毕业设计论文-基于图像处理的车牌识别系统的研究

毕业设计论文-基于图像处理的车牌识别系统的研究内容摘要：

=max( R , G , B) ：取 R , G ,B 的值的平均值作为灰度值，即 Gray = ( R + G +B) / 3 YUV 颜色空间的亮度分量 Y 的值为当前像素值，即 Gray = (W r * R + Wg * G +Wb * B) 其中 , ,r g b W W W 分别为 R , G ,B 的权值。 膨胀运算 膨胀：将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。 利用它可以填补物体中的空洞。 B 对 X 膨胀所产生的11 二值图像 D 是满足以下条件的点（ x,y）的集合 :如果 B 的原点平移到点（ x,y），那么它与 X 的交集非空。 在膨胀操作时，输出像素值是输入图像相应像素邻域内所有像素的最大值。 膨胀运算 规则： 膨胀 超出图像边界的像素值定义为该数据类型允许的最小值，对于二进制图像，这些像素值设置为 0；对于灰度图像， unit8 类型的最小值也为 0。 膨胀效果图 三． 车牌 照定位 技术 牌照的定位从图像处理的意义上来说就是从一幅随机图像中找出一块具有某种特征的区域，该区 .域中包含了汽车牌照。 这种特征就是牌照本身区别于图像其他部分的特征。 根据特征提取的不同，牌照定位的方法也就有很大的不同 : ，通过检测图像中的长直线段，12 然后用一定的约束条件进行搜索的方法来确定牌照的位置。 这种方法定位的精度较高，但是易受到噪声的影响。 且对有些边框磨损、不明显的牌照效果不好。 ，通过对含有汽车的图像水平和垂直两个方向的灰度投影直方图的分析 ，来推断出汽车牌照的位置。 这种方法优点是对图像中的噪声不敏感，缺点是定位精度不够高。 区域，然后利用车牌的几何特征以及车牌区域内的边缘灰度直方图统计特征删除伪车牌，即得到真实车牌。 变换法是先对图像逐行做 DTF 变换，然后把频率系数逐行累加平均，并根据这些平均值做出频率谱曲线，根据频谱曲线中的“峰”的起始点位置确定车牌水平位置，对这一水平区域逐列做 DTF变换可确定车牌竖直位置。 这种方法主要是 利用我国汽车牌照字符与底色对比较多，彩色图像比灰度图像能够更多的视觉信息并对各种光照不敏感等特点。 这种方法也取得了较好的效果。 本文采用对汽车图像进行水平扫描的办法对车牌区域进行定位分割。 这种方法克服了噪声的影响又提高了车牌定位分割的准确性。 在最后章节的实现中会具体看到算法的效果。 SOBEL 边缘检测 Sobel算子 用于图像处理 ，特别是在边缘检测算法。 从技术上13 讲，它是一个离散的微分算子 ，计算了该逼近梯度的图像强度函数。 在图像中的每个点， Sobel算子的结果是，其对应的梯度向量或向量的范数。 该 Sobel 算子是基于卷积具有体积小，可分的形象，价值过滤和整数水平和垂直方向，因此在计算方面相对便宜。 另一方面，梯度近似它生产的是比较粗糙，特别是对图像中的高频率的变化。 简化描述： 简单来说，操作计算 梯度 强度在每一点的形象，使光的方向最大可能增加对黑暗和方向率的变化研究。 因此，结果显示 “ 突然 ” 或 “ 顺利 ” 的形象在这一点上的变化，因此，怎么可能，那就是这种形象的一部分，代表了优势 ，以及如何这种优势很可能是导向。 在实践中，幅度（边可能性）计算更可靠和更容易理解的方向比计算。 数学上， 渐变的双变量函数（这里的图像强度函数），是在每个图像点的二维 向量 与给定的组件衍生物在水平和垂直方向。 在每一个像点，在最大可能强度增加的方向梯度矢量点，渐变的矢量长度对应于在该方向的变化率。 这意味着，该 Sobel 算子在图像点在不断图像强度区域结果是零向量，在边缘上的一个点是一个向量，点对面，从黑暗的边缘，到光明的价值。 算子包含两组 3x3 的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。 边沿提取图片 14 ： 产生较好的边缘检测效果，抗噪声能力较好，受噪声影响小。 SOBEL算子利用像素点上下左右邻点的灰度加权算法，根据边缘的极值这一现象进行边缘的检测。 对噪声具有平滑左右。 RANDON 图像旋转 ： 其原理是对原图像沿不同方向进行投影，并对投影结果建立二维直方图．选 取极值点为直线所对应的点 (二维直方图中的每一个极值点的两坐标对应直线边缘的倾斜角度和位置，而该坐标处对应的函数值对应投影的高度 )，从而可以得到直线的几何参数信息 (倾斜角度和位置 )．如果物体图像具有大致沿竖直方向的物体边缘，须先将图像进行预处理得到二值图像．然后根据 Randon变换，沿竖直方向对二值图像进行投影． 设 ƒ（ x） 的 = ƒ（的 x， y） 是一个连续函数 ， Radon 变换 ， Rƒ，是由一个 函数 L 2 中定义的空间直线 在 R 线积分沿每个这样的行： 15 通过参数化 Radon 变换可表示在这些坐标 图像的旋转： 应用语句 imrotate Bilinear 双线性插值法 imrotate(bw2,a,39。 bilinear39。 )。 %bw2 为二值图像旋转 四． 车 牌字符分割 技术 为了准确地识别牌照上的汉字、英文字母和数字。 必须把单个字符从牌照中提取分离出来。 在实际处理中，我们面对 的是要识别的牌照字符情况非常复杂。 可能会存在较大的干扰、噪声，这是由于各种设备可能产生的噪声所引起的，使得牌照图像中可能产生字符之间断裂的现象，图像中算符的笔画可能产生字符之间粘连或者字符断裂的16 现象。 算符的笔画可能变粗，其影响是字符的轮廓模糊不清、字符之间粘连。 同时，经牌照定位而分割出的牌照区域亦非完全精确到牌照上的字符区域，所面对的是在牌照四个边框附近误差几个象素。 并且字符为白字，还将有汽车保险杠与牌照四边边框的残留图像以及牌照上两个铆钉干扰的一个区域。 这就要求我们对牌照要有一定的了解。 现有的牌照有四种 类型 :(1)小功率汽车所用的蓝底白字牌照。 (2)大功率汽车所用的黄底黑字牌照。 (3)军用或警用的白底黑字、红字牌照。 (4)国外驻华机构用的黑底白字牌照。 这四种牌照的外轮廓长度均为 45Omm，总的宽度为 150mm，共有字符 7 个 (不包括第二、三字符之间的小圆点 )。 标准的民用车辆牌照 (军车、警车、教练车、领事馆车除外 )均为七个字符，首位为省名缩写 (汉字 )，次位为英文字母，再次位为英文字母或阿拉伯数字，末四位字符均为数字。 字符总长度为 409mm，其中单个字符统一宽度为 45mm，高 90mm，第二三个字符间间距为 34mm(中间小圆点 10mm 宽，小圆点与第二、三个字符间间距分别为 12mm)，其余字符间间距为 12mm。 牌照字符为。