车matlab牌字符分割,基于matlab的车牌字符分割

基于matlab的车牌字符分割

1《多媒体通信技术 》课程报告 专 业 通信与信息系统 学 号 姓 名 任课教师 2 基于matlab的车牌字符分割 摘要：本文利用投影分割的方法对车牌字符进行分割，并利用模板匹配的方法 进行字符识别，在图像进行预处理后的基础上，利用对车牌图像分块扫描的方 法对车牌图像去边框处理，在去边框的基础上对每个字符进行分割，得到单个 字符。 关键字：字符；预处理；分割 1、引言 智能交通系统(intelligent transportation system，ITS)的发展现今对 社会生活、国民经济和城市建设产生积极而深远的影响，我国已经将其列为优 先发展的高技术产业化重点领域 [1] 。车牌识别系统(1icense plate recognition，IJR)是目前交通部门十分重要的科研课题之一，它主要包括车牌 定位、字符分割和字符识别三部分，字符分割和字符识别是最后的关键环节。 本文主要通过运用投影分割的方法对车牌进行字符分割并利用模板匹配的方法 对车牌字符进行识别。 2、图像预处理 图像预处理是对输入的图像进行一系列变换处理，使之成为符合字符识别 模块要求的图像。图像预处理环节对于最终识别的正确率有很大影响，由于图 像本身受到各种自然因素或设备因素的影响，图像的清晰度往往不是很理想， 有时还会带有较明显的图像噪声。若不对图像进行预处理，这些噪声将给后续 的识别模块带来严重影响，最终可能造成识别错误。因此，预处理的好坏一定 程度上影响到字符识别的正确率。图像预处理首先需要将待识别的字符从输入 的灰度图中分离出来。最常用的方法就是图像二值化。 2.1图像的灰度化 就是将彩色图像转化为具有256个灰度级的黑白图像，灰度图像只保留图 像的亮度信息，去除了色彩信息，就像我们平时看到的黑白照片，它的亮度由3 暗到明，而且亮度变化是连续的。图像灰度化后可以使处理运算量大大减少， 这样处理过程就变得更加简单和省时。在灰度图像中，通常将亮度划分成0到 255共256个级别，0最暗，255最亮。图 2-1 灰度化的图像 2.2 图像的阈值化处理 所谓图像二值化就是指将灰度图转化为只含有两种灰度值的图像，一种为 背景，另一种为待识别的字符，本文采用动态阈值法将图像二值化：如果输入 图像较暗或者车牌较脏，如果采用固定的阈值将图像进行二值化，生成的二值 图会非常黑或者有很多噪声。二值化有很多方法，主要为P片法或者峰谷法。 本文采用的是P片法，阈值的大小的设定基于以下假设：由于现有车牌绝大部 分为蓝底白字或者黄底黑字车牌，设理想的车牌平均包含大约60％的蓝／黄色 像素和 40％的白／黑色像素。首先，将图像二值化，计算出黑色和白色像素的 比例，将它和期望值进行比较。从而算出新的阈值，直到近似等于期望值为止 [2] 。图 1为理想状态下车牌原图片和的阈值化图片。图 2-2-1 阈值化的图像 图像经过上述步骤处理后，已经从带有噪声的灰度图像转变为符合识别要 求的图像。该图像为只包含两种灰度值的二值图像，并且具有统一尺寸。而且 在预处理环节中，已最大限度地去除了输入图像中的噪声，在保持字符原本信 息不丢失的前提下，把待识别的字符从背景中成功地分离出来。 3 车牌的去边框处理 在对车牌进行定位后，车牌的上下边缘处总会残留一些车牌的边框或者铆 钉等噪声无法去除，待车牌被分割后也会给后续的字符识别带来麻烦，为了消 除这些影响，须将其去除。因此本文根据车牌的特点，采用分块扫描加上最小4 外接矩形的方法对车牌进行去边框处理。具体的算法如下 [3] ：第一步对车牌自 上而下 2/5进行行扫描，设定阈值为9，当灰度值等于1的时候count加一， 如果count的值小于阈值9，则所有灰度值为1的灰度全部强制变为背景；然 后从下往上扫描车牌剩余的3/5，判断条件同上；第二步，对经过上述处理的 车牌自上而下前2/5行进行行扫描，设定阈值为列数的2/5的整数，对车牌前 2/5的每行进行求和，赋值给temp，加入temp大于阈值，这行全部变为背景， 再对车牌自下而上进行行扫描，方法同上；第三步，利用最小外接矩形的方法 去除边框所以黑色多余的背景。 图 3-1强制背景法的图 图 3-2最小外接矩形去掉多余背景图 4车牌字符的分割 本文利用投影分割法 [4] 对车牌字符进行分割在字符之间的像素值理想情况 下为零，实际情况可能有些许噪声，但只要噪声不大，已可据此实现字符的分 割。计算出车牌区域垂直方向上的二值投影图找到波谷点 [5] ，从而根据这些波 谷点来对整个车牌字符进行分割，并且抛弃掉字符与字符之间的间隙。分割的 字符如下：图 4-1车牌字符分割图 5、总结 在车牌识别系统的性能指标中，识别率和识别速度难以同时提高，除了处 理技术的原因外，还受到拍摄设备、计算机硬件设备等性能的限制。同时仍有 许多问题需要在未来的工作中加以解决。 (1)本文提出的车牌字符分割方法虽然速度上有优势，但分割效果受到环境5 的影响还很大，如何提高分割效果将是下一步工作的重点。 (2)本文只探讨了一种蓝底白字的单排普通标准车牌的分割，没有涉及对其 它车牌(两排字符，或其它底色等)的分割，这仍是今后需要研究的重点。 参考文献： [1]夏良正，李久贤.数字图像处理[M].北京：东南大学出版社,2006 [2]应宏微,宋加涛. 汽车牌照字符分割方法[J].电视技术， 第34卷，第十 一期：94—97 [3]张敏松，郭玉珂.汽车牌照定位与字符分割[J].现在算计技术，第29期： 103-106 [4]Park, Kim S H, Jung K I, et al. Location vehicle license plates using neural Networks[J]. Electronics Letters, 2002, 35:1475- 1477. [5]Keechul Jung, Kwang InKim, Anil K Jain. Text ination extraction in images and video: a survey[J]. Pattern Recognition, 2004, 37:977-997.