车牌识别实验报告

2023年12月8日发(作者：尼桑劲客价格)

车牌识别实验报告

数字图像处理在车牌识别中的应用

摘要

随着汽车数量在我国大面积的增加，城市交通状况逐渐受到人们的重视，如何进行有效的交通管理更是成为了人们关注的焦

点。

针对此问题，人们运用新的科学技术，相继研制开发出了各种交通道路监视、管理系统。因此，智能交通系统已成为世界交通

领域研究的重要课题。车牌识别系统作为智能交通系统的核心，起着非常关键的作用。目前，图像处理技术在车牌识别中的应

用研究已经成为科学界的一个重要研究领域。

本文旨在粗浅的运用所学基本原理和知识分析数字图像处理技术在友好环境下的应用（所选车牌识别的车辆图片均为友好环境

下，易于处理的实验图片，不具有广泛性）。以车牌为研究对象，主要研究如何通过图像的预处理、车牌的定位、车牌字符分

割和字符识别等一系列过程，完成车牌的识别。

1.绪论

1.1背景及现状：

基于图像处理的车牌识别技术的研究在国外起步比较早，在美国、意大利、德国、以色列、新加坡等国家，现在都已经有比较

成熟的产品投入使用，比如美国的（AUTOSCOF）2003系统、以色列的Hi-Tech公司研制的See/Car System、德国西门子公

司的ARTEM7SXI系统、新加坡的Optasia公司研制的VLPRS等车牌识别系统，但因为我国车牌样式的多样性、车牌颜色的多

样性以及包含汉字等特点，这些车牌识别系统不适合我国国情。

基于图像处理的车牌识别技术主要包括车牌定位、车牌分割、字符识别等方面的技术。

关于车牌定位方面，主要理由车牌的边缘、形状、颜色等特征，再结合数字图像处理、形态学、小波变换、人工神经网络等技

术对车牌进行定位。

基于特征的车牌定位的方法有l提出的基于字符边缘检测的车牌定位方法，提出一种基于迭代阈值的车

牌定位方法。完全基于形态学的算法有运用数学形态学的闭运算获得车牌的候选区，然后采用投影的方法剔除假车牌，定位针

车牌。

基于神经元网络的方法有基于BP网络的牌照定位方法，基于彩色的车牌定位方法有采用多层感知器网络对输入彩色图像进行

彩色分割及多级混合集成分类器的车牌自动识别方法。还有根据彩色边缘检测算子ColorPrewitt和彩色边缘检测与区域生长相

结合的车牌定位算法。

1.2原理及方法

通常，车牌识别过程分为图像预处理、车牌定位、车牌校正、车牌分割

和车牌识别五个部分。（本文不包含车牌校正）。

1.图像预处理: 在整个车牌识别系统中，由于采集进来的图像为彩图，再加上实际采集环境的影响以及采集硬件等原因，图像质

量并不高，其背景和噪声会影响字符的正确分割和识别，所以在进行车牌分割和识别处理之前，需要先对车牌图像进行图像预

处理操作。

2.车牌定位: 首先对车牌的二值图片进行形态学滤波，使车牌区域形成一个连通区域，然后根据车牌的先验知识对所得到的连通

区域进行筛选，获取车牌区域的具体位置，完成从图片中提取车牌的任务。

3.车牌分割: 首先对车牌进行水平投影，去除水平边框；再对车牌进行垂直投影。通过对车牌进行投影分析可知，与最大值峰中

心对应的为车牌中第二个字符和第三个字符的间隔，与第二大峰中心距离对应的即为车牌字符的宽度，并以此为依据对车牌进

行分割。

4.字符识别: 本文采用模板匹配方法来对车牌进行识别。识别过程中，首先建立标准字库，再将分割所得到的字符进行归一化，

将归一化处理后的字符与标准字库里的字符逐一比较，最后把误差最小的字符作为结果显示出来。

图1 牌照识别系统原理图

2.图像预处理

由于光照条件，牌照的整洁程度，拍摄条件都会出现图像模糊，车牌字符边界模糊不清，细节不清歪斜，粗细不均等现象，从

而影响车牌区域的进一步处理工作，所以识别之前要进行预处理。

2.1 图像预处理及边缘提取简易流程

图2 预处理及边缘提取流程图

2.2预处理：

1．消除模糊

用滤波处理消除图像的运动模糊

2．图像去噪

应用中值滤波去除得到的汽车图像中的一些环境噪声，椒盐噪声，

3．图像增强

由于自然光照度的变化会引起图像对比度的不足，所以应进行图像增强，可以采用灰度拉伸，直方图均衡等（该步骤在程序实

现中没有单独实现功能，融合进预处理代码之中）。

通过以上处理，提高了图像的质量，强化了图像提取区域。

2.3边缘检测

采用Sobel 算子经行边缘检测

该算子包含两组3*3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果

以A 代表原始图像，Gx 及Gy 分别代表经横向及纵向边缘检测的图像，其公式如下:

A Gx *]101202101+-+-+-= and A *121000121Gy ????

---+++=

图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。

2

y 2x G G G += 然后可用以下公式计算梯度方向。

=x y

G G arctan θ 在以上例子中，如果以上的角度θ等于零，即代表图像该处拥有纵向边

缘，左方较右方暗。

3. 车牌的定位和分割

牌照的定位和分割主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整

个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。

完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向

上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制

和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。

图3 牌照定位与分割流程图

3.1字符分割难点

由于铆钉和周围其它干扰像素的原因，使得垂直投影中，铆钉会对图像的分割起干扰作用，所以要先去除铆钉和确定字符上下

界。

3.2字符大小归一化

外形归一化：

将文字的外边框按比例线性放大或缩小成为规定尺寸的文字图像。

简单的采用图像的放大和缩小算法，实现所有字符的同大小，为下一步识别做好准备。

4.字符识别

4.1 字符分割与特征提取

在牌照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进

行字符识别。

一般分割出来的字符要进行进一步的处理，以满足下一步字符识别的需要。但是对于车牌的识别，并不需要太多的处理就已经

可以达到正确识别的目的。在此只进行了归一化处理，然后进行后期处理。

4.2 单个字符识别

字符的识别目前用于车牌字符识别中的算法主要有基于模板匹配的OCR 算法以及基于人工神经网络的OCR 算法。另一种方法

则充分利用神经网络的特点，直接把待处理图像输入网络，由网络自动实现特征提取直至识别。

图4 字符识别流程图

首先取字符模板，接着依次取待识别字符与模板进行匹配，

将其与模板字符

相减，得到的0越多那么就越匹配。把每一幅相减后的图的0值个数保存，然后找数值最大的，即为识别出来的结果。

字符识别使用模板匹配的方法，利用两幅图片相减的方法，找到相减后值最小的，即为相似程度最大的。对于识别错误情况的

分析可知，主要原因：一是牌照自身的污渍等影响了图象的质量；二是牌照字符的分割失败导致的识别错误；再就是部分字符

的形状相似性。

5.设计与实现总体步骤：

6、小结

本次大作业让我对车牌识别系统的实现和研究方法进行了深入了解。分别从图像预处理、车牌定位、字符分割以及字符识别等

方面进行了学习和分析。在车牌定位前，先对图像进行预处理，再进行边缘检测操作等方法，进而为定位打下基础。通过实验

运行的结果可以看出，图像预处理、sobel边缘检测、灰度跳变等对车牌的定位都是十分有效的。对多组图片进行实验能很好

的定位车牌，准确的进行车牌字符的分割，得到了很好的实验效果。本实验程序车牌的识别部分并不是十分准确，但是通过对

代码的学习和网上资料查询，深切体会到方法的多样性和复杂性，不断改进的方法促使人不停的进步与学习。