【文章內(nèi)容簡介】 =max( R , G , B) ：取 R , G ,B 的值的平均值作為灰度值，即 Gray = ( R + G +B) / 3 YUV 顏色空間的亮度分量 Y 的值為當前像素值，即 Gray = (W r * R + Wg * G +Wb * B) 其中 , ,r g b W W W 分別為 R , G ,B 的權(quán)值。 膨脹運算 膨脹：將與物體接觸的所有背景點合并到該物體中，使邊界向外部擴張的過程。利用它可以填補物體中的空洞。 B 對 X 膨脹所產(chǎn)生的11 二值圖像 D 是滿足以下條件的點（ x,y）的集合 :如果 B 的原點平移到點（ x,y），那么它與 X 的交集非空。在膨脹操作時，輸出像素值是輸入圖像相應(yīng)像素鄰域內(nèi)所有像素的最大值。 膨脹運算 規(guī)則： 膨脹 超出圖像邊界的像素值定義為該數(shù)據(jù)類型允許的最小值，對于二進制圖像，這些像素值設(shè)置為 0；對于灰度圖像， unit8 類型的最小值也為 0。 膨脹效果圖 三． 車牌 照定位 技術(shù) 牌照的定位從圖像處理的意義上來說就是從一幅隨機圖像中找出一塊具有某種特征的區(qū)域，該區(qū) .域中包含了汽車牌照。這種特征就是牌照本身區(qū)別于圖像其他部分的特征。根據(jù)特征提取的不同，牌照定位的方法也就有很大的不同 : ，通過檢測圖像中的長直線段，12 然后用一定的約束條件進行搜索的方法來確定牌照的位置。這種方法定位的精度較高，但是易受到噪聲的影響。且對有些邊框磨損、不明顯的牌照效果不好。 ，通過對含有汽車的圖像水平和垂直兩個方向的灰度投影直方圖的分析 ，來推斷出汽車牌照的位置。這種方法優(yōu)點是對圖像中的噪聲不敏感，缺點是定位精度不夠高。 區(qū)域，然后利用車牌的幾何特征以及車牌區(qū)域內(nèi)的邊緣灰度直方圖統(tǒng)計特征刪除偽車牌，即得到真實車牌。 變換法是先對圖像逐行做 DTF 變換，然后把頻率系數(shù)逐行累加平均，并根據(jù)這些平均值做出頻率譜曲線，根據(jù)頻譜曲線中的“峰”的起始點位置確定車牌水平位置，對這一水平區(qū)域逐列做 DTF變換可確定車牌豎直位置。 。這種方法主要是 利用我國汽車牌照字符與底色對比較多，彩色圖像比灰度圖像能夠更多的視覺信息并對各種光照不敏感等特點。這種方法也取得了較好的效果。 本文采用對汽車圖像進行水平掃描的辦法對車牌區(qū)域進行定位分割。這種方法克服了噪聲的影響又提高了車牌定位分割的準確性。 在最后章節(jié)的實現(xiàn)中會具體看到算法的效果。 SOBEL 邊緣檢測 Sobel算子 用于圖像處理 ，特別是在邊緣檢測算法。 從技術(shù)上13 講，它是一個離散的微分算子 ，計算了該逼近梯度的圖像強度函數(shù)。 在圖像中的每個點， Sobel算子的結(jié)果是，其對應(yīng)的梯度向量或向量的范數(shù)。 該 Sobel 算子是基于卷積具有體積小，可分的形象，價值過濾和整數(shù)水平和垂直方向，因此在計算方面相對便宜。 另一方面，梯度近似它生產(chǎn)的是比較粗糙，特別是對圖像中的高頻率的變化。 簡化描述： 簡單來說，操作計算 梯度 強度在每一點的形象，使光的方向最大可能增加對黑暗和方向率的變化研究。 因此，結(jié)果顯示 “ 突然 ” 或 “ 順利 ” 的形象在這一點上的變化，因此，怎么可能，那就是這種形象的一部分，代表了優(yōu)勢 ，以及如何這種優(yōu)勢很可能是導(dǎo)向。 在實踐中，幅度（邊可能性）計算更可靠和更容易理解的方向比計算。 數(shù)學(xué)上， 漸變的雙變量函數(shù)（這里的圖像強度函數(shù)），是在每個圖像點的二維 向量 與給定的組件衍生物在水平和垂直方向。 在每一個像點，在最大可能強度增加的方向梯度矢量點，漸變的矢量長度對應(yīng)于在該方向的變化率。 這意味著，該 Sobel 算子在圖像點在不斷圖像強度區(qū)域結(jié)果是零向量，在邊緣上的一個點是一個向量，點對面，從黑暗的邊緣，到光明的價值。 算子包含兩組 3x3 的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。 邊沿提取圖片 14 ： 產(chǎn)生較好的邊緣檢測效果，抗噪聲能力較好，受噪聲影響小。 SOBEL算子利用像素點上下左右鄰點的灰度加權(quán)算法，根據(jù)邊緣的極值這一現(xiàn)象進行邊緣的檢測。對噪聲具有平滑左右。 RANDON 圖像旋轉(zhuǎn) ： 其原理是對原圖像沿不同方向進行投影，并對投影結(jié)果建立二維直方圖．選 取極值點為直線所對應(yīng)的點 (二維直方圖中的每一個極值點的兩坐標對應(yīng)直線邊緣的傾斜角度和位置，而該坐標處對應(yīng)的函數(shù)值對應(yīng)投影的高度 )，從而可以得到直線的幾何參數(shù)信息 (傾斜角度和位置 )．如果物體圖像具有大致沿豎直方向的物體邊緣，須先將圖像進行預(yù)處理得到二值圖像．然后根據(jù) Randon變換，沿豎直方向?qū)Χ祱D像進行投影． 設(shè) ?（ x） 的 = ?（的 x， y） 是一個連續(xù)函數(shù) ， Radon 變換 ， R?，是由一個 函數(shù) L 2 中定義的空間直線 在 R 線積分沿每個這樣的行： 15 通過參數(shù)化 Radon 變換可表示在這些坐標 圖像的旋轉(zhuǎn)： 應(yīng)用語句 imrotate Bilinear 雙線性插值法 imrotate(bw2,a,39。bilinear39。)。%bw2 為二值圖像旋轉(zhuǎn) 四． 車 牌字符分割 技術(shù) 為了準確地識別牌照上的漢字、英文字母和數(shù)字。必須把單個字符從牌照中提取分離出來。在實際處理中，我們面對 的是要識別的牌照字符情況非常復(fù)雜。可能會存在較大的干擾、噪聲，這是由于各種設(shè)備可能產(chǎn)生的噪聲所引起的，使得牌照圖像中可能產(chǎn)生字符之間斷裂的現(xiàn)象，圖像中算符的筆畫可能產(chǎn)生字符之間粘連或者字符斷裂的16 現(xiàn)象 。算符的筆畫可能變粗，其影響是字符的輪廓模糊不清、字符之間粘連。同時，經(jīng)牌照定位而分割出的牌照區(qū)域亦非完全精確到牌照上的字符區(qū)域，所面對的是在牌照四個邊框附近誤差幾個象素 。并且字符為白字，還將有汽車保險杠與牌照四邊邊框的殘留圖像以及牌照上兩個鉚釘干擾的一個區(qū)域。這就要求我們對牌照要有一定的了解。 現(xiàn)有的牌照有四種 類型 :(1)小功率汽車所用的藍底白字牌照 。(2)大功率汽車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)國外駐華機構(gòu)用的黑底白字牌照。這四種牌照的外輪廓長度均為 45Omm，總的寬度為 150mm，共有字符 7 個 (不包括第二、三字符之間的小圓點 )。標準的民用車輛牌照 (軍車、警車、教練車、領(lǐng)事館車除外 )均為七個字符，首位為省名縮寫 (漢字 )，次位為英文字母，再次位為英文字母或阿拉伯數(shù)字，末四位字符均為數(shù)字。字符總長度為 409mm，其中單個字符統(tǒng)一寬度為 45mm，高 90mm，第二三個字符間間距為 34mm(中間小圓點 10mm 寬，小圓點與第二、三個字符間間距分別為 12mm)，其余字符間間距為 12mm。 牌照字符為