13毕业论文_车牌识别方法研究文档

根据经验值，车牌图像中，字符面积与车牌面积之比在，之间，因此计算字符面积与车牌面积比值，如果大于则对图像进行腐蚀，如果小于则对图像进行膨胀，在这里结构元素使用个二维单位矩阵，未找到引用源。

。

图车牌处理后效果结论根据车牌特点，车牌定位的算法分为三类，类是基于边缘的，类是基于颜色的，类是基于机器学习的等。

这里我采用的是边缘检测的方法实现定的。

字符分割的方法也有多种基于聚类分析的字符分割投影分割的方法基于模板匹配的字符分割等。

最常用的是投影分割，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。

优点是程序逻辑设计简单，循环执行功能单，便于设计和操作，程序执行时间短。

字符识别的基本方法通常又三类结构特征分析方法模板匹配为三类，类是基于边缘的，类是基于颜色的，类是基于机器学习的等。

这里我采用的是边缘检测的方法实现定的。

字符分割的方法也有多种基于聚类分析的字符分割投影分割的方法基于模板匹配的字符分割等。

最常算字符面积与车牌面积比值，如果大于则对图像进行腐蚀，如果小于则对图像进行膨胀，在这里结构元素使用个二维单位矩阵，未找到引用源。

。

图车牌处理后效果结论根据车牌特点，车牌定位的算法分绍，膨胀刚好与腐蚀相反，运算规则是输出图像的像素值是输入图像邻域中的最大值，在个二值图像中，只要个像素值为，则相应的输出像素值为。

根据经验值，车牌图像中，字符面积与车牌面积之比在，之间，因此计同时采集大的图像噪点依然存在，因此可以通过处理图像的低频部分来锐化图像。

这里采用高通滤波算法。

腐蚀已经在在上文介区域了。

所以车牌就成功地被提取出来了车牌处理先将图像转换成灰度值，再将灰度图转化成二进制图，在实现方式如下包含车牌的区域图像。

剪切得到的图像如下。

图为图像切割出来的图像图原图中的车牌区域图像对比原始图像与二值图裁减图可以看出，车牌的四个边界值基本上被确定下来了，这样就可以从原始图像中直接确定车牌的大于的，未找到引用源。

坐标为水平方向左侧分界线，从右向左寻找到第个值像素量大于的为右侧分界线，程序可以用循环语句。

垂直方向的分界线可用同样的方法实现。

分界线计算后，即可从原图像中剪切出只其中，未找到引用源。

为原始图像的宽度值，然后将二值图像垂直投影到轴。

从直方图中基本可以看书水平方向上的两个分界线，为了便于处理，该课题将像素值临界值定量化，取值个像素。

从左向右寻找第个值像素的效果图已经非常明显了，图像中最后只存在车牌区域，其他的图像已经完全滤除掉了，包括小物体，车的标志等影响已经没有了。

车牌区域的边界值计算采用水平与垂直双向投影法。

水平坐标的确定，先定义个的数组这样，中面积小于的对象都被删除了。

小对象被删除后的图像如图所示图移除小对象后效果图移除小对象后了，可能会有多个闭合区域，对于不是车牌区域的必须予以删除，提供了个函数，用于删除二值图像中面积小于个定值的对象，默认情况下使用邻域，过腐蚀以后只剩下车牌区域以及车的标志。

在程序运行的图像平滑后效果如下图平滑处理后效果从平滑后的效果图分析，达到了预定的目标。

消除了图像的数字化误差和噪声对脚点的直接提取的影响。

移除小对象图像平滑处理结构单元中个小于对象闭合图形，只要两个封闭域的距离小于，就将这两个连接成个连通域，生成方式采用由于车牌图像经数字化误差和噪声直接影响了脚点的提取，因此在脚点提取之前必须对图像进行平滑处理，有个图像平滑处理函数腐蚀后如图图腐蚀效果图已经得到了车牌图像的轮廓线了，只要再经过适当的处理即可把车牌提出出来。

图像平滑处理得到车牌区域的图像轮廓线后，由于图像的消除小而且无意义的物体。

腐蚀的规则是输出图像的最小值是输入图像领域中的最小值，在个二值图像中，只要有个像素值为，则相应的输出像素值为。

本系统使用函数，但是，在车牌附近的其他区域也由于各种干扰的影响，也存在些白色区域。

所以要对图像做进步的处理，用灰度图腐蚀来消除多余的边界点。

灰度图腐蚀所谓腐蚀即种消除边界点，使边界向内部收缩的过程。

利用它可以消但是，在车牌附近的其他区域也由于各种干扰的影响，也存在些白色区域。

所以要对图像做进步的处理，用灰度图腐蚀来消除多余的边界点。

灰度图腐蚀所谓腐蚀即种消除边界点，使边界向内部收缩的过程。

利用它可以消除小而且无意义的物体。

腐蚀的规则是输出图像的最小值是输入图像领域中的最小值，在个二值图像中，只要有个像素值为，则相应的输出像素值为。

本系统使用函数腐蚀后如图图腐蚀效果图已经得到了车牌图像的轮廓线了，只要再经过适当的处理即可把车牌提出出来。

图像平滑处理得到车牌区域的图像轮廓线后，由于图像的数字化误差和噪声直接影响了脚点的提取，因此在脚点提取之前必须对图像进行平滑处理，有个图像平滑处理函数结构单元中个小于对象闭合图形，只要两个封闭域的距离小于，就将这两个连接成个连通域，生成方式采用由于车牌图像经过腐蚀以后只剩下车牌区域以及车的标志。

在程序运行的图像平滑后效果如下图平滑处理后效果从平滑后的效果图分析，达到了预定的目标。

消除了图像的数字化误差和噪声对脚点的直接提取的影响。

移除小对象图像平滑处理了，可能会有多个闭合区域，对于不是车牌区域的必须予以删除，提供了个函数，用于删除二值图像中面积小于个定值的对象，默认情况下使用邻域这样，中面积小于的对象都被删除了。

小对象被删除后的图像如图所示图移除小对象后效果图移除小对象后的效果图已经非常明显了，图像中最后只存在车牌区域，其他的图像已经完全滤除掉了，包括小物体，车的标志等影响已经没有了。

车牌区域的边界值计算采用水平与垂直双向投影法。

水平坐标的确定，先定义个的数组，其中，未找到引用源。

为原始图像的宽度值，然后将二值图像垂直投影到轴。

从直方图中基本可以看书水平方向上的两个分界线，为了便于处理，该课题将像素值临界值定量化，取值个像素。

从左向右寻找第个值像素大于的，未找到引用源。

坐标为水平方向左侧分界线，从右向左寻找到第个值像素量大于的为右侧分界线，程序可以用循环语句。

垂直方向的分界线可用同样的方法实现。

分界线计算后，即可从原图像中剪切出只包含车牌的区域图像。

剪切得到的图像如下。

图为图像切割出来的图像图原图中的车牌区域图像对比原始图像与二值图裁减图可以看出，车牌的四个边界值基本上被确定下来了，这样就可以从原始图像中直接确定车牌的区域了。

所以车牌就成功地被提取出来了车牌处理先将图像转换成灰度值，再将灰度图转化成二进制图，在实现方式如下同时采集大的图像噪点依然存在，因此可以通过处理图像的低频部分来锐化图像。

这里采用高通滤波算法。

腐蚀已经在在上文介绍，膨胀刚好与腐蚀相反，运算规则是输出图像的像素值是输入图像邻域中的最大值，在个二值图像中，只要个像素值为，则相应的输出像素值为。

根据经验值，车牌图像中，字符面积与车牌面积之比在，之间，因此计算字符面积与车牌面积比值，如果大于则对图像进行腐蚀，如果小于则对图像进行膨胀，在这里结构元素使用个二维单位矩阵，未找到引用源。

。

图车牌处理后效果结论根据车牌特点，车牌定位的算法分为三类，类是基于边缘的，类是基于颜色的，类是基于机器学习的等。

这里我采用的是边缘检测的方法实现定的。

字符分割的方法也有多种基于聚类分析的字符分割投影分割的方法基于模板匹配的字符分割等。

最常用的是投影分割，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。

优点是程序逻辑设计简单，循环执行功能单，便于设计和操作，程序执行时间短。

字符识别的基本方法通常又三类结构特征分析方法模板匹配法神经网络法。

此处采用的是模板匹配的方法，即是将要识别的字符与事先构造好的模板进行比对，根据与模板的相似度的大小来确定最终的识别结果。

但是系统本身还存在许多不足，特别是对图像的分割与识别，目前还存在定问题。

距离具体实用的要求仍有很大差距，但我却在这次学习中学到了很多知识，参考文献张红，数字图像处理与分析叶晨洲，廖金周，种基于纹理的牌照图象二值化方法刘阳，伊铁源等数字图象处理应用于车辆牌照的识别崔江王友仁车牌自动识别方法中的关键技术研究韩勇强李世祥汽车牌照子图像的定位算附录程序源码清空命令窗口的所有输入和输出，类似于清屏自动弹出提示框读入图像，，输入个需要识别的车牌图像直接自动读入，用调用格式为其中可选，双线性等，创建七位车牌字符图像，，，，，，京辽桂陕苏渝浙建立自动识别字符代码表京津沪渝港澳吉辽鲁豫冀鄂湘晋青皖苏赣浙闽粤琼台陕甘云川贵黑藏蒙桂新宁编号分别为分别为京津沪渝港澳吉辽鲁豫冀鄂湘晋青皖苏赣浙闽粤琼台陕甘云川贵黑藏蒙桂新宁创建个行列的矩阵将整型数据转换为字符串型数据，依次读入七位车牌字符对读入的字符进行缩放第位汉字识别第二位字母识别第三位以后是字母或数字识别即字符模板函数连接字符串以上相当于两幅图相减得到第三幅图进行匹配与模板不同的点个数，以上无区别记录下字符与模板不同的点个数差别最小的找出差别最小的模板此处用且后面的，第隔空格输出个字符后五位与前两位字符隔开，第步车牌定位，第二步车牌分割，