收藏西恩|联系西恩|在线留言

欢迎光临 北京西恩广发机电设备有限公司 官网!

基于 MATLAB 的车牌识别系统

返回列表 浏览:12 发布日期:2019-11-26

如今, 汽车走进寻常百姓家庭已经是常事, 汽车的拥有人数也不断增加。 但是全世界各国的交通堵塞、 交通事故越来越影响着人们生活质量, 人们也越来越重视城市道路的交通状况问题, 面对这问题, 研究技术人员将电子信息技术、 计算机理论技术、 传感器技术集成运用于道路交通的实际需求, 研究开发出了智能交通系统[1]。

车牌识别 (VLPR)[2]是智能交通系统中的一个重要组成部分, 应用相当广泛。 它是以数字图像处理、 模式识别、 计算机视觉等技术为基础, 对所拍摄的车辆图像或者视频序列进行分析, 得到每辆汽车唯一的车牌号码, 进而完成车牌识别的过程[3]

一、 车牌识别系统设计原理

车牌识别过程大致可以分为: 车牌图像获取, 图像预处理, 对图像中的车牌位置进行粗定位, 将车牌从车牌图像中分割出来, 对车牌的字符进行比对识别, 输出识别的完整车牌图像。 以下图 1 是车牌识别的流程图:


二、 车牌图像的预处理

图像的预处理在后面的图像处理中起到非常重要的作用, 并且直接决定着图像处理最终的结果。 图像预处理包括图像的二值化, 图像均衡化处理, 图像滤波, 图像的腐蚀和膨胀[4 ~5]等等。

(一) 车牌图像的采集

现阶段对车牌图像的采集都是基于 CCD 摄像头, 环境不同, 采集的图像受到干扰的程度也不相同, 针对不同的环境, 比如, 光线太强,有雾等等, 在后面的要针对这些不同因素选择不同的处理方式, 下面以正常光照的条件下的车牌图片为例说明整个处理过程:

(二) 彩色图像变换为灰度图像

将彩色图像变换为灰度图像对于后续操作更有利, 比如变换后图像的对比度增大了, 图像更清晰, 各个要素易于区分等。 如图 3 所示是讲原始图片变换为灰度图像::

(三) 车牌图像的边缘检测

边缘检测目的是寻找连续的区域, 便于车牌的分割。 图像进行边缘检测是根据局部灰度值的变化, 纹理的改变, 来检测出车牌区域内的边缘信息, 并提取符合车牌的特征。 图像处理中边缘检测有很多检测算法, 比如 Sobel 算子、 Prewitt 算子等, 本文采用的是 Canny 算子边缘检测算子, 结果如图 4 所示。

微信图片_20191126162132

(四) 图像的增强

图像的增强适用于加强图片中的有用信息, 处理结果有利于后续对图像进行的操作。

1.车牌图像的腐蚀和填充

图像腐蚀的目的是扩大边缘检测的结果, 并且可以消除一些无用的信息, 同时可以改变图像的连通性。 腐蚀后的图像如图 5 所示:

对腐蚀之后的边缘图像进行填充有利于车牌区域的定位, 填充图像


2.形态学滤波

形态滤波方法主要采用形态学开、 闭运算进行滤波操作, 这点充分利用了形态学运算具有的非常好的几何特征和代数属性。 形态学滤波可以滤除边缘图像上的噪声, 在车牌识别中采用形态学滤波有利于进行车牌定位的判断。 下图是形态学滤波后的图像:


三、 车牌的定位

本文利用车牌区域形成的矩形边框来进行边缘检测后图像的粗定位, 如图 8 就是得到的彩色车牌图像, 图粗定位后得到的带色车牌图像在列方向像素点值累计和:


联系我们Contact Us

手机:13501344223   黄经理

E-mail:weiyouany@126.com

网址:www.washingtonch.com

地址:北京市怀柔区迎宾北路7号

办公地址:通州区马驹桥1号桥往南3公里

办公地址:丰台区诺德中心5号楼.朝阳区京顺路111号

2017天天啪夜夜射天天爱做