摘 要: 通過對車牌定位、車牌字符分割和車牌字符識別進(jìn)行研究，提出了一種車牌識別系統(tǒng)的設(shè)計和實(shí)驗(yàn)仿真方法。該方法首先采用基于Canny 算子邊緣檢測和數(shù)學(xué)形態(tài)學(xué)相結(jié)合的方法定位出車牌,進(jìn)行二值化、濾波和形態(tài)學(xué)開運(yùn)算后使用投影二分法分割出7個車牌字符,最后使用模板匹配和特征統(tǒng)計相結(jié)合的方法識別出車牌字符。試驗(yàn)表明該方法是有效的、可行的,與傳統(tǒng)使用單一算法相比較，該方法大大提高了車牌識別系統(tǒng)的正確率。
關(guān)鍵詞: 圖像預(yù)處理； 車牌定位； 車牌字符分割； 車牌字符識別

隨著世界經(jīng)濟(jì)和科學(xué)技術(shù)的不斷發(fā)展,智能交通系統(tǒng)越來越多地被人們所關(guān)注。車牌識別LPR(License Plate Recognition)是智能交通系統(tǒng)中重要研究課題[1]，已成為圖像處理和模式識別研究中的熱點(diǎn)。整個車牌識別系統(tǒng)主要包括圖像預(yù)處理、車牌定位、車牌字符分割、車牌字符識別4個模塊，其流程圖如圖1所示。

圖像預(yù)處理主要是將輸入的彩色圖像轉(zhuǎn)換為灰度圖像，再進(jìn)行灰度增強(qiáng)，以達(dá)到較好的凸顯車牌字符的效果。這里首先將24位R、G、B的彩色圖像按式(1)轉(zhuǎn)換成256級的灰度圖，以減少存儲和計算量，圖2是轉(zhuǎn)換后的車牌灰度圖。

1 車牌定位
車牌定位是車牌識別系統(tǒng)中關(guān)鍵的一步，直接關(guān)系到車牌字符分割的準(zhǔn)確性和系統(tǒng)識別的正確率[2]。通過比較4種典型的邊緣檢測算子，選擇Canny算子對車牌進(jìn)行邊緣檢測，然后對車牌進(jìn)行形態(tài)學(xué)處理，并統(tǒng)計圖像中白色像素點(diǎn)的個數(shù)定位出車牌區(qū)域。
1.1 4種典型的邊緣檢測算子
　邊緣檢測的目的是標(biāo)識數(shù)字圖像中亮度變化明顯的點(diǎn)，車牌識別4種典型的邊緣檢測算子有：Roberts算子、Prewitt算子、Sobel算子和Canny算子，圖3是這4種典型的邊緣檢測算子對車牌圖像的檢測效果圖。

實(shí)驗(yàn)結(jié)果表明,Roberts算子對邊緣定位比較準(zhǔn)，但對噪聲過于敏感，在圖像噪聲較少的情況下分割效果相當(dāng)不錯。Prewitt算子有一定的抗噪能力，但是這種抗噪能力是通過像素平均來實(shí)現(xiàn)的,相當(dāng)于低通濾波，所以圖像有一定模糊,其邊緣檢測時會受到一定影響。Soble算子對噪聲有抑制作用,但對邊緣的定位不是很準(zhǔn)確，不適合對邊緣定位的準(zhǔn)確性要求很高的應(yīng)用。Canny算子具有高定位精度，即能準(zhǔn)確地把邊緣點(diǎn)定位在灰度變化最大的像素上，同時較好地保留了原有車形的邊緣特征，并能抑制虛假邊緣的產(chǎn)生，因此本文選取Canny算子作為車牌圖像邊緣檢測算子。
Canny算子邊緣檢測的實(shí)現(xiàn)是由MATLAB圖像處理工具箱中edge函數(shù)來完成的。edge函數(shù)主要是在灰度圖像中查找圖像的邊緣，處理圖像的格式為BW=edge(I,′Canny′,thresh),其中I為灰度圖像；thresh是一個包含兩個閾值的向量，第一個元素是低閾值，第二個元素是高閾值，本文Canny算子邊緣檢測的MATLAB參數(shù)設(shè)置如下：
I2=edge(I1,′Canny′,[0.25,0.65]);
figure(3),imshow(I2);title(′Canny算子邊緣檢測′);
1.2數(shù)學(xué)形態(tài)學(xué)處理
　數(shù)學(xué)形態(tài)學(xué)是由一組形態(tài)學(xué)的代數(shù)運(yùn)算算子組成的，用這些算子可以對圖像的形狀和結(jié)構(gòu)進(jìn)行分析及處理[3]。通過對圖像的腐蝕和膨脹運(yùn)算能使車牌區(qū)域連通，并最大限度地消除非車牌區(qū)域的噪聲干擾。腐蝕和膨脹后的車牌圖像如圖4所示。