【文章內(nèi)容簡介】 數(shù)，其中fi為窗口中心點(diǎn)值，v=(m1)/2。再將這m個點(diǎn)值按其數(shù)值大小排序，取其序號為正中間的那個數(shù)作為濾波輸出。用數(shù)學(xué)公式表示為: 二維中值濾波可由下式表示: 其中:A為窗口。{fij}為二維數(shù)據(jù)序列。圖像處理效果如下圖:但是，中值濾波并不能非常完美的清除掉所有的噪音點(diǎn)，尤其是對于那些光線不是太好，車牌上污泥太多的車牌圖像，經(jīng)過中值濾波處理后還是存在著很多的噪音點(diǎn)，并不容易進(jìn)行接下來的處理，這時候就需要選用別的處理方法了，但是對十大多數(shù)圖像來說，中值濾波就已經(jīng)足夠了。 將灰度圖像轉(zhuǎn)變?yōu)槎祱D像的過程稱為二值化。所謂的二值圖像就是只有黑白兩種顏色的圖像，在二值圖像存儲矩陣中，只有0和1兩種值。在數(shù)字圖像處理中，二值圖像因?yàn)槠涮幚硭俣瓤?、程序處理方便而占有非常重要的地位。圖像二值化的關(guān)鍵在于閥值的選取，根據(jù)閥值T來區(qū)分圖像中的前景和背景。設(shè)原始灰度圖像為f（x,y），變換后的二值圖像為g(x,y)，則二值化的過程可以表示為: 上式中f(x, y)是原圖像中坐標(biāo)為(x,y)的像素點(diǎn)灰度值，g(x,y)是變換后該像素點(diǎn)的二值化標(biāo)志，其中0表示該像素點(diǎn)是黑點(diǎn)，1表示是白點(diǎn)。它的具體算法描述如下: (1)、應(yīng)用OTSU法求出全圖閩值作為初值To (2)、對圖像進(jìn)行二值化處理 (3)、求出處理后圖像中的黑色像素點(diǎn)個數(shù)G (4)、求出黑色像素點(diǎn)個數(shù)與全圖像素點(diǎn)個數(shù)的比值G/N并與我們的設(shè)定的范圍比較(5)、如果在我們設(shè)定的范圍內(nèi)則認(rèn)可這個閩值，否則就對T0進(jìn)行調(diào)整，然后轉(zhuǎn)向第二步試驗(yàn)結(jié)果 閥值=180 第三章 圖像校正 由于在拍攝的時候，鏡頭與拍照的角度、鏡頭發(fā)生擺動、車輛運(yùn)動以及路面狀況等因素的影響，都有可能使得得到的車牌圖像產(chǎn)生一定程度的傾斜，當(dāng)攝像機(jī)在一定高度而水平方向不與汽車正對時，拍照會有左右方向的傾斜，而當(dāng)車牌不是平行照則又有可能產(chǎn)生上下傾斜，這樣，我們在對車牌進(jìn)行垂直投影的時候，字符的投影就會在垂直方向相互重疊，使得原本字符之間的間隔的零值投影不存在，很顯然，這會影響到我們對車牌字符的分割，所以，我們有必要在進(jìn)行后續(xù)的字符分割前對車牌進(jìn)行校正。我們對于車牌校正所采取的方法是Hough變換的方法來進(jìn)行檢測。用Hough變換檢洲頃斜角度 通過Hough變換，我們可以找出圖像中最長的接近于垂直的直線，在通常情況下，這條直線就是車牌的垂直邊緣，所以它的傾斜角度也就是車牌垂直方向傾斜的角度，隨后我們再找出圖像中最長的接近于水平的直線，那么這條直線就是車牌的水平邊緣，同理，它的傾斜角度也就是車牌水平方向傾斜的角度，由此我們可以得到垂直傾斜角度α和水平傾斜角度β。那么下面我們就利用這兩個角度針對圖像進(jìn)行車牌校正操作。 我們研究的校正方法是針對具有一定角度傾斜的對象，傾斜的角度不大，但是由于一般出現(xiàn)的傾斜都包括了水平方向的傾斜和垂直方向的傾斜，如果采用一次旋轉(zhuǎn)校正，會導(dǎo)致字符扭曲，所以我們把校正分為兩步，首先，把表示車牌區(qū)域的四邊形的一邊轉(zhuǎn)換到與Y軸平行，然后再對圖像進(jìn)行變換，將車牌區(qū)域轉(zhuǎn)換到正常的位置。 那么第一步就是對圖像進(jìn)行垂直方向上的矯正，把表示車牌區(qū)域的四邊形的一邊即車牌的垂直邊，將這條邊規(guī)劃到與Y軸平行。為了不失一般性，我們設(shè)旋轉(zhuǎn)中心為(xo，yo)，旋轉(zhuǎn)角度為a，把原圖中的任意一點(diǎn)(x,y)轉(zhuǎn)換到點(diǎn)( Xk,YK)，可以用下式來描述: 逆時針時，a取正值，順時針時取正值。至此就完成了第一次校正，實(shí)現(xiàn)了對原圖像的在垂直方向的傾斜的矯正。 第二步即對圖像進(jìn)行水平方向的矯正。對變換后的新圖像進(jìn)行操作，根據(jù)車牌水平方向的傾斜角度對像素的位置進(jìn)行調(diào)整，取平行四邊形的最低點(diǎn)為基準(zhǔn)像素點(diǎn)，以其作一條基準(zhǔn)水平直線，底邊上各像素點(diǎn)垂直下沉到基準(zhǔn)直線上，圖像上其它元素再依次進(jìn)行下移。 設(shè)圖像中最低點(diǎn)A的坐標(biāo)為((x,y)，且斜邊與基準(zhǔn)直線的夾角為β(注意，此時的β為第一次校正后的夾角，即為βα，此時車牌中的任一像素點(diǎn)(x, y)，校正到新點(diǎn)的坐標(biāo)即為(x，y)，其關(guān)系可用下式來表示: 這樣，原圖像經(jīng)過垂直方向和水平方向的兩次校正，原來傾斜的降}像就被轉(zhuǎn)換到了正常的位置。 應(yīng)用上面的方法，我們對圖片進(jìn)行校正的處理，圖像中的車牌在垂直方向和水平方向的傾斜角度都超過了5度，所以應(yīng)該采用最后一種處理方法進(jìn)行處理，即將校正處理分為兩步，首先進(jìn)行垂直校正，車牌的垂直邊緣已經(jīng)達(dá)到了我們預(yù)期的效果，然后對圖像進(jìn)行水平校正。 通過具體應(yīng)用我們可以看出，這種校正方法對那些傾斜度不是很大的圖像具有很好的效果，校正后的圖像便十后續(xù)的處理與識別，但是對十那些變化比較大的車牌圖像應(yīng)用效果不是太好，并且這種方法需要以車牌邊框?yàn)樾ＵA(chǔ)，通過邊框的位置來進(jìn)行校正，所以對十那些沒有邊框的車牌(部分磨損嚴(yán)重或者有意掩蓋的車牌，但是數(shù)量較少)，這種方法就無能為力了，需要采取其他的方法。第四章字符分割 圖像分割是有圖像處理進(jìn)到圖像分析的關(guān)鍵步驟，也是一種基本的計(jì)算機(jī)視覺技術(shù)。這是因?yàn)閳D像的分割、目標(biāo)的分離、特征的提取和參數(shù)的測量將原始圖像轉(zhuǎn)化為更抽象更緊湊的形勢，使得更高層的分析和理解成為可能。圖像分割多年來一直得到人們的高度重視。至今已提出了上千種各種類型的分割算法。 在對車牌中字符進(jìn)行分割前，我們首先盡量去除掉車牌圖像中的噪音，而汽車牌照的邊框無疑就是最大的噪音，所以我們首先要去除車牌的邊框。特別是牌照的上下邊框?qū)τ谂普兆址姆指钍且粋€很大的障礙，由于它的存在，使得字符串垂直投影的值全部大于零，缺少了零值點(diǎn)，使得我們不能根據(jù)零值點(diǎn)來確定分割的位置，因此必須先將其去掉。 第一步，去除牌照上下邊框，在這里我們采用統(tǒng)計(jì)顏色跳變的方法，標(biāo)準(zhǔn)的汽車牌照上有七個字符，所以，在字符的區(qū)域中，每條水平線中的顏色所發(fā)生的跳變次數(shù)，即指的由黑變白或者由白變黑的次數(shù)，應(yīng)該至少要大過14次，而在非字符區(qū)域，由于邊框部分顏色單一，發(fā)生跳變的幾率非常小，所以很少能達(dá)到14次，我們的具體算法如下: (1)計(jì)算每一條水平線中的顏色跳變次數(shù)，如果大于14，則認(rèn)為此行是字符區(qū)域，反之，則認(rèn)為此行不可能位于字符區(qū)域。 (2)如果所有被認(rèn)為是字符區(qū)域的行是連續(xù)的，則認(rèn)為在這些連續(xù)行中最上方一行即為字符的最上端，最下面一行就是字符的最下端。 (3)如果所有被認(rèn)為是字符區(qū)域的行不是連續(xù)的，并目_它們構(gòu)成了若干個高度不同的塊，這是由十噪音點(diǎn)的出現(xiàn)造成的，應(yīng)付這種情況的方法是比較這些塊的高度，我們認(rèn)為高度最大的塊即為字符區(qū)域，隨后檢測次大的塊的高度，如果兩塊高度相差不多，并且兩行間間距很小，我們認(rèn)為這兩行都是字符區(qū)域，合并構(gòu)成新塊，否則拋棄掉，以此類推，直到所有被認(rèn)為是字符區(qū)域的行全部被檢測完畢以后，此時新塊的最上一行就是字符的上端，最下面一行就是字符的下端。由此，我們就檢測出了字符的上下邊沿，從而完成了去除上下邊框的任務(wù)，: 并且，我們在去除邊框的同時，還得到了車牌字符的高度，記錄為CharHeight，更加便于后續(xù)處理。 第二步，去除車牌的左右邊框，我們采用垂直投影的方法，由于這一步可以合并在車牌中字符串分割的過程中，所以我們在劃分字符串的時候一并處理，在這里就不單獨(dú)處理了。在去除了上下邊框后，我們就可以利用垂直投影的方法來進(jìn)行字符的分割了，投影法是將圖像的每一列的目標(biāo)像素的數(shù)目統(tǒng)計(jì)出來，在二值化的圖像中，白色像素就是目標(biāo)像素，黑色像素就是背景像素，然后，我們再根據(jù)統(tǒng)計(jì)出來的數(shù)據(jù)進(jìn)行處理，劃分出字符間的間隔，最終完成分割字符的任務(wù)。，投影圖中的橫坐標(biāo)方向的長度和車牌圖像的寬度是一樣的，垂直方向以黑色的直線表示目標(biāo)像素的數(shù)量，黑色直線越長代表這一列上的目標(biāo)像素越多。 ，投影圖中無黑線處