【正文】 別，原始圖 像 應具有適當?shù)牧炼?，較大的對比度和清晰可辯的牌照圖 像 。但由于該系統(tǒng)的攝像部分工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時攝像機與牌照的 距 離和角度以及車輛行駛速度等因素的影響，牌照圖 像 可能出現(xiàn)模糊、歪斜和缺損等嚴重缺陷，因此需要對原始圖像 進行識別前的預處理。 牌照的定位和分割是牌照識別系統(tǒng)的關鍵技術(shù)之一，其主要目的是在經(jīng)圖 像 預處理后的原始灰度圖 像 中確定牌照的具體位置，并將包含牌照 字符的一塊子圖 像 從整個圖 像 中分割出來，供字符識別子系統(tǒng)識別之用，分割的準確與否直接關系到整個牌照字符識別系統(tǒng)的識別率。 由于拍攝時的光照條件、牌照的整潔程度的影響，和攝像機的焦距調(diào)整、鏡頭的光學畸變所產(chǎn)生的噪聲都會不同程度地造成牌照字符的邊界模糊、細節(jié)不清、筆劃斷開或粗細不均，加上牌照上的污斑等缺陷，致使字符提取困難，進而影響字符識別的準確性。因此，需要對字符在識別之前再進行一次針對性的處理。 車牌識別的最終目的就是對車牌上的文字進行識別。主要應用的為模板匹配方法。 因為系統(tǒng)運行的過程中，主要進行的都是圖像 處理，在這個過程中要進行大量的數(shù)據(jù)處理，所以處理器和內(nèi)存要求比較高， CPU要求主頻在 600HZ及以上，內(nèi)存在 128MB及以上。系統(tǒng)可以運行于 Windows9Windows2021或者 Windows XP操作系統(tǒng)下，程序調(diào)試時使用 matlab。 三 具體技術(shù)路線 （ 1）圖像預處理及邊緣提取 在車牌自動識別系統(tǒng)中，車輛圖像是通過圖像采集卡將運動的車輛圖像抓拍下來，并以位圖的格式存放到系統(tǒng)內(nèi)存中，這時的車輛數(shù)字圖像雖然沒有被人為損傷過，但在實際道路上行駛的車輛常會因為各種各樣的原因使得所拍攝的車輛圖像效果不理 想，如外界光線對車牌的不均勻反射、極強陽光形成的車牌處陰影、攝像機快門值設置過大而引起的車輛圖像拖影、攝像頭聚焦或后背焦沒有調(diào)整到位而形成的車輛圖像不清晰、由于視頻傳輸線而引起的圖像質(zhì)量下降、所拍攝圖像中存在的噪聲干擾、所安裝的車牌不規(guī)范或車輛行駛變形等，這些都給車牌的模糊識別增加了難度。圖像預處理技術(shù)可最大限度提高車牌正確識別率，這些圖像預處理包括圖像灰度化、平滑、傾斜校正、灰度修正等。 輸入車牌圖像 灰度校正 平滑處理 提取邊緣 圖 31 預處理及邊緣提取流程圖 圖 像 的采集與轉(zhuǎn)換 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）在通道中并無區(qū)分，而在 G、 R 通道或是灰度圖 像 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 像 轉(zhuǎn)換成灰度圖 像 時，圖 像 灰度值可由下面的公式計算： RGBG ??? (31) 3 RGBG ??? (32) 圖 32 原圖和它的灰度圖以及灰度直方圖 邊緣提取 邊緣是指圖像局部亮度變化顯著的部分，是圖像風、紋理特征提取和形狀特征提取等圖像分析的重要基礎。所以在此我們要對圖像進行邊緣檢測。圖象增強處理對圖象牌照的可 辨認 度的改善和簡化后續(xù)的牌照字符定位和分割的難度都是很有必要的。增強圖象對比度度的方法有：灰度線性變換、圖象平滑處理等。 （ 1） 灰度校正 由于牌照圖 像 在拍攝時受到種種條件的限制和干擾，圖 像 的灰度值往往與實際景物不完全匹配，這將直接影響到圖 像 的后續(xù)處理。如果造成這種影響的原因主要是由于被攝物體的遠近不同，使得圖 像 中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡，或是由于攝像頭在掃描時各點的靈敏度有較大的差異而產(chǎn)生圖 像 灰度失真，或是由于曝光不足而使得圖像的灰度變化范圍很窄。這時就可以采用灰度校正的方法來處理，增強灰度的變化范圍、豐富灰度層次，以達到增強圖 像 的對比度和分辨率。我們發(fā)現(xiàn)車輛牌照圖 像 的灰度取值范圍大多局限在 r=(50,200)之間，而且總體上灰度 偏低，圖象較暗。根據(jù)圖象處理系統(tǒng)的條件，最好將灰度范圍展開到 s=(0,255)之間，為此我們對灰度值作如下的變換： s = T(r) r=[r min,， r max] (33) 使得 S∈ [Smin, Smax],其中， T為線性變換， 灰度線性變換 m i nr m a xr m i nr S m a xm a xr S m i nrm i nr m a xr S m i nS m a x ????S (34) 圖 33 線性圖 （ 3） 若 r(50,200)s(0， 255) 則： 150 50255r150255 ????S (35) （ 4） 圖 34 灰度增強后的圖像 （ 2）平滑處理 對 于受噪聲干擾嚴重的圖 像 ，由于噪聲點多在頻域中映射為高頻分量，因此可以在通過低 通濾波器來濾除噪聲，但實際中為了簡化算法，也可以直接在空域中用求鄰域平均值的方法來削弱噪聲的影響，這種方法稱為圖象平滑處理。例如，某一象素點的鄰域 S有兩種表示方法： 8鄰域和 4鄰域分別對應的鄰域平均值為 ??? sji jifMjig ),( ),(1),( (36) 圖 35 鄰域 及其 鄰域模板 （ 5） 其中， M 為鄰域中除中心象素點 f(i,j) 之外包括的其它象素總數(shù)，對于 4鄰域 M=4， 8 鄰域 M=8。然而，鄰域平均值的平滑處理會使得圖 像 灰度急劇變化的地方，尤其是物體邊緣區(qū)域和字符輪廓等部分產(chǎn)生模糊作用。為了克服這種平均化引起的圖 像 模糊現(xiàn)象，我們給中心點象素值與其鄰域平均值的差值設置一固定的閾值，只有大于該閾值的點才能替換為鄰域平均值，而差值不大于閾值時，仍保留原來的值，從而減 少由于平均化引起的圖 像 模糊。 圖 36 平滑處理后的圖像 圖像中車輛牌照是具有比較顯著特征的一塊圖 像 區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列的； 2 3 i,j 1 4 4 3 2 5 i,j 1 6 7 8 在整體圖 像 中的位置較為固定。正是由于牌照圖 像 的這些特點，再經(jīng)過適當?shù)膱D象變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣。邊緣提取是較經(jīng)典的算法，此處 邊緣的提取采用的是 Roberts 算子。 圖 37 未濾波直接提取出的邊緣 ， 經(jīng)灰度校正后提取的邊緣 以及 經(jīng)平滑處理后提取的邊緣 對比以上幾幅圖片，圖 8 的邊緣已經(jīng)模糊掉了。圖 7 中包含的噪聲太多，圖 9未經(jīng)濾波直接提取出的邊緣圖像最清晰，所包含的有用信息最多。分析這種情況產(chǎn)生的原因，歸納起來主要有以下方面 : 原始圖像清晰度比較高，從而簡化了預處理 圖像的平滑處理會使圖像的邊緣信息受到損失，圖像變得模糊 圖像的銳化可以增強圖像中物體的邊緣輪廓 ，但同時也使一些噪聲得到了增強 綜上所述，結(jié)合 MATLAB 實驗過程，得出不是每一種圖像處理之初都適合濾波和邊界增強。本次汽車車牌的識別，為了保存更多的有用信息，經(jīng)過多次比較，選擇圖 9作為后期處理的依據(jù)。 2 車牌的定位與分割 車牌定位對車牌識別系統(tǒng)來說至關重要，目前已經(jīng)提出了很多車牌定位的方法，這些方法都