【文章內容簡介】 應的角度實現(xiàn)垂直傾斜校正；然后根據(jù)車牌上下邊之間投影距離最短特性獲得水平傾斜角度，利用插值方法得出最終校正結果。由于算法采用的都是一些顯而易見的性質，因此具有廣泛的應用范圍（徐瑞，2009）。連續(xù)情形下的radon變換是描述二元函數(shù)的投影在某一方向上的線積分，對于離散情形，在數(shù)學圖像中就是把那些將沿某方向的像素相加，即投影到與該投影方向相垂直的軸線上。其原理是對原圖像沿不同方向進行投影，并對投影結果建立二維直方圖，選取極值點為直線所對應的點，二維直方圖中的每一個極值點的兩坐標對應直線邊緣的傾斜角度和位置，而該坐標處對應的函數(shù)值對應投影的高度 ，從而可以得到直線的幾何參數(shù)信息( 傾斜角度和位置)( 胡小健，等，2006)。y39?！畒Lθxx39。圖3　直線投影例子舉個簡單例子，如圖3，當坐標旋轉一個角度θ的時候，直線L在新坐標的投影值會與原來直角坐標的投影值不一樣，統(tǒng)計0到180度每一個度數(shù)的旋轉后投影值，我們可以找到一個投影值最大時新坐標旋轉的角度θ，從下圖可以簡單看到，當投影值最大的時候，可以輕松找到直線L的傾斜角，這個角度就是θ加上90度。利用MATLAB自帶函數(shù)[R，xp]=radon(E，theta)；就可以統(tǒng)計出不同角度的投影情況，通過[E，J]=find(R=max(max(R)))找到R的最大值就可以找到角度θ，就可以輕松求出傾斜角。最后用imrotate（）函數(shù)進行旋轉就可以得到我們的校正后的圖像。 圖4　原圖 圖5　校正結果　圖像灰度化拍攝到的圖片是彩色圖，彩色圖含有大量的顏色信息，如果直接對彩色圖像進行處理，會導致處理速度慢、存儲空間大和運算復雜等問題。彩色圖像會有R、G、B三種顏色的分量，而灰度圖的特征是：只有亮度，不含其他色彩信息的圖像，可以克服光照、顏色干擾等，使圖片更加簡單易處理?；叶葓D亮度值量化為256級，0為最暗全黑，255為最亮全白?；叶然惴ㄌ幚矸奖悖瑢D片RGB值設置為相等即可，而這個值目前主要采取加權平均法。根據(jù)處理需要賦予三個基色不同的權值，再對圖像中每個像素點進行加權平均，最后用這個值替代原來的三個基色分量的值，數(shù)學公式表達為： (1)公式1中、分別是R、G、B的權值。明顯的，權值選擇不同，得到的灰度圖亮度不一樣。由大量實驗證明，、灰度圖的效果比較好。此時，：Y=R=G=B=++ (2)由公式2的加權平均值的方法所處理出來的灰度圖效果會很好。在MATLAB里直接利用函數(shù)rgb2gray()即可實現(xiàn)灰度化?！∵吘墮z測圖像的邊緣是圖像的一個基本特征。邊緣是指其周圍元素灰度有階躍變化的像素。物體邊緣廣泛存在于物體之間、物體和背景之間還有物體不同部分之間。因而，邊緣是進行圖像分割所依靠的重要特征之一（吳林，2009）。邊緣檢測可以突出圖像邊緣，削弱邊緣以外圖像區(qū)域。在汽車圖像中，牌照區(qū)域內含有豐富的邊緣，而其它區(qū)域則不具有這個特點，所以針對這種特征我們可以采用邊緣檢測算法來分離目標與背景區(qū)域，僅對車牌部分進行增強。常見的邊緣提取方法主要是考察圖像每個像素的梯度變換情況，利用邊緣鄰近的一階或二階方向導數(shù)規(guī)律進行檢測。常說的梯度算子實際就是一階導數(shù)算子。當圖像邊緣灰度變化尖銳，并且圖像噪聲污染少時，采用梯度算子對圖像進行邊緣提取會有比較好的效果。邊緣算子有很多，常用的以下幾個：Roberts算子、Prewitt算子、Sobel算子、Canny算子、 Laplace算子、羅盤算子等。圖6　Sobel算子效果圖7　Canny算子效果圖8　Roberts算子效果Sobel算子能比較好的呈現(xiàn)圖像的邊緣，對噪聲不太敏感，有一定的去噪能力，但會使圖像邊緣變粗，從而降低了定位精度。Canny算子不易受噪聲干擾，能檢測弱邊緣，能在噪音抑制和檢測之間取得較好的平衡。Roberts算子對陡峭的低噪聲圖像處理效果較好，檢測垂直邊緣的效果好于斜向邊緣，定位精度高，對噪聲敏感，無法抑制噪聲的影響。在幾種算子中，Roberts算子在噪聲較少的情況下邊緣檢測的效果與其他算子相比更佳，車牌邊緣清晰，字符輪廓明顯（卓均飛，等，2010）。從圖6到圖8可以看到各種算子的實際效果，Sobel算子的邊緣效果較粗，對后期處理會造成定位不精確的問題，而Canny算子邊緣檢測效果強，但在本文的方法中并不需要把弱邊緣都檢測出來，所以最后決定采用Roberts算子。MATLAB提供了邊緣檢測的函數(shù)edge（I，39。算子39。)，我們很方便就可以進行邊緣檢測的操作?！?shù)學形態(tài)學處理數(shù)學形態(tài)學是分析幾何形狀和結構的數(shù)學方法，是建立在集合代數(shù)基礎上，用集合論方法定量描述幾何結構的科學。其基本思想是用一個結構元素作為基本工具來探測和提取圖像特征，看這個結構元素是否能夠適當有效地放入圖像內部（熊春榮，等，2010）。數(shù)學形態(tài)學是以形態(tài)結構元素為基礎對圖像進行分析的數(shù)學工具。它的基本思想是用具有一定形態(tài)的結構元素去度量和提取圖像中的對應形狀以達到對圖像分析和識別的目的。數(shù)學形態(tài)學的應用可以簡化圖像數(shù)據(jù)，保持它們基本的形狀特征，并除去不相干的結構。數(shù)學形態(tài)學的基本運算有4個：膨脹、腐蝕、開運算和閉運算。它們在二值圖像中和灰度圖像中各有特點?；谶@些基本運算還可以推導和組合成各種數(shù)學形態(tài)學實用算法。膨脹是用來填補物體中小的孔洞和狹窄的縫隙，使其形成連通域，是將與目標物體接觸的所有背景點合并到物體中的過程，結果是使目標增大，孔洞縮小。腐蝕具有使目標縮小、目標內孔增大，消除孤立噪聲的作用（王怡，2010）。在數(shù)學形態(tài)學圖像處理中，除了腐蝕和膨脹這兩種基本運算外，還有兩種非常重要的運算方法，即開運算和閉運算。先腐蝕后膨脹的過程稱作開運算，它具有消除細小物體，有在物體纖細處分離物體和平滑較大物體邊界的同時并不明顯改變其面積的作用；而閉運算則是先膨脹后腐蝕，它具有填充物體影像內細小空洞，連接鄰近物體和平滑邊界的同時并不明顯改變其面積作用。在數(shù)學形態(tài)學算法處理中結構元素的選取十分重要。結構元素過大會使車牌區(qū)域的邊緣點粘連在一起，候選車牌區(qū)域增多，更甚者車牌區(qū)域與背景會粘連在一起，給后續(xù)的車牌候選區(qū)分析帶來困難；而若結構元素過小，則會使車牌區(qū)域無法粘連在一起，就可能造成真正的車牌不包含在車牌候選區(qū)，以至于無法準確定位（朱光忠，等，2009）。因為車牌是一個矩形，所以結構元素選取一個矩形的結構元素比較合適，而通過圖片大小的分析，以及車牌定制標準中車牌的寬高比大約3：1到4：1，選取strel(39。rectangle39。，[4，24])作為開閉運算的結構運算，經過多次測試，效果良好。數(shù)學形態(tài)學處理的步驟為：（1）利用閉運算的性質，選擇結構元素是大小為[5，25]的矩形，填充邊緣檢測后的圖像，使車牌區(qū)域變?yōu)檫B通域。（2）利用開運算的性質，用步驟（1）的結構元素，分離每個連通域的聯(lián)系，去除噪點。（3）再次利用開運算的性質，結構元素大小為[20，1]，達到去除細小狹窄的矩形條區(qū)域。MATLAB提供了方便的函數(shù)，可以輕松實現(xiàn)數(shù)學形態(tài)學處理的工作，具體函數(shù)如下：IM=imclose(y,strel(39。rectangle39。,[5,25]))；IM1=imopen(IM,strel(39。rectangle39。,[5,25]))；IM2=imopen(IM1,strel(39。rectangle39。,[20,1]))；圖9　閉運算效果從圖9可以看到，圖像不再是邊緣輪廓，而是被填充了。接下來進行一個開運算使連通域分離。圖10　開運算效果從圖10可以看到，經過閉運算的填充和閉運算的分離，車牌部分已經有所突顯，為了更好能提取車牌區(qū)域，還需要再處理其他干擾因素。因為上一次閉運算用的是矩形結構元素所以圖中剩下的都呈現(xiàn)了一定的矩形形狀，也給我們提供了一個清除的思路，就是再用一次利用矩