【正文】 0) （ 3） 基于數(shù)學(xué)形態(tài)學(xué)的車牌定位 數(shù)學(xué)形態(tài)學(xué)中的開閉運(yùn)算具有以下特 點(diǎn) ： (1)開運(yùn)算可以擦除圖像中的像素。而若結(jié)構(gòu)元素過小，則會(huì)使車牌區(qū)域無法粘連在一起，就有可能使真正的車牌區(qū)域不包含在可能的車牌區(qū)域集合中。 車牌圖像的灰度化和二值化 圖像的灰度化 顏色圖像可分為黑白色、灰度色和彩色。 四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 21 (a)原彩色圖 (b)轉(zhuǎn)換后的灰度 圖 圖 41 彩色圖像的灰度化處理 灰度圖只能表現(xiàn) 256 種顏色，灰度化處理還有其他方法，如：取 3個(gè)分量的最大值、最小值、算術(shù)平均值等，目的都是使顏色的 R， G， B 分量值相等。為此，必須對(duì)二值化算法做深入細(xì)致的研究。非均勻光照條件等情況雖然影響整體圖像的灰度分布，但是對(duì)局部圖像的性質(zhì)卻沒有什么影響，從而局部閾值法比全局閾值法有更廣泛的應(yīng)用，比如 Bernsen 算法 [24]就是一種典型的局部閾值法。 灰度變換 如果造成對(duì)比度不足的原因主要是由于被拍攝目標(biāo)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)的靈敏度有較大的四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 23 差異而產(chǎn)生圖像灰度失真，或是由于曝光不足或 過度而使得圖像的灰度值被限制在一個(gè)很小的范圍。但是這種兩端截取式的變換使小于灰度級(jí) a和大于等于灰度級(jí) b的像素分別強(qiáng)行變?yōu)?c 和 d，這將會(huì)造成 小部分圖像信息的丟失。 利用對(duì)數(shù)函數(shù)進(jìn)行灰度變換在實(shí)際應(yīng)用中有重要意義，它能擴(kuò)展低灰度區(qū)，符合人們?cè)谝曈X上的主觀感覺。 第 4 章 車牌圖像的邊緣檢測(cè) 26 根據(jù)原圖像的直方圖統(tǒng)計(jì)值就可以算出均衡化后各像素的灰度值。空間域的平滑濾波一般采用簡(jiǎn)單平均法進(jìn)行，就是求鄰近像素點(diǎn)的平均亮度值，稱為鄰域平均法。為克服簡(jiǎn)單鄰域平均法的弊病，目前己提出許多保持邊緣、保細(xì)節(jié)的鄰域平均算法，它們的出發(fā)點(diǎn)都集中在如何選取鄰域的大小、形狀、方向、參加平均的像素個(gè)數(shù)以及鄰域中各像素的權(quán)重系數(shù)等 [25]。 高通濾波 在進(jìn)行圖像處理時(shí)，我們經(jīng)常要對(duì)圖像進(jìn)行銳化以便突出圖像的邊緣。中間值取法如下 ： 當(dāng)鄰域內(nèi)的像素個(gè)數(shù)為奇數(shù)時(shí)，取像素灰度值排序后的中間值；當(dāng)鄰域內(nèi)的像素個(gè)數(shù)為偶數(shù)時(shí)，取排序后的中間兩像素灰度值的平均值。如果圖像的噪聲多是孤立的點(diǎn)，這些點(diǎn)對(duì)應(yīng)的像素又很少，而圖像則是由像素較多、面積較大的塊構(gòu)成，中值濾波效果很好。對(duì)于一個(gè)連續(xù)函數(shù) ? ?yxf , ，它在位置 ? ?yx, 的梯度可表示為一個(gè)矢量： ? ? ? ? rryx yfxfGGyxf ?????? ??????? , 。此外還有迭代操作，就是對(duì)輸入圖像反復(fù)進(jìn)行同樣的中值濾波，直到輸出不再有變化為止。 中值濾波 中 值濾波是一種非線性濾波，它也是一種鄰域運(yùn)算，類似于卷積。頻域的濾波也就是乘積運(yùn)算，變換到空間域就成為卷積運(yùn)算，對(duì)一幅灰度圖像的空間域 濾波實(shí)際上是???????????010101010414M???????????111101111818M第 4 章 車牌圖像的邊緣檢測(cè) 28 進(jìn)行二維離散卷積運(yùn)算。這種算法簡(jiǎn)單，處理速度快，但它的主要缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模 糊，特別在邊緣和細(xì)節(jié)處。 領(lǐng)域平均法 為了消除圖像中的噪聲，可以直接在空間域上對(duì)圖像進(jìn)行平滑 濾波。直方圖均衡化又稱直方圖平坦 化，是將一已知灰度概率密度分布的圖像，經(jīng)過某種變換，變成一幅具有均勻灰度概率密度分布的新圖像，其結(jié)果是擴(kuò)展了像素取值的動(dòng)態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。對(duì)數(shù)變換一般為 ： ? ? ? ?? ?cb yxfayxg ln 1,ln, ? ??? (45) 其中 a， b 和 c 為可調(diào)參數(shù)，用于調(diào)整曲線的位置和形狀，它使圖像的低灰度區(qū)得以擴(kuò)展，而高灰度區(qū)得到壓縮。 如圖 42所示， ? ?yxf , 和 ? ?yxg , 之間的灰度變換關(guān)系如下 ： ? ?? ?? ?? ? ? ?? ???????????????byxfdbyxfacayxfdb cdayxfcyxg, (43) 從灰度直方圖分析，由于 abcd ??? 。由于成像系統(tǒng)的亮度有限，常出現(xiàn)對(duì)比度不足的情況，使人眼觀看圖像時(shí)視覺效果很差，這將直接影響到圖像的后續(xù)處理。典型的全局閾值法包括 Qstu 方法 [23]，最大熵方法等。二值化后的車牌要能再現(xiàn)原字符圖像，基本不出現(xiàn)筆畫斷裂和粘連現(xiàn)象，盡量不丟失原字符的特征。轉(zhuǎn)換關(guān)系是 ： ? ? ? ? ? ? ? ?jiBjiGjiRjiG r a y , ??? (41) 其中 ? ?jiGray , 為轉(zhuǎn)換后的灰度圖像在 ? ?ji, 點(diǎn)的灰度值，該式綠色的比重比較大，所以轉(zhuǎn)換時(shí)可直接用 G 值作為轉(zhuǎn)換后的灰度。所以為了改善退化了的牌照?qǐng)D像質(zhì)量，必須對(duì)圖像進(jìn)行預(yù)處理。 在此算法中結(jié)構(gòu)元素的大小的選取至關(guān) 重 要。 腐蝕的操作效果如圖 33所示，其中白色為目標(biāo)，黑色為背景，結(jié)構(gòu)元素為5x5 正方形對(duì)象。 數(shù)學(xué)形態(tài)學(xué)基本運(yùn)算 四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 17 (1)膨脹 膨脹的運(yùn)算符為“ ? ” ，圖像集合 A 用結(jié)構(gòu)元素 B 來膨脹，記作 AB，其定義為 ： ?????? ?????? ?????????? ?ABxBAX? (33) 其中， ?B 表示 B的映像，即與 B 關(guān)于原點(diǎn)對(duì)稱的集合。當(dāng)波峰和波谷第一次滿足式 (32)時(shí)，則認(rèn)為檢測(cè)到了緩沖器的 位置，從而可以間接定位車牌。 多分 辨率車牌定位法 所謂多分辨率定位 法，就是在低分辨率的圖像上大致確定出牌照的位置，然后在高分辨的圖像上做出精確的定位，這樣可以有效地減少計(jì)算量。其中，頻率法是直接車牌定位法中的一個(gè)典型定位算法 [19]。車牌定位是車牌自動(dòng)識(shí)別系統(tǒng)的關(guān)鍵，與字符切分和字符識(shí)別相輔相成，所以車牌定位的結(jié)果直接關(guān)系到字符的分割和識(shí)別率。雖然真 實(shí)的汽車牌照是一個(gè)矩形，但由于 攝像頭的安裝位置和拍攝角度的原因，拍攝的車牌可能不是矩形。如“川 C 52205”就是最典型的車牌號(hào)碼。因而車牌定位是提高整個(gè)系統(tǒng)識(shí)別率的關(guān)鍵中的關(guān)鍵 [15]。 HGjifjif ?? ),(),( 12 (22) 上式中 HG 為灰度判決門限值，若滿足公式 (22)，則可以 判定有來車，否則無車。當(dāng)遇到目標(biāo)比較密集的情況時(shí)，可以適當(dāng)增加圖像采集的幀數(shù)，以便構(gòu)建較好的背景圖像。然 而該方法對(duì)于動(dòng)態(tài)場(chǎng)景的變化，如光照的變化和陰影的干擾等比較敏感。反之灰度變化很大，則認(rèn)定有目標(biāo)經(jīng)過。所謂光流 [10,11]是指 圖 像中模式運(yùn)動(dòng)的速度，光流場(chǎng)是一種一維 (2D)瞬時(shí)速度場(chǎng)，其中一維速度向量是可見的二維速度向量在成像平 面 上的投影。 常用的車輛檢測(cè)方法 目前較常用的車輛檢測(cè)方法有 ： 環(huán)形磁感線圈檢測(cè)、超聲波檢測(cè)、微波雷達(dá)檢測(cè)、紅 外線檢測(cè)、氣動(dòng)導(dǎo)管檢測(cè)、光電式檢測(cè)、基于 視頻車輛檢測(cè)等。 先對(duì)圖像進(jìn)行預(yù)處理，主要對(duì)圖像的灰度化、二值化方面的處理進(jìn)行了詳細(xì)的分析。 圖 像 采 集 車 牌 定 位 字 符 識(shí) 別字 符 分 割 圖 12 LPR系統(tǒng)流程圖 主要研究?jī)?nèi)容如下 ： (1)圖像采集?；?這種思想，有學(xué)者提出了自適應(yīng)平滑濾波和松弛迭代方法，這兩種方法對(duì)復(fù)雜圖像以及含噪聲的圖像可以取得很好的邊緣檢測(cè)效果，但是也存在算法復(fù)雜，計(jì)算耗時(shí)間的缺點(diǎn)。這種方法分二步，圖像的平滑、邊緣的獲取、松弛迭代。 (3)多尺度方法 ： 此方法是隨著多分辨率和小波理論的出現(xiàn) 而 逐漸發(fā)展起來的。圖像邊緣檢測(cè)方法主要包括以下幾類 ： (1)微分算子法 ： 這種方法主要從邊緣點(diǎn) (通常對(duì)應(yīng)于 一階微分幅度值大的點(diǎn) )，同時(shí)也從二階微分的零交叉點(diǎn)出發(fā)，設(shè)計(jì)一 些一階或二階微分算子，求得其梯度或二階導(dǎo)數(shù)過零點(diǎn)，再選擇一定的閾 值提取邊界。 國內(nèi)做得較好的產(chǎn)品主要有中科院自動(dòng)化研究所漢王公司的“漢王 眼”，北京信路威， 昆明利普視覺，沈陽聚德。車牌識(shí)別系統(tǒng)(License Plate Recognition，簡(jiǎn)稱 LPR)具有廣泛的應(yīng)用范圍，主要應(yīng)用于 ： 高速公路收費(fèi)、道路交通監(jiān)控管理、交通事故現(xiàn)場(chǎng)勘察、違章管理 ； 小區(qū)、停車場(chǎng)管理 ； 車輛登錄、驗(yàn)證 ； 車輛統(tǒng)計(jì)、 安全管理 [2]。 關(guān)鍵詞 ： 車牌識(shí)別，車牌定位，字符分割， 邊緣檢測(cè) III ABSTRACT The car license recognition is one of key technologies in the intelligent transportation .The car license recognition system includes vehicles image gathering, the car license localization generally, the character division and the character recognition four modules. This article in the simple introduction car license recognition four module foundations, mainly has carried on the discussion to the car license edge examination, has analyzed the Roberts operator, the Sobel operator, the canny operator, the Laplacian (Laplacian) operator and the Marr edge examination operator. The Roberts operator examination pointing accuracy quite is high, but is sensitive to the noise. The Sobel operator may produce the good edge results, but has the smoothing effect to the noise, reduced to the noise sensitivity. But, the Sobel edge examination operator also examined some false edges, caused the edge quite to be thick, reduced the examination pointing accuracy. The canny operator can obtains the good balance between the noise abatement and the edge examination, It can produce the thin edge results. Therefore this article used the canny operator to carry on the extraction to the car license edge, the simulation result has indicated this operator to be able the good examination picture edge information. Key words: car license recognition, car license localization, character division, edge examination IV 目 錄 摘 要 ........................................................... II ABSTRACT ........................................................ III 第 1章 引 言 ...................................................... 1 課題背景及研究意義 ........................................ 1 國內(nèi)外研究現(xiàn)狀 ............................................ 2 汽車牌照識(shí)別國內(nèi)外研究現(xiàn)狀 .......................... 2 邊緣檢測(cè)算法國內(nèi)外研究現(xiàn)狀 .........................