三江学院2014届本科生毕业设计（论文）
（国际开放的计算机视觉库）实现一个车牌识别基础工具。与车牌识别相关的图像处理技术，包括：
（1）图像预处理：收集到的车牌图像进行初步处理，以提高识别率。 （2）车牌定位：根据预处理图像的特征采取某些算法，来识别车牌区域。 （3）字符分割：对被划分好的固定区域，将其中切分出来的字符图像，保存为单个的字符图片。
（4）字符识别：通过模板匹配算法，对每个字符图像的字符识别。
1.4本章小结
首先阐述本文研究背景，表明了课题的意旨，同时就目前国内外汽车牌照识别进行介绍。最后，通过对汽车牌照识别工具的实现过程入手介绍了研究内容。
2
三江学院2014届本科生毕业设计（论文）
第2章 相关技术简介
本章重点介绍了与车牌识别相关的具体技术，以及使用VC++中MFC图像库和OpenCV计算机视觉库来处理图像等技术。
2.1 OPENCV计算机视觉函数库 2.1.1OpenCV 简介
OpenCV(Open Source Computer Vision Library)，是开源跨平台的计算机视觉库，由Intel公司在1999年建立，目前由Willow Garage提供技术支持[5]。OpenCV是一种由一系列C、C++函数组成的轻量级、高效的视觉处理算法和代码仓库，提供了多种语言移植方式，包括：Python、Ruby、Matlab等。
OpenCV拥有包括500多个C函数的跨平台的中、高层API。它不依赖于其它的外部库——尽管也可以使用某些外部库。OpenCV为Intel Integrated Performance Primitives(IPP)提供了透明接口。这意味着如果有为特定处理器优化的IPP库，OpenCV将在运行时自动加载这些库。其作为开放的数字图像处理和计算机视觉软件平台，具备许多的鲜明特征[6]，其主要使用C/C+ +语言源代码计算机视觉库，其目的是开发实时的应用程序。对于计算机硬件，图像管理和操作系统，OpenCV也是完全独立的。同时在图像/视频载入，访问和保存模块也很常见。OpenCV中还具有顶部和底部的应用程序包，用户可以直接使用。
2.1.2 OpenCV结构
OpenCV主要由六个模块构成[7]，包括：Cv、CvAux、CvCAM、HighGui、ML和CvCore，其中主要模块为四个，分别为：CV（图像处理和视觉算法）、CvCore（基本数据结构与核心功能）、HighGUI（图像视频输入输出）、ML（统计分类器），如图 2-1 所示。
CV
图像处理和视觉算法
ML 统计分类器
HighGUI 图像视频输入输出
CvCore
基本结构和算法、XML支持、绘图函数
图2-1 OpenCV结构图
3
三江学院2014届本科生毕业设计（论文）
其中：
（1）Cv，图像处理和视觉算法模块，是OpenCV库中的最核心的模块，包含了图像处理非常多的算法和功能，这些算法和功能覆盖了包括图像处理、模式别等，主要用于图像处理和视觉算法。
（2）CvCore，基本数据结构模块，是其他模块的基础，也是整个库之中最基本的模块，它里面定义了整个库中的几乎所有的函数用到的数据类型和结构，其中还实现了一些基本算法和数据的基本运算。
（3）HighGUI，图像视频输入输出模块，该库是整个库之中唯一的具有图形界面的模块，它提供图像或者视频数据与用户交互的功能，用户可以使用这个模块中的函数，来实现视频图像的显示和处理。本文中的图像显示部分就用到了这个模块。
（4）ML模块，统计分类模块，是计算机学习库，包含一些基于统计的分类和聚类工具。
2.1.3OpenCV应用
OpenCV致力于真实世界的实时应用，它被广泛应用于许多领域，如人机互动、图象分割、人脸识别、动作识别、运动跟踪、汽车安全驾驶[8]等等。
OpenCV在车牌识别应用过程中能实现许多功能[9]，例如：图象分割，对图像进行基本的数据处理，包括图像的转换变换、阈值分割、图像旋转和各种函数滤波等，同时对不同的结构和序列图像进行分析；运动跟踪，图像数据和视频图像的各种基本操作，包括数据的分配、复制和释放、视频设备的打开和关闭以及视频文件的播放和录制等；人机互动，具有视频中的一些基本的图形界面功能，能够方便地与用户进行数据交互，这些都包括响应和处理用户发出的鼠标或者键盘命令等。
2.2车牌图像及字符的先验知识 2.2.1车牌先验知识
在我国的交通管理规定中，所有行驶的机动车都要在交通管理部分进行登记和安装相应的车牌号码。目前，在我国内使用的车牌依然是按照1992年的管理规定来执行的。该牌标准为GA36-1992《中华人民共和国机动车号牌》。它对车牌的方方面面做了详细的规定和阐述，十分明确地说明了包括车牌的大小、颜色等各方面的要求。
2.2.2车牌字符规律
我国汽车现行使用的牌照主要有这么几种：小型车专用牌、大型车专用牌、军车车牌和国外驻华机构专用车牌。这些车牌的车牌背景颜色和车牌字符颜色搭配还各有不同，上述车型相对应，在这么多类型的车牌之中，蓝底白字车牌占绝
4
三江学院2014届本科生毕业设计（论文）
大部分。在我国，车牌标准格式如图2-2 所示。按照标准车牌大小是440*140mm，其中单个的字符大小是45*90 mm(宽*高) ，第二和第三个字符之间是34mm，小圆点位置在车牌高度的中心点，宽度是 10mm，它也刚好在第二个和第三个字符之间距离的中心点。车牌格式是：X1X2X3X4X5X6X7X8，加上一个点符号共有8个字符。其中X1是中国国内各个省、直辖市、民族自治区和军区的简称，比如吉林，简称“吉”，南京军区，简称“南”。X2是大写的英文字母字符，X3是点字符，接着X4X5是字母或者数字，X6X7X8这最后三位全部是数字字符。如图 2-2 所示：
图2-2 车牌尺寸标准格式
从上面所述我们可以知道，车牌上的字符都是比较规则的，各个字符的大小、位置、字符的笔画粗细等都是有既定标准的，这些基于车牌制作标准的车牌先验知识十分有助于精确分割字符。
2.3车牌自动识别技术 2.3.1车牌定位算法
车牌定位准不准确直接影响到后续的切分和识别，因为车牌定位是最基本的，也是第一步，同时对系统识别率起到关键作用。车牌定位是车牌原始输入图像，通过数字图像处理，模式识别，从而准确地获得图像中车牌区域。车牌的特征不同对应的算法也不尽相同，但是基本上所有算法都有一个共同点就是利用车牌独特的特性进行判别。目前常用的车牌定位算法[10]大致可以分为以下几大类：基于边缘检测的车牌定位算法，基于车牌颜色特征的车牌定位算法，基于机器学习的定位算法。
（1）基于边缘检测的车牌定位算法：主要是检测图像中的边缘，准确地定位
5
三江学院2014届本科生毕业设计（论文）
图像边缘，进行边界分析。边缘检测能有效的抑制噪声对图像的影响，适用于边缘检测的算子有很多种。
基于边缘检测的车牌定位算法相对其他算法来说，速度较慢，而且对拍摄到的图像环境要求较高，对于不同的环境和要求，只有找到合适的算子，才能达到车牌定位良好的效果。
（2）基于车牌颜色特征的车牌定位算法：在车牌定位的研究中，利用车牌的颜色特征信息（包括车牌上字符的颜色和车牌背景颜色），有多种车牌的定位算法已被提出。由于基于车牌图像质量要求的颜色特征的车牌定位算法是比较高的，因此，当室外照明条件的变化或牌照褪色等条件下，比较难达到很高的定位精确度。但在特定的规则和条件下，利用车牌颜色特征定位的精确度还是非常高的。
（3）基于机器学习的定位算法：寻找好的功能训练方法是此方法不可或缺的因素。通过使用adoboost + Haar独特的车牌检测来达到很高的检测率，但也有其弊端如不具有完整性和高的准确率。所以想要更实际更广泛的应用还是要寻找显著的特征。
本文通过边缘检测的车牌定位算法来获得车牌区域。在若干经典的车牌定位算法中边缘检测算子简单，处理速度快，加工后的边缘光滑且是连续的。这种方法简单而有效，故被广泛的应用。
2.3.2字符分割算法
车牌字符分割基于车牌定位之上，进一步获得车牌上单个字符，同时这个过程是识别的前提和准备。车牌字符分割中相同的识别性能起着关键的作用。因此，在字符的分割识别系统中起着决定性的作用。现今车牌字符分割算法大致有以下三种[11]：垂直投影法、基于灰度图像的分割法方法和利用图像形态学法。 （1）垂直投影法：该方法借用数组来暂存数值，通过计算垂直投影值的核心方法来确定阈值，从而获得单个的字符图像。
（2）基于灰度图像的分割法：车牌图像预处理是第一步，将彩色图像转换为灰色图像，最后获得二值化图像。同时按照一个个分割字符的功能去除噪声的影响。 （3）利用图像形态学法[12][13]：该方法首先采用动态阈值法将车牌图像进行二值化处理，然后去除掉边框和柳钉等图像二值化后造成的影响，从而达到车牌字符分割的目的。该方法对图像质量要求高，实用性比较差。
本文采用垂直投影法来获得单个字符。该方法具有显著的效果，虽然有时切分存在缺陷，但是足以满足需求。
2.3.3字符识别算法
主要字符识别算法有以下几种：基于神经网络字符识别算法[14]、基于模板匹配[15]和基于特征统计方法。
（1）利用神经网络方法：利用神经网络算法来实现字符识别，效率高、速度快及分辨率高，在现实之中有很大的实用价值。该方法最主要的就是需要大量的
6