第 20 页 共 43 页 焦作大学毕业设计说明书 据各区域形状固有的特点，突出各类似区域之间的差别，并将容易由处理过程引起的噪声和位移等因素都考虑进去，按照一些基于图象不变特性所设计的特征量来构建模板，就可以避免上述问题。
建立自动识别的代码表 读取分割出来的字第一个字符与模板中的汉字模板进行匹配 第二个字符与模板中的字母模板进行匹配 后5个字符与模板中的字母与数字模板进行匹配 待识别字符与模板字符相减，值越小相似度越大，找到最小的一个即为匹配的最好的 识别完成，输出此模板对应值 图4.13 字符识别流程图
此处采用相减的方法来求得字符与模板中哪一个字符最相似，然后找到相似度最大的输出。汽车牌照的字符一般有七个，大部分车牌第一位是汉字，通常代表车辆所属省份，或是军种、警别等有特定含义的字符简称；紧接其后的为字母与数字。车牌字符识别与一般文字识别在于它的字符数有限，汉字共约50多个，大写英文字母26个，数字10个。所以建立字符模板库也极为方便。为了实验方便，结合本次设计所选汽车牌照的特点，只建立了4个数字26个字母与10个数字的模板。其他模板设计的方法与此相同。
首先取字符模板，接着依次取待识别字符与模板进行匹配，将其与模板字符相减，得到的0越多那么就越匹配。把每一幅相减后的图的0值个数保存，即为识别出来的结果。
焦作大学毕业设计说明书 第 21 页 共 43 页
图4.14识别结果
第 22 页 共 43 页 焦作大学毕业设计说明书
第五章 实验结果和分析
本文以MATLAB7.0为实验平台，以摄取的彩色车牌照片为对象进行实验。实验的最终结果如图4.14所示。
在得到这个结果之前，需要对车牌图像进行预处理、车牌定位、车牌分割等处理。
由于摄像部分多工作于开放的户外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。预处理包括灰度化、车牌校正、平滑处理等。对于光照条件不理想的图象，可先进行一次图象增强处理，使得图象灰度动态范围扩展和对比度增强，再进行定位和分割，这样可以提高分割的正确率。在本文中根据采集到的图像本身的特点，对它进行了灰度化的处理。因为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，因此将彩色图像转化为灰度图像，以缩短处理速度。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，于是对其边缘提取，此处边缘的提取采用的是Roberts算子。
在定位模块。本文采用的是车牌颜色与数学形态学相结合的定位方法。首先，将预处理后的图像用数学形态学的方法进行处理。数学形态学的应用可以简化图像数据，保持它们基本的形态特征，并除去不相干的结构。本文中对图像进行了腐蚀、平滑处理，腐蚀和平滑都具有滤波的作用，腐蚀是对图像内部做滤波处理，平滑是对噪声进行滤波。这样可以把字符与字符之间的杂色点去除，只有白色的字符和黑色的背景存在，这样有利于的字符分割进行。最后还用了bwareaopen来去除对象中不相干的小对象。再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，先确定行方向的车牌区域，再确定列方向的区域，得出最终的车牌区域。
车牌分割即把车牌的整体区域分割成单字符区域，具有承上启下的作用。其
焦作大学毕业设计说明书 第 23 页 共 43 页
难点在于噪声合字符粘连，断裂对字符的影响，因此必须先将定位后的车牌进一步处理。包括灰度化、二值化、均值滤波、膨胀或腐蚀处理。分割采用的方法为寻找连续有文字的块，若长度大于某阈值T，则认为该块有两个字符组成，需要分割。为满足下一步字符识别的需要，将分割后的字符归一化。
最后将分割出来的字符运用模板匹配的方法与模板字符进行匹配，将其与模板字符相减，得到的0越多那么就越匹配。把每一幅相减后的图的0值个数保存，然后找数值最大的，即为识别出来的结果。模板的制作很重要，必须要用精确的模板，否则就不能正确的识别。
对于识别错误情况的分析可知，主要原因：一是牌照自身的污渍等影响了图象的质量；二是牌照字符的分割失败导致的识别错误；再就是部分字符的形状相似性，比如，B 和8；A 和4 等字符识别结果可能发生混淆的情况。
总之，尽管目前牌照字符的识别率还不理想，但是只要在分割出的字符的大小、位置的归一化，以及尝试提取分类识别能力更好的特征值和设计分类器等环节上再完善，进一步提高识别率是完全可行的。
第 24 页 共 43 页 焦作大学毕业设计说明书
第六章 实验总结
高速公路、城市交通、停车场等基础设施建设水平的不断发展和车辆管理体制的不断完善，为以计算机视觉为基础的智能交通管理系统的实际应用提供了契机。在智能交通系统中，车牌自动识别系统是智能化交通系统非常重要的发展方向。从开始的收费辅助系统演变过来的车牌识别技术现在运用的领域是越来越广。它在车辆过路、过桥全自动不停车收费，交通流量控制指标的测量，车辆自动识别，高速公路上的事故自动测报，不停车检查，车辆定位，汽车防盗，稽查和追踪车辆违规、违法行为，维护交通安全和城市治安，防止交通堵塞，提高收费路桥的服务速度，缓解交通紧张状况等方面有重要作用，有重要的现实应用意义。
本文对车牌识别系统的软件部分进行了研究，分别从图像预处理、车牌定位、字符分割以及字符识别等方面进行了系统的分析。主要工作内容及结论如下： （1）整理和总结了国内外在车牌定位、分割、字符识别方面的研究成果和发展方向，系统介绍了我国车牌的固有特征，以及车牌识别的特点。
（2）在车牌定位我们采用基于灰度跳变的定位方法，采用先对图像进行预处理，再进行二值化操作的方法。实验表明本方法既保留了车牌区域的信息，又减少了噪声的干扰，从而简化了二值化处理过程，提高了后续处理的速度。 （3）基于彩色分量的定位方法，运用基于蓝色象素点统计特性的方法对车牌是蓝色的车牌进行定位，实验表明，用该方法实现的车牌定位准确率较高。 （4）本设计采用的图像预处理、边缘检测、车牌长宽比特征识别等对车牌的定位都是非常有效的，而本设计提出的投影分析和阈值技术有效检测了车牌图像的上下左右边框、旋转角度，准确实现的车牌字符的分割，对多个车牌进行实验，均有很高的正确率。
本设计虽然只对蓝底白字车牌进行分割识别，对黑底白字车牌原则上整个算法可直接适用，对白底黑字车牌、黄底黑字车牌，需要对车牌定位算法进行调整，并将图像反转，而车牌字符的分割算法仍然行之有效。 因此，本设计提出的车牌字符的分割算法实验证明是准确、有效、可行的。