤波，边界增强等处理以克服图像干扰边缘提取：通过微分运算，2值化处理，得到图像的边缘车牌定位：计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域。
最后得到的便为车牌区域。
本文以一幅汽车图像为例，结合图像处理各方面的知识，利用MATLAB编程，实现了从车牌的预处理到字符识别的完整过程。
各部分的处理情况如下：2.预处理及边缘提取图1 汽车原图图像在形成、传输或变换过程中，受多种因素的影响，如：光学系统失真、系统噪声、暴光不足或过量、相对运动等，往往会与原始景物之间或图像与原始图像之间产生了某种差异，这种差异称为降质或退化。
这种降质或退化对我们的处理往往会造成影响。
因此在图像处理之前必须进行预处理，包括去除噪音，边界增强，增加亮度等等。
车牌识别原理
车牌识别原理
车牌识别是指通过图像处理和模式识别技术，对车辆的车牌进行自动识别和文字提取的过程。
其原理可以概括为以下几个步骤：
1. 图像预处理：从摄像头获取的图像需要进行预处理，包括去噪、灰度化、二值化等操作。
去噪主要是为了减少图像中的干扰信息，而灰度化和二值化则是将图像转换为黑白二值图，方便后续处理。
2. 车牌定位：在经过预处理后的图像中，需要找到车牌所在的位置。
常用的方法有基于边缘检测、颜色分析和形状匹配等。
边缘检测可以提取图像中的边缘信息，颜色分析可以根据车牌的颜色特性进行筛选，形状匹配可以通过匹配车牌的形状特征来定位。
3. 字符分割：在定位到车牌后，需要将车牌上的字符进行分割。
常见的方法有基于边缘投影和垂直投影的字符分割算法。
边缘投影是通过检测字符边缘的变化情况来实现分割，垂直投影则是通过统计字符列中像素的数量来实现分割。
4. 字符识别：分割后得到的单个字符需要进行识别。
字符识别主要是通过模式识别技术，例如用神经网络、SVM等算法进
行训练和匹配。
训练集中包含了各种不同字符的样本，识别时将样本与待识别字符进行比对，找到最匹配的字符。
5. 结果输出：识别出的字符需要进行校验和整理，确保识别准
确无误。
最后将识别结果输出为文字或数字，用于后续的车辆管理和系统应用。
综上所述，车牌识别主要通过图像预处理、车牌定位、字符分割、字符识别和结果输出等步骤实现对车牌的自动识别和文字提取。
通过不同的算法和技术优化，可以提高识别的准确率和实时性，提升车牌识别系统的性能和可靠性。
车牌定位常见技术介绍与分析
研究开发电脑知识与技术１引言车牌自动识别技术可以应用于道路收费系统、交通管理系统等广泛的领域。
随着我国汽车数量的迅速增加，车牌自动识别技术的应用具有重要的现实意义。
车牌自动识别技术通常可分为３个步骤：车牌区域的定位、字符的分割和字符的识别。
而车牌区域定位的准确与否，直接影响到后续步骤的运作。
目前，车牌定位主要采用以下几种方法：基于图像彩色信息的方法；基于纹理分析的方法；基于边缘检测的方法；基于数学形态学的定位；基于遗传算法的定位；基于神经网络的定位等。
２几种定位方法的简单介绍以下简单介绍了几种定位方法：２．１基于图像彩色信息的定位基于彩色信息的定位流程为：２．１．１颜色空间的转换数字图像处理中经常用到的颜色模型有ＲＧＢ和ＨＳＶ两种ＨＳＶ色彩空间和ＲＧＢ色彩空间之间的转换公式如下：Ｈ＝ａｒｃｏｓ｛０．５＊［（Ｒ－Ｇ）＋（Ｒ－Ｂ）］／［（Ｒ－Ｇ）２＋（Ｒ－Ｂ）＊（Ｇ－Ｂ）］０．５｝Ｓ＝１－３／（Ｒ＋Ｇ＋Ｂ）［ｍｉｎ｛Ｒ，Ｇ，Ｂ｝］Ｖ＝１／３（Ｒ＋Ｇ＋Ｂ）２．１．２阈值的确定和牌照区域的标识车牌的牌底颜色为蓝、黄、黑、白四种，定位车牌首先就是从图像中找出这４种颜色的区域，即确定各种牌底颜色在ＨＳＩ空间中的各有关分量的阈值。
对于蓝、黄底牌照，需要确定Ｈ，Ｓ分量的阈值范围，一般将彩色图像ｆ（ｘ，ｙ）转化为５级灰度图ｇ（Ｘ，Ｙ），将所有可能的牌照区域标识出来，一般取灰度值２５５用来标识蓝色区域，灰度值２００用来标识黄色区域，灰度值１５０用来标识白色区域，灰度值１００用来标识黑色区域，灰度值０用来标识与牌底颜色无关的图像背景。
２．１．３将彩色ＲＧＢ图转化为ＨＳＶ颜色图以蓝底车牌为例，将彩色图的ＲＧＢ颜色模型转化为ＨＳＶ颜色模型。
利用颜色空间距离及相似度计算，进行图像颜色分割。
用Ｈ作为阈值分割时，将图像中蓝色区域设为前景，其余区域设为背景黑色，将蓝图车牌显示突出。
２．１．４投影将图在垂直和水平方向上投影，得到相应的颜色曲线，大致呈正态分布的是经过低通滤波的垂直和水平灰度投影曲线，两竖线即为车牌的边界，从而分割出车牌位置。
基于灰度图像的车牌定位算法研究与实现
基于灰度图像的车牌定位算法研究与实现作者：郭亚王水波来源：《现代电子技术》2008年第02期摘要：汽车牌照的自动定位是智能交通系统中的重要组成部分之一，是实现车牌识别(LPR)系统的关键。
针对不同背景和光照条件下的车辆图像，提出了一种基于灰度图像灰度变化特征进行车牌定位的方法。
依据车牌中字符的灰度变化以峰、谷规律分布确定车牌上下边界，对扫描行采用灰度跳变法确定车牌左右边界。
测试结果表明，该方法是可行的。
关键词：车牌定位；灰度图像；灰度变化；智能交通中图分类号：TP391.14 文献标识码：B 文章编号：1004-373X(2008)02-137-03GUO Ya，(School of Information Engineering,Chang′an University,Xi′an,71Abstract：The automated license plate location is an important part in the intelligent traffic system．It is the key step in the Vehicle License Plate Recognition(LPR).A method for the recognition of images of different backgrounds and different illuminations is proposed in the paper.the upper and lower borders are determined through the gray variation regulation of the character distribution.The left and right borders are determined through the black-white variation of the pixels in evKeywords：license plate locating；gray image；1 引言近年来，智能交通系统(ITS)越来越受到人们的重视，并逐渐应用在交通信息统计收集、路车间通信、停车场管理、不停车自动收费、车辆自动行驶等领域，而上述领域都与汽车牌照的自动识别有关。
基于水平灰度特征和颜色特征的车牌定位方法
■糕 蠹 究 。总 结 起 来 有 如 下方 法 。
通过对 比度拉伸变换增 强对 比度。再 对图像进行二值化形成二 值纹 理图像处理 ， 后利用扫 描法或投影法一 次确定 出车牌 在 最 原 始图像 中水平 和垂直方 向位 置 ， 从而分 割出包含车牌 区域 的
图像 。 ２车 牌 第 二 次 定 位 。对 基 本 定 位 后 的 车 牌 图像 进 行 局 部 分 ． 析 ， 减 车 牌 的 上 、 和 左 、 的 边 界 ， 便 后 来 的 拍 照 字 符 处 缩 下 右 以
等领域。
一
不 唯一 、 照污损 情况 严重 、 境 因素导致 照片 的质量 不稳定 牌 环
等 。 由 于上 述 原 因 ， 管 有 些 科 研 单 位 已经 研 制 出相 关 产 品 ， 尽 但 在 实 际应 用 中效 果 并不 理 想 。 本 文 结 合 车 牌 纹 理 及 颜 色 两 方 面 的特 征 对 车牌 进 行 定 位 ， 于提 高 车 牌定 位 准 确 率 提供 更 为有 力 对 的保 障 。该 方法 包 括 牌照 区域 的粗 定位 和细 定位 两 个步 骤 。
方法 以获得最后定位 图像 。本方 法对 在多种光照条件下采集的
车 辆 牌 照 图像 、 车牌 本 身 不 洁 或 牌 照 存 在 倾 斜 和 扭 曲 等 情 形 ， 均 能 取 得较 好 的定 位 效 果 。
在车牌定位算法 中， 根据 车牌区域的灰度分布持性 ， 并结合
车牌 的先 验 知 识 ， 应用 具 体 的方 法 进 行 定 位 。
在 粗 定 位 阶 段 中 采 用 了基 于 车 牌 纹 理 特 征 的定 位 方 法 ， 在
、
车 牌 自动 识 别 系统 工作 原 理
基于灰度图像的车牌快速定位和分割方法
ｈ ｓｏｇ ａ ｅ ａｉ ａ ｉ ｎ ｈ ｎ ｃ ｎ ｉ ａ ｅ ｅ ｉ ｌ ｌ ｔ ｓ ｃ ｒ ｅ ｙ ｓ ｇｍｅ ｔ ｄ ｂ ｉ ｅ ｉ ｇ ｓ ａ ｉ ｅ ｌ ｎ ｔ ｒ ｅ ｌ ｎ ｔ ｅ ｈ ｒｚ ｎ ａ ｎ ｅ ｔ ａ ｉｔ ｒ ｍ ｑｕ ｌ ｔ ．ｔ ｅ ａ ｄ ｄ ｔｓ ｏｆ ｖ ｈ ｃ ｅ ｐ ａ ｅ ｉ ｏａ ｓ ｌ ｅ ｚ ｏ ｎ ｅ ｙ ｆｌ ｒｎ ｃ ｎ ｌ ｅ ｇ ｈ ｏ ｄ ｒｙ ｉ ｈ ｏ ｉ ｏ ｔ ｌａ ｄ ｖ ｒｉ ｌ ｔ ｎ ｃ
先通过中值滤波对 图像滤噪并进行直 方图均衡 化处理 ；然后运用一 种水平差分和 自 应阈值 方法对 图像进 行二值 化 ， 适 接着在对所得二值 图
像存水平方 向怍形态学膨胀运算后 ，对其垂直、水下方向的扫描线 长度先后进行 滤波 处理 而粗分割 出车牌 的候选 区域；最后通过车牌垂商
差分 像扯竖直方 扫捕投影 的相 关特征对所得候选 域进行 筛选 ， 到车牌在水 和垂直 方向的精 确位 置。该 方法对于 图像背景复杂度 得 和 车牌在 图像中的位置限制较少 ，『＿实现简 单，定位速度较快 ，是一种简单 、高技 的车牌定位方法 ，实验结果 证明了该 方法的有效性 。 面且 关健词 ：车 牌定位；水平差分 ；垂直 差分；扫描投影
维普资讯
第３ ２卷 第 ９ 期
基于灰度跳变的车牌定位算法及其实现
Ｌｏ ａ ｉｎ Ａｌ ｏ ｉｈ ｓ ｄ ｏ ａ ｅ ｃ ｔｏ ｇ ｒｔ ｍ Ｂａ ｅ ｎ Ｇｒ ｙ Ｂｅ ｐ
Ｗ ＡＮＧ ｈ ｎ ａ．Ｗ Ｕ ｏ ｏ ｇ Ｓ ａ －ｆ Ｄａ －ｒ ｎ
（ ｃｏｌ ｆ ｎ ｒ ａｉ ｃ ｎｅａｄＥ ｇ ｅｒ ｇ Ｂ ｏｈｎＵ ｉ ｒ ｔ， ａｓａ ｕ ｎｎ６ ８０ ， ｈ ａ Ｓｈｏ ｏ ｆ ｍ ｔ ｎＳｉ ｃ ｎ ｎｉ ｅｉ ， ａＳ ａ ｎ ｅｓｙ Ｂ ｏｈｎＹ ｎａ ７０ ０ Ｃ ｉ ） Ｉｏ ｏ ｅ ｎ ｎ ｖ ｉ ｎ
辆车牌 的粗定位 。 第五步 ： 针对有 限范围 ， 按行 和列统 计灰度跳变频率 ， 在 第 四步结论 的基 础上结合 图像 阈值 分割原理 ． 按行列分类方 法筛选图像 ， 最后实现车牌细定位 。
２ ２ 车 牌 图像 粗 定 位 算 法 ．
度的彩色图像进行色彩分割 ， 再利用投影 法分割 出潜 在的各
ｌ 引言
随着 信 息 技 术 和 智 能 技 术 的发 展 ， 通 管 理 和 流 量 监 测 交
动识别基础上提 供高速 公路 自动收费 ， 电子警察 抓拍 系统 ． 重要交通节点的管理控 制 ， 无人停 车场 自动管理 ， 区智 能 小
等方面对 于交通管理 系统 的信息化 、 智能化程度要 求越来越
高 。交 通 的发 展 是 社 会 发 展 和 人 民 生 活 水 平 提 高 的 基 本 条 件 ， 着 我 国 经 济 的 快 速 发 展 ， 通 拥 挤 、 通 事 故 、 境 污 随 交 交 环
车辆管理 ， 违章车辆 的追踪 以及失 窃车辆 的调查 等功 能 ， 以
此来提高交 通系统 的利用率 ， 省人力与 资金 ， 节 目前 ． 随着 伴 计算机科学技术 等一 系列相关科技 的发展与完善 、 车辆牌 照 自动识别 系统 也逐 渐从 研究 阶段 转化 到 了实 用推 广 阶段 。
基于数学形态学和投影法的车牌定位方法
【 摘 要】在车牌定位系统中， 针对图像 中存在的复杂背景、 车辆 自 身的车灯或标志这些因素的影响， 化、 灰度 拉伸 、 边缘检 测后 ， 运用 数 学形 态学运 算和 车牌 自身 的宽高 比例初 步定位 出
车牌 区域 。然后 ， 运用投 影法分别进 行水平 方 向和垂 直方 向的定 位 ， 得到 准确 的车牌 区域 。该方 法 能够很 好地 排 除干扰 因素 ， 精确定位 出车牌 。
ｒａ ｇ ｙ ｓ ｔ ｒ ｅ ｔ ｃ ｈ ｉ ｎ ｇ ｎｄ ａ ｅ ｄ ｇ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｌ ｉ ｃ ｅ ｎ ｓ ｅ ｐ ｌ ａ ｔ ｅ ｉ ｍａ ｇ ｅ，ｉ ｔ ｃ ａ ｎ ｕ ｓ ｅ ｍｏ ｒ ｐ ｈ ｏ ｌ ｏ ｇ ｉ ｃ ａ ｌ ｏ ｐ ｅ ｒ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｔ ｈ ｅ ｐ ｒ ｏ ｏｒ ｐ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｗｉ ｄ ｔ ｈ ｎｄ ａ ｈ ｅ ｉ ｇ ｈ ｔ ｏ ｆ ｈｅ ｔ ｌ ｉ ｃ ｅ ｎ ｓ ｅ
Ｖ 慨。 脚Ｌ 。 ｃ 譬
【 本文献信息】马永慧， 薛丹丹 ． 基于数学形态学和投影法的车牌定位方法［ Ｊ ］ ． 电视技术， ２ ０ １ ３ ， ３ ７ （ ７ ）
车牌定位
车牌定位本人的毕设收集资料a.一些算法1．基于纹理特征的车牌定位法车辆图像随拍摄环境的变化而不同，然而车辆牌照具有不因外部条件变化而改变的特征。
车牌内有多个基本成水平排列的字符，字符和牌照底在灰度值上存在跳变，因而车牌这个矩形区域(包括边缘)有丰富的边缘存在，呈现出规则的纹理特征。
在传统的基于灰度分割技术上，这些特征为车牌定位研究提供了切实可行的依据。
基于纹理分析的方法利用车牌区域内字符纹理丰富的特征定位车牌，它对于光照偏弱、偏强、不均匀性、牌照倾斜和变形等情况不敏感。
但该方法应用于背景复杂的图像时，容易把一些纹理分布较丰富的非车牌区域定位进来，产生包含车牌在内的车牌候选区域，这是纹理分析方法的缺陷。
2．基于神经网络的定位算法利用神经网络来定位车牌是一类较为常见的方法。
本算法的基本步骤和各模块的功能如下：(1)神经网络训练模块：收集一定数量的车牌图像样本，归一化后输入至BP神经网络进行训练，达到预定的正确率后，训练结束。
本模块将获得取两个波谷的区域为边界，确定车牌在行方向的区域。
在分割出的行区域内，用相同的方法统计列方向的底色像素点数量，取图像对蓝色或黑色的垂直投影的两个波谷为左右边界，最终确定完整的车牌区域。
通过定位修正能更准确找到车牌图像的上下边界。
基于特征统计定位算法的定位结果如图3-1所示。
从原始图像可以看到，车体和车牌颜色对比明显，车体主要为黑色，而车牌为蓝色背景，白色字体。
车体和车牌颜色的明显对比为算法提供了基础。
此算法缺陷在于：车牌颜色必须不同于图像整体背景色，否则无法提取出车牌区域。
5基于改进SobeI算子边缘检测法传统Sobcl算子只有水平和垂直两个方向模板；其中水平模板对水平边缘的响应最大，垂直模板对垂直边缘响应最大。
模板的方向表示灰度由低到高或由高到低的变化方向，而不是图像的实际边缘方向。
通过对车牌字符的垂直方向和斜线方向进行划分，本文采用六方向模板，算法实现的基本思想：构造六方向模板，对图像进行逐点计算，取最大值作为该点的新灰度值，该最大值对应模板的方向为该像素点的边缘方向。
汽车牌照定位与字符分割的研究及实现
1.2.1 车牌定位技术研究现状及发展趋势
车牌定位技术是 LPR 系统研究的重点和难点。采集车辆图像过程中一般都有
1
汽车牌照定位与字符分割的研究及实现
各种背景干扰，能够正确分割字符的前提是从图像中准确地分割出牌照区域，这 也是 LPR 系统能否在实际中应用的基础。 目前的车牌定位算法中，主要是分析车牌所共有的部分特征，根据这些特征 来确定车牌区域的位置。车牌几何形状特征及相应的分析方法主要有[2-8]： (1)灰度变化特征：水平/垂直扫描时，牌照区域的像素灰度值按照一定的规 律进行波动；(2)颜色特征：原始车牌区域内部颜色和外部颜色差异的特征；(3) 投影特征：对车辆图像的水平/垂直扫描后其投影直方图中，牌照所对应的区域具 有一定规律的峰谷分布；(4)边缘特征：牌照区域有许多的边缘信息，使用相应的 算子将边缘信息提取出后，再通过边缘投影直方图来确定边缘的信息；(5)几何特 征：主要有车牌的长度、宽度以及长宽比例在一定的范围之内,或者可以通过牌照 的面积在一定的范围之内。利用以上这些特征均可以确定车牌的位置。 目前，车辆牌照的定位方法有基于彩色图像牌照区域字符和背景的颜色差异 特征进行定位，也有基于灰度图像牌照区域字符几何纹理特征进行定位，还有其 它结合了牌照区的颜色差异和字符纹理两种特征的方法定位，另外还有的是基于 数学形态学、神经网络、遗传算法、灰度聚类等牌照定位方法[9]。
作者签名： 导师签名：
日期： 日期：
年 年
月 月
日 日
中南民族大学硕士学位论文
第1章
1.1 问题的提出
绪论
车牌识别技术(License Plate Recognition， LPR )是智能交通管理系统的 重要组成部分，主要用于识别车牌号码。 LPR 技术在实际生活中主要应用于高速 公路实现无人收费功能、道路行车的流量监控、交通违规车辆的监控等。特别是 在各种场合实现无人收费功能的系统中，为了提高车辆的运行效率， LPR 技术将 代替人工的管理方式实现无人自动管理的功能， 因此,对 LPR 技术的研究和系统的 开发具有重要的现实意义和和实用价值。 车牌定位、字符分割、字符识别是 LPR 系统的三大关键技术。同时也是车牌 本身的几何形状特征与图像处理技术[1]的很好结合，车牌定位与字符分割在 LPR 系统中用到的数学知识主要有数学形态学、神经网络、小波分析等。对车牌定位 与字符分割的研究主要包括：图像预处理、车牌定位、车牌倾斜校正、车牌字符 分割及字符分割结果输出等。如图 1.1 所示为系统的流程框图：
一种基于灰度图像的车牌快速定位算法
Ｚ ａ ｇＸ ａｇ ｏｇ ｈ ｎ ｉ ｄｎ ，ＭａＹ ｅ ｏ ａｇＱｚ ｎ ｕ ｔ ，Ｙ ｎ ｉ ａ ｅ
（ ｃｏｌ ｆ ｅ ｃｍ ｕ ｉ ｔ ｎ ｎｉ ｅｉｇ Ｘｄａ ｎ ｅｓｙ Ｓ ａｎｉ ｉ ｎ７０ ７ ， ｈ ａ Ｓｈｏ ｏ Ｔｌ ｏ ｍ ｎｃ ｉ ｓ ｇ ｅｒ ， ｉ ｎＵ ｉ ｒｔ， ｈａｘ Ｘ １０ １ Ｃ ｉ ） ｅ ａｏ Ｅ ｎ ｎ ｉ ｖ ｉ ａ ｎ
与垂直投影并结合车牌的先验信 息来确 定正确 的车牌 区域 ，实验结果表明该方法能够正确快速 地定位 车牌 区域。
关键词 车 牌 识 别 ；车牌 定位 ； 图像 预 处理 ；字 符 纹 理 Ｔ ３ １４ Ｐ ９．
中 图分 类 号
Ａ ａ －Ｉ ａ ｅ－Ｂａ ｅ ｓ ｔＬｏ ａ ｉ ｇ ｒ ｔ Ｇｒ ｙ － ｍ ｇ － ｓ ｄ Ｆａ ｃ ｔｎｇ Ａｌ ｏ ｉｈｍ ｈ ｃｅ Ｌｉ ｅ ｓ ａ ｅ ＯｆＶｅ ｉ ｌ ｃ ｎ ｅ Ｐｌ ｔ
ｔｅａｇｒｈ ｃｎｆｓ ａ ｄ ａｃ ｒｔ ｏａｅｌ ｅ ｓ ｌｔ ｒｇｏ ｈ ｏ ｔｍ ａ ｔ ｎ ｃｕａｅｌｃｔ ｉ ｎｅｐａ ｅ ｎ． ｌ ｉ ａ ｃ ｅ ｉ
Ｋｅ ｗｏ ｄ ｌｃ ｎ ｅ ｐａｅ ｒｃ ｇ ｉ ｏ ｙ ｒｓ ｉｅ ｓ ｌｔ ｅ ｏ ｎｔ ｎ； Ｌ ｃ ｎ ｅ ｐａｅ ｌｃ ｔｏ ｉ ｉｅ ｓ ｌｔ ｏ ａｉｎ； Ｉ ｇ ｅｐ ｅ ｒｃ ｓ ｉｇ； Ｔｅ ｔ ｒ ｅ ｔｒ ｓ ｍａ ｒ ｐ ｏ ｅ ｓｎ ｘｕ ｅ ｆａｕ ｅ
像 ，准确提取 车牌 ，而且在许多实 际应 用 中还要
求算法 具 有 实 时 性 ，能 够 快 速 高 效 地 做 出定 位
处理 。
目前 ，针 对车 牌 自动识别 系统 的研究 有 很 多 ， 车牌分 割 的 方 法 也 提 出 过 不 少 Ｊ ，一 般 主 要 有 以
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。
一种基于数学形态学和投影的车牌定位方法
Ｔ ｎ ｉｇ ｅ ＨｕＨｏ ｇ ｉｇ Ｂ ｉ ｎ ｉｇ ＹａｇＬｌ ａｇ ｎ￣ ， Ｌ ｉ ｎｐｎ ， ａＹａｐｎ ， ｎ ｉ ｉ
（ Ｈ ｇ ｆ ｃｅ ｃ， ｒ ｉｅｓｙｏ ｈｎ，ｈｎ ｉａ ｕ ｎ ３ ０ １ Ｃｏ ｅ ｅ ｉ ｅＮｏｔ Ｕｎｖ ｒｔ ｆ ｉａ ｓａ ｘ ｉ ａ ０ ０ ５ ） ｏＳ ｎ ｈ ｉ Ｃ ｔｙ
ｉ ｒ ｅ Ｏ ｏ ａｎ ｌ ｃ ｔ ｎ ｏ ｅ ｉｌ ｌｔ ｕ ｃ ｌ ｎ ｃ ｕ ａ ｅｙ ｕ ｄ ｒ ｃ ｍ ｐ ｉ ａｅ ａ ｋ ｒ ｕ ｄ ａ ｄ ｄ ｆ ｒ ｎ ｎ ｏ ｄ ｒ ｔ ｂｔｉ ｏ ａ ｉ ｆｖ ｈ ｃｅ ｐ ａ ｅ ｑ ｉｋ ｙ ａ ｄ ａ ｃ ｒ ｔ ｌ ｎ ｅ ｏ ｌ ｔ ｄ ｂ ｃ ｇ ｏ ｎ ｎ ｉ ｅ ｅ ｔ ｏ ｃ
关键词 ：车牌定位；边缘检测；数学形态学 ；投影
中图分 类号 ： Ｐ ９ Ｔ ３１ 文献标 识码 ： Ａ
车牌定位流程图_车牌定位
车牌定位流程图_车牌定位车牌定位方法1.预处理由于光线不足或者反光等诸多因素，有可能造成车牌对比度较差，对接下来的纹理分析产生影响，所以有必要进行图象增强。
图象拉伸是增加图象对比度的一个好方法，但简单的图象拉伸有可能造成拉伸过度，损失了车牌区域的细节。
本文提出的方法是根据原图象对比度采用自适应拉伸的方法，经实验证明能有效增强图象对比度，提高了车牌定位准确率。
灰度拉伸公式如下：p1和p2根据动态范围p做自适应调整。
我们使用的参数是：p>0.8时，p1=p2=0.2;p>0.5时，p1=p2=0.15;其余p1=p2=0;在实验中收到了良好的效果。
图1是原图象，图2是用本文的自适应拉伸法处理后的图象，可以看到图2的对比度增强了，牌照字符的边缘更加清晰，有利于后面的定位处理。
2.车牌定位当我们从远处观察车辆时，判别牌照区域的主要依据是车牌的颜色、亮度和车牌字符的边缘形成的纹理。
所以，充分利用这些信息就成了定位车牌的关键。
2.1粗定位牌照区域区别于其他区域的地方就在于牌照上有字符，这一特征体现在图象的灰度上就是其水平投影具有较好的连续性，不会有大的起伏，体现在纹理信息上就是其垂直边缘的间距较有规律。
本文的车牌定位方法就是基于这两个特征的结合进行的，从而更有效地排除干扰区域，更快速地进行车牌的定位。
1)水平定位首先，我们要找出车牌所在的水平位置。
虽然车牌区域内水平方向有着较大的灰度变化，但由于字符在竖直方向上的灰度有着较好的连续性，在车牌范围内的水平灰度投影不会有很大的起伏，而在车牌之外的上下区域由于车身或背景的关系投影值则明显不同。
同时车牌区域除了在水平方向应有的灰度连续性，还应该具有一定灰度变化频度。
为了统计灰度变化频度，经试验比较，在我们的算法中采用简单快速的水平梯度算子[-11]。
通过二值化水平梯度图提取具有最大梯度的边缘，同时去除了大多数噪声的干扰。
因为成像模糊等原因使提取的有些边缘宽度大1，我们对边缘图象再一次做水平差分计算。
基于灰度跳变与形态学的车牌定位法
Ｏ 引 言
随着计算 机 图形 图像 处理 技 术 的发 展 ， 车 牌识
１ ． ２ 边 缘检测
对 汽 车车牌 图像 研究 的方便 之处 就在于 汽车车
牌牌 照 区域具 备很 多 易 于测 量 的边 界 ， 比如说３ Ｓｅ ｐ． ２０１ ３
文章编号： １ ０ ０ ４—５ ４ ２ ２ （ ２ ０ １ ３ ） ０ ３ —０ ２ ７ ０— ０ ４
基 于灰 度跳 变 与 形 态 学 的车牌 定 位 法
王 洪 亚
（ 淮阴工 学院 计算机工程 学院 ，江苏 淮安 ２ ２ ３ ０ ０ １ ） 摘 要 ：车牌 定位是车牌识别 系统的关键步骤 ， 定位的准确与否直接影响车牌识别的结果 ． 提 出了一种基 于灰
阶微分算子作为边缘增强算子 ， 而且这种一阶微分 算子 可 以按 照求 导的方 向分 为水 平 和垂 直方 向的模 板， 通 过寻 找梯度 最大 值 来 增强 图像 中 的水平 和垂
直边 缘 ． 常 用 的一 阶微 分 算 子 有 Ｒ ｏ ｂ ｅ ｔ ｒ ｓ 边缘 算 子 、
Ｓ ｏ ｂ ｅ ｌ 边缘算 子 、 Ｐ ｒ ｅ ｗ ｉ ｔ ｔ 边 缘算 子 ．
第３ ２ 卷 第３ 期
２ ０ １ ３ 年 ９ 月
成都 大 学学 报（ 自然科 学版）
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｃ ｈ ｅ ｎ ｇ ｄ ｕ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ （ Ｎ ａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｅ ｄ ｉ ｔ ｉ ｏ ｎ ）
度跳 变与形态学的定位 方法． 对于车牌候选 区的二值 图像 ， 根据 车牌 的水平分布特点 ， 从长宽之比、 面积之 比等 多个方面进行综合分析 ， 从而可以更加精确地对 车牌进行 识别 ． 实验验 证表 明 ， 基 于该 算法的车牌识 别 系统能 够达到较高的车牌识别率 ． 关键词 ：图像预 处理 ； 车牌ｉ Ｙ ， ￣ １ ； 数学形态学
汽车车牌定位技术方法的探讨
深入的探索和研 究， 一些新方法 、 新思路也在不断产生，
但是 目前 国 内仍未 出现 一个完善 、通用 的车牌定位 系
４６
２ ０ １ ５ ． ３
制造与研发
傅里叶变换 ，车牌 的位置信息就包含在频谱中。 ６ ）车牌 的几何特征 ：尽管车牌在不同图像 中的大
统。车牌定位存在诸多难点， 如， 车牌生锈 、油漆剥落、 磨损 、污迹干扰、字体褪色、形状变形等都给 车牌的定
像这两大类 。
２ ）车牌形状特征 以及字符排列特 征：车牌是有规 则的矩形，它 的边缘 由线段围成 ；字符在矩形的框 内且
基本呈水平排列，由于字符在车牌中的矩形位置 ，因此
３ ． １ 基 于灰度 图像 的车牌 定位 方法
１ ）基于边缘检 测的车牌定位方法： 图像具基本 的
因为拍摄的是整个车辆 的照片，感兴趣 的只是车牌 的那
部分 ，所 以要对含有车辆牌照的图像进行分析 处理 ，从
统 的信息主要有车辆 间的距 离大小、交通事故 、驾驶需
要 的时间长短、停车位置 以及车辆行驶速度的测定等 。 而车辆 自动识别指 的是 ：当车子经过某 一段特 定路面 时， 该车 的相关信 息会被识别 出来。 对于一辆车子来说， 能够识别它 的唯一符号就是车辆牌照，它就好 比车辆的
而确 定其在 图像 中的位 置 ，即在整 张图片上对车 牌定
位 ，并将定位好 的车牌图片上的字 符一一分割 出来 ，最 后对分割 出的文本字符进行识别 ，所以车牌识别的工作 过程可概括为 ：图像采集、图像预处理、车牌定位、字 符分割、字符识别等五个步骤，如 图 ｌ 所 示。
图像 采 集
指导车牌定位技术在实践 中的应用具有一定现 实意义。 关键词：车牌；定位技术；定位方法
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。
使用计算机视觉技术进行车牌识别的技巧与方法
使用计算机视觉技术进行车牌识别的技巧与方法随着计算机视觉技术的快速发展，车牌识别成为了一个重要的应用领域。
车牌识别技术可以应用于交通管理、停车场管理、违章监控等领域，极大地提高了工作效率和安全性。
在本文中，我们将介绍一些使用计算机视觉技术进行车牌识别的技巧与方法。
1. 图像预处理在进行车牌识别之前，首先要对图像进行预处理。
这一步骤有助于提高后续识别的准确性。
常见的图像预处理方法包括图像增强、降噪和灰度化。
图像增强可以通过调整图像的亮度、对比度和色彩来增强图像的清晰度。
降噪可以通过滤波器来减少图像中的噪声，例如使用高斯滤波器或中值滤波器。
将图像转换为灰度图像有助于简化后续的图像处理，可以通过将RGB图像的三个通道取平均值来实现。
2. 车牌定位车牌定位是车牌识别的第一步，它的目标是从整个图像中准确地定位车牌区域。
常见的车牌定位方法有基于颜色的定位和基于边缘检测的定位。
基于颜色的定位方法通过提取车牌的颜色特征来定位车牌区域。
车牌一般都具有特定的颜色，例如蓝色、黄色等。
可以通过设置阈值来提取出与车牌颜色相似的区域，并通过形态学操作来进一步优化车牌的定位结果。
基于边缘检测的定位方法则通过检测图像中的边缘来定位车牌区域。
常见的边缘检测算法包括Sobel算子、Canny算子等。
通过检测到的边缘，我们可以确定车牌区域的大致位置，并进一步优化定位结果。
3. 字符分割在车牌定位之后，下一步就是对车牌进行字符分割。
字符分割的目标是将车牌上的字符区域从整个车牌图像中分割出来。
字符分割的准确性对于后续的字符识别至关重要。
字符分割可以通过基于投影的方法来实现。
投影法是将图像在水平或垂直方向上的亮度分布投影到一维空间中，然后通过分析投影图像的峰值和谷值来进行字符分割。
另一种常见的字符分割方法是基于连通区域的方法。
通过将连通区域分析应用于字符区域，我们可以将字符从车牌图像中分割出来。
连通区域分析可以通过计算连通区域的宽度、高度和长宽比来判断是否为字符区域。
基于场景分类及灰度跳变的车牌定位方法
（ ）对 灰度 图 Ｊ 进行 自适 应 阈值化 得到 二值 １
图像 。
（ ）对 二 值 图像 进 行 数 学 形 态 学 开 运 算 ， ２ 用
以去 除 图像 中 的小 面 积 背 景 区域 ， 平 滑 具有 较 并 大 面积 的前 景 目标 区域 （ ｌ 图 ｂ和 图 ｌ ） ｅ 。可 以看 出， 白天 与夜 间 场 景 对应 的二 值 图像 具 有 明 显不 同的 特征 ： 夜 间场 景 主要 由 车灯 给 光 ， 有 明 ① 具 显 的车 灯 区域 ， 而 二值 图 像 中有 与 车灯 个 数 相 因 同的尺 寸及 垂直 方 向位 置 接近 的连 通 分 量 ， 并且 它们 之 间 的距离 远 大于 连通 区宽 度 ； 白天 场 景 ②
１ 车 牌定 位方 法
车辆牌 照 能否从 车辆 图像 中提取 是 自动识 别 的前 提 ， 以 图 像 提取 需 要极 高 的 准确 性 。该技 所
术从 汽车 图像 中提取 牌 照 区域 ， 以供 下 一 步 识 别
牌 照字符 。车 辆 牌 照 的 提 取 经 历 了车 牌 预 处 理 、 灰 度跳 变求 牌照 区域 、 牌照 区 域去 除等 过程 。 伪
基 于场 景 分 类 及 灰 度 跳 变 的车牌 定 位 方 法
林 志 毅 周 运 祥 王 宗 跃
（ 汉 理工 大学 武 武汉 ４０ ７ ） ３ ０ ０
摘 要 车 牌 定 位 是 自动 车 牌 识 别 系 统 实 现 的关 键 。提 出 一 种 基 于 场 景 分 类 及 灰 度 跳 变 的 车 牌 定位 算 法 。该 算 法 对 彩 色 图 像 进 行 场 景 分析 ， 图 像 分 类 为 白天 场 景 类 或 夜 晚 场 景 类 。这 两 类 场 将 景 的 字 符 与 背 景 的灰 度 跳 变 值 不 同 ， 般 白天 场 景 类 的 灰 度 跳 变 值 较 大 ， 晚 场 景 类 的灰 度 跳 变 一 夜 值 较 小 。利 用 不 同 的 灰 度 跳 变 值 快 速 提 取 出几 块 车 牌 候选 区 域 ， 不 同 的 场 景 用 不 同 的 方 法 最 终 对 选 取 一 块 区 域 。实 验 结 果 显 示 本 文 提 出 的方 法对 图像 场 景 分 类 准 确 率 达 到 ９ ． ， 牌 定 位 的 准 ８２ 车