基于数字图像处理的车牌识别系统
1绪论
1.1研究背景及意义
近些年，私家车的需求数量迅速上升，城市交通设施的快速发展无法跟上车辆的增加，而大规模交通设施的大力发展也解决不了现有的交通拥挤问题，由于被限制的城市空间和政策资金的有限，道路基础设施的建设，受到了严重的制约，所以发展现代智能交通系统，是一个迫切的问题。
发展现代智能交通系统是为了缓解交通堵塞，减少交通事故的发生，提高运行便利度为。利用定位系统和智能分析系统，实现实时智能控制和线路优化等功能的系统总称，车牌识别系统在现代智能交通系统中扮演着重要的角色，它可以从一张车辆的照片中，自动识别出汽车车牌的图像，对车牌的字符进行逐一分割，并识别出车牌的单个字符。
车牌是车辆身份的标志，车牌识别技术在智能交通系统中起着重要的作用，此技术的应用范围十分广泛，特别是在城市道路和停车场停车收费，所以车牌识别系统的研究和开发具有重要意义。 1.2 车牌识别系统现状 1.2.1 国内外研究现状
利用车牌识别系统，设计有效的车牌识别软件模块是目前需要解决的主要技术问题，因此，能够快速识别车牌号是世界各国需要解决的关键问题。目前国内外众多研究人员，对车牌识别软件模块投入了大量的资源，并提出了许多解决方案。LPR技术，目前许多国家的研究机构都在研究，国外的公司成功开发产品，并投入市场，例如以色列的Hi_Tech开发了See/Car系统、新加坡的欧塔西亚开发了VLPR产品。
在我国，对车牌技术的研究起步相对较晚。而在20世纪80年代，国外就开始对车牌识别进行了研究，在当时，车牌识别技术还相对比较落后，只有一些简单的图像处理。它们基本只适用于某一领域，并不具有普遍的适用性。
在20世纪90年代，车牌识别技术开始迅速的发展，在实际应用中，与下一代产品相比，采用自动牌照识别技术设计的产品已经达到了系统化和集成化错误!未找到引用源。。主要是由于当时计算机技术的快速发展，提高了图像处理和模式识别技术。
我国汽车牌照的种类和样式与其他国家的牌照有很大的不同，中国不仅有英文和中文，还有汉字，并且我国车牌拥有各种各样的种类，如民用型的、警用型的、军用型等车型，这也是一些国外的实用产品，无法进入中国的原因。
在90 年代初期，我国汽车车牌识别技术逐步发展，现在我国最好的车牌识别系统，是中国科学院自动化研究所开发的“汉王眼”。相对成熟的车牌识别系统产品还有“慧光”。同时，国内各大学也进行了相关的研究，如清华大学人工智能国家重点实验室、上海交通大学计算机科学与工程系、西安交通大学图象处理与识别实验室等错误!未找到引用源。。随着现代社会和交通的不断发展，车牌识别系统的识别速度和识别率的性能需要进一步提高。并且车牌号码的识别率受外部环境的影响较大，因此需要不断优化车牌识别系统，提高系统抗干扰能力。随着图像识别技术的快速发展，计算机技术也迅速发展，为车牌识别系统提供技术支持，可以促进车牌识别技术的发展错误!未找到引用源。。 1.2.2车牌识别技术的难点
在车牌识别系统研究中，第一步是提取车辆的照片，照片的获取往往是由专业的摄像装置来完成的，因为这一过程主要在室外完成，所有系统会受自然环境的光和天气等因素影响，同时，这些因素没有规律可循，对系统的实现会带来很大的困难，主要影响因素如下：
1)车牌格式的多样性。我国根据不同的车型规定了不同的号码牌，例如民用型车，警用型车，军用型车等。不同用途的车由于车牌结构的差异，车牌的定义方式也有一定的不同，因此，车牌识别系统需要针对不同车型进行车辆牌照的识别。
2)车牌颜色的多样性。我国的汽车牌照颜色由蓝、黄、白等多种颜色构成，字符颜色有白、黑、红等多种颜色，颜色的差异，单一的算法无法正确的识别，必须根据不同颜色的车牌进行相应的识别。
3)车牌图片的清晰度不高。由于受光照强度不足、天气条件等多种因素的影响，前端设备采集到的车牌图像照片不清晰，存在图像失真等问题，导致车牌信息辨别错误甚至难以辨别。
4)我国汽车的车牌由字母、汉字和数字组成，汉字的识别方式相比字母较难，所以增加了车牌识别的难度。
5）目前，我国汽车的车牌号按车型分为多种形式，不同类型的车牌命名方式不同，且存在着这样的难题，导致我国的车牌识别技术面临着巨大困难，比其他国家的车辆标
识照片更难识别，因此，有效提高车牌识别的准确率和实时性是提高中国智能交通系统可靠性的重要难题。
1.3本课题研究内容与结构安排
本设计利用数字图像处理技术对车牌识别问题进行处理。通过数字图像处理技术，对前端采集到的汽车图像进行处理，得到车牌号码。本设计在总结了一些车牌识别算法的基础上，并提出了自己的车牌定位，分割和识别的算法，拟设计一个由图像输入到系统处理得到车牌字符输出的车牌识别系统。并取得了理想的实验结果，其研究内容具体如下：
第一章：绪论。主要介绍了车牌识别系统的研究背景和意义，以及基于数字图像处理的车牌识别系统的相关国内外研究现状，并介绍了我国车牌的主要特征和现阶段的识别技术难点。
第二章：车牌识别系统设计。详细的介绍了车牌识别系统的整个设计过程，对所用到的算法进行详细的介绍，并对识别结果进行整理分析。
第三章：车牌识别系统开发与性能检验。对系统开发软件MATLAB2017b进行简单介绍，使用MATLAB2017b软件自带的 GUI功能设计出图形用户界面。通过实验对各项系统功能进行了测试与识别，本文的最后对这次的毕设进行了总结和致谢。
2 车牌识别系统设计
通过以上对于车牌识别系统基本介绍，本文设计的车牌识别系统主要由四个模块来实现的，接下来我将分别对组成系统的四个基本模块设计和系统整体设计进行详细的介绍。
2.1图像预处理
车辆的图像拍摄一般处于各种复杂的环境中，图像的质量会受到天气的影响，光照的情况、拍摄的镜头、车牌的干净程度、车辆进入到摄像机的位置等多种因素而进行改变。图片的质量会对车牌识别的准确率产生很大的影响，为了得到清晰的图像，首先我们要对图像进行预处理，预处理是利用数字图像处理技术来对车牌图像进行处理，消除图像中的干扰信息，这一步骤有利于后续图像的定位和分割，主要的流程是将图像处理成灰度图，并强化图像的有效特征，增强对有用信息的检测性，消除影响图像照片区域特征的噪点，使图像特征更加的清晰，更易于识别，为图像定位和分割打下基础。 2.1.1图像灰度化
灰度是指所有从黑色到纯白色的过渡颜色，并按照一定的方法进行分级。这些被分为不同级别的颜色，称之为灰度，通常被分为256个级别。灰度图指的是只记录单个像素点的灰度值的图像，每个像素需要8位存储空间，然而车牌上的原始图片均为彩色信息图片，在彩色图像中，所有像素的信息按照不同的层次由红（R）、绿（G）和蓝（B）组成，也称为RGB图像；彩色图像将R、G、B的颜色信息分别分成256个等级，三种颜色共有224种不同的信息，而每个像素需要24位的存储空间，数据量大于灰度图，数据量过大，不仅处理时间长，而且程序运行速度慢，存储设备也要求高。为了加快对牌照的识别速度，我们可以丢弃不必要的颜色信息，首先将RGB图像更改为灰度图像，从而数据量可以显著减少。灰度化是根据一定的方法将R、G、B值转换成灰度值的过程，像素点的灰度越大，颜色越接近白色，否则接近黑色，这个过程称为图像灰度化。
常见的图像灰度化的方法主要有以下几种：
1、分量法：使图像中每个点的三个分量值R、G和B，使其中一个等于转换后该像素点的灰度值，即：
???????? = ?? ???? ?? ???? ?? （2.1）
2、平均值法：将图像的每个像素点的R、G和B值，取其算术平均值，转化为像素点的灰度值，即：
Gray = (?? + ?? + ??)/3 （2.2）
3、加权平均值法：首先对图像中每个像素点的R、G和B值，按不同的权值进行加权，然后计算算术平均值，并将算术平均值转换为像素点的灰度值。即：
Gray = (?????? + ?????? + ??????)/3 （2.3）
其中????、W??、W??分别是 R、G、B值的权，选择不同的R、G、B加权后，然后取算术的平均值将图像进行灰度化，获得不同的灰度图。因为人们的眼睛对于不同的颜色感知是不同的，所以当权值为????> ????> ????时，获得的灰度图像比较理想。
本设计是利用加权平均值法得到的灰度图像，原始图像、灰度图和灰度直方图如图2.1和图2.2所示。
图2.1 原始彩色图像
基于数字图像处理的车牌识别系统设计-计算机专业
