【正文】 法提取車牌區(qū)域。邊緣檢測(cè)的任務(wù)是精確定位邊緣和抑制噪聲。所以針對(duì)不同的環(huán)境和要求，選擇 合適的算子來對(duì)圖像進(jìn)行邊緣檢測(cè)才能達(dá)到好的效果。 3． 1． 2 基于彩色圖像的車牌定位方法 與灰度圖像相比，彩色圖像色彩豐富，信息具有原始性和完整性，在設(shè)備存儲(chǔ)量和速度允許的情況下可以取得更好的處理效果，而且人類視覺系統(tǒng)又對(duì)色彩非常敏感。這種方法的主要思想是通過邊緣檢測(cè)算子對(duì)彩色圖像進(jìn)行邊緣檢測(cè)，增強(qiáng)牌照區(qū)域，并借助數(shù)學(xué)形態(tài)學(xué)膨脹技術(shù)實(shí)現(xiàn)區(qū)域的連通，采用區(qū)域生長方法標(biāo)記候選區(qū)域，最后利用車牌的先驗(yàn) 知識(shí)，剔除虛假車牌區(qū)，確定真正的車牌區(qū)域。由于圖像中會(huì)存在其他非車牌區(qū) 域具有年牌的特征，給定位結(jié)果帶來影響。 12 目前，已經(jīng)有一些車牌定位算法的研究利用到了車牌背景與字符的固定顏色搭配。例如底色為藍(lán)色的車牌中會(huì)出現(xiàn)相鄰的兩個(gè)像素，一個(gè)像素為藍(lán)色而另一個(gè)像素為白色，則將這兩個(gè)像素都看作是藍(lán)白特征點(diǎn)：底色為黃色的車牌存在黃黑特征點(diǎn)：底色為白色的車牌存在白黑特征點(diǎn)：底色為黑色的車牌也存在白黑特征點(diǎn)。顏色對(duì)特征點(diǎn)充分考慮到了車牌本身的紋理和顏色搭配等信息，能有效得去除很多干擾。直方圖是多種空間域 處理技術(shù)的基礎(chǔ)，其可以有效地用于圖像增強(qiáng)。這里介紹將圖像轉(zhuǎn)換到 HSI 模型的方法，這樣只需要對(duì)亮度分量 I 進(jìn)行直方圖均衡化即可以達(dá)到圖像增強(qiáng)的效果。這些細(xì)胞類似于 CCD 芯片上的感受基 (像素 )。 顏色空間也叫顏色模型，它指的是通過基本顏色分量來定義其他各種顏色的模型結(jié)構(gòu)。這樣，任意顏色值都可以由 3個(gè)取值在 0 到 l 之間的顏色分量來表示。這種形成顏色的方法稱 為疊加原色法，相應(yīng)的 RGB 三原色稱為疊加三原色。 HSI 彩色模型就是按照色調(diào)、飽和度和亮度值建立起來的。在物體反射光的組成中，白色光愈少，則其飽和度愈大?，F(xiàn)有的 HSI 空間模型有四面體、圓柱體、圓錐體等多種定義公式，本文采用圓柱體的 HSI坐標(biāo)系進(jìn)行顏色空間轉(zhuǎn)換的實(shí)現(xiàn)，示意圖如圖 5所示。對(duì)于具有某種目標(biāo)色的像素，可以直接通過對(duì) h、 J 和 i三個(gè)分量設(shè)定一個(gè)閾值范圍來把它們提取出來，無需進(jìn)行比較復(fù)雜的色彩距離計(jì)算，這樣可以在色彩分割的時(shí)候節(jié)省大量的時(shí)間，這種方法對(duì)藍(lán)色和黃色尤其有 效。并且，為了適應(yīng)車牌褪色、光線、灰塵等的影響，適 當(dāng)放寬了各種顏色的閾值范圍，綜合以后，得到彩色判斷條件如下： 按照公式把彩色像素點(diǎn)從 RGB 空問轉(zhuǎn)化到 HSI 空問，得到 h、 s 和，三個(gè)分量的值： 如果 s0 1 且 iO 5，則該像素點(diǎn)為白色； 如果 iO 35，則該像素點(diǎn)為黑色： 16 如果 220h250， j01 和 i0． 1同時(shí)成立，則該像素點(diǎn)為藍(lán)色： 如果 20h50， s0． 1和 iO .35 同時(shí)成立，則該像素點(diǎn)為黃色； 如果 350h360， s0 l 和 i)0． 35 同時(shí)成立，則該像素點(diǎn)為紅色： 不符合以上條件的像素點(diǎn)視為無效點(diǎn)。但是，在車牌外區(qū)域也有很多其他像素點(diǎn)的顏色和紋理符合車牌的四種顏色邊緣點(diǎn)。字符區(qū)域分割的準(zhǔn)確與否將直接影響到下一步的字符識(shí)別，因此許多學(xué)者也對(duì)此進(jìn)行了研究，提出了很多關(guān)于車牌字符分割的方法。通過在車牌定位圖像上定位出車牌的第三個(gè)字符，再 進(jìn)行字符區(qū)域的分裂和合并，并針對(duì)字符缺損情況，進(jìn)行字符區(qū)域擴(kuò)展，而且對(duì)字符區(qū)域高度進(jìn)行調(diào)整，從而最終實(shí)現(xiàn)車牌字符的分割。依據(jù)車牌橫平時(shí)所形成的連通域面積最小的特點(diǎn)提出最小面積法計(jì)算旋轉(zhuǎn)角度，然后進(jìn)行灰度均值化處理，并通過水平投影去除邊界，最后根據(jù)實(shí)際車牌信息做垂 直投影進(jìn)行有效分割。根據(jù)車牌字符垂直投影的信息，區(qū)域最小值的定義是以當(dāng)前像素位置為中心，指定區(qū)域?qū)挾葍?nèi)的投影信息最小值。李文舉等提出了質(zhì)量退化的車牌字符分割方法。 以上的算法在特定的情況下是可以較好的將車牌寧符分割出來，但我國由于環(huán)境，道路或人為因素使得車牌污染嚴(yán)重，使得在車牌存預(yù)處理后，會(huì)出現(xiàn)不同程度的噪聲，嚴(yán)重影響到車牌字符的正確分割。因此尋求一個(gè)更具有適用性、魯棒性的字符分割方法，還需要探索和完善。車牌字符總長度為 409mm，其中單個(gè)字符寬度為 45mm 高度為90mm，第二和三字符間間距為 34mm，其中中間小圓點(diǎn)寬度為 lOmm，與第二和三字符間間距為 12mm，其余字符間間距為 12mm；字符“ l”的寬度約為 13． 5mm，與其它字符間間距約為 22． 5mm，連續(xù)兩個(gè)字符“ l”間間距約為 38． 5mm，第三字符為字符 1時(shí)，與第二字符問問距約為 44． 5mm。這時(shí)就會(huì)對(duì)分析造成很大的影響。 應(yīng)該注意到，車牌字符區(qū)域的紋理特征，這些 特征是旁邊干擾區(qū)域所不具有的特征，所以對(duì)二值化的圖像進(jìn)行邊緣化處理，通過字符的紋理特征、邊緣的跳躍性來判斷車牌字符區(qū)域。不要以為去噪就是傳統(tǒng)的高斯、中值濾波之類的東西，在自然環(huán)境 中，干擾是無窮無盡的。 在這里嘗試采用比較常見的統(tǒng)計(jì)手段來解決這個(gè)問題： 在得到二值化圖像之后，我們可以得到一個(gè)二值矩陣，當(dāng)某位置的值等于 0 的時(shí)候，表示該像素點(diǎn)為全黑，反之，則該像素點(diǎn)為純白。大家已經(jīng)可以看出些什么名堂來了吧？當(dāng)值高的時(shí)候，代表白色的像素（ ‘ 痕跡 ’ ）在這里多。仔細(xì)觀察 ‘M’ 、 ‘0’ 這兩字母與其他字母的曲線。 for i=1:length(seg_target) if ~seg_target(i) preseg_bgs_img = [preseg_bgs_img。 seg_flag = 0。 end if seg_target(i) amp。 seg_char{nb_char} = temp_char。以下是最終的結(jié)果： 圖 10 字符分割后的車牌圖像 Fig 10 After Character segmentation vehicle images 效果還不錯(cuò) 可以 ，不作可視化過程顯示的話用時(shí) 秒，就是通用性差，用其他質(zhì)量沒有這么好、分辨率沒這么高的車牌做分割慘不忍睹。最后的感觸是，我從一開始的興致勃勃已經(jīng)到了現(xiàn)在的很痛苦的狀態(tài)。 : [number_char, outstanding_char] = Seg_Char(original_image,true)。在新的版本中也加入了對(duì) C， FORTRAN， C++ ， JAVA 的支持。這些工具方便用戶使用 MATLAB 的函數(shù)和文件，其 中許多工具采用的是圖形用戶界面。簡單的編程環(huán)境提供了比較完備的調(diào)試系統(tǒng)，程序不必經(jīng)過編譯就可以直接運(yùn)行，而且能夠及時(shí)地報(bào)告出現(xiàn)的錯(cuò)誤及進(jìn)行出錯(cuò)原因分析。新版本的 MATLAB 語言是基于最為流行的 C＋＋語言基礎(chǔ)上的，因此語法特征與 C＋＋語言極為相似，而且更加簡單，更加符合科技人員對(duì)數(shù)學(xué)表達(dá)式的書寫格式。 MATLAB 是一個(gè)包含大量計(jì)算算法的集合。在計(jì)算要求相同的情況下，使用 MATLAB的編程工作量會(huì)大大減少。高層次的作圖包括二維和三維的可視化、圖象處理、動(dòng)畫和 表達(dá)式作圖。另外新版本的 MATLAB 還著重在圖形用戶界面（ GUI）的制作上作了很大的改善，對(duì)這方面有特殊要 求的用戶也可以得到滿足。目前， MATLAB已經(jīng)把工具箱延伸到了科學(xué)研究和工程應(yīng)用的諸多領(lǐng)域，諸如數(shù)據(jù)采集、數(shù)據(jù)庫接口、概率統(tǒng)計(jì)、樣條擬合、優(yōu)化算法、偏微分方程求解、 神經(jīng)網(wǎng)絡(luò) 、 小波分析 、信號(hào)處理、圖像處理、系統(tǒng)辨識(shí)、控制系統(tǒng)設(shè)計(jì)、 LMI 控制、魯棒控制、模型預(yù)測(cè)、模糊邏輯、金融分析、地圖工具、非線性控制設(shè)計(jì)、實(shí)時(shí)快速原型及半物理仿真、嵌入式系統(tǒng)開發(fā)、定點(diǎn)仿真、 DSP 與通訊、電力系統(tǒng)仿真等，都在工具箱（ Toolbox）家族中有了自己的一席之地。另外， MATLAB 網(wǎng)頁服務(wù)程序還容許在 Web 應(yīng)用中使用自己的 MATLAB 數(shù)學(xué)和圖形程序。 在開發(fā)環(huán)境中，使用戶更方便地控制多個(gè)文件和圖形窗口；在編程方面支持了函數(shù)嵌套，有條件中斷等；在圖形化方面，有了更強(qiáng)大的圖形標(biāo)注和處理功能，包括對(duì)性對(duì)起連接注釋等；在輸入輸出方面，可以直接向 Excel 和 HDF5 進(jìn)行連接。 (3)車牌傾斜校正：以定位中數(shù)學(xué)形態(tài)學(xué)圖像中的車牌區(qū)域?yàn)闃颖荆褂秘S成分分析法得到車牌傾斜角度，然后旋轉(zhuǎn)校正。夜間拍攝圖片．光線很暗，但是在對(duì) HS(空間的亮度分量進(jìn)行直方 罔均衡后依然可以得到正確的顏色信息。 6 結(jié)論 本文工作總結(jié) 本文主要對(duì)車牌識(shí)別系統(tǒng)中車牌定位、校正與字符分割的算法進(jìn)行研究。使用動(dòng)態(tài)形態(tài)學(xué)算子依次進(jìn)行數(shù)學(xué)形態(tài)學(xué)的膨脹和腐蝕運(yùn)算，將車牌區(qū)域構(gòu)成一個(gè)連通的整體，并去除了許多干擾點(diǎn)。這種方法將特征點(diǎn)區(qū)域連通，增加了車牌區(qū)域的信息含量 , 提高了車牌整體方向的抗干擾能力，并將求取圖像的傾斜角度轉(zhuǎn)換為求取二維散布矩陣的特征值和特征向量，傾斜角度計(jì)算快，而且準(zhǔn)確。車牌字符區(qū)域定位中的二值化處理根據(jù)車牌顏色的不同提出升 i 同的閾值算法，充分結(jié)合實(shí)際情況提高二值化處理的效果。 (4)最后使用 C 語言編寫了車牌定位與字符分割軟件。后續(xù)的研究有待于從以下幾個(gè)方面進(jìn) 一步提高和完善。 (3)另外對(duì)于非標(biāo)準(zhǔn)車牌，如武警牌、使館牌以及近年出現(xiàn)的個(gè)性化車牌的識(shí)別，下一步的工作要把這些車牌都考慮進(jìn)去。 參考文獻(xiàn) [1]白潔．車牌識(shí)別關(guān)鍵算法研究 [D][1] [S] [2] 王枚 ,王國宏 .基于伴生與互補(bǔ)顏色特征車牌特征的車牌字符分割新方法 [J].山東大學(xué)學(xué)報(bào) :工學(xué)版 ,2021,37(1):1～ 4 [3] 馬騰飛 ,鄭永果 ,趙衛(wèi)東 .基于邊緣檢測(cè)與 Hough 變換的車牌字符分割算法 [J].系統(tǒng)仿真學(xué)報(bào) ,2021,18(1):391～ 403 [4] 遲 曉君 , 孟慶 春 . 基于 投影 特征 值的 車牌 字符 分割 算法 [J]. 北京 : 計(jì)算 機(jī)應(yīng)用 ,2021,23(7):256～ 257 [2]周開軍．復(fù)雜環(huán)境下的車牌識(shí)別研究 [D]．武漢理工大學(xué)碩士學(xué)位論文， 2021 [3]廖金周，宣國榮．車輛牌照的自動(dòng)分割 [J]．微型電腦應(yīng)用， 1999 [4]左奇，史忠科．一種基于數(shù)學(xué)形態(tài)學(xué)的實(shí)時(shí)車牌圖象分割方法 [J]．中國圖像圖 形學(xué)報(bào) (A版 )， 2021， 8(3)： 281～ 285 [5]李波，曾致遠(yuǎn)，付祥勝．基于數(shù)學(xué)形態(tài)學(xué)和邊緣特征的車牌定位算法 [J]． 視頻 技術(shù)應(yīng)用與工程， 2021 [6]周心明，蘭賽，徐燕．圖像處理中幾種邊緣檢測(cè)算法的比較 [J]．現(xiàn)代電力， 2021 [7]沈世晏，盛栩智．基于邊緣檢測(cè)的車牌圖像分割技術(shù) [J]．自動(dòng)化技術(shù)與應(yīng)用， 2021， 23(3)： 28 24～ 26 [8]王建平，姜滔．基于小波分析的汽車牌照分割 [J]．合肥工業(yè)大學(xué)學(xué)報(bào) (自然科學(xué)版 )， 2021， 25(6)：1139～ 1142 [9]韓麗萍，尹王保，李月娥．一種有效的濾波尺度自適應(yīng)調(diào)整的小波邊緣檢測(cè)方法 [10]計(jì)算機(jī)工程與應(yīng)用， 2021， 41(1)： 70～ 71 [11]馬永一，宋錚，丁勇．小波變換在車牌定位算法中的應(yīng)用 [J]．交通與計(jì)算機(jī)， 2021， [12]Tran Duc Duan， Tran Le Hong Du， Tran Vinh Phuoc． Building an Automatic Vehicle License— Plate Recognition System[J]． Computer Science． Can Tho， Vietnam． 2021， 02： 21～ 24 [13] Wen C． Y， Yu C． C．， Hun Z． D．． A3D transformation tO improve the legibility of license plate numbers[J]． Journal of Forensic Sciences， 2021， 47(3)： 578～ 585 [14]Cheok Man WU ， Kengchung NG ． AHigh Accurate Macau License Plate Recognition System[J]． Journal of Macau University of Science and Technology， 2021， 2(1)： 23～ 28 [15]吳進(jìn)軍，杜樹新．車牌字符分割新方法 [J]．工業(yè)控制計(jì)算機(jī)． 2021， 18(4)： 69～ 75 [16]王興玲．最大類間方差車牌字符分割的模板匹配算法 [J]．計(jì)算機(jī)工程， 2021， 32(19)： 193～195 [17]趙海燕，馬駟良，顧玲嘉．基于最小面積法進(jìn)行的車牌字符分割 [J]．長春理工大學(xué)學(xué)報(bào)， 2021，2。 除了以上需要改進(jìn)的方向以外，為了從根本上提高車牌 定位與字符分割的效果 , 還需要有新的理論應(yīng)用到車牌定位與字符分割技術(shù)中。本文只是簡單地做了亮度均衡，還有待進(jìn)一步加強(qiáng)處理。經(jīng)過大量的試驗(yàn)，該軟件在抗干擾能力和分析的實(shí) 27 時(shí)性上都表現(xiàn)良好，為后續(xù)的字符識(shí)別創(chuàng)造了良好的條件。并在考慮了 標(biāo)準(zhǔn)車牌寧符分割的同時(shí)，還處理了字符粘連情況下的字符分割。即排除了偽車牌減少了運(yùn)算量，又精確定位了車牌字符區(qū)域，減少了字符分割的干擾。然后根據(jù)車牌的形狀特征找到一系列的類車牌區(qū)域。本文的主要工作總結(jié)如下： (1)在車牌定位中，對(duì) HSI 空間的亮度分量進(jìn)行直方圖均衡化，提高了被處理圖像的亮度適應(yīng)范圍，又不改變圖像的色度分量和飽和度分量。若兩幅車牌，采用文中所述算法，仍拒準(zhǔn)