众文网1.求助车牌定位的论文
汽车牌照的自动定位是智能交通系统中的重要组成部分之一，是实现车牌识别（LPR）系统的关键。
针对不同背景和光照条件下的车辆图像，提出了一种基于灰度图像灰度变化特征进行车牌定位的方法。依据车牌中字符的灰度变化以峰、谷规律分布确定车牌上下边界，对扫描行采用灰度跳变法确定车牌左右边界。
The automated license plate location is an important part in the intelligent traffic system.It is the key step in the Vehicle License Plate Recognition(LPR).A method for the recognition of images of different backgrounds and different illuminations is proposed in the paper.the upper and lower borders are determined through the gray variation regulation of the character distribution.The left and right borders are determined through the black-white variation of the pixels in every row.在车牌识别中，最重要的步骤就是车牌定位，定位的成功与否以及定位的准确程度将会直接决定后期能否进行车牌识别以及识别的准确度。由于在现实中，汽车的车牌图像受到光照、背景、车型等外界干扰因素以及拍摄角度、远近等人为因素的影响，造成图像受光不均匀，车牌区域不明显，给车牌区域的提取带来了较大的困难。
2.车牌识别的图像边缘算法研究
图像边缘提取 常用的边缘检测算子有梯度算子、Roberts算子、Sobel算子、Prewitt算子、Canny算子 不过单用 效果不好
不知道你是什么语言的车牌识别 建议用梯度算子 效果不错 这里给出matlab的
主函数：
im=imread('1.kpg')
I=rgb2gray(im)；%调并转化为灰度图象；
[height,width]=size(I);
%预处理
I_edge=zeros(height,width)； %创建height*width的矩阵
for i=1:width-1 % 对每一列开始遍历
I_edge(:,i)=abs(I(:,i+1)-I(:,i)）；% 每列的值赋为原图像中左右两列相减的绝对值（即梯度）
end
I_edge=(255/(max(max(I_edge))-min(min(I_edge))))*(I_edge-min(min(I_edge)））；%归一化处理（0~255）
[I_edge,y1]=select(I_edge,height,width)； %%%%%%调用select函数
BW2 = I_edge；% 经过梯度变化的图象 图像边缘检测图像边缘检测图像边缘检测
%%%%%%%%%%%%%%%%一些形态学处理
SE=strel('rectangle',[10,10]);
IM2=imerode(BW2,SE)；%使用二值结构要素矩阵SE队图像数据矩阵BW1执行腐蚀操作
IM2=bwareaopen(IM2,20);
IM3=imdilate(IM2,SE)；%使用二值结构要素矩阵SE队图像数据矩阵BW1执行膨胀操作 %开运算，
调用函数：
function [y,y1]=select(ImageData,h,w)
thr=0.5;delta=0.05;
%
y=(ImageData>=thr*mean(max(ImageData)));
BW2=bwareaopen(y,10);SE=strel('square',15);
figure(4),subplot(1,2,2);imshow(BW2);title（'清除小面积对象'）；
%开运算，消除细小物体
IM2=imdilate(BW2,SE)； %膨胀
figure(5),subplot(1,2,1);imshow(IM2);title（'第一次膨胀操作'）；
IM3=imerode(IM2,SE)；%腐蚀
figure(5),subplot(1,2,2);imshow(IM3);title（'第一次腐蚀操作'）；
average=sum(sum(IM3))/(h*w);
while(average0.08)%参数可能需要自己调整
% if(average=1)
% break;
%end
if(average=thr*mean(max(ImageData)));
BW2=bwareaopen(y,10);
IM2=imdilate(BW2,SE);
figure(6),subplot(1,2,1);imshow(IM2);title（'第二次膨胀操作'）；
IM3=imerode(IM2,SE);
figure(6),subplot(1,2,2);imshow(IM3);title（'第二次腐蚀操作'）；
average=sum(sum(IM3))/(h*w);
end
y1=y;
y=IM3;
3.车牌识别的图像边缘算法研究
图像边缘提取 常用的边缘检测算子有梯度算子、Roberts算子、Sobel算子、Prewitt算子、Canny算子 不过单用 效果不好 不知道你是什么语言的车牌识别 建议用梯度算子 效果不错 这里给出matlab的主函数：im=imread('1.kpg')I=rgb2gray(im)；%调并转化为灰度图象；[height,width]=size(I)；%预处理I_edge=zeros(height,width)； %创建height*width的矩阵for i=1:width-1 % 对每一列开始遍历I_edge(:,i)=abs(I(:,i+1)-I(:,i)）；% 每列的值赋为原图像中左右两列相减的绝对值（即梯度）endI_edge=(255/(max(max(I_edge))-min(min(I_edge))))*(I_edge-min(min(I_edge)））；%归一化处理（0~255） [I_edge,y1]=select(I_edge,height,width)； %%%%%%调用select函数BW2 = I_edge；% 经过梯度变化的图象 图像边缘检测图像边缘检测图像边缘检测%%%%%%%%%%%%%%%%一些形态学处理SE=strel('rectangle',[10,10]);IM2=imerode(BW2,SE)；%使用二值结构要素矩阵SE队图像数据矩阵BW1执行腐蚀操作IM2=bwareaopen(IM2,20);IM3=imdilate(IM2,SE)；%使用二值结构要素矩阵SE队图像数据矩阵BW1执行膨胀操作 %开运算，调用函数：function [y,y1]=select(ImageData,h,w)thr=0.5;delta=0.05;%y=(ImageData>=thr*mean(max(ImageData))); BW2=bwareaopen(y,10);SE=strel('square',15); figure(4),subplot(1,2,2);imshow(BW2);title（'清除小面积对象'）；%开运算，消除细小物体 IM2=imdilate(BW2,SE)； %膨胀figure(5),subplot(1,2,1);imshow(IM2);title（'第一次膨胀操作'）； IM3=imerode(IM2,SE)；%腐蚀 figure(5),subplot(1,2,2);imshow(IM3);title（'第一次腐蚀操作'）； average=sum(sum(IM3))/(h*w);while(average<0.03||average>0.08)%参数可能需要自己调整 % if(average<=0.005||average>=1) % break; %end if(average<0.03) thr=thr-delta; else thr=thr+delta; end y=(ImageData>=thr*mean(max(ImageData))); BW2=bwareaopen(y,10); IM2=imdilate(BW2,SE);figure(6),subplot(1,2,1);imshow(IM2);title（'第二次膨胀操作'）； IM3=imerode(IM2,SE);figure(6),subplot(1,2,2);imshow(IM3);title（'第二次腐蚀操作'）； average=sum(sum(IM3))/(h*w);endy1=y;y=IM3;。
4.车牌号识别的算法思路,matlab是什么软件
我用matlab好几个年头了，实际上我觉得matlab就是一个工具包，里面有一些现成的关于各种计算的模块----几乎包含了各个专业需要数值计算的地方，我们需要做的就是使用这些模块、按matlab的语法来完成我们自己需要的计算，计算过程中可以完全的在matlab环境完成、不需要第三方的工具；也可以用C/C++等语言来调用matlab中现有函数，把计算交给matlab的函数，C/C++等语言来处理计算的结果，当然这个调用过程需要按照一定的语法来完成。
额，不知道这些解释清不清楚。关于图像识别我知道有一个插件-大漠插件，图像文字识别游戏后台，我经常用它识别文字。
5.车牌字符识别算法原理是怎样的
原理就是通过摄像机拍摄道路上行驶的车辆图像进行车牌号码的识别，过程涉及：车辆检测—图像采集—预处理—车牌定位—字符分割—字符识别—结果输出。
辆检测：可采用埋地线圈检测、红外检测、雷达检测技术、视频检测等多种方式感知车辆的经过，并触发图像采集抓拍。
图像采集：通过高清摄像抓拍主机对通行车辆进行实时、不间断记录、采集。
预处理：噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整等。
车牌定位：在经过图像预处理之后的灰度图像上进行行列扫描，确定车牌区域。
字符分割：在图像中定位出车牌区域后，通过灰度化、二值化等处理，精确定位字符区域，然后根据字符尺寸特征进行字符分割。
字符识别：对分割后的字符进行缩放、特征提取，与字符数据库模板中的标准字符表达形式进行匹配判别。
结果输出：将车牌识别的结果以文本格式输出。
转载请注明出处众文网 » 车牌号识别算法毕业论文(求助车牌定位的论文)