基于MATLAB的车牌识别系统设计样本.doc

本科毕业设计
题目
基于MATLAB车牌辨认系统设计

作 者： 邹思凡
专 业： 自动化(本一)
指引教师： 徐一鸣
完毕日期： 6月1日

原 创 性 声 明

本人声明：所呈交论文是本人在导师指引下进行研究成果。除了文中特别加以标注和道谢地方外，论文中不包括其她人已刊登或撰写过研究成果。参加同一工作其她同志对本研究所做任何贡献均已在论文中作了明确阐明并表达了谢意。

签 名： 日 期：

本论文使用授权阐明

本人完全理解南通大学关于保存、使用学位论文规定，即：学校有权保存论文及送交论文复印件，容许论文被查阅和借阅；学校可以发布论文所有或某些内容。
（保密论文在解密后应遵守此规定）

学生签名： 指引教师签名： 日期：

南 通 大 学
毕 业 设 计（论文）

题目： 基于MATLAB车牌辨认系统设计 　

姓 名： 邹思凡　　　　
指引教师： 徐一鸣　　　　
专 业： 自动化(本一)　　　

南通大学电气工程学院
年6月1日

摘 要
近几年，随着当代社会发展，汽车数量越来越多，研究智能交通系统是势在必行。其应用场合涉及：违章车辆抓拍、不断车自动收费、交通流量检测、停车场车辆管理、失窃车辆查询等方面，具备巨大市场前景及商业价值。车牌辨认系统在智能交通系统中地位举足轻重。基于MATLAB车牌辨认系统需要辨认车牌图像，其中要涉及到图像解决技术、人工神经网络、模式辨认技术。
本文简要简介了国内外车牌辨认系统研究现状和发展趋势，并结合车牌辨认各模块，选取了相应算法。运用MATLAB软件仿真达到了图像预解决、车牌定位、车牌字符分割和车牌字符辨认四大模块效果。
仿真成果证明，本次设计车牌辨认系统基本可以实现车牌辨认、车牌定位、字符分割及字符辨认功能。本实验共对60张车牌图片进行了辨认，其中总共包括了420个字符，辨认中错误字符38个，对的率达到了90.5% 。本系统基本可以满足车牌辨认各个功能，可以应用于实际生活中。

核心词：车牌辨认，车牌定位，字符辨认，字符分割，MATLAB

ABSTRACT
Last few years，with the development of modern society，the increase of city vehicles is rapid and the further research of the Intelligent Transportation System is increasingly important. Its applications include：electronic policeman，electronic toll collection system，traffic flow control，parking lot management，stolen vehicle inquiry，etc. It has a broad market prospects and commercial value. The License Plate Recognition System plays a pivotal role in the Intelligent Transportation System. The License Plate Recognition System based on MATLAB needs to recognize the license plate and it involves image processing，artificial neural networks，pattern recognition technology and some other fields.
This article introduces the current research situation，the development trend of domestic and foreign license plate recognition system and selects the appropriate algorithms combined with each module of the license plate recognition system. We use the MATLAB software simulator and achieve good effects of four modules which are the image preprocessing，license plate location，license plate character segmentation and license plate character recognition.
The simulation result shows that this license plate recognition system designed basically achieved the function of the license plate recognition，license plate location，character segmentation and character recognition. In this study，a total of 420 license plate images are identified，which contains 38 wrong characters，with the correct rate reaching to 90.5%. The system can basically meet the various functions of license plate recognition and it can be applied to real life.

Key words：license plate location，character recognition，character segmentation，MATLAB

目 录
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1课题背景及意义 1
1.2 智能交通系统概述 1
1.3 车辆辨认技术简介 2
1.4 车牌辨认系统构成与设计 3
1.5本论文重要研究内容 5
第二章 车牌图像预解决 6
2.1 引言 6
2.2 图像格式转换及尺寸归一化 6
2.3 图像灰度化 7
2.4 边沿检测 9
2.5 图像二值化 10
2.6 数学形态学解决 14
第三章 车牌定位及字符分割 16
3.1 引言 16
3.2 车牌定位算法简介 16
3.3 本文车牌定位算法 17
3.4车牌倾斜矫正 17
3.5 车牌边框去除 20
3.6 车牌字符分割 20
3.6.1 车牌规格 20
3.6.2车牌分割算法 21
第四章 车牌字符辨认 23
4.1引言 23
4.2 车牌字符辨认惯用办法 23
4.2.1基于模板匹配字符辨认算法 23
4.2.2 基于支持向量机字符辨认算法 24
4.2.3 基于人工神经网络字符辨认算法 25
4.3 BP神经网络构造 26
4.4 BP神经网络在车牌辨认中应用 27
4.4.1 特性提取 27
4.4.2 BP 神经网络构造与设计 28
4.4.3 网络训练 28
4.5实验成果 29
第五章 总结与展望 34
5.1 总结 34
5.2 展望 34
参照文献 35
致 谢 36
第一章 绪论
1.1课题背景及意义
随着着经济持续发展，人民生活质量日益改进，汽车数量急速增长导致道路交通越来越拥挤。在这种状况下，仅仅依托投入大量资金到公路等交通基本设施建设之中，已经远远不能解决交通拥堵、交通事故发生率居高不下、环境污染等某些日益严重问题。此外，由于都市空间限制、修建新道路所需要巨额资金以及环境压力，建设更多基本设施必然受到严格限制。因而，如何改进道路交通现状已经成为当代交通系统中刻不容缓问题。因此，要想从主线上解决问题必要运用高新技术（如计算机、网络、通信技术、自动化技术等）来改造既有道路运送系统及其管理体系。此时，智能交通系统 (Intelligent Traffic System，简称ITS)顺应时代规定浮现了，它大大地改进了道路交通现状。
1.2 智能交通系统概述
起初，智能交通系统（Intelligent Transportation Systems ，ITS）是由智能车辆道路系统（Intelligent Vehicle Highway System ，IVHS）发展而来。智能交通系统是一种实时综合管理系统，它涉及了计算机技术、控制技术、信息技术等领域知识，应用于各种场合[1]。
自20世纪80年代开始，人们就已经开始运用图像解决技术领域有关知识来解决车牌辨认问题，只但是此时研究还处在起步阶段，未能达到抱负效果。直到20世纪90年代初，随着计算机视觉发展，ITS才开始成为一种正式具备一定意义名词。进入90年代后，美国、欧洲、日本、加拿大、韩国、新加坡和香港等国家和地区为了改进越来越严峻道路交通状况，开始投入巨额资金和大量精力到ITS开发和研究中，这一举措极大地推动了ITS进一步研发。
在当今世界世界交通领域里，智能交通系统发展始终代表着最先进课题研究方向，发达国家正在进一步研究和开发车牌辨认系统，目是治理交通问题并改进环境，运用传感器、计算机等领域知识解决难题更好地实现当代道路交通系统智能化[2]。不可避免地，国内也正在大力地进一步研发智能交通系统，并将其作为交通运送领域长期研究课题。
智能交通系统被广泛地应用于各种公共场合，例如停车场、机场、公路实时管理系统等等。ITS在全世界范畴都被大量应用，其中涉及某些发达国家和地区，例如美、日、欧、北上广（国内北京、上海、广州）。ITS是一种融合了各种子系统综合性体系，其中涉及了监控系统、控制系统、运营管理系统等。
从起初开始研究智能交通系统，美国和欧洲等某些发达国家和地区就很关注ITS发展。美国和欧洲是全世界最发达国际和地区，已经对ITS体系框架进行了整体设计，并获得了长足进步，因而在美、欧地区ITS发展和应用最为先进和完备。
在亚洲，日本人口众多但国土面积不够，迫切需要研发出更为先进智能交通系统并将其应用于各种公共场合之中。韩国和新加坡也不断加大投资成本，用于研究和开发适合本国国情智能交通系统。其中韩国政府曾投入75亿巨资来建立7个智能交通系统子系统。国内早在上个世纪就投入到了智能系统研究，当时被称为交通工程。在国内大量研究人员始终致力于开发出一套先进且高效ITS，当前已经获得了可观成果。
在全世界范畴内，美国ITS覆盖率和应用率毋庸置疑是最高，保守记录至少在百分之八十甚至不止。由于智能交通系统极大地缓和交通问题并且还带来了可观利益回报，因此世界各国纷纷斥资研发智能交通系统[3]。ITS发展极大地推动了经济持续发展，ITS业甚至成为一种重要经济增长点。
1.3 车辆辨认技术简介
在诸多公共场合，车牌辨认系统被大量应用，例如测速系统、收费系统等等。当前可使用汽车图像检测办法有诸多，其中运用率比较高是：使用红外探测装置进行检测办法、使用超声波装置辨认办法、使用感应线圈检测等等[4]。
在国内外研究人员进一步研发，车牌辨认技术自提出到发展至今，已经形成了比较完备体系并得到了广泛应用。但是由于外部环境影响、摄像技术有待提高、清晰度不够带来问题、破损污旧车牌辨认难度较大、车牌缺少统一原则等不利条件影响，导致车牌辨认难以达到预想辨认效果，并且由于普通需要大量数值计算，难以满足实时性上规定。国外研究人员很早就开始致力于研发车牌辨认系统，当前国内研发出ITS还不如国外先进。
直到今天，国外研发出ITS已经比较完备，例如日本开发VICS系统以，香港Asia Vision Technology公司推出VECON，新加坡Optasia公司设计VLPRS系列，以色列Hi.Tech公司开发See/Car System等。国内汽车牌照中包括中文、大写英文字母和阿拉伯数字，辨认难度比国外汽车牌照高得多，因此国外车牌辨认系统不能合用于国内车牌辨认。
国内研究车牌辨认系统比国外晚了将近左右，但是国内研究成果也不容小觑，郭杰，施鹏飞研制出了一种精准定位算法，这种办法借助车牌颜色信息和纹理特性实现功能；赵学春，戚飞虎采用颜色信息对待分割物体进行字符分割，研究出了一种高效自动辨认技术。此外，国内许多科研单位已经开发出了比较完备车牌辨认系统，例如亚洲视觉科技有限公司，北京弗雷德科技有限公司等。
近年来，在国内，有某些大学和科研机构也对于本课题研究进行了尝试。从当前已经刊登了论文来看，重要有上海交大、浙大、同济大学等院校正在研究这一课题。随着着模式辨认和信息技术发展，车牌辨认系统发展日臻完善，本论文采用了某些近几年才提出算法，例如运用数学形态学算法对车牌进行边沿检测，采用BP神经网络等等。但是由于该课题研究存在着一定难度，并且车牌易受噪声和光照等干扰条件影响，因此到当前为止，尚未研发出一套极为完备且辨认率高达百分百算法。随着对车牌辨认系统迫切需求不断增长，人们对车牌辨认率盼望值也不断变高，当前，对该领域研究依然很活跃。
依照当前已应用车牌辨认系统场合反馈状况来看，其存在局限性之处重要是车牌辨认时，执行时间太长导致实时性不高以及辨认效果不抱负。因而，车牌辨认率高低和执行时间长短是将来车牌辨认技术中亟待解决问题和两个重点研究技术。它们是衡量ITS性能优劣重要指标，它们受系统硬件性能和辨认算法制约。鉴于本文研究基于软件仿真基本车牌辨认技术，因此只需考虑综合优化算法来改进系统性能即本文研究核心技术就是车牌辨认率和执行速度。
1.4 车牌辨认系统构成与设计
车牌辨认技术是一门图像解决、数据压缩以及模式辨认等办法综合性技术，其核心技术就是把精确地提取出图像中车牌，并且对的地辨认出车牌。ITS涉及到原始图像辨认、图像预解决、车牌区域定位、车牌区域字符分割以及车牌区域字符辨认等几种模块，本论文研究基于MATLAB车牌辨认系统设计辨认流程如图1.1所示[5]。

图1.1 车牌辨认流程图
本文通过MATLAB软件设计了一种车牌辨认仿真系统，该程序成功地达到了精确辨认实际车辆照片中车牌目，其中不涉及硬件采集某些。
本仿真系统所需实现功能分别为 ：
(1) 图像预解决：可以运用智能手机自带相机功能在各种不同环境下拍摄车牌照
从而获得待辨认汽车牌照图像，这一过程不可避免地存在着一定噪声等不拟定干扰因素，为此，必要采用车牌图像预解决技术对车牌进行解决，如灰度化、滤波、灰度拉伸、二值化、矫正等，为下一步定位车牌做好充分准备；
(2)车牌定位：包括车牌粗定位和精准定位，以及裁剪出车辆图像中车牌区域图像功能，这一步比较重要，正拟定位有助于辨认率提高。
(3)字符分割：车牌中字符也许浮现不同限度倾斜，因此必要时需要对倾斜车牌进行矫正解决，然后把车牌中字符精准地分割成单个独立字符。
(4)字符辨认：将分割解决后所有独立字符逐个辨认，使它们从本来图像字符变成文本字符。
通过编写程序实现功能，最后显示出车牌号码。其中每个过程均有不同算法，不同算法实现效果都不尽相似。本论文研究车牌辨认系统是在MATLAB软件上进行仿真实现辨认功能。系统设计构造图如图1.2所示。

图1.2 系统设计构造图
1.5本论文重要研究内容
第一章 是论文绪论，重要简介了本课题研究背景与发展状况，并提出了本课题研究内容。
第二章 是车牌原始图像预解决某些。重要简介了车牌图像格式转化、灰度化、二值化等预解决内容。
第三章 是车牌定位和字符分割。这一章简介了几种常用定位算法和字符分割算法，并进行了车牌位置矫正和车牌边框去除。
第四章 为字符辨认某些，是整个系统中最核心环节。本章简朴简介了三种辨认算法。
第二章 车牌图像预解决
2.1 引言
本章一方面阐述了数字图像内容和概念，然后详细简介了车牌图像尺寸转换、灰度化、边沿检测、形态学解决等多方面算法，并采用了这些算法中最优算法组合，力图实现最优辨认效果。
原始车牌图像要通过采集才可以得到，图像采集重要是运用摄像头、数码相机等采集设备拍摄车牌图像来获取。因此原始图像普通是彩色，其中不可避免地涉及了大量颜色信息，不但需要很大存储空间并且尺寸不一，因此在解决时也会减少系统执行效率，此外还不可避免地存在着或多或少无关辨认信息，因而需要把彩色图像转变成灰度图像；同步由于图像采集过程中环境多变性和车辆速度等各种因素影响，以致车牌图像质量不高，存在着不同限度干扰及噪声，给背面定位、分割和辨认工作带来困难，直接影响到后续工作开展和整个系统性能。因而，在车牌图像定位前，对图像质量进行提高而进行图像预解决工作，不但能消除噪声、改进图像质量，并且还可以有效地减少系统存储空间需要[6]。图1.3给出了详细流程图。

图2.1 图像预解决
2.2 图像格式转换及尺寸归一化
预解决第一步是要对图像格式进行转换及尺寸进行归一化解决，图像预解决能减少提取图像特性时计算量，并且能避免存储空间挥霍，提高运用率和实时性。图像格式转换和尺寸变换有几种办法：办法一是单纯用手工操作图像解决类专业软件来调节格式和大小；办法二是加入相应解决模块到系统中，然后依照需要系统自动解决完毕。由于不同图像解决类软件采用算法不完全相似，因此解决出效果虽然表面看不出什么差别，但是其在特性匹配时差别非常大，有时候甚至也许导致图像失配。因而，应当尽量采用统一尺寸变换和格式转换算法。
2.3 图像灰度化
普通状况下，用相机拍摄车牌图像都是彩色，所觉得了辨认速度快，需要先对图像进行灰度化操作。彩色图像又被称为图像，它是用、、来表达一种像素颜色，、、分别代表红色、绿色、蓝色，通过组合这三个基本颜色就可以合成出任意颜色[7]。那么，对于一种大小为彩图而言，就需要一种 三维数组来存储该图像。
彩色图像中存在不少颜色信息，不但需要较大空间进行存储，还会大大延长系统辨认时间，使实时性不达标。由于彩图每个像素都包括着、、三种不相似分量，辨认时，不需要使用其中诸多无关信息，这也不利于进一步辨认。因此，在进一步地解决图像之前，需要将图像由彩色转换为灰度，目就是为了加快解决速度和节约存储空间。在模型中，若、、三个值都相等，那么它代表一种灰度颜色，而相等那个值就被称为灰度值[8]。上面简介这个将彩图变为灰度图过程就是这一小节重点对图像进行灰度解决。将采集到车牌图像进行灰度化解决后，此时车牌图像值包括亮度信息，不包括彩色信息[9]。一种二维数据矩阵就可以实现存储和解决一种灰度图像功能，矩阵中所有独立元素代表相应像素灰度值。灰度图像像素色是，彩色图像像素色是，彩色图像颜色可分解为、、。、、取值范畴和灰度图像转换办法如下：
(l)最大值法：取、、中最大值并将其赋给其她两个分量，即:
(2.1)
(z)平均值法：使、、值等于三个值和平均值，即:
(2.2)
(3)加权平均值法：按照某一指标给、、赋权值、、，并使、、值等于它们值加权平均值，其中、、为，和，即：
(2.3)
普通状况下，人类双眼最容易辨别出绿色，较容易三个辨别出红色，但是不容易辨别出蓝色，因此咱们普通运用第三种办法进行灰度化解决。经转换后图像只包括强度信息，因而灰度模型不能重新转换为模型。
经灰度化解决之后彩色图像保存了图像重要信息，不会丢失车牌重要特性信息，同步图像经灰度化解决后为车牌字符分割提供了简朴解决对象。
车牌灰度化解决先后图如下：
图2.2 原始车牌图像
图2.3 灰度图像
2.4 边沿检测
车牌辨认系统需要解决是灰度图像和二值图像，在解决时需要运用车牌字符边沿特性。边沿就是指图像中浮现灰度值不持续点，将它们连起来就形成了物体边。车牌图像边沿是区域与区域之间交界[10]。因此能否精确检测出字符边沿就直接影响到最后辨认成果精确度。边沿检测作用就是检测并突出图像边沿某些、灰度值跳变某些和纹理突变某些。车牌中包括诸多边沿信息，可以通过边沿检测算法来提取出车牌特性信息。边沿检测是对某一领域灰度变化考察，边沿检测局部算子法运用边沿内邻近一阶导数和二阶导数值来鉴定边沿，一阶算子（梯度算子）可以检测一种像素与否是算子，二阶算子（拉普拉斯算子）可以鉴定一种像素是在边沿亮侧还是暗侧。当前可使用边沿检测算子有诸各种，本文由于篇幅和时间限制，仅对四种较为惯用检测算子进行简要简介，分别是Robert算子、Prewitt算子、Sobel算子和Canny算子等[11]。
和 和 和 和
(a)Robert算子 (b)Prewitt算子 (c)Sobel算子 (d)Canny算子
图2.4 边沿检测算子
Roberts算子检测速度比较快，边沿定位精确，但是易受噪声干扰，从而丢失某些边沿信息。Prewitt算子和Sobel算子都是加权平均，对图像质量规定不高，但是边沿检测效果不好。Canny算子对边沿检测精度较高，且具备较好信噪比，因此被广泛应用于边沿检测中。Canny 算子检测图像边沿示例如图2.5所示。
图2.5 边沿检测
2.5 图像二值化
在研究车牌辨认系统时需要多次运用灰度图像二值化算法，如图像灰度化后图像增强阶段、对车牌区域进行粗定位阶段、精定位之后字符分割阶段等，可以使用不同二值化算法。二值图像指图像灰度值只有0和255图像，不存在其她灰度值。因素有两方面：一、某些待解决图像自身就是二值图像，如工程图像、指纹图像等；二、尽管有些图像是灰度，咱们为了提高解决速度，也会将其转化为二值化图像。此外，二值图像能应用几何学中特性描述，具备巨大优势。
图像二值化是依照图像中待提取目的与背景之间灰度差别计算出一种阈值，然后图像中各个像素灰度值与这个阈值大小进行比较，然后将不不大于阈值像素归为一类并用‘1’来表达，不大于阈值则为另一类用‘0’表达[12]。这种理论基于背景与物体灰度值存在差别。因而，阈值分割算法分为两步：一是计算出阈值；二是做对比然后取值。拟定阈值是以上环节中核心一步，恰本地选用好阈值，可以有效地除去噪声，并且可以将图像中目的和背景分割开，从而大大减少信息量并提高解决速度。
当前拟定阈值办法有各种，根据阈值应用范畴惯用有如下三种办法：
1、直方图技术
如果在一幅图像中，背景是浅灰色，但其中包括一种深色像素物体，此类图像双峰直方图如图2.6所示。灰度级两峰之间存在一种灰度级数量很少一种某些，从而产生了谷，以谷值作为灰度阈值。

图2.6 双峰直方图
二值化公式如下：
（2.4）

2、 全局阈值法
全局阈值法，就是选取一种常数作为阈值并将其作用于整幅图像中每一种像素。其中，比选定阈值大像素标记为背景，反之为物体。这种办法解决速度快，特别合用于背景单一图像，但是当图像背景复杂时，就不能较好地达到预设目的了。
(l)极小值点阈值
如果把图像所相应灰度直方图当作是曲线，那么可以借助求取曲线极小值来选用直方图谷。设表达图像灰度直方图，那么极小值点应当满足如下两个条件:
和 （2.5）
(2)迭代阈值分割
取灰度中值作为初始值，借助下面公式进行迭代计算:
(2.6)
在公式2.6中，含义是指灰度取值为k像素数目，k取值范畴为0到L。当Ti+1=Ti时迭代结束，将此时Ti值为阈值。
(3) OTSU法
Ostu法是最惯用全局阈值法，该办法重要思想是：一方面运用阈值T将二值化解决后得到车牌图像灰度值分为两类，然后计算出相应类间方差和类内方差，将两者相比并求出最大比值，以此拟定出阈值T[13]。
如果将二值化解决后得到车牌图像灰度值有L个取值范畴，并且将此时相应阈值假设为T，那么灰度就可以分为两类，其中将不大于T灰度值设为类1，显然，不不大于T灰度值设为类2[14]。那么此时，可以运用相应公式和已知值分别计算出均值和方差。在对车牌图像灰度值进行分类之前，如果假设所有灰度值平均取值为，那么此时类内方差可以运用公式2.7计算求得。
(2.7)
类间方差由下式计算:
(2.8)
将公式2.7和公式2.8计算所得值相比即，要想在类内方差保持不变状况下得到最大比值，就必要尽量取到最大值，此时相应像素值就是但愿得到阈值T。
3、 局部阈值法
普通来说，在通过二值化解决后得到车牌灰度图像中，图像背景像素值是不是固定不变，固然图像中物体像素值和背景像素值比值也不是一成不变[15]。正是由于这个因素，阈值T也会随之变化，这时就不能再采用全局阈值法来解决了，这时就得采用局部阈值法了。局部阈值法是对所有像素取一种阈值，并且保证所取阈值只与其周边像素关于。
由于车牌图像中所有像素都要拟定一种阈值T，因此最后辨认效果比较抱负，合用范畴广，但是执行时间长实时性不好。对图像进行局部二值化解决，有一种不可避免且难以克服问题就是图像容易不连通[16]。
(1)Niblack
这是一种行之有效并且非常简便办法，借助计算车牌图像中局部位置像素均值和方差来拟定中心位置像素阈值。例如，对一种中心位置为局部图像而言，可以很轻松地计算出它像素均值和方差值：，，那么该像素点阈值为：
(2.9)
大小非常敏感，若太大，图像细节容易被删去，反之，若太小，图像会存在诸多噪声。
(2)Bernsen
对中心为窗口，其最大和最小像素值为，，若，则其相应阈值为：
（2.10)
否则该窗口属于同一类。
当前可使用二值化算法有诸多，本文仅就其中几种做了简朴简介，每种办法各有优缺陷。当采用全局二值化办法来解决图像时，Ostu法是最惯用且效果还不错一种办法。因而本次毕业设计，就应用了Ostu法进行图像二值化解决，这也为后续车牌辨认等过程提供了一种高质量车牌图像。图2.7是本此设计中仿真出二值化车牌图像。
图2.7 二值化图像
2.6 数学形态学解决
在车牌辨认系统中，运用形态学知识和有关算法可以排除某些直观上干扰因素，有助于准拟定位车牌位置。它原理是一方面找到一种有一定形态构造元素，接下来运用它对车牌图像中有关形状进行量度和提取，从而实现对车牌图像分析和辨认功能[17]。数学形态学重要采用了领域运算形式，可以简化图像数据，保存图像中有用信息，去除无关信息。最基本形态学运算子有膨胀运算、腐蚀运算以及两者组合而成开运算和闭运算等。
(1)膨胀运算
膨胀运算基本原理是将与物体接触某些背景点合并到物体中[18]。通过图像膨胀，图像边界变大，元素面积相应增长，并且图像膨胀可以填充图像中空隙和连接断续点，使其成为连通区域。膨胀运算公式如下：
(2.11)
(2)腐蚀运算
腐蚀运算基本原理是在构造元素制约下，删减物体边界点和边界上突出某些，使其向内收缩。其重要应用于消除分割图像时产生微小且无意义点。腐蚀运算公式如下：
(2.12)

(3)开运算
开运算也就是对待解决图像进行腐蚀操作和膨胀操作过程。它作用是在不变化物体面积条件下，滤除图像中细小孤立点、毛刺，擦除在两块区域之间连接小点，平滑图像大体轮廓。同步在保证图像面积基本不变和相对完整地保存构造元素点条件下，不变化图像总位置和形状。
(4)闭运算
闭运算即先膨胀后腐蚀。该运算可以在不影响图像中明亮细节条件下，去除暗细节某些。经闭运算后，图像中细小空隙得以填充，连通图像中临近物体，图像边界更为平滑，在不明显变化物体面积状况下，图像总位置和形状保持不变。
本论文中对字符区域进行形态学腐蚀运算，去除图像中不持续边界点，再应用形态学闭运算，连通图像中小块区域，最后删除干扰因子初步定位车牌区域[19]。拟定车牌区域流程图如下：

图2.8 拟定车牌区域流程图
第三章 车牌定位及字符分割
3.1 引言
车牌定位是整个车牌辨认系统中对图像解决较为重要第一步，能否正拟定位出车牌位置直接影响到车牌辨认率。车牌定位就是从原始车辆照片上依照车辆牌照长宽比和颜色组合信息等特性来检测出面积尽量小而完全包围车牌区域图像，并将其从原始图像中分割出来。现实环境下，不同光照以及不同拍摄距离、角度影响，采集到车牌图像也许模糊不清甚至文字笔画不持续，因此要排除干扰，精确地定位出车牌位置有一定难度。
3.2 车牌定位算法简介
当前惯用车牌定位算法有数学形态学法、边沿检测法、小波分析法、灰度值法[20]。
（1） 基于数学形态学定位算法
基于数学形态学定位算法就是运用腐蚀运算和闭运算解决二值化图像，拟定出目的，滤除噪声，实现车牌定位。其中腐蚀运算可以删去图像中边界点和边界上突出某些，闭运算可以连通图像中小块区域，最后根据车牌图像特性知识来实现功能。这种办法可以自动调节阈值，从而适应光照等外界因素干扰，并且可以迅速定位。在本文中2.6节详细解释了数学形态学算子。
（2） 基于边沿检测定位算法
边沿是指图像中灰度级发生阶跃变化某些，由于边界灰度值和物体灰度值有差别，因此可以依照车牌内部字符边沿特性，找出车牌大体区域。这种办法有一定局限性，就是对图像质量规定较高，如果图像中干扰太多，就有也许发生误判，将干扰强边沿标记为车牌边界。在本轮中2.4节，已经较为详细简介了几种边沿检测算子，本系统中采用是Canny算子。
（3） 基于小波分析定位算法
小波分析定位算法结合了数学形态学一某些知识，先用小波提取边沿边沿中小块区域，在不同辨别率层次上分割图像；再运用形态学运算滤除噪声，从而实现精准定位，这种办法计算量较大，定位速度较慢。
（4） 基于灰度值定位算法
基于灰度值定位算法采用了线段探针搜索定位车牌区域，其基本原理是运用车牌底色、边框颜色以及背景颜色在灰度化之后产生灰度值有差别，形成了灰度值阶跃变化边界。车牌边框灰度值比背景灰度值高，并且边框为平行四边形，可以使用边沿检测算法，将车牌区域提取出来。
3.3 本文车牌定位算法
本文采用数学形态学办法实现车牌定位效果，由于车牌定位精确度受到选取构造元素制约，太大构造元素使车牌区域粘连成连通域，会带入一定噪声；而太小构造元素则不能将车牌字符区域粘连在一起，以至于无法准拟定位出车牌区域，因此必要将数学形态学定位算法和其她算法结合起来。边沿检测可以去除大量噪声，突出车牌边沿某些，此时再采用数学形态学算法解决图像，就可以较好地将车牌区域粘连成连通域，再依照车牌固有特性，实现功能[21]。该办法详细思路如下图所示：

图3.1 车牌定位算法流程图
3.4车牌倾斜矫正
普通状况下，车牌形状是一种比例固定矩形，但是由于拍摄角度和车辆位置不同，实际拍摄出车牌往往会产生畸变，这对接下来字符分割和字符辨认产生了一定影响。普通车牌倾斜了之后，会产生下图中浮现三种状况。

图3.2 水平倾斜两种状况

图3.3 垂直倾斜两种状况

图3.4 水平垂直倾斜两种状况
图3.2所示就是车牌图像发生水平倾斜时浮现两种位置，此时车牌上字符几乎没有发生倾斜，车牌坐标轴与图像坐标轴间相差倾斜角度为，求出值为，重要将图像旋转度就可以矫正好车牌。车牌垂直倾斜两种状况如图3.3所示，此时倾斜事实上是同一行上像素偏移，求出倾斜角度然后进行矫正。车牌水平垂直倾斜两种状况如图3.4所示，此时车牌图像即发生了水平倾斜又发生了垂直倾斜。这种倾斜状况是最常用。
在国内研究车牌辨认技术时，使用率较高矫正算法有：Hough变换法、旋转投影法和Radon变换法[22]。Hough变换法是运用车牌上下边沿与水平夹角倾斜角度，来实现车牌位置矫正。但是在现状下，受到噪声和车牌边框不够突出等干扰因素影响，Hough变换法应用起来困难重重，因此计算量大并且矫正效果不够抱负。为此，应当在矫正车牌前，先对车牌进行二值化和边沿检测解决，使得车牌轮廓分明，以便于接下来矫正解决。旋转投影法是运用重复旋转车牌图像办法，将旋转后图像投影到坐标轴上，通过寻找旋转后投影最大值，试探性地求出倾斜角度从而实现车牌位置矫正。尽管旋转投影法可以较好地避免干扰，但是实时性不够高，因此本文并未采用这种办法。Radon变换法是这三种办法中相对较好一种，这种算法也需要先对二值图像进行边沿检测，然后再对车牌做形态学解决，接着计算水平边倾斜角，最后运用如下所示公式进行Radon变换。Radon变换不但检测了水平倾斜角还检测了垂直倾斜角，然后将车牌旋转某一给定角度从而矫正车牌水平位置,并使用双线插值办法来实现车牌垂直方向矫正。
（3.1）
本文采用Hough变换法，通过检测上下两条边框来实现矫正车牌位置效果，图3.5就是倾斜车牌位置矫正算法流程图。

图3.5 车牌矫正算法流程图
3.5 车牌边框去除
在实际操作时，由于客观因素干预，待辨认车牌图像中字符背景往往比较复杂，包括了诸多干扰信息。当车牌通过二值化之后，依然会保存某些噪声如边框和铆钉等。在进行车牌字符分割之前需要将车牌上干扰信息去除，否则势必会影响接下来字符分割和辨认过程。
车牌图像通过二值化后，可以明显地看出车牌边框与车牌字符区域明暗跳变次数差别，车牌字符区域黑白跳变频繁，可以运用这个特性来去除车牌边框。显而易见地，可以通过观测发现字符区域和边框中存在间隙，因此可以搜索并删去间隙，保存字符区域。
可以对矫正后车牌进行行扫描，从车牌上边框水平向下扫描，当扫描到车牌1/4处时，发现车牌黑白跳变次数不不大于某一设定阈值时，停止扫描，并删去这1/4区域，此区域是车牌上边框。对于左右边框和下边框也可以采用同样办法来去除。去除上边框算法流程图如下：

图3.6 去除上边框算法流程图
3.6 车牌字符分割
3.6.1 车牌规格
本系统中设计辨认软件针对是小功率汽车。这种车牌边框长度为450mm，宽度为150mm，其中包括了7个字符。在车牌中第一种位置上字符是中文，代表是地区，在车牌中第二个位置上字符是大写英文字母，代表含义是发证机关，在车牌中第三个位置上字符到第五个位置上字符有也许是大写英文字母，也也许是阿拉伯数字，在车牌中第六个位置上字符和第七个位置上字符是阿拉伯数字。依照国内国家规定，所有车辆汽车牌照上字符必要达到409mm长度，而每个独立字符必要达到45mm宽度和90mm高度，第二个位置上字符与第三个位置上字符间相距34mm，而其她字符间相隔12mm距离。因此在进行车