《基于matlab的汽车车牌识别系统(41页).doc》由会员分享，可在线阅读，更多相关《基于matlab的汽车车牌识别系统(41页).doc（42页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、-基于matlab的汽车车牌识别系统-第 36 页毕 业 设 计 论 文题 目： 基于matlab的汽车车牌识别系统 学 院： 电气与信息工程学院 专 业： 电子信息工程 姓 名： 田永康 学 号： 093409150 指导老师： 石磊 完成时间： 2013年5月28日 摘要 汽车牌照自动识别系统是制约道路交通智能化的重要因素,包括车牌定位、字符分割和字符识别三个主要部分。本文首先确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照,然后采用局部投影进行字符分割。字符的分割采用的方法是以二值化后的车牌部分进行垂直投影，然后在对垂直投影进行扫描，从而完成字符的分割。本文即是针对其核心部
2、分进行阐述并使用MATLAB软件环境中进行字符分割的仿真实验。在字符识别部分,采用简单模版匹配算法，实验结果表明,此方法具有良好的识别性能。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不能满着实际的需要，车牌识别系统使车辆管理更智能化，数字化，有效的提升了交通管理的方便性和有效性,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。关键字：车牌识别系统、智能化交通、车牌定位、字符分割、字符识别 Abstract Vehicle license plate recognition system is the intel
3、ligent road traffic constraints important factors, including the license plate location, character segmentation and character recognition of three main parts.Firstly, the vehicle license in the original image to determine the horizontal and vertical position, thereby positioning the vehicle license,
4、 and character segmentation using a local projection. Character segmentation approach is based on the license plate after the binary part of the vertical projection, Then scan in the vertical projection, thus completing the character segmentation. This article is described for the core part and use
5、the MATLAB software environment, the simulation experiments for character segmentation.In the character recognition part of the proposed feature extraction in the case of non-support vector machine based license plate recognition method.Experimental results show that the proposed method has good rec
6、ognition performance.With the increasing popularity of road, road transport in China has developed rapidly, so the artificial management has not full of actual needs, License plate recognition system to make more intelligent vehicle management, digital, Effective traffic management to enhance the co
7、nvenience and effectiveness,microelectronics, communications and computer technology applications in the transport sector has greatly improved the efficiency of traffic management.Automatic license plate recognition technology has been widely used. Keywords: license plate recognition system, intelli
8、gent transportation, license plate localization, character segmentation, character recognition目 录摘要I目 录III第一章 引 言1第二章 汽车车牌识别系统的研究2 2.1 研究目的和意义2 2.2 国内外研究现状2 2.3 主要应用领域4第三章 汽车车牌识别系统的设计5 3.1 汽车牌照的特点5 3.2 汽车车牌识别系统的组成5 3.3 详细设计步骤6 3.3.1 提出总体设计方案6 3.3.2 图像采集8 3.3.3 车牌牌照的定位和分割8 3.3.4车牌的预处理11 3.3.5 牌照的二值化处
9、理与去除噪声14 3.4字符的分割16 3.5字符的自动识别18 3.5.1构建标准字库18 3.5.2 字符识别过程19 3.6语音自动播报识别结果21第四章 设计结果及分析22 4.1 设计结果22 4.2 结果分析23结论25参考文献26致谢27附录源代码28第一章 引 言随着21 世纪经济全球化和信息时代的到来，计算机技术、通信技术和计算机网络技术迅猛发展，动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用，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，城市交通状况日益受到人们的重视。如何有效地进行交通管理，越来越成为各国政
10、府的相关部门所关注的焦点。针对这一问题，人们运行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科学技术，相继研发了各种交通道路监视管理系统、车辆控制系统及公共交通系统。这些系统将车辆和道路综合起来进行考虑，运行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)。ITS 是20世纪90年代兴起的新一代交通运输系统。它可以加强道路、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
11、能源，提高经济活力。智能交通系统以车辆的自动检测作为信息的来源，因而对汽车牌照等相关信息的自动采集和处理的一门新的交通信息获取技术车牌识别(License Plate Recognition ，LPR) 技术逐渐发展起来，成为信息处理技术的一项重要研究课题。汽车牌照自动识别是智能交通管理系统中的关键技术之一。目前，国内外汽车牌照的识别技术有IC卡识别技术、条形码识别技术、图像处理技术、人工神经网络识别技术。采用计算机视觉技术和图像处理技术进行车牌识别是一个发展方向。基于数字图像处理的车牌识别系统主要由图像的采集、牌照的定位、字符分割和字符识别四部分组成。车牌识别技术的任务是处理、分析摄取的视频
12、流中复杂背景的车辆图像，牌照字符定位、字符分割，最后自动识别汽车牌照上的字符。为了保证汽车车牌识别系统在各种复杂环境下，能发挥其应有的作用，识别系统必须满足以下要求：(1) 实用性: 在任何情况下均能可靠正常地工作，且有较高的正确识别率。(2) 实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。第二章 汽车车牌识别系统的研究2.1 研究目的和意义车牌识别LPR是智能交通系统(ITS)的一个重要组成部分。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，车牌识别是利用车牌的唯一性
13、来识别和统计车辆。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，车牌识别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。车牌识别系统将获取的车辆图像进行一系列的处理后，以字符串的形式输出结果，这样不但数据量小，便于存储，操作起来也更容易，因此车牌识别系统的便捷性是人工车牌识别所不能比拟的，它蕴藏着很大的经济价值和发展空间，对车牌识别技术的研究是非常有的意义的。2.2 国内外研究现状从20世纪90年代初，国外就已经开始了对汽车牌照自动识别的研究，其主要途径就是对车牌的图像进行分析，自动提取车牌信息，确定汽车牌号
14、。在各种应用中，有使用模糊数学理论也有用神经元网络的算法来识别车牌中的字符，但由于外界环境光线变化、光路中有灰尘、季节环境变化及车牌本身比较模糊等条件的影响，给车牌的识别带来较大的困难。国外的相关研究有：(1)J Barroso提出的基于扫描行高频分析的方法； (2) I.T. Lancaster提出的类字符分析方法等。为了解决图像恶化的问题，目前国内外采用主动红外照明摄像或使用特殊的传感器来提高图像的质量，继而提高识别率，但系统的投资成本过大，不适合推广。 车牌识别系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。 关于车牌定位系统的研究，国内外学者已经作了大量的工作，但实际效果并不是
15、很理想，比如车牌图像的倾斜、车牌表面的污秽和磨损、光线的干扰等都是影响定位准确度的潜在因素。为此，近年来不少学者针对车牌本身的特点，车辆拍摄的不良现象及背景的复杂状况，先后提出了许多有针对性的定位方法，使车牌定位在技术和方法上都有了很大的改善.然而现代化交通系统不断提高的快节奏，将对车牌定位的准确率和实时性提出更高的要求。 车牌字符识别是在车牌准确定位的基础上，对车牌上的汉字、字母、数字进行有效确认的过程，其中汉字识别是一个难点，许多国外的LPR系统也往往是因为汉字难以识别而无法打入中国市场，因而探寻好的方法解决字符的识别也是至关重要的。从实用产品来看，如以色列的Hi-Tech公司研制的多种S
16、ee/Car system，适应于几个不同国家的车牌识别，就针对中国格式车牌的See/Car syste而言，它不能识别汉字，且识别率有待提高。新加坡Optasia公司的VLPRS产品，适合于新加坡的车牌，另外日本、加拿大、德国、意大利、英国等西方发达国家都有适合于本国车牌的识别系统。 我国的实际情况有所不同，国外的实际拍摄条件比较理想，车牌比较规范统一，而我国车牌规范不够，不同汽车类型有不同的规格、大小和颜色，所以车牌的颜色多，且位数不统一，对处理造成了一定的困难。在待处理的车牌图像中就有小功率汽车使用的蓝底白字牌照，大功率汽车所用的黄底黑字牌照，军车和警车的白底黑字，红字牌照等。就位数而言
17、，有七位数字的，有武警车九位数字的，有军车、前两位字符上下排列的等，所以也造成了处理的难度。 国内做得较好的产品主要是中科院自动化研究所汉王公司的“汉王眼”，此外国内的亚洲视觉科技有限公司、深圳市吉通电子有限公司、中智交通电子系统有限公司等都有自己的产品，另外西安交通大学的图像处理与识别研究室、上海交通大学的计算机科学与工程系、清华大学、浙江大学等都做过类似的研究。通常处理时为了提高系统的识别率，都采用了一些硬件的探测器和其他的辅助设备如红外照明等，其中“汉王眼”就是采用主动红外照明和光学滤波器来减弱可见光的不可控制影响，减少恶劣气候和汽车大小灯光的影响，另外还要求在高速公路管理窗口到“汉王眼
18、”识别点埋设两条线路管道，一条管道铺设220伏50赫兹1安培的交流供电线路；另一条管道铺设触发信号线路和汉王眼与管理计算机的通讯线路，投资巨大，不适合于大面积的推广。 另外，还有两种专门的技术被用于车牌的识别中，条形码识别技术和无线射频技术。条形码识别要求预先在车身上印刷条形码，在系统的某一固定位置上安装扫描设备，通过扫描来读取条形码，以达到识别车辆的目的。无线射频技术要求在车内安装标示卡，在系统某一位置安装收发器等装置，通过收发器来接受标示卡的信号，从而识别出经过的车辆。显然，这两种技术更难以推广。从目前一些产品的性能指标可以看出，车牌识别系统的识别率和识别速度有待提高。现代交通的飞速发展以
19、及车牌识别系统应用范围的日益拓宽给车牌识别系统提出了更高的要求。因此，研究高速、准确的定位与识别算法是当前的主要任务，而图像处理技术的发展与摄像设备、计算机性能的提高都会促进车牌识别技术的发展，提高车牌识别系统的性能。 2.3 主要应用领域车牌自动识别系统具有广泛的应用范围，主要应用于：(1)高速公路收费、监控管理；(2)小区、停车场管理；(3)城市道路监控、违章管理；(4)车牌登录、验证；(5)车流统计、安全管理等。车牌自动识别系统应用于这些系统，可以解决通缉车辆的自动稽查问题，可以解决车流高峰期因出入口车流瓶颈造成的路桥卡口、停车场交通堵塞问题，可以解决因工作人员作弊造成的路桥卡口、高速公
20、路、停车场应收款流失的问题。车牌自动识别系统可安装于公路收费站、停车场、十字路口等交通关卡处，其具体应用可概括为： (l)交通监控利用车牌识别系统的摄像设备，可以直接监视相应路段的交通状况，获得车辆密度、队长、排队规模等交通信息，防范和观察交通事故。它还可以同雷达测速器或其他的检测器配合使用，以检测违犯限速值的车辆。当发现车辆超速时，摄像机获取该车的图像，并得到该车的牌照号码，然后给该车超速的警告信号。 (2)交通流控制指标参量的测量，为达到交通流控制的目标，一些交通流指标的测量相当重要。该系统能够测量和统计很多交通流指标参数，如总的服务流率，总行程时间，总的流入量流出量，车型及车流组成，日车
21、流量，小时/分钟车流量，车流高峰时间段，平均车速，车辆密度等。这也为交通诱导系统提供必要的交通流信息。 (3)高速公路上的事故自动测报这是由于该系统能够监视道路情况和测量交通流量指标，能及时发现超速、堵车、排队、事故等交通异常现象。 (4)对养路费交纳、安全检查、运营管理实行不停车检查根据识别出的车牌号码从数据库中调出该车档案材料，可发现没及时交纳养路费的车辆。另外，该系系统还可发现无车牌的车辆。若同车型检测器联用，可迅速发现所挂车牌与车型不符的车辆。 (5)车辆定位由于能自动识别车牌号码，因而极易发现被盗车辆，以及定位出车辆在道路上的行驶位置。这为防范、发现和追踪涉及车辆的犯罪，保护重要车辆
22、(如运钞车)的安全有重大作用，从而对城市治安及交通安全有重要的保障作用。车牌自动识别系统拥有广阔的应用前景，但若在每个街口都装配一套全新的车辆探测器的硬件系统则投资巨大，所以急需一个纯软件实行的车牌自动识别系统来最大限度的减少费用，而纯软件的设计，不仅投资小而且灵活性高，适合我国的国情。 第三章 汽车车牌识别系统的设计3.1 汽车牌照的特点目前国内汽车牌照有六种类型：大型民用汽车所用的黄底黑字牌照；小型民用汽车所用的蓝底白字牌照；军队或武警专用汽车的白底红字、黑字牌照；使、领馆外籍汽车的黑底白字牌照；试车和临时牌照是白底红字，且数字前分别标有“试”和“临时”字标志；汽车补用牌照是白底黑字，对于
23、车前牌照，其尺寸均为44cm长，14cm宽，共有7个或8个字符,民用汽车牌照上有省、直辖市、自治区的名称和发证照及监督机关的代号，编号是英文大写字母。接着是一个点“”，后面的汽车编号，一般为5位数字，即从0000199999。编号超过10万时，就由A、B、C等英文字母代替，第三个字符可能是英文字母，也可能是阿拉伯数字，第四至第七个字符均为阿拉伯数字。从人的视觉特点出发，车牌目标区域具有如下特点：车牌底色往往与车身颜色、字符颜色有较大差异；车牌有一个连续或由于磨损而不连续的边框，车牌内字符有多个，基本呈水平排列，所以在牌照的矩形区域内存在较丰富的边缘，呈现出规则的纹理特征；车牌内字符之间的间隔比
24、较均匀，字符和牌照底色在灰度值上存在跳变，而字符本身与牌照底的内部都有较均匀灰度；不同图像中牌照的具体大小、位置不确定，但其长度比变化有一定范围，存在一个最大和最小长度比。根据这些特点，可以在灰度图像的基础上提取相应的特征。3.2 汽车车牌识别系统的组成汽车车牌识别（LPR）系统通过引入数字摄像技术和计算机信息管理技术，采用先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理，获得更多的信息，从而达到更高的智能化管理程度。在LPR 系统产品的性能指标中，识别率和识别速度难以同时提高其中原因既包括图像处理技术不够成熟，又受到摄像设备计算机等性能的限制。因此，研究高速准确的定位与识别算法
25、，是当前的主要任务。汽车车牌识别系统一般可按顺序分为车辆图像采集、图像预处理、车牌定位、字符分割与识别五大部分。如下图所示。字符识别字符分割图像采集车牌定位图像预处理 图3.1 车辆车牌识别系统在第一部分图像采集中，主要通过CCD 摄像头与计算机的视频捕捉卡直接相连来完成图像采集，可以实时在监控图像中抓取到含有车辆的图像。该部分功能可简单调用计算机视频捕捉卡厂商提供的各种软件开发包工具即可实现。汽车牌照识别（LPR）系统的关键在于后四部分。首先要对采集到的车牌定位，而牌照定位又决定其后的车牌字符识别，因此牌照定位是车牌识别系统的关键的关键，牌照定位就是从包含整个车辆的图像中找到牌照区域的位置。
26、目前，已经提出了很多种方法，一个共同的出发点是：通过牌照区域的特征来判断牌照，利用的车牌特征主要包括：车牌区域内的边缘灰度直方图统计“特征”、车牌的几何特征、车牌区域的灰度分布特征、车牌区域水平或垂直投影特征、车牌形状特征和频谱特征。3.3 详细设计步骤3.3.1 提出总体设计方案汽车车牌识别整个系统主要是由车牌定位和字符识别两部分组成，其中车牌定位又可以分为图像预处理及车牌区域搜索模块和牌照的定位及分割模块，字符识别可以分为字符特征提取和字符识别两个模块。区域搜索与分割预处理字符分割字符特征提取字符识别归一化图像输入 图3.2 车牌识别系统原理图牌照的定位和分割是牌照识别系统的关键技术之一，
27、其主要目的是在原始图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。由于拍摄时的光照条件、牌照的整洁程度的影响和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。因此，需要对字符在识别之前再进行一次针对性的处理。车牌识别的最终目的就是对车牌上的文字进行识别。主要应用的为模板匹配方法。因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，
28、所以处理器和内存要求比较高。系统可以运行于Windows98、Windows2000或者Windows XP操作系统下，程序调试时使用matlab。3.3.2 图像采集 车牌自动识别系统中车辆图像是通过CCD 摄像头与计算机的视频捕捉卡直接相连来完成图像采集，可以实时在监控图像中抓取到含有车辆的图像。该部分功能可调用计算机视频捕捉卡厂商提供的各种软件开发包工具即可实现。由于条件有限，此处照片直接由相机拍摄，并编写程序导入Matlab软件中进行处理。 图3.3 原始图像 %=读入图片的程序代码=clc;clear all;fn,pn,fi=uigetfile(*.jpg,选择图片);I=imre
29、ad(pn fn);figure,imshow(I);title(原始图像);%显示原始图像chepailujing=pn fnI_bai=I;3.3.3 汽车车牌的定位和分割车牌图像往往是在复杂的环境中拍摄得到的，车牌由于与复杂的车身背景融为一体，由于车牌在使用中磨损与灰尘及拍摄仪器的影响以及由于拍摄角度的不同，车牌在图像中往往有很大的形变，如何在复杂背景中准确、快速找出车牌的位置成为车牌识别中的难点。目前已有不少学者在这方面进行了研究。总结起来主要有如下几类方法：(1) 基于水平灰度变化特征的方法，这种方法主要在车牌定位以前， 需要对图像进行预处理，将彩色图像转换为灰度图像，利用车牌区域水
30、平方向的纹理特征进行车牌定位；(2) 基于边缘检测的定位方法，这种方法是利用车牌区域丰富的边缘特征进行车牌定位3，能够进行检测的方法有多种，如Roberts 边缘算子、Prewitt 算子、Sobel 算子以及拉普拉斯边缘检测；(3) 基于车牌颜色特征的定位方法，这种方法主要是应用车牌的纹理特征、形状特征和颜色特征即利用车牌字符和车牌底色具有明显的反差特征来排除干扰进行车牌的定位；(4) 基于Hough 变换的车牌定位方法，这种方法是利用车牌边框的几何特征，采取寻找车牌边框直线的方法进行车牌定位；(5) 基于变换域的车牌定位方法，这种方法是将图像从空域变换到频域进行分析，例如采用小波变换等；(
31、6) 基于数学形态学的车牌定位方法，这种方法是利用数学形态学图像处理的基本思想，利用一个结构元素来探测一个图像， 看是否能将这个结构元素很好的填放在图像内部，同时验证填放元素的方法是否有效。本文是利用车牌的彩色信息的彩色定位分割方法。根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色RGB对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然后，在分割出的行区域内，统计列方向蓝色像素点的数量，最终确定完整的车牌区域。车牌定位 确定行、列方向的合理区域彩色像素点统计蓝白色比对候选区域导入原始图像图3.
32、4 牌照区域的定位的流程图 图3.5 定位的车牌%=车牌定位与分割的主要程序代码=y,x,z=size(I);myI=double(I);Y_threshlow=5;%这个数值很重要,决定了提取的彩图的质量X_firrectify=5;%ganrao transaction%= Y 方向=Blue_y=zeros(y,1);baisebili=0;changkuanbi=0;temp MaxY=max(Blue_y);% Y方向车牌区域确定 temp(最多点数):所有行中，最多的累积像素点 MaxY（最多点所在行）:该行中蓝点最多 PY1=MaxY;%有最多蓝点的行付给PY1%=X 方向=X_
33、threshhigh=(PY2-PY1)/11;%这个数值很重要。决定了提取的彩图的质量,适当提高可抗干扰，但是小图会照成剪裁太多 Blue_x=zeros(1,x); % 进一步确定X方向的车牌区域 temp MaxX=max(Blue_x); PX1=MaxX-6*(PY2-PY1);a=PY2-PY1+1;b=PX2-PX1+1; baisebili=White/(a*b) changkuanbi=a/b PY2=MaxY; a=PY2-PY1+1;b=PX2-PX1+1; Blue_y(PY1:PY2,1)=0; temp MaxY=max(Blue_y);3.3.4车牌的预处理根据三
34、基色原理，世界上任何色彩都可以由红绿蓝（RGB）三色不同比例的混合来表示，如果红绿蓝（RGB）三个信号分别由一个字节表示，则该图像颜色位数就达到二十四位真彩，也就是说在二十四位真彩的数字图像中每个像素点由三个字节来表示，根据数字图像水平和垂直方向像素点数（即图像分辨率）可计算出一幅图像实际位图大小。事实上，在车牌自动识别系统中车辆图像是通过图像采集卡将运动的车辆图像抓拍下来，并以位图的格式存放在系统内存中。这时的车辆常会因为各种各样的原因使得所拍摄的车辆图像效果不理想，但我们可以对车辆图像根据不同应用特点进行识别前的预处理，尽最大可能提高车牌正确识别率，这些图像预处理包括灰度处理、倾斜校正等。
35、a.灰度处理汽车图像样本，目前大都是通过摄像机、数码相机等设备拍摄获取的，因而预处理前的图像都是彩色图像。真彩色图像又称RGB图像，它是利用R, G, B3个分量表示一个像素的颜色，R, G, B分别代表红、绿、蓝3种不同的颜色，通过三基色可以合成出任意颜色。所以对一个尺寸为m*n的彩色图像来说，存储为一个二m*n*3的多维数组。如果需要知道图像A中(x, y)处的像素RGB值，则可以使用这样的代码A (x, y,1: 3)。 彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度。由于图像的每个象素都具有三个不同的颜色分t，存在许多与识别无关的信息，不便于进一
36、步的识别工作，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。在RGB模型中，如果R=G=B，则颜色表示一种灰度颜色，其中R=G=B的值叫做灰度值.由彩色转换为灰度的过程叫做灰度化处理。灰度图像就是只有强度信息，而没有颜色信息的图像，存储灰度图像只需要一个数据矩阵，矩阵的每个元素表示对应位置的像素的灰度值。彩色图像的象素色为RGB (R, G, B )，灰度图像的象素色为RGB ( r, r, r ), R, G, B可由彩色图像的颜色分解获得.而R, G, B的取值范围是0-255,所以灰度的级别只有256级。灰度化的处理方法主要有如下三种: (1)最大值法:使R.
37、 G, B的值等于三值中最大的一个，即 R=G=B=max(R,G,B) (3.1) (2)平均值法:使R, G, B的值值等于三值和的平均值，即 R=G=B= (3.2) (3)加权平均值法:根据重要性或其它指标给R, G, B赋予不同的权值，并使R, G, B等于它们的值的加权和平均，即 R=G=B= (3.3) 其中Wr Wc,Wa，分别为R, G, B的权值。由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，当Wr=0.30, Wa=0.59, Wc=0.11时，能得到最合理的灰度图像。 图3.6 灰度处理%=将彩色图像转换为黑白并显示=bw=rgb2gray(bw)
38、;figure,imshow(bw);title(灰度图像) ；%rgb2gray转换成灰度图b. 倾斜校正由于拍摄时镜头与牌照的角度、车辆的运动及路面的状况等因素的影响，例如车牌在捕捉图像中的位置不固定，捕捉图像时车头或者镜头发生摆动以及车牌本身就挂歪了或路况较差，都可能使拍摄到的车牌图像有一定的倾斜度，为了正确识别需要进行倾斜度校正，否则将无法进行单个字符的正确分割，字符识别的误差率就会上升。但是若以某个固定的经验值对所有牌照统一进行旋转处理，又会使原本正常的牌照倾斜，导致新的错误。因此有必要针对特定的牌照图像提取其倾斜角度，再加以相应的旋转处理。本文在针对倾斜角度的图片采取rando算法
39、进行倾斜角度计算，并对倾斜图片进行修正，从而得到水平方向一致的图片，有利于后期的图片分割及图像识别。 图3.7 标示旋转角theta图3.8 倾斜校正%=图像倾斜校正主要程序代码=qingxiejiao=rando_bianhuan(bw)%采取rando算法进行倾斜角度计算bw=imrotate(bw,qingxiejiao,bilinear,crop);figure,imshow(bw);title(倾斜校正);%取值为正值向左旋转I=edge(I);%figure,imshow(I);theta = 1:180;R,xp = radon(I,theta);%旋转，修正图像I,J = fi
40、nd(R=max(max(R);%J记录了倾斜角qingxiejiao=90-J;%theta3.3.5 牌照的二值化处理与去除噪声图像二值化是指整幅图像画面内仅黑、白二值的图像。在数字图像处理中二值图像占有很重要的地位。这是因为，一方面，有些需要处理的如文字图像、指纹图像、工程图纸等图像本身是二值的；另一方面，在某些情况下即使图像本身是有灰度的，我们也设法使它变成二值图像再进行处理（即灰度图像的二值化）。这是考虑到在实用系统中，要求处理的速度高、成本低、信息量大的浓淡图像处理的花销大。此外二值化的图像能够用几何学中的概念进行分析和特征描述，比灰度图像优势大得多。 在实际的车牌处理系统中，进行
41、图像二值化的关键使确定合适的阈值，使得字符与背景能够分割开来，而且二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等。同时车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大提高处理效率。灰度处理后的图像，每个像素点出都有一个阈值，二值化的关键是找到合适的阈值t来区分对象和背景。设原灰度图像为f(x,y)，二值化后的图像为g(x,y),二值化的过程表示如下： 0 f(x,y)t二值化，基于实时性的要求，我力求寻找一种快速而且效果较好的方法，能够更有针对性的解决在不同条件下牌照图像的二值化问题。求解阈值的方法很多，微分直方图法、最大方差法
42、、基于灰度的数学期望的方法、可变阈值法等。我们采用最简单的方法，当象素灰度级低于常数t时，0-t象素灰度为0，t-255象素灰度为255。 擦除反色 图3.9 二值化处理、去除噪声%=二值化处理、去除噪声程序=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
43、运算);bw = bwareaopen(bw, threshold);figure,imshow(bw);title(擦除);bw=bw;figure,imshow(bw);title(擦除反色); 二值化处理后，利用垂直投影法检测车牌垂直位置，并进一步裁剪车牌边框贴近字体，方便后面字体识别。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果，方便后面字体识别。 Y方向处理 图3.10 字符精确定位%=Y方向处理定位字符的程序=functio
44、n 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_up1)%找到图片上边界 while (Y_touying(Y_down,1)=Y_yuzhi)&(Y_downy)%找到图片上边界 %去除左边边框干扰 X_right=1;if (X_touying(1,fix(x/14)=X_yuzhi X_right=fix(x/14)%找黑体边缘bw_fir=imane_bw(Y_up:Y_down,X_right:x);bw=bw;bw = bwareaopen(bw, threshold);bw=bw;%figure,imshow(bw);ti