目前影像處理的技術已經是非常普遍了，因此本論文主要是利用影像處理來開發一個自動偵測車牌的系統。本文採用影像灰階值的梯度變化來進行車牌偵測，以及各種影像處理來分割背景和車牌上的字體。
自動化檢測雖然並非萬能，也有使用上的限制與極限，例如天氣和環境很多不確定的因素，我們會提出一套有系統的演算法，配合一些門檻上的限制，最後提出偵測成功以及機制或指標。
本研究是使用本實驗室現有的Canon S110數位相機，在真實道路上隨機擷取來往車輛的車牌，並用Visual C++撰寫程式進行各種影像處理。

Based on digital image processing techniques, the goal of this work is develop a method to automatically detect license plates.

To achieve this goal, this thesis estimates the change of gray value on pixels to first find the position of the license plate. A number of image processing techniques are then developed to identify each character on the license plate. Finally, experimental results are given to demonstrate the effectiveness of the proposed approach, which is the followed by a simple conclusion.

論文目錄..............................................................................................I
圖表目錄............................................................................................IV

第一章 緒論..............................................................................................1
1.1 前言......................................................................................................1
1.2 研究動機..............................................................................................1
1.3 相關研究..............................................................................................2
1.3.1 小波於車牌偵測的應用...........................................................4
1.3.2 Vector Quantization於車牌偵測的應用 ..................................7
1.4 論文架構............................................................................................10
第二章 車牌定位系統.............................................................................11
2.1 系統概要............................................................................................11
2.2 流程簡介...........................................................................................13
2.3 取得車牌影像...................................................................................18
2.4 建立影像資料庫...............................................................................19
第三章 特徵選取..................................................................................20
3.1 特徵邊界...........................................................................................20
3.1.1特徵邊界的產生......................................................................20
3.1.2特徵邊界的擴張......................................................................21
3.1.3 基底大小造成的影響.............................................................22
3.1.4 邊界門檻的確定.....................................................................23
3.1.5 邊界門檻的測試.....................................................................25
3.2 區塊化...............................................................................................28
3.3 特徵密集度的判定...........................................................................32
3.4 車牌候選區....................................................................................34
3.5 色彩偏差的判定..............................................................................36
3.5.1 色彩特徵的選擇................................................................37
3.5.2 色彩門檻的計算................................................................40
3.5.3 色彩門檻的使用及過濾後的結果....................................43
3.5.4 色彩門檻於車牌定位的使用............................................45
3.6 車牌區域的框選
第四章 切割字體.........................................................................52
4.1 二值化.............................................................................................52
4.2 分離字體.........................................................................................60
4.3 破碎字元的偵測.............................................................................62
4.4. 額外框選區域的處理.....................................................................64
4.5 車牌傾斜的修正.............................................................................66
第五章 實驗結果與討論..........................................................69
5.1 程式開發.......................................................................................69
5.2 實驗結果.......................................................................................70
5.3 切割失敗影像的校正...................................................................78
第六章 結果與未來展望....................................................................92
參考文獻....................................................................................................94


圖目錄
圖1.1 小波功能示意圖 ………………………………………………..……...5
圖1.2 小波掃描真實車牌圖……………………………………………..……6
圖1.3 小波掃描的結果 …………………………………………………..…...6
圖1.4 影像資料切割成特徵向量…………………………………..…………7
圖1.5影像資料壓縮過程圖示……………………………………..………….8
圖1.6 二為空間中資料點與代碼分佈狀況示意圖………………..………..9
圖2.1 車牌定位系統流程圖……………………………………………..…12
圖2.2 特徵邊界…………….…………………………………………. ……13
圖2.3 邊界區塊的濾除與保留….……………………………………….….14
圖2.4 車牌候選區……………….……………………………….………….15
圖2.5 色彩偏差判定………………………………………………….……..15
圖2.6 自車牌候選區內標示出車牌位置的情況…………………….……..16
圖2.7 在車牌方框內進行二值化的結果 ………………………….……….17
圖2.10拍攝車牌的相關位置示意圖 …………………………………….…19
圖3.1 人造模擬簡單車牌…………………….…………………………….20
圖3.2 人造車牌的灰階值變化 …………………….……………………..21
圖3.3 基底的示意圖……………………………………….…………….…22
圖3.4 不同長度的基底造成的結果…………………….………………...23
圖3.5 基底差值的結果統計圖…………….………………………………24
圖3.6邊界判定的處理結果 ………………………….………………..…..26
圖3.7 對區塊化後的邊界作尺寸限制得到的結果………….………..…31
圖3.8特徵邊界的密集度判斷………………………….……………...….34
圖3.9 車牌候選區 …………………………….……………………….....36
圖3.10 分析在背景亮度偏暗條件下拍攝的車牌之色彩分佈 ………….38
圖3.11分析在背景亮度偏亮條件下拍攝的車牌之色彩分佈 …….…....39
圖3.12 像素到灰階軸的距離………………………….……...…..……...40
圖3.13 灰階軸171~180類別內的Histogram圖 ……….………..……..41
圖3.14 各類別的距離門檻圖表 ………………………….……….……..43
圖3.15 色彩門檻的使用結果 …………………………….…….…….44
圖3.16車牌候選區執行色彩判定的結果…………….……..…………..46
圖3.17 經過色彩過濾後的車牌候選區……………………..….……….47
圖3.18 程式抓取的車牌範圍………………………………...………….48
圖3.19 使用固定比例長寬比的誤差情形…………………...………….49
圖3.19 掃瞄最大特徵密集度…………………………….….………….50
圖3.20 內部特徵密集度最大的方框位置……………….….………….50
圖3.21 車牌定位結果…………………………………….….………....51
圖4.1當k為128的二值化車牌（ZQ-5593）……………..…………..52
圖4.2 當k為128的二值化車牌……………………….………………53
圖4.3 決定二值化k值的流程圖…………………….….……………..54
圖4.4 手調二

[1] 李麗奾, 2000, ”在未設限環境下車牌的定位與辨識”，碩士論文，
資訊教育研究所, 國立臺灣師範大學
[2] 王中山,2004, ”使用小波於車牌偵測”，碩士論文，機械與機電工程研究所,國立中山大學
[3] X. F. Hermida, F. M. Rodriguez, J. L. F. Lijo ,F. P. Sande, and M. P. Igesias, 1997, ”A system for the automatic and real time recognition of V.P.L(Vehicle Licence Plate)” Lecture Notes in Computer Science,Vol.1331, pp.552-558.
[4] J.C.H. Poon, M.Ghadiali, G. M. T. Mao, and L. M. Sheung, 1995 ,“A robust vision system for vehicle licence plate recognition using grey-scale morphology,” Proceedings of the IEEE International Symposium on Industrial Electronics(ISIE ‘95), Vol. 1, pp.394-399
[5] 張豪銘,1996,”利用分割辨識方法之英文數字辨識系統”，碩士論文，資訊工程研究所,國立中山大學
[6] Park, S. H., Kim, K. I., Jung, K., and Kim, H. J., 1999, “Locating Car License Plates Using Neural Network,” Electronics Letters, vol. 35, No. 17, pp. 1475-1477.
[7] S. Draghici, 1997, “A neural network based artificial vision system for licence plate recognition,” International Journal of neural Systems, Vol. 8, pp. 131-126
[8] Ter Brugge M.H., Stevens J.H., Nijhuis J.A.G., Spaanenburg L., 1998, “Licence plate recognition using DTCNNs,” 1998 5th IEEE International Workshop on Cellular Neural Networks and Their Applications Proceedings, pp.212-217
[9] Parisi R., Di Claudio E.D., Lucarelli G., Orlandi G., 1998, ”Car plate recognition by neural networks and image processing”, Proceedings of the 1998 IEEE International Symposium on Circuits and Systems(ISCAS ‘98), Vol. 3, pp. 195-198
[10] S. K. Kim, D.W. Kim, and H. J. Kim, 1996“ A recognition of vehicle license plate using a genetic algorithm based segmentation,” Image Processing, , 1996. Proceedings., International Conference on Vol.2, pp.661-664
[11] Yong, D. K., and Mei, Y., 2000, “An Approach to Korean License Plate Recognition Based on Vertical Edge Matching,” IEEE International Conference, vol. 4, pp. 2975-2980.
[12] 李宗憲,2003,”以VQ編碼方法為基礎的物件偵測方法”，碩士論文，機械與機電工程研究所,國立中山大學