【文章內容簡介】 表湖南長沙、湘 B 代表湖南株洲。后面五位是由 0~9 和 A~Z（除去 O 和 I）一共是 34 種字符。 我國標準小型車采用藍底白字的車牌，輪廓尺寸為 440mm 140mm，寬和高比例近似為 3:1。車牌中的每個字符居中分布在一個寬度是 45mm，高度是 90mm 的矩形范圍內，字符間隔為 12mm，因為第二和第三字符間存在一個 10mm 的間隔符，因此，二、三字符的間隔為 22mm。 如圖 所示。 圖 車牌的規(guī)格 湖南工業(yè)大學本科畢業(yè)設計（論文） 7 車牌圖像去噪 車牌圖像 去噪目的是為了改善車牌圖像的質量，減少圖片上的噪聲干擾 。在獲取到的車牌圖像中第一步就要先消除噪聲干擾。經常影響圖片質量的噪聲源可分為三類。首先，記錄在感光片上的圖像會受到感光顆粒噪聲的影響；其次圖像從光學到電子形式的轉換是一個統(tǒng)計過程，這是因為每個圖像像素接收到的光子數(shù)目是有限的；最后處理信號的電子放大器會引入熱噪聲 [8]。 這三種噪聲都有相應的數(shù)學模型，主要是要對噪聲進行濾除，濾波的方法有許多種，例如中值濾波、變換域濾波 、小波去噪等等。這些濾波方法在文獻 [7]、 [8]、 [9]中有詳細說明 . 中值濾波也稱為中值平滑是一種空間域非線性濾波技術 ，它能夠在濾除噪聲的同時保持邊緣 不被模糊。中值濾波的做法是以處理窗內原灰度值得“中值”作為“窗口”中心處的新值。不論孤立噪聲有多大，都可以被徹底濾除；若噪聲不是孤立的，有可能就無法濾除，總之若像素變化的空間尺寸不大于窗寬的一半，則可用中值濾波完全濾除 。如果原圖中本身就含有這類像素，也會被濾除掉，因此，在選擇窗的大小是應盡量在去除噪聲的同時又能保留圖像中的細節(jié)。 中值濾波器是最常用的非線性濾波技術，它是一種領域運算，類似于卷積，但是計算的不是加權求和，而是把領域中的像素按灰度級進行排序，然后選擇該組的中間值作為輸出像素值。對于一個 N N的中 值濾波器（ N為奇數(shù)），若某輸入像素的灰度級大于或等于領域中 2( 1)/2N ? 個像素的灰度級，則該像素的灰度級就作為輸出灰度級。中值濾波器計算一般來說比卷積運算要慢，這是由于它需要對領域中的所有像素按灰度級排序。和相近的低通線性濾波器相比，中值濾波器能夠在衰減隨機噪聲的同時不使邊界模糊。一般來說小于中值濾波器面積一半的亮或暗的物體基本上會被濾掉，而較大的物體則幾乎會原封不動地保存下來。因此中值濾波器的空間尺度必須根據(jù)遇到的問題不同而進行相應的調整。指導中值濾波器設計的理論要 比指導線性濾波器設計的理論少得多，所以用實驗代替分析。 車牌 圖像的灰度化和二值化 在進行視頻流目標識別與跟蹤時，通常第 一 個步驟就是對采集到的彩色圖像進行灰度化，這是因為黑白照片數(shù)據(jù)量小，相比彩照更易實現(xiàn)實時算法，另一方面黑白照片是由未處理的光線所形成的照片，因此從圖像處理學角度 來看，這種未經特殊濾光處理的圖片所涵蓋的信息更有價值 。 目前，在圖像處理過程中，最常用的彩色圖片格式有 RGB， HSV、 YUV 以及 HLS 三種。以下分別對這三種格式的彩色圖像進行灰度化實現(xiàn) 。 （ 1） RGB 空間圖像 定義于 RGB 空 間的彩色圖，其每個像素點的色彩由 R、 G、 B三個分量共同決定。每湖南工業(yè)大學本科畢業(yè)設計（論文） 8 個分量在內存所占的位數(shù)共同決定了圖像深度，即每個像素點所占的字節(jié)數(shù)。以常見的24深度彩色 RGB圖來說，其三個分量各占 1個字節(jié)，這樣每個分量可以取值為 0~255，這樣一個像素點可以有 1600 多萬（ 255*255*255）的顏色的變化范圍。對這樣一幅彩色圖來說，其對應的灰度圖則是只有 8 位的圖像深度（可認為它是 RGB 三個分量相等），這也說明了灰度圖圖像處理所需的計算量確實要少。不過需要注意的是，雖然丟失了一些顏色等級，但是從整幅圖像的整體和局部的色彩以 及亮度等級分布特征來看，灰度圖描述與彩色圖的描述是一致的。 對于 RGB 圖像進行灰度化，通俗點說就是對圖像的 RGB三個分量進行加權平均得到最終的灰度值。最常見的加權方法如下 五種 ： 1) G r a y B G r a y G G r a y R? ? ?； ； 2) ? ?G ra y m a x B G R? ? ? 3） ? ?G ray B G R / 3? ? ? 4） G r a y 0 .0 7 2 1 6 9 B 0 .7 1 5 1 6 0 G 0 .2 1 2 6 7 1 R? ? ? 5) G r a y 0 .1 1 B 0 .5 9 G 0 .3 R? ? ? 這 五 種方法中，第一種為分量 法，即用 RGB 三個分量的某一個分量作為該點的灰度值；第二種方法為最大值法，將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。第三種方法將彩色圖像中的三分量亮度求平均得到一個灰度圖；后兩種都是屬于加權平均法，其中第四種是 OpenCV 開放庫所采用的灰度權值，第五種為從人體生理學角度所提出的一種權值（人眼對綠色的敏感最高，對藍色敏感最低）。 （ 2）他顏色空間的灰度化 關于 YUV 空間的彩色圖像，其 Y 的分量的物理意義本身就是像素點的亮度，由該值反映亮度等級，因此可根據(jù) RGB 和 YUV 顏色空間的變化關系建立亮度 Y與 R、 G、 B三個顏色分量的對應： Y=++，以這個亮度值表達圖像的灰度值。 二值化處理是一種將圖像變?yōu)橹挥泻诎變缮亩祱D像的灰度處理方法，對圖像進行二值化處理是接下來對車牌字符進行分割的關鍵步驟。二值化的關鍵是閾值的選取，選擇恰當?shù)拈撝?，不僅能夠有效去除圖像噪聲的干擾，而且能夠使整個圖像被明顯地劃分成目標和背景兩個部分，進而把圖像特征清晰的突顯出來，以減少信息量，提高處理速度。 通常可將閾值的選取方法分為全局閾值法和部分閾值法兩種。全局閾值法，是用同一閾值對整個圖像中的每個像素進行二值 化。常用的方法有直方圖變化法、 Otsu 算法等；而局部閾值法則是對圖像中的每個像素使用不同的閾值。當圖像的灰度直方圖呈雙峰，或圖像的目標灰度和背景灰度分離明顯，使用全局閾值方法處理圖像速度較快而且效果較好。 湖南工業(yè)大學本科畢業(yè)設計（論文） 9 字符 分割 圖像分割是圖像識別工作的基礎，圖像分割是將圖像分成一些有意義的區(qū)域，然后對這些有意義的區(qū)域進行描述，相當于提取出某些目標區(qū)域圖像的特征，判斷圖像中是否有感興趣的目標。圖像分割的基礎是像素間的相似性和跳變性。所謂“相似性”是指在某個區(qū)域內像素具有某種相似的特性，如灰度一樣，紋理相同；所謂 “跳變性”是指特性不連續(xù)，如灰度值突變等。從總體上來說，圖像分割就是 把 圖像分成若干有意義的區(qū)域的處理技術。這些區(qū)域互不相交疊，每一個區(qū)域內部 的某種特性或特征相同或接近，而不同區(qū)域間的圖像特征則有明顯差別 ，即同一區(qū)域內部特性變化平緩，相對一致，而區(qū)域邊界處則特性變化比較劇烈。區(qū)域內是一個所有像素都有相鄰或相接觸的像素的集合，是像素的連通集。在一個連通集中任意兩個像素之間，都存在一條完全由這個集合的元素構成的連通路徑。連通路徑是一條可在相鄰像素間移動的路徑。 圖像分割的度量準則不是惟一的，它與應用場景圖像及應用 目的有關，用于圖像分割的場景圖像特征信息有亮度、色彩、紋理、結構、溫度、頻譜、運動、形狀、位置、梯度和模型等。由于圖像的多義性和復雜性，許多分割的工作無法依靠計算機自動完成，而手工分割 又存在工作量大，定位不準確的難題，因此，人們提出了一些人工交互和計算機自動定位相結合的方法，利用各自的優(yōu)勢，實現(xiàn)目標輪廓的快速定位。圖像分割的方法又多種，依據(jù)工作對象來分，可分為點相關分割和區(qū)域相關分割；按照算法分類，可分為閾值法、界限檢測法、匹配法、跟蹤法等。近年來出現(xiàn)了一些新的算法和設想。如先使用經典的邊緣檢測算子對圖像做 初步的邊緣檢測，然后再利用邊緣之間空間結構關系來協(xié)調，增強初始檢測結果。 經典提取算法通過首先對原圖像進行平滑，再進行邊緣檢測能較成功地檢測出真正的邊緣。在邊緣檢測之后，找出目標物體的輪廓，進行目標物體的分析、識別、測量等。這些內容在數(shù)字圖像處理應用中，有著廣泛的用途。 借助集合的概念可以將圖像分割進行定義如下， 設一幅數(shù)字圖像中所有像素的集合為 R， P 為邏輯謂詞（分類準則），則圖像分割將 R 分成 N個子集 ? ?12, , , Ns s s ，這些子集滿足： 1）1Nii sR? ?； 2） ijss?? ，其中 ij? ； 3） ()jP s TRUE? ； 4）對于 ij? ， ()ijP s s FALS E? ； 5）相對于 is 的那個區(qū)域是連通的。 其中，條件 2）表示分割結果中的每個子區(qū)域是互不重疊的。條件 3）表示同一個子區(qū)域內部具有相似的特性。 條件 4）表示不同的子區(qū)域具有不同的特性。 根據(jù)像素特性在目標區(qū)域內部性質一致性和區(qū)域邊界上不連續(xù)性，分割算法可分為基于邊緣的分割算法和基于區(qū)域的分割算法。 湖南工業(yè)大學本科畢業(yè)設計（論文） 10 邊緣檢測 圖像邊緣是圖像基本特征之一。邊緣可以定義為圖像局部特性的不連續(xù)性，例如，灰度的突變，顏色的突變，紋理結構的突變等等。邊緣通常意味著一個區(qū)域的終結和另一個區(qū)域的開始。邊緣信息對信息分析和人的視覺都是很重要的。邊緣的檢測常借助空域微分算子進行，通過微分模板與圖像卷積完成。 如果一個像素落在圖像中某一個物體的邊界上，那么它的領域將 成為一個灰度級變化的帶。對這種變化最有用的兩個特征是灰度的變化率和方向，他們分別以梯度向量的幅度和方向來表示。邊緣檢測算子檢查每個像素的領域并對灰度變化率進行量化，通常也包括方向的確定。有若干種方法可以使用，其中大多數(shù)是基于導數(shù)掩模求卷積的方法。 1） Robert 邊緣檢測算子 Robert 邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子。它由下式給出出： ? ? 1 / 222( , ) ( , ) ( 1 , 1 ) ( 1 , ) ( , 1 )g x y f x y f x y f x y f x y? ? ? ?? ? ? ? ? ? ? ?? ? ? ? 其中 ( , )f xy 是具有整數(shù)像素坐標的輸入圖像。其中的平方 根運算使該處理類似于人類視覺系統(tǒng)中發(fā)生的過程。 2） Sobel 邊緣檢測算子 如圖所示的兩個卷積核形成了 Sobel 邊緣算子。圖像中的每個點都用這兩個核做卷積。一個核對通常的垂直邊緣響應最大而另一個對水平邊緣響應最大。兩個卷積的最大值作為該點的輸出值。運算結果是一幅邊緣幅度圖像。 1 2 101 20 01 1 0 1 2 1 00 21 圖 Sobel邊緣檢測算子 3） Prewitt 邊緣檢測算子 如圖所示的兩個卷積核形成了 Prewitt 邊緣算子。與使用 Sobel 算子的方法一樣，圖像中的每個點都用這兩個卷 積核進行卷積，取最大值作為輸出。 Prewitt 算子也產生一幅邊緣幅度圖像。 湖南工業(yè)大學本科畢業(yè)設計（論文） 11 1 1 101 10 011 0 111 00 1 1 圖 Prewitt邊緣檢測算子 4） 閾值分割 閾值分割算法是圖像分割中算法數(shù)量最多的一類，閾值話分割技術是基于下列假設的：每個區(qū)域是由許多灰度值相近的像素構成的，物體和背景之間或不同物體之間的灰度值有明顯地差別，這樣可以通過區(qū)域之來區(qū)分。待分割圖像的特性越接近于這個假設，用這個方法分割的效果越好。 該分割技術的基本原理是確定一個處于圖像灰度變化范圍內的灰度閾值 T，讓后 把圖像中每一個像素的灰度和這個閾值 T相比較，并且根據(jù)一定規(guī)則將像素分為兩類，例如：把灰度值大于閾值的像素歸為一類；像素值小于閾值的像素歸為另一類。不同的像素一般屬于圖像中不同的區(qū)域，這樣根據(jù)閾值對像素進行分類即可以達到區(qū)域分割的目的。閾值分割算法可分為兩個步驟： 1）根據(jù)一定的規(guī)則確定適當?shù)姆指铋撝担? 2）將該閾值和像素值相比較來分類像素。 在上述步驟中， 確定適當?shù)拈撝凳窃摲指钏惴ǖ年P鍵。閾值 T的正確選擇對于正確檢測目標是十分重要的，直接關系到分割精度。要特別注意的是，閾值分割時只要考慮了像素的本身值，未考 慮像素的空間位置。因此根據(jù)閾值劃分同一類的像素可能屬于圖像中不連通的區(qū)域，這時，通常需要借助于其他一些方法來進一步確定目標區(qū)域。 字符 切 割 字符分割 是將車牌圖像的七個字符分割成一個個獨立的字符 圖像。字符分割時識別的基礎，分割的好壞直接影響到識別的效果。 而大致的分割方法有如下幾種： 1）直接分割法即基于車牌字符的規(guī)格來分割的，其優(yōu)點是方便簡單，局限在于需要找到精準分割點。 2）基于投影法的分割方法即基于對二值圖像像素的列進行疊加，也就是對車牌進行水平投影。這樣就得到投影圖像，而投影圖像就會出現(xiàn)波峰 和波谷，而 最低的谷底就是要找的分割點。此方法主要優(yōu)點在于程序邏輯設計簡單，便于設計程序。 但是由于車湖南工業(yè)大學本科畢業(yè)設計（論文） 12 牌字符中的漢字有些并不連通，投影法也存在著一些問題。 3） 上述兩種辦法是基本的字符切割方法，但都是有缺點的，可以結合兩種辦法來設計一種辦法。由于投影法存在問題主要是由漢字的不連通性造成的，那么可以根據(jù)直接分割原理大約估計第一個字符的寬度，在利用投影方法進行切割，當?shù)谝粋€最低波谷的列數(shù)比直接分割的列數(shù)要小那么就