【正文】 垂直投影后，牌照區(qū)域的字符垂直投影的寬度跟圖像其它部分的投影的寬度相差很多，通過掃描線掃描字符投影的寬度，濾除投影寬度過大或者過小的區(qū)域，得到牌照區(qū)截取圖像并且保存圖像 水平截取失敗 統(tǒng)計(jì)水平投影中可能的牌照區(qū)域的寬度 保存原圖像和水平投影后的圖像 掃描圖像進(jìn)行水平投影 輸入粗定位的車牌 寬度在設(shè)定的范圍內(nèi) ？ 是 否 32 域。為了不至于損壞字符，在水平分割過程中將牌照的上下邊界增加 2 個(gè)像素的大小。牌照區(qū)域內(nèi)的字符一般為 7 個(gè)(有些特殊的車輛牌照除外 )，通過車牌區(qū)域字符的行掃描線在字符的左右邊緣都應(yīng)該至少有一個(gè)突變點(diǎn)，所以車牌字符區(qū)域內(nèi)的行內(nèi)突變點(diǎn)的個(gè)數(shù)至少為 14 個(gè)，考慮漢字字符的筆畫數(shù)較多，字母以及數(shù)字有的也不只兩個(gè)突變點(diǎn)，所以通常的情況下，實(shí)際行內(nèi)的突變點(diǎn)的個(gè)數(shù)往往大于 14 個(gè)。如上面兩幅圖像突變點(diǎn)過多，為了突出牌照區(qū)域的突變點(diǎn)，可以通過行內(nèi)跳變點(diǎn)鏈表結(jié)構(gòu)的 distant。 //列號(hào) int distance。 圖 42 車牌灰度圖像的粗邊緣檢測(cè) 經(jīng)過上面的梯度運(yùn)算取閥 值方法處理以后，可以看到上面幾幅圖像的處理效果，前兩 幅由于車輛圖像可能的跳變點(diǎn)比較少，處理過后牌照區(qū)域比較明顯 。梯度有兩個(gè)重要的性質(zhì) : ● 梯度的方向在函數(shù) f(x,y)最大變化率方向上 。考慮到實(shí)際處理的車輛圖像大小為 360*240，而實(shí)際可能存在的噪聲點(diǎn)一般都是比較孤立的點(diǎn)噪聲，偶爾的脈沖亮線噪聲比較少，點(diǎn)噪聲的寬度一般都是集中在幾個(gè)像素寬度的大小 (車牌出現(xiàn)大范圍面積內(nèi)連續(xù)的污損除外 )，通過試驗(yàn)對(duì)比，本文采用 7*1 的窗口，去噪的效果比較明顯，實(shí)際處理的效果也比 較理想。 RGB 與 YIQ 之間的對(duì)應(yīng)關(guān)系如下 : ??????????????????????????????????BGRQIY 因而可通過 Gre=*R+* G+*B 將彩色圖像轉(zhuǎn)換為灰度圖像。調(diào)色板的創(chuàng)建可由 MFC的 CPalette類的成員函數(shù) CreatePalette負(fù)責(zé)完成。 灰度化處理 為了加快圖像處理的速度，首先對(duì)于輸入的圖像進(jìn)行灰度化處理。目前市場(chǎng)上面的很多產(chǎn)品也基于這種方法進(jìn)行字符識(shí)別的。識(shí)別時(shí)將待識(shí)別字符的這一數(shù)組與預(yù)先得到模板的外圍輪廓描述數(shù)組比較，兩者差別由歐氏距離衡量。由于字符的識(shí)別實(shí)際上就是個(gè)類別數(shù)目較大的分類問題，因此大多數(shù)的字符識(shí)別的問題都是基于分類器的設(shè)計(jì)。 文中對(duì)車牌圖像采用全局閥 值進(jìn)行二值化處理，然后根據(jù)處理得到的二值化圖像進(jìn)行投影，然后通過搜索所有峰點(diǎn)的位置和相應(yīng)的高度以及左右谷點(diǎn)的位置及相應(yīng)的高度，保存這些數(shù)據(jù)，然后根據(jù)一定的判定條件合并峰點(diǎn)，最后對(duì)規(guī)則變換后投影圖采用掃描線的方法得到字符的基本寬度及字 符個(gè)數(shù)。充分考慮了上述牌照定位的方法 后，本文提出了自己的牌照定位方法。首先采用掃描差分二值化閥值迭代算法，經(jīng)過迭代算法的圖像運(yùn)用數(shù)學(xué)形態(tài)學(xué)的算法，取長度為〔 2a+1〕 的一維結(jié)構(gòu)元素對(duì)圖像進(jìn)行膨脹運(yùn)算。根據(jù)中華人民共和國公共安全行業(yè)標(biāo)準(zhǔn) GA36 一 92，汽車牌照的大小和顏色信息如下所示 : 表 31，牌照大小和顏色信息表 分類 外廓尺寸（ mm） 顏色 大型車 440 140 黃底黑字黑框線 小型車 440 140 藍(lán)底白字白框線 使館車輛 440 140 黑底白字“使”字白框線 領(lǐng)館車輛 440 140 黑底白字“領(lǐng)”白框線 境外車輛 440 140 黑底白字白框線 外籍車輛 440 140 黑底白字白框線 教練車輛 440 140 黃底黑字黑框線 試驗(yàn)車輛 440 140 黃底黑字黑框線 臨時(shí)入境車輛 300 165 白底紅字黑“臨時(shí)入境”字紅 臨時(shí)行駛車 440 140 白底黑字黑框線 從上面的表格可以看出大多數(shù)的車輛牌照的大小還是固定的 (臨時(shí)入境車除外 )，而且牌照區(qū)域字符和背景的顏色對(duì)比比較明顯，整個(gè)牌照區(qū)域相對(duì)于車輛其它部位是一個(gè)規(guī) 整的矩形。從上面的分析可以看出，中值濾波容 易去除孤立的噪聲點(diǎn)。則灰度直方圖表示為 nnrP kkr ?)( 其中 n為一幅圖像總像素?cái)?shù)目， kn 表示灰度為 kr 的像素?cái)?shù)目。因 而 ，二值圖像處理目前成為了圖像處理中的一個(gè)獨(dú)立、重要 的分支。這類圖像改善方法統(tǒng)稱為圖像復(fù)原技術(shù)。 灰度變換 一幅 24位的真彩圖像的每個(gè)像素由三個(gè)字節(jié)表示 ,這樣儲(chǔ)存一幅 640 480的圖像就需要占用 640 480 3=921600字節(jié) ,無論對(duì)于存儲(chǔ)容量還是處理時(shí)間都是不太理想的 ,因此需要對(duì)圖像進(jìn)行壓縮。 10 編程時(shí)只須實(shí)現(xiàn)一個(gè)模板函數(shù)，定義不同 矩陣 T就可以實(shí)現(xiàn)不同的鄰域運(yùn)算。 需要注意的是直方圖并不包含象素的位置信息，也就是說，從直方圖上很 難確定具有某一灰度級(jí)的象素的位置所在，利用直方圖進(jìn)行圖像分析無法利用象素位置信息。設(shè)變量 r代表灰度級(jí)，歸一化后， 0≤ r≤ 1, r=0表示黑色， r= 1 表示白色。//指定紅色強(qiáng)度 BYTE rgbReserved。//水平分辨率，像素 /米 LONG biYPelsPerMerer。結(jié)構(gòu)定義如下 : struct BitmapFileheader { DWORD biSize。文件由位圖文件頭，位圖信息頭，調(diào)色板和位圖數(shù)據(jù)四部分組成。 整幅二維圖像數(shù)字 化 以 后，圖像就被表示為一個(gè)二維矩陣。 圖像可以區(qū)分為二值圖像、灰度圖像、彩色圖像。二維 物理圖像被柵格劃分成小的區(qū)域，這些小的區(qū)域稱為數(shù)據(jù)元素 (Picture Element)，簡稱象素 (Pixel)。紋理產(chǎn)生 。根據(jù)牌照區(qū)域字符的不同特征，介紹了識(shí)別上述字符的相關(guān)辦法，因?yàn)闂l件有限，沒有完成神經(jīng)網(wǎng)絡(luò)識(shí)別樣本的制作，因此在本文中，處理完的字符圖像只是 運(yùn)用神經(jīng)網(wǎng)絡(luò) 進(jìn)行了一定的嘗試。由于車輛牌照是車輛的唯一標(biāo)志，包 含著車輛的重要信息。國內(nèi)在 20 世紀(jì) 90 年代開始對(duì)車輛牌照識(shí)別系統(tǒng)進(jìn)行了相關(guān)的研究，上海交通大學(xué)戚飛虎提出了基于彩色分割的牌照識(shí)別方法 。其中牌照定位中比較好的算法有 JBaror 提出的基于水平線搜尋的定位方法 。 （ 4）入口無人值守、車輛不停車進(jìn)入 主要是用于小區(qū)停車場(chǎng)收費(fèi)系統(tǒng)中，在入口安裝了系統(tǒng)，利用其能夠不停車自動(dòng)識(shí)別汽車牌照和車型的特點(diǎn)，在車輛經(jīng)過卡口的一瞬間，得到識(shí)別結(jié)果并通過通信網(wǎng)絡(luò)將識(shí)別出 的車輛信息及入口信息傳送到各個(gè)出口，既不需要道口值班人員發(fā)放通行介質(zhì)，又可保證車輛信息準(zhǔn)確無誤地送至出口，起到了替代道口值班員和節(jié)省通行介質(zhì)的作用，可以節(jié)省這兩項(xiàng)成本的開支。只要將其車牌資料輸入 應(yīng)用系統(tǒng)中，系統(tǒng)就會(huì)處于自動(dòng)檢測(cè)狀態(tài)， 24 小時(shí)不停地對(duì)所有經(jīng)過車輛自動(dòng)進(jìn)行識(shí)別、比較、處理 。 車輛牌照作為行駛車輛的唯一標(biāo)志，在車輛的控制和管理方面有著無可替代的作用。 本科生畢業(yè)設(shè)計(jì)（論文） 中文題目： 車牌識(shí)別系統(tǒng)中圖像處理技術(shù)的研究 英文題目： THE RESEARCH OF IMAGE PROCESSING ON VEHIELE PLATES RECOGNITION SYSTEM I 摘 要 車輛牌照作為行駛車輛的唯一標(biāo)志，在車輛的控制和管理方面有著無可替代的作用。車輛牌照識(shí)別技術(shù)作為智能交通的一個(gè)重要的部分，在高速公路、城市道路、停車場(chǎng)等項(xiàng)目管理中起著重要的作用。一旦發(fā)現(xiàn)上述車輛經(jīng)過，立刻給出控制信號(hào)，達(dá)到車輛自動(dòng)稽查的目的。 （ 5）自動(dòng)確認(rèn)車輛及入口、防止司機(jī)作弊 這主要是針對(duì)高速公路中途互換入口卡的車輛，高速公路中途互換入口卡，可以將路費(fèi)降到最低，給高速公路業(yè)主帶來很大的經(jīng)濟(jì)損失。 提出的基于DFT變換的頻域分析方法 。華中科技大學(xué)黃心漢提出了基于模板匹配和神經(jīng)網(wǎng)絡(luò)的牌照識(shí)別方法 。掌握車輛牌照號(hào)碼，就可以對(duì)車輛進(jìn)行管理、跟蹤，從而提高交通管理的智能化、現(xiàn)代化水平。 5 2 圖像知識(shí) 2. 1 圖像 與圖形 圖像和圖形同屬于視覺信息，但發(fā)展歷史、處理方法和用途都不同，因此這兩個(gè)概念應(yīng)該嚴(yán)格區(qū)分。配色等。對(duì)每個(gè) 像 素 進(jìn)行采樣和量化，得到相應(yīng)的整數(shù)值?；叶葓D像只含亮度信息，不含色彩信息。也就是在物理域內(nèi)的圖像被轉(zhuǎn)換為數(shù)學(xué)域內(nèi)的矩陣 : ????????????????)1,1()1,1()0,1()1,0()1,0()0,0(),(NNfNfNfNfffyxf????? () 圖像數(shù)字化以后，二元函數(shù) f(x,y)所形成的矩陣就表示圖像。位圖文件頭包含文件類型、文件大小、存放位置等信息。 //本結(jié)構(gòu)所需字節(jié)數(shù)，為 40 字節(jié)， 28h 7 LONG biWidth。//垂直分辨率，像素 /米 DWORD biClrUsed。//保留，設(shè)為 0 } 彩色表后的是圖像數(shù)據(jù)陣列。從概率論觀點(diǎn)看， r 可被看作是隨機(jī)變量，即對(duì)一幅給定的圖像，其每個(gè)像 素所取 r 值可被看作是隨機(jī)的，其概率密度函 8 數(shù) p(r)可用來表示圖像的灰度分布。 9 圖 22 一副灰度圖像的直方圖表達(dá) 模板與模板運(yùn)算 數(shù)字圖像除了信息量大，處理時(shí)占用資源多，處理后受人的主觀影響大等特點(diǎn)外，最主要的特點(diǎn)是各個(gè) 像 素 間相關(guān)性很大。 如 矩陣求算術(shù)平均表示 3311111111191 ??????????? 模板運(yùn)算也可寫為下式 : ),(),(1010 jyixfjiaRijki ??? ?????? （ ） 21??mi，21??nj 其中 m,n 表示圖像 f 長和寬的象素個(gè)數(shù)， k,l模板長和寬的象素個(gè)數(shù) 上式相當(dāng)于模板與圖像作卷積運(yùn)算，體現(xiàn)了圖像的鄰域化處理思想，充分利用了象素間的相關(guān)性。一般采用的方法是將彩色圖像轉(zhuǎn)換為灰度圖像 ,公式為： Y=R+G +B ,其中 Y 被稱為灰度值，這樣就節(jié)省了大量的存儲(chǔ)空間和處理車輛圖像歸一化 圖像預(yù)處理 車牌定位 字符分割 字符識(shí)別 12 時(shí)間。由于牌照的灰度值與周圍區(qū)域有明顯的不同，因而在其邊緣就會(huì)形成灰度突變的邊界，這樣就便于通過邊緣檢測(cè)來對(duì)灰度圖像進(jìn)行分割。 二值化的方法很多，但是沒有對(duì)任何對(duì)象都普遍適用的方法，必須根據(jù)具體的處理對(duì)象 確定?；叶扔成浜瘮?shù)為 ][rTs? ，直方圖均衡化時(shí) 1)( ?sPs 。 圖 34 中值濾波效果對(duì)比 圖 是中值濾波處理前后的效果對(duì)比圖，可以發(fā)現(xiàn)處理前車輛圖片中存有大量的泥濘，整個(gè)圖像質(zhì)量很不好，經(jīng)過中值濾波以后，泥濘 (噪聲 )得到了一定的抑制，同時(shí)牌照區(qū)域的邊框也更加明顯，有利于車輛圖像后續(xù)的處理。對(duì)于幾何尺寸為 440x140 的車輛牌照的格式，牌照上的文字由 7 個(gè)字符和一個(gè)分隔符橫向水平排列組成，字符高度為 90mm，寬度為 45mm，第二個(gè)和第三個(gè)字符之間有一個(gè)分隔符，字符與字符之間以及字符與分割符之間的間距為 12mm。膨脹運(yùn)算后，在車牌區(qū)的橫向掃描線上面，因?yàn)榉濉⒐?、峰的紋理特征相互融合轉(zhuǎn)變?yōu)榫哂幸欢▽挾鹊拿}沖，對(duì)這些脈沖進(jìn)行直線帶通濾波，計(jì)算滿足帶通濾波規(guī)則的直線總數(shù) p，以及滿足帶通濾波規(guī)則的掃描 線上的灰度跳變的總數(shù)g，檢查是否滿足評(píng)價(jià)函數(shù) f(p,g)，然后再進(jìn)行數(shù)學(xué)形態(tài)學(xué)的線開運(yùn)算，最后對(duì)于處理過后的車輛圖像進(jìn)行水平和垂直投影，定位出牌照區(qū)域。 19 因?yàn)椴杉杰囕v圖像受到各種環(huán)境因素以及車輛本身狀況的影響，車輛圖像以及牌照區(qū)域的圖像質(zhì)量參次不齊，但是牌照區(qū)域的 長寬大小都是相對(duì)固定的 ，論文提出了基于車輛牌照紋理和顏色信息的定位方法，該定位方法適用性強(qiáng)，對(duì)于大多數(shù)車牌定位效果比較較好。論文提出了一種區(qū)域分割為基礎(chǔ)的車牌字符分割的方法，該方法通過確定其中的一個(gè)字符，然后根據(jù)字符之間的間隔和長、寬之間的關(guān)系，確定其它的字符位置，進(jìn)而完成字符的切分。常用的采用以下 5種方法 : (1)簡單模板匹配 。改進(jìn)穿線法在原有穿線法的基礎(chǔ)上引入彈性匹配，以對(duì)付牌照字符圖像中普遍存在的各種干擾。 本章小結(jié) 本章介紹了前人研究的牌照識(shí)別系統(tǒng)中圖像預(yù)處理、牌照定位、字符分割 ，字符識(shí)別 等階段的相關(guān)算法和方案，分析比較了它們之間的優(yōu)劣點(diǎn)，結(jié)合實(shí)驗(yàn)方法，提出了 實(shí)驗(yàn)選擇的 牌照識(shí)別系統(tǒng)方案。所謂灰度化處理就是將一幅采集到的彩色圖像轉(zhuǎn)換為 256 色灰度圖像，即把含有亮度和色彩的彩色圖像轉(zhuǎn)換變?yōu)榛叶葓D像的過程。該函數(shù)的聲明為 :BOOL CreatePalette(LPLOGPALETTE IpLogPalette) ，調(diào)用 23 SelectPalette 函數(shù)把邏輯調(diào)色板選入到要使用它的設(shè)備上下文中，然后調(diào)用Rea