【正文】 此Car_Image_RGB是一個mn3的數組，m、n表示圖像像素的行、列數。圖2 原始圖像 圖像預處理考慮到現(xiàn)有牌照的字符與背景的顏色搭配一般有藍底白字、黃底黑字、白底紅字、綠底白字和黑底白字等幾種，利用不同的色彩通道就可以將區(qū)域與背景明顯地區(qū)分出來，例如，對藍底白字這種最常見的牌照，采用藍色B 通道時牌照區(qū)域為一亮的矩形，而牌照字符在區(qū)域中并不呈現(xiàn)。因為藍色（255，0，0）與白色（255，255，255）在B 通道中并無區(qū)分，而在G、R 通道或是灰度圖象中并無此便利。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、灰度圖及其直方圖見圖2與圖3。對于將彩色圖象轉換成灰度圖象時，圖象灰度值可由下面的公式計算： G=++ （1）G= （2）輸入車牌圖象灰度校正平滑處理提取邊緣圖3 預處理及邊緣提取流程圖. 圖象的邊緣檢測在Matlab中利用函數edge()實現(xiàn)邊緣檢測。Car_Image_Bin=edge(Car_Image_Gray,39。robert39。,39。both39。)。在edge()函數中有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算子算法簡單，計算量最小。因此本課題使用了Robert算子。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, 根據任一相互垂直方向上的差分都可用來估計梯度，Robert 算子采用對角方向相鄰兩像素之差， ?xf=fx,yf(x1,y1), ?yf=f(x1,y)f(x,y1)其幅值為： Gx,y=?xf2+?yf2Robert梯度以x12,y12為中心，所以他度量了x12,y12點處45176。和135176。方向(相互正交)的灰度變化。適當取門限T，做如下判斷：G(x,y)T,(x,y)為階躍狀邊緣點。Roberts邊緣檢測算子相當于用0110和1001對圖像進行卷積。，both表示雙向檢測算法。彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度，因此在對圖像進行識別等處理中經常將彩色圖像轉變?yōu)榛叶葓D像，以加快處理速度。由彩色轉換為灰度的過程叫做灰度化處理。選擇的標準是經過灰度變換后，像素的動態(tài)范圍增加，圖像的對比度擴展，使圖像變得更加清晰、細膩、容易識別。將彩色圖像轉換為黑白并顯示Sgray = rgb2gray(Scolor)。%rgb2gray轉換成灰度圖figure,imshow(Sgray),title(39。原始黑白圖像39。)。對原始圖像進行開操作得到圖像背景圖像:s=strel(39。disk39。,13)。 strei函數Bgray=imopen(Sgray,s)。打開sgray s圖像figure,imshow(Bgray)。title(39。背景圖像39。)。輸出背景圖像灰度圖像與背景圖像作減法，對圖像進行增強處理:Egray=imsubtract(Sgray,Bgray)。兩幅圖相減figure,imshow(Egray)。title(39。增強黑白圖像39。)。輸出黑白圖像圖4 邊緣見效果圖得到圖像的輪廓線后，由于圖像的數字化誤差和噪聲直接影響了腳點的提取，因此在腳點提取之前必須對圖像進行平滑處理，Matlab有一個圖像平滑處理函數imclose(),它與開運算相反，融合窄的缺口和細長的彎口，去掉小洞，填補輪廓上的縫隙。Car_Image_Perform=imclose(Car_Image_Erode,Se)。結構單元Se一個小于對象閉合圖形，只要兩個封閉域的距離小于Se，就將這兩個連接成一個連通域，Se生成方式采用：Se=strel(39。rectangle39。,[25,25])。即Se是一個一個2525的矩形，使用矩形是因為車牌是一個矩形，這樣，可以是提取的圖像最接近預期效果。圖像經平滑后效果如下：圖5 平滑處理后效果圖像平滑處理了，可能會有多個閉合區(qū)域，對于不是車牌區(qū)域的必須予以刪除，Matlab提供了一個函數bwareaopen()，用于刪除二值圖像中面積小于一個定值的對象，默認情況下使用8鄰域，Car_Image_Perform2=bwareaopen(Car_Image_Perform,2000)。這樣，Car_Image_Perform中小于2000的對象都被刪除了，小對象被刪除后的圖像如圖圖6 移除小對象后效果在將原始圖像進行二值化，然后輪廓平滑處理后，圖像的每個點為兩個離散值中的一個，這兩個值代表開(1)與關(0)，即只有黑與白的特殊灰度圖像，并且整個圖像只有兩個域(如果有多個域需改變參數后重新進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，:1,也可以用這兩個特性去檢驗提取的區(qū)域是否為車牌區(qū)域。經區(qū)域確定了，即可將車牌的四個邊界值確定下來。這里采用水平與垂直雙向投影法，水平坐標的確定，先定義一個1x的數組，其中x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個像素。從左向右尋找第一個1值像素大于5的x坐標為水平方向左側分界線，從優(yōu)向左尋找到第一個1值像素量大于5的為右側分界線，程序可以用for循環(huán)語句。Zero_Col=zeros(1,x)。% for j=1:x for i=1:y if(Car_Image_Perform(i,j,1)==1) Zero_Col(1,j)=Zero_Col(1,j)+1。% end endend Col_Left=1。while((Zero_Col(1,Col_Left)5)amp。amp。(Col_Leftx))% Col_Left=Col_Left+1。endCol_Right=x。while((Zero_Col(1,Col_Right)5)amp。amp。(Col_RightCol_Left)) Col_Right=Col_Right1。end垂直方向的分界線可用同樣的方法實現(xiàn)。分界線計算得后，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8為二值圖切割的車牌區(qū)域，圖9為RGB圖像切割出來的圖像如下：圖7 車牌區(qū)域二值圖裁減圖8 原圖中的車牌區(qū)域圖像由于圖像車牌號區(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圖像轉換成灰度值，再將灰度圖轉化成二進制圖，轉化的方法就是限定一個閥值，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，但計算簡單，程序運算效率高。在Matlab實現(xiàn)法師如下T=round(License_Image_Gray_max(License_Image_Gray_maxLicense_Image_Gray_min)/3)。 同時采集大的圖像噪點依然存在，因此可以通過處理圖像的低頻部分來銳化圖像。這里采用均值濾波算法，均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。線性濾波的基本原理是用均值代替原圖像中的各個像素值，即對待處理的當前像素點x,y，選擇一個模板，該模板由其近鄰的若干像素組成（以目標象素為中心的周圍8個象素，構成一個濾波模板，即去掉目標象素本身），求模板中所有像素的均值，再把該均值賦予當前像素點x,y，作為處理后圖像在該點上的灰度gx,y，即gx,y=1mf(x,y),m為該模板中包含當前像素在內的像素總個數(即8個)?？梢詫Ρ葹V波前跟濾波后的圖像，如圖10和圖11所示，很明顯，不但噪聲去除了，而且圖像得到了銳化。圖9 車牌區(qū)域圖像濾波前效果圖10車牌區(qū)域圖像濾波后效果腐蝕已經在在上文介紹，膨脹剛好與腐蝕相反，運算規(guī)則是輸出圖像的像素值是輸入圖像鄰域中的最大值，在一個二值圖像中，只要一個像素值為1，則相應的輸出像素值為1。根據經驗值，車牌圖像中，字符面積與車牌面積之比在(,)之間，因此計算字符面積與車牌面積比值，，程序實現(xiàn)如下clear Se。 Se=ey