《数字图像处理》大作业：车牌识别
车牌识别数字图像处理报告
axes(handles.before_process);
imshow(edge_p);
图8处理后图片
3.12定位与提取
计算出包含所标记的区域的最小宽和高，并根据先验知识，比较谁的宽高比更接近实际车牌宽高比，将更接近的提取并显示出来。
for(lx=1:1:num)
width=BoundingBox((lx-1)*4+3);%车牌宽
grayed=rgb2gray(a);
图6 车牌灰度化后图片
（3）对原始图像进行开操作得到图像背景图像，灰度图像与背景图像作减法，对图像进行增强处理:
se = strel('disk',5); %-------------------Create morphological structuring element.形态学结构
对二值图像进行区域提取，并计算区域特征参数。进行区域特征参数比较，提取车牌区域:
dge_p=edge(binary,'roberts');%用roberts算子识别强度图像中的边界**********************************************************
axes(handles.before_process);
数字图像处理
课程设计报告
1.
2.不要删除行尾的分节符，此行不会被打印
一.课程设计任务
在交通管理过程中，通常采用视频监控方式对闯红灯和超速等违章车辆进行监督。对违章车辆，需要自动检测车牌信息，提取车牌蓝底白字，长宽比3:1。
1、对车牌图像进行预处理，然后进行车牌定位；
width=BoundingBox((lx-1)*4+3);%车牌宽
数字图像处理课程设计-基于图像处理的车牌识别技术
《数字图像处理》课程设计报告设计题目：基于图像处理的车牌识别技术学院：xxxxxxxxxxxxxxxx专业：xxxxxxxxxxxxxxxxxxxxxxxxxxx姓名：xxxxxxxxxxxxxxxxxxxxxxx学号：xxxxxxxxxxxxxxxxxxx指导教师：xxxxxx2015 年xx 月xx 日摘要智能交通系统已成为世界交通领域研究的重要课题，车牌识别系统作为智能交通系统的核心，起着非常关键的作用。
目前，图像处理技术在车牌识别中的应用研究已经成为科学界的一个重要研究领域。
本课程设计旨在粗浅地运用所学基本原理和知识分析数字图像处理技术在友好环境下的应用（所选车牌识别的车辆图片均为友好环境下，易于处理的实验图片，不具有广泛性）。
以车牌为研究对象，主要研究如何通过图像的预处理、车牌的定位、车牌字符分割和字符识别等一系列过程，完成车牌的识别。
关键词：智能交通、数字图像处理、车牌识别ABSTRACTIntelligent transportation system has become an important research topicin the world of transportation, license plate recognition system as thecore of intelligent transportation system, plays a key role. At present,the application of image processing technology in vehicle license platerecognition has become an important research area of the scientificcommunity.This course is designed to scratch the surface and apply the knowledgeto analyze the basic principles of digital image processing technologyin a friendly environment (experimental vehicle license platerecognition image selected pictures are environment-friendly, easy tohandle, does not have the breadth) . With license plate for the study,the main research how image preprocessing, license plate and licenseplate character segmentation and character recognition process and aseries of complete license plate recognition.Keywords：smart transportation 、Image Processing 、License Plate Recognition目录1、绪论 (4)1.1问题提出 (4)1.2背景及现状分析 (4)1.3目的及意义 (5)1.4开发工具 (5)2、系统设计 (5)2.1总体设计方案 (5)2.2流程图 (5)2.3模块功能分析 (6)2.3.1图像预处理 (6)2.3.2车牌定位 (8)2.3.3字符分割 (8)2.3.4字符识别 (10)3、系统结果分析 (12)3.1本系统结果分析 (12)3.2本系统的不足 (12)4、课程设计总结 (13)5、课程设计体会 (13)6、参考文献 (13)7、附录 (14)1、绪论伴随着工业的迅速发展，城市化的进展和汽车的普及，世界各国的交通量急剧增加。
数字图像处理实习报告--OCR-车牌号码识别
total+=DisposeImg[x*width+y];
}
}
aver=(BYTE)(total/(float)(height*width));
float delt;
float sub=0;
for(x=0;x<height;x++)
{
for(y=0;y<width;y++)
{
sub+=(DisposeImg[x*width+y]-aver)*(DisposeImg[x*width+y]-aver);
3.选择具有最大跳变数的区域为车牌区
3.7
程序流程：1.初始化；
2.水平差分，边缘提取；
3.选择车牌的中间1/3行来计算每个伪车牌区域的跳变平均数；
3.8
程序说明：选择排序，由于水平分割出的伪车牌区域已经比较准确，故仅作垂直方向的进一步定位（缩小宽度）
3.91
程序流程：1.水平差分，二值化；
2.垂直方向投影，统计各列的投影值；
(6)字符识别：通过基于模板匹配的人工神经网络算法，通过特征对比或训练识别出相关的字符，得到最后的汽车牌照，包括英文字母和数字。
三、实习步骤
请打开一个BMP格式的位图文件：标示图象的坐标标示算子的坐标标识区域的地点
3.1
程序流程：1.产生副本
2.水平差分提取边缘，寻找横向的车牌带状区域
3.垂直差分提取边缘，寻找纵向的车牌带状区域
数字图像处理实习报告
实习项目名称：OCR-车牌号码识别
所属课程名称：数字图像处理
班级：
学号:
姓名：
指导教师：
一、实习目的
（1） 掌握数字图像处理的相关知识及算法。
(完整版)基于数字图像处理的车牌识别本科毕业论文
本科生毕业论文（设计）题目:基于数字图像处理的车牌识别设计**: ***学院: 数理与信息工程学院专业: 电子信息工程班级: 111学号:指导教师:刘纯利职称: 教授2014 年12 月24 日安徽科技学院教务处制目录摘要 ....................................................................关键词 ..................................................................1、设计目的 .............................................................2、设计原理: ............................................................3、设计步骤: ............................................................4、实行方案 .............................................................4.1. 总体实行方案:...................................................4.2. 各模块的实现:...................................................4.2.1输入待处理的原始图像: .......................................4.2.2图像的灰度化并绘制直方图: ...................................4.2.3 边缘检测....................................................4.2.4图像的腐蚀操作：............................................4.2.5平滑图像....................................................4.2.6除去二值图像的小对象 ........................................4.3车牌定位 .........................................................4.4字符的分割与识别..................................................4.4.1.车牌的再处理................................................4.4.2字符分割....................................................4.5车牌识别：........................................................5、总结: ................................................................6、致谢 .................................................................7、参考文献: ............................................................基于数字图像处理的车牌识别设计电子信息工程专业学生周金鑫指导教师刘纯利摘要：车牌识别在人类社会交通系统中担当重要角色，一个设计优良的车牌识别系统会给人们生活带来极大的方便，本文通过运用matlab和数字图像处理的一些知识简单通过图像预处理，车牌定位，字符分割，采用模板匹配法实现车牌字符的识别。
数字图像处理实验_汽车牌照自动识别
贵州大学实验报告学院：计算机学院专业：网络工程班级：101 姓名学号实验组实验时间12.11 指导教师戴丹成绩实验项目名称实验四汽车牌照自动识别实验目的1.分析汽车牌照的特点，正确获取整个图像中车牌的区域，并识别出车牌号。
2.将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。
实验原理牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。
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、识别车牌号码的处理机等，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。
某些牌照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之为视频车辆检测。
一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。
当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。
牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。
实验步骤a.牌照定位，定位图片中的牌照位置；b.牌照字符分割，把牌照中的字符分割出来；c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。
实验数据getword.mfunction [word,result]=getword(d)word=[];flag=0;y1=8;y2=0.5;while flag==0[m,n]=size(d);wide=0;while sum(d(:,wide+1))~=0 && wide<=n-2wide=wide+1;endtemp=qiege(imcrop(d,[1 1 wide m]));[m1,n1]=size(temp);if wide<y1 && n1/m1>y2d(:,[1:wide])=0;if sum(sum(d))~=0d=qiege(d); % 切割出最小范围else word=[];flag=1;endelseword=qiege(imcrop(d,[1 1 wide m]));d(:,[1:wide])=0;if sum(sum(d))~=0;d=qiege(d);flag=1;else d=[];endendendresult=d;qiege.mfunction e=qiege(d)[m,n]=size(d);top=1;bottom=m;left=1;right=n;while sum(d(top,:))==0 && top<=mtop=top+1;endwhile sum(d(bottom,:))==0 && bottom>=1bottom=bottom-1;endwhile sum(d(:,left))==0 && left<=nleft=left+1;endwhile sum(d(:,right))==0 && right>=1right=right-1;enddd=right-left;hh=bottom-top;e=imcrop(d,[left top dd hh]);main.mfunction [d]=main(jpg)close allclcI=imread('car2.jpg');subplot(2,3,1),imshow(I);title('原图')I1=rgb2gray(I);subplot(2,3,2),imshow(I1);title('灰度图');subplot(2,3,3),imhist(I1);title('灰度图直方图');I2=edge(I1,'robert',0.15,'both');subplot(2,3,4),imshow(I2);title('robert算子边缘检测') se=[1;1;1];I3=imerode(I2,se);subplot(2,3,5),imshow(I3);title('腐蚀后图像');se=strel('rectangle',[25,25]);I4=imclose(I3,se);subplot(2,3,6),imshow(I4);title('平滑图像的轮廓');I5=bwareaopen(I4,2000);figure(2),imshow(I5);title('从对象中移除小对象'); [y,x,z]=size(I5);myI=double(I5);ticBlue_y=zeros(y,1);for i=1:yfor j=1:xif(myI(i,j,1)==1)Blue_y(i,1)= Blue_y(i,1)+1;endendend[temp MaxY]=max(Blue_y);PY1=MaxY;while ((Blue_y(PY1,1)>=5)&&(PY1>1))PY1=PY1-1;endPY2=MaxY;while ((Blue_y(PY2,1)>=5)&&(PY2<y))PY2=PY2+1;endIY=I(PY1:PY2,:,:);Blue_x=zeros(1,x);for j=1:xfor i=PY1:PY2if(myI(i,j,1)==1)Blue_x(1,j)= Blue_x(1,j)+1;endendendwhile ((Blue_x(1,PX1)<3)&&(PX1<x))PX1=PX1+1;endPX2=x;while ((Blue_x(1,PX2)<3)&&(PX2>PX1))PX2=PX2-1;endPX1=PX1-1;PX2=PX2+1;dw=I(PY1:PY2-8,PX1:PX2,:);t=toc;figure(3),subplot(1,2,1),imshow(IY),title('行方向合理区域');figure(3),subplot(1,2,2),imshow(dw),title('定位剪切后的彩色车牌图像') imwrite(dw,'dw.jpg');[filename,filepath]=uigetfile('dw.jpg','输入一个定位裁剪后的车牌图像'); jpg=strcat(filepath,filename);a=imread('dw.jpg');b=rgb2gray(a);imwrite(b,'1.车牌灰度图像.jpg');figure(4);subplot(3,2,1),imshow(b),title('1.车牌灰度图像')g_max=double(max(max(b)));g_min=double(min(min(b)));T=round(g_max-(g_max-g_min)/3);[m,n]=size(b);d=(double(b)>=T);imwrite(d,'2.车牌二值图像.jpg');figure(4);subplot(3,2,2),imshow(d),title('2.车牌二值图像')figure(4),subplot(3,2,3),imshow(d),title('3.均值滤波前')h=fspecial('average',3);d=im2bw(round(filter2(h,d)));imwrite(d,'4.均值滤波后.jpg');figure(4),subplot(3,2,4),imshow(d),title('4.均值滤波后')se=eye(2);[m,n]=size(d);if bwarea(d)/m/n>=0.365d=imerode(d,se);elseif bwarea(d)/m/n<=0.235d=imdilate(d,se);endimwrite(d,'5.膨胀或腐蚀处理后.jpg');figure(4),subplot(3,2,5),imshow(d),title('5.膨胀或腐蚀处理后')d=qiege(d);[m,n]=size(d);figure,subplot(2,1,1),imshow(d);%figure(6),subplot(1,1,1),imshow(d),title(n)k1=1;k2=1;s=sum(d);j=1;while j~=nwhile s(j)==0j=j+1;endk1=j;while s(j)~=0 && j<=n-1j=j+1;endk2=j-1;if k2-k1>=round(n/6.5)[val,num]=min(sum(d(:,[k1+5:k2-5])));d(:,k1+num+5)=0;endendd=qiege(d);y1=10;y2=0.25;flag=0;word1=[];while flag==0[m,n]=size(d);left=1;wide=0;while sum(d(:,wide+1))~=0wide=wide+1;endif wide<y1d(:,[1:wide])=0;d=qiege(d);elsetemp=qiege(imcrop(d,[1 1 wide m]));[m,n]=size(temp);all=sum(sum(temp));two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:)));if two_thirds/all>y2flag=1;word1=temp;endd(:,[1:wide])=0;d=qiege(d);endend[word2,d]=getword(d);[word3,d]=getword(d);[word4,d]=getword(d);[word5,d]=getword(d);[word6,d]=getword(d);[word7,d]=getword(d);subplot(5,7,1),imshow(word1),title('1');subplot(5,7,2),imshow(word2),title('2');subplot(5,7,3),imshow(word3),title('3');subplot(5,7,4),imshow(word4),title('4');subplot(5,7,5),imshow(word5),title('5');subplot(5,7,6),imshow(word6),title('6');subplot(5,7,7),imshow(word7),title('7');[m,n]=size(word1);word1=imresize(word1,[40 20]);word2=imresize(word2,[40 20]);word3=imresize(word3,[40 20]);word4=imresize(word4,[40 20]);word5=imresize(word5,[40 20]);word6=imresize(word6,[40 20]);word7=imresize(word7,[40 20]);subplot(5,7,15),imshow(word1),title('1');subplot(5,7,16),imshow(word2),title('2');subplot(5,7,17),imshow(word3),title('3');subplot(5,7,18),imshow(word4),title('4');subplot(5,7,19),imshow(word5),title('5');subplot(5,7,20),imshow(word6),title('6');subplot(5,7,21),imshow(word7),title('7');imwrite(word1,'1.jpg');imwrite(word2,'2.jpg');imwrite(word3,'3.jpg');imwrite(word4,'4.jpg'); imwrite(word5,'5.jpg');imwrite(word6,'6.jpg');imwrite(word7,'7.jpg');liccode=char(['0':'9' 'A':'Z' '苏豫陕鲁']);SubBw2=zeros(40,20); l=1;for I=1:7ii=int2str(I);t=imread([ii,'.jpg']);SegBw2=imresize(t,[40 20],'nearest');if l==1kmin=37;kmax=40;elseif l==2kmin=11;kmax=36;else l>=3kmin=1;kmax=36;endfor k2=kmin:kmaxfname=strcat('字符模板\',liccode(k2),'.jpg');SamBw2 = imread(fname);for i=1:40for j=1:20SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);endendDmax=0;for k1=1:40for l1=1:20if ( SubBw2(k1,l1) > 0 | SubBw2(k1,l1) <0 )Dmax=Dmax+1;endendendError(k2)=Dmax;endError1=Error(kmin:kmax);MinError=min(Error1);findc=find(Error1==MinError);Code(l*2-1)=liccode(findc(1)+kmin-1);Code(l*2)=' ';l=l+1;endfigure(6),subplot(1,1,1),imshow(d);title(n);figure(6),subplot(1,1,1),imshow(dw);title (['车牌号码:',Code],'Color','b');实验总结学会将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。
期末课程报告：数字图像中车牌识别的matlab实现
数字图像处理期末课程报告题目：车牌识别的matlab实现题目类型：软件型学院信息工程与自动化学院专业：计算机科学与技术年级：XXXX 学号：XXXXXXX学生姓名： xxx指导教师：xx日期：2012-6-8目录摘要： (3)关键词： (3)实验工具： (3)车辆牌照识别流程： (3)实验内容及步骤 (3)1.图像预处理： (3)2.车牌定位——车牌起始位置和终止位置 (5)3.图片二值化 (6)4.列方向像素点灰度值累计 (7)5.字符分割： (8)6.建立字符模板数据库 (9)7.归一化训练 (10)结果分析： (15)摘要：本次课程设计的目的是通过对基于MATLAB 的字符识别的研究，以汽车牌照识别的设计为实例，详细介绍字符识别的相关原理。
整个汽车牌照识别的过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，用MATLAB 软件编程来实现每一个部分，最后识别出汽车牌照。
在研究的同时对其中出现的问题进行了具体分析，处理。
寻找出对于具体的汽车牌照识别过程的最好的方法。
关键词：MATLAB 字符识别 车牌识别 神经网络 图像处理实验工具：MATLAB 7.8（R2009a ）。
车辆牌照识别流程：基于 MATLAB 图像处理的汽车牌照识别，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。
流程图如下：其中，(1) 原始图像：由数码相机或其它扫描装置拍摄到的图像；（本实验图片由数码相机获得）(2) 图像预处理：对动态采集到的图像进行灰度处理、边缘检测、腐蚀、膨胀、滤波、等处理排除图像干扰；(3) 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；(4) 字符分割：利用投影检测的字符定位分割方法得到单个的字符；(5) 字符数据库：构造训练样本数据库，为第6步的字符识别建立字符模板数据库；(6) 字符识别：通过基于模板匹配的OCR 算法或基于人工神经网络的OCR 算法，通过特征对比或训练识别出相关的字符，得到最后的汽车牌照，包括英文字母和数字。
《数字图像处理》大作业：车牌识别
将图中字符分割出来 将每个字符单独分割出来进行操作方便字 符识别 用d=bwareaopen(d,150);将第二个 和第三个字符中间的点去除点。
分割第一个字符的程序
wide1 = 0 while sum(d(:,wide1+1))<3 && wide1 <= n-2 wide1 = wide1 + 1; end wide2 = wide1; while sum(d(:,wide2+1))>2 && wide2 <= n-2 wide2 = wide2 + 1; end % temp = imcrop(d, [wide1 1 wide2-wide1 m]); % figure;imshow(temp); % tp=3;bottm=m-5; while sum(d(tp,wide1:wide2))==0 tp = tp + 1; end while sum(d(bottm,wide1:wide2))==0 bottm = bottm - 1; end e1 = imcrop(d, [wide1 tp wide2-wide1 bottm-tp]);
%求出一列中满足蓝色区域点的个数
%找出车牌区域左右边界
车牌字符处理
首先要对定位好的车牌图像进行处理，再将车牌 上的字符分割出来，方便后续识别操作。ຫໍສະໝຸດ 图像灰度化图像二值化
图像滤波处理
车牌图像处理
图像处理部分程序
X = im2bw(Plate); 像 [H, L] = size(X); X = imcrop(X, [5 5 L-10 H-10]); %im2bw使用阈值变换法把灰度图 转换成二值图像。
数字图像处理-车牌识别系统附程序
数字图像处理车牌识别系统目录1 方案设计............................................................................................................... .. (4)1.1 基本原理 (4)1.2 总体设计方案 (4)2 各模块的实现 (5)2.1 图象的采集与转换 (5)2.2 灰度校正 (6)2.3 平滑处理 (7)2.4 提取的边缘 (7)3 牌照的定位和分割 (7)3.1 牌照区域的定位 (8)3.2 牌照区域的分割 (9)4 字符处理 (9)4.1 字符分割 (10)4.2 字符归一化 (10)4.3 字符的识别 (10)5 总结 (11)参考文献 (12)附录 (13)摘要随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经2不能满着实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。
汽车牌照的自动识别技术已经得到了广泛应用。
汽车牌照自动识别整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，其中字符识别过程主要由以下3个部分组成：①正确地分割文字图像区域；②正确的分离单个文字；③正确识别单个字符。
用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。
在研究的同时对其中出现的问题进行了具体分析处理。
1方案设计1.1基本原理由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。
图1 牌照识别系统原理图该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用，它主要由牌照图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个部分组成，如图1 所示。
数字图像处理实习报告--OCR-车牌号码识别
数字图像处理实习报告--OCR-车牌号码识别数字图像处理实习报告实习项⽬名称：OCR-车牌号码识别所属课程名称：数字图像处理班级：学号:姓名：指导教师：⽬录⼀、实习⽬的 (3)⼆、实习原理 (3)三、实习步骤 (3)3.1完成车牌定位的整个过程 (4)3.2⽔平差分提取图象边缘 (4)3.3 完成图象车牌区域的初步定位。
(4)3.4利⽤先验知识标识车牌区域，进⾏车牌区域的选择 (4)3.5⽔平查找后，纵向查找。
完成图象车牌区域的初步定位。
(5)3.6利⽤先验知识标识车牌区域，进⾏车牌区域的选择，（横纵向） (5)3.7计算伪车牌区的跳变平均数 (5)3.8找出所有伪车牌区域中具有最⼤跳变平均数的区域号，精确定位车牌 (5)3.91找出车牌的左右边缘 (5)3.92⼆值化图象 (6)3.93车牌字符分割 (6)3.94⽔平⽅向投影，分割出字符 (6)四、实验程序 (6)五、实习结果 (24)六、实习⼼得 (28)⼀、实习⽬的（1）掌握数字图像处理的相关知识及算法。
（2）学习在VC 6.0环境下编写车牌定位与识别程序。
（3）了解车牌定位⽅法，如边缘检测法，基于⽮量量化的车牌定位法等。
（4）了解车牌字符分割⽅法，如，投影法，基于车牌字符先验知识的字符分割⽅法等。
（5）了解车牌字符识别⽅法，如字符归⼀化，投影法，基于数字和字母特征的模板匹配法。
（6）运⽤编写的车牌定位与识别程序实现在各种环境下车牌的识基于VC++图像处理的汽车牌照识别系统主要包括车牌定位，字符车牌分割和车牌字符识别三个关键环节其识别流程图如图1所⽰。
图1 识别流程图其中，(1)原始图像：原始的汽车图像；(2)图像预处理：对采集到的图像进⾏滤波等处理以克服图像⼲扰；(3)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；(4)字符分割：利⽤投影检测的字符定位分割⽅法得到车牌的字符；(5)字符数据库：为第6步的字符识别建⽴字符模板数据库；(6)字符识别：通过基于模板匹配的⼈⼯神经⽹络算法，通过特征对⽐或训练识别出相关的字符，得到最后的汽车牌照，包括英⽂字母和数字。
西电数字图像处理大作业车牌识别出结果
第 1 页共 33 页基于MATLAB软件的车牌识别作者：学号：作者：学号：学院(系)：电子工程学院专业：电子信息工程题目：基于matlab的车牌识别指导教师：李洁职称：教授2013年5月摘要随着经济社会的发展及人们生活水平的提高，机动车辆的数量越来越多，第 2 页共 33 页给交通管理带来了很大的压力，所以，我们必须找到一种方法来解决这个问题。
因为车牌号的重要地位，我们第一个想到就是设法利用车牌号来对车辆进行管理，所以车牌提取应运而生，用来提高汽车的安全管理水平及管理效率。
车牌识别系统主要包括了图像采集、图像预处理、车牌定位、字符分割、字符识别等五大核心部分。
关键词：MATLAB、图像预处理、车牌识别与分割目录1. 绪论 (1)1.1 本课题的研究背景 (1)1.2 国内外发展状况 (3)1.3 主要应用领域 (5)1.4 设计原理 (6)2. MATLAB简介 (7)2.1 MATLAB发展历史 (7)3．各模块的实现 (11)3.1设计方案 (11)3.2图像预处理 (11)3.2.1图像灰度化 (11)3.2.2图像的边缘检测 (12)3.3车牌定位和分割 (14)3.3.1车牌的定位 (15)3.3.2车牌的分割 (16)3.3.3对定位后的彩色车牌的进一步处理 (17)3.4字符的分割和归一化处理 (17)3.4.1字符的分割 (18)3.4.2字符的归一化处理 (19)3.5 字符的识别 (19)4．实验结果和分析 (22)5．实验总结 (24)致谢 (25)参考文献 (26)程序附录 (27)第一章绪论1.1 本课题的研究背景随着经济社会的发展及人们生活水平的提高，机动车辆的数量越来越多，给交通管理带来了很大的压力，所以，我们必须找到一种方法来解决这个问题。
因为车牌号的重要地位，我们第一个想到就是设法利用车牌号来对车辆进行管理，所以车牌提取应运而生，用来提高汽车的安全管理水平及管理效率。
尹其畅 数字图像处理大作业
《数字图像处理》大作业——车牌识别（车牌定位和字符分割部分）学院：电子与控制工程学院专业：交通信息工程及控制学号：****************任课教师：***车牌识别系统1 车牌识别系统1.1车牌识别系统的概述目前随着科技和经济的日益发展，智能交通系统在世界范围内引起重视，我国已经将其列入科技计划重点实施。
智能交通系统是交通发展的必然趋势，而车牌识别系统是智能交通系统中的重要组成部分。
该系统可以记录十字路口违章车辆，实现高速公路，收费路口，停车场等地的收费。
既减少了人力，又节约了时间，还提高了效率。
车牌识别系统的主要任务是分析和处理摄取到的复杂背景下的车辆图像，定位分割牌照，最后自动识别汽车牌照上的字符，LPR是利用车辆牌照的唯一性来识别和统计车辆，它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统。
在现代化交通发展中车牌识别系统是制约交通系统智能化、现代化的重要因素，LPR系统应该能够从一幅图像中自动提取车辆图像，自动分割牌照图像，对字符进行正确识别，从而降低交通管理工作的复杂度。
车牌字符识别的实质是对车牌上的汉字、字母和数字进行快速准确的识别并以字符串的形式输出识别结果，字符识别技术是整个车牌识别系统的关键。
车牌识别系统与其它图像识别系统相比较而言要复杂的多，在字符识别中，汉字识别是最难也是最关键的部分，很多国外较为成熟的车牌识别系统无法进入中国市场的原因就在于无法有效的识别汉字。
1.2车牌识别系统的结构和工作原理车牌识别技术的任务是处理、分析摄取的车辆图像，实现车牌号码的自动识别。
典型的车辆牌照识别系统是由图像采集系统、中央处理器、识别系统组成，一般还要连接相应的数据库以完成特定的功能。
当系统发现(通过埋地线圈或者光束检测)有车通过时，则发出信号给图像采集系统，然后采集系统将得到的图像输入识别系统进行识别，其识别结果应该是文本格式的车牌号码。
图1.1 车牌识别系统原理图车牌整体识别过程大体可分为四个步骤:图像预处理、车牌定位和分割、车牌字符分割和车牌字符识别。
数字图像处理车牌号识别实验
数字图像处理车牌号识别实验1、编程语言与开发环境：C#，操作系统式windows7，开发平台是visual studio 2010。
2、实验数据：在安徽大学校磬苑校区内拍摄到车牌照片3、实验简介车牌自动识别系统的整个处理过程分为图片预处理、车牌定位、字符分割、字符识别四大模块，本课题通过对含车牌的汽车图片进行分析，设计并实现了一个车牌识别原型系统。
第一部分为图像预处理部分，该部分采用基于灰度图像的灰度拉伸和灰度化均衡以及中值滤波算法对车牌图像进行处理。
第二部分为车牌区域定位，该部分在二值图像的基础上用基于边缘检测的车牌定位方法对车牌区域实现定位。
第三部分为字符切分部分，该部分用基于垂直投影法的车牌照字符切分方法对车牌进行字符切分，为车牌字符识别作好准备。
第四部分为字符识别部分，该部分采用基于标准特征库模板匹配的字符识别方法对切分出来的字符块进行识别，满足简单、实用、正确性高的要求。
另外为了增强用户体验和增加识别率，本系统还加入了、车牌特征训练、特征实时入库等辅助功能。
3、实验流程5、实验结果图5-1 原图像图5-2 经灰度化处理后图像图5-3 经灰度化处理后的直方图图5-4 经灰度均衡化处理后的图像图5-5 经灰度均衡化处理后的直方图图5-6 经中值滤波处理后的图像图5-7 经中值滤波处理后的直方图图5-8使用sobel边缘检测后的图像图5-9车牌定位图图5-10对车牌进行灰度化处理后图像图5-11对车牌进行二值化处理后图像图5-12对车牌进行区域化处理后图像图5-13识别结果图5-14 程序运行截图1图5-14 程序运行截图2。
数字图像处理-汽车牌照自动识别要点
数字图象处理题目：汽车牌照自动识别学院：计算机科学与信息学院专业：_______网络工程_______目录1 实验目的 (1)2 实验原理和方法 (1)3 实验内容和步骤 (1)3.1 牌照定位 (1)3.2 牌照字符分割 (2)3.3 牌照字符识别 (2)4 实验数据 (2)4.1 源程序 (2)4.2 运行结果 (7)4.2.1 牌照定位 (7)4.2.2 牌照字符分割 (9)4.2.2 牌照字符识别 (10)1 实验目的1.分析汽车牌照的特点，正确获取整个图像中车牌的区域，并识别出车牌号。
2.将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。
2 实验原理和方法牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。
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、识别车牌号码的处理机等，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。
某些牌照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之为视频车辆检测。
一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。
当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。
牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。
3 实验内容和步骤为了进行牌照识别，需要以下几个基本的步骤：a.牌照定位，定位图片中的牌照位置；b.牌照字符分割，把牌照中的字符分割出来；c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。
3.1 牌照定位自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。
首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。
基于图像处理的车牌识别B
研究生期末论文基于数字图像处理的车牌识别学院、系电子信息工程学院自动化系专业名称控制工程学生姓名苏良碧指导老师王振华2010年6月2.6.1上下边框的去除投影法是一种很简便的方法，有些类似于灰度直方图。
借助投影法可以得到图像的投影曲线，分析投影曲线可以帮助获得图像中目标的位置信息。
分析投影曲线是图像处理中最常用的方法。
水平投影是图像中每一行在Y轴上的投影，统计白色像素点的个数(或者灰度值之和)，画出水平投影曲线。
经过目标增强和二值化之后，车牌图像中只有黑白两种颜色。
水平投影(即向Y轴投影)之后，水平边框部分和字符部分出现波峰。
观察曲线，在曲线的上部和下部有两个极大值，那是车牌的上下边缘水平投影的结果，中间部分有曲线波动，是字符区域，字符区域一定在两个波谷之间。
因此，由曲线的上下两个极大值分别从上向下和从下向上搜索波谷，由这两个波谷位置水平分割车牌，截去车牌的上下边框。
搜索的波谷满足以下条件：（1）波谷值小于一个阈值；（2）两波谷之间的垂直距离在一定范围内(因为车牌的字符高度有一定范围)。
2.6.2左边框的去除垂直投影是图像中每一列在X轴上的投影，统计白色像素点的个数(或者灰度值之和)，画出垂直投影曲线。
垂直投影(即向X轴投影)之后，垂直边框部分和字符部分出现波峰。
由于车牌第一个字符是汉字，不会出现象“1”这样的宽度极小的字符，因此垂直投影曲线左侧的第一个由波峰转入波谷的区域可能是左边框。
增加3个判定条件用以删除左边框：（1）波峰值较大；（2）波谷值较小；（3）波峰与波谷的X轴距离较小。
Matlab主程序：bw=im2bw(bw,graythresh(bw));figure,imshow(bw);bw=bwmorph(bw,'hbreak',inf);figure,imshow(bw);bw=bwmorph(bw,'spur',inf);figure,imshow(bw);title('擦除之前');bw=bwmorph(bw,'open',5);figure,imshow(bw);title('闭合运算');bw=bwareaopen(bw,threshold);figure,imshow(bw);title('擦除');%%加入进度条h=waitbar(0,'程序运行中，请稍等......')for i=1:10000waitbar(i/5000,h)endclose(h);wavplay(wavread('程序运行中.wav'),22000);%%bw=~bw;figure,imshow(bw);title('擦除反色');%%对图像进一步裁剪，保证边框贴近字体bw=touying(bw);figure;imshow(bw);title('Y方向处理');bw=~bw;bw=bwareaopen(bw,threshold);bw=~bw;figure,imshow(bw);title('二次擦除');[y,x]=size(bw);%对长宽重新赋值投影Matlab程序：function bw_fir=touying(imane_bw)X_yuzhi=1;[y,x]=size(imane_bw);Y_touying=(sum((~imane_bw)'))';%往左边投影统计黑点X_touying=sum((~imane_bw));%往下面投影%找黑体边缘Y_up=fix(y/2);Y_yuzhi=mean(Y_touying((fix(y/2)-10):(fix(y/2)+10),1))/1.6; while((Y_touying(Y_up,1)>=Y_yuzhi)&&(Y_up>1))%找到图片上边界Y_up=Y_up-1;endY_down=fix(y/2);while((Y_touying(Y_down,1)>=Y_yuzhi)&&(Y_down<y)) %找到图片上边界Y_down=Y_down+1;end%去除左边边框干扰X_right=1;if(X_touying(1,fix(x/14)))<=X_yuzhiX_right=fix(x/14)end%找黑体边缘bw_fir=imane_bw(Y_up:Y_down,X_right:x);图2.9进行擦除前的车牌图像图2.10闭合运算图2.11擦除后的车牌图像图2.12擦除反色后的车牌图像Y图2.13Y方向处理后的车牌图像图2.14二次擦除后的车牌图像2.7文字分割至今人们己经提出了很多字符切分方法，这些算法大多成功用于解决文本文字识别问题，这些算法经过改进和扩展可以应用到车牌字符切分中去，总结起来看，常见的字符水平切分方法主要有：（1）基于字符区域纹理特征的水平切分方法。
基于数字图像处理技术的车牌识别技术研究
基于数字图像处理技术的车牌识别技术研究随着数字图像处理技术的发展，基于数字图像处理技术的车牌识别技术已经越来越成熟。
本文将从技术原理、发展历程、应用前景等方面进行探讨。
一、技术原理基于数字图像处理技术的车牌识别技术是通过图像获取、特征提取、匹配识别等过程实现对车牌的快速准确识别和提取的技术。
其核心技术是数字图像处理，主要包括以下几个方面：1.图像获取：通过摄像机、高分辨率相机等设备获取车辆图片，然后对图片进行处理。
2.预处理：对图像进行灰度化、去噪、二值化、图像增强等操作，以提高图像的质量和清晰度。
3.特征提取：针对不同的车辆和车牌，提取不同的特征，比如车牌号码、车牌颜色、车牌字体、大小等，以便后续处理和识别。
4.识别匹配：使用模式识别、人工智能、机器学习等技术对提取的特征进行分析和识别，实现对车牌号码的准确识别。
二、发展历程数字图像处理技术的应用在车牌识别领域可以追溯到上世纪90年代。
在那个时候，人们只是简单地使用黑白相机和一些简单的图像处理算法，提取车牌的高度和长度等信息，进行简单的识别。
随着技术的发展，2000年左右，出现了一些基于嵌入式系统的车牌识别方案，可以在道路上实现对车辆的自动监测和识别。
2005年以后，随着数字图像处理技术的成熟，车牌识别技术得到了极大地发展。
这个时候已经有一些算法可以实现对车牌号码的自动识别，并且具有一定的准确度和鲁棒性。
2010年至今，随着深度学习、人工智能等技术的发展，车牌识别技术已经非常成熟，并且在现实生活中得到了广泛的应用，比如智慧城市交通管理、车辆管理、车位管理等方面。
三、应用前景基于数字图像处理技术的车牌识别技术具有广泛的应用前景。
以下是其中的一些方面：1. 智慧城市交通管理：在城市交通治理中，车牌识别技术可以帮助管理部门实现对违章车辆和黑车的自动监测和管理，提高交通管理效率和管理水平。
2. 车位管理：车牌识别技术可以应用在停车场和小区停车场等地方，实现对车位和车辆的自动识别和管理，帮助车主快速找到空车位。
数字图像处理-汽车牌照自动识别
数字图象处理题目：汽车牌照自动识别学院：计算机科学与信息学院专业：_______网络工程_______目录1 实验目的 (1)2 实验原理和方法 (1)3 实验内容和步骤 (1)3.1 牌照定位 (1)3.2 牌照字符分割 (2)3.3 牌照字符识别 (2)4 实验数据 (2)4.1 源程序 (2)4.2 运行结果 (7)4.2.1 牌照定位 (7)4.2.2 牌照字符分割 (9)4.2.2 牌照字符识别 (10)1 实验目的1.分析汽车牌照的特点，正确获取整个图像中车牌的区域，并识别出车牌号。
2.将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。
2 实验原理和方法牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。
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、识别车牌号码的处理机等，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。
某些牌照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之为视频车辆检测。
一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。
当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。
牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。
3 实验内容和步骤为了进行牌照识别，需要以下几个基本的步骤：a.牌照定位，定位图片中的牌照位置；b.牌照字符分割，把牌照中的字符分割出来；c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。
3.1 牌照定位自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。
首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。
- 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)。
% 在MATLAB中，该函数用于返回 图像的一个裁剪区域。
bw4 = imclearborder(bw3);
%抑制和图像边界相连的亮对象。若 bw3是二值图，imclearborder将 删除和图像边界相连的对象 %去除二值图像散杂点，删除小于20 的连通域
d=bwareaopen(bw4,20);
车牌识别全部过程
定位车牌区域
车牌图像处 理
字符分割 及识别
字符归一化处理
字符分割后出现大小不一致的情况，可以采用归 一化处理的方式，将字符图像进行尺寸放缩到统 一大小的字符图像
58*30
分割出的字符
58*40
统一尺寸
40*20
归一化
字符识别
对比匹配
已经建立的标准 化的字符模板， 逐个进行比较
经过数字图像处 理过后的归一化 字符
得到结果
采集图像 图像预处理
注：RGB色彩模式是工业界的一种颜色标准，是通 过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及 它们相互之间的叠加来得到各式各样的颜色的。
分割出列
Blue_x = zeros(1,x); for j = 1:x for i = PY1:PY2 rij = myI(i, j, 1)/(myI(i, j, 3)+eps); gij = myI(i, j, 2)/(myI(i, j, 3)+eps); bij = myI(i, j, 3); if (rij < 0.35 && gij < 0.7 && bij >90) ... || (gij < 0.35&& rij < 0.7&& bij > 90 Blue_x(1,j) = Blue_x(1,j) + 1; bw2(i, j) = 1; end end end PX1 = 1; while (Blue_x(1,PX1)<Th) && (PX1<x) PX1 = PX1 + 1; end PX2 = x; while (Blue_x(1,PX2)<Th) && (PX2>PX1) PX2 = PX2 - 1; end PX1 = PX1 - 2; PX2 = PX2 + 2;
%求出一列中满足蓝色区域点的个数
%找出车牌区域左右边界
车牌字符处理
首先要对定位好的车牌图像进行处理，再将车牌 上的字符分割出来，方便后续识别操作。
图像灰度化
图像二值化
图像滤波处理
车牌图像处理
图像处理部分程序
X = im2bw(Plate); 像 [H, L] = size(X); X = imcrop(X, [5 5 L-10 H-10]); %im2bw使用阈值变换法把灰度图 转换成二值图像。
将图中字符分割出来 将每个字符单独分割出来进行操作方便字 符识别 用d=bwareaopen(d,150);将第二个 和第三个字符中间的点去除点。
分割第一个字符的程序
wide1 = 0 while sum(d(:,wide1+1))<3 && wide1 <= n-2 wide1 = wide1 + 1; end wide2 = wide1; while sum(d(:,wide2+1))>2 && wide2 <= n-2 wide2 = wide2 + 1; end % temp = imcrop(d, [wide1 1 wide2-wide1 m]); % figure;imshow(temp); % tp=3;bottm=m-5; while sum(d(tp,wide1:wide2))==0 tp = tp + 1; end while sum(d(bottm,wide1:wide2))==0 bottm = bottm - 1; end e1 = imcrop(d, [wide1 tp wide2-wide1 bottm-tp]);
研究背景
汽车牌照自动识别是现代智能交 通系统的重要组成部分，是图像处理 和模式识别技术领域的热点话题
车牌识别的三个主要步骤
3 1 2 3
车牌区域定位 车牌字符分割 车牌字符识别
车牌区域定位
以蓝底白字的普通车牌为例，可以采 用彩色像素点统计的方法分割出合理的车 牌区域。 统计出行和列合理的区域范围，将图 像此区域图像分割出来。