【正文】 像提取邊緣能極大地降低我們要處理的數(shù)據(jù)量。如 Roberts 算子、 Sobel算子、 canny 算子、 Prewitt 算子、 Laplacian 算子等。 LOG算子和視覺(jué)生理中的數(shù)學(xué)模型相容，從 而 在計(jì)算機(jī)視覺(jué)和視覺(jué)生理研究之間建立了聯(lián)系，在機(jī)器視覺(jué)研究領(lǐng)域得到了廣泛的應(yīng)用。窗口大小 (或尺寸 )參數(shù)的自動(dòng)調(diào)整是很難的， 而 應(yīng)用多個(gè)尺度可以對(duì)此問(wèn)題給出一個(gè)比較滿(mǎn)意的解決。還有一種方法是選擇具有與中心點(diǎn)灰度值最接近的鄰近點(diǎn)，并利用這些點(diǎn)灰度值的平均值取代中心點(diǎn)值。它使用邊緣點(diǎn)的位置、梯度矢量、曲率等信息來(lái)初始化松弛網(wǎng)絡(luò)像素的標(biāo)記，根據(jù)邊界曲線(xiàn)上的點(diǎn)的信息在局部具有一致性和相關(guān)性， 而 噪聲點(diǎn)的信息是隨機(jī)的、規(guī)律的特點(diǎn)，進(jìn)行鄰域點(diǎn)的信息的相互作用，增強(qiáng)有規(guī)律的邊緣信息同時(shí)削弱無(wú)規(guī)律的 噪聲，通過(guò)不斷的迭代對(duì)標(biāo)記進(jìn)行重復(fù)糾正和約束，最后使得迭代收斂于 真實(shí)的邊緣 [6]。 經(jīng)典邊緣檢測(cè)方法在處理簡(jiǎn)單的圖像時(shí)有著很大的優(yōu)勢(shì)，但是由于 物理世界四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 5 和成像過(guò)程的復(fù)雜性，以及各種噪聲源的干擾。圖 11是邊緣檢測(cè)的流程圖。 課題的主要研究?jī)?nèi)容 本課題所要研究的內(nèi)容是針對(duì)通過(guò)數(shù)碼相機(jī)抓 拍到的 圖像進(jìn)行基于圖 像處理技術(shù)的車(chē)牌識(shí)別的研究與開(kāi)發(fā)。 介紹了常用的車(chē)輛檢測(cè)方法，并分別介紹了光流場(chǎng)法、基于相鄰幀差算法以及背景消減法的運(yùn)動(dòng)目標(biāo)檢測(cè)的基本原理， 討論了各自?xún)?yōu)缺點(diǎn)。再分別介紹直接車(chē)牌定位法，多分辨率車(chē)牌定位法和基于數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位法。再比較分析了 簡(jiǎn)單邊緣 檢測(cè) 算子 和各種梯度算子， 通過(guò)幾種邊緣檢測(cè)算法對(duì)采集來(lái)的圖像進(jìn)行了大量實(shí)驗(yàn) ， 得到 canny 算子能在噪聲抑制和邊緣檢測(cè)之間取得較好的平衡，并能產(chǎn)生較細(xì)的邊緣效果。目前大多數(shù)運(yùn)動(dòng)目標(biāo)檢測(cè)算法 研究的都是基于 這種情況。以往的車(chē)輛檢測(cè)大多數(shù)都是在道 路的固定 地點(diǎn)埋設(shè)壓感線(xiàn)圈來(lái)獲得的，這種方式的缺點(diǎn)是設(shè)備安裝過(guò)程復(fù)雜，易于受損，且 對(duì)路面造成破壞，維護(hù)費(fèi)用相對(duì)較高。 運(yùn)動(dòng)車(chē)輛檢測(cè)算法 概述 目前常用的基于 視頻的車(chē)輛檢測(cè)算法可分為如下幾種 [89]： 光流場(chǎng)法，幀差法，背景消減法。光流法是把檢測(cè)區(qū)域的圖像變?yōu)樗俣鹊氖噶繄?chǎng)，每一個(gè)向量表示了景物中一個(gè)點(diǎn)在圖像中位置的瞬時(shí)變化。此外，光流場(chǎng)法的計(jì)算復(fù)雜耗時(shí)，除非有特殊的硬件支持，否則很難滿(mǎn)足實(shí)時(shí)運(yùn)動(dòng)區(qū)域的檢測(cè)。幀差法的特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單、運(yùn)算速度較快 ，對(duì)于 動(dòng)態(tài)環(huán)境有很強(qiáng)的適應(yīng)性，對(duì)光照變化也不十分敏感。背景消減法可以看作是一種特殊的幀差法。因此，構(gòu)建一個(gè)可靠的背景模型進(jìn)行背景提取與動(dòng)態(tài)更新以適應(yīng)環(huán)境的變化是必要的。如果當(dāng)前圖像不含車(chē)輛，則和背景圖像相同，此時(shí)差值為 0 。在初次的背景構(gòu)建過(guò)程中，將不對(duì)讀入的視頻圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。一旦當(dāng)前背第 2 章 汽車(chē)圖像的采集 10 景提取結(jié)束，當(dāng)前背景就會(huì)自動(dòng)取代上一次的背景，在下一 幀的車(chē)輛檢測(cè)時(shí)就可以使用更新后的背景進(jìn)行來(lái)車(chē)檢測(cè)。 HG 如果選擇過(guò)大，有可能造成漏判 ； HG 過(guò)小則有可能造成誤判。 HG 和 JG 的值一般根據(jù)實(shí)際情況確定。 現(xiàn)行汽車(chē)牌照的規(guī)格 現(xiàn)行汽車(chē)牌照的類(lèi)型 根據(jù)中華人民共和國(guó)公共安全行業(yè)標(biāo)準(zhǔn)對(duì)機(jī)動(dòng)車(chē)牌照的有關(guān)規(guī)定，車(chē)輛牌照主要有六種類(lèi)型 [1617]： (1)小型汽車(chē)所用的藍(lán)底白字牌照 ； (2)大型汽車(chē)所用的 黃底黑字牌照 ； (3)軍用或警用的白底黑字、紅字牌照 ； (4)國(guó)外駐華機(jī)構(gòu)用的黑底白字牌照 ； (5)摩托車(chē)牌照，前 220mm 長(zhǎng) 95mm 寬 。 第三 個(gè)字符可能是英文字 母，也可能是阿拉伯?dāng)?shù)字。有的 時(shí)候最后一個(gè)字符也可能是漢字，如“川 C5487 學(xué)”。 車(chē)牌比 例特征 由規(guī)定的車(chē)牌物理尺寸可以得到車(chē)牌的一些重要的比例特征 ： 車(chē)牌寬高比 ： Rplate=440 / 140= 字符 /間距 ： Rcha/in=45 / 12= 字符寬高比 ： Rchar = 90 / 45 = 2 字符區(qū)域?qū)捀弑?： Rare = 409 / 90= 這些比例特征對(duì)于 車(chē)牌定位和車(chē)牌字符分割都有很重要的意義。國(guó)家統(tǒng)一的車(chē)牌大小是標(biāo)準(zhǔn)的，寬高比是一定的，四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 13 即使有所變形也是在一定范圍內(nèi)，因此車(chē)牌在原始圖像中的相對(duì)位置比較集中，偏差不會(huì)很大。 (4)紋理特征 ： 車(chē)牌內(nèi)有多個(gè)字符， 而且 大小統(tǒng)一、基本水平排列，一般數(shù)目確定，文字和背景之間有明顯的灰度對(duì)比。由于圖像背景的復(fù)雜性，牌照位置的不確定性，圖像質(zhì)量的不可預(yù)知性，給牌照的定位與分割增加了很大的難度。其中 大部分算法是根據(jù)車(chē)牌特征而設(shè)計(jì)的，目前所利用算法主要有直接法、基于多分辨率、基于顏色信息以及基于數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位方法。頻率法是一種基于字符和背景變化頻率的投影定位方法，它結(jié)合車(chē)牌的先驗(yàn)知識(shí)，在圖像中定位車(chē)牌。 實(shí)驗(yàn)中定值 T取為 13，因?yàn)榕普罩?7個(gè)字符 (不包括“ 汽車(chē)本身具有一定的特點(diǎn)，在一般情況下，牌照都掛在緩沖器上或附近。這樣就把高分辨率圖像 ? ?yxf , 變換成為低分辨率子圖像 ? ?yxg , ，轉(zhuǎn)換為低分辨率圖像的目的是為了提高處理速度 ； 第 3 章 車(chē)牌定位 16 (2)對(duì)低分辨率圖像，將其象素沿水平方向累加，得到一個(gè)投影 ??iT ； (3)由于汽車(chē)的緩沖器位于車(chē)輪上方，由于光線(xiàn)的照射，無(wú)論是直射光，還是散射光，緩沖器至車(chē)輪底部這部分的平 均灰度比緩沖器至緩沖器以上部分的平均灰度要暗一些。 ? ? ? ? ? ? ? ? ? ?mMumTMTumM mTMT ??????21 且 (32) 基于數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位法 數(shù)學(xué)形態(tài)學(xué)概述 最初形態(tài)學(xué)是生物學(xué)中研究動(dòng)物和植物的一個(gè)分支，后來(lái)也用數(shù)學(xué)形態(tài)學(xué)來(lái)表示以形態(tài)為基礎(chǔ)的圖像分析數(shù)學(xué)工具。 數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)和使用的語(yǔ)言是集合論，其基本運(yùn)算的四種 ： 膨脹( Dilaition)、 腐蝕 (Erosion)、開(kāi)啟 (Open)和閉合 (Close)基于這些基本運(yùn)算還可以推導(dǎo)和組成各種數(shù)學(xué)形態(tài)學(xué)運(yùn)算方法。式 (33)表明，用 B對(duì) A 進(jìn)行膨脹的過(guò)程是這樣的 ： 首先對(duì) B 作關(guān)于原點(diǎn)的映射，再將其映像平移 x，當(dāng) A 與 B映像的交集不為空集時(shí)， B 的原點(diǎn)就是膨脹集合的像素。 膨脹前 膨脹后 圖 32 圖像膨脹前后比較 (2)腐蝕 腐蝕的運(yùn)算符是“ ? ” ， 圖像集合 A 用結(jié)構(gòu)元素 B來(lái)腐蝕記作 BA? ，其定義 為： ? ?? ?ABxBA x ??? (34) 式 (34)表明， A 用 B 來(lái)腐蝕的結(jié)果是所有滿(mǎn)足將 B平移 x后， B仍全部包含在 A中的集合，從直觀(guān)上看就是 B 平移后全部包含在 A中的原點(diǎn)組成的集合。 腐蝕前 腐蝕后 圖 33 腐蝕前后比較 (3)開(kāi)啟 開(kāi)啟運(yùn)算符為 “ ? ” ， A用 B 來(lái)開(kāi)啟記為 A ? B，其定義如下 ： ? ? BBABA ?? ?? (37) (4)閉合 閉合的運(yùn)算符為 “ ? ” ， A 用 B來(lái)閉合記為 A? B，其定義如下 ： ? ? BBABA ??? ? (38) 開(kāi)啟和閉合運(yùn)算不受原點(diǎn)位置的影響，無(wú)論原點(diǎn)是否包含在結(jié)構(gòu)元素中，開(kāi)啟和閉合的結(jié)果都是一樣的。這一特點(diǎn)可用于填平小湖 (即小孔 )，彌合小裂縫，而保持總的位置和形狀不變。結(jié)構(gòu)元素過(guò)大，會(huì)使非車(chē)牌區(qū)域的邊緣點(diǎn)粘連在一起，可能的車(chē)牌區(qū)域增多，給隨后的多區(qū)域判別算法帶來(lái)困難 。兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在著邊緣， 物體的邊緣是以圖像局部特性的不連續(xù)性的形式出現(xiàn)的，例如：灰 度值的突變，顏色的突變，紋理結(jié)構(gòu)的突變等。對(duì)圖像進(jìn)行預(yù)處理，主要包括圖像的灰度化、二值化、圖 像的邊緣檢測(cè) 等?；叶然幚砭褪前押辛炼群蜕实牟噬珗D像變換成灰度圖像的過(guò)程。 轉(zhuǎn)換結(jié)果如 圖 41 所示。 圖像二值化 二值圖像是指整幅圖像內(nèi)僅有黑、白二值的圖像，在他們之間不存在其他灰度層次的變化。另外二值化算法還可以用于車(chē)牌定位過(guò)程中精確定位車(chē)牌的上下左右邊界。 圖像二值化的關(guān)鍵在于閾值 T 的選取，根據(jù)閾值 T 來(lái)區(qū)分圖像中的對(duì)象和第 4 章 車(chē)牌圖像的邊緣檢測(cè) 22 背景。全局閾值算法簡(jiǎn)單，對(duì)于目標(biāo)和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對(duì)那些由于光照不均勻、噪聲干擾較大等原因使直方圖分布不呈雙峰的圖像，二值化效果明顯變差；局部閾值法通過(guò)定義考察 點(diǎn)的領(lǐng)域，并由領(lǐng)域計(jì)算模板，實(shí)現(xiàn)考察點(diǎn)灰度與領(lǐng)域點(diǎn)的比較。由于此算法充分考慮了每個(gè)像素領(lǐng)域的特征，所以能夠更好的突出背景和目標(biāo)的邊界。通過(guò)灰度變換可以增強(qiáng)對(duì)比度，改善視覺(jué)效果。用一個(gè)線(xiàn)性單值函數(shù)，對(duì)圖像內(nèi)的每一個(gè)像素作線(xiàn)性擴(kuò)展，將有效的改善圖像的視覺(jué)效果。所以對(duì)離散圖像來(lái)說(shuō)，盡管變換前后像素的個(gè)數(shù)不變，但是不同像素之間的灰度差變大，圖像質(zhì)量?jī)?yōu)于變換前。分成三段進(jìn)行線(xiàn)性變換 如圖 43 所示 ，變換公式如下 ： ? ?? ? ? ?? ?? ? ? ?? ?? ? ? ?????????????????????????myxfbdbyxfbmdnbyxfacayxfabcdayxfyxfacyxg,0, (44) 圖中對(duì)灰度范圍 ? ?ba, 進(jìn)行了灰度擴(kuò)展，而對(duì)灰度范圍 ? ?a,0 和 ? ?mb, 進(jìn)行了壓縮。與之相對(duì)應(yīng)的指數(shù)變換一般為 ： ? ? ? ?? ? 1, , ?? ?ayxfcbyxg (46) 其中 a， b 和 c 為可調(diào)參數(shù)，用于調(diào)整曲線(xiàn)的位置，它的效果與對(duì)數(shù)變換的相反，它使圖像的高灰度區(qū)進(jìn)行擴(kuò)展，而對(duì)圖像的低灰度區(qū)進(jìn)行壓縮。盡管灰度直方圖不能表示出具有某些灰度值的像素的具體位置，更不能直接顯示圖像的內(nèi)容，但是具有 統(tǒng)計(jì)特征的直方圖卻四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 25 能描述該圖像的灰度分布特征，使人們從中得到諸如總體明亮程度、對(duì)比度、灰度分布概貌等信息。 設(shè)原始圖像總的像素?cái)?shù)目為 N,那么，直方圖均衡化的具體計(jì)算步驟如下 ： (1)列出原始圖像的灰度級(jí) ir ， 1,1,0 ?? Li ? ，其中 L 是灰度級(jí)的個(gè)數(shù)； (2)統(tǒng)計(jì)各灰度級(jí)的像素?cái)?shù)目 ??irn ， 1,1,0 ?? Li ? ； (3)計(jì)算原 始圖像直方圖各灰度級(jí)的頻數(shù) ? ? ? ?NrnrP ii ?， 1,1,0 ?? Li ? ； (4)計(jì)算用于灰度變換函數(shù) ? ? ? ????ijii NrnrT0， 1,1,0 ?? Li ? ； (5)計(jì)算映射后的輸出圖像的灰度級(jí) ? ? ? ?? ? i nm i nm a x ???? srTssIN Ts ii ，ppi ,1,1,0 ?? ? 為輸出圖像灰度級(jí)的個(gè)數(shù)， INT 為取整數(shù)運(yùn)算； (6)統(tǒng)計(jì)映射后各灰度圖的像素?cái)?shù)目 ??isn ， 1,1,0 ?? pi ? ； (7)計(jì)算輸出圖像直方圖 ? ? ? ?NsnsQ ii ?， 1,1,0 ?? pi ? ； (8)用 ir 和 is 的映射關(guān)系調(diào)整原始圖像的灰度級(jí)，獲得直方圖近似為均勻分布的輸出圖像。噪聲會(huì)惡化圖像的質(zhì)量，使圖像模糊，甚至?xí)蜎](méi)和改變圖像本身的特征，給圖像分析和識(shí)別帶來(lái)困難。它的作用方法，一是模糊；另一種是消除噪聲。最簡(jiǎn)單的局部平滑算法稱(chēng)為非加權(quán)鄰域平均，它均等地對(duì)待臨域中的各像素，即把各個(gè)像素灰度的平均值作為中心像素的輸出值。并且隨著鄰域的增大，雖然增強(qiáng)了去噪的能力，但同時(shí)模糊程度也更嚴(yán)重。 鄰域平均法實(shí)際上是一種空間域的低通濾波。我們把用于二維離散卷積計(jì)算的鄰域稱(chēng)為沖激響應(yīng)陣列，又叫做卷積陣列，還有的地方叫做卷積模板。但是，對(duì)圖像進(jìn)行空間域的高通濾波，在增強(qiáng)圖像邊緣的 同時(shí)孤立的噪聲點(diǎn)也得到了增強(qiáng)。但中值濾波的計(jì)算不是加權(quán)求和，而是把它鄰域內(nèi)的所有像素按灰度值進(jìn)行排序，然后取該組的中間值作為鄰域中心像素點(diǎn)的輸出值。從以往的經(jīng)驗(yàn)看，方形或圓???????????????????1111911112H???????????????1212521213H???????????????0101510101H四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 29 形窗口適宜于外廓線(xiàn)較長(zhǎng)的物體圖 像，而十字形窗口對(duì)有尖頂角狀的圖像效果好。中值濾波的突出優(yōu)點(diǎn)是在消除噪聲的同時(shí)，還能防止邊緣模糊。邊緣檢測(cè)可借助空域微分算子卷積完