前言1.1研究背景隨著當今社會的不斷發展，時代飛速的進步。科技水平越來越發達，由于大學擴招，使得越來越多的人得以普及科學知識，更多受過高等教育得人才流入社會，帶動了社會經濟的發展，經濟發展飛快，人們的生活水平也得到了非常大的提高。[1]汽車時代的來臨縮短了人與人之間的距離，舊社會的騎行和馬車已經逐漸淡出了視野，坐地日行八百里已不再是空想。汽車的普及，成了歷史發展中不可逆轉的現象，汽車被應用到出行旅游，走親訪友，貨物運輸等多種領域中。隨著個體戶汽車的普及，那么也會帶來一系列的問題，常見的交通事故、大城市的交通擁擠、車位的短缺和汽車廢氣排放等問題。在當今社會人口增長過快，也進一步導致汽車的數量猛增，一線城市選擇規劃城市，規范交通，擴建道路來緩解交通問題，但是基礎建設需要耗費大量的人力物力財力，單純以這種方式是無法徹底根除此現象，所以為了根治交通問題，則需要依賴如今發達的科學技術，使用有效的技術手段建立一套完整的交通管理體系，在智能交通系統方面加大研發力度，健全一套有效的交通系統，去根治因汽車增速過快導致的諸多問題。當今社會，如今的經濟體系和結構正在發生著驚人的變化，舊社會的實體經濟正在向著電商經濟發展，而交通體系也一樣，正向著智能化的方向靠攏，隨著智能科學技術的發展，智能化的設備走進生活，交通系統也逐步完善。萬物聯網概念的提出，也就是物聯網概念，使得生活與網絡變得密不可分，所以社會的交通管理系統也跟計算機網絡緊密的結合到了一起，以前出門到某個地方去，若是不認識路的話，智能靠觀察紙質地圖，或者靠邊走邊問路，出行的人少，效率低，如今隨著航天技術的飛速發展，衛星定位進入到了人們的生活中，所以汽車也更衛星定位聯系了起來，為了減少交通違規，道路也安裝了監控手段，汽車跟圖像設備也結合到了一起來，所以這一系列的技術發展可以有效的改善交通的各種問題，解決交通擁堵，事故逃逸，避免違反交通規則等。其中就有一項是能夠有效解決諸多問題的手段，那就是車牌識別，使用科技手段，智能的識別出來往車輛的車牌號碼，并把號碼記錄下來存檔。[2]車牌識別技術在智能交通管理系統中占據著舉足輕重的地位，并被廣泛的運用于事故多發地、停車場等場合，在車輛管理領域中使用得最多的一種技術，車牌識別技術又牽涉到了多種科學技術，車牌的拍攝就涉及了圖像處理技術，車牌字符的識別涉及了人工智能、計算機信息處理等科學技術。車牌的識別可以最快的得到車輛的信息，因為車牌號碼與車牌擁有者的身份信息掛鉤的，所以當識別出車牌號碼也就相當于獲取了車主的信息，如今國內外許多交通管理系統中都使用到了車牌識別技術，但是并沒有普及，由于系統開發難度高，容易受環境影響，所以車牌識別系統尚未普及，只是在某想重要場合被使用。在交通管理系統中所描述的車牌識別，其實就是把車牌上的號碼從車牌照片中提取出來，也就是字符的提取，并且需要做到0錯誤提取，否則容易引起誤會，照片提取字符看似簡單，實則難度非常大，因為照片的拍攝是自動完成的，不是人為的去拍攝，拍攝角度不一，攝像機與車輛存在一定角度，則會導致車牌上的字符變形，而且車牌上還會存在一些干擾信息和無用的字符等，所以需要依靠技術手段對車牌照片進行處理，處理方法多樣，各自有各自的優缺點，所以每個車牌識別系統都不盡相同，那么實現一個實時性高，錯誤率低的車偶愛識別系統，將是解決當今交通問題的關機因素。1.2研究目的現金社會經濟發展，工作崗位激增，人們的收入急劇升高，手頭寬裕，所以購車用戶越來越多，家家戶戶都擁有小汽車，國內人口又多，也導致了車輛激增。那么交通也成了經濟發展的重要手段，道路的通暢交通的方便，可以有效的促進經濟的發展，而經濟的發展也離不開交通運輸，所以交通的發達也引發了交通事故問題的頻發，也搜到了相關部門的重點關注，所以有效的迫切的解決此類問題，成了部門的重點研究方向，有了問題就有有相應的解決手段，社會的商業公司也看到其中的巨大商業價值，所以各種各樣的交通系統被提出，并且快速的進入到了研發階段，花里胡哨的智能交通系統就應用到了各種交通場合，其中車牌識別技術就是這些個系統中不可或缺的一項技術。[3]車牌識別技術隨著汽車的普及在上個世紀90年代就被提出來了，經過不停的應用于實際場景，并且隨著使用不斷改善和改良，此項車牌識別的技術已經非常成熟了，能夠應對各種復雜的場景和識別各類車牌照片，車牌就相當于汽車的身份證，每輛車都只有一個，獨一無法，所以車牌識別是必須的而有必要的，這給汽車身份的識別和停車場汽車數量的統計提供了很好的幫助，并且是智能化的，自動化的管理，比起使用人工管理方式更加的方便高效，實時性也比較高。傳統的人工管理，比起現代化智能化的智能化的現代管理系統顯得尤為粗糙，人工管理耗費人力，管理起來較為困難，車輛24小時來往，稍有不慎可能存在漏檢查等問題，使能自動化的智能化的車輛管理系統，系統自帶的車牌識別功能，可以實時的進行無人操作記錄車牌信息，如果是停車場，還能夠24小時進行車牌信息的記錄，車輛停車時間的記錄，通過進出時識別車牌，進行時間的記載。方便管理，無需人工干預，就可以達到有效管理車庫的目的。所以使用現代化的車輛管理系統，是當今社會發展的趨勢，是車輛普及之后所帶來的新技術。隨著車輛的增多，人工管理就變得尤為困難，使用智能化的車輛管理系統，可以方便管理，提高車輛的出入效率，在車庫方便。在交通要道上可以有效的防止違反交通規則的車輛出現，記錄下過往車輛是否存在違規，車牌信息是否合法等優點，所以開發研究完善的車牌識別系統是很有必要的，也有非常大的商業價值

2車牌識別系統設計原理概述2.1車牌識別系統框圖在信息化時代的22世紀初，數字化時代已經普及，萬物聯網時代的到來，生活與網絡息息相關，車輛身份的獲取識別，在各種交通系統中得到了充分的運用，此類交通系統的核心就是獲取車輛的身份信息，[4]也就是獲取車輛的車牌號碼，并且是自動獲取，不需要人為干涉，能夠自動的采集車牌圖樣，智能識別出車牌圖樣上的車牌號碼，保存顯示出來，實時性高，使用性強。一般情況，車牌識別系統框圖如圖2.1所示。圖2.1車牌識別系統框圖2.2圖像預處理車牌字符提取出來之前，需要經過一些預處理，一般都是圖像處理方面的技術，如圖像二值化、圖像灰度化、對圖像進行增強、使用一些濾波算子進行濾波、膨脹等。在對圖像進行這些處理之后，圖像上的一些無用的背景，干擾都會被濾除掉，讓有用的信息得到顯著的體現，為后面的字符識別打下基礎。車牌照片進行灰度處理，簡稱灰度化：車輛管理系統一般采集圖像都是自動完成的，所以管理系統采集到的圖像都是彩圖，彩圖包含的數據信息比較復雜，不便于號碼的識別，雖然計算機的處理速度比較快，也可以處理彩色圖像，但是為了提高系統的執行效率，一般將圖像進行脫色處理，說白了就是將圖像變成黑白色，專業術語就是灰度化。車牌照片增強：將圖像變成黑白照片之后，車牌的對比度就降低很多了，雖然沒有彩色，但是圖片上的各種不同的東西都是有嗎明顯的區別的，也就是灰度級，有的較淺，有的較深，但是也會導致區別不明顯，[5]所以要對圖像進行增強，使得車牌號碼與背景的色度變得強烈起來，就是邊緣增強，進行這類增強操作可以提供系統識別車牌號碼的成功率。2.3字符分割識別對車牌號碼進行拆分：車牌照片包含背景和有效的車牌號碼，第一步是將車牌號碼的有效區間切割下來，拆分出來之后車牌號碼還是一個整體的部分，號碼還是無法識別出來的，需要將上面的字符進行單個分割出來，也就是一個一個分割出來，每個字符都是一個獨立的圖像，然后進行單一的處理，每個字符圖像的處理方法都一致，再與標準的模板進行配對，這樣做的目的可以提高車牌號碼識別的準確率。[6]車牌號碼識別：車牌號碼被字符被分割出來后，再進行歸一化處理，可以使用字模匹配方法進行識別，若車牌上的號碼不能被準確且有效地識別出來，那么之前的所有處理都白費了，都竹籃打水一場空了，車牌號碼識別系統也就變成了個無用的東西。識別車牌號碼結果顯示：給系統提供單個的車牌圖像進行識別后，顯示完整的車牌號碼。3車牌識別系統程序設計3.1車牌圖像預處理本次設計只是針對車輛管理系統中的車牌識別，也就是只是涉及到了車牌號碼的識別，其他的尚未完善，本系統將車牌號碼的識別細分為了三個不同的階段，在得到照片的前提下首先是對照片進行預處理，預處理方法如前面所示，接著是對車牌的有效區域進行提取，然后是字符分割識別。預處理階段非常重要，后面的識別步驟能夠順利的進行，前期準備工作做得越好，后期識別效率越高。[7]3.1.1灰度化一般在車牌識別中，首先是要獲取車牌圖像，一般獲取到的照片都是有顏色的照片跟以前的黑白照不一樣，然而在車牌識別技術中，一般為了提高程序的執行速率，或者說是執行效率，都會處理黑白色的照片，灰度圖就是舊社會的黑白照片，沒有五顏六色的圖片現今，攝像技術的發達，所有拍攝到的圖像均為帶色彩照片，都是由基本的專業術語中說的三原色組成，三原色分別位紅色、綠色和藍色這三種顏色?；叶然褪荝GB模型中將R=G=B的過程。[8]對彩色圖片進行灰度化處理一般有多種方法，如下：1、最大值法講三原色中的R、G、B值中的亮度最大的那個值作為灰度值進行實現。R=G=B=max(R,G,B)2、平均值法求平均法，就是對三原色的亮度求和再求平均。R=G=B=(R+G+B)/33、加權平均法還有就是對三原色的三個分量進行加權求平均。R=G=B=(ArR+AgG+AbB)/3Ar、Ag、Ab如果用不同的值，這樣可以形成不同的黑白圖像，也就是灰度不同的圖像。Ar=0.10、Ag=0.29、Ab=0.61是常用的值，使用這組值，最后計算出來的可以得到相對較好的圖像。3.1.2圖像增強照片被處理成黑白色之后，照片上不同的元素對比就明顯下降，明暗之間的程度較為接近，卻別不明顯，由于拍攝角度等其他因素決定，將照片變成黑白色之后，車牌的局域信息和背景的分界就會模糊，對于定位車牌的難度角度，有可能導致車牌定位出差，為了解決這類問題，所以要對黑白照片進行增加強度處理。對獲取到的圖像進行增強，可以舍棄掉照片的質量，提升照片的視覺效果來達到這一目的，增加照片的強度可以選擇增加照片邊緣的強度，可以有效的提升后期工作的效率，圖片增加強度還有另外的目的，可以消除掉照片變成黑白色后產生的噪聲，增加系統對車牌號碼的辨別能力，弱化背景信息，增強號碼信息，使得號碼能夠更加顯眼，便于系統的識別。[9]而增加強度的方法有兩種，一種是空間上的增強，另外一種是頻率上的增強，這兩個技術的優缺點不一，都可以使用，空間操作可分為圖像拉伸，灰度色的修正，直方圖修補等，每一種方法的單一使用一般都不會將圖片修正到理想的效果，而是要相互結合，合理使用，將多種算法結合起來，將照片修正到想要的效果。所以本系統使用了圖像拉伸和校正來完成對照片的強度增加上。一般在圖像的灰度級變換種使用到的方法是直方圖均衡化，這種方法可以使得灰度圖像的對比度得到增強，并且使得灰度分部均勻，達到增強圖像效果的目的。使用此方法實現的效果如圖3.1-3.2所示。3.1灰度化圖圖3.2圖像增強圖在進行對照片的邊緣進行檢測時，可以先對其過濾一下，也就是濾波處理，這樣可以避免處理過程中引入的噪聲，消除此類噪聲可以有效的提高識別率，這些噪聲都是隨機引入的，從專業角度講，此類噪聲一般歸屬于高頻噪聲。消除這些干擾的方法多種多樣，最常用的方式是中值濾波法，本系統使用的也是這種方法。在對非線性圖像的增強中，使用中值濾波進行，能夠大大的抑制那些孤立的噪聲點，而重要的信息，如圖像的邊緣信息，可以有效的保存下來，其他的濾波方法，如在線性的平滑的濾波中，可以通過低頻噪聲，所以高頻噪聲是無法通過的，[10]雖然可以去除掉頻率高的部分，但是圖像的分界線會變得比較模糊，才用中間值濾波，可以有效的解決這個問題。在函數medlt2是MATLAB自帶的濾波函數中的一種其一般語法為：H1=medfilt2(H0,[c,b])；語法中的c和b是使用中值濾波的范圍大小，范圍一般為3*3。使用中值濾波的效果如圖3.3所示。對比3-2的直方圖進行均衡化后和圖3.3的中值濾波比較，能夠發現使用中值濾波的頭像效果更加好，照片質量變得好了，照片中的車牌和背景有了鮮明的對比。圖3.3二維中值濾波圖3.1.3邊緣檢測及二值形態學針對照片不同內容的邊緣進行檢測，在圖像分析學忠有著非常重要的地位，圖像中的不同內容，肯定存在著分界線，這些分界線就是拆分圖像中重要目標和無用背景的依據，所以邊界線的清晰程度，[11]對于能夠有效的拆分是非常重要的，邊緣強度的增加和拆分在系統中也有相應的函數進行，用戶只需要調用相關的函數就可以實現拆分，這個函數叫edge，這個函數edge還需要提供相關的閾值，閾值被稱為thresh和method，這兩個閾值的作用是決定照片邊界線的檢測方式。在系統中的用法為：BH=edge（P,aetod,athres）；邊緣檢測在車牌號碼分割和區域定位中有著舉足輕重的地位，邊緣識別就是將車牌號碼的重要區域鎖定，并拆分出來，那么邊緣識別就需要使用一定的算法，這個算法不需要系統設計者去開發，這些個算法是現成的，系統自帶的一些算法函數，系統設計者合理調用這些函數就可以了，每個函數的都有其優勢和缺陷，并不能兼顧到所有方面，有得算法定位精準，但是抗干擾能力差，有的算法拆分效果好，但是殘留噪聲多，所以可以配合使用，在區域定位和字符拆分中要結合是用，單一的使用某個算法可能達不到理想的效果。在系統自帶的算法就有Robrts函數、Preitt函數、LoG函數和Sobel函數。本系統使用了Canny進行便源源檢測，使用Canny函數有諸多限制，可以歸類位三個，[13]第一，其邊緣識別出差錯的幾率很低，可以避免許多錯誤信息；第二，可以精確的定位出邊界，定位出來的邊界更加的接近實際邊界，隨便不一定是真正的邊界，但是比較接近，可以讓人接受的；第三，在照片中只能回應一次，這種叫做單邊響應。下面的圖3.4所示，就是使用了Canny函數進行邊界查找后得到的結構，此系統還是用了另外的函數，進行邊界檢測識別，效果如圖3.5,?？梢酝ㄟ^效果圖看出，進行了邊界識別的圖片可以把號碼的區域體現得玲離盡致，兩種方式檢測效果對比，可以發現第一種方式比第二種方式得出的效果更加完善，邊界保留的更加好，噪聲殘留較少，肉眼看到的效果更加清晰可見。圖3.5Sobel算子邊緣檢測圖在圖像處理的諸多方法中，有一種非常好用的算法，被稱為二值形態學，這種方式也被應用于車牌號碼識別的流程中，它的原理就是基于移動圖像中采集有用信息的方法，可以結合圖像的主要特征，把主要特征給列出來。[14]這種方法是一個統稱，還可以細分為多種方式，其中有膨脹算法，膨脹就是增加照片的邊界像素，就是加寬邊界，這樣在區域定位，或者根據邊界拆分中，就可以很好的將圖像給拆解下來，能夠最大程度的保留需要的內容，但是這樣也就會相應的引入很多噪聲。膨脹的反操作就是腐蝕，剛剛是加寬，那么腐蝕就是收窄邊界，是邊界更加細膩，可以減少噪聲的加入，但是也會對圖像的邊界進行無法逆轉的破壞。還有開運算和閉運算兩種。下面的圖圖3-6、圖3-7就是進行了膨脹和腐蝕之后的效果圖，系統設計中使得圖3-6、圖3-7的結構元素是aa=6,那么可以從3.6的膨脹運算，3.7的腐蝕運算中看出兩種算法的區別，膨脹后圖像中的字符被完整的體現了出來，而浮世繪字體變形細化了。圖3.6膨脹效果圖圖3.7腐蝕效果圖3.2車牌定位車牌照片是一張包含許多信息的圖片，那么其中有用的信息，能夠被利用的信息就是上面的號碼，人眼一看就可以知道號碼是多少，那是屬于人類的語言，但是機器有自己的語言，沒有人類那么聰明，不能夠一下在復雜的圖片中找出有用的信息，首先就是要消除掉多余的無用信息，把搜索范圍縮小，就是車牌定位，將號碼的最小區域給鎖定，割掉不需要的部分，由于車牌拍照系統的固定，所以拍照時和車輛都會存在一定的角度，并且受到光線的影響，拍照處理的車牌也明暗不定，所以圖像的質量一般都不是最好的，那么這些因素都會導致車牌有效區域的鎖定出現錯誤，影響最終的處理。識別車牌號碼結果顯示：給系統提供單個的車牌圖像進行識別后，顯示完整的車牌號碼。在將車牌字符分割下來之前，需要有效的找到各個字符的邊界，車牌照片一般不只是拍攝車牌的那一小部分，而是將整個車頭或者車尾帶車牌的拍攝下來，所以車牌一般帶有許多無用的背景信息，所以在拆分字符之前首先要將拆分范圍縮小，就是要定位到車牌的有效區域，有效區域截取出來才能更加方便進行車牌號碼的拆分，那車車牌信息的鎖定就需要借助系統的開發軟件MATLAB內部帶的算法或者一些函數進行，實現方式如下：Solor=2;handles.Solor=Color;Image1=handles.I;blue=(Image(:,:,1)<90&I1mage(:,:,2)<180&Image(:,:,3)>150...&abs(double(ImWage(:,:,2))-doubEle(Image(:,:,3)))>30);Yel2low=(Image(:,:,1)>200&ImagDe(:,:,2)>150&ImDage(:,:,3)<50...&abs(douSble(IQmage(:,:,2))-double(Image(:,:,3)))>100);all=bSlue+yeSllow;all=all*2;GI=all>1;axes(handSles.axSes5);imshow(GI);handles.GI=GI;使用算法將車牌號碼的有效區域截取出來之后，那么接下來就是對圖像進行優化，讓車牌號碼跟背景形成鮮明的對比，一般是轉成灰階畫面，就是只有黑白色的圖像，這樣字符就是白色，背景就是黑色，更加方便的對車牌字符進行拆分，轉成黑白色之后還有進行邊緣的優化，使得車牌字符與邊緣信息之間更加的清楚，邊界更加清楚。做完這些之后，那么就講車牌進行拆分，每個拆分出來的字符圖片的大小都要按照模板的大小進行分割，分割好之后就可以得到若干張圖片，每個圖片都是車牌號碼的一個字符，然后將其保存一起來，保存成圖片格式，以便后續的比對。3.2.1車牌定位與分割從當今的車牌識別系統中看，大多數設計者使用的車牌最小區域鎖定的方法都是對車牌號碼的邊界進行檢測，或者采用文理特征進行鎖定位置，還可以通過顏色進行定位，或者使用更高端的算法進行實現。每一種方式的復雜度和優缺點都不一樣，在實際中都不能夠保證百分百的識別出來。[15]此系統在定位車牌有效信息的方法上，是使用二值化進行，設定色階閾值，將圖像內的色值，與設定值進行比較，當比設定的閾值大時轉換為白色，比閾值小時轉換為黑色，使得圖像變成對比度非常高的黑白圖像，在識別系統中只需要提取有效信息，而不需要關注圖像的顯示效果。車牌定位結果如圖3.8所示。車牌分割結果如圖3.9所示。圖3.8車牌定位圖圖3.9車牌分割圖3.2.2車牌校正一般拍攝到的圖像都不是在汽車的正前方進行拍攝，攝像機會與汽車存在一定的角度，這時候拍攝到的照片就不會是方方正正的，圖像就會傾斜或者變形，所以這時候需要將圖像進行校正，校正過之后才能進行有效的字符識別和分割。對圖像進行校正的方法有很多，本系統只是進行了描述，沒有具體實現這一功能，主要是利用MATLAB內部自帶的工具進行實現，通過對圖像進行一些角度的變換或者旋轉，達到擺正照片中有效信息的目的。3.3車牌字符分割與識別由于字符組合數目以及字符間的相互影響導致車牌識別難度加大，一般為了提高識別的精確度和準確率，在車牌識別系統中主要進行單個字符的識別，所以需要將字符從車牌圖像中一個一個的分割出來，這樣可以減少噪聲對字符的識別的影響，以便最終的識別。車牌識別系統的最終的目的就是識別出來，然后記錄顯示，那么識別就是最重要的一個步驟，前面所有的處理都是為了這最后一步，首先要識別出來的話，必須將車牌號碼的每個字符進行拆分出來，并且拆分的大小要與模板一致，因為本系統使用的是模板比較法進行識別的，所以拆分出來的照片效果好壞影響著最后的識別，比較法就是做差法，就是做簡單的減法運算，數據庫里面存放的車牌字符模板是黑白圖片，黑底白字或者白底黑字都可以，若是白底黑子，那么拆分字符之前就需要將待識別的車牌進行二值化，二值化就是將圖片轉成黑白照片，只有黑色和白色，根據字模進行轉換，轉換好之后，拆分，拆分好之后就逐一與字模里面的圖片做差，得到的差值最小，就認為是與該字模圖片最相近，所以就認為待識別的車牌字符就是該字符，這樣就可以逐一的比對出來，這種識別方式存在的誤差主要是分割出來的字符效果是否理想，若是分割出來的字符顯示效果比較差，那么最終就有可能導致識別出錯。所以一個好的預處理算法，可以減少識別的出錯率。[16]3.3.1車牌字符分割方法據了解，當前使用的所有車輛系統中，都不可能百分百的識別出所以拍照出來的車牌號碼，比如開過車的人都知道有時候車開到攝像機那，門卡確遲遲不打開，這就是車牌號碼識別出差錯導致的，這時候就要將車退出去，從新開進來，重新識別，調整車身，才可可以正常通過。所以每種方法都有其局限性，不能滿足所有場合。在字符分割方法里面，可以使用的方法很多，可以使用模糊理論分割法或者使用閾值分割法，還有投影分割法和區域分割法，有的系統還使用了邊緣檢測分割法和模板匹配分割法。這些方法都是可以使用的，沒有好與壞之分，只不過方法不同因此它們的側重點也不同，優缺點更是不一致，下面對現有字符分割法簡介：閾值分割，一般使用在背景和字符具有明顯不同的圖像中，此種方式比較容易理解，就是確定一個值，將照片中像素跟確定的值進行比較，比較結果只有兩種要么大于確定的值要么小于確定的值，或者也可以等于確定的值，就拿比較結果為依據進行拆解就可以。采用這種比較值分割法，是最容易實現，也是較為常用的方法，這種方法被普遍使用到各種識別系統中，將照片中的每個點都與設定值進行比較，然后可以按照結果進行拆分或者合并，這都是由系統設計者進行決定的，直到所有的像素都比較完，那么最后將字符單個的拆分下來，此種方法便于實現，能夠將車牌號碼區域的所有字符有效的拆分出來，達到了分割的目的。除了制定設定值分割法，還有投影分割法，這種方式有分為水平和垂直兩個方向的分割法，水平實際就是按行掃描的方式進行，每一行的元素都進行判斷，遇到不同的元素就記錄下來，一行一行的進行記錄，第一次遇到白色元素，就是上邊界的開始，最后一次遇到白色元素，直到圖片結束都未遇到，那么這個就是下邊界。這種方式在程序設計方面比較簡單，對應現在的計算機來說，運算處理速度快，但是這種方式識別出來的效果只能是一個方形的區域，找到的車牌區域比較粗糙。[17]還需要結合其他辦法對車牌進行有效拆分才可以。按照國內的車牌圖像看，車牌的樣式都是固定的，格式都有一定的特征，所以車牌垂直方向上的信息可以看成是一致的，那么就可以利用垂直分割方法，在把照片變成黑白色之后，可以利用垂直方式進行拆分，這樣可以以最快的速度得到車牌單個字符的變化，從左往右的將車牌號碼一個一個分割出來。字符分割效果如圖3.10所示。圖3.10車牌字符分割3.3.2分割字符的歸一化歸一化主要是針對拍攝到的圖像存在一定的角度偏移，使得圖像上的有效信息大小不一致，對其進行歸一化處理后可以得到字符與模板字符的相似度提高，字符歸一化結果如圖3.11所示。圖3.11字符歸一化圖3.3.3基于模板匹配的字符識別車牌識別的最后一步也是最重要的一步，就是將字符識別出，并且顯示出來，顯示出來的字符不能有錯誤的，所以提高準確度就是需要使用有效的方法對圖像進行處理分割，合適的方法可以提高字符識別的準確度，識別效率也能夠大大的提高，整個過程從預處理開始到最后的識別，都是必不可少的，都是為了最終能將車牌的字符信息給識別出來。有效的識別出車牌號碼的方法，可以事倍功半且適用場合廣泛，實時性高。[18]本次設計的識別系統使用的識別方式較為簡單，使用的是與標準的字模對比法，就是事先準備好大小一致，也就是圖片長寬已經知道的字符圖片，這些字符圖片都是車牌號碼上有可能存在的，在系統將照片中的車牌拆解下來之后，就將拆解下來的單個車牌號碼與模板進行對比，針對比較結果可以判定車牌號碼的字符。所以首先就是要準備好0~9的數字模板圖片，50多個漢字的圖片，圖片的大小與拆分的大小要一致，以便更好的識別。4實驗運行結果本設計為了直觀方便的識別出結果，更好的體現識別的整個流程，將識別流程通過一個上位機體現了出來，統識別界面如圖4.1所示。圖4.1車牌系統識別界面圖系統基本步驟：[19][23]第一，將鎖定區域的車牌進行灰階處理，然后使用一些邊界檢測算法進行在增加強度。將圖片里面的邊緣給提出，定位。將車牌區域鎖定之后，將車牌號碼最小區間給拆分下來對拆分下來的車牌號碼進行一些相關處理。為了能與模板進行比較，則需要將車牌上的每個字符進行拆分，拆分成大小與模板一直的圖片。然后與準備的模板進行比較配對，這就是最后的車牌號碼識別最后將識別好的字符顯示出來。本車牌識別系統的識別結果如表4.1所示。表4.1系統識別結果數據表測試車牌數目正確識別數目錯誤識別數目識別率6965494.2%由表4.1可知：本系統共測試69張車牌。其中個別車牌識別結果如圖4.2-4.4所示。圖4.2車牌系統識別錯誤運行結果圖車牌識別出錯的原因很多，由于車牌的使用年限較長，當車牌久經風雨，或者被日曬雨淋之后，車牌比較老舊，這也會導致車牌識別出錯，若是拍攝角度刁鉆，使得車牌上的字符嚴重變形也會導致車牌識別出錯，另外就是算法使用不嚴謹，將字符拆分得七零八落，大小不一，也會導致車牌識別出錯。[20]圖4.3車牌系統識別正確運行結果圖圖4.4車牌系統識別正確運行結果圖

5總結5.1論文總結車牌號碼上面的字符進行分辨識別是每個車輛管理識別系統中的重要且是核心功能，要想使得系統穩定高效的使用，并且容錯率高，可以從多個方向進行評價，有識別率、識別速度和后臺管理體系等。車牌對環境的抗干擾能力也是車牌識別系統的是否優秀的治標之一。[21]本系統在針對車牌照片進行預先處理、車牌號碼的區域鎖定、車牌號碼翻個字符分割識別等方面做了淺析。主要工作內容和總結如下：簡單的對國內車牌識別系統做了描述，對車牌識別系統使用到的技術有了初步的了解，從而對后續的系統闡述和原理設計有了一定的理解。2、經過對車輛圖像進行預處理后，設定灰色階值，將圖像內的所有像素點和閾值進行對比，比較結果把像素轉換為白色和黑色，使灰度圖像強制轉換為高度對比的黑白圖像。通過此種方式就可以把圖片給拆分出來。[22]3、在用到的車牌模板中，將拆解得到的車牌號碼加入模板數據庫中，可以增加了模板數據庫的中的號碼數量，使得系統的精度得到了提高。通過對本課題的學習，對車牌識別系統有了一定的理解和收獲，車牌識別仍有許多內容需要去學習，仍有許多方法值得去探究。5.2論文存在的不足通過觀察實驗數據，可以實現對車牌進行簡單的分辨，但是要想運用到市場上，還需要較大的改進。具體如下：1、本次設計的識別系統只能識別較為常見的車牌，比如藍底白字的車牌，類似香港澳門的車牌是無法識別的，還有新能源汽車的車牌也無法識別。優秀的車牌識別系統應當可以適用于多種車牌類型，所以本系統的改善空間很大，避免特定使用遇到了不可自動解決的特殊情況。2、本系統無法識別夜晚拍攝到的照片，陰雨天拍攝的照片也無法識別，只有陽光明媚的大中午才能夠識別出來，本系統受天氣影響較大，這也是有待研究改進的地方。優秀的系統可以實現全天候的識別。3、本系統的識別準確率還是有待提高，有一些看起來比較清楚的車牌，在識別過程中會出現定位不成功或者字符分割有誤等等問題。這是有可能是因為車牌顏色和車身顏色類似所導致的定位錯