图4-2（b）车牌二值化图像
Figure 4-2 (b) license plate of binary image
对车牌进行灰度化、二值化处理后，我们还要对车牌图像滤波处理，即尽量保留车牌的图像细节特征的条件下对目标图像的噪声进行抑制，从而提升它的有效提取信息，图像滤波处理是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。这个过程在整个车牌识别系统中也占有很重要的作用。
图4-2（c）车牌滤波处理图像
Figure 4-2 (c) license plate filtering processing images
图4-2（d）车牌图像闭运算
Figure 4-2 (d) vehicle images closed operations
第 19页 共 33页
在汽车牌照自动识别过程中，字符分割[13]有承前启后的作用。它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。字符识别的算法很多，因为车牌字符间间隔较大，不会出现字符粘连情况，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，则认为该块有两个字符组成，需要分割。如图图4-2（e）所示。
图4-2（e）车牌字符分割图像
Figure 4-2 (e) license plate character segmentation images
由于考虑车牌字符常发生变形、断缺等情况，使字符结构受损，则依赖于字体结构完整性的结构识别方法所提取的特征会不准确，识别结果的误识率也高。因此实际用于车牌识别的方法主要是后两类。然而如果采用hp神经网络的字符识别虽然有很好的容错能力，但是如果我们要提高他的识别率，我们则需要大量的样本。基于模板匹配的字符识别方法，相对算法简单，速度较快，而且结合我国车牌的信息，我们需要的制作的模板量也不大。所以本文选择模板匹配的识别方法进行车牌字符识别。
一般分割出来的字符要进行进一步的处理，以满足下一步字符识别的需要。但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的。在此只进行了归一化处理，然后进行后期处理。由于我们制作的模板是40*20像素点的规格，为了方便后面的模板匹配，我们就将分割的图片进行40*20像素点的归一化处理。如图图4-2（f）
第 20页 共 33页
所示。在将其分割的七张40*20像素的图片保存在指定的路径如图4-2（g）所示。最后通过与模板库对比得出识别结果。
图4-2（f）分割字符归一化处理
Figure 4-2 (f) character segmentation is normalized
图4-2（g）归一化字符存储
Figure 4-2 (g) Storage the normalized characters
4.3 车牌识别结果及分析
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。如图4-3所示
第 21页 共 33页
图4-3 车牌识别结果
Figure 4-3 license plate identification results
本文以MATLAB7.0[14]为实验平台，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。
在图像采集的过程中，由于外界的干扰如光线等因素原因以及车主在车牌周围的装饰，还有生产厂家对车身的点缀容易给车牌的定位造成很大程度的影响，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。由于车牌采集的信息都是些彩色图片，含有大量的数据信息，因此我们还要对其进行预处理包括灰度化、二值化等。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canny算子。随之进行定位及分割还有识别。
对于识别错误情况的分析得到，主要原因有以下几点： （1） 汽车牌照上外界干扰，如在牌照周围添加饰物；
（2） 采用不同的边缘检测算子和阈值将会牌照字符的分割失败，导致识别错误； （3） 字符具有相似性，比如D 和O；O 和0 等字符识别结果可能发生混淆的情况。 尽管目前牌照字符的识别率还不是很完美，但是只要在分割出的字符的大小、位置
第 22页 共 33页
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。
5 结 论
近年来我国随着社会经济的高速发展、汽车数量急剧增加，对交通管理的要求也日益提高，而相应的人工管理方式以不能满足实际的需要，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的效率。而车牌识别技术恰好能满足这一需求，通过车牌识别我们可以解决被纳入“黑名单”的通缉车辆，可以统计一定时间范围内进出各省的车辆，还能有效的对该车辆进行定位，对公安机关等相关部门有着很重要的作用通过智能的车牌定位及识别技术将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。
本文主要研究和解决了以下几个问题：一、在车牌图像中定位并提取出车牌的位置；二、对图像的灰度化、二值化等图像处理；三、选取合适的算及其阈值并对其边缘检测；四、对分割下来的牌照字符如何提取具有分类能力的特征；五、如何有效的选取识别的分类。在车辆牌照字符识别系统的研究领域，近几年出现了许多切实可行的识别技术和方法，从这些新技术和方法中可以看到两个明显的趋势：一是单一的人工选取合适的算法和其他指标已经不能取得很好的结果。二是车牌识别逐渐走上智能化的过程，通过智能系统选取不同的算法进行自动的分析才能更准确的应对各个角度及位置的车牌信息识别。
虽然系统本身还存在许多不足，距离具体实用的要求仍有很大差距，但在本次毕业设计制作中让我增进了很多知识，相信在日后的改进中一定能在现实生产应用中得到实现。
第 23页 共 33页