《车辆图像的车牌字符分割方法设计与实现(共45页).doc》由会员分享，可在线阅读，更多相关《车辆图像的车牌字符分割方法设计与实现(共45页).doc（45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、精选优质文档-倾情为你奉上 车辆图像的车牌字符分割方法设计与实现 Design and Implementation Method of Vehicle License Plate Character Image Segmentation专心-专注-专业摘要随着社会的发展，车辆将越来越多，为了更好地管理车辆，智能交通系统将是发展的方向，而车牌自动识别系统是智能交通系统中一个重要的环节，它主要包括三个关键技术：车牌定位、车牌字符分割以及车牌字符识别。本文针对车牌自动识别系统中关键技术之一的车牌字符分割部分做了深入的研究。首先，本文对车牌字符分割前的预处理进行了较深入研究，尤其是车牌图像二值化后的
2、去噪处理，包括开闭运算、去除边缘、去除圆点等。其次，在字符分割算法中，给出两种分割算法，一种是固定边界法，另一种是垂直投影法，并对车牌字符进行了分割。然后，在分析了这两种方法的优缺点后，将这两种方法相结合进而得到改进的投影法，实验表明，就算是在除噪后仍然有少量噪声的车牌进行分割时，该方法也可以得到很好的字符分割效果。关键词：字符分割；二值化；投影法AbstractThere will be more and more cars with the development of society. Intelligent Transport System will be the direction
3、of development. System of License Plate Automatic Recognition is an important part of the Intelligent Transport System. It is contain of three key technologies: the location of license plate, the division of license plate character and the recognition of license plate character. This paper studied a
4、t character recognition technology which is one key technology of the System of License Plate Automatic Recognition.At first, I study the license plate character segmentation image preprocessing, especially the license plate image binarization of denoising processing, including open arithmetic, clos
5、e arithmetic, wipe of the edge, and wipe of the round spot etc.The second, there are two ways to divide the plate. one way is the fixed boundary, and the other is a vertical projection. Then I separate the license plate characters.finally ,I compared two kinds of methods, they can be incorporated in
6、to the new projection method.The experimental results show thateven after the noise reduction still contains a small amount of noise of the license plate segmentation,the method also can get very good effect.Keywords: The division of license plate character；Binarization；The method of shadow目录第一章 绪论随
7、着经济的快速发展和汽车制造技术的提高，使汽车迅速成为人们日常生活中的一个不可或缺的必需品。这导致全球的汽车数量猛增，而随之也造成城市的交通压力越来越大，城市的交通状况也因此受到了更多的关注。如何对交通进行有效地管理，也成为各国政府及相关部门所关注的热点和焦点。针对这些问题，人们开始将通信技术、计算机技术、计算机网络技术及自动化信息处理等很多新兴的科学技术用于交通道路的监视和管理系统，以此提高车辆运输和管理的效率。它主要是通过对过往车辆进行抽样检测，提取相关的交通数据来达到对交通的监控、指挥和管理。车牌自动识别技术(LPR)是指能够检测到受监控路面车辆并能够自动提取车辆车牌信息（包括汉字字符、英
8、文字母、阿拉伯数字及号牌颜色）进行数据分析与识别的技术。它以计算机技术、图像处理技术、模糊识别技术为基础，再建立运动车辆特征模型，识别车辆特征，比如号牌、车型、颜色等，并重点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的基础上阐述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成熟的字符分割算法（投影法）的改进性研究。本章是本文的绪论部分，介绍了车牌识别技术的应用背景及前景、工作原理及其组成、发展现状，以及本文的主要内容和章节安排。1.1车牌识别技术的应用背景及前景随着21 世纪经济全球化及信息时代的到来，迅速崛起的通信技术、计算机技术和计算机网络技术，以及水平不断提高
9、的自动化信息处理技术在社会活动和生活的各个领域得到广泛应用。同时，高速度的生活节奏及高效率的社会活动，使汽车普及成为必然趋势。随着世界各国汽车数量的增加，人们越来越重视城市的交通状况。如何有效地进行交通管理逐渐成为各国政府相关部门所关注的热点。针对这一问题，人们相继研发了各种道路交通管理系统、车辆管理系统及公共交通监控系统。这些系统把车辆和道路综合到一起进行考虑，运行先进的技术解决道路交通的问题，称之为智能交通系统（Intelligent Transportation System，简称ITS）。ITS 是20 世纪90 年代兴起的新一代交通管理系统。它利用先进的信息处理技术、导航定位技术、无
10、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。交通管理自动化逐渐成为待解决的问题，在这种社会背景下，车辆的自动检测是信息的来源，越来越受到人们的重视。关于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、停车场管理、园区车辆管理、交警稽查等方面有着重要的意义，因此成为信息处理技术的一项炙手可热研究课题。车牌识别(License Plate Recognition, LPR)技术是智能交通系统（ITS）的重要组成部分，
11、在交通控制和管理中占有着很高的地位，可以应用到以下一些领域：（1）重要部门的安保管理以及封闭式居民小区物业管理。车牌识别技术的推广普及，必将对减少交通事故、车辆失窃案件的发生和加强城市道路管理起着重要作用，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，不单可以有效防止机动车辆被盗，而且为监察机关、公安对犯罪嫌疑人所驾驶的车辆进行自动监控和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中心，辅助其他科技手段，建立高速公路无人的自动监测和自动布控系统，可以
12、有效且快速地获取超速车辆的图像，并获取该车的牌照号码，以便于对违规车辆进行处罚。进而降低因超速引起的交通事故的发生。（5）路桥、隧道等关口的自动收费系统。（6）高速公路收费管理系统。在高速公路收费出、入口分别完成车牌号码识别和车牌匹配工作，以实现不停车收费；还可以依据识别出的车牌号码从车辆管理数据库中调出该车档案，可以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发展，成熟、识别率高的车牌识别技术还将应用于一些对性能要求较高的单片机上。还应用于一个可以对车辆信息实时采集的公共平台上，使各管理部门之间能够协调统一的对车辆和道路情况进行监控管理，从根本上解决了目前全国交通及公安系统信息采集的
13、多渠道、多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。1.2车牌识别系统的工作原理及组成车牌识别系统是智能交通系统(ITS)的一个核心组成部分，该系统能从一幅车辆图像中自动提取车牌图像，自动实现分割字符，进而对字符进行识别，以得到该车牌的号码。基于PC的车牌识别系统是通过利用PC机及摄像机等电子设备采集某些路段的汽车图像，对图像进行处理，进而获取车牌的位置及字符信息，完成车牌目标的自动定位和识别。图11为车牌识别系统流程图：采集图像车牌定位字符分割字符识别信息存储图1.1车牌识别系统流程其工作流程是：当发现有车辆通过时，触发图像采集部分工作，通过
14、对车辆进行拍摄，获取车辆的前视或后视图。然后将所采集的车辆图像送入计算机系统，通过车牌定位、字符分割、字符识别三个环节的处理，最后得到车牌号码。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。之后本文只针对车牌字符分割技术的研究现状加以阐述。1.3字符分割的发展现状车牌字符分割技术是指将定位后的车牌区域分割成单个字符。字符分割的准确与否会直接关系到下一步的字符识别，因此很多学者对此课题进行了研究，提出了很多关于车牌字符分割的方法。张云刚，张长水等提出了一种先进行分段，再用Hough变换拟合直线的水平分割方法以及基于先验知识约束的垂直分割方法1，同时还
15、提出目标增强的预处理方法。迟晓君，孟庆春等提出了一种基于垂直投影特征值的分割方法2，根据车牌二值图像垂直投影图的特点，选取一个特征值，并将车牌图像的先验知识与此特征值相结合来对车牌进行字符分割。吴进军、杜树新等提出了一种车牌字符分割新方法3，首先将车牌图像上的第三个字符定位，再进行字符区域的分裂与合并，然后针对字符缺损情况，进行字符区域扩展，并对字符区域高度进行调整，最终实现车牌字符的分割。王兴玲提出了基于类间方差车牌字符分割的模板匹配算法4，该算法根据车牌字符串的结构和尺寸特征，设计出车牌字符串模板，用该模板在车牌区域滑动来进行匹配、分类，并根据最大类间方差判决准则，确定最佳匹配位置，分割出
16、车牌字符。陈黎等提出了基于聚类分析的车牌字符分割方法5，根据属于同一个字符的像素构成一个连通域的原则，结合牌照标准的固定字符间距，固定比例关系等先验知识，来对车牌进行字符分割。赵海燕等提出了基于最小面积法进行的车牌字符分割6，该方法的根据是车牌横平时车牌照所形成的连通域面积最小，从而提出用最小面积法来计算旋转角度，进行灰度均值化处理后，通过水平投影去除边界，最后计算垂直投影从而进行有效分割。以上的算法在正常的情况下可以较好的将车牌字符分割出来，但我国由于道路环境或人为因素造成车牌污染严重，使在对车牌预处理之后，会出现不同程度的噪声，对车牌字符的正确分割有很大阻碍，使车牌中字符可能存在的粘连或断
17、裂情况；另外，我国车牌的种类繁多，仅仅底色就有蓝，黄，白，黑等，字符分割技术仍需要进一步改进。1.4本文研究主要内容车牌字符分割的准确与否将直接关系到车牌字符的识别，如果字符分割误差较大，那会直接导致车牌识别的失败。在实际生活中，车牌会由于受到光照、倾斜、刮花等很多客观因素影响，从而使得车牌图像有时不太理想，这也是即使字符识别已可以达到手写体的水平，但车牌自动识别系统还在逐步完善的原因之一。本文的工作内容主要包括：（1）给出了对车牌图像的预处理过程，包括对车牌的灰度化、二值化、闭运算、开运算、去除圆点、去除边框等过程。（2）给出了应用垂直投影法对车牌图像进行分割的方法及分割结果分析。（3）给出
18、了应用固定边界法对车牌图像进行分割的方法分割结果分析。（4）在分析了上述两种方法的优缺点之后，提出了改进的投影法。1.5本文的结构本文主要就关于车牌字符的分割方法展开研究，结构安排如下：第一章为绪论。主要介绍了课题的研究背景及前景；对车牌自动识别系统做了概述；并对车牌识别系统的研究现状进行了概述；阐述了本文研究的主要内容，并在最后给出了本文的结构安排。第二章为车牌字符分割的相关理论基础。主要介绍了车牌字符分割过程中应用到的一些关键知识，尤其是在车牌字符的预处理和分割过程中用到的关于灰度化、二值化、腐蚀及膨胀等方面的理论。第三章为车牌图像的预处理。主要介绍了车牌图像的预处理过程，包括图像灰度化、
19、图像二值化、闭运算、开运算、去除边框以及噪声去除等。第四章为车牌字符分割方法及结果分析。分别介绍了基于垂直投影的车牌字符分割方法，基于车牌固定边界法的字符分割方法和将投影法与固定边界法相结合形成的改进的投影法的字符分割方法及其以上方法的结果分析。第五章为总结。给出对所做工作的心得体会以及总结。第二章车牌字符分割的相关理论基础图像信息是在日常的生活、生产中接触最多的信息之一，是我们获得外界信息的主要来源，科学研究和统计表明，我们从外界获得的信息约有75%是从图像中获得的7。这里图像的概念是比较广泛的。如何从中找到我们所需要的信息就是我们关注的焦点，因此图像处理技术的发展将会日益成熟，现已经在很多
20、方面取得了较大的进步，尤其在近几年，计算机、计算机网络、数字通信等技术的飞速发展，图像处理技术的发展起到了推动作用。2.1数字图像处理技术理论上讲，图像是二维的连续函数，因此在计算机上对图像进行数字处理的时候，首先必须对其在亮度和空间上进行数字化，这就是图像的采集和量化的过程。空间坐标的数字化称为图像采样，而幅值数字化称为灰度级量化。2.1.1灰度图像灰度图像是指每个像素由一个量化的灰度值来描述的图像。它不包含彩色信息。若灰度图像的像素都是unit8型或unit16型，则它们的整数值范围分别是0,255和0,65535。若图像是double型，则像素的取值就是双精度浮点型。图2.1表示一幅灰度
21、图像及其对应的图像矩阵。 I=图2.1灰度图像的数字矩阵2.1.2二值图像二值图像又称黑白图像，是指图像的每个像素没有中间的过渡只能是黑或白。二值图像的像素值为0或1，图2.1表示一幅二值图像对应的图像矩阵。 图2.2二值图像的数字矩阵2.2数学形态学理论基础2.2.1数学形态学的基本概念数学形态学于1964年创立，其基本思想和方法对图像处理理论和技术产生了重大影响8。数学形态学的基本思想是用有一定的结构元素去度量和提取图像中的对应形状，以达到对图像识别和分析的目的。应用数学形态学可以简化图像数据，但可以保持它们基本形状特性的数据，并且除去不相关结构的数据。数学形态学的算法天然具有并行实现的结
22、构，实现了处理算法和形态学分析的并行，从而大大提高到了图像分析、处理的速度。数学形态学不仅仅有坚实的理论基础，朴素、简洁、统一的思想，还有着广泛的使用价值。有人称数学形态学在理论上是严谨的，在基本观念上却是简单和优美的9。2.2.2二值形态学的基本运算数学形态学有膨胀、腐蚀、闭运算、开运算四种基本运算：（1）膨胀：设用表示图像，表示结构元素（B也是图像集合，和均为集合），形态学运算就是用对进行操作。膨胀的运算符为，用对进行膨胀可记为，定义为公式2-1： （2-1）公式2-1中，表示集合的反射，它的定义为：。表示对的反射进行位移z，所以上式表明用膨胀的过程是，先对做关于原点的映射，再将其平移z，
23、这里与的交集不能为空集。换句话说，用来膨胀得到的集合是位移与至少有一个非零元素相交时的原点位置的集。（2）腐蚀：腐蚀的算符为，用B来腐蚀写作，定义为公式2-2： （2-2）公式2-2表明用腐蚀的过程就是对平移运算，结果是所有x的集合，即平移x后仍在中，换句话说，用腐蚀得到的集合是完全包括在中时的原点位置的集合，即平移后的与的背景并不叠加。（3）开运算：开运算是先对图像进行腐蚀，然后膨胀其结果。用对进行形态学的开运算可以记作，定义为公式2-3： （2-3）公式2-3的简单集合解释为：是在内全匹配的平移的并集。（4）闭运算：闭运算是指先对图像进行膨胀，然后腐蚀其结果。用对进行形态学的闭运算可以记为
24、：，它的定义为公式2-4： （2-4）公式2-4表示，用元素对进行形态学闭的运算结果包括所有满足以下条件的点：该点可被位移和映射的结构元素覆盖时，与经过位移和映射的的交集不为零。从几何上讲，是所有不与重叠的的平移的并集。闭运算和开运算都可以除去比结构元素小的特定图像细节，同时能保证不使全局发生失真。开运算可以把比结构元素小的畸变滤掉，切断细长搭接而起到分离作用。闭运算则可以把比结构元素小的缺口或孔填充上，搭接短的间断而起到联通作用10。第三章车牌图像的预处理3.1车牌图像的灰度化图像的灰度化，就是将彩色图像转化为具有256个灰度级的黑白图像，灰度图像只保留图像的亮度信息，去除了色彩信息，就像我
25、们平时看到的黑白照片，它的亮度由暗到明，而且亮度变化是连续的。图像灰度化后可以使处理运算量大大减少，这样处理过程就变得更加简单和省时。在灰度图像中，通常将亮度划分成0到255共256个级别，0最暗，255最亮。图3.1为将彩色图像灰度化前后的图像：图3.1车牌图像的灰度化3.2车牌图像的二值化图像二值化是指将彩色或灰度图像转化为黑白图像，而且图像没有灰度层次的变化，对图像二值化可根据公式3-1或3-2来确定。其中t为阈值，为输入图像数据，为输出图像数据。 （3-1） （3-2）由式（3-1）和（3-2）可知，图像的二值化就是选取一个阈值，灰度值大于阈值的（或小于阈值的）被认定为字符图像，灰度值
26、小于阈值的（或大于阈值的）被认定为车牌背景，对车牌图像进行二值化处理的目的就是将车牌上的字符和背景分开，因此在二值化过程中最关键的就是阈值的选取，好的阈值可以把车牌背景和车牌上的字符区分开来，而不恰当的阈值会把背景认定为字符，同样也可能把部分字符认定为背景。下面介绍几种常用的二值化方法：（1）全局阈值法：在分割过程中，对车牌图像的每个像素值采用相同的阈值，就是全局阈值算法。如果背景的像素值在整个图像中可近似看作为恒定，那么，只要选择了正确的阈值，使用一个固定的全局阈值就可以达到较好的二值化效果。因此如何选择阈值就成为全局阈值算法的关键所在。在全局阈值算法中最出名的也是效果最好的就是Otsu提出
27、的最大方差阈值算法。这是1980年由日本的大津提出，故又称为大津阈值算法，在判别与最小二乘原理的基础上推导出来的11。它的基本原理是按图像的灰度特性,将图像分成背景和目标两部分。背景和目标之间的类间方差越大,说明构成图像的两部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。（2）局部阈值法：在许多情况下，背景的灰度值并不能近似为一个常数，由于各种原因使得车牌受到污染或有阴影、光照不均等，都会使车牌字体颜色和背景颜色的对比度在图像中产生变化。这时，取一个定值作为整个图像的阈值对图像分割，会由于不能兼顾图像各处的情况而使分
28、割效果受到影响。在此情况下，有一种解决办法就是局部阈值法，该方法由像素的灰度值以及该像素周围点的局部灰度特性来确定阈值，把灰度阈值取成一个随图像位置缓慢变化的函数值，因而也称此方法为自适应阈值算法或动态阈值算法。由于实际应用中，全局阈值法已可以满足本文车牌字符分割的要求，因此本文采用了大律法（Otsu法）。大律法的原理为：设为车牌图像的前景与后景的分割阈值，前景点数所占图像的比例为，平均灰度为；后景点数所占图像比例为，平均灰度为；则图像的总平均灰度为。以为阈值从最小灰度值到最大灰度值遍历图像，当使得类间方差值为最大时即为最佳阈值。因为方差值的大小代表了灰度值的分布情况，因而当方差越大，说明前景
29、和背景的差别越大，当将前景划为背景区域或将背景划为前景区域时都会使得方差变小，所以当使得方差最大时即为最佳阈值。图3.2为二值化后车牌图像；图3.2图像的二值化3.3车牌图像的去噪处理在图像中，由于获取图像的设备会产生噪声，在图像传输过程中也会存在噪声，而车牌本生也会有噪声，这就使得我们获得的图像都夹杂着或多或少的噪声。是否需要将图像进行去噪处理，这取决于噪声对图像的影响程度。一般来说我们只有对图像进行去噪处理后才能更好的实现车牌的分割和识别。一般将图像中的噪声分为两种：一种是加性噪声，另一种是乘性噪声。加性噪声和原图像数据是加的关系，可用表达式3-3来表示。而乘性噪声和原图像数据是相乘的关系
30、，可用表达式3-4来表示。（3-3）（3-4）产生的噪声会因产生原因的不同而表现出不同的特点。常见的噪声类型有：均匀分布噪声、高斯噪声、脉冲噪声、指数分布噪声、瑞利噪声、伽马噪声等噪声模型。在去噪时，我们需要根据噪声的特点采取相应的方法去噪。大体上可以分为两种，一种是在时域进行去噪，另外一种是在频域进行去噪。这两种方法是根据不同的思想进行去噪的，一个是利用信号和噪声的时域特征将噪声去除，一个是利用信号和噪声的频域特征来将噪声去除。不管是哪种方法，我们都是为了将信号和噪声分离从而得到一个含有少量噪声的图像数据。在时域上去噪的方法有很多种，比如：均值滤波、顺序滤波、自适应滤波等滤波方法。而在频域上
31、去噪主要是利用噪声和信号所占频带的不同从而将其分离，根据噪声所在不同的频带，我们可以采用低通滤波、高通滤波和带通滤波来去噪12。本文主要运用了数学形态学方法中的开闭运算来实现去噪的处理，还根据车牌标准判断噪声的位置与投影像素原理相结合的方法进行去噪处理，下面是对开闭运算以及去除其它噪声等方法的介绍。3.3.1车牌图像的开运算由于车牌上会有泥点、刮痕、锈蚀等造成车牌上会成为噪声，在二值化时会成为小点，给字符分割带来阻碍，因而在对车牌分割前必须将这些噪声去掉，因此可以根据开运算操作来达到目的13。开运算和闭运算都可以除去比定义的结构元素小的特定图像细节，同时能保证不使图像全局发生失真。开运算可以把
32、比结构元素小的突刺噪声滤掉，切断将字符搭接起来的噪声而起到分离作用。图3.3为进行开运算前后的图像：开运算前：开运算后：图3.3对图像的开运算3.3.2车牌图像的闭运算由于车牌上会有泥点、刮痕、锈蚀或光照、阴影等的影响造成车牌上有一些噪声，在二值化时会成为小洞，给字符分割带来阻碍，因而在对车牌分割前必须将这些噪声去掉，因此可以根据闭运算操作来达到目的14。3.3.3去除车牌边框在对车牌进行定位后，车牌的上下边缘处总会残留一些车牌的边框或者铆钉等噪声无法去除，待车牌被分割后也会给后续的字符识别带来麻烦，为了消除这些影响，须将其去除。因此本文根据其边框与字符间有空隙的特点，对于垂直边框，先找到车牌
33、正中间的一个字符，向右找到第四个间隙即为车牌的最右端，找到第一个字符位置，向左寻找即可找到车牌最左端位置；对于水平方向的边框，先找到车牌水平方向的最中间，向车牌的上下方向分别寻找车牌字符与边框之间的间隙，即可找到车牌的上下位置。步骤为：Step1：计算每一行的像素值总和。Step2：选取车牌行方向的正中间位置，分别向车牌上下扫描寻找到行像素和突然变小的位置，即为车牌的上下端。Step3：只保留Step2找到的车牌上下端以内的车牌数据即可将车牌的上下边框去除。图3.4为计算出的车牌列方向像素值：(a) 第一张车牌累计的像素值(a) 第二张车牌累计的像素值图3.4行、列方向累计像素值去除车牌水平方
34、向的边框与去除垂直方向边框的方法类似。图3.5为车牌去除边框前后的图像： 图3.5去除车牌边框前后对比图3.3.4去除车牌图像中的圆点车牌上字母与数字间有一白色圆点，在采用投影法对车牌进行分割时会受到很大的影响，因此本文根据该白点所在车牌的位置，将此白点处数字矩阵置为全零，可以消除其带来的影响。图3.6为去除白点前后的车牌图像： 图3.6车牌图像去除圆点第四章车牌字符分割方法及结果分析本次设计的系统总体流程图如图4.1所示。在上一章已经做了本次设计的预处理部分，包括车牌图像的灰度化、二值化、去除车牌的边框、圆点以及车牌的噪声。而本章主要阐述的是车牌的字符分割方法。图4.1系统总体流程图4.1基
35、于垂直投影的车牌字符分割方法4.1.1垂直投影法的原理该算法是由迟晓君，孟庆春等首先提出来的，该算法是依据车牌字符间的像素为零而找到各个字符的左右位置分割的。图4.1为计算列方向的累计像素值：图4.1一般车牌列方向累计像素值由图可见：在字符之间的像素值理想情况下为零，实际情况可能有些许噪声，但只要噪声不大，已可据此实现字符的分割。4.1.2应用垂直投影法的实现步骤Step1：将车牌图像灰度化。Step2：用Otsu算法确定车牌区域的阈值（即采用全局阈值），然后根据此阈值将图像二值化。Step3：对该二值化图像进行去噪处理，经过开闭运算、滤波、去除车牌边框、去除圆点等步骤后就可得到质量较好的二值
36、化图像。Step4：:计算出车牌区域垂直方向上的二值投影图找到波谷点，从而根据这些波谷点来对整个车牌字符进行分割，并且抛弃掉字符与字符之间的间隙。图4.2为应用投影法对车牌进行分割的图像：原图像： 分割后图像： 图4.2投影法分割效果图由于此方法已经能够将车牌区域灰度图像转化为较高质量的二值图片进行分割，但对于一些质量较差的车牌照片还是可能发生字符粘连或者对字符的误分割，故采用车牌区域二值图片的投影图来分割字符还有待改善15。4.2基于固定边界法的车牌字符分割方法4.2.1固定边界法的原理由中华人民共和国公共安全行业标准GA36200716可知：普通蓝底白字车牌的结构如图4.3所示：图4.3普
37、通车牌的国家标准图4.3可以得知：车牌的位置都是严格依据国家标准制定的，每个字符间，甚至于边框、铆钉的位置都有明确的规定，每个字符的宽度为：45、高为：90、车牌总长为：440、宽为：140，第一和第二个字符间的距离为：12、第二和第三个字符间的距离为32、其后没两个字符间距均为12，因此可以据此容易地找到车牌字符的分割位置。4.2.2应用固定边界法的实现步骤Step1：将车牌图像灰度化。Step2：用Otsu算法确定车牌区域的二阈值（即采用全局阈值），然后根据此阈值将图像二值化。Step3：对该二值化图像进行去噪处理，经过开闭运算、滤波、去除车牌边框、去除圆点等步骤后就可得到质量较好的二值化
38、图像。Step4：由车牌的标准先将汉字、第一个字母的位置找到，并将其分割出来。Step5：第二个字母和其后的数字由于间隔都为12mm，所以可根据此规律很容易计算出来，然后将其分割。图4.4固定边界法分割的图像由于此方法是根据车牌的标准，用固定的位置去分割车牌，所以就要求车牌的左右位置很精确，否则会导致分割时将应保留的部分切开，从而使分割错误17。图4.4为应用固定边界法分割的图像。图4.4可以看出，有的车牌可以很好地分割出来，但有的车牌却出现了错误分割，原因就是，车牌的左边界不一致会导致分割位置错误，从而使得分割结果错误18。4.3投影法与边界法相结合4.3.1改进法的原理4.1与4.2分别分
39、析了垂直投影法和固定边界法的优缺点，为了达到更好的分割效果，本文将这两种方法结合，提出了改进的投影法19。4.3.2应用改进法的实现步骤Step1：将车牌图像灰度化。Step2：用Otsu算法确定车牌区域的二值化的阈值（即采用全局阈值），然后根据此阈值将图像二值化。Step3：对该二值化图像进行预处理，经过开闭运算、去除车牌上下边框、去除圆点等步骤后就可得到质量较好的二值化图像。Step4：计算出列方向像素值之和。Step5：选取一较小的像素和阈值，找到车牌上汉字的左端，再用该阈值继续寻找汉字右端的同时，根据车牌标准，利用高与宽的比例关系找到汉字的右端。Step6：重复利用上一步骤的方法找到其
40、他字符的左右端，然后将字符逐一分割。图4.5为使用该法分割的图像： 图4.5改进法分割的图像由图4.5与图4.2和4.4对比可以明显的看出来改进法的字符分割比垂直投影法与固定边界法的分割效果好的多。这是由于垂直投影法对于一些质量较差的车牌照片还是可能发生字符粘连或者对字符的误分割；而固定边界法会因为定位车牌的左边界不一致会导致分割位置错误，从而使得分割结果错误。而改进的投影法可以很好的解决以上两个问题，因为改进法的原理是选取一较小的像素和阈值，找到车牌上汉字的左端，再用该阈值继续寻找汉字右端的同时，根据车牌标准，利用高与宽的比例关系找到汉字的右端。此方法将垂直投影法和固定边界法相结合，达到了更
41、好的分割效果20。总结本文论述了针对在路口对车辆管理的车牌识别系统，根据图片特征提出了一个行之有效的车牌分割方法。该车牌系统的算法原理主要包括三个部分：车牌定位、车牌字符分割、字符识别，本人负责该系统的第二个部分，该系统的其它部分由项目组的其他同学完成，本文将该系统的车牌字符分割的算法原理详细地介绍了一下。另外，本文论述了车牌识别系统的工作原理及组成并详细地就其中的重要步骤之一：车牌的分割进行了研究。在分析了车牌分割的发展现状后选择了两种进行了详细的阐述，分别是：垂直投影法和固定边界法，并根据该两种方法的优缺点提出了将两者结合的一种改进的垂直投影，实现了良好的车牌字符分割效果。主要研究探讨了车
42、牌字符分割前的预处理以及字符分割方法。(1)在车牌字符预处理过程中，用了数学形态学理论，包括开运算和闭运算，还根据车牌的标准去除圆点等。(2)在字符分割过程中，先给出了垂直投影法和固定边界法两种方法，在分析了两种方法的优缺点并考虑到车牌二值化过程中可能有字符粘连的情况，给出了一种基于垂直投影法与边界法相结合的车牌字符分割方法。通过使用这种方法对车牌字符进行分割达到了良好的效果。对于第一种方法，主要优点是再在二值化很好的情况下，可以很好地把字符分割开来，但对于二值化并预处理后仍然有字符粘连的情况会导致字符无法分割。对于第二种方法，主要优点是较好解决了车牌字符间有粘连和噪声的问题，但对于车牌左边界
43、有偏差的车牌会导致误分割。由于车牌在垂直方向上的投影必然在字符间的间隙处取得局部最小值，并且这个位置应满足标准牌照的字符书写格式、字符尺寸和一些其他条件。在对车牌进行一系列的预处理之后，再利用改进的垂直投影法对复杂环境下的汽车图像中的字符分割达到了良好的效果。参考文献1张云刚，张长水利用Hough变换和先验知识的车牌字符分割算法J.清华大学自动化系信息处理研究所，计算机学报，2004,272迟晓君，孟庆春基于投影特征值的车牌字符分割算法J.计算机应用研究，2006，73吴进军，杜树新车牌字符分割新方法J，工业控制计算机，2005，184王兴玲最大类间方差车牌字符分割的模板匹配算法J，计算机工程
44、，2006，325 陈黎，黄心汉，王敏等基于聚类分析的的车牌字符分割方法J.计算机工程与应用，2002，296赵海燕，马驷良，顾玲嘉基于最小面积法进行的车牌字符分割J.长春理工大学学报，2006，297杨高波，杜青松MATLAB图像、视频处理应用及实例J.电子工业出版社，20108章毓晋图象处理和分析M清华大学出版社，20019刘卫国MATLAB程序设计教程M中国水利水电出版社，201010李云车牌定位与字符分割算法的研究及实现M成都：电子科技大学，201011马婉婕车牌识别系统中字符分割的研究与实现M上海：复旦大学，200912白建华车牌字符分割及识别算法研究M西安：西安电子科技大学，201
45、013邹永星车牌字符分割方法的研究M湖南：湖南师范大学，200814夏良正，李久贤数字图像处理M.北京：东南大学出版社，200615应宏微，宋加涛汽车牌照字符分割方法J.电视技术，2010，3416中华人民共和国公共安全行业标准JICS 43.040.60GA36200717张敏松，郭玉珂汽车牌照定位与字符分割J.现在算计技术，2008，2918历旭基于神经网络的车牌识别系统的研究与设计，武汉:武汉理工大学，2002 19Huadong Xia, Dongchu Liao. The Study of License Plate Character Segmentation Algorithm
46、Based on Vertical Projection J. Consumer Electronics, Communications and Networks (CECNet), 2011 20YANG Feng, MA Zheng, XIE Mei. A Novel Approach for License Plate Character SegmentationJ. The 1st IEEE Conference on Industrial Electronics and Applications. Singapore: IEEE Press, 2006附录附录一：源程序清单clear all; clc; close all;I=imread(tupian.jpg);%读取图像figure(1); subplot(2,2,1);%将图一分为四块，图一的第一