【正文】 別，原始圖 像 應(yīng)具有適當(dāng)?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(shí)攝像機(jī)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(yán)重缺陷，因此需要對原始圖像 進(jìn)行識(shí)別前的預(yù)處理。 牌照的定位和分割是牌照識(shí)別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖 像 預(yù)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(gè)圖 像 中分割出來，供字符識(shí)別子系統(tǒng)識(shí)別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識(shí)別系統(tǒng)的識(shí)別率。 由于拍攝時(shí)的光照條件、牌照的整潔程度的影響，和攝像機(jī)的焦距調(diào)整、鏡頭的光學(xué)畸變所產(chǎn)生的噪聲都會(huì)不同程度地造成牌照字符的邊界模糊、細(xì)節(jié)不清、筆劃斷開或粗細(xì)不均，加上牌照上的污斑等缺陷，致使字符提取困難，進(jìn)而影響字符識(shí)別的準(zhǔn)確性。因此，需要對字符在識(shí)別之前再進(jìn)行一次針對性的處理。 車牌識(shí)別的最終目的就是對車牌上的文字進(jìn)行識(shí)別。主要應(yīng)用的為模板匹配方法。 因?yàn)橄到y(tǒng)運(yùn)行的過程中，主要進(jìn)行的都是圖像 處理，在這個(gè)過程中要進(jìn)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(yùn)行于 Windows9Windows2021或者 Windows XP操作系統(tǒng)下，程序調(diào)試時(shí)使用 matlab。 三 具體技術(shù)路線 （ 1）圖像預(yù)處理及邊緣提取 在車牌自動(dòng)識(shí)別系統(tǒng)中，車輛圖像是通過圖像采集卡將運(yùn)動(dòng)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(shí)的車輛數(shù)字圖像雖然沒有被人為損傷過，但在實(shí)際道路上行駛的車輛常會(huì)因?yàn)楦鞣N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(qiáng)陽光形成的車牌處陰影、攝像機(jī)快門值設(shè)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(shí)別增加了難度。圖像預(yù)處理技術(shù)可最大限度提高車牌正確識(shí)別率，這些圖像預(yù)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(yù)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(lán)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(lán)底白字這種最常見的牌照，采用藍(lán)色 B通道時(shí)牌照區(qū)域?yàn)橐涣恋木匦?，而牌照字符在區(qū)域中并不呈現(xiàn)。因?yàn)樗{(lán)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(shí)，圖 像 灰度值可由下面的公式計(jì)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(fēng)、紋理特征提取和形狀特征提取等圖像分析的重要基礎(chǔ)。所以在此我們要對圖像進(jìn)行邊緣檢測。圖象增強(qiáng)處理對圖象牌照的可 辨認(rèn) 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(qiáng)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(shí)受到種種條件的限制和干擾，圖 像 的灰度值往往與實(shí)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(yuǎn)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(shí)各點(diǎn)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(shí)就可以采用灰度校正的方法來處理，增強(qiáng)灰度的變化范圍、豐富灰度層次，以達(dá)到增強(qiáng)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(qiáng)后的圖像 （ 2）平滑處理 對 于受噪聲干擾嚴(yán)重的圖 像 ，由于噪聲點(diǎn)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(shí)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(diǎn)的鄰域 S有兩種表示方法： 8鄰域和 4鄰域分別對應(yīng)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(diǎn) 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(huì)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(diǎn)象素值與其鄰域平均值的差值設(shè)置一固定的閾值，只有大于該閾值的點(diǎn)才能替換為鄰域平均值，而差值不大于閾值時(shí)，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(diǎn)，再經(jīng)過適當(dāng)?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(yù)處理 圖像的平滑處理會(huì)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(qiáng)圖像中物體的邊緣輪廓 ，但同時(shí)也使一些噪聲得到了增強(qiáng) 綜上所述，結(jié)合 MATLAB 實(shí)驗(yàn)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(qiáng)。本次汽車車牌的識(shí)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(shí)別系統(tǒng)來說至關(guān)重要，目前已經(jīng)提出了很多車牌定位的方法，這些方法都