【文章內(nèi)容簡介】 電壓 5V TMS320VC5509A TMS320VC5509A FLASH H JTAG 電源 SDRAM 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計(jì) 11 圖 ：電壓轉(zhuǎn)換電路 圖 ： TMS320VC5509ADSP 注：由于市場(chǎng)上的都為 5V 電壓，所以通過電壓轉(zhuǎn)換電路（圖 3），將 5V 電壓轉(zhuǎn)換為 DSP 芯片需要的 + 和 +， DSP 芯片 5 7 13 12 2 4 898 號(hào)引腳接 + 電壓， 13 6 11 8 8 7 5 4 2 18 號(hào)引腳接 + 電壓。 JTAG 下載調(diào)試程序接口電路 圖 ： JTAG 下載調(diào)試程序接口電路 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計(jì) 12 圖 ： TMS320VC5509ADSP 注： JTAG 模塊中 14 號(hào)引腳分別與 DSP 芯片中的 8 8 8 880 號(hào)引腳相連接。 信號(hào)電平轉(zhuǎn)換電路 圖 ：信號(hào)電平轉(zhuǎn)換模塊 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計(jì) 13 圖 ： TMS320VC5509ADSP 電平轉(zhuǎn)換模塊為三態(tài)輸出功能的 16 位總線轉(zhuǎn)換芯片，主要功能為提高總線驅(qū)動(dòng)能力。 數(shù)據(jù)程序存儲(chǔ)模塊 SDRAM 和 FLASH 圖 ： SDRAM 模塊 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計(jì) 14 圖 ： Flash 模塊 圖 ： TMS320VC5509ADSP 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計(jì) 15 注意： 由于芯片中的 RESET和 BYTE為低電平有效，需提供 10K的上拉電阻接 +。電平。 A0A13 為并行地址總線直接與外部引腳相連接。數(shù)據(jù)存放在 SDRAM(單周期動(dòng)態(tài)隨機(jī)存儲(chǔ)器 )，程序存放在 flash 模塊中。 其他部分電路模塊 圖 ：上拉電阻 注：中斷電路， I2C 總線需要接上拉電阻 圖 ：晶振模塊 注： X2/CLKIN 為 12M 晶振連接到內(nèi)部振蕩器的輸入引腳。 XF 為外部標(biāo)志引腳。L1 和 C3 起濾波的作用。該模塊的主要功能是提供系統(tǒng)時(shí)鐘。 ．系統(tǒng)原理圖和生成的 PCB 板 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計(jì) 16 系統(tǒng)原理圖 圖 ： 原理圖 生成的 PCB 板 圖 ： PCB 板 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計(jì) 17 四、在 MATLAB 環(huán)境下實(shí)現(xiàn)車牌定位的功能 、 車牌定位系統(tǒng)介紹 一個(gè)完整車牌定位系統(tǒng)應(yīng)包括圖像采集、圖像預(yù)處理、 灰度化、 圖像邊緣檢測(cè)、形 態(tài)學(xué)處理 、 腐蝕膨脹 等單元 等。 當(dāng)車輛到達(dá)觸發(fā)圖像采集單元時(shí)，系統(tǒng)采集當(dāng)前的圖像。 之后對(duì)圖像進(jìn)行處理，定位出牌照位置。 車牌定位流程圖 如圖 l 所示 。 圖 系統(tǒng) 流程 圖 、圖像預(yù)處理 車牌自動(dòng)識(shí)別 系統(tǒng)中車輛圖像是通過圖像采集卡將運(yùn)動(dòng)的車輛圖像抓拍下來，并以位 的格式存放在系統(tǒng)內(nèi)存中。而實(shí)際拍攝的車輛圖像效果往往不理想，如受外界光線對(duì)車牌的不均勻反射、惡劣天氣的影響、攝像頭聚焦或后背焦沒有調(diào)整到位而形成的車輛圖像不清晰、所拍攝圖像中存在的噪聲干擾、所安裝的車牌不規(guī)范或車輛變形等等。這些都給車牌的定位增加了難度。但我們可以對(duì)車輛圖像根據(jù)不同應(yīng)用特點(diǎn)進(jìn)行識(shí)別前的預(yù)處理，盡最大 可能提高車牌正確定位，這些圖像預(yù)處理包括圖像灰度變換、傾斜校正 等。 車輛圖像的采集一般都在高速公路收費(fèi)站或城市里的電子眼，由于室外環(huán)境的不穩(wěn)定性，使得車輛景象在成像過程中，受多種因素的影響，圖像質(zhì)量會(huì)下降，人們常常把這種圖像質(zhì)量下降的過程稱為圖像的退化。由于圖像的退化，干擾導(dǎo)入彩色原始圖像 圖像預(yù)處理 灰度化處理 圖像邊緣檢測(cè) 形態(tài)學(xué)處理 車牌 定位 定位 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計(jì) 18 了車牌信息的提取，所以為了改善退化了牌照?qǐng)D像的質(zhì)量，必須對(duì)圖像進(jìn)行預(yù)處理。因此，車牌圖像預(yù)處理的目的在于：通過去除圖像噪聲或影響車牌定位的不相關(guān)信息，提高在各種天氣條件、背景環(huán)境下的原始圖像的質(zhì)量，使圖像車牌區(qū)域的信息突出。以便尋找理想的車牌定位算法。 圖像預(yù)處理分為兩大類： 圖像濾波 和 圖像增強(qiáng) 。根據(jù)車輛牌照預(yù)處理突出車牌部分信息的目的，常用的牌照預(yù)處理方法主要是圖像增強(qiáng)。本文中，采用灰度校正和高斯濾波。前者為了增強(qiáng)圖像的質(zhì)量；后者為了平滑圖像直方圖。 （ 1）圖像濾波 濾波是對(duì)圖像進(jìn)行一系列區(qū)域處理，以達(dá)到去除干擾、突出圖像特征信息的目的。濾波在頻域范圍內(nèi)主要有：低通濾波、高通濾波和同態(tài)濾波 f , l 。這里我們主要分析一下低通濾波。低通濾波的基本思想是保留圖像的低頻成分，減少圖像的高頻成分，它可以降低圖像中的視覺噪聲，同時(shí)也削弱了圖像的邊緣信息。使得圖像中那些不明顯的低頻成分更容易識(shí)別。經(jīng)過低通 濾波后的圖像，變得更模糊。低通濾波可以用卷積模板實(shí)現(xiàn)，常用的模板有 Box 模板和 Gauss 模板。 低通濾波的模板運(yùn)算可以通過卷積運(yùn)算來實(shí)現(xiàn)。卷積是一個(gè)加權(quán)求和的過程。卷積是將模板中的每個(gè)元素和對(duì)應(yīng)區(qū)域中的像素相乘，所有乘積之和作為區(qū)域中心像素的新值．由于濾波的目的是去除圖像的噪聲，所以，在圖像上面的變化，不是很明顯，所以本文只給出濾波前后圖像的直方圖統(tǒng)計(jì)，由此說明本文采用濾波實(shí)現(xiàn)平滑直方圖的目的。 圖像濾波的目的是為了減少圖像中的噪聲，一 般情況下在窄間域內(nèi)采用領(lǐng)域平均法來減少噪聲，在頻率域內(nèi)由于噪聲頻譜多 住高頻段，因此采用各種形式的低通濾波方法來減少噪聲?？臻g域是指對(duì)圖像像素灰度值直接運(yùn)算后取代，頻率域是對(duì)圖像的像素值進(jìn)行變換運(yùn)算后反變換取代，如傅立葉變換等。采用 MATLAB 工具自定義濾波函數(shù)，實(shí)現(xiàn)圖像的平滑處理。 (2)圖像增強(qiáng) 由于車牌的邊框的特征必須明顯，后期的車牌特征才能很好的提取。利用MATLAB 工具箱中的灰度變換上具 imadijut 函數(shù)來實(shí)現(xiàn)．同時(shí)配合 improfiIe 函數(shù)對(duì)圖像進(jìn)行分析，根據(jù)車牌底色和字符的像素值，將其對(duì)比度調(diào)到最大，實(shí)現(xiàn)圖像的增強(qiáng)。 、灰度 化 由于牌照?qǐng)D像在拍攝時(shí)受各種 條件的限制和干擾，圖像的灰度值往往與實(shí)際景物不完全匹配，這將直接影響到圖像的后續(xù)處理．如果造成這種影響的原因主要是由于被攝物體的遠(yuǎn)近不同，會(huì)造成圖像中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡；如果由于攝像頭北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計(jì) 19 在掃描時(shí)各點(diǎn)的靈敏度有較大的差異產(chǎn)生的影響，則會(huì)出現(xiàn)圖像灰度失真；如果是由于曝光不足而產(chǎn)生的影響，則會(huì)出現(xiàn)圖像的灰度變化范圍很窄。當(dāng)以上幾種情況影響到車牌定位時(shí)，就可以采用灰度校正的方法來處理，增強(qiáng)圖像灰度的變化范圍、豐富灰度層次，達(dá)到增強(qiáng)圖像對(duì)比度和分辨率的目的。 灰度修 正 通常采用直方圖修正法使圖像具有期望的灰度分布 ．水平方向?yàn)橄袼貧g度值，垂直方向?yàn)樵撓袼刂党霈F(xiàn)的數(shù)量，根據(jù)灰色 圖 像直方圖調(diào)整像素值的分布范圍，確保圖像亮度值均勻和平滑，同時(shí)如果直方圖中存在多個(gè)峰值，則按直方圖峰值計(jì)算其 限定閥值，然后進(jìn)行分段圖像處理，由此分離出背景和噪聲。 由于車牌定位過程中，對(duì)運(yùn)算速度有比較高的要求，一般來說定位一張含有車牌的圖片控制在幾到幾十毫秒比較合適，為了提高時(shí)間效率在本文中需要把彩色圖像轉(zhuǎn)換成灰度圖像進(jìn)行進(jìn)一步的處理。利用公式 (21) 將彩色圖像轉(zhuǎn)換成灰度圖像： p=*R+*G+*B (31)其中 p 代表圖像中某點(diǎn)的灰度值， R， G， B 分別代表彩色圖中對(duì)應(yīng)點(diǎn)的 RGB 模型中的 R， G， B 分量值。 由于背景的復(fù)雜性和不可知性，灰度化處理并不能滿足實(shí)際需要，車牌照區(qū)域在圖像中不夠突出，這樣為了增強(qiáng)圖像對(duì)比度，采用灰度拉伸的辦法增強(qiáng)原圖的各部分的反差。因此，圖像灰度化后接下來要進(jìn)行灰度增強(qiáng)處理?；叶壤熳兓匠虨椋篋=AX+B (32)； 其中 D 為灰度變換后灰度， X 為變換前灰度， A,B 為變換方程系數(shù)。 為了更加突出字符區(qū)域，需要將圖像二值化。二值化的目的就是要找出一個(gè)合適的閾值，將待處理的區(qū)域劃分為前景和背景兩個(gè) 部分。本文認(rèn)為車牌字符區(qū)域是本文考察的重點(diǎn)，因此該部分作為圖像的前景區(qū)，將字符邊緣區(qū)域的值設(shè)為 1，其他的部分都看成是背景區(qū)，設(shè)為 0。二值化后的車牌要能保證車牌區(qū)域圖像的質(zhì)量，盡量不丟失原字符的特征，本文采用了全局閾值二值化的方法。設(shè)原灰度圖像為 f (x, y)，二值化后的圖像為 g (x ,y)，二值化處理 表示如公式 (1)所示： g (x ,y)=0（ f (x, y)=T）； g (x ,y)=0（ f (x, y)T）。 (1) 這里的 T 稱為二值化閾值（ Threshold），在灰度圖象中純黑色為 0，純白色 為 1。經(jīng)過二值化處理后 ,前景和其他背景就由黑白兩種顏色分開，選擇不同的閾值會(huì)得到不同的分離結(jié)果。閾值 T 的大小對(duì)二值化的效果影響很大，采用迭代二值化算法。 例如： 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計(jì) 20 圖 ： 汽車 圖 將 汽車 圖進(jìn)行灰度修正得灰度圖如下圖 圖 ：灰度圖 、圖像邊緣檢測(cè) 根據(jù)每個(gè)像素在某個(gè)區(qū)域內(nèi)的灰度變化，利用邊緣 _二階方向?qū)?shù)變化規(guī)律實(shí)現(xiàn)邊緣檢測(cè)。常用方法有 LaPlaciai3．邊緣增強(qiáng)、 Sobel 梯度方向邊緣增強(qiáng)等。本文對(duì)圖像進(jìn)行水平邊緣檢測(cè)，有效地檢測(cè)出水平方向 的邊緣像素，然后對(duì)檢測(cè)結(jié)果二值化處理，記錄邊緣點(diǎn)，然后對(duì)邊緣點(diǎn)按照從上到下，從左到右進(jìn)行掃描 (定義位 x 和 y 方向掃描 )，得到整個(gè)圖像的跳變點(diǎn)分布。根據(jù)車牌的長寬比例確定車牌的區(qū)域，利用分割技術(shù)將車牌從整幅圖像中分割出來。 為了更加突出車牌區(qū)域，需要對(duì)圖像進(jìn)行邊緣檢測(cè)。邊緣檢測(cè)的基本思想是通過檢測(cè)每個(gè)像元是否位于一個(gè)物體的邊界上。如果每個(gè)像元位于一個(gè)物體的邊界上，則北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計(jì) 21 其鄰域像元灰度值變化比較大。 [3]最直接的邊緣檢測(cè)方法就是對(duì)原始圖像按像素的某小鄰域構(gòu)造邊緣算子，經(jīng)過對(duì)比本文選取用 Canny 算子檢測(cè)圖像的邊緣。 如 下圖。 圖 ：邊緣檢測(cè)提取圖 、形態(tài)學(xué)處理 形態(tài)學(xué)處理是指將數(shù)字形態(tài)學(xué)作為工具從圖像中提取對(duì)于表達(dá)和描繪區(qū)域形狀有用處的圖像分量，比如邊界、骨架以及凸殼，還包括用于預(yù)處理或后處理的形態(tài)學(xué)過濾、細(xì)化和修剪等。圖像形態(tài)學(xué)處理中我們感興趣的主要是二值圖像。 在二值圖像中，所有黑色像素的集合是圖像完整的形態(tài)學(xué)描述，二值圖像的各個(gè)分量是 Z2 的元素。假定二值圖像 A 和形態(tài)學(xué)處理的結(jié)構(gòu)元素 B 是定義在笛卡兒網(wǎng)格 上的集合，網(wǎng)格中值為 1 的點(diǎn)是集合的元素，當(dāng)結(jié)構(gòu)元素的原點(diǎn)移到點(diǎn) (x,y)時(shí)，記為Sxy，為簡單起見，結(jié)構(gòu)元素為 3x3，且全都為 1，在這種限制下， 決定輸出結(jié)果的是邏輯運(yùn)算 ，即 二值圖像的邏輯運(yùn)算 。 邏輯運(yùn)算盡管本質(zhì)上很簡單，但對(duì)于實(shí)現(xiàn)以形態(tài)學(xué)為基礎(chǔ)額圖像處理算法是一種有力的補(bǔ)充手段。在圖像處理中用到的主要邏輯運(yùn)算是：與、或和非（求補(bǔ)），它們可以互相組合形成其他邏輯運(yùn)算。 （ 1） 去噪處理 圖像在邊緣檢測(cè)后往往干擾區(qū)域，車燈區(qū)、車身上的廣告字體在邊緣化后都可能成為備選區(qū)域，要準(zhǔn)確地選擇出車牌區(qū)域，就要對(duì)邊緣化后的圖片中的連通區(qū)域進(jìn)行進(jìn)行去噪處理。根據(jù)車牌本身是大小固定矩形區(qū)域的特點(diǎn)，對(duì)備選區(qū)域從 下往上篩選，假設(shè)第一個(gè)連通區(qū)域是車牌區(qū)域，測(cè)試其長寬比例看是否在車長寬比例的范圍，如果是則認(rèn)為是該區(qū)域，否則尋找下一個(gè)連通區(qū)域直到找到車牌區(qū)域。接著對(duì)車牌在垂直方向進(jìn)行開運(yùn)算，這樣既消除了車牌區(qū)域與它上方或下方干擾區(qū)域的粘連，又消除了狹長的水平線的干擾。由于車牌被磨損或者掉色，車牌區(qū)域還可能出現(xiàn)孤點(diǎn)現(xiàn)象，需要對(duì)孤點(diǎn)進(jìn)行填充空洞處理，這樣達(dá)到使車牌區(qū)域連通的效果，最后得到一個(gè)完整連北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計(jì) 22 通的車牌區(qū)域。 去噪處理 如下圖。 圖 ：去噪圖 （ 2） 膨脹和腐蝕 膨脹和腐蝕這兩種操作是形態(tài)學(xué)處理的基礎(chǔ) ，許多形態(tài)學(xué)算法都是以這兩種運(yùn)算為基礎(chǔ)的。 ① 膨脹 是以得到 B 的相對(duì)與它自身原點(diǎn)的映像并且由 z 對(duì)映像進(jìn)行移位為基礎(chǔ)的。 A 被B 膨脹是所有位移 z 的集合，這樣， 和 A 至少有一個(gè)元素是重疊的。我們可以把上式改寫為： 結(jié)構(gòu)元素 B 可以看作一個(gè)卷積模板