基于MATLAB的车牌识别系统中图像预处理研究毕业论文

毕业论文

基于MATLAB的车牌识别系统中图像预处理

研究

基于MATLAB的车牌识别系统中图像预处理研究

专业：电子信息工程姓名：张黎宾指导教师：刘文博

摘要数字图像处理技术是自1960年以来发展起来的一门新兴学科，随着图像处理技术理论和方法的进一步完善，使得数字图像处理技术在许多领域得到了广泛的应用，并展现出广阔的应用前景。

本文主要是研究车牌识别系统中一个重要的模块——图像预处理。为了使彩色图像减少存储信息，我们可以先对彩色图像进行灰度化，只保留该图像的亮度信息。本文通过传统的方法中值滤波和均值滤波对图像进行去噪，对结果比较分析，虽然中值滤波比均值滤波效果要好，但是图像还是含有较多的噪声。所以本文在小波变换的基础上进行了改进，图像经过小波变换后再进行中值、均值滤波去噪，这样也再次把中值、均值滤波进行对比。通过对效果图的分析和总结，改进后的去噪效果要比之前的更好，同时改进后的中值滤波还是比均值滤波好一些，因此基于小波变换的中值滤波是值得采用的。

本文提出的针对车牌图像的预处理过程对灰度图像可以达到不错的效果，并且在一定的程度上解决了因外界因素而造成的车牌图像对比度较低的问题。

关键词数字图像处理，预处理，中值滤波

ABSTRACT

Digital image processing technology is I emerging subject since 1960,the amelioration of image processing theory and methods gets the Digital image processing technology to be applied widely in many fields and present a broad application prospect in the days to come.

This paper is mainly research vehicle plate recognition system a important module——image preprocessing.In order to make the color image to reduce the storage information, we can first on the gray of the color images, just retaining the brightness information of the image. This article through the traditional method of median filter and mean filter for image noise reduction to comparative analysis the result, although the effect of median filtering is better than the mean filter, the images still contain lots of noise . Therefore, this paper makes improvement on the basis of wavelet transform , image after wavelet transform , noise reduction of the median filtering and mean filter. It compared the median filtering and mean filter once more . According to the effect graph analysis and summary, the effect of the improved noise reduction is better than before, at the same time, the improved median filtering is also better than the improved mean filter , so based on wavelet transform is worth the median filter.

The idea of vehicle plate recognition system will earn a positive result as far as the pray image is concerned and, to some degree, resolve the problem evoked by internal dampers.

Key Words：Digital image processing,Pre-processing,Median filtering

目录

1绪论 (1)

1.1课题的研究背景 (1)

1.2车牌识别系统的原理 (1)

1.3国内车牌特征 (2)

1.4本文的结构安排与主要工作 (3)

2 MATLAB简介 (5)

2.1初识MATLAB (5)

2.2MATLAB的基本功能 (6)

3 图像灰度化与增强 (7)

3.1灰度化 (7)

3.2二值化 (9)

3.3图像增强 (11)

3.3.1图像增强的背景与定义 (11)

3.3.2图像增强的意义 (11)

3.4直方图 (12)

3.5直方图均衡化 (14)

3.5.1直方图均衡化的背景 (14)

3.5.2直方图修正技术的基础 (15)

3.5.3直方图的均衡化 (16)

4 滤波去噪 (20)

4.1中值滤波 (20)

4.1.1中值滤波的定义 (20)

4.1.2中值滤波的基本原理 (21)

4.2均值滤波 (22)

4.2.1均值滤波的定义 (22)

4.2.2均值滤波的基本原理 (22)

4.3基于小波变换的均值、中值滤波图像去噪 (26)

4.3.1小波变换 (26)

4.3.2对小波变换进行改进 (27)

4.4小结 (28)

5 总结 (31)

致谢 (32)

参考文献 (34)

附录 (35)

1绪论

1.1 课题的研究背景

随着经济的快速增长，汽车走进寻常百姓家庭已经是常事，汽车的拥有人数也不断的在刷新。进入2000年以来，全世界各国的交通堵塞、交通事故和环境污染等问题越来越影响着人民经济水平的提高和生活质量的改善，人们也越来越重视城市道路的交通状况，怎样有效地改进交通管理，已经慢慢地成为相关部门关注的重点。面对这问题，研究技术人员将电子信息技术、计算机理论技术、传感器技术集成运用于道路交通的实际需求，先后研究开发了以下几种系统：交通道路监管系统、车辆控制系统和道路交通安全系统。此类系统将车辆和道路结合起来进行分析，运用各种先进的技术解决道路交通的问题，统称为智能交通系统（Intelligent Transportation System，简称ITS）[1]。

车牌识别（VLPR) 是智能交通系统中的一个重要组成部分，应用非常广泛。它是以数字图像处理、模式识别、计算机视觉等技术为基础，对所拍摄的车辆图像或者视频序列进行分析，得到每辆汽车唯一的车牌号码，进而完成车牌识别的过程[2]。通过某些后续的处理办法可以实现很多功能，比如说停车位收费管理、车流量控制、车辆定位、车辆限行、车辆防盗、公路超速监管、闯红灯、公路收费站等等。对于车辆管理，防止交通堵塞，以便于更好的管理交通秩序有着实际意义。

1.2车牌识别系统的原理

车牌识别系统主要是由图像预处理、车牌定位、图像采集、车牌识别、字符分割等环节组成，车牌识别系统的基本工作步骤是先把拍摄到的车辆车牌号码的图像输入计算机进行图像预处理，再通过车牌识别模块对车辆车牌进行定位、识别、检测，并且分割出含有车牌号码字符的区域，而后对该图像进行二值化处理，并将其分割成单个字符，规整后输入字符识别模块进行识别，之后把识别出来的结果存储到数据库里面。

1.3 国内车牌特征

标准的车牌上的信息一般包含有七个字符，第一位字符为各省的简称，比如甘肃省简称“甘”、青海省简称“青”，次位为英文字母，它表示此省的地区，字母“A”都为各省份的省会，比如“甘A”就代表的是甘肃兰州的车牌，下一位为英文大写字母或者是数字，末四位字符一般情况下都为数字。如图1.1所示

图1.1一般的标准车牌号码

不同颜色的车牌具有不同特征，我国的车牌有以下四种类型:蓝底白字指的是小功率汽车的车牌，黄底黑字表示大功率汽车的车牌，而军警用的车牌是白底黑红字，黑底白字表示国外驻华使馆用的车牌。如图1.2所示

图1.2(a)小功率车牌

图1.2(b)大功率车牌

图1.2(c)军警车牌

图1.2(d)驻华使馆车牌

1.4 本文的结构安排与主要工作

本文研究的只是车牌识别系统中图像预处理那一部分，图像预处理是车牌识别流程的第一步，处理效果直接影响到最后的结果，所以对图像进行预处理是很关键的一步。图像预处理包括图像灰度化、二值化、直方图均衡化、滤波去噪等。

第一章绪论部分。介绍了本论文研究的背景和意义；概述了车牌识别系统在国内外的发展和应用现状；介绍了车牌识别系统的定义以及原理；具体给出本文研究的课题：图像预处理以及方法；最后给出了本文的内容安排。

第二章MATLAB简介部分。简单介绍了MATLAB的背景、特点及基本功能。

第三章图像灰度化和图像增强部分。主要介绍了图像预处理的以下几种方法：灰度化、二值化、图像增强等。

第四章滤波去噪部分。首先介绍了中值滤波、均值滤波，然后对各自处理的图像进行比较，之后还对小波变换进行改进，对结果再次进行比较。

第五章小结部分。

2 MATLAB简介

MATLAB是目前最优秀的科学计算软件之一，也是许多科学领域中分析、应用和开发的基本工具。Matrix Laboratory是MATLAB 的全称，是由美国Mathworks公司于上个世纪80年代推出的数学软件，最初它是一种专门运用于矩阵运算的软件，经过多年的发展，MATLAB具有编写简单、代码效率高等优点，使得它在通信、信号处理、图像处理、经融计算等领域得到广泛应用[3]。

2.1初识MATLAB

MATLAB作为一款优秀的科学计算软件，是进行算法开发、数据可视化、数据分析以及数值计算的交互式应用开发环境。全球许多科研工作者都在使用MATLAB产品来加快他们的科研进程，缩短数据分析和算法开发的时间，以便于他们能够尽快地研究出先进、高端的产品或者技术。与传统的C语言、C++和Fortran语言相比较，MATLAB提供了高效快速解决各种科学计算问题的方法。目前，

MATLAB产品已经被广泛认可为科学计算领域内的标准软件之一。

MATLAB已经被广泛地应用于许多不同领域，例如信号与数字图像处理领域、通信系统领域、经融数据分析领域以及生物科学领域等。MATLAB有以下几个特点[4]：

1) 高级科学计算语言。

2) 代码、数据文件的集成管理环境。

3) 算法设计开发的交互式工具。

4) 用于线性代数、统计、傅立叶分析、滤波器设计、优化和数值计算的基本数学函数。

5)2-D和3-D数据可视化。

6) 创建自定义工程师图形界面的工具。

7) 与第三方算法开发工具——C/C++、FORTRAN、Java、COM、Microsoft Excel——集成开发基于MATLAB的算法。

2.2MATLAB的基本功能

目前MATLAB的基本功能[5]如下：

1) 数学计算功能

2) 图形化显示功能

3)M语言编程功能

4) 编译功能

5) 图形用户界面开发功能

6)Simulink建模仿真功能

7) 自动代码生成功能

3图像灰度化与增强

在实际应用中，很多时候因为拍摄环境的多变性，在自然条件下拍摄的车牌往往存在着各种各样的噪声，这样就使得对后期的车牌定位增加了难度，直接影响着字符的分割和准确的识别，因此，必须对原始图像进行图像预处理，使得图像的质量得到很大的改善，以提高字符的识别率。本文主要讨论车牌图像预处理的一些常用方法，包括图像的灰度化、二值化、图像增强等。

3.1 灰度化

车牌图像一般情况下可以分为彩色图像和灰度图像。彩色图像指的是它的像素点是由R（红色）、G（绿色）、B（蓝色）三种元色混合而成的，R、G、B的含量不同就会构成成不同的颜色。而灰度图像指的是只显示亮度信息，不包含彩色信息的图像，假如要表示灰度图像的话，就得量化灰度图像的亮度值，通常把灰度值划分在0~255范围内，总共256个等级，0表示黑，而255则表示最亮，也就是全

白。对彩色图像进行灰度化处理，一般都采用以下公式：gray=0.39*R+0.50*G+0.11*B。其中，gray为灰度值。具体过程如图3.1所示。

图3-1图像的灰度变换

车牌图像预处理的研究一般以灰度图像为研究对象，因为彩色图像的颜色信息量非常大，如果对进行识别往往会因为背景的复杂而受到影响，并且存在很多的不足，而灰度图像是一种最简单、有效的对比度增强方法。

彩色图像的灰度变换程序以及显示的结果如下：

I=imread('原图.jpg');

I1=rgb2gray(I);

figure,imshow(I1);

图3-2(a)原图

图3-2(b)灰度图像

3.2二值化

图像二值化指的是把原本的彩色图像处理成只有黑与白这两个级别的图像。在后继研究车牌识别过程中，对图像进行二值化处理是尤其关键的，因为二值化的效果将直接影响到车牌定位、字符分割以及字符识别。

图像的二值化处理过程将会使原图像损失很多有用的信息，所以在进行二值化预处理的过程中，非常关键的一步是经过处理后能否保留原图的主要特征，而正确选择阈值起着至关重要的作用。对图像二值化进行选取阈值有很多种方法，主要的方法一般可划分为以下3大类：

(1) 整体阈值法。它是指在对图像进行二值化处理过程中只采用一个整体阈值的方法。它把原始图像的每一个像素的灰度值与整体阈值x进行比较，若该像素的灰度值大于x，就取其为白色；若小于x，

则取为黑色。假设原图像g0（n0 ，m0），其灰度值范围是[k1, k m],在

k 1和k m 之间选择一个合适的灰度值x ，二值化后的图像g k （n 0 ，m 0）可表示为

?

??≥<=x )m ,(n g ,255x )m ,(n g ,0)m ,(n g 00000000k (3-1)

(2)局部阈值法。指的是由当前的像素的灰度值与该值附近灰度值的局部灰度特征值来确定该像素的阈值。

(3) 动态阈值法。它的阈值选择不但取决于该像素及其附近像素的灰度值，还与该像素的坐标位置有关[6]。

图像二值化程序以及结果：

A=imread('灰度.jpg');

B=im2bw(A,0.4);

subplot(1,1,1);imshow(B);

图3-3(a) 灰度图像

图3-3(b)二值化图像

3.3 图像增强

3.3.1 图像增强的背景与定义

图像增强是图像处理过程中常常使用的一种方法，它对提高图像的质量起着非常大的作用。在通常情况下，在拍摄时由于光照条件的影响，可能会导致拍摄出来的照片图像太暗或者太亮；光学系统的失真、相对运动、大气流动等都会导致图像模糊，传输过程中将会导致各种噪声，因此，输入图像的视觉效果和识别等方面都可能有许许多多的问题。图像增强,是指需要根据特定的突出形象与重要信息,删除不需要信息。通过不同的途径所拍摄的图像，然后适当的进行一些图像增强处理，可以使原本模糊不清或无法辨认的图像变得清晰并且富含大量有价值信息的图像，并且可以有效地去除原图像的是真部分、含有噪声部分，增强图像的边缘部分。

3.3.2图像增强的意义

图像增强的目的是为了增强图像的视觉效果，使增强后的图像更适合人眼的识别、计算机识别分析以及处理。图像增强常常要在人眼的视觉效果的帮助下，来获取视觉效果更佳的图像，只是一般情况下很少会涉及到客观以及统一的评价标准。增强的效果通常都与原本的图像有关，依靠人的主观给予评价。

图像增强一般是一个比较矛盾的过程。图像增强既希望能够很好的去除噪声又希望增强边缘视觉效果。只可是，一旦增强了图像的边缘就会对图像增加了噪声，而去除噪声又会使图像边缘变得不清晰，因此在进行图像增强的时候，往往都是将去除噪声和增强边缘这两部分进行折中，找一个效果比较好的函数来达到让人满意的增强目的。

3.4直方图

图像的直方图是一种重要的统计方法，它类似于图像灰度分布函数。一般情况下，要想得到精确的图像的灰度密度函数是比较困难的，在实际情况中，可以用数字图像灰度直方图来代替。归纳起来，灰度直方图主要有以下几点性质[7]：①直方图中不包含位置信息（直方图只是反应了图像灰度分布的特性，和灰度所在的位置没有关系，不同的图像可能具有相近或者完全相同的直方图分布）；②直方图反应了图像的整体灰度（直方图反应了图像的整体灰度分布情况，对于暗色图像，直方图的组成集中在灰度级低（暗）的一侧，相反，明亮图像的直方图则倾向于灰度级高的一侧；③直方图的可叠加性（一幅图像的直方图等于它各个部分直方图的和）；④直方图具有统计特性（从直方图的定义可知，连续图像的直方图是一位连续函数，它具有统计

特征）；⑤直方图的动态范围（直方图的动态范围是由计算机图像处理系统的模数转换器的灰度级决定）[8]。

MATLAB提供了imhist函数来计算和显示灰度图像的直方图，灰度直方图描述的是图像中具有该灰度值的像素的个数，如图3-4所示，(b)为图像(a)的灰度直方图。

程序如下：

img=imread('原图.jpg');

p=rgb2gray(img);

h=imhist(p);

h1=h(1:2:256);

h2=1:2:256;

stem(h2,h1,'r--');

figure,imhist(p);

图3-4(a)原图

图3-5(b)直方图

当图像的灰度对比度较小时，从灰度直方图上可以看出有一小段密集的分布在灰度轴上一个区间上，比较暗的图像的包含的像素灰度值都很低，所以它的灰度直方图的主要部分分布在灰度值较低的那一小段区间上，而在灰度值较高的区间上的分布较少或基本没有，较亮的图像的灰度直方图分布情况则正好相反。

3.5 直方图均衡化

3.5.1 直方图均衡化的背景

在实际应用中，无论采用哪种装置输入的采集的图像，由于光照、噪声等原因，图像的质量往往不能令人满意。例如，检测图像的边缘过于模糊；图像的失真、变形等等。所以这些图像常常需要采取一系列的方法来改善图像以求达到更好的效果。图像增强技术正是在此基础上提出的。图像增强处理方法可以根据图像增强处理所处的空间不同，可分为基于空间域的增强方法和基于频率域的增强方法两类。空

间域处理方法是在图像像素组成的二维空间里直接对每一个像素的灰度值进行处理，它可以是一幅图像内像素点之间的运算处理，也可以是数幅图像间的相应像素点之间的运算处理。频率域处理方法是在图形的变换域对图像进行间接处理，其特点是先将图像进行变换，在空间域对图像作傅里叶变换得到它的频谱，然后按照某种变化模型（如傅里叶变换）变换到频率域，完成图像由空间域变换到频率域，然后在频率域内对图像进行低通或高通频率域滤波处理。处理完之后，再将其反变换到空间域。

在图像增强中，直方图均衡化算法是空间域增强法中的最常用、也是最重要的算法之一。它以概率论为基础，运用灰度点运算来实现直方图的变换，进而达到增强图像的目的。本文介绍的直方图修正法可以通过对直方图进行均匀化修正，可使图像的灰度间距增大、灰度均匀分布、增大反差，使图像变得更加清晰，更适合人眼的识别。3.5.2 直方图修正技术的基础

给定某一图像的灰度级，当它经过归一化处理后，灰度值的范围在[0,1]内，此时可以对[0,1]区间内的任意一个r值进行以下变换： s=T（r）(3-2)

也就是说，通过上述变换，每个原始图像的像素值r都对应产生一个s值。变换函数T(r)应该满足以下两个条件[9]：

（1）在0≤r≤1区间内，T(r)是单值单调递增的；

（2）对于0≤r≤1，有0≤T(r)≤1；

从s 到r 的反函数可用式(3-3)表示，也同样的满足上述两个条件

1

()r T s -= (3-3)

通过概率论的理论可以让我们知道，如果随机变量ξ已知的概率密度为P r (r )，而随机变量η是ξ的函数，即η=T ’(ξ)，η的概率密度则为P s (s )，所以可以由P r (r )求出P s (s )[10]。

由于s =T (r )是单调递增的，因此，它的反函数r = T -1(s )也是单调递增的。在此情况下，当η﹤s ，且仅当ξ﹤γ时出现，因此可以求得随机变量η的分布函数为：

()()[]()r

r

F s P s p r p x dx ηηξ-∞=<=<=

? (3-4)

再对式(3-4)两边进行求导，就可以得到随即变量η的分布密度函数P s (s )为： 111()()()()[()][()]()s r r r r T s dr d dr P s P r p r T s p r T s ds ds ds

---==?=?=?= (3-5)

由式(3-5)可知，对于连续情况，设P r (r )和P s (s )分别表示原图像和变换后图像的灰度级概率密度函数，P s (s )可由式(3-5)求出。

3.5.3 直方图的均衡化

直方图均衡化过程如下：

① 计算原图像的灰度直方图；

② 计算原图像的灰度图像的灰度分布函数，然后求出灰度变换表；