基于数字图像处理的车牌识别系统

基于数字图像处理的车牌识别系统

1．车牌识别系统研究目的及意义

车牌识别系统的主要任务是分析和处理摄取到的复杂背景下的车辆图像，定位分割牌照，最后自动识别汽车牌照上的字符，LPR是利用车辆牌照的唯一性来识别和统计车辆，它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统在现代化交通发展中车牌识别系统是制约交通系统智能化、现代化的重要因素，LPR系统应该能够从一幅图像中自动提取车辆图像，自动分割牌照图像，对字符进行正确识别，从而降低交通管理工作的复杂度。

2．车牌图像预处理

为了便于车牌的分割识别，摄像机摄下的原始图像应具有适当的亮度和对比度。但通常经输入系统获取的车牌图像信息由于光照条件、牌照的整洁度、摄像机的状态(焦距、角度和镜头的光学畸变)以及车速的不稳定等因素都会使图像含有各种各样的噪声与畸变。例如由于光照度不均匀造成图像灰度过于集中;由摄像头获得的图像经过AD转换、线路传送都会产生噪声污染;车牌的字符部分受到磨损或是被污迹覆盖等等。这些主客观因素不可避免地影响车牌图像的清晰程度，降低图像质量，轻者表现为图像不干净，难以看清细节，重者表现为图像模糊不清、歪斜或缺损，车牌字符边界模糊、细节不清、比划断开、粗细不均等现象。这势必会影响车牌区域分割，降低车牌字符识别的准确度。因此，在对车牌图像进行分析之前，必须要对车牌图像进行预处理。对车牌图像的预处理主要包括以下三个方面:

(l)图像对比度增强。由于车牌识别系统需要全天候工作，自然光照度的昼夜变化会引起车辆图像对比度的严重不足，所以增强图像是很有必要的。

(2)图像去噪。通常得到的汽车图像会有一些污点，为了保证识别的效果，需要对图像进行去噪处理。

(3)倾斜矫正。摄像机的位置、车辆的运动等因素经常使拍摄出来的汽车图像有一定的倾斜，这就需要对图像进行倾斜矫正，或在分割出车牌区域之后对字符倾斜矫正

2.1图像的灰度化

通常情况下，实际的车牌识别系统中由摄像机采集到的原始图像是彩色图像，所有的彩色图像都是由红(R)、绿(G)、蓝(B)三基色组合而成，在数字图像中每一个基色都被分为256个等级，即0~255。由R、G、B三基色不同级别的组合方式，可以计算出一幅彩色数字图像最多可包含167772种颜色。在灰度图像中R=G=B，因此灰度图像中只有一种灰度颜色，同彩色图像中的三基色一样，灰度色也被分成0-255，共256个等级，同理可以计算出一幅灰度图像最多只包含256种颜色。由此可见，一幅彩色图像所包含的信息量远远大于一幅灰度图像，它不仅需要大量的存储空间还需要复杂的图像处理算法，这使得整个车牌识别系统操作时间过长，无法达到其实时性的要求。所以，首先应将采集到的彩色图像转换成一幅灰度图像，这个过程便是图像的灰度化。令g为转换后灰度图像在某