车牌数字及识别方法

2023年11月28日发(作者：落地20万以内的suv推荐)

车牌数字及字母识别方法

车牌数字及字母识别方法

1. 引言

车牌照在交通系统中有着非常重要的作用，从20世纪90年代开始，国外的

研究人员已经开始了对车牌识别的有关研究。在国内，不少学者也已经开始了相

关方面的研究，并取得了一定的成就。本文通过以前学者研究成果的总结，从理

论上对车牌识别的方法作一个概要的描述。

2. 车牌识别流程

典型的车牌识别系统由图像采集、图像预处理和图像识别三部分组成。其中，图

像采集通过拍摄照片完成；图像预处理通过二值化、锐化、降噪等部分处理图像

信息，获得图像的关键部分，即车牌字符。再进行车牌识别。特征是车牌字符特

点的表现形式，每个字符都有其自身特征，用于后续的识别。流程如图1 所示。

3. 图像采集

图像采集是通过相机拍摄获得车牌的照片。对车牌识别系统来说，在图像集

方面实际上存在一些困难。以高速公路为例，由于车辆行驶速度较快，所以拍摄

的照片往往会很模糊，这给图像的分析带来了困难。一种比较有效且应用较多的

方法是同时拍摄几张图片，对这几张图片提取公有的信息，得到一张新的图片，

这样获得的图片相对比较清晰。文中照片均通过相机拍摄，并没有高速公路拍摄

的模糊效果，故每个车牌只用一张图片。

4. 图像预处理

图像预处理主要包括：灰度化、二值化、梯度锐化、降噪、分割、归一化。

图2为车牌的原始图片。

1

车牌数字及字母识别方法

4.1 灰度化

拍摄到的图像是彩色的，现在也有一些基于彩色图像的处理方法，但实际效

果并不显著，一般来说，在图像处理和识别方面，都要把彩色图像转换为灰度图

像，其转换公式如下：

其中表示点的像素值，用一定比率和3 个颜色分量乘积相加，得到

一个和，就是灰度图像该像素点3 个分量的灰度值。图3 是灰度化以后的结果。

4.2 二值化

图像的二值化算法有上百种，一般分为限定阈值法和自适应二值化算法，限

定值的二值化算法存在不足，主要是因为限定阈值后，不能适应各种环境下拍摄

的照片，容易受到光照等因素的影响。采用一种改进的限定阈值二值化算法，即

先对图像灰度拉伸，再设定阈值。因为对于前景和背景区别较大的车牌而言，其

图像灰度直方图具有明显的双峰特征，进行灰度拉伸后，双峰之间的波谷范围变

大使得在不同光照下的照片得到共同的波谷范围，在这段灰度范围内确定的阈值

可以适用于不同的图像。灰度拉伸后，在视觉上体现为增加了背景和前景的对比

度。图4 是对图3 进行灰度拉伸后结果，其前景和背景的对比度明显增强。图5 是

二值化结果。

4.3 梯度锐化和降噪

2 1

车牌数字及字母识别方法

图片在有些情况下会字体模糊，这对识别造成了一定的困难，所以有时要对

图像进行锐化处理使模糊的图像变得清晰起来，同时可以起到一定去噪作用。这

里采用Roberts 梯度锐化方法，它属于微分法的一种。其定义如下： 设原始图

像上的点为f(x,y),定义f(x,y)在（x，y）处的梯度矢量为：

设一个判定阈值为p，变化后的图像g（x，y）定义为：

事实证明，梯度锐化具备一定的去噪声能力，但同时会对字符的边缘有所损

伤，所以在图片中字符较为细小的时候不要使用梯度锐化。由于车牌图像在梯度

锐化以后，主要的离散噪声已经出去，剩下的噪声主要是车牌的边框以及边框上

的文字，还有车牌上方的铆钉，这些噪声用一般的降噪方法很难全部去掉，考虑

到后续步骤要进行图像切割，这些信息可以在切割中去除，故降噪算法用基本的

均值滤波，去除离散的噪点。图6 是锐化和去噪以后的结果，观察到字体和边缘

变细，同时也去掉了部分噪声。

4.4 分割

系统在识别的时候只能根据每个字符的特征来进行判断，所以还要把图像中

的字符独立地分割出来。该算法是建立在上述几个步骤处理之后的，需要有较好

的二值化和降噪处理结果，具体的算法如下：

第一步：从图像水平方向的中线开始，先自下向上对图像进行逐行扫描，直

至找到没有黑色像素点的第一行，记录下来，然后同理从中线由上向下对图像进

行逐行扫描。这样就找到图像可能的高度范围。

第二步：根据车牌与字符的比例关系，车牌左侧十分之一的位置处于第一个

字符上。从图像左边十分之一处自右向左逐列进行扫描，直至找到没有黑色像素

点的第一列，记录下来，从图像右边十分之一处自左向右逐列进行扫描，直至找

到没有黑色像素点的第一列，记录下来，这样就得到了整体图像的宽度范围。

第三步从图像的左侧开始，逐列扫描，找到没有黑色像素点的第一列，这

：

样就分割出左边一个字符，再对其进行步骤一形式的扫描，精确确定第一个字符

的高度范围。继续自左向右扫描，找到有黑色像素点的第一列，这是左起第二个

字符的起始位置；再用前述相同的方法就能分割出第二个字符；为了排除车牌第

二个字符后面圆形分隔符的干扰，剩余的字符从车牌右侧开始扫描，用相同的方

法分割。

由于降噪算法可能无法把所有噪声都去掉，所以可以取一个值T，当该行或

该列黑色点数小于T 时，即认为没有黑色点，这个方法对上述3 个步骤均适用。

3 1

车牌数字及字母识别方法

5 识别

传统的图像识别技术包括基于模板的识别、基于BP 神经网络识别、多特征

匹配等方法。模板匹配和其他相比，其简单和高效的特点尤为显著，文中采用模

板匹配的方法，具体算法如下：

将归一化后的样本和库中的模板进行比较，引入概念相似度T，初始值为0。

当样本的像素点A（i，j）的灰度值和模板B（i，j）灰度值相同时，T加1；若不

同时T减1。公式如下:

进行字母和数字的匹配。以下为用例匹配结果，如图8 所示：

6 结语

在前人研究的基础上，对车牌识别系统进行了功能的研究和实现。能够对简单环

境下的车牌图片识别，并获得显著的效果。同时，也为复杂环境下的车牌进行分

析识别的后续研究奠定了基础。同时在实现方法上，也有一定的突破和创新。第

一，在图像预处理的二值化过程中，利用图像灰度拉伸的方法，使得不同光照条

件下的图像均能用同一的阈值进行二值化处理，简化了二值化的处理，同时提高

了效率和准确度。。第二，字符分割的过程中，根据车牌的形状特征，排除了噪

声的干扰，准确地分割得到单个字符图片。该系统实现了车牌图像的预处理，并

与模板库进行匹配，获得识别结果。

参考文献：

[1] 《车牌识别系统的研究与实现》 毛晓鲛 （南京师范大学强化培训学院） 南

京 210046

[2] IECON’ 91.1991: , , n. Automatic

extraction methods of container identity number and registration plates

of cars. (9) :1739-1745.

[3] IEEE Trans On Vehicular Technology: ,

plate recognition by neural networks and image processing.1998，44 (4) :

790-799.

[4] European Conference on Security and Detection:ment

of automatic license plate recognition systems in multinational

environments.,1997:42-46.

[5] 曾迎生. 研究与开发. 图像二值化研究及其改进[J] .1990，(1) .

[6] 张炜，王庆，赵荣椿. 信号处理. 汽车牌照的实时识别.2000，16

(4) :373-375.

4 1