目录目录 (1)摘要 (2)正文 (3)1设计目的及要求 (3)1.1 设计目的 (3)1.2 设计要求 (3)2设计原理 (3)2.1 课题研究背景 (3)2.2车牌的特征 (3)2.3车牌识别系统的工作原理 (4)2.4车牌识别系统的组成 (5)3设计内容 (5)3.1图像预处理 (5)3.2车牌定位提取 (9)3.3字符分割 (11)3.4设计结果验证 (16)总结 (19)致谢 (20)参考文献 (21)附录 (22)附录一 (22)附录二 (28)汽车牌照自动识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。
在车牌自动识别系统中，首先要将车牌从所获取的图像中分割出来，这是进行车牌字符识别的重要步骤，定位准确与否直接影响车牌识别率。
本次课程设计首先对车牌识别系统的现状和已有的技术进行了深入的研究，在研究的基础上开发出一个基于MATLAB 的车牌识别系统，通过编写matlab程序，对各种车辆图像处理方法进行分析、比较,并提出了车牌预处理、车牌粗定位和精定位的方法。
本次设计采取的是基于微分的边缘检测，先从经过边缘提取后的车辆图像中提取车牌特征，进行分析处理，从而初步定出车牌的区域，再利用车牌的先验知识和分布特征对车牌区域二值化图像进行处理，从而得到车牌的精确区域，并且取得了较好的定位结果。
关键字：识别率;车牌定位;二值化;边缘检测1设计目的及要求1.1 设计目的运用MATLAB软件编程实现车牌定位检测1.2 设计要求1、利用matlab编程，能够清晰识别判断图像中的车牌区域2、通过算法，将车牌上的数字字母清晰识别并且分割后读出2设计原理2.1 课题研究背景随着21世纪经济全球化的到来，高速度、高效率的生活节奏，使车辆普及成为必然的趋势，交通管理自动化越来越成为亟待解决的问题。
现代智能交通系统 (Intelligent Transportation System，ITS)中，车辆牌照识别(License Plate Recognition，LPR)技术是计算机视觉与模式识别技术在交通领域应用的重要研究课题之一，是实现交通管理能够智能化的重要环节，其任务是分析、处理汽车图像，自动识别汽车牌号。
LPR系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。
现代化交通系统不断提高的快节奏，将对车牌定位的准确率和实时性提出更高的要求，因而进一步加深车牌定位的研究是非常有必要的。
2.2车牌的特征（1）形状特征：标准的车牌外轮廓尺寸440*140，字符高90，宽45，字符间距12，间隔符宽10。
整个字符的高宽比例近似为3:1，车牌的边缘是线段围成的有规则的矩形。
主要用在车牌的定位分割。
（2）颜色特征：现有的字符颜色与车牌底色搭配有四种类型，蓝底白字，黄底黑字，白底黑字，黑底白字。
这部分特征主要用在对彩色图像进行车牌的定位。
（3）字符的特征：标准的车牌上有7个字符，呈水平排列，待识别的字符模板可以分为一下三类，汉字，英文字母，阿拉伯数字，主要用于对字符匹配识别方面。
（4）其他国家的汽车牌照格式(如汽车牌照的尺寸大小，牌照上的字符排列等)通常只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式(例如分为军车、警车、普通车等)。
（5）我国汽车牌照的规范悬挂位置不唯一。
（6）由于环境、道路或人为因素造成汽车牌照污染严重，这种情况下，国外发达国家不允许上路，而在我国仍可上路行驶。
2.3车牌识别系统的工作原理辆牌照识别系统的基本工作原理为：将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入到计算机中进行预处理，再由检索模块对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符，然后输入JPEG或BMP格式的数字，输出则为车牌号码的数字。
图车牌定位流程图2.4车牌识别系统的组成（1）图像预处理：对汽车图像进行图像转换、图像增强和边缘检测等。
（2）车牌定位：从预处理后的汽车图像中分割出车牌图像。
即在一幅车辆图像中找到车牌所在的位置。
（3）字符分割：对车牌图像进行几何校正、去噪、二值化以及字符分割以从车牌图像中分离出组成车牌号码的单个字符图像（4）字符识别：对分割出来的字符进行预处理（二值化、归一化），然后分析提取，对分割出的字符图像进行识别给出文本形式的车牌号码。
3设计内容3.1图像预处理（1）图像的灰度处理输入的彩色图像包含大量颜色信息，会占用较多的存储空间，且处理时也会降低系统的执行速度，因此对图像进行识别等处理时，常将彩色图像转换为灰度图像，以加快处理速度。
close allclear allI=imread('wd.jpg');%读取图像figure(1); subplot(3,2,1),imshow(I), title('原始图像');I1=rgb2gray(I);%转化为灰度图像subplot(3,2,2),imshow(I1),title('灰度图像');（2）图像的边缘提取边缘主要存在于目标与目标、目标与背景、区域与区域（包括不同色彩）之间，边缘检测主要是精确定位边缘和抑制噪点，原理是：由于微分算子具有突出灰度变化的作用，对图像进行微分运算，在图像边缘处及其灰度变化较大，故该处微分计算值较高，可将这些为分支作为相应点的边缘强度，通过阈值判别来提取边缘点，即如果为分支大于阈值，则为边缘点。
其基本步骤是首先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的“边缘强度”，通过设置门限的方法提取边缘点集。
Canny算子：边缘检测的方法是寻找图像梯度的局部极大值，它使用两个阈值来分别检测强边缘和弱边缘，而且仅当弱边缘和强边缘相连时，弱边缘才会包含在输出中。
Canny算子采用高斯函数对图像做平滑处理，因此具有较强的去噪能力，但同样存在容易平滑掉一些边缘信息。
同时它所采用的一阶微分算子的方向性较好，因此边缘定位准确性较高。
I2=edge(I1,'canny',0.09,'both');%采用canny算子进行边缘检测subplot(3,2,3),imshow(I2),title('边缘检测后图像');腐蚀是一种消除边界点的过程，结果是使目标缩小，空洞增大，因而可有效地消除孤立噪声点；膨胀是将于目标物体接触的所有背景点合并到物体中的过程，结果是使目标增大，孔洞减小，可填补目标物体中的空洞，形成联通域。
先腐蚀后膨胀的过程为开运算，它具有消除细小物体，并在纤细处分离物体和平滑较大物体边界的作用；先膨胀后腐蚀的过程为闭运算，具有填充物体内细小空洞，连接临近物体和平滑边界的作用。
se=[1;1;1]; %线型结构元素I3=imerode(I2,se); %腐蚀图像subplot(3,2,4),imshow(I3),title('腐蚀后边缘图像');se=strel('rectangle',[25,25]);%矩形结构元素I4=imclose(I3,se);%图像聚类、填充图像subplot(3,2,5),imshow(I4),title('填充后图像');形态学是法国和德国的科学家在研究岩石结构时建立的一门学科。
形态学的用途主要用来获取物体拓扑和结果信息，他通过物体和结构元素相互作用的某些运算，得到物体更本质的形态。
人们后来用数学形态学表示以形态为基础对图像进行分析的数学工具。
他的基本思想是用一个被称为结构元素的探针收集图像的信息。
当探针在图像中不断移动时，便可考察图像各个部分间的相互关系，从而了解图像各个部分的结构特征。
作为探针的结构元素，可直接携带知识（形态大小以及灰度和色度信息）来探测所研究图像的结构特征。
数学形态是一种非线性滤波的方法，可以用于抑制噪声，进行特征提取、边缘检测、图像分割等图像处理问题[4]。
数学形态学首先被用来处理二值图像，后来也被用来处理灰度图像，现在又有学者开始用软数学形态学和模糊形态学来解决计算机视觉方面的问题。
I5=bwareaopen(I4,2000);%去除聚团灰度值小于2000的部分subplot(3,2,6),imshow(I5),title('形态滤波后图像');3.2车牌定位提取机动车图像经过灰度化和边缘检测的处理后，边缘得到了加强，牌照区域已经非常明显。
本次设计采用的是用数学形态学来进行图像处理和模式识别。
数学形态学用具有一定形态的机构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的，能有效的去除噪声，保留图像原有信息的同时提取的边缘比较平滑，提取的图像骨架也比较连续，断点少。
现在我们将经过预处理的图像进行图像腐蚀以及去除杂质，就可以得到相对准确的车牌位置。
[y,x,z]=size(I5);I6=double(I5);Y1=zeros(y,1);for i=1:yfor j=1:xif(I6(i,j,1)==1)Y1(i,1)= Y1(i,1)+1;endendend[temp MaxY]=max(Y1);figure(2);subplot(3,2,1),plot(0:y-1,Y1),title('行方向像素点灰度值累计和'),xlabel('行值'),ylabel('像素');PY1=MaxY;while ((Y1(PY1,1)>=30)&&(PY1>1))PY1=PY1-1;endPY2=MaxY;while ((Y1(PY2,1)>=30)&&(PY2<y))PY2=PY2+1;endIY=I(PY1:PY2,:,:);X1=zeros(1,x);for j=1:xfor i=PY1:PY2if(I6(i,j,1)==1)X1(1,j)= X1(1,j)+1;endendendsubplot(3,2,2),plot(0:x-1,X1),title('列方向像素点灰度值累计和'),xlabel('列值'),ylabel('像数');PX1=1;while ((X1(1,PX1)<10)&&(PX1<x))PX1=PX1+1;endPX2=x;while ((X1(1,PX2)<10)&&(PX2>PX1))PX2=PX2-1;endPX1=PX1-1;PX2=PX2+1;%分割出车牌图像%dw=I(PY1:PY2,PX1:PX2,:);subplot(3,2,3),imshow(dw),title('定位剪切后的彩色车牌图像')3.3字符分割（1）对车牌图像二值化二值化处理就是将图像上的点的灰度置为0或255，也就是将整个图像呈现出明显的黑白效果。