【正文】 主要 得算法有兩種即 基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法?；谀０迤ヅ渌惴ㄊ紫葘⒎指詈蟮淖址祷?,并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果?；谌斯ど窠?jīng)元網(wǎng)絡(luò)的算法有兩種： 一種是先對待識別字符進(jìn)行特征提取，然后用所獲得特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由 網(wǎng)絡(luò)自動實(shí)現(xiàn)特征提取直至識別出結(jié)果。實(shí)際應(yīng)用中，牌照識別系統(tǒng)的識別率與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(zhì)量會受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實(shí)際拍攝過程也會受到環(huán)境亮度、拍攝亮度、車輛速度等等因素的影響。這些影響因素不同程度上降低了牌照識別的識別率，也正是牌照識別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識別率，除了不斷的完善識別算法，還應(yīng)該想辦法克服各種光照條件，使采集到的圖像最利于識別。 8 3 車牌識別系統(tǒng)程序設(shè)計(jì) 開發(fā)環(huán)境選擇 車牌號識別系統(tǒng)的軟件部分大都采用 VC++,VB 或者 Matlab,本課題選用 Matlab，主要是因?yàn)?Matlab 具有以下優(yōu)點(diǎn) 1) Matlab 繪圖 功能很強(qiáng)大， 但在 VC++， VB 語言里繪圖都很不容易，但 Matlab里數(shù)據(jù)的可視化程度非常高，并且具有較強(qiáng)的編輯圖形界面的能力。 2) Matlab 語言簡單，入門容易，程序設(shè)計(jì)不嚴(yán)格，自由度大，例如用戶無需對矩陣預(yù)定義即可使用。 3)Matlab 語言簡潔緊湊，使用方便靈活，庫函數(shù)豐富，并且內(nèi)部集成了很多工具箱，為程序開發(fā)提供現(xiàn)成模塊。 4)Matlab 的可移 植性很好，基本上不做修改就可以在在各種型號的計(jì)算機(jī)和操作系統(tǒng)上運(yùn)行。 圖像讀取及車牌區(qū)域提取 圖像讀取及車牌區(qū)域提取主要有：圖像灰度圖轉(zhuǎn)化、圖像邊緣檢測、灰度圖腐蝕、圖像的平滑處理以及車牌區(qū)域的邊界值計(jì)算。其程序流程圖如下 : 圖 預(yù)處理及邊緣提取框圖 目前比較常用的圖像格式有 *.BMP、 *.JPG、 *.GIF、 *.PCX、 *.TIFF 等，本課題采集到的圖片是 *.JPG 的格式。因?yàn)槭褂?*.JPG 圖像時(shí)有 一個(gè)軟件開發(fā)聯(lián)合會組織制輸入車牌圖象 灰度校正 平滑處理 提取邊緣 9 定 、 有損壓縮格式，能夠?qū)D像壓縮在很小的儲存空間 ，而且 廣泛支持 Inter 標(biāo)準(zhǔn) ，是面前使用最廣的圖片保存和傳輸格式，大多數(shù)攝像設(shè)備都以 *.JPG 格式保存。利用圖像工具箱的 Car_Image_RGB=imread(‘ Image_Name’ )。 即可將圖像讀取出來，這樣讀取得到的是 RGB圖像， RGB 圖像分別用紅、綠、藍(lán)三個(gè)色度值為一組代表每個(gè)像素的顏色，因此 Car_Image_RGB 是 一個(gè) 錯(cuò)誤 !未找到引用源。的數(shù)組， m、 n 表示圖像像素的行、列數(shù)。 圖像灰度圖轉(zhuǎn)化 我國車牌顏色及其 RGB值如下，藍(lán)底 (0,0,255)白字 (255,255,255)、黃底(255,255,0)黑字 (0,0,0)、黑底 (0,0,0)白字 (255,255,255)、紅底 (255,0,0)黑字(0,0,0),由于車牌的底色不同，所以從 RGB 圖像直接進(jìn)行車牌區(qū)域提取存在很大困難，但不管哪種底色的車牌，其底色與上面的字符顏色的對比度大，將 RGB 圖像轉(zhuǎn)化成灰度圖像時(shí)，車牌底色跟字符的灰度值會相差很大。例如藍(lán)色（ 255， 0， 0）與白色（ 255， 255， 255）在 R通道中并無區(qū)分，而在 G、 R 通道或是灰度圖象中數(shù)值相差很大。同理對白底黑字的牌照可用 R 通道，綠底白字的牌照可以用 G 通道就可以明顯呈現(xiàn)出牌照區(qū)域的位置，便于后續(xù)處理。原圖、灰度對于將彩色圖象轉(zhuǎn)換成灰度圖象時(shí)，圖象灰度值 H可由下面的公式計(jì)算： 29 87 14H R G B? ? ? () 3B G RH ??? () ()式使用了權(quán)值加重 法， ()式使用均值法，使用權(quán)值法的好處是可以突出某個(gè)通道， Matlab內(nèi)的 RGB轉(zhuǎn)灰度圖函數(shù) rgb2gray()就是使用的 ()式權(quán)值比例公式，這樣就可以利用邊緣檢 測方法，識別出臨近區(qū)域灰度值相差大的分界區(qū)。通過程序運(yùn)行其效果圖見圖 ： 10 圖 原始圖像 圖 由原圖和灰度圖運(yùn)行結(jié)果可知，能清晰地讀出原彩色圖樣，通過圖形的對比分析，原始圖中車牌區(qū)域的灰度明顯不同于其他區(qū)域，藍(lán)底部分最為明顯。經(jīng)過程序運(yùn)行出來的灰度圖可以比較容易的識別出車牌的區(qū)域，達(dá)到了預(yù)期的灰度效果。 圖像的邊緣檢測 在 Matlab 中利用函數(shù) edge()實(shí)現(xiàn)邊緣檢測，具體的用法如下所示： Car_Image_Bin=edge(Car_Image_Gray,39。robert39。,39。both39。)。 在 edge()函數(shù)中有 Sobel 算子， Prewitt 算子， Roberts 算子， Log 算子， Canny 算子及 Robert 算子，幾種算法相比之下， Roberts 算子是一種最簡單的算子，是一種利用局部差分算子尋找邊緣的算子，他采用對角線方向相鄰兩象素之差近似梯度幅值 11 檢測邊緣。檢測垂直邊緣的效果好于斜向邊緣，定位精度高，對噪聲敏感 ,無法抑制噪聲的影響。 因此本課題使用了 Robert 算子。 由于 Roberts 邊緣檢測算子是一種利用局部差分算子尋找邊緣的算 子 , 根據(jù)任一相互垂直方向上的差分都可用來估計(jì)梯度， Robert 算子采用對角方向相鄰兩像素之差，其計(jì)算公式如下： ? ? ? ?, 1, 1xf f x y f x y? ? ? ? ? （ ） ? ? ? ?1, , 1yf f x y f x y? ? ? ? ? （ ） 其幅值為： 錯(cuò)誤 !未找到引用源。 （ ） Robert梯度以 11,22xy? ????? ?? 為中心，所以他度量了 11,22xy? ????? ?? 點(diǎn)處 45? 和 135? 錯(cuò)誤 !未找到引用源。 方向 (相互正交 )的灰 度變化。適當(dāng)取門限 T，做如下判斷： ? ?,G x y T ,(x,y)為階躍狀邊緣點(diǎn)。 Roberts邊緣檢測算子相當(dāng)于用0110??????和 錯(cuò)誤 !未找到引用源。 對圖像進(jìn)行卷積。 both表示雙向 。使用邊緣檢測，腐蝕效果如圖 : 圖 邊緣效果圖 從邊緣效果圖可以看出，經(jīng)過處理以后車牌的輪廓已經(jīng)非常明顯了，車牌區(qū)域及汽車標(biāo)志的邊緣呈現(xiàn)白色條紋，基本上達(dá)到了邊緣檢測的效果。但是，在車牌附近的其他區(qū)域也由于各種干擾的影響 ，也存在一些白色區(qū)域。所以要對圖像做進(jìn)一步的處理，用灰度圖腐蝕來消除多余的邊界點(diǎn)。 12 灰度圖腐蝕 所謂腐蝕即 一種消除邊界點(diǎn)，使邊界向內(nèi)部收縮的過程。利用它可以消除小而且無意義的物體。 腐蝕的規(guī)則是輸出圖像的最小值是輸入圖像領(lǐng)域中的最小值，在一個(gè)二值圖像中，只要有一個(gè)像素值為 0，則相應(yīng)的輸出像素值為 0。假設(shè) B對 X腐蝕所產(chǎn)生的二值圖像 E是滿足以下條件的點(diǎn)（ x,y)的集合：如果 B 的原點(diǎn)平移到點(diǎn)（ x,y），那么 B將完全包含于 X中。 本系統(tǒng)使用 imerode()函數(shù)， Car_Image_Erode=imerode(Car_Image_Bin,Se)。 其中結(jié)構(gòu)元素 Se又被形象成為刷子，用于測試輸入圖像，一般比待處理圖像小很多。結(jié)構(gòu)元素的大小形狀任意，一般是二維的。二維結(jié)構(gòu)元素為數(shù)值 0和 1組成的矩陣，結(jié)構(gòu)元素中數(shù)值為 1的點(diǎn)決定結(jié)構(gòu)元素的領(lǐng)域像素在進(jìn)行腐蝕操作時(shí)是否需要參加運(yùn)算。結(jié)構(gòu)元素太大，會造成腐蝕過度，造成信息丟失，太小起不了預(yù)期的效果，這里使用 31? 矩陣的線性結(jié)構(gòu)元素，即 ? ?1。1。1Se? 。腐蝕后如圖： 圖 腐蝕 效果圖 從腐蝕的結(jié)果分析，腐蝕的目的是消除小而無意義的物體，對比邊緣效果檢測圖與腐蝕效果圖可以看出，在邊緣檢測圖中還有的小的無意義的圖像已經(jīng)被完全消除了，留下來的僅僅是車牌區(qū)域以及車的標(biāo)志。已經(jīng)得到了車牌圖像的輪廓線了，只要再經(jīng)過適當(dāng)?shù)奶幚砑纯砂衍嚺铺岢龀鰜怼? 圖像平滑處理 得到車牌區(qū)域的圖像輪廓線后，由于圖像的數(shù)字化誤差和噪聲直接影響了腳點(diǎn)的提取，因此在腳點(diǎn)提取之前必須對圖像進(jìn)行平滑處理， Matlab 有一個(gè)圖像平滑處理 13 函數(shù) imclose(),它與開運(yùn)算相反，融合窄的缺口和細(xì)長的彎口，去掉小洞， 填補(bǔ)輪廓上的縫隙。 Car_Image_Perform=imclose(Car_Image_Erode,Se)。 結(jié)構(gòu)單元中 Se一個(gè)小于對象閉合圖形，只要兩個(gè)封閉域的距離小于 Se，就將這兩個(gè)連接成一個(gè)連通域， Se生成方式采用 Se=strel(39。rectangle39。,[25,25])。 即 Se是一個(gè)一個(gè) 25 25? 的矩形，使用矩形是因?yàn)檐嚺剖且粋€(gè)矩形，這樣，可以是提取的圖像最接近預(yù)期效果。由于車牌圖像經(jīng)過腐蝕以后只剩下車牌區(qū)域以及車的標(biāo)志。在程序運(yùn)行的圖像平滑后效 果如下： 圖 平滑處理后效果 從平滑后的效果圖分析，達(dá)到了預(yù)定的目標(biāo)。消除了 圖像的數(shù)字化誤差和噪聲對腳點(diǎn)的直接提取的影響。 移除小對象 圖像平滑處理了，可能會有多個(gè)閉合區(qū)域，對于不是車牌區(qū)域的必須予以刪除，Matlab 提供了一個(gè)函數(shù) bwareaopen()，用于 刪除二值圖像中面積小于 一個(gè)定值 的對象，默認(rèn)情況下使用 8鄰域 ， Car_Image_Perform2=bwareaopen(Car_Image_Perform,2021)。 這樣， Car_Image_Perform中面積 小于 2021的對象都被刪除了。 小對象被刪除后的圖像如圖 ： 14 圖 移除小對象后效果圖 移除小對象后的效果圖已經(jīng)非常明顯了，圖像中最后只存在車牌區(qū)域，其他的圖像已經(jīng)完全濾除掉了，包括小物體，車的標(biāo)志等影響已經(jīng)沒有了。 車牌區(qū)域的邊界值計(jì)算 在將原始圖像進(jìn)行二值化，然后輪廓平滑處理后，圖像的每個(gè)點(diǎn)為兩個(gè)離散值中的一個(gè)，這兩個(gè)值代表開 (1)與關(guān) (0)，即只有黑與白的特殊灰度圖像，并且整個(gè)圖像只有兩個(gè)域 (如果有多個(gè)域需改變參數(shù)后重新進(jìn)行一此剔除干擾對象處理 )，全 1 的域即為車牌區(qū) 域，并且近似矩形，長寬比為 :1,也可以用這兩個(gè)特性去檢驗(yàn)提取的區(qū)域是否為車牌區(qū)域。 經(jīng)區(qū)域確定了，即可將車牌的四個(gè)邊界值確定下來。這里采用水平與垂直雙向投影法。 水平坐標(biāo)的確定，先定義一個(gè) 1x? 的數(shù)組，其中 ? 錯(cuò)誤 !未找到引用源。 為原始圖像的寬度值，然后將二值圖像垂直投影到 x 軸。從直方圖中基本可以看書水平方向上的兩個(gè)分界線，為了便于處理，該課題將像素值臨界值定量化， 取值 5個(gè)像素。從左向右尋找第一個(gè) 1值像素大于 5的 ? 錯(cuò)誤 !未找到引用源。 坐標(biāo)為水平方向左側(cè)分界線，從右向左尋找到第一個(gè) 1值像素量大于 5的為右側(cè)分界線，程序可以用 for循環(huán)語句。 垂直方向的分界線可用同樣的方法實(shí)現(xiàn)。分界線計(jì)算后，即可從原圖像中剪切出只包含車牌的區(qū)域圖像。剪切得到的圖像如下。圖 為二值圖切割的車牌區(qū)域，圖 RGB 圖像切割出來的圖像： 15 圖 車牌區(qū)域二值圖裁減圖像 圖 原圖中的車牌區(qū)域圖像 對比原始圖像與二值圖裁減圖可以 看出，車牌的四個(gè)邊界值基本上被確定下來了，這樣就可以從原始圖像中直接確定車牌的區(qū)域了。所以車牌就成功地被提取出來了。 字符切割 字符切割前的圖像去噪處理 由于圖像車牌號區(qū)域提取后獲得的是從原始圖像中剪切的，是 RGB 圖像，分割同樣采取投影法，故同樣需要先將 RGB 圖像轉(zhuǎn)換成灰度值，再將灰度圖轉(zhuǎn)化成二進(jìn)制圖，轉(zhuǎn)化的方法就是限定一個(gè)閥值，如果大于閥值則為 1，小于閥值為 0,閥值采用 全局 閥值 ，全局閥值 是指整幅圖像都采用相同的 閥值 T 處理，適用于背景和前景有明顯對比的圖像。 雖然 圖像間受背景 、 光照等影響存 在較大的差異， 但計(jì)算簡單，程序運(yùn)算效率高。在 Matlab 實(shí)現(xiàn)方式如下： T=round(License_Image_Gray_max(License_Image_Gray_maxLicense_Image_Gray_min)/3)。 同時(shí)采集大的圖像噪點(diǎn)依然存在，因此可以通過處理圖像的低頻部分來銳化圖像。這里采用高通濾波算法。由此可得出濾波前后的圖像如下所示： 16 圖 車牌區(qū)域圖像濾波前效果 圖 車牌區(qū)域圖像濾波后效果 可以對比濾波前跟濾波后的圖像，如圖 和圖 所 示，很明顯，不但噪聲去除了，而且圖像得到了銳化。 字符切割前的圖像膨脹和腐蝕處理 腐蝕已經(jīng)在在上文介紹，膨脹剛好與腐蝕相反，運(yùn)算規(guī)則是輸出圖像的