【正文】 用的是 3*1 模板，也就是說模板長度為 3，寬度為 1，將此模板在圖像范圍內漫游，并將模板中心與圖像中某個像素位置重 合，并讀取模板中 3個像素的灰度值，然后對模板中 3 個像素的灰度值調用 GetMedianNum()函數(shù)進行冒泡排序，并返回其中值，把中值作為模板中心像素的灰度值，當模板漫游完整幅圖像，也就完成了整幅圖像的中值濾波處理。中值濾波則在消除噪聲的同時還能保持圖像中的細節(jié)部分，防止邊緣模糊 。在圖像中的點 (x,y)處，用該模板求得的響應為： )1,1()1,1(),1()0,1(...),()0,0( ...),1()0,1()1,1()1,1( ??????? ????????? yxfwyxfwyxfw yxfwyxfwR (315) 所有模板系數(shù)可以有不同的權值 圖 316 3*3加權均值濾波器模板 對于一幅 M N 的圖像，經(jīng)過一個 m n(m和 n 是奇數(shù) )的加權均值濾波的過程可用下式給出： ? ?? ??? ???? ????? aasbbtaasbbttswtysxftswyxg),(),(),(),( (316) 式中， a=(m1)/2 且 b=(n1)/2，分母是模板系數(shù)總和，為一常數(shù)。常用的鄰域有 4鄰域和 8鄰域?？梢詫⒁粋€像素及其鄰域內的所有像素的平均灰度值賦給平滑圖像中對應的像素，從而達到平滑的目的，又稱均值濾波或鄰域均值法?？傊?，圖象二值化的好壞直接關系到圖象的區(qū)域定位和字符分割，因而也直接影響到字符的識別，是整個識別系統(tǒng)中需要特別重視的步驟之一。 （ 2）灰度均值閾值選擇法 實驗中我們也采用了另一種閾值選擇法 — 灰度均值閾值選擇法，即簡單地選 取整幅圖象的灰度平均值作為閾值， (312) 其中， m 為調節(jié)因子，當整幅圖象偏暗，均值較低時， m1；當圖象灰度、對比度適中時， m=1；當圖象整體偏亮，均值較高時， m1 時。此外，也有部分牌照檢測系統(tǒng)根據(jù)彩色牌照圖象的色度、亮度和飽和度來確定閾值，直接將 彩色圖象轉換為二值圖象。大于此閾值的象素點置成黑（白），而小于此閾值的象素點置成白（黑）。該模塊 程序流程圖如圖 310 所示： 輸 入 灰 度 圖 像獲 得 指 向 圖 像 的 句 柄計 算 灰 度 映 射 表更 新 像 素 的 顏 色 索 引輸 出 增 強 的 車 牌 灰 度 圖 圖 310 車牌灰度拉伸模塊流程示意圖 閾值選取與圖像二值化 圖像的二值化是將圖像轉換為只有兩級灰度（黑白）的圖像。 圖 對數(shù)變換 函數(shù)曲線示意圖 : 基本形式 : g(x,y)= ),(b yxf (39) 實際應用中，為了增加變換的動態(tài)范圍，一般需要加入一些調制參數(shù)。分段線性拉伸是僅將某一范圍的灰度值進行拉伸，而其余范圍的灰度值實際上被壓縮了。C+R (34) C、 R的值由輸出圖像的灰度值動態(tài)范圍決定。它是圖像增強的重要手段。 根據(jù)圖像增強處理過程所在的空間不同，可分成基于空間域的增強方法和基于頻率域的增強方法兩種。 人們提出各種有效的增強圖象對比度 的方法，如：灰度線性變換、圖象平滑處理和線性濾波器等。然后實現(xiàn)圖像每個像素點到新調色板的映射，繼而實現(xiàn)圖像的灰度化。這樣得到的灰度圖像在視覺上比較接近人的主觀感覺?；叶葓D像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度等級的分布和特征。并且其中任何一個模塊都有若干不同的實現(xiàn)方式和相應的算法，這都是本文將要 詳細闡述和討論的。位圖數(shù)據(jù)就是該像素顏色在調色板中的索引值；對于真彩色圖，位圖數(shù)據(jù)就是實際的 R、 G、 B 值 。 BYTE rgbRed。 } BITMAPINFOHEADER。 LONG biXPelsPerMeter。 WORD biPlanes。 } BITMAPFILEHEADER。 DWORD bfSize。 設備無關位圖 以上版本提供了對設備無關位圖 DIB 的支持。 BYTE bmBitsPixel。 int bmWidth。 車牌識別系統(tǒng)的圖像處理技術 11 位圖基礎知識 設備相關位圖 在 Windows 中有兩種類型的位圖： DDB 位圖（設備相關位圖）和 DIB 位圖（設備無關位圖）。 灰度圖使用比較方便。方法是用 256 色的調色板，只不過這個調色板有點特殊，每一項的RGB 值都是相同的。 灰度圖 灰度圖是指只含亮度信息，不含色彩信息的圖像。真彩色圖像是說它具有顯示所有顏色的能力，即可以包含所有的顏色。這樣一幅圖像整個占用的字節(jié)數(shù)只是前面的 1/6。 對于 16 色圖像，圖中最多只有 16 種顏色，如果采用一個顏色表，表中的每一行記錄一種顏色的 RGB 值，這樣當表示一個像素的顏色時，只需要指出該顏色是在第幾 行，即該顏色在顏色表中的索引值便可以。在 Windows 系統(tǒng)中，最常用的圖像格式是位圖格式，其文件名以 BMP 為擴展名。 圖 圖像采集系統(tǒng) 數(shù)字圖像是連續(xù)圖像的一種近似表示，通常由采樣點的值所組成的矩陣來表示 。圖像采集由圖像采集系統(tǒng)完 成，如 下 圖所示。 為了研究的方便，我們主要考慮平面圖像。每個像素一般都 取值 0255 的整數(shù)，代表這個格子的亮度。 數(shù)字圖像基本概念 所謂圖像，就是視覺景物的某種形成的表示和記錄。圖像理解主要是高層操作，其處理過程和方法與人類的思 維推理有許多類似之處。圖像分析主要研究用自動或半自動裝置和系統(tǒng)，從圖像中提取有用的測度、數(shù)據(jù)或信息，生成非圖像的描述或者表示。目前，許多軍用、宇航的處理仍采用光學模擬處理。它是由一系列離散單元經(jīng)過量化后形成的灰度值的集合，即像素 (Pixel)的集合。數(shù)字圖像處理主要有兩個目的：其一，為了便于分析而對圖像信息進行 改性；其二，為使計算機自動理解而對圖像數(shù)據(jù)進行存儲、傳輸及顯示。本系統(tǒng)是一個車牌識別系統(tǒng)，只要配置有P3 處理器、 64 內存、 20G 硬盤（或以上）的普通微機就可以順利運行。 PSDK 不包含任 何 .NET 框架編程模型的內容。 （ 2） MFC。本文即是以此作為開發(fā)平臺。在此基礎上，展示了系統(tǒng)實現(xiàn)的實際效果。 論文的內容結構 本文主要論述圖像處理技術在車牌識別系統(tǒng)中的應用，對車牌識別系統(tǒng)的各個環(huán)節(jié)進行深入的介紹。因而本 文對車輛識別系統(tǒng)的基礎階段，車輛圖像的預處理進行了比較細致的討論和研究。這有多方面的原因，一是由于我國車牌字符是由漢字、字母、數(shù)字混合組成，而且我國車輛有多種牌照格式（有警車、軍車、普通車等），顏色、大小均有可能不同；另一方面，在外界拍攝條件不利（陰雨天 氣、雨雪天氣或者拍攝過程中有人為干擾等）的情況下，車牌識別系統(tǒng)的自適應能力不高，造成識別的準確率不高。 現(xiàn)今車牌自動識別系統(tǒng)在發(fā)達國家已經(jīng)基本趨于成熟，例如以色列 Hi_Tech 公司的 See/Car System 系列產品，新加坡 Optasia 公司的 VLPRS 產品，英國的CitySync， 這些都已經(jīng)在本國有著很好 的應用，識別率也達到了很高的水平。 現(xiàn)代交通的飛速發(fā)展以及車牌識別系統(tǒng)應用范圍的日益拓寬給車牌識別系統(tǒng)提出了更高的要求。因此，識別過程中的矯正是一項關鍵技術。 圖像拍攝角度的影響。加上我國車牌字符的復雜性，分辨率高，會使得車牌識別過程中的處理時間增加；分辨率低又會造成識別的準確率下降。在不同距離上捕獲的車輛圖像會造成車牌在整個圖像所處區(qū)域的差別，使得車牌本身的大小也有很大差異。應用適當?shù)淖址R別算法得到車牌的字符串信息。 （ 5） 字符分割。通過分析車牌圖像的特征，定位出圖像中的車牌位置，是車牌自動識別系統(tǒng)中的關鍵環(huán)節(jié)。目前圖像獲取技術已基本成熟，在高速公路收費站 、停車出入口等安裝視頻探頭，獲取的車輛圖像信息傳入計算機做進一步處理。而當前，我國傳統(tǒng)的道路交通方法是在 設定的路口派專人 進行觀察和筆錄，因而工作強度大、統(tǒng)計繁雜、效率低、準確性差。經(jīng)過其處理得出的車輛信息在多個領域有廣泛的用途： 在高速公路電子收費 站， 用于 出入車輛控制以及公路的流量監(jiān)控 ；對肇事車輛、走私車輛、丟失車輛進行識別和追查，提交至交通管理部門 ，便于 依法處理。特別是一些人口眾多的大型城市，交通擁擠歷來是一個無法回避的熱點。超過德國、日本，僅此于美國成為全球第二大汽車消費市場。s ordinary life and the huge increasement in the total number of cars, public infrastructure is under great it brings a series of problems. So far the mon solution is to establish the Intelligent Traffic System. Using the realtime information on road conditions and traffic provided by modern information technology, road traffic would be convenient, safe, efficient and confront. Intelligent Traffic System focuses on strengthening control and supervision of vehicles. Because vehicle license plate is Identifiable information , automatic recognition technology is a important part of the whole system. Through vehicle license palte recognition technology which based on image processing technology and image match technology, input image will be transformed into a string which contains information of the plate. Whether the taken space of memory or information management of database, it has important practical significance. So the technology has its broad application prospects. Vehicle License Plate Recognition System consists of three parts: license plate image processing, license plate character segmentation and license plate character recognition. This paper is mainly about the application of digital image processing in vehicle license plate recognition system. The research contents include gray level transformations, piecewiselinear transformation, median filter, image thresholding and so on. After a series steps of image processing , enhance key information of the image for character segmentation and recognition. Based on the implementation of Vehicle License Plate Recognition System , this paper displays a visual effect of digital image processing through friendly user interface. Experiments show that the algorithm used in the paper meet the requirements of vehicle license plate image processing. On the basis of pretreatment, the implementation of character segmentation and recognition achieves good results. Keywords: image processing