基于STM32的车牌识别系统
一、系统概要
本系统以STM32F103RBT单片机为主控，控制OV7670摄像头（带FIFO）进行图像采集，通过模式识别、匹配，最后获得车牌的识别结果。

为尽大可能的提高处理速度，STM32单片机进行了16倍频。

识别主要过程包括
五过程。

二、系统框图
三、识别原理
1、图像采集
图像通过OV7670摄像头进行数据采集，采集的图像大小为320*240像素，像素格式为RGB565。

每个像素由两字节组成，第一字节的高五位是R，第一字节的低
三位和第二字节的高三位组成G，第二字节的低五位是B。

图像通过STM32单片机
读取，并将数据进行特殊处理后，显示于TFT显示屏上。

2、二值化分析
摄像头的数据在采集过程中，对每个像素进行二值化处理，即设定R、G、B的阈值。

通过二值化处理，将像素值分为全黑0x0000和全白0xffff两种。

同时通过程
序分析出每行的跳变点。

分析跳变点的目的是识别出车牌区域。

3、识别车牌区域
通过二值化分析出各行的跳变点，车牌区域处由于字符，导致跳变点明显较多，约大于15个，通过跳变点的分析和判断，即可识别出车牌区域位置。

如下图中左
侧红色标记点，即为各行的跳变点数目。

本系统程序中设定跳变点大于15个，在
连续行存在多个跳变点大于15的位置处，将起始位置设定为车牌区域的上边边界
Y_up，结束位置设定为车牌区域的下边边界Y_down。

再通过RGB-HSV颜色转换，
识别出车牌区域的左边边界X_left和右边边界X-right。

这样既可获取车牌区域的准
确边界，如下图蓝色边框范围。

4、字符分割
车牌区域识别后，再次通过二值化进行字符的分割处理。

处理过程中，获取各个字
符的左边边界kk和右边边界k，若分割出来的字符数为8，则分割比较准确。

如下
图所示，竖向蓝线为各个字符的边界标记。

字符分割，为下一步字符匹配准备总要
参数。

5、字符匹配
字符分割后，进行归一化处理，再逐一对各个字符进行字符匹配。

字符模板通过取
模软件先提取出，存放于程序中，其大小为24*50的单一像素。

匹配后，将相似性
最大值的对应字符作为输出结果，并予以显示。

因单片机容量有限，目前车牌识别的汉字只有6个：渝闽京浙陕粤。

买家可以通过
更改程序，更换其他的汉字。

数字和字母是全部能识别。

四、电路原理图
系统供电为DC5V ，接入STM32核心板5V引脚。

STM32核心板上通过稳压芯片AMS1117将5V变为3.3V电压，并通过核心板引脚输出。

3.3V电压为STM32芯片、摄像头模块、TFT 彩屏的供电电压。

焊接电路时，将摄像头模块和TFT彩屏接至3.3V引脚，而不是5V引脚。

五、重要问题解答
1、如何进行车牌定位？车牌定位是怎么实现的？
答：车牌定位是通过分析横向跳变点实现的，横向的每一排像素进行二值化后变成“黑”和“白”两种像素，非车牌区域黑与白的跳变次数较少，通常少于15个跳变点。

而车牌区域的每一排像素黑与白的跳变次数通常都大于15次。

因为车牌区域的字符是白色，非字符区域二值化为黑色。

因为字符的填充，使得跳变点数量变多。

这就是通过跳变点分析出车牌区域的关键原理。

2、截取车牌的程序是什么？
答：截取车牌程序即车牌的纵向定位分析与横向定位分析，纵向定位分析即为车牌定位步骤，并获得车牌的高度。

横向定位分析获得车牌的宽度。

a）纵向定位分析，获取车牌的上下边界和高度值程序
a）横向车牌分析程序（采用“蓝色相似”方法，获取车牌的左右边界）
3、用什么样的算法来实现定位截取车牌的？
答：纵向定位的方法为像素二值化后的跳变点计数法，利用车牌区域跳变点数量突出且连续，记录在数组中，最后分析数组值实现车牌纵向定位。

横向定位截取采用RGB转HSV 算法实现左右边界的定位。

HSV对用户来说是一种直观的颜色模型，通过HSV的转换可判断出“相似的蓝色区域”的目的，也就是车牌的左右边界定位时，寻找最左边和最右边的蓝色位置。

4、硬件10s左右能识别车牌，这个是怎么实现的？为什么是需要10秒左右？
答：10S这个值是为了给拍照时间。

因为拍照是认为的拍照，摄像头对着车牌时需要调节好位置与角度。

为了更好的对准车牌，给了这样一个时间。

5、电路板中晶振的作用是什么？
答：是STM32芯片所需的8MHz晶振。

每个单片机系统里都有晶振，全称是叫晶体震荡器，在单片机系统里晶振的作用非常大，他结合单片机内部的电路，产生单片机所必须的时钟频率，单片机的一切指令的执行都是建立在这个基础上的，晶振的提供的时钟频率越高，那单片机的运行速度也就越快。

-The End。