基于垂直投影法的车牌字符分割算法设计讲解
基于改进的投影方法的车牌图像字符分割
ｓ ｇ ｎ ｅ ｃ ｏ ｄ ｎ Ｏ ｔ ｅｃ ａ ａ ｔ ｒｓｉ ｅ ｔ ｒ ｓｏ ｈ ｌ ｔ ．Ｅｘ ｅ ｉ ｎ ｓｓ ｏ ｔ ａ ｈ ｌ ｏ ｉ ｍ ｓｓｍｐ ｅ ｈ ｅ ｍｅ ｔ ｄ ａ ｃ ｒ ｉｇ ｔ ｈ ｈ ｒ ｃ ｅ ｉｔｃｆ ａ ｕ ｅ ｆｔ ｅ ｐ ａ ｅ ｐ ｒｍｅ ｔ ｈ ｗ ｈ ｔ ｅ ａ ｇ ｒｔ ｔ ｈ ｉ ｉ ｌ ，ｔ ｅ
Ｃｈｉ ｎａ
车牌 字 符分 割 的基本 策 略可 以分 为 ２类 ： 于 基 图像 特 征和 基 于识 别 的分 割 策 略． 于 图像 特 征 的 基 分割 策 略是 经典 分 割方 法 ， 策 略通 过 分析 图像 特 该
知识 ， 割复杂 背景条 件下 的车 ｖ ｄｐ ｏ ｃｉｎ ａ ｏｉ ｍ ａ ｅ ｎｍｏ ｐ ｏｏ ｙａ ｄｐ ｏｅ ｔ ｎｉ ｕ ｅ ｅ ｍ ｎ ａ ｉ ． ｉ ｔ ， ｒ ｈ ｌｇ ｍｐ ｏ ｅ ｒ ｊ ｔ ｌ ｒ ｈ ｂ ｓｄｏ ｒ ｈ ｌｇ ｎ ｒ ｊ ｉ ｓｄｉ ｓ ｇ ｅ ｔ ｔ ｎ Ｆ ｒ ｌ ｍｏ ｐ ｏ ｙｉ ｅ ｏ ｇ ｔ ｃｏ ｓ ｎ ｏ ｓｙ ｏ ｓ
Ｚ ｕ Ｊ ｎ ｉ Ｍ ａ ｔ ｒＳ Ｃａ ｄ ｄ ｔ ｈ ｕ ｍｅ ｓ ｅ ｎ ｉ ａ ｅ，Ｃｏ ｌｇ ｆＥｌｃ ｒ ｎ ｃ ａ ｄ Ｉ ｆ ｒ ｔｏ ｇ ｎ ｅ ｉ ｇ，Ｓ ｌ ｅ ｏ ｅ ｔｏ ｉ ｎ ｎ ｏ ｍａ ｉｎ Ｅｎ ｉ ｅ ｒｎ ｅ ＣＵＦＮ ，Ｗ ｕ ａ ３ ０ ４ ｈｎ ４０ ７ ，
【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。
基于投影法与字符特征的车牌字符分割算法
９． ， ６６ 根据仿真实验结果， ％ 本文算法分割效果较好， 且具有较
快 的分 割 速 度 。
［］ 兴玲． ４王 最大类 间方差 车牌字符分割 的模板 匹配 算法 ［］计算机 工 Ｊ．
程，０ ６ ３ （９：９ —９ ． ２０ ，２ Ｉ）１３ １５
量 为１ ０ Ａ ／ …， 性炭 （ ｃ 比表面 积 高 （ ０ ０ ２ ｇ ， ． ７ ｍ ｈｇ 活 Ａ） ２ ０ ｍ ／ ） Ｎ 率性能， ０ －Ｄ 在５ Ｃ １ 的恒流条 件条 件下表现 出电容量为７ ｍ ／ ０ Ａ
ｇ 本文重 点研 究了向Ｌ Ｆ Ｐ ４ ， ｉ ｅ ０ 中添加不 同含量 的Ａ 对混合 ｃ
２ ］ 李红． 基于字符整体特性及ｂ ｏ 分析的车牌字符分割［］ ｌｂ Ｊ． 华中 再 次切分， 从而达 到快速 且准 确 的字 符分 割。本文对 ｌ９ ｌ 幅车 ［ 郑成勇，
牌 图像在Ｍ Ｔ Ａ 环境下进行 了仿真 实验 ， Ａ ＬＢ 分割 准确率也达到 了
科技 大学学报，００３ （ ：８ ９． ２ １，８３ ８— １ ） ［ 许 礼武， 伦辉， ３ ］ 许 黄艳国． 于小波分解的车牌定位算法［］ 基 Ｊ． 计算机 工
强混合 电容器的电容性能， 当含量为３％ ２时同时表现出赝电容和电双层电容特性， 同时具有充放电平台和快速充放电的电化学性能。
关键 词： ｉｅ０ ； 性炭 ； ＬＦＰ ４ 活 混合 电 能 原 理 的 不 同 分 为 电 双 层 电容
董
． ２
池隔膜和电解 液ＬＰ ６ ｉＦ 。
１２电极制备过程 ． １３电池制备过程 ．
ＬＦＰ ４ ｉ ｅ ０ 中添 加Ａ ， Ｃ 分别与导 电剂、 粘合剂 按照质量 比 ８ ：０７ ３ １：混合， 经过２ 磁力搅拌后研磨至流变相并涂抹 在金 ｈ
车牌图像的字符分割
车牌图像的字符分割作者：王凤叶卫华来源：《电子技术与软件工程》2017年第05期摘要本文从车牌投影出发，分别求出车牌的水平和垂直投影，根据车牌的投影的平均值去除车牌边界。
然后再字符分割。
通过实验证明该方法可行。
【关键词】水平和竖直投影投影平均值字符分割1 引言随着经济发展，世界各国汽车数量急增，如何有效的进行城市交通管理越来越受到各国政府和有关部门的关注。
针对这个问题而研究的智能交通系统（ITS）成了一个热点领域，车牌识别是其重要的组成部分，在车辆控制、运输安排、停车管理、自动收费、事故处理等方面需求越来越高，可以节约大量的人力、物力，同时也提高了交通管理的效率。
总之，智能交通管理系统的研究和开发具有重要的现实意义，也具有广阔的市场和巨大的商业应用前景在智能交通系统中，准确定位车牌后，字符分割是下一步字符识别的前提，字符分割的好坏对字符识别率起着至关重要的作用。
虽然目前在已有的印刷体字符分割技术的基础上，提出了不少分割方法，但是分割准确率依然不是很高，而且分割方法稳定性不好。
本文主要针对字符分割方法进行研究，对车牌进行了一个灰度预处理后再二值化，使字符分割达到很好的效果，为下一步的字符识别提供了一定的基础保障。
2 车牌图像预处理2.1 灰度变换以及二值化目前摄像系统采集下来的图片一般都为彩色图像，由于彩色图像信息量大，计算复杂，而且运算速度慢，所以先对图像进行灰度变化处理。
为了适应字符分割和匹配识别，还要将灰度图进行二值化处理。
2.2 去除车牌边框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。
从图1可以看出，车牌在水平方向上的投影呈现出明显的“波峰——波谷——波峰”的特性，同时观察到虽然波峰（车牌字符处的投影值）的形态各异，变化很大，波峰和波谷之间像素值大小存在很大的差别。
这样就可以利用求投影平均值的方法去除车牌边框。
主要包括以下步骤：（1）将车牌二值化图像做水平投影和竖直投影；（2）利用mean函数求出水平投影的平均值，从左往右搜索第一个波峰，由于车牌上有螺丝，第一个波峰应为螺丝所在处，要去除后的字符区的左边界所在位置；从右往左找第一个波峰字符区右边界所在位置；这样就去除了车牌的左右边框。
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 -。
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。
高速识别车牌的原理
高速识别车牌的原理高速识别车牌是通过车牌识别系统实现的，该系统利用计算机视觉技术和图像处理算法对车牌图像进行分析和识别。
其原理可以分为以下几个步骤：1. 图像采集：车牌识别系统首先通过摄像头或其他图像采集设备获取车辆的图像。
采集设备通常安装在高速公路或收费站等交通枢纽的入口或出口处，并能够自动拍摄行驶过程中的车辆图像。
2. 图像预处理：采集到的车辆图像通常包含大量的噪声和干扰，为了提高后续的识别准确率，需要对图像进行预处理。
预处理的方法包括图像去噪、灰度化、二值化、边缘检测等。
去噪可以通过滤波算法去除图像中的噪声，灰度化将彩色图像转化为灰度图像，二值化将灰度图像转化为黑白图像，边缘检测可以找到图像中的车牌边缘。
3. 车牌定位：在预处理之后，需要利用图像处理算法定位出图像中的车牌。
车牌的定位通常通过颜色特征、形状特征、尺寸特征等进行判断。
车牌的颜色一般为蓝色或黄色，因此可以通过颜色分割的方法将车牌从背景中分离出来。
同时，车牌一般具有固定的形状和尺寸，可以通过形状匹配和尺寸过滤的方法定位出车牌的位置。
4. 字符分割：车牌定位之后，需要对车牌上的字符进行分割。
字符分割的方法一般包括基于垂直投影法和基于连通区域法两种。
基于垂直投影法可以将车牌上的字符通过字符之间的空白区域进行分割，基于连通区域法则通过字符之间的连通性进行分割。
5. 字符识别：分割出来的字符需要经过字符识别算法进行识别。
字符识别通常采用模式识别的方法，即将字符的图像与预先训练好的字符模型进行匹配。
常用的字符识别方法包括模板匹配、神经网络、支持向量机等。
6. 车牌识别：最后一步是将识别出来的字符进行组合，形成完整的车牌号码。
组合的过程一般根据车牌号码的结构和规则进行，可以通过字符间的相对位置和字符的排列顺序进行判断。
综上所述，高速识别车牌的原理是通过图像采集、图像预处理、车牌定位、字符分割、字符识别和车牌识别等步骤来实现车牌的识别。
其中，图像处理和模式识别算法是关键技术，通过对图像进行分析和处理，提取出车牌的关键信息，并利用已有的字符模型进行识别，从而实现车牌的高速识别。
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。
车牌识别技术中字符切割新算法
第１ 期
李元金 ，高维春 ，王精 明：车牌识别技术 中字符 切割新Βιβλιοθήκη 法 ３ ３开始
３ 车牌 图像 的二值化
图像二值化是字符切割的前提步骤 ，该步的关 键就是 阈值的选择 ， 的阈值能一次性把车牌底色 好 与车牌上 的文字基本上区分开 ，然而选得不恰 当能 把一些车牌背景变到了文字管辖范 围，也能把一些
了自 适应阈值的方法来确定阈值。它的最大的好处
定位切割各个 字符 。该方法最大 的缺点是先验知
［ 收稿 日期 ］ ０ ７ ０ — ９ ２０ — ３ ０ ［ 作者简介 ］ 李元金 （ ９ ５ ），男 （ １７ 一 汉），安徽入，助教，Ｅ ｍ ｉ ｉ ａｊ １０ ＠ ２ ． ｒ — ａ ： ｕｎ ｎ ０ ０ １６ Ｏ ｌｙ ｉ ｌ Ｃｎ
维普资讯
１ 车牌识别 系统简 介
识 起着绝对 的作用 ，因此车牌没有变形 时准确 率 高时可达百分之 九十 ，但是车牌有变形 时准确率
车牌识别 系统 是在交通监控 的基础上 ，引入 只有百分之几 。②根 据车牌图像在垂直方 向上 的
和方差Ｄ来确定一个阈值 了数字摄像技术和计算机信息管理技术 ，采用先进 投影直方图的数学期望Ｅ
车牌上 的文字所 在 的区域 变 到背景 上 去 。实验 时用
继续扫描每一行 ，直到图像中所有的行没有 白色像素 为止， 并记录本行所在的起始位置作为最后位置。并把行位 置不在 这 个 范 围 的去 掉 。 ｎ ０ ＝
先 自上 向 下对 图像 进 行 逐行 扫 描 ， 到遇 到 第 一 直 个 白色 的像 素 点 ， 并记 录 本行 的第 一 个象 素 所 在 的位 置作 为起 始 位 置 。
车牌识别技术中字符切割新算法
基于改进的投影方法的车牌图像字符分割
基于改进的投影方法的车牌图像字符分割
朱俊梅;陈少平
【期刊名称】《中南民族大学学报（自然科学版）》
【年(卷),期】2007(026)004
【摘要】提出了一种用于车牌识别系统中的基于改进的投影方法的字符分割方法.该方法利用数学形态学与投影相结合的方法进行车牌字符分割,首先利用数学形态学突出车牌字符区域特征,然后利用水平投影除去上下边界,用垂直投影突出单个字符区域,再结合车牌固有特征等先验知识最终分割出字符.实验结果表明:该方法实现简单,分割质量好、效率高,便于下一步的字符识别.
【总页数】4页(P58-61)
【作者】朱俊梅;陈少平
【作者单位】中南民族大学,电子信息工程学院,武汉,430074;中南民族大学,电子信息工程学院,武汉,430074
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于数字图像处理的车牌字符分割方法 [J], 封雪;李东新
2.基于条件随机场的低图像质量车牌字符分割 [J], 傅建强;冯瑞
3.基于图像特征的车牌字符分割方法研究 [J], 邹永星;钱盛友;王润民
4.基于图像处理的车牌识别与字符分割及MATLAB实现 [J], 黄岳锐;黄楷佳
5.基于垂直投影分割法的车牌图像的字符分割研究 [J], 焦慧华
因版权原因，仅展示原文概要，查看原文内容请购买。
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。
基于颜色和垂直投影的车牌定位与字符分割
基于颜色和垂直投影的车牌定位与字符分割苏博妮（四川文理学院智能制造学院,四川达州635000）摘要：提出了一种基于颜色和投影技术的车牌定位及字符分割方法，首先将车辆图像转换到HSV 颜色空间，利用车牌区域的颜色特征进行车牌区域定位，然后利用randon 变换对车牌图像进行倾斜校正，最后利用垂直投影法结合字符宽度完成字符分割，为下一步进行字符识别奠定基础.关键词：HSV 颜色空间；车牌定位；randon 变换；字符分割；垂直投影中图分类号：TP391.41文献标识码：A文章编号：1674-5248（2019）05-0026-040引言近年来，随着智能化交通管理系统的发展需求，现代化的车辆管理诸如交通流量控制、车辆的定位及追踪、交通行驶中的超速违章等自动化监控的实现无不需要对汽车牌照进行识别，因此，汽车牌照识别技术变得越来越重要.车辆牌照识别系统主要包括车牌区域定位、字符分割和字符识别三大关键部分，其中车牌定位和字符分割是字符识别准确与否的基础，在牌照识别中占有重要地位.根据车牌特点，常见的车牌定位算法围绕边缘检测、色彩分割方法来实现车牌定位.基于颜色定位主要根据车牌的蓝底白字特征来定位，该方法简单快捷，定位准确度较高，而采用边缘检测定位的方式一般包括图像灰度化、二值化处理、边缘检测定位车俩位置，再利用车牌长宽比先验知识进行车牌区域识别.［1-2］而在字符分割领域，近年来也出现了许多方法，常见的方法有模板匹配、聚类分析、投影分割等方法.［3-5］由于车牌以及车牌字符具有固定的宽度和字符间距，因此基于投影分割的方法得到了关注.本文利用HSV颜色空间定位车牌区域，利用randon 变换对图像进行倾斜矫正，将牌照图像投影后结合车牌长度和字符宽度特征完成了字符分割.1基于HSV 颜色空间的车牌区域定位目前采集的车辆图像大多为彩色图像，比较普遍的彩色图像都是采用RGB 颜色模式，即图像的每个像素颜色都是由红绿蓝即R 、G 、B 三个分量构成，每个分量都有256级灰度，0表示最暗，255表示最亮.在这个模型当中，不同的颜色对应RGB 三个分量在0-255之间的不同取值调配，这三个分量之间的相关性很强，因此，在车牌定位时RGB 空间难度较大.而且RGB 空间也不能反映出物体的具体颜色信息，相对于RGB 空间，HSV 颜色模型由色度、饱和度和亮度三个分量来表示每一个像素的颜色特征，因此HSV 颜色空间更能直观的表示颜色的色调、明暗程度等信息，便于颜色对比.［6］通过对大量的车牌图片分析发现，对于具有某种目标颜色的一个像素而言，可以通过直接对H 、S 、V 分量的一个具体范围把这些像素筛选出来，本文中针对蓝底白色车牌，就可以通过设定收稿日期：2019-06-12基金项目：四川文理学院2017-2019年度校级教育教学研究与改革项目（2017JY25）；四川省教育厅资助科研项目（18ZA0419）；四川文理学院智能制造产业技术开发研究专项项目资助（2017ZZ005Y 、2017ZZ002Z ）；四川文理学院科研项目资助（2016KZ004Y 、2017KZ012Y ）作者简介：苏博妮（1981-），女，陕西宝鸡人.讲师，硕士，主要从事物联网工程研究.第29卷第5期Vol.29No.5四川文理学院学报Sichuan University of Arts and Science Journal 2019年09月Sept .2019三分量的具体范围把蓝色像素过滤出来，这样可以节省大量的时间.［7］根据先验知识，蓝色汽车车牌的HSV 三分量值为色调H:0-180度，饱和度S 为：0.4-1，亮度V 为：0.3-1，因此，考虑如果在HSV 颜色空间按此范围设定三分量的取值，就可以快速筛选出蓝色车牌区域.算法基本思想是在HSV 颜色空间基于上述范围查找出蓝色像素点，然后逐行逐列搜索蓝色像素点区域，该方法对于大多数蓝色车牌的识别效果较好（不包括车身为蓝色的汽车图片）.具体步骤如下：（1）读入图片，将RGB 空间转换为HSV 空间；（2）确定蓝色区域上下边界，首先按行统计蓝色像素点个数，找出蓝色像素点最多的行，以及最大的蓝色像素点数；（3）通过对各行蓝色像素点统计值的分析结合图片车牌区域位置选定阈值5，然后以蓝色像素点最多的行为中心，向上逐个比较，直到达到蓝色像素点数和为5为止确定车牌上边界，接着按同样的方法逐个向下比较，找到车牌下边界.如图1所示；（4）逐列统计蓝色像素点个数，找出蓝色像素点最多的列及其数值，按步骤（2）方法确定蓝色区域左右边界，如图2所示，最后根据确定的上下边界和左右边界剪切出车牌，定位好的车牌图片如图3所示.图1确定上下边界图2确定左右边界图3定位好的车牌区域2牌照图像倾斜校正车辆图像采集时，由于摄像角度的不同，通常不能完全保证车牌照的水平方向与整幅图像的水平方向平行，也很难达到牌照平面的法线与图片平面法线在同一水平线上，因此，在采集的图像中就会出现牌照倾斜，导致定位截取的图片出现牌照倾斜的问题，严重的情况表现为牌照既不竖直也不横平，这对于后期的字符分割、字符识别的影响是非常大的，直接影响到车牌识别的整体性能，因此，在牌照定位之后必须要进行倾斜校正.本文中定位到的车牌图片倾斜虽然不严重，但为了保证后期切割和识别的准确性，文中采用randon 变换对牌照图片分别进行水平和垂直校正.图像校正具体步骤如下：（1）读取定位好的牌照图片，进行灰度化处理；（2）对图片进行转置变换，逆时针旋转90度，设置倾斜矫正范围，本文算法设置-20-20度，进行randon 变换确定倾斜角度；（3）对于randon 变换结果计算一阶微分并按行求和，查找最大值及其对应角度，就是最大倾斜角；（4）利用旋转变换对图像进行水平校正.结果如图4所示.（5）采用同样的方法，利用randon 变换完成对竖直角度的调整，如图5所示.本文算法中采集的图片是顺时针旋转，对应逆时针旋转也是同样的道理，通过这种变换方式，就可以实现对图像的倾斜校正.牌照区域校正之后，为了分割更加方便，还需对车牌去除边框和铆钉，排除干扰，减少不必要的运算.图4水平调整后图5水平和垂直调整后3牌照字符分割在图像校正、精确定位、去除边框、铆钉以及字符分割环节中，都要首先对图像做灰度化处理以减少信息运算量，提高算法的运行速度，在字符分割环节，为了字符分割的准确性以及减少信息量，还要进行二值化处理，这些都属于图像预处理范畴.3.1图像预处理3.1.1图像灰度化处理由于大部分彩色图像都是RGB颜色模式，因此，处理图像时要分别对三种分量进行处理，而RGB颜色并不反映图像的形态特征，更侧重于颜色的光学调配，这些彩色信息对于车牌的定位和识别作用不大，却造成了大量的信息冗余使得车牌识别的复杂度增加，因此，在图像预处理时首先要进行图像灰度化处理，以便于减少后续处理的计算量.而且从图像特征描述角度灰度图像仍然可以反映出整个图像整体和局部的亮度以及色度变化.图像灰度化处理的方法包括四种：（1）取分量法：将彩色图像每个像素的R、G、B值的某一个作为灰度图像的灰度值.（2）最大值法：取彩色图像每个像素的R、G、B值中最大的一个作为灰度图像的灰度值.（3）平均值法：将彩色图像每个像素的R、G、B值做平均，取平均值作为所求灰度图像的灰度值.（4）加权平均法：将彩色图像每个像素的R、G、B值经过加权求和所得结果作为灰度图像的灰度值.其中，最常用到的是加权平均法，因为人眼对绿色敏感度最高，红色次之，蓝色敏感度最低，一般选择权值系数时满足G>R> B，才能输出合理的灰度图像.而且大量的实验结果表明，当三个分量的权值分别取0.587、0.299、0.114时所得的灰度图像最符合人眼对色彩的感知.［8］因此，本文采用加权平均法进行图像灰度化处理，结果如图6所示.图6灰度化处理3.1.2二值化处理为了更好的实现定位分割，减少信息处理量，提高识别的效率和准确性，一般灰度化处理后还要进行二值化处理，灰度图像的灰度值在0-255之间，二值化处理就是将灰度值进一步简化为0或255，也就是白或黑，经过二值化处理后整幅图像就呈现为黑白两种颜色.在车牌图像处理时，二值化处理的关键就是合理的选择阈值，阈值的大小直接导致车牌图像与背景能够有效的分割.图像阈值选取有全局阈值，局部阈值、动态阈值三种，全局阈值适用于车牌没有受到污损的情形，对于车牌受到污损或者光线亮度不均的情况则选取局部阈值法效果较好，但是如果相邻块之间阈值有差异，局部阈值法识别效率会大大降低.而动态阈值法阈值随着图像中的位置而变化，在不同的区域选择不同的阈值，常见的方法就是otsu二值化方法，otsu算法基于聚类思想，根据图像灰度值差异最大化将灰度值分为两部分，通过寻找一个合适的灰度方差的方法来划分，本文算法中采用otsu算法进行二值化处理.图7二值化处理3.2牌照字符分割字符分割是把牌照定位的图像中的车牌号码字符提取出来形成单独的字符图像，单个字符图像是后续牌照识别的基础，因此，分割准确与否直接影响到后续的识别效果.标准车牌牌照上的字符之间的间隔具有一定的规律，一般家用小型汽车牌照首位为省名缩写的汉字，第二位是英图8垂直投影将二值化后的车牌图像进行垂直投影，由于车牌图像字符之间有固定的间距，因此，必然存在字符之间的间隙处垂直投影值最小，同时在这个位置处还应满足牌照的尺寸等特征.垂直投影图如图8所示，从图中可以看到，投影中有七个明显的波峰和波谷，结合车牌的特征，我们知道，波峰对应车牌的字符部分，波谷部分对应着字符之间的间距空白部分，根据垂直投影寻找每一个波峰和波谷，即字符的中心位置和边缘，结合字符宽度，就可以实现字符分割.具体思路如下：计算垂直投影，根据投影图的特点，字符部分宽度相同，加上字符部分和边框整个车牌图片长度近似为十个字符长度，因此，结合投影图就可以确定7个字符的位置，删除多余的边框，然后根据宽度分割出车牌字符，分割出的字符如图9所示，这种方法可以有效避免对于川字牌的误分割.图9字符分割结语本文对车牌定位和字符分割进行了研究，在车牌定位时，基于HSV颜色空间进行了车牌区域定位；对应倾斜的车牌，利用randon变换实现牌照图片的矫正；在字符分割时，对牌照图像进行灰度化、二值化处理，结合车牌字符比例和垂直投影技术实现了字符分割.MATLAB仿真表明，该方法能够实现车牌定位和字符分割，特别是垂直投影技术对于字符的分割效果较好，但基于颜色的分割方法在汽车车身颜色为蓝色时不能有效的定位车牌区域，仍需改进.参考文献［1］贺智龙，肖中俊，严志国.基于HSV与边缘信息的车牌定位与字符分割方法［J］.齐鲁工业大学学报,2019（03）:44-48.［2］徐雪丽，乌旭东，白媛.车牌定位及字符切分算法的研究与MATLAB仿真［J］.延安大学学报：自然科学版,2018（3）:46-50.［3］徐志佳,张勇.基于颜色空间和投影技术的车牌定位［J］.自动化技术与应用,2014（11）:79-83.［4］张丽静,孙杰,殷晓宇.基于HSV颜色空间的车牌定位方法［J］.微计算机信息,2008（7）:247-248.［5］李培灵,王锋.车牌定位与字符分割的新方法［J］.计算机与网络,2018（11）:69-71.［6］陈永超.基于数字图像处理的车牌识别研究［D］.武汉：武汉理工大学,2006：32-33.［7］王洪建.基于HSV颜色空间的一种车牌定位和分割方法［J］.仪器仪表学报,2005（S2）:371-373.［8］付卓栋.图像分割的车牌定位算法的应用研究［D］.大连：大连交通大学,2016：19-22.［责任编辑加晓昕］LicensePlateLocation and Character Segmentation Based on Color andVertical ProjectionSU Boni（Intelligent Manufacturing School of Sichuan University of Arts and Sciences,Dazhou Sichuan635000,China）Abstract:A license plate location and character segmentation method based on color and projection technology was proposed.Firstly,the vehicle image was converted into HSV color space,and the license plate area was located by using the color features of the license plate area.Then,the license plate image was tilted by random transform.Finally,V ertical Projection Combined with Character Width was used to completed character segmentation;this laid the foundation for character recognition in the next step.Key words:HSV color space;license plate location;random transform;character segmentation;vertical projection。
基于垂直投影法的车牌字符分割算法设计
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。
汽车车牌图像的区域分割与字符提取
3）加权平均值法：按照一定的权值，对R、G、B的值加权平均，即：R=G=B=( R+ G+ B)/3，其中 、 、 分别为R、G、B的权值。 、 、 取不同的值，将形成不同的灰度图像。由于人眼对绿色最为敏感，红色次之，对蓝色的敏感性最低，因此使 > > 将得到较易识别的灰度图像。一般情况下，当 =0.299、 =0.587、 =0.114时，得到的灰度图像效果最好。
数字图像处理
课程设计报告
课设题目：
汽车车牌图像的区域分割与字符提取
学 院：
信息工程学院
专 业：
通信工程
班 级：
姓 名：
学 号：
指导教师：
目录不要删除行尾的分节符，此行不会被打印
一.课程设计任务错误！未定义书签。
二.课程设计原理及设计方案1
三.课程设计的步骤和结果6
四.课程设计总结16
五.设计体会16
为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。但由于该系统的摄像部分工作于开放的户外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。
（1）图像预处理：对汽车图像进行图像转换、图像增强和边缘检测等。
（2）车牌定位：从预处理后的汽车图像中分割出车牌图像。即在一幅车辆图像中找到车牌所在的位置。
（3）字符分割：对车牌图像进行几何校正、去噪、二值化以及字符分割以从车牌图像中分离出组成车牌号码的单个字符图像
- 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。