车牌识别系统毕业论文.doc

车牌识别系统毕业论文

车牌识别系统毕业论文

论文(设计)题目

车牌识别系统——车辆牌照定位

系统的设计与实现
院系名称

计算机科学与技术系
专业（班级）

计算机科学与技术

摘 要
车牌识别系统作为智能交通系统的一个重要组成部分，在交通监控中占有很重要的地位。车牌识别系统可分为图像预处理、车牌定位、字符识别3个部分，其中车牌定位作为获得车辆牌照图像的重要步骤，是后续的字符识别部分能否正确识别车牌字符的关键环节。车牌定位系统实现对车辆牌照进行定位的功能,即从包含整个车辆的图像中找到车牌区域的位置，并对该车牌区域进行定位显示，将定位信息提供给字符识别部分。
在本文中作者分析出车辆牌照具有如下特征：（1）具有固定的长宽比；（2）车牌区域内部字符数目固定；（3）字符与背景之间存在很大的颜色差别；（4）对于含有车牌信息的灰度图像，其车牌区域边缘明显，灰度跳变大，相对于车牌以外区域，具有明显的特征等。所以，一般基于图像处理的车牌定位系统是通过分析车辆牌照的某些特征来进行定位的。
针对车牌本身固有的特征，本文首先介绍了在车牌定位过程中常用的几种数字图像处理技术：图像的二值化处理、边缘检测和图像增强等。其次介绍了现在常用的车牌定位方法，并对这些方法进行分析，总结出各种方法的优缺点，然后在此基础上提出采用带边缘检测的灰度图像行扫描投影方法对车牌进行定位，并使用VC++6.0编码实现车牌定位系统。最后对该系统进行了测试，测试结果表明该系统具有良好的人机交互方式，具有较高的识别正确率和较快的识别速度，对用户给定的待测图像能够迅速准确地进行车辆牌照的定位并将定位结果显示给用户，该系统具有一定的实用价值。
关键词：车牌定位，灰度图像，行扫描，投影
Abstract
As an important part of the Intelligent Transportation Systems, License Plate Recognition System plays an important role in traffic monitoring area. License plate recognition system can be divided into three parts, i.e., image pre-processing, license plate location and character recognition. The vehicle license plate location is an important procedure which is used to obtain a license image. It is also the key of the following character recognition system which can identify the correct license plate characters. License plate location system can perform the vehicle license location function, i.e., finding the location of the vehicle license in the image containing the entire vehicle license plate, positioning the plate region and then demonstrating the location information on the computer screen which will be transferred to the character recognition system.
In this thesis, the author analyzes the vehicle license and finds that it has the following characteristics: (1) Fixed aspect ratio. (2) Fixed license plate characters number. (3) Great color difference between characters and background. (4) Obvious edge and great intensity change for grayscale images with registration information, and obvious characteristics compared with the outer plate region. Therefore, the majority of image-based positioning systems perform location function by analyzing some characteristics of the vehicle license.
According to the own inherent characteristics of license plate, this thesis introduces many commonly used digital image processing techniques in the location process of license plate: binary image processing, edge detection and image enhancement, and so on. Then, we introduce the commonly used methods of license plate location. Further, we analysis these methods and summarize their advantages and disadvantages. Moreover, we propose locating plate by using the gray-scale image projection and line scanning method with edge detection. This system was implemented by using the VC++ 6.0. Finally, the experimental results indicate that the system has a good human-computer interaction, a better identification rate and higher speed. For images provided by users, the system can quickly and accurately locate the vehicle license and display the location results to the users. Therefore, this system has some practical values.
Key words: license plate location, gray-scale images, line scan, projection
目 录
摘 要 I
Abstract II
目 录 III
第一章 绪论 1
1.1 课题的来源及意义 1
1.2 课题主要研究的问题 1
1.3 系统设计的目标及基本思路 1
1.3.1 设计目标 2
1.3.2 基本思路 2
第二章 车牌定位中常用的数字图像处理技术 3
2.1 汽车牌照的特征 3
2.2 数字图像处理技术概述 3
2.3 DIB图像概述 3
2.4 车牌定位中常用的数字图像处理技术概述 4
2.4.1 图像二值化 4
2.4.2 边缘检测 4
2.4.3 图像增强 5
第三章 车牌定位方法研究 6
3.1 车牌定位常用方法介绍 6
3.1.1 基于纹理特征分析的定位方法 6
3.1.2 基于数学形态学的定位方法 6
3.1.3 基于边缘检测的定位方法 6
3.1.4 基于小波分析的定位方法 6
3.1.5 基于图像彩色信息的定位方法 6
3.2 基于行扫描灰度跳变分析的车牌定位方法 7
第四章 车牌定位系统的设计与实现 8
4.1 车牌定位系统系统分析 8
4.1.1系统业务需求 8
4.1.2系统用户需求 8
4.1.3系统功能需求 8
4.1.4 系统运行环境需求 8
4.2 车牌定位系统的整体架构设计 8
4.2.1 系统总体架构 8
4.2.2 系统技术架构 9
4.3 车牌定位系统的功能模块划分和实现 10
4.3.1 系统的功能模块划分 10
4.3.2 系统的功能模块实现 11
第五章 车牌定位系统的系统测试 16
5.1 系统测试过程 16
5.2 系统测试结果 17
5.3 测试结果分析 24
第六章 技术要点回顾 26
6.1 难度分析 26
6.2 主要工作 26
6.3 应用的主要技术手段 26
6.4 存在的问题及展望 27
结 论 28
参考文献 29
致 谢 30

29
毕业论文
第一章 绪论
1.1 课题的来源及意义
随着全球各国汽车数量的持续增加，城市的交通状况越来越受到人们的重视。如何有效地进行交通管理日益成为各国政府相关部门所关注的焦点。智能交通系统（Intelligent Transportation System，简称ITS）针对这一问题，能够有效实现道路交通自动化管理，增强交通安全，提高运输效率，提高经济活力[1]。
在智能交通系统中，如何准确的对车辆的信息和身份进行高速准确识别是最为重要和关键的问题。车辆牌照作为车辆的唯一身份标识是智能交通系统中大量信息的来源和直接处理对象，使得车牌识别系统的研究成为智能交通系统的核心。车牌自动识别系统是对经摄像头拍摄的含有车辆牌照的图片利用图像处理的分析方法，提取出车牌区域，进而对车牌区域进行字符分割和识别，最终完成对车牌的识别[2]。其中如何提取车牌区域图像是车牌自动识别系统能否快速有效的进行车牌识别的首要问题和重要的步骤。高速有效的车牌定位系统能够显著提高车牌识别系统的识别正确率和识别速度。
车牌识别技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，在交通监视和控制中占有很重要的地位，可以应用到以下一些领域：
（1）高速公路和停车场收费管理系统。在高速公路收费入、出口完成车牌识别工作，实现不停车收费；还可以根据识别出的车牌号码从数据库中调出该车档案，可发现没有及时交纳养路费的车辆，同时杜绝养路人员的徇私舞弊现象。
（2）交通场所布控管理系统。该系统采用车牌识别技术，实现对重点车辆的自动识别、快速报警处理，不仅可以有效防止机动车辆被盗，而且为公安、监察机关对犯罪嫌疑人所驾驶的车辆自动监控、跟踪提供了高科技手段。
（3）高速公路超速自动化监管系统。该系统以车牌识别技术为核心技术，辅助其他高科技手段，建立高速公路超速无人值守的自动监测和自动布控系统，可以有效地解决高速公路上因超速造成交通事故；同时当车辆超速时，可以获取该车的图像，并得到该车的牌照号码，便于对违规车辆进行处罚[2]。
本系统基于对汽车牌照的数字图像处理和分析，提供快速有效地汽车牌照定位方法，实现对车辆牌照区域的提取功能。
1.2 课题主要研究的问题
（1）采用何种方法对车辆牌照进行定位？
（2）采用哪些图像处理算法能够满足车辆牌照定位的要求？
（3）采用何种技术流程对图像进行车辆牌照的定位？
1.3 系统设计的目标及基本思路
1.3.1 设计目标
本系统主要应用于对车辆图像进行车辆牌照的定位，根据这一实际应用背景，确定了系统设计的三个目标：实用性、高速性和鲁棒性。
实用性：该系统主要应用于车辆管理，以及其他与车牌有关系的领域，所以具有很重要的实用价值，为了提高其实用价值，要充分考虑系统在应用中所遇到的问题，防止由于识别的偏差导致结果的不正确，影响工作的进程，降低工作的效率。
高速性：由于本系统处理的对象为运动中的车辆，在实际应用过程中，提交给系统的车辆图像间隔时间较短，因此本系统必须能够高速地对车辆图像进行分析处理，并获得结果。
鲁棒性：在整个车牌自动识别过程中，本系统作为获得车辆牌照图像的重要步骤，是后续的字符识别能否正确识别的关键环节。而在实际应用过程中，系统获得的车辆图像必然会有参数不规范的现象，因此本系统必须能够适应各类图像并能够对输入的车辆图像具有较高的定位准确率。
1.3.2 基本思路
由于车辆牌照相对于车辆本身以及周围环境，具有其独有的特征，所以在车牌的定位过程中，一般采取的办法是是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。利用的车牌特征主要包括：
（1）车牌区域边缘灰度与外部区域存在明显的灰度差异。
（2）车牌的几何特征，即车牌的高、宽和高宽比在一定范围内。
（3）车牌区域的字符与背景颜色之间存在明显的灰度差异。
（4）车牌区域水平或垂直投影特征，车牌区域水平或垂直投影呈现连续的峰－谷－峰的分布。
本系统针对车辆牌照的这一系列特征，采用基于行扫描灰度跳变分析的基本思路进行车辆牌照的定位方法。该方法首先通过对灰度图像进行二值化、边缘检测、滤波等处理，获得较理想的供定位图像，然后对该图像进行垂直和水平方向的行扫描，结合车辆牌照的上述特点，通过分析图像的灰度跳变特征，对车辆牌照进行定位。
第二章 车牌定位中常用的数字图像处理技术
2.1汽车牌照的特征
汽车牌照作为车辆的唯一标识,其特征也就成为车牌定位的重要参考依据。车辆牌照的特征有形状特征、字符特征和灰度变化特征等。车牌定位系统在处理这些特征时将会应用到数字图像处理技术。
（1）形状特征
标准车牌的宽、高、以及宽高比一定。车牌的边缘是线段围成的有规则的矩形，大小变化有一定的范围。汽车前车牌的标准外轮廓尺寸为440x140，每个字符宽度为45，高度为90，间隔符宽10，字符间隔12。整个车牌的宽高比近似为3:1。实际中摄像机的拍摄角度不同，拍摄到的车牌宽高比例会有所差别。
（2）字符特征
标准车牌首位为省名简称，共有31个字符(不考虑军、警车)；次位为英文字母(除去“I”)共25个英文大写字母；再次两位为英文字母或阿拉伯数字(字母除去字母“I”和字母“O”)，各有34个字符；最末三到四位均为数字。
（3）灰度变化特征
车牌的底色、边缘颜色以及车牌外的颜色都是不相同的，表现在图像中就是灰度级互不相同，这样在车牌边缘形成了灰度突变边界。实际上，车牌的边缘在灰度上的表现是一种屋脊状边缘；在车牌区域内部，穿过车牌的水平直线其灰度呈现连续的波峰、波谷、波峰的分布；车牌区域内的边缘灰度直方图具有两个明显并且分离的分布中心；车牌区域内的水平和垂直投影呈现连续的波峰、波谷、波峰的分布。这部分特征主要用在对灰度图像进行车牌定位、字符分割方面[3]。
2.2 数字图像处理技术概述
数字图像处理的英文名称是“Digital Image Processing”。通常所说的数字图像处理是指用计算机进行的处理，因此也称为计算机图像处理（Computer Image Processing）。它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
数字图像处理因易于实现非线性处理，处理程序和处理参数可变，故是一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。主要用于图像变换、量测、模式识别、模拟以及图像产生。广泛应用在遥感、宇宙观测、影像医学、通信、刑侦及多种工业领域[4]。
2.3 DIB图像概述
DIB，全称Device Independent Bitmap，设备无关位图文件，这是一种文件格式，其目的是为了保证用某个应用程序创建的位图图形可以被其它应用程序装载或显示一样。DIB（Device-independent bitmap）的与设备无关性主要体现在以下两个方面：
（1）DIB的颜色模式与设备无关。例如，一个256色的DIB即可以在真彩色显示模式下使用，也可以在16色模式下使用。
（2）256色以下（包括256色）的DIB拥有自己的颜色表，像素的颜色独立于系统调色板。
由于DIB不依赖于具体设备，因此可以用来永久性地保存图像。DIB一般是以*.BMP文件的形式保存在磁盘中的，有时也会保存在*.DIB文件中。运行在不同输出设备下的应用程序可以通过DIB来交换图像。
典型的DIB图像文件由四部分组成：
（1）位图文件头数据结构，它包含DIB图像文件的类型、显示内容等信息。
（2）位图信息数据结构，它包含有DIB图像的宽、高、压缩方法，以及定义颜色等信息。
（3）调色板，这个部分是可选的，有些位图需要调色板，有些位图，比如真彩色图（24位的DIB）就不需要调色板。
（4）位图数据，这部分的内容根据DIB位图使用的位数不同而不同，在24位图中直接使用RGB，而其他的小于24位的使用调色板中颜色索引值。
2.4 车牌定位中常用的数字图像处理技术概述
2.4.1 图像二值化
图像的二值化处理就是将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓[4]。
车牌区域图像的二值化是车牌分割的关键步骤，它直接关系到车牌识别后续环节中字符分割的准确性以及识别的正确率。
图像二值化处理中最核心的部分就是如何选取适当的阈值。一般采取数学计算的方式计算出适合要求的阈值。由于图像采集环境的差异，再加上多种干扰因素的存在，对车牌区域图像质量造成的影响也不同，所以很难找到种普遍适用、计算简单、同时自适应性又很强的阈值计算算法对车牌区域图像进行有效的分割。
现在常用的阈值选取算法有最大类间方差法、矩保持算法、最小误差法、迭代法等。
2.4.2 边缘检测
图像的边缘是图像的最基本的特征。所谓边缘是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间[5]。
物体的边缘是由灰度不连续性所反映的。一般边缘的提取方法是考察图像的每个像素在某个领域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，选取适当的算子，用卷积的方法检测边缘。
图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。常用的边缘检测方法有SOBEL法、ROBERT法、KIRSCH法等。
2.4.3 图像增强
图像增强，即增强图像中的有用信息，一般是一个失真的过程，其目的是要增强视觉效果，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果[5]。
图像增强的目的是改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。其方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，使图像与视觉响应特性相匹配。
图像增强按所用方法可分成频率域法和空间域法。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
第三章 车牌定位方法研究
3.1 车牌定位常用方法介绍
车牌定位是整个车牌识别系统中核心的环节，定位精度和定位时间直接影响整个车牌识别系统的性能。车牌定位算法大多是基于汽车牌照的不同特征而提出的，一般在车牌定位方面主要的算法都是基于灰度图像的处理技术。
3.1.1 基于纹理特征分析的定位方法
传统的纹理特征分析定位算法大多基于灰度图像来分析的，所以在车牌定位以前，需要对图像进行预处理，将彩色图像转换为灰度图像。采用纹理特征分析的定位方法首先进行行扫描，找出图像中每一行所含有的车牌线段，记录下它们的起始坐标和长度。如果有连续若干行均存在不少于一个的车牌线段，且行数大于某一确定的阈值，则认为在行的方向上找到了车牌一个候选区域，并确定了该候选区域的起始行和高度。在已找到的可能存在车牌的区域做列扫描，以确定该车牌候选区域的起始行和高度以及起始列坐标和长度[6]。由此确定一个车牌区域。
3.1.2 基于数学形态学的定位方法
数学形态学图像处理的基本思想，是利用一个结构元素来探测一个图像，看是否能将这个结构元素很好的填放在图像内部，同时验证填放元素的方法是否有效[7]。腐蚀、膨胀、开启和关闭是数学形态学的基本运算。
3.1.3 基于边缘检测的定位方法
图像的边缘是指在灰度级上发生急剧变化的区域，而在背景或者物体的内部这种灰度的变化是比较平缓的。边缘检测的任务是精确定位边缘和抑制噪声。能够进行检测的方法有多种，如Roberts边缘算子、Prewitt算子、Sobel算子以及拉普拉斯边缘检测[8]。这些方法正是利用了物体边缘处灰度变化剧烈这一特点来检测图像的边缘。针对不同的环境和要求，选择合适的算子来对图像进行边缘检测才能达到好的效果。
3.1.4 基于小波分析的定位方法
小波分析是一种应用于图像处理的重要分析工具，具有“显微镜”的特性。小波分析的多分辨率特性使得小波分解系数在不同方向的高频子波系数具有不同特性，因此利用方向小波能够反映出图像在不同分辨率上沿任一方向变化的情形[9]。小波分析的多尺度分解特性更加符合人类的视觉机制。
3.1.5 基于图像彩色信息的定位方法
传统的车牌分割方法主要应用了车牌的纹理特征和形状特征，一般情况下这二个特征对于多数情况足够了，但对于复杂背景就不够了，常借助于颜色特征来排除干扰，以提高车牌定位的准确率和成功率[10]。
3.2 基于行扫描灰度跳变分析的车牌定位方法
分析以上的各种车牌定位方法，不难发现，不同的定位方法具有各自特有的优点和缺点。基于纹理特征的车牌定位方法受外界因素影响较大，定位成功率不高，但是其定位速度较快。基于数学形态学的定位方法，其能够将定位与字符识别的功能合二为一，但是其对于图像预处理后的图像效果的要求较高，并且由于要进行多种数学运算，其定位的速度较慢。基于边缘检测的定位方法，其充分利用车辆牌照的特征进行定位处理，定位的成功率高，但是其受外部干扰因素较多，定位精度不是很稳定，不同的边缘检测算子其运算效率也不尽相同。基于小波分析的定位方法需要对图像进行特征的时域频域转换，运算效率低，但是能够获得较高的定位成功率。基于图像彩色信息的定位方式能够利用图像的色彩信息进行定位处理，其定位精度高，但是其易受外部干扰的影响，且由于色彩信息数据量巨大，其运算速度较慢，对硬件资源要求很高。
结合对车辆牌照特征的分析以及对各种定位方法的比较，本系统采用的是基于行扫描灰度跳变分析的车牌定位方法。该方法综合了基于纹理特征分析和基于边缘检测分析方法的特点，具有速度快和准确性高的优点。该方法首先对读入的含有车牌的灰度图像进行数字图像处理包括二值化、边缘检测和滤波处理，获得较理想的供定位的图像。对图像进行二值化处理，将灰度图像通过适当的阀值选取，将图像的每个像素进行二值化操作，得到仍然可以反映图像整体和局部特征的图像。对图像进行边缘检测，通过对图像每个像素进行数学运算，获得只包含图形边缘轮廓信息的图像。使用图像增强技术，通过对图像进行噪声的过滤等，改善图像质量、丰富信息量，加强图像判读和识别效果。然后对图像进行针对灰度跳变数量统计的水平和垂直方向的行扫描，获得这两个方向上的直方图。根据车辆牌照灰度图像在水平和垂直方向上的灰度跳变特征，通过设定阈值分析出车牌区域的位置。最后输出车牌区域图像并提交给用户车辆牌照区域在整个图像中的坐标位置信息。
第四章 车牌定位系统的设计与实现
4.1 车牌定位系统系统分析
4.1.1系统业务需求
在智能交通系统中，如何准确的对车辆的信息和身份进行高速准确识别是最为重要和关键的问题。车辆牌照作为车辆的唯一身份标识是智能交通系统中大量信息的来源和直接处理对象，使得车牌识别系统的研究成为智能交通系统的核心。车牌自动识别系统是对经摄像头拍摄的含有车辆牌照的图片利用图像处理的分析方法，提取出车牌区域，进而对车牌区域进行字符分割和识别，最终完成对车牌的识别。其中如何提取车牌区域图像是车牌自动识别系统能否快速有效的进行车牌识别的首要问题和重要的步骤。高速有效的车牌定位系统能够显著提高车牌识别系统的识别正确率和识别速度。
4.1.2系统用户需求
用户使用本系统时，需提供含有车牌信息的256色BMP格式灰度图像。用户提供的图像中所包含的车牌信息需要具有固定的特征共性，即摄像机对车辆进行拍照的方位需固定拍摄距离、摄像机相对于拍摄面的倾斜角度相同等，并应保证提供的图像清晰度较高等。用户在车牌定位完成后要对结果进行确认并对错误结果及时进行发现和修正。
4.1.3系统功能需求
系统需要识别和读取存于磁盘中的用户提供的含有车牌信息的256色BMP灰度图像。使用车牌定位算法对用户提供的车牌图像进行定位和图像的分割并提供最终的定位结果图像。系统能够由用户手动控制车牌定位的步骤并能看到定位的具体功能实现，具有良好的人机交互功能。系统需能够高速可靠的对用户提供的图像进行识别，并得出定位结果，对于不能够进行定位操作的图像，要能够及时给用户以提示。
4.1.4 系统运行环境需求
软件对环境没有特殊要求，在普通PC机上Windows操作系统中能够将需要定位处理的含有车牌信息的256色BMP灰度图像输入软件系统，在Visual C++ 6.0中即可完成车牌定位的所有操作。车牌定位的具体过程对用户透明。
4.2 车牌定位系统的整体架构设计
4.2.1 系统总体架构
系统大致分为三个子系统：图像输入子系统、车牌定位子系统、图像分割子系统。
（1）图像显示子系统：要求能将256色BMP格式的灰度图像进行正确的读取显示。
（2）图像处理子系统：要求对读取的灰度图像进行数字处理，对其进行二值化处理、边缘检测，以获得良好的素材图像，供车牌定位使用。
（3）车牌定位子系统：对处理后的灰度图像进行水平和垂直方向上的灰度投影，以确定车牌区域在整个图像中所在的具体坐标位置信息。
4.2.2 系统技术架构
在WinXP操作系统环境下运用Visual C++ 6.0开发工具开发。
（1）图像的二值化
系统对图像进行二值化处理，提供三种不同类型的二值化算法。
（a）自适应算法
该算法获取阈值的方法公式为T=Gmax-(Gmax-Gmin)/3，Gmax和Gmin分别是灰度图像中最高和最低灰度值。该方法能根据读入的灰度图像中的灰度信息动态确定二值化阈值。该阈值对不同牌照有一定的适应性，能够保证背景基本被置为0，以突出牌照区域。
（b）最大类间方差法（OTSU法）
二值化阈值将原图像分成前景，背景两个图像。当取最佳阈值时，背景应该与前景差别最大，关键在于如何选择衡量差别的标准。而在OTSU算法中这个衡量差别的标准就是最大类间方差。当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时效果不好，但是类间方差法是用时最少的。
最大类间方差法（OTSU）的公式推导为：记T为前景与背景的分割阈值，前景点数占图像比例为W0， 平均灰度为U0；背景点数占图像比例为W1，平均灰度为U1。则图像的总平均灰度为：U=W0*U0+W1*U1。方差公式为：G=W0*(U0-U)*(U0-U)+W1*(U1-U)*(U1-U)=W0*W1*(U0-U1)*(U0-U1)。当方差G最大时，可以认为此时前景和背景差异最大，也就是此时的灰度是最佳阈值。
（c）迭代法
迭代法是基于迭代逼近的思想，通过迭代运算，获得最佳的二值化阈值。首先求出图像的最大灰度值和最小灰度值，分别记为Gmax和Gmin，令初始阈值T0=(Gmax+Gmin)/2。根据阈值TK将图像分割为前景和背景，分别求出两者的平均灰度值TO和TB。新阈值为TK+1=(TO+TB )/2。若TK=TK+1，则所得即为阈值，否则转2，迭代计算，最后获得最佳阈值。
（2）边缘检测
系统对图像进行边缘检测处理，提供三种不同类型的边缘检测算法。
（a）自适应算法
系统对二值化后的图像做简单的相邻像素灰度值相减，得到新的图像G，即Gi，j= Pi，j-Pi，j-1 i=0，1，…，m j=0，1，…，n Gi，0=Pi，0，左边缘直接赋值。该算法能够快速有效地检测出二值化图像边缘。
（b）SOBEL法
系统对图像中的每个像素点使用水平和垂直SOBEL算子做卷积，水平算子对水平边缘响应最大，垂直算子对垂直边缘响应最大，两个卷积的最大值作为该点的输出值。SOBEL水平算子为[-1，0，1]，[-2，0，-2]，[-1，0，1]。SOBEL垂直算子为[-1，0，-1]，[0，0，0]，[1，0，1]。
（c）ROBERT法
设当前像素灰度值为T，图像宽度为W，则ROBERT算子为[T，T+1]，[T+W，T+W+1]。Robert算子通常会在图像边缘附近的区域内产生较宽的响应。
（3）中值滤波
中值滤波是一种非线性平滑技术，它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值。通过从图像中的某个采样窗口取出奇数个数据进行排序，用排序后的中值取代要处理的数据即可。中值滤波在图像处理中，可以在滤除噪声的过程中很好地保护边缘信息。
（4）水平和垂直投影。对图像进行水平和垂直投影，将二值化图像水平方向和垂直方向上投影到X和Y轴，获得水平和垂直方向上的直方图。
在含有车牌的灰度图像中，水平方向上车牌区域以外一般存在着较规范的灰度分布，而车牌区域则存在着明显的灰度变化规律，因而对车牌灰度图像进行水平投影可以较容易得获得车牌的上下边缘坐标。
在此基础上，对该上下边缘坐标之间的灰度图像进行垂直投影，由于一般在车牌垂直方向上不存在较大的灰度变化，进行垂直方向上的投影，其直方图可以较明显的反映出有字符区域和没有字符区域灰度跳变规律，因此可以获得车牌的左右边缘坐标。
不论水平方向上还是垂直方向上的投影，都需要通过对行扫描而得来的灰度跳变点数目统计直方图进行一个阈值的分析而获得坐标范围。对于水平方向上的投影，因为车辆牌照在图像中所处的位置一般偏下，所以行扫描的过程是对灰度图像从下到上扫描的过程。因此其经过二值化、边缘检测和滤波以后的图像从下而上获得的水平投影中，最先获得的超过某一阈值的一段直方图范围一般都是车辆牌照的投影范围。因此对于水平方向上的阈值的选取本系统采用的算法为先统计所有的跳变点数目和跳变行数，求其每个跳变行的平均跳变数，将其作为选取车牌水平投影上下边缘的阈值。而垂直方向上投影区域的阈值选取，本系统使用其所有跳变列中的最少跳变点数目作为选取车牌垂直投影左右边缘的阈值。
4.3 车牌定位系统的功能模块划分和实现
4.3.1 系统的功能模块划分
（1）图像读取子模块
由用户提供含有车牌信息的256色BMP格式灰度图像的磁盘路径，模块根据路径读取出灰度图像，并提供给后续的模块。
（2）二值化子模块
与图像读取子模块相连接受其提供的灰度图像，使用用户选择的二值化算法计算图像中的灰度值分布，获得二值化最佳的阈值，使用该阈值对灰度图像进行二值化处理，并提供给后续模块。
（3）边缘检测子模块
与二值化子模块相连接受其提供的灰度图像，使用用户选择的边缘检测算法对图像进行边缘检测运算，通过运算获得边缘，将处理后的图像提供给后续的模块。
（4）滤波子模块
与边缘检测子模块相连接接受其提供的灰度图像，使用中值滤波方法对图像噪声进行过滤，将处理后的图像提供给后续的模块。
（5）水平和垂直投影子模块
与滤波子模块相连接受其提供的灰度图像，分别在垂直方向上和水平方向上对其进行投影操作，根据车辆牌照的一些特性，通过判断行跳变次数获得垂直和水平方向上车牌区域坐标。模块将这些坐标提供给后续的模块。
（6）图像分割子模块
与水平和垂直投影模块相连接其提供的车牌区域的坐标值，使用这些坐标值对图像进行分割，获得车牌区域的子图像并显示。
图像显示子系统
图像处理子系统
车牌定位子系统
图4-1 系统模块划分框图

图像读取模块
图像二值化模块
边缘检测模块
中值滤波模块
水平投影模块
垂直投影模块
图像分割模块

4.3.2 系统的功能模块实现
通过上述分析可知本系统主要分为如下六个子模块：图像读取子模块、二值化子模块、边缘检测子模块、滤波子模块、水平垂直投影子模块和图像分割子模块等。这六个子模块之间具有一定的联系，按照图4-2所示的方式法可以将这六个子模块组合在一起，形成一个完整的车辆牌照定位系统。即图4-2为系统流程图。
开始

打开文件
是否打开

出错提示
N
Y
是否是256位灰度图
Y

灰度转换
N

灰度分析

灰度均衡

二值化

边缘分析

中值滤波

水平投影

垂直投影

截取子图
结束
是否找到
N
Y
图4-2 系统流程图

（1）图像读取子模块
系统所操作的对象为DIB图像，而由于MFC未提供DIB类，系统自带了一个DIB类，通过该类实现对DIB图像的各种操作[11]。在读取DIB图像时由CFILE类打开文件，并判断是否为规定的256色灰度图，若是则将该DIB图地址存于DIB指针中，调用相关的绘制DIB图像的类在界面上绘制DIB图。
用户选择文件
打开文件
Y
N
是否为256位灰度图
Y
绘制图像
提示出错
N
图4-3 图像读取子模块流程图

（2）二值化子模块
系统提供给用户三种不同的二值化方式，由用户选择单选按钮来选定。系统判断用户选择的单选按钮，调用不同的二值化类或方法，将DIB指针所指向的DIB图像中的每一像素进行二值化处理，最后在界面上通过绘制类绘制出来。
用户选择二值化方式
调用对应二值化算法对图像进行二值化操作
绘制图像
是否成功
出错提示
Y
N
图4-4 二值化子模块流程图

（3）边缘检测子模块
系统提供给用户三种不同的边缘检测方式，由用户选择单选按钮来选定。系统判断用户选择的单选按钮，调用不同的边缘检测类，将DIB指针所指向的DIB图像中的每一像素进行边缘检测处理，最后在界面上通过绘制类绘制出来。
用户选择边缘检测方式
调用对应边缘检测算法对图像进行边缘检测操作
绘制图像
是否成功
出错提示
Y
N
图4-5 边缘检测子模块流程图

（4）滤波子模块
系统提供给用户中值滤波方式，调用中值滤波类，将DIB指针所指向的DIB图像进行中值滤波处理，最后在界面上通过绘制类绘制出来。
调用中值滤波算法对图像进行滤波处理
绘制图像
是否成功
出错提示
Y
N
图4-6 中值滤波子模块流程图

（5）水平和垂直投影子模块
系统对DIB指针所指向的DIB图像先进水平投影，调用水平投影类，对灰度图像从上到下每行进行像素进行行扫描，获得每行的跳变点总数目以及跳变行的数目。将灰度跳变点总数目除以总行数获得每行投影