《基于VC的车牌识别系统研究毕业论文.doc》由会员分享，可在线阅读，更多相关《基于VC的车牌识别系统研究毕业论文.doc（43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、西 南 交 通 大 学毕业设计（论文）基于VC+的车牌识别系统研究年 级: 2006级学 号:20062241姓 名:天专 业:自动化（交通信息工程与控制方向）指导老师:侯进二零一零年六月35 / 43院 系 信息科学与技术学院 专 业 自动化（交通信息工程与控制方向）年 级 2006级 姓 名 天 题 目 基于VC+的车牌识别系统研究指导教师评 语 指导教师 (签章)评 阅 人评 语评 阅 人 (签章)成 绩 答辩委员会主任 (签章) 年 月 日 毕 业 设 计 任 务 书班 级 1班 学 生 姓 名天 学 号20062241 专 业自动化（交通信息工程与控制方向）发 题 日 期：2010年
2、 1月1日 完 成 日 期：2010年6月 15日题 目 基于VC+ 的车牌识别系统研究 题目类型：工程设计 技术专题研究 理论研究 软硬件产品开发一、 设计任务与要求 智能交通系统是21世纪道路交通管理的发展趋势。车辆牌照识别系统的广泛应用将有助于加快我国交通管理自动化的进程。作为一个专用的计算机视觉系统，它能够自动地摄取并识别车牌，可应用在公路自动收费、停车场管理、失窃车辆侦察、门卫系统、智能交通系统等不同场合。由于多样化的牌照形式、不一致的户外光照条件、各种复杂背景的干扰等因素，使得车牌照识别技术课题极具挑战性。具体要求如下： 1. 对给定的静止图像（假设存在车辆）进行预处理分析 2.
3、完成车牌定位、字符分割、字符识别等步骤，进行车牌识别 3. 输出车牌的识别结果 4. 人机界面简单清楚友好 二、 应完成的硬件或软件实验 1. 利用VC+编程实现车牌照识别系统的设计 2设计一个人机交互界面以显示和记录车牌照识别的各步骤和结果 三、 应交出的设计文件与实物（包括设计论文、程序清单或磁盘、实验装置或产品等） 1. 毕业设计论文（必须完全符合学校规，容严禁有丝毫的抄袭剽窃） . 2. CD-R（含论文，程序，程序使用说明书，演示视频，盘面注明，专业，日期） 3. 英文翻译按学校规定，导师无特殊要求 四、 指导教师提供的设计资料 1. 研究介绍（包括课题背景、动机、容、意义） 2.
4、计划说明书 3. 部分英文文献资料五、 要求学生搜集的技术资料（指出搜集资料的技术领域） 1. 本课题相关领域国外重要论文与资料 2. 图像处理知识与VC+编程学习指南 六、 设计进度安排第一部分 查阅资料，学习相关编程语言 （ 4 周）第二部分 编制程序并进行调试 （ 10 周）第三部分 撰写毕业论文 （ 2 周）评阅与答辩 毕业论文修改和参加答辩 （ 1 周）指导教师： 年 月 日系主任审查意见：审 批 人： 年 月 日注：设计任务书审查合格后，发到学生手上。 西南交通大学信息科学与技术学院 2009年制摘 要车牌识别系统是一个专用的计算机视觉系统，它能够自动地摄取车辆图像和识别车牌，可应
5、用在公路自动收费、停车场管理、失窃车辆侦察、门卫系统、智能交通系统等不同场合。车牌识别系统的广泛应用将有助于加快我国交通管理自动化的进程。本文对车牌识别系统中的图像预处理、车牌定位、字符分割和字符识别等环节涉与到的技术、算法以与系统整体设计作了全面的论述，并与已有方案进行了比较，同时对部分关键算法进行了设计和改进。本程序包括图像预处理，车牌定位，字符处理和字符识别四部分。这里我先介绍图像预处理。图像预处理采用灰度变换、图像二值化、中值滤波、边缘检测、去除噪音等方法对图像进行了处理，提高了图像的质量，强化了图像区域。车牌定位是车牌识别系统中非常重要的一步。本文采取的方法是根据车牌区域的横向竖向纹
6、理特征对车牌进行定位，具有较高的车牌定位准确率。字符处理是针对车牌字符做处理，首先对得到的车牌进行倾斜度调整，然后利用连通域法分割得到单独的字符，最后对字符进行了归一化处理，便于下一步字符识别。字符识别本文选取了13个特征点，采用模板匹配的方法，对字符进行快速识别，取得了较高的识别率。本程序用纯软件的方法实现了车牌字符的自动识别，达到了较高的识别率。关键词：图像预处理； 车牌定位； 竖向纹理； 字符分割； 字符识别AbstractAs a special computer vision system, the license plate recognition system (LPR) can
7、 capture a vehicle automatically and identify the plate numbers in the image. It can be used in the road tolling system, parking system, stolen vehicle identification system, guard system, intelligent transportation system and so on. It has many contributions on the automation of the transportation
8、management.In this thesis, some methods and algorithms are introduced by preprocessing of images, license plate locations, character segmentations and character recognitions. Also, the methods and algorithms have a comprehensive discussion of the overall designs.Moreover, I have compared the methods
9、 with the existing. At the same time, I try to design and improve parts of critical algorithms.This process includespreprocessing of images, license plate locations, character processing and character recognitions. The preprocessing of images is the first one I want to introduce. The image preproces
10、sing is thatan image is processed by several algorithms which include gray level stretching, image binarization, median filter,edge detection, and removed noise. Through the processing, the noises on the image are eliminated effectively, and vertical texture on image is clearer. License plate locati
11、onsare extremely important steps in the computer vision system. There is a location method which bases on ahorizontal texture feature and a vertical texture feature is put forward in this thesis. This method can get a satisfactory recognition effect.Character processing is work for license plate. In
12、 the beginning, inclination rectification method is applied to license plate images.The second step is the corresponding connection regionsare used to be dividedinto several isolate characters. Finally, characters are normalized. These normalized characters can help to be recognized. The character r
13、ecognitions we select 13 features which are based on template matching method for the purpose of character recognitionwith high speed and high recognition rate.The program is using a pure software methodto achieve the automatic license plate character recognitions and to reach a higher recognition r
14、ate.Keywords:image preprocessing; license plate location; vertical texture; character segmentation; character recognition目录摘要IIIABSTRACTV第1章绪论11.1 本论文的背景和意义11.1.1 课题的研究背景11.1.2 课题的研究意义11.2 本论文的主要方法和研究进展21.2.1 国外研究进展21.2.2 车牌识别研究的主要技术方法31.3 本论文的主要容31.4 本论文的结构安排4第2章车牌识别系统功能设计方案72.1 车牌识别系统概述72.2 车牌识别系统
15、的设计原则72.3 本章小结8第3章车牌识别算法设计93.1 车辆图像的预处理93.1.1 图像的灰度化93.1.2 图像的二值化93.1.3 图像的中值滤波113.1.4 图像的边缘检测133.1.5 消弱背景噪声163.2 车牌捕捉173.3 字符处理183.3.1 车牌反色183.3.2 车牌倾斜度调整183.3.3 字符分割183.3.4 字符归一化紧排193.3.5 字符的细化203.4 字符识别213.5 本章小结25第4章 车牌识别系统运行结果与语言介绍264.1 车牌捕捉运行结果264.2车牌识别运行识别结果284.3开发平台与编程语言简介284.3.1 Visual C+的集
16、成开发环境284.3.2 MFC是一个编程框架294.4 本章小结31结论32致34参考文献35第1章 绪 论1.1 本论文的背景和意义1.1.1 课题的研究背景20世纪80年代以来，随着我国国民经济的迅速发展，机动车辆规模与流量大幅度增加，全国机动车量年均增长15%以上，城市通路里程年均增长7.9%，高速公路和城市交通管理现代化水平的提高势在必行，迫切需要采用高科技手段来充实和加强交通管理水平。智能交通管理系统是21世纪道路交通管理的发展趋势，高速公路的不断发展和车辆管理体制的不断完善，为智能交通管理系统进入实际应用领域提供了契机。在整个智能交通管理系统中，车牌识别系统是实现交通管理智能化的
17、重要环节，车牌识别系统的应用可有效解决在高速公路收费、超速车辆布控、城市卡口、停车场管理和社区管理中的问题，其具体应用可概括为：1. 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，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，车型与车流组成，
18、日车流量，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，能与时发现超速、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从数据库中调出该车档案材料，可发现没与时交纳养路费的车辆。另外，该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，因而极易发现被盗车辆，以与定位出车辆在道路上的行驶位置。这为防、发现和追踪涉与车辆的犯罪，保护重要车辆(如运钞车)的
19、安全有重大作用，从而对城市治安与交通安全有重要的保障作用。1.1.2 课题的研究意义汽车牌照识别系统是智能交通系统的一个重要组成部分，它是一个特定目标为对象的专用计算机视觉系统，该系统能从一幅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，它运用模式识别、人工智能技术，对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母与汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。车牌识别技术的根本性作用在于自动识读出车辆的唯一-车牌，摆脱了人工查看图片识读车牌的工作，由于这一智能化的技术，顿时使车辆管理的技术水平跨上了一个新台阶，虽然任
20、何车辆管理系统最终都不可能完全摆脱人的参与(即真正意义上的“无人化值守”)，但毕竟在降低人工劳动强度、提高管理效率、增加管理的客观性方面起到了巨大的推动作用。目前这一技术随着需求的不断提高将会得到更快的发展，以这一技术为核心的车牌自动识别系统的成功开发必将大大加速ITS的进程。1.2 本论文的主要方法和研究进展1.2.1 国外研究进展从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，自动提前车牌信息，确定汽车牌号。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、季节环境变化与车牌本
21、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J Barroso提出的基于扫描行高频分析的方法以与Lancaster I.T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，不适合普遍的推广。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，国外学者已经作了大量的工作，但实际效果并不是很理想，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与背
22、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。因而进一步加深车牌定位的研究是非常必要的。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识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。目前己有的方法很多，但其效果与实际的要求相差得很远，难以适应现代化交通系统高速度、快节奏的要求。因而对字符识别的进一步研究也同样具有紧迫性和必要性。1.2.2 车牌识别研究的
23、主要技术方法车牌识别主要分为两大关键技术：一是车牌的定位；二是车牌字符的识别。1. 车牌定位研究车牌定位的研究国外起步比较早，上个世纪90年代以来，我国也开始对车牌定位进行深入的研究，并取得了一定的成效。比较好的定位算法有基于车牌文字变化特点的自动扫描识别算法；基于特征的车辆牌照定位算法；基于变换函数提取车牌的算法；基于视觉的车辆牌照检测；基于字符串的车辆牌照分割方法。这些算法都是基于车牌的特征来研究车牌的定位与识别，因而具有一定的针对性和局限性。对一些复杂图像应用某些数学工具不仅可以加快处理速度而且可以改善和优化处理结果。已有的区域定位算法，比较完善的如机动车辆自动识别收费系统当中所提出的一
24、种基于局部阈值二值化与自适应形态滤波算法。另外，一些学者们从一些数学工具着手，利用数学形态学、小波分析、遗传算法等方法对一些传统定位方法进行改进，提出了基于属性开运算的汽车牌照区域定位算法，通过对灰度图像采用属性开运算，削去满足特定属性的峰部，确定出目标以与少量非目标区域，然后计算出图像的倾斜角与目标区域所在围；提出了基于小波与形态学的车牌图像分割方法等。上述车牌定位方法具有一定的实用性和参考价值，然而也都有不完善的方面，有待进一步完善。2. 车牌字符识别研究车牌字符识别实际上就是对车牌上的汉字、字母、数字进行准确确认的过程。车牌字符识别实际上是依附在车牌上的印刷体文字的识别，能否正确识别不仅
25、是文字识别技术的问题，还要考虑其载体车牌区域的影响。车牌字符识别技术是文字识别技术与车牌图像自身因素协调兼顾的综合性技术。由于摄像机的性能、车牌的整洁度、光照条件、拍摄时的倾斜角度与车辆运动等因素的影响使车牌中的字符可能出现比较严重的模糊、歪斜、缺损或污迹干扰，这些都给字符识别带来了难度。文献15给出了基于神经网络的车牌字符识别方法；文献16提出了一种基于模板匹配的车牌识别方法。综合上述方法，文献17提出了基于模板匹配和神经网络的车牌字符识别方法，该方法集成了模板匹配识别车牌字符和神经网络识别车牌字符的各自优势，提高了车牌字符的识别效率。车牌字符识别的研究在技术上虽然取得了很大的突破，然而离实
26、用化的要求还相差很远，许多新方法仅停留在理论和文章上或者限制在比较狭窄的约束围，并不能以产品的形式大围的投入使用。因而车牌字符识别的研究仍然有很长的路要走。1.3 本论文的主要容本文实验的图像是用数码相机拍得的以与从网上收集到的汽车彩色图像 (包括静态的和行驶中的汽车图像)，图像质量比较差，在各种光照条件和自然条件下的汽车图像都有，因此也对本系统的实现增加了难度。在整个车牌自动识别系统中实现高识别率主要有三个部分起着关键的作用：在全车身图像中车牌部分的定位、定位后车牌字符的分割、对单个字符的识别。本文先实现了车牌定位，再对车牌中的字符分割和字符识别，因此本系统由四大部分组成，车辆图像的预处理、
27、车牌区域的定位、车牌字符识别的预处理、车牌字符的识别，系统详细流程图见图1-1。图1-1系统流程图其中图像预处理流程图如图1-2所示。图1-2 图像预处理流程图字符处理如图1-3所示。图1-3字符处理流程图1.4 本论文的结构安排本文的结构是按照系统的流程结构来安排的。第1章介绍了车牌自动识别系统的研究背景和意义，国外的研究现状以与车牌识别研究的技术特点。第2章介绍了车牌识别系统的介绍和程序的设计方法。第3章介绍了车牌识别系统的编程方法和算法。第4章是对车牌识别系统结果的分析和展示。第2章 车牌识别系统功能设计方案上面介绍了车牌识别系统的研究意义和研究方法，让读者对车牌识别这个系统有了一个初步
28、的印象，下面将介绍车牌识别系统具体的设计方案以与设计原则，便于读者理解。2.1 车牌识别系统概述车牌识别(Vehicle License Plate Recognition，VLPR) 是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。2.2 车牌识别系统的设
29、计原则本系统的设计必须遵循以下原则：1. 要遵循国的车牌标准目前国汽车牌照有六种类型：（1）大型民用汽车所用的是黄底黑字牌照；（2）小型民用汽车用的是蓝底白字；（3）军队或武警专用汽车是白底红字、黑字牌照；（4）使、领馆外籍汽车是黑底白字牌照；（5）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；（6）汽车补用牌照是白底黑字。车前牌照的尺寸均为44 cm长，14 cm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与监督机关的代号，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
30、, 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。2. 面向现场环境本系统主要用于高速公路的交通路口和停车场，因而必须考虑到路口的环境，现场环境对软件设计产生两方面影响：正面影响：（1）在摄像头拍摄时，汽车相对于摄像头的距离是固定的，只要焦距一定，汽车图像大小就是不变的，车牌图像的大小、位置也都是不变的。（2）高速路口处很少有复杂的背景，如树木，多纹理、多色彩的建筑等。因而减少了图像处理的复杂性。负面影响：（1）车辆图像是用摄像头获取的，得到的图像往往存在着0-15度的倾斜，因而要考虑定位和识别的校正。（2）由于阴天或光线不足还会产生图像
31、较暗的情况；由于车牌长期的使用还会造成字符磨损、污染等情况，因而要考虑识别字符的容忍度。3. 黑盒原则整个系统对外只有一个入口和一个出口，完成汽车图像的输入和车牌字符串输出的功能。至于图像数据读取、车牌定位、车牌校正、车牌字符切割、字符识别等方法的实现都是系统部自动完成的。4. 模块化结构本系统采用了四个大模块，即车辆图像预处理模块、车牌定位模块、车牌图像预处理模块、字符的特征提取与识别模块。其中，车辆图像预处理模块又分为灰度化模块、噪声处理模块、边缘检测模块、二值化模块，车牌图像预处理模块又分为倾斜度调整模块、字符分割模块、归一化模块、字符的细化模块等。2.3 本章小结本章对车牌识别的系统设
32、计方案做了介绍，包括车牌系统的概述和设计原则以与现场对程序系统的正面影响和负面影响。相信通过这章的介绍，大家对车牌识别中的一些基本问题都有了简单的了解，也为后面车牌识别算法介绍做了铺垫。第3章 车牌识别算法设计 上文介绍了车牌识别系统的设计方法，下面我将介绍车牌识别各个步骤的部算法设计，深度剖析车牌识别系统的编程原理，相信经过这章介绍，大家会与车牌识别系统零距离。3.1 车辆图像的预处理3.1.1 图像的灰度化汽车图像样本，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、B三个分量表示一个像素的颜色，R、G、B分别代表红
33、、绿、蓝3种不同的颜色，通过三基色可以合成出任意颜色。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。由于图像的每个像素都具有三个不同的颜色分量，存在许多与识别无关的信息，不便于进一步的识别工作，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。数字图像分为彩色图像和灰度图像。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
34、值。彩色图像的像素值为RGB(R, G, B)，灰度图像的像素值为RGB(r, r, r)，R、G、B可由彩色图像的颜色分解获得。而R、G、B的取值围是0-255，所以灰度的级别只有256级。将彩色图像转化为灰度图像常采用的经验公式如图3-1所示：gray = 0.30 R + 0.59 G + 0.11 B (3-1)式中，gray为灰度值，R、G、B分别为红色、绿色和蓝色分量。这是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，这样得到的灰度图像是较为合理的。3.1.2 图像的二值化二值图像是指整幅图像画面仅有黑、白二值的图像。在数字图像处理中，二值图像占有非常重要的地
35、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)。这是考虑到在实用的图像处理系统中，针对彩色或灰度图像进行速度高、成本低、信息量大的处理所产生的花销太大。此外，二值化后的图像能够用几何学中的概念进行分析和特征描述，比灰度图像优势大的多。阈值法分割比较简单，简单到主要只有两个步骤：1. 确定需要的分割阈值2. 将分割阈值与像素值相比较以划分像素在这两个步骤中，确定阈值是关键的一步，如果能确定一个合适的阈值就能方便地将图像分割开来。但问题是，要确定一个合适的
36、阈值是一件让人头痛的事，确定阈值的多种方法各有千秋。一般来说，阈值的选择要遵循如下的原则：B1应尽可能包含与背景相关联的灰度级，而B2则应包含物体的所有灰度级。当扫描这幅图像时，从B1到B2之间的灰度有变化就意味着有边界存在。阈值的选取方式有很多种，如基于各像素值的阈值、基于区域性质的阈值、基于坐标位置的阈值、基于过渡区的阈值等。本文采用的是基于像素值的全局迭代阈值选取方法。基本思想是：1. 求出图像中的最大和最小灰度值和，并令初始阈值如公式3-2所示： (3-2)2. 根据阈值将图像分割成目标图像和背景图像两部分，如公式3-3与3-4所示，再求出这两部分的平均灰度值和。 (3-3) (3-4
37、)式中，是图像中点的灰度值，是的加权系数，一般为1。3. 求出新的阈值，如公式3-5所示。 (3-5)4. 如果，则迭代结束，否则，转到第2步继续迭代。二值化流程图见图3-1所示。图3-1二值化流程图3.1.3 图像的中值滤波经过二值化之后，图像本身还存在许多噪声，引起噪声的原因有：在摄像时，由于光学系统失真，相对运动，大气湍流等都会使图像模糊。再如传输过程中，噪声污染图像，或者使机器从图像中提取的信息减少甚至造成错误，因此必须对降质图像进行改善。改善的办法有两类：一类是不考虑图像降质的原因，只将图像中感兴趣的特征有选择地突出，而衰减其它不需要的特征，故改善后的图像不一定要逼近原图像。这类图像
38、改善方法统称为图像增强技术。另一类改善图像办法是针对图像降质原因，设法去补偿降质因素，从而使改善的图像尽可能地逼近原图像，这类图像改善方法统称为图像复原技术。中值滤波是图像增强的一种手段，它的目的是为了减少离散点数。噪声并不限于人眼所能看到的失真或变形，有些噪声只有在进行图像处理时才能发现。一般来说，图像的能量主要集中在其低频部分，而车牌的信息主要在高频部分，为了去掉高频干扰，有必要进行图像平滑。为什么采用中值滤波在这里阐述下：虽然我们知道滤波有好几种方法。高通、低通、平均滤波等。说说平均滤波：平均滤波往往不只是把干扰去除，还常把图像的边缘模糊，因而造成视觉上的失真，如果目的只是把干扰去除，而
39、不是刻意让图像模糊，则中值滤波是比较好的选择。中值滤波是一种非线性的信号处理方法，与其对应的中值滤波器也是一种非线性的滤波器，它在一定的条件下可以克服线性滤波器如最小均方滤波、平均值滤波等所带来的图像细节模糊，而且对滤波脉冲干扰与图像扫描噪声最为有效，特别适合用在很强的椒盐或脉冲干扰，因为这些值与其邻近值像素灰度值有很大的差异，因此经过排序后取中值的结果是强迫将此干扰变成与其邻近的某些像素的灰度值一样，达到去除干扰的效果。在实际运算过程中不需要图像的统计特性，这也带来了不少方便，但对一些细节特别多，特别是点、线、顶尖细节多的图像不宜采用中值滤波。一般地设有一个一维序列，f1,f2.取该窗口长度
40、（点数）为m（m为奇数），对一维序列进行中值滤波，就是从序列中相继抽取m个数， f（i-v），f（i-1） f(i) f(i+1), f(i+v) 其中f(i) 为窗口的中点值，v = (m-1) / 2再将m个点值按其值大小排序，取中间的那个数为滤波输出，用数学表示为 其中 ,中值滤波一般采用一个含有奇数个点的滑动窗口，将窗口中各个灰度值得中值替代指定点（一般是窗口的中心点）的灰度值，假设窗口有个点，其值依次为重新排序后（从小到大）为，则，此例若平滑滤波窗口也是取，而平均滤波输中值滤波具有对尖峰性干扰效果好，即保持边缘的陡度又去掉干扰，因此在本例中采用中值滤波对图像进行处理。中值滤波流程图如
41、图3-2所示。3.1.4 图像的边缘检测从车辆图像中正确分割出车牌区域是车牌识别中最为关键的步骤之一。所谓图像分割就是要根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将待识别的目标从背景或其它伪目标中分离出来。图像分割是图像提取得重要组成部分，只有有效地完成分割，才能进一步提取目标特征并识别目标。图3-2 中值滤波流程图为了完成好这关键性的一步，有一些必要的前期工作要做,其中一个重要的工作就是边缘检测。在这里，要分割的目标就是车牌图像，由于车牌图像具有一定的特殊性，在进行边缘检测之前，要对车牌图像的特征进行分析，所有的车辆牌照都具有下列一些共同特征：1. 图像上有大量长短不
42、一、类似直线与长方形的区域，还有一些灰度特征类似于文字区域的汽车厂商标志区域。2. 车牌文字周围有一个类似于长方形的边框，其厚度不一，而且有断裂处，有时候弯曲度比较大。3. 文字大小统一，排列成行，由于拍摄原因有一定程度倾斜，文字与背景之间有明显灰度对比。根据以上车牌图像的特点，利用车牌中字符和车牌背景的相对特性，即字符竖向纹理的分割方法，能够对各类车辆图像实现很好的分割效果。因此，在对车辆图像进行边缘检测的时候，要经过两个步骤：初步边缘检测和水平梯度方向边缘检测。这样得到的图像中就留下了大量的竖向边缘特征，为后面准确的车牌定位提供了最根本的依据。图像分割的一种重要途径是通过边缘检测，即检测灰
43、度级具有突变的地方。这样的地方表明一个区域的终结，也是另一个区域的开始，这种不连续性称为边缘。边缘检测不仅用于图像分割，也是纹理分析等其它图像分析的重要信息源和形状特征基础。需要说明的是：边缘与物体间的边界并不等同，边缘指的是图像中像素值有突变的地方，而物体的边界指的是现实场景中的存在于物体之间的边界。一幅图像中，有可能有边缘的地方并非边界，也有可能物体的边界在图像中不成为边缘，这是因为现实中的物体是三维的，而图像只有二维信息，从三维到二维的投影成像不可避免的会丢失一部分信息；另外成像过程中的光照和噪声也是不可避免的重要因素。经典的边缘提取方法是考察图像的每个像素点在某个区域灰度的变化，利用边
44、缘邻近一阶或二阶方向导数变化规律检测边缘。这种方法为边缘检测局部算子法。边缘的种类分为两种：一是阶跃边缘，它两边像素的灰度值有着显著的不同；一是屋顶边缘，它位于灰度值从增加到减少（或从减少到增加）的变化的转折点。边缘检测算子检查每个像素的领域并对灰度变化率进行量化，通常也包括方向的确定。有若干种方法可以使用，其多数是基于方向导数掩模求卷积的方法。本文采用的是Sobel算子边缘检测算法。Sobel边缘检测要用两个卷积核作用于同一幅图像，这两个卷积核分别用来计算水平和垂直方向的梯度，它们是：设用两个卷积核分别进行卷积操作的中间图像为和，其中取值围为0width-1，y的取值围为0height-1，则最后的结果图像如3-6或3-7或3-8所示： (3-6)或