汽车牌照字符分割的自适应算法
汽车牌照字符分割的自适应算法
摘要:本文提出一种针对汽车牌照字符分割的自适应算法。该算法首先对获取的彩色车牌图像进行灰度化、灰度拉伸、边缘检测、Hough变换、旋转变换、二值化等一系列处理,以突出车牌文字、矫正车牌位置;然后对预处理结果的水平投影进行削峰填谷操作,以获得车牌字符的上下边界,再对上下边界内子图像的垂直投影进行削峰填谷操作,以获得车牌每个字符的左右边界,进而最终确定车牌每个字符的具体位置。实验结果表明该方法字符分割准确、运算速度快、适应能力强,有很好的实用性。
关键词:牌照字符分割削峰填谷自适应边缘检测
1 引言
汽车牌照识别是智能交通中的重要课题之一,它广泛应用于电子收费、车流监控、高速公路收费系统等领域,是交通科技发展与研究的热点问题之一。从外部获取汽车的前部或后部图像后,车牌识别主要分三大部分:1)车牌定位;2)车牌字符分割;3)车牌字符识别。其中车牌字符分割处在承前启后的关键位置,字符分割的准确率与速度直接关系到整个系统运行的成败。对于车牌字符分割的方法,国内外相关专家、学者经过多年的研究,积累了大量成功的经验。国外关于车牌字符分割比较有代表性的算法如文献[1～2]的方法等,国内对车牌字符分割的研究也取得了很大进展,如文献[3～4]的方法等。总的看来,
车牌的定位与字符分割报告
车牌的定位与分割 实验报告 一实验目的 针对交通智能系统所拍摄的汽车图片，利用设定的算法流程，完成对汽车车牌部分的定位，分割车牌部分，并完成字符的分割，以便于系统的后续分析及处理。 二实验原理 详见《车牌的定位与字符分割》论文。 三概述 1一般流程 车牌自动识别技术大体可分为四个步骤：图像预处理、车牌定位与分割、车牌字符的分割和车牌字符识别。而这四个步骤又可归结为两大部分：车牌分割和车牌字符识别。 图1-1为车牌自动识别技术的一般流程图。 2本实验的流程 （1）图像预处理：图像去噪 （2）车牌的定位：垂直边缘检测（多次）形态学处理的粗定位
合并邻近区域结合车牌先验知识的精确定位 （3）车牌预处理：车牌直方图均衡化倾斜校正判定（蓝底白字或者黄底黑字）归一化、二值化 （4）字符的分割：垂直投影取分割阈值确定各个字符的左右界限（结合字符宽度、间隔等先验知识）分割字符 四实验过程 4.1图像预处理 4.1.1图像去噪 一般的去噪方法有：空间域上的均值滤波和中值滤波；频率域上的巴特沃斯滤波器。图4-1是各滤波器处理椒盐噪声的效果。 a．被椒盐噪声污染的图片 b.均值滤波的效果图 c.中值滤波的效果图 d.BLPF的效果图 图4-1 各滤波器处理椒盐噪声的仿真 可见，中值滤波对椒盐噪声的处理效果极好，而一般所拍摄的图片上最多的便是孤立的污点，所以此处以中值滤波为主进行去噪。图4-2是采用中值滤波处理实际汽车图片的效果。
a.原始图像 b.灰度图像 c.中值滤波后的图像 图4-2 中值滤波处理实际汽车图片的效果 很显然，经过中值滤波后去除了原图上的部分污点。 4.1.2图像复原 由于通常情况下都不知道点扩展函数，所以我们采用基于盲解卷积的图像复原策略。 图4-3~4-7图是函数进行盲解卷积的实验结果，其中图4-3是图像cameraman 的模糊图像。 图4-3 模糊图像 在盲解卷积处理中，选择适当大小的矩阵对恢复图像的效果很重要。PSF的大小比PSF的值更重要，所以首先指定一个有代表性的全1矩阵作为初始PSF。恢复的图像如图4-4所示，初始PSF如图4-5所示。
车牌图像定位与识别
专业综合实验报告----数字图像处理 专业：电子信息工程 班级： ： 学号： 指导教师：
2014年7月18日 车牌图像定位与识别 一、设计目的 利用matlab实现车牌识别系统，熟悉matlab应用软件的基础知识，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，巩固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。 二、设计内容和要求 车牌识别系统应包含图像获取、图像处理、图像分割、字符识别、数据库管理等几个部分，能够完成复杂背景下汽车牌照的定位分割以及牌照字符的自动识别。这里，只要求对给定的彩色车牌图像变换成灰度图像，用阈值化技术进行字符与背景的分离，再提取牌照图像。 三、设计步骤 1．打开计算机，启动MATLAB程序； 2．调入给定的车牌图像，并按要求进行图像处理； 3．记录和整理设计报告 四、设计所需设备及软件 计算机一台；移动式存储器；MATLAB软件。 五、设计过程 车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割和单个字符识别两个模块。 (一）对图像进行图像转换、图像增强和边缘检测等
1.载入车牌图像： 原图 2.将彩图转换为灰度图并绘制直方图： 灰度图 灰度直方图 3.用roberts 算子进行边缘检测： 图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定。正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。边缘提取是较经典的算法，此处边缘的提取采用的是
车牌字符分割算法研究
1 绪论 1.1 背景介绍 为了实现车牌字符识别，通常要经过车牌位置检测、车牌字符分割和字符识别三个关键步骤。车牌位置检测是根据车牌字符目标区域的特点，寻找出最符合车牌特征的区域。车牌字符分割就是在车牌图像中找出所有字符的上下左右边界，进而分割出每个车牌字符。在实际应用中，车牌字符分割的效果对车牌字符识别正确率会产生很大的影响，由于车牌图像亮度不均、尺度变化、透视失真、字符不完整等因素，使图像质量存在较大差异，进而影响图像分割的效果，因此车牌字符分割这一技术仍然具有很大的研究意义。在实际的监控场景中，车牌图像的透视失真通常是由于拍摄视角的变化或车辆位置的移动，相机光轴偏离车牌平面的法线方向造成的。由于车牌图像在整幅图像中占有较小的比例，所以车牌图像几何校正主要工作是校正车牌图像的旋转和剪切失真。 旋转投影法和直线拟合法是两种主要的偏斜校正方法。旋转投影法是为了获取垂直倾斜角，即将车牌图像穷举逐个角度进行剪切变换，然后统计垂直投影数值为0的点数，得到最大值对应的角度。这种方法受背景区域的干扰比较大。另一种方法是直线拟合车牌字符的左边界点从而获得垂直倾斜角，该方法为直线拟合法。该方法并没有逐个角度对车牌图像进行剪切变换，从左边界点拟合出的直线通常不能真正用来代表车牌的垂直倾斜方向，检测出的角度存在较大误差，且字符左侧噪声对角度检测干扰太大，鲁棒性较差。因此找到一种更准确和迅速的车牌垂直倾斜矫正方法是十分重要的。 通过得到最小的字符投影点坐标方差，得到另一种车牌垂直矫正方法。首先将车牌字符图像进行水平校正，根据字符的区域的上下边界，将车牌字符进行粗分割。然后将剪切变换后的字符点进行垂直偷用。当得到投影点最想左边方差时，便能导出两类剪切角闭合表达是，最后便是确定垂直投影的倾斜角并对此进行校正。 投影法是目前最常用的车牌分割算法之一，其算法简单并且计算复杂度低。该方法的核心思想是将车牌图像进行水平投影和垂直投影，利用峰谷特征来定位车牌字符的上下左右边界。但是车牌的噪声、边框等因素容易影响到投影的峰谷位置，并且对于存在较严重质量退化的图像处理困难。为了进一步改善字符分割效果，通常将形态学分析、连通体分析和投影法三者相结合，并应用到车牌字符分割。Anagnostopoulos等人提出用
(完整word版)字符分割
在车牌自动识别系统中最重要的指标是字符的识别率，对字符识别的准确率直接影响了系统的性能。字符识别部分由车牌图像的二值化、滤波、字符分割、字符大小规一化、汉字、字母和数字识别等模块组成。这一周我主要学习了字符分割模块的有关内容。 车牌字符分割的任务就是把多行或多字符图像中的每个字符从整个图像中分割出来，使其成为单个字符图像，为下一步将标准的单个字符输入到字符识别模块做准备。字符分割是字符识别的基础，字符分割的质量直接影响到字符识别的效果。字符分割之前，首先要进行图像的二值化，然后再进行字符分割，从而分割出一个个具体的二值图表示的字符图像点阵，作为单字识别的输入数据。由于文本图像不但包括了组成文本的一个个字符，而且包含了字符行间距与字符间的空白，甚至还会带有各种标点符号，这就需要采用一定的处理技术将文本中的一个个字符切分出来，形成单个字符的点阵，以便进行字符识别。车牌字符分割的原理主要是利用车牌字符自身的一些特点如规则整齐的排列、字符之间有一定的间隔、字符的宽高比例固定等等，对车牌区域进行垂直方向的投影，利用字与字之间的空白间隙在图像行垂直投影上形成的空白间隙将单个汉字的图像切割开来。 4．2投影分割 投影分割方法的原理是首先将车牌图像转换为二值图像(设白色为1，黑色为0)，然后将车牌像素灰度值按垂直方向累加，即所谓的垂直投影。由于车牌中字符之间的灰度值通常为O，因此，投影图将会在字符之间形成谷底，或者说在字符处形成波峰(一种特殊的波峰)。通过寻找两个波峰之间的谷点，将其作为字符分割的位置，完成字符的分割。投影分割法的具体步骤如下： (1)先自下而上对图像进逐行扫描直至遇到第一个白色象素点。记录下来，然后再由上而下对图像进行逐行扫描直到找到第一个白色象素点，这样，就找到图像大致的高度范围。(2)在这个高度范围之内再自左向右逐行扫描，遇到第一个白色象素时认为是字符分割的起始位置，然后继续扫描，直至遇到没有白色象素的列，则认为是这个字符分割结束。然后继续按照上述的方法扫描，直至图像的最右端，就得到每个字符比较精确的宽度范围。(3)在已知的每个字符比较精确的宽度范围内，按照(1)的方法，分别进行自上而下和自下而上的逐行扫描来获得每个字符精确的高度范围。投影分割的方法比较常用，主要是针对在车牌定位、图像预处理后比较规则的车牌图像。它的优点是程序逻辑设计简单，循环执行功能单一，便于设计和操作，程序执行时间短。缺点是由于车牌图像通常会有噪声，产生字符的断裂和交叠等情况，在投影时字符之间的谷底会受到很大影响，造成谷底不明显，严重时谷底会消失，造成字符分割误差甚至错误，最终影响字符的识别。因此该方法对车牌字符的断裂和交叠问题，解决得不很理想。 4．3基于聚类分析的字符分割 基于聚类分析的字符分割原理是按照属于同一个字符的像素构成一个连通域的原则，再结合牌照字符的高度、间距的固定比例关系等先验知识，来分割车牌图像中的字符。其具体算法步骤为： (1) 以等于车牌图像宽度七分之一的阈值‘对车牌图像按行进行逐行扫描，如果有线段的长度大于‘就可以认为是牌照的上下边框，再以等于车牌图像高度五分之三的阈值Z：对车牌图像按列进行逐列扫描，如果有线段的长度大于厶，则认为是车牌的左右边框。因此可除去车牌边框部分。 (2)根据车牌字符的先验知识，在预处理好的车牌图像上预设7个类中心。设置类中心可以采用程序提示给定坐标值的方法，也可以采用给予固定坐标值的方法。 (3)自下向上对图像进行逐行扫描，每扫描到一个白色象素时，都要与上述每个类已获得的每个(白色)象素比较距离d，找到与该象素距离最近的已获得象素点，并认为这两个象素属于同一类，即属于同一字符。距离d取两个象素点：彳(x，Y)扫描得到的当前象素，曰O，)，)
基于Matlab的车牌自动识别技术研究与实现(基于Matlab的车牌二值化、阈值分割)
学位申请人： 指导教师： 学科专业： 软件工程 学位类别： 工学学士 2012年 06月 题目： 基于Matlab 的车牌二值化、阈值分割
西安工业大学毕业设计（论文）任务书 院（系） 计算机学院 专业 软件工程 班 080605 姓名 陈章权 学号 080605101 1.毕业设计（论文）题目： 基于Matlab 车牌自动识别技术的研究与实现 2.题目背景和意义： 车牌识别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号码，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。 3.设计(论文)的主要内容： 要求学生使用Matlab 工具对车牌识别进行开发。 主要研究内容包括： (1)图像数据采集和预处理 (2)二值化研究 (3)系统实现和效果评价 4.设计的基本要求及进度安排（含起始时间、设计地点）：要求熟悉数字图像处理的基本知 识，熟悉matlab 编程 毕业设计的进度安排如下： 1~3周：准备所需资料，详细设计，开题报告，准备开题答辩。 4~12周：完成界面设计开发，详细设计，编程及调试。 13~15周：系统测试。 16~17周：书写毕业设计论文。 18周：改进完善，提交毕业论文，准备答辩。 5.毕业设计（论文）的工作量要求： ① 实验（时数）*或实习（天数）： 18周 ② 图纸（幅面和张数）*： 无 ③ 其他要求： 毕业论文不少于15000字。 指导教师签名： 年 月 日 学生签名： 年 月 日 系（教研室）主任审批： 年 月 日 说明：1本表一式二份，一份由学生装订入附件册，一份教师自留。 2 带*项可根据学科特点选填。 毕I-2
基于垂直投影法的车牌字符分割算法设计
毕业论文(设计) 学院: 计算机科学学院 专业: 软件工程年级: 题目:基于垂直投影法的车牌字符分割算法设计学生姓名: 学号: 指导教师姓名: 职称: 年月
XXXX大学本科毕业论文（设计）原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。 作者签名：年月日 目录 摘要 (1)
Abstract (1) 第一章绪论 (1) 1.1车牌识别技术的背景 (1) 1.2 车牌识别系统的工作原理 (2) 1.3 国内外研究 (3) 1.4 本文主要内容 (3) 第二章基本理论介绍 (3) 2.1 数字图像处理技术 (3) 2.1.1 bmp位图 (4) 2.1.2 RGB编码方式 (4) 2.1.3二值图像 (4) 2.1.4 Otsu算法 (4) 2.1.5灰度图像 (5) 2.1.6 中值滤波 (5) 第三章车牌图像的预处理 (5) 3.1车牌图像的灰度化 (5) 3.2车牌图像的二值化 (5) 3.3 去噪处理 (6) 3.3.1去除车牌边框 (7) 3.3.2去除车牌图像中的圆点 (8) 第四章车牌字符分割算法 (8) 4.1传统垂直投影的车牌字符分割算法 (8) 4.2 改进的垂直投影的车牌字符分割算法 (9) 第五章系统实现 (10) 第六章总结与展望 (13) 6.1 总结 (13) 6.2 展望 (13) 致谢 (14) 参考文献 (15)
基于垂直投影法的车牌字符分割算法设计 摘要：车牌识别系统在现代社会有着广泛应用，而车牌字符分割是其中的一项关键技术。本文针对车牌字符分割算法做了较为深入的研究。首先，要想正确的分割车牌图像，必须得到质量较好的车牌二值化图像。所以，本文对车牌字符分割的预处理部分进行较为深入的研究，尤其是车牌图像二值化后的去噪处理。传统投影法对车牌图像要求比较高，容易受到噪声的影响，从而造成分割字符的粘连与断裂。针对传统投影法的不足，文章提出一种基于垂直投影法的改进的字符分割算法，该算法可以有效地识别车牌字符。该方法抗干扰能力较强，能有效的减少字符粘连与断裂，分割准确度较高。 关键词：车牌识别；二值化；字符分割；垂直投影法 Vertical projection-based license plate character segmentation algorithm design Abstract：License plate recognition system has a wide range of applications in modern society, the license plate character segmentation is a key technology. In this paper, the license plate character segmentation algorithm to do a more in-depth study. First of all, in order to correct segmentation of license plate image must be of good quality license plate binary image. So more in-depth study of the pre-processing part of the license plate character segmentation, especially after the license plate image binarization denoising. Traditional projection on the license plate image requires relatively high, easily affected by noise, resulting in a split character adhesion and fracture. For the lack of traditional projection method, the paper presents a segmentation algorithm based on the improvement of the vertical projection of the characters, the algorithm can effectively identify the license plate character. Strong anti-interference ability of the method, which can effectively reduce the character adhesion and fracture, split high degree of accuracy. Keywords License Plate Recognition; binarization ；Character segmentation; Vertical projection 第一章绪论 随着世界经济的快速发展，以及汽车制造技术的提高，使得汽车迅速成为人们日常生活中的一个必需品。这造成全球的汽车数量猛增，而随之也导致城市的交通压力越来越大，城市的交通状况也因此得到了更多的关注。如何有效地对交通进行管理，也成为各国政府和相关部门所关注的焦点和热点。针对这些问题，人们开始将计算机技术、通信技术、计算机网络技术和自动化信息处理等很多新的科学技术用于交通道路的监视和管理系统，以此提高车辆管理和运输的效率。它主要是通过对过往车辆实施检测，提取有关的交通数据来达到对交通的监控、管理和指挥。车牌自动识别技术[1]是指能够检测到受监控路面的车辆并自动提取车辆车牌信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理与识别的技术。它以计算机技术、图像处理技术、模糊识别技术为基础，建立运动车辆的特征模型，识别车辆特征，如号牌、车型、颜色等，并着重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[2]的基础上介绍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有的字符分割算法（投影法）的改进性研究。 1.1车牌识别技术的背景 随着21 世纪经济全球化和信息时代的到来，迅猛发展的计算机技术、通信技术和计算机网络技术，水平不断提高的自动化信息处理技术在人们社会活动和生活的各个领域得到广泛应用。同时，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，城市的交通状况越来越受到人们的重视。如何有效地进行交通管理日益成为各国政府相关部门所关注的焦点。针对这一问题，
车牌识别(字符切割)大作业
图像处理技术
目录一．引言 (1) 二．目的和意义 (1) 三．设计原理 (1) 四.字符分割程序 (2) 五.结果 (4) 六.测试代码 (5) 七.系统的不足 (5) 八.总结 (5) 九.心得体会 (5) 十.致谢 (6) 十一.参考文献 (6)
一．引言 随着人们生活水平的不断提高,机动车辆数量大幅度增加，与之相配套的高速公路，城市路网及停车场越来越多，显著提高了人们对交通控制方面的要求。由于计算机技术的发展，信息处理水平的提高使智能交通系统成为世界交通领域研究的重要课题。其中车牌识别是智能交通系统的重要组成部分。车牌识别系统能够自动、实时地检测车辆、识别汽车车牌，从而监控车辆的收费、闯关、欠费以及各种舞弊现象。本系统为基于蓝色车牌的车牌识别系统，它能够识别非蓝色车辆的蓝底白字车牌。该系统通过车牌提取、车牌定位、预处理、字符分割、字符识别五个模块组成车牌识别系统。 二．目的和意义 通过对车牌识别系统的研究，自己开发小型车牌识别系统，虽有一定的局限性与不完整性，但可以使自己更加的熟悉MATLAB语言，激发对研究的兴趣，拓宽知识面，为自己以后的研究打下基础。在提升自身科研能力的同时，还能提高团队合作精神，清楚团队成员的分工，协调成员间的工作，为今后的团队合作研究积累经验。 三.设计原理 字符分割在此系统中有着承前启后的作用。它在前期车牌定位的基础上进行字符的分割，然后利用分割的结果进行字符的识别。字符识别的算法很多，应为车牌字符间间隔较大，不会出现字符粘连的情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为组成该块有两个字符，需要分割。一般分割出来的字符要进行进
基于matlab车牌的定位与分割识别程序概要
基于Matlab的车牌定位与分割 经典算法 I=imread('car.jpg'); %读取图像 figure(); subplot(3,2,1),imshow(I), title('原始图像'); I1=rgb2gray(I);%转化为灰度图像 subplot(3,2,2),imshow(I1),title('灰度图像'); I2=edge(I1,'robert',0.09,'both');%采用robert算子进行边缘检测subplot(3,2,3),imshow(I2),title('边缘检测后图像');
se=[1;1;1]; %线型结构元素 I3=imerode(I2,se); %腐蚀图像 subplot(3,2,4),imshow(I3),title('腐蚀后边缘图像'); se=strel('rectangle',[25,25]); 矩形结构元素 I4=imclose(I3,se);%图像聚类、填充图像 subplot(3,2,5),imshow(I4),title('填充后图像');
I5=bwareaopen(I4,2000);%去除聚团灰度值小于2000的部分subplot(3,2,6),imshow(I5),title('形态滤波后图像'); [y,x,z]=size(I5); I6=double(I5); Y1=zeros(y,1); for i=1:y for j=1:x
if(I6(i,j,1)==1) Y1(i,1)= Y1(i,1)+1; end end end [temp MaxY]=max(Y1); figure(); subplot(3,2,1),plot(0:y-1,Y1),title('行方向像素点灰度值累计和'),xlabel('行值'),ylabel('像素'); %求的车牌的行起始位置和终止位置 PY1=MaxY; while ((Y1(PY1,1)>=50)&&(PY1>1)) PY1=PY1-1; end PY2=MaxY; while ((Y1(PY2,1)>=50)&&(PY2 本程序主要实现的是车牌的定位与检测 主要是利用申继龙论文里面的方法 1、采集得到的图像 2、把RGB图像转换成HSI彩色图像 3、利用设定的H、S阈值得到二值图像 4、对二值图像水平投影获得候选区域 5、对候选区域的HSI图像边缘检测 */ #include "stdafx.h" #include "opencv2/opencv.hpp" #include "opencv2/objdetect/objdetect.hpp" #include "opencv2/features2d/features2d.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/calib3d/calib3d.hpp" #include "opencv2/nonfree/nonfree.hpp" #include "opencv2/nonfree/features2d.hpp" #include "opencv2/imgproc/imgproc_c.h" #include "opencv2/legacy/legacy.hpp" #include "opencv2/legacy/compat.hpp" #include 1 绪论 1.1 背景简介 为了实现车牌字符辨认，普通要通过车牌位置检测、车牌字符分割和字符辨认三个核心环节。车牌位置检测是依照车牌字符目的区域特点，寻找出最符合车牌特性区域。车牌字符分割就是在车牌图像中找出所有字符上下左右边界，进而分割出每个车牌字符。在实际应用中，车牌字符分割效果对车牌字符辨认对的率会产生很大影响，由于车牌图像亮度不均、尺度变化、透视失真、字符不完整等因素，使图像质量存在较大差别，进而影响图像分割效果，因而车牌字符分割这一技术依然具备很大研究意义。在实际监控场景中，车牌图像透视失真普通是由于拍摄视角变化或车辆位置移动，相机光轴偏离车牌平面法线方向导致。由于车牌图像在整幅图像中占有较小比例，因此车牌图像几何校正重要工作是校正车牌图像旋转和剪切失真。 旋转投影法和直线拟合法是两种重要偏斜校正办法。旋转投影法是为了获取垂直倾斜角，即将车牌图像穷举逐个角度进行剪切变换，然后记录垂直投影数值为0点数，得到最大值相应角度。这种办法受背景区域干扰比较大。另一种办法是直线拟合车牌字符左边界点从而获得垂直倾斜角，该办法为直线拟合法。该办法并没有逐个角度对车牌图像进行剪切变换，从左边界点拟合出直线普通不能真正用来代表车牌垂直倾斜方向，检测出角度存在较大误差，且字符左侧噪声对角度检测干扰太大，鲁棒性较差。因而找到一种更精确和迅速车牌垂直倾斜矫正办法是十分重要。 通过得到最小字符投影点坐标方差，得到另一种车牌垂直矫正办法。一方面将车牌字符图像进行水平校正，依照字符区域上下边界，将车牌字符进行粗分割。然后将剪切变换后字符点进行垂直偷用。当得到投影点最想左边方差时，便能导出两类剪切角闭合表达是，最后便是拟定垂直投影倾斜角并对此进行校正。 《多媒体通信技术》课程报告 专业通信与信息系统 学号 姓名 任课教师 基于matlab的车牌字符分割 摘要：本文利用投影分割的方法对车牌字符进行分割，并利用模板匹配的方法进行字符识别，在图像进行预处理后的基础上，利用对车牌图像分块扫描的方法对车牌图像去边框处理，在去边框的基础上对每个字符进行分割，得到单个字符。关键字：字符；预处理；分割 1、引言 智能交通系统(intelligent transportation system，ITS)的发展现今对社会生活、国民经济和城市建设产生积极而深远的影响，我国已经将其列为优先发展的高技术产业化重点领域[1]。车牌识别系统(1icense plate recognition，IJR)是目前交通部门十分重要的科研课题之一，它主要包括车牌定位、字符分割和字符识别三部分，字符分割和字符识别是最后的关键环节。本文主要通过运用投影分割的方法对车牌进行字符分割并利用模板匹配的方法对车牌字符进行识别。2、图像预处理 图像预处理是对输入的图像进行一系列变换处理，使之成为符合字符识别模块要求的图像。图像预处理环节对于最终识别的正确率有很大影响，由于图像本身受到各种自然因素或设备因素的影响，图像的清晰度往往不是很理想，有时还会带有较明显的图像噪声。若不对图像进行预处理，这些噪声将给后续的识别模块带来严重影响，最终可能造成识别错误。因此，预处理的好坏一定程度上影响到字符识别的正确率。图像预处理首先需要将待识别的字符从输入的灰度图中分离出来。最常用的方法就是图像二值化。 2.1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2-1 灰度化的图像 2.2 图像的阈值化处理 所谓图像二值化就是指将灰度图转化为只含有两种灰度值的图像，一种为背景，另一种为待识别的字符，本文采用动态阈值法将图像二值化：如果输入图像较暗或者车牌较脏，如果采用固定的阈值将图像进行二值化，生成的二值图会非常黑或者有很多噪声。二值化有很多方法，主要为P片法或者峰谷法。本文采用的是P片法，阈值的大小的设定基于以下假设：由于现有车牌绝大部分为蓝底白字或者黄底黑字车牌，设理想的车牌平均包含大约60％的蓝／黄色像素和40％的白／黑色像素。首先，将图像二值化，计算出黑色和白色像素的比例，将它和期望值进行比较。从而算出新的阈值，直到近似等于期望值为止[2]。图1为理想状态下车牌原图片和的阈值化图片。 图2-2-1 阈值化的图像 图像经过上述步骤处理后，已经从带有噪声的灰度图像转变为符合识别要求的图像。该图像为只包含两种灰度值的二值图像，并且具有统一尺寸。而且在预处理环节中，已最大限度地去除了输入图像中的噪声，在保持字符原本信息不丢失的前提下，把待识别的字符从背景中成功地分离出来。 3 车牌的去边框处理 附录A %主函数 function [d]=main(jpg) close all clc I=imread('car1.jpg'); figure(1),imshow(I);title('原图') I1=rgb2gray(I); %将RGB图形或色图矩阵转换成灰度图 figure(2),subplot(1,2,1),imshow(I1);title('灰度图'); figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图'); I2=edge(I1,'robert',0.15,'both');%提取I1的边缘，利用robert算子 figure(3),imshow(I2);title('robert算子边缘检测') se=[1;1;1]; %结构矩阵，用于图像的腐蚀 I3=imerode(I2,se);%以图像I2和结构元素SE为参数调用imerode函数进行腐蚀操作 figure(4),imshow(I3);title('腐蚀后图像'); se=strel('rectangle',[25,25]); I4=imclose(I3,se); %形态学中的闭运算，se为结构元素 figure(5),imshow(I4);title('平滑图像的轮廓'); I5=bwareaopen(I4,2000); figure(6),imshow(I5);title('从对象中移除小对象'); [y,x,z]=size(I5); %读取I5的大小，行列页 myI=double(I5); %将I5元素转为double型 tic %计时开始 Blue_y=zeros(y,1); %给蓝色像素个数赋初始值0 for i=1:y for j=1:x % 这两行是循环，先行，再列 if(myI(i,j,1)==1) % 如果I5第一页中的元素为1的话，则是蓝色像素 Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计 end end end 微电子学与计算机２００７年第２４卷第２期 １ 引言 智能交通系统（ＩＴＳ）是一个热点研究领域，受到日益广泛的关注，车牌识别是其重要组成部分。对行驶车辆的牌照进行自动识别，从而完成自动收费、无人停车管理等，这无疑节省了人力、物力，同时提高了交通管理的效率。车牌识别系统主要包括四大部分，如图１所示。在准确定位车牌后，字符分割的好坏对字符识 别率起着至关重要的作用。由于处于实际环境中，受天气、光照、观察点的影响，经定位后的车牌还是存在各种各样的噪声。因此，必须对图像进行预处 理，以改善图像质量，提高字符识别率［１￣３］。 ２面向字符分割的图像预处理 ２．１光照不均校正与对比度增强 车牌不可避免的存在噪声，而且由于车牌识别系统在室外２４小时工作，光照度大范围变化，也存在光照不均，亮度太低、对比度太小等情况，这些都会降低系统的字符识别率，因此需要采取去噪，光照不均校正和对比度增强等措施。本文应用中值滤波滤除噪声，通过低通滤波获得图像背景的照度估计，再从原始图像中减去此照度来校正光照不均［４］，然后通过对比拉伸变换增强对比度［５］。２．２二值化分割 由车牌定位得到的车牌字符图像一般为彩色图或灰度图，为方便后面的字符分割和识别要先对图像进行二值化处理， 二值化的好坏直接影响到后 一种新的车牌图像字符分割与识别算法 陈振学１，汪国有１，刘成云２ （１华中科技大学图像识别与人工智能研究所图像信息处理与智能控制教育部重点实验室，湖北武汉４３００７４） （２武汉科技大学信息科学与工程学院，湖北武汉４３００８１） 摘要：提出了一种新的字符分割算法，该算法利用由中间向两端搜索的方法确定字符的上下边界，且利用一维 循环清零法及先验知识垂直分割得到单个的字符。实验结果表明，该算法较好的解决了以上问题，适用于各种质量的车牌图像，分割的正确率较高。 关键词：智能交通系统；字符分割；投影特征；先验知识中图分类号：ＴＰ３９１．４１ 文献标识码：Ａ 文章编号：１０００－７１８０（２００７）０２－００４２－０３ ＡＮｏｖｅｌＡｌｇｏｒｉｔｈｍｏｆＣｈａｒａｃｔｅｒＳｅｇｍｅｎｔａｔｉｏｎｉｎＬｉｃｅｎｓｅＰｌａｔｅｓＲｅｃｏｇｎｉｔｉｏｎ ＣＨＥＮＺｈｅｎ－ｘｕｅ１，ＷＡＮＧＧｕｏ－ｙｏｕ１，ＬＩＵＣｈｅｎｇ－ｙｕｎ２ （１ＩｎｓｔｉｔｕｔｅｏｆＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ＆ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＳｔａｔｅＥｄｕｃａｔｉｏｎＣｏｍｍｉｓｓｉｏｎＬａｂｏｒａｔｏｒｙｆｏｒＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ ＆ＩｎｔｅｌｌｉｇｅｎｃｅＣｏｎｔｒｏｌ，ＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００７４，Ｃｈｉｎａ） （２ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００８１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＴｈｅＬＰＲ （ＬｉｃｅｎｓｅＰｌａｔｅＲｅｃｏｇｎｉｔｉｏｎ）ｓｙｓｔｅｍｃｏｎｓｉｓｔｓｏｆｔｈｒｅｅｓｔｅｐｓ：ｌｉｃｅｎｓｅｐｌａｔｅｌｏｃａｔｉｎｇ，ｃｈａｒａｃｔｅｒｓｅｇｍｅｎ－ｔａｔｉｏｎａｎｄｃｈａｒａｃｔｅｒｒｅｃｏｇｎｉｔｉｏｎ．ＣｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎｉｓａｎｉｍｐｏｒｔａｎｔｓｔｅｐｉｎａＬＰＲｓｙｓｔｅｍ．Ｔｈｅｒｅａｒｅｍａｎｙｆａｃｔｏｒｓｔｈａｔｃａｕｓｅｔｈｅｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎｔａｓｋｄｉｆｆｉｃｕｌｔ，ｓｕｃｈａｓｉｍａｇｅｎｏｉｓｅ，ｐｌａｔｅｆｒａｍｅ，ｒｉｖｅｔ，ｓｐａｃｅｍａｒｋ，ｐｌａｔｅｒｏｔａｔｉｏｎａｎｄｉｌｌｕｍｉｎａｔｉｏｎｖａｒｉａｎｃｅ．Ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｎｅｗａｌｇｏｒｉｔｈｍｆｏｒｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎ．Ｆｉｒｓｔｌｙ，ｃｈａｒａｃｔｅｒｓｔｏｐ－ｂｏｔｔｏｍｅｄｇｅｓｃａｎｂｅｏｂｔａｉｎｅｄｂｙｓｅａｒｃｈｉｎｇｆｒｏｍｍｉｄｄｌｅｔｏｅｎｄ．Ａｎｄｔｈｅｎ，ｔｈｅｓｉｎｇｌｅｃｈａｒａｃｔｅｒｓｃａｎｂｅｓｅｇｍｅｎｔｅｄｕｓｉｎｇｏｎｅ－ｄｉｍｃｙｃｌｅｃｌｅａｒｉｎｇａｎｄｐｒｉｏｒｋｎｏｗｌｅｄｇｅ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈｅｇｏｏｄｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏ－ｒｉｔｈｍ． Ｋｅｙｗｏｒｄｓ：ＩＴＳ；Ｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎ；Ｐｒｏｊｅｃｔｉｏｎｆｅａｔｕｒｅ；Ｐｒｉｏｒｋｎｏｗｌｅｄｇｅ 收稿日期：２００５－１０－２４ 基金项目：总装备部基金项目（５１４０１０２０２０１ＪＷ０５２１） ４２ 实验研究 基于MATLAB车牌字符分割的算法研究 作者/马晨，西安航空学院 摘要：车牌字符分割一直是智能交通领域的一个重要研究方向。在实际应用中有其独特的价值。本文主要研究的是车牌字符的分割算法，应用MATLAB软件，进行深入的分析和仿真研究。为将车牌字符分割为单个字符，首先经过连通域寻找到字符的宽度，然后按照投影的方法找到分割点的位置，最后再通过宽度创建模板以此来进行分割。文中，将连通域法、垂直投影法、模板匹配法相结合，适用于任何通用情况下，算法合理，实验结果表明在理想测试条件下，可以取得较好的分割结果。 关键词：车牌字符分割；MATLAB;垂直投影法；模板匹配法 引言 我国智能交通管理系统主要用于道路运行监控、交通事 故分析与现场调查、违章自动记录、高速公路管理系统监控、小区门禁系统等，而随着智能交通系统的不断完善，车牌识 别系统也扮演着愈发重要的角色，车牌字符分割作为车牌识 别系统中重要组成部分，它的作用显得尤为重要。车牌自动 识别系统需要做到对采集到的实时车牌图像进行快速的预 处理、图像字符的分割、图像字符的识别等一系列措施，其 中车牌字符分割即要完成从原始图像的获取、图像预处理、最终的字符分割、以及单个字符输出等工作。 MATLAB强大的数据处理功能，非常适用于数字图像与 视频的处理。文中，基于MATLAB数据处理平台，研究车 牌字符分割的算法，将连通域法、垂直投影法、模板匹配法 相结合，实验结果表明，在理想测试条件下可以得到较好的 分割结果。 1.车牌的定位和几何校正 ■ 1.1车牌定位 在车牌定位时需要把车牌图像从采集到的图像中分割 出来。能够在形式多变的环境下，如何从亮度相差很大的车 牌原始图像中，正确定位牌范围是整个车牌识别系统的关键 之处。经过图像处理后所得到的图像，在垂直方向上的面积 投影出现了峰-谷-峰的特性。根据这_特点，可以定位车 牌区域，在车牌初始位置之后，需要进一步进行微定位。对 于车牌四周边界即左右、上下运用削减这就是所说的微定位 法。微定位技术由三部分组成:横向定位、垂直定位、微定位。目前，国内外常见的车牌定位方法有：特点定位法，数学状 态定位法，小波变换法，开运算定位法等。 ■ 1.2车牌几何校正 在实际情况中，采集到的车牌图像在车牌区域的数量和 角度上有一定的差异，车牌图像中的车牌字符在一定程度上 呈倾斜趋势。目前主要的倾斜类别有三种它们分别是:丫轴 方向上的倾斜、X轴方向上的倾斜、X轴和Y轴上的倾斜。若检测到车牌有倾斜，则需要对倾斜的车牌进行调整，常用的几何校正技术有以下三种：（1)霍夫数量变换的倾斜校 正算法，（2)基于车牌投影变换的倾斜校正算法，（3) 基于Radon变换的倾斜校正算法。而基于车牌投影的倾斜 校正算法，本质上就是一种基于Radon变换的校正算法。 通常一般用二维函数G(x,y)来表示采集到的原始图像坐标 为(x,y)的像素值，在某个方向上的投影一般可用该方向上 的积分表示。积分公式如（1)所示： R(0,x ) = jiG{x cos0-y sin0,y cos6 + x sin0)dy(1) 2.车牌字符分割 字符分割的方法通常有以下三种：投影法、模板匹配法、 聚类分析法。本文结合连通域、投影法、模板匹配法来进行 车牌字符分割。具体操作如下： (1) 彩色车牌图像进行预处理，将二值化后的黑白图像 从最底将部向最上面进行逐扫描工作，统计像素值为1的 像素，每当字符中的总数值大于7 (车牌中总共7个字符） 时，确定车牌字符中的上下边界，并剔除车牌字符的除去上 下边界的区域，将车牌的高度、宽度，分别设置为H、W。 (2) 由左到右由字符图像序列在_排车牌中进行扫描，统计像素值为1的像素，最后，结果信息统一在一个阵列里， 用来存储像素总量列与1像素值。 (3) 依据汉字本身的特征，系统设置两个阀值目的是来分割_个汉字字符。假设两个阈值可以是thresholdl，threshold〗，按照最左边方向开始进行扫描之前经过最 初处理之后的车牌字符图像，并且记下首个比阈值大的Thresholdl标记为H，然后比较得出的阈值所在列的宽度 H-S,以及Threshold 2的高低，最后，检测像素的范围是 大于阈值2,像素值为1的像素，小于阈值时，因此可以在 车牌上设置S字符的S。在分割不连通的汉字时，使用的这 种改进方法就会起到比较显著的作用。 (4) 由于车牌上的字母和数字这两者没有存在互不连通 性的问题，故只需要利用之前第一个阈值Threshod 1就可 以很轻松的分割出车牌上面剩下的字符。 (5) 当研究中像素数大于阈值1时，可作为车牌字符的 https://www.wendangku.net/doc/ae2684660.html, | 29 论文题目：LPR系统的车牌字符分割方法研究 专业：电子信息工程 摘要 车牌自动识别系统是由图像抓拍单元和图像处理单元两部分组成，它是一种以汽车牌照为对象通过图像抓拍再通过处理后自动识别车牌的系统。本文针对车牌自动识别系统中主要技术之一的车牌字符分割环节做了详细的研究。 对车牌图像进行准确地分割，必须得到图像效果较好的车牌二值化图像，因此本文对车牌字符分割的图像预处理进行了研究，特别是车牌图像二值化之后的去噪处理，包括开运算、闭运算、去除边框、去除圆点等。 针对LPR系统的车牌字符分割技术，目前提出来的研究方法也很多，因为基于彩色信息的方法计算量大并且受图像亮度影响大，所以本文主要研究基于灰度特征分析的方法。 本课题是要实现从车辆图片中提取车牌,并准确分割出车牌字符的功能，并提出利用垂直投影法进行车牌字符分割。 【关键词】字符分割，二值化，投影法 【论文类型】论文型 Title:The LPR system of license plate character segmentation method research I Major:Electronic information engineering Name：Signature:_______ Supervisor：Signature:_______ ABSTRACT Automatic license plate recognition system is composed of image capture and image processing units in two parts, it is a kind of license plates as object through the images captured by processing again after the automatic recognition of license plate system. Based on license plate automatic recognition system of license plate character segmentation, one of the main technical link to do a detailed research. Accurately the license plate image segmentation, image must be the license plate image binarization with better effect, so in this paper, the license plate character segmentation of image preprocessing are studied, especially the license plate image binarization after denoising processing, including opening operation and closing operation, remove borders, dot, etc. Technology of license plate character segmentation in LPR system, it put forward the research method is very much also, because the method based on color information large amount of calculation and affected by the image brightness, so this paper research is based on the analysis of the grey characteristics. This topic is to realize the extracted from vehicle plate, and accurately segment the license plate character and function, and put forward using the vertical projection of license plate character segmentation. 【Key words】the division of license plate character, binarization, the method of shad 【Type of Thesis】The paper type II基于opencv2.0的车牌检测与字符分割的代码
车牌字符分割算法研究样本
基于matlab的车牌字符分割
车牌定位分割识别程序
一种新的车牌图像字符分割与识别算法
基于MATLAB车牌字符分割的算法研究
LPR系统的车牌字符分割方法研究