【文章內容簡介】 現(xiàn)車輛牌照的定位。利用水平投影來檢測車牌的水平位置，利用垂直投影和形態(tài)學的方法檢測車牌的垂直位置 [8]。 車輛牌照的水平定位得到二值化圖像以后，首先把二值圖像投影到 y 軸。根據(jù)車牌特征，車牌區(qū)域中的垂直邊緣較密集，而且車牌一般懸掛在車身較低的位置其下方沒有很多的邊緣密集區(qū)域。因此在車牌對應的水平位置上會出現(xiàn)一個峰值，如圖 22 所示。峰值的兩個低谷點就是車牌的垂直位置，這樣就得到了包含了車牌的帶狀區(qū)域。所以問題轉成確定低谷點的位置。但是從圖中可以發(fā)現(xiàn)投影圖不是十分的光滑，會給精確定位帶來一些困難，所以對投影圖進行平滑。窗口尺寸比較關鍵，選小了不足以平滑，選大了則會改變投影圖原有的基本變化特性。對于實際的投影曲線可以通過找差分曲線的過零點來確定低谷點，所以對平滑以后的投影圖 求一階差分：)(nh (23))1()(39。 ???nhnh找出其由正至負的點，也就是局部最小值。但是并不是所有的局部最小值之間都能稱為峰的，它可能附屬鄰近的一個峰，因而要確定哪一個局部最小值是峰谷，哪一個是毛刺。如何判決峰的獨立性呢？本文采取了 3 個判決依據(jù)：1. 獨立峰具有一定峰頂和峰谷的落差，當局部最大值和鄰近的局部最小值的差大于閾值，則該局部最小值為谷底，反之則為毛刺。2．獨立峰具有一定的寬度，這是由車牌的寬度信息決定的。3．獨立峰具有一定的面積，這是因為在經過邊緣提取，二值化后，在車牌區(qū)域具有明顯的紋理特征。在光照均勻和背景不是很復雜的圖像中，車牌的峰值特性十分明顯，很容易就可以定位出車牌區(qū)域的水平位置。但在光照不均勻或背景復雜的圖像中峰值特性就不是很明顯了。如何準確地確定局部最小值是否為谷底，關鍵在于閾值的選取。 車輛牌照的垂直定位 西南科技大學本科生畢業(yè)論文 10根據(jù)車牌的特征可以知道，車牌在垂直方向的投影呈現(xiàn)有規(guī)律的“峰、谷、峰”的分布。字符與字符之間的間隔是近似相等的，而且字符的寬度是近似相等的，而車 （a）二值化圖像 （b）水平投影圖 圖 22 水平投影牌具有 7 個字符，所以車牌區(qū)域在垂直方向上的投影應該存在 6 個低谷點，而且相鄰低谷點之間的距離是近似相等的，第二和第三字符之間的距離略大于其他字符間的距離。但在現(xiàn)實中得到二值圖像的“峰、谷、峰” 的特點并不十分明顯，采用這種方法對車牌的垂直位置進行定位效果不是很好，本文考慮使用形態(tài)學與投影法相結合的方法來對車牌進行垂直定位，下面簡單介紹圖像形態(tài)學 [9]。最初形態(tài)學是生物學中研究動物和植物的一個分支，后來也用數(shù)學形態(tài)學來表示以形態(tài)學為基礎的圖像分析數(shù)學工具。形態(tài)學的基本思想是使用具有一定形態(tài)的結構元素來度量和提取圖像中的對應形狀，從而達到對圖像進行分析和識別的目的。數(shù)學形態(tài)學可以用來簡化圖像數(shù)據(jù)，保持圖像的基本形狀特性，同時去掉圖像中與研究目的無關的部分。使用形態(tài)學操作可以實現(xiàn)增強對比度、消除噪聲、細化、填充和分割等常用的圖像處理任務。數(shù)學形態(tài)學的數(shù)學基礎和使用的語言是集合論，其基本運算有四種：膨脹(Dilation ) 、腐蝕 (Erosion )、開啟(Open)和閉合(Close )。基于這些基本運算還可以推導和組成各種數(shù)學形態(tài)學運算方法。其運算對象是集合，通常給出一個圖像集合和一個結構元素集合，利用結構元素對圖像進行操作。結構元素是一個用來定義形態(tài)操作中所用到的鄰域的形狀和大小的矩陣，可以具有任意的大小和維數(shù)。下面簡單介紹一下以上 4 種運算。膨脹膨脹的運算符為“ ”，圖像集合 用結構元素 來膨脹，記作 ，其定義?ABBA?見式（24 ），其中 表示 的映像，即與 關于原點對稱的集合。式（24）表明，^B 西南科技大學本科生畢業(yè)論文 11用 對 進行膨脹的過程是這樣的：首先對 作關于原點的映射，再將其映像平移BAB，當 與 映像的交集不為空集時， 的原點就是膨脹集合的像素。也就是說，x用 來膨脹 得到的集合是 的位移與 至少有一個非零元素相交時 的原點的位^BAB置的集合。 （2??????????????????????xAx?^|4）膨脹的作用效果如圖 23 所示。其中白色表示目標，背景為黑色，結構元素為一 33 正方形對象。 （a）膨脹前 （b）膨脹后 圖 23 圖像膨脹前后的顯示效果對比腐蝕腐蝕的運算符是 ，圖像集合 用結構元素 來腐蝕記作 ，其定義為：?ABBA? （2??x??)(|5）式（25 ）表明， 用 來腐蝕的結果是所有滿足將 平移 后， 仍全部包含在ABx中的 的集合，從直觀上看就是 經過平移后全部包含在 中的原點組成的集合。Ax A腐蝕的操作效果如圖 24 所示，其中白色為目標，黑色為背景，結構元素為一33 正方形對象。 （a）腐蝕前 （b）腐蝕后 西南科技大學本科生畢業(yè)論文 12 圖 24 圖像腐蝕前后的顯示效果對比開啟開啟的運算符為“ ”， 用 來開啟記為 ，其定義如下：?ABBA? （2??)(??6）閉合閉合的運算符為“ ”， 用 來閉合記為 ，其定義見式（ 27）：?ABBA? （2?)(?7）開啟和閉合運算不受原點位置的影響，無論原點是否包含在結構元素中，開啟和閉合的結果都是一樣的。開啟和閉合操作的效果如圖 25 所示，其中白色為目標，黑色為背景。對形態(tài)學了解后，我們用形態(tài)學來進行定位，具體算法為：對得到的帶狀區(qū)域用結構算子先進行一次腐蝕運算，消除一些獨立的亮點，但使用的結構算子不能太大，否則會失去一部分車牌的信息。 （a）原圖 （b）對原圖開啟操作后 （c）對原圖閉合操作后 圖 25 圖像的開啟、閉合操作的顯示效果再進行二次膨脹運算，由于膨脹的目的是要把車牌區(qū)域連通，因此使用的結構算子和腐蝕的結構算子不一樣，要略大一些。最后進行一次開運算，將車牌區(qū)域平滑一下?？梢园l(fā)現(xiàn)車牌在圖像中形成了一個塊狀區(qū)域。如圖 26 所示。將得到的圖像再投影到垂直方向，再根據(jù)車牌的寬度信息，設定一個范圍，可以把這個范圍設置大些，這是因為經過形態(tài)學變化后，車牌的長度會變大，而且有可能把附近的一些雜點連在一起了，從而增大了車牌連通區(qū)域的長度，如果范圍定 西南科技大學本科生畢業(yè)論文 13的太小，就有可能檢測不到車牌區(qū)域 [10]。 定位的算法實現(xiàn)利用投影法，在 Visual C++中用 C++語言對以上算法進行編程，對車輛牌照進行定位。實驗中水平方向上的定位函數(shù)為 HprojectDIB()；垂直方向上的定位函數(shù)為VprojectDIB()；定位以后分割過程所用的函數(shù)為 TempSubert()；iTop 和 iBottom 分別是車牌的上下邊緣，iLeft 和 iRight 為車牌的左右邊緣。定出車牌的四個邊緣以后，就可以通過分割函數(shù) TempSubert()將車牌從源圖像中裁減出來，為了使裁減的準確，可以設置邊緣的微量調整。圖像定位算法流程圖如圖 27 所示。 (a) 水平投影分割得到的圖像 (b) 腐蝕運算得到的圖像 (c) 第一次膨脹運算得到的圖像 (d) 第二次膨脹運算得到的圖像圖 26 形態(tài)學變化得到的圖像 西南科技大學本科生畢業(yè)論文 14圖 27 定位流程圖 西南科技大學本科生畢業(yè)論文 15 實驗結果分析經實驗，大部分圖片中的牌照能夠被正確的定位出來如圖 28，極少部分牌照不能正確定位。實驗表明，投影法基本上實現(xiàn)了車輛牌照的定位，但同時不難看出被定位的車牌還包括車牌邊框，與理想要求還有很大差距，如果在這些車牌上進行字符分割，將會有很大的困難。另外在實驗中還發(fā)現(xiàn)該算法對車牌背景環(huán)境要求比較嚴格，車牌如果比較傾斜或者車牌顏色與汽車顏色相近或者車牌背景中的噪聲較大，則定位起來比較困難，不能實現(xiàn)車牌的精確定位，以后需要進一步改進。圖 28 定位前后的圖像 西南科技大學本科生畢業(yè)論文 16第 3 章 車輛牌照的字符分割在做字符分割以前，必須對定位出來的圖像做進一步的處理，要對車牌做去邊框處理、去噪聲處理、梯度銳化、傾斜度調整等預處理才能進行字符分割。 車牌預處理 去邊框處理一般藍底白字的車牌都有白色邊框，與字符的顏色相同，它的存在將對后繼的字符識別造成影響，因此它的濾除十分必要。濾除上下邊框將檢測到的二值牌照圖像進行水平投影，在 0IHeight 的范圍內，計算各sum[I]，( sum[I]為從 0 到 Width 的范圍內，二值化牌照圖像的白像素點數(shù))然后，將所有的 sum[I]累加起來，記為一值，然后將該值除以 2*Height(2/3)*Height，如果sum[I]小于該商，就令該 sum[I]為 0。這樣直方圖中必有連零塊和非連零塊，測試每個非連零塊的寬度，如果它不在車牌高度的范圍內，就置其為零，那么就將邊框濾除了( 其中 Height，Width 為牌照圖像的高度和寬度)。濾除左右邊框濾除左右邊框的方法與濾除上下邊框的方法類似，只是閾值有些不同，不再贅述。 去噪聲處理圖像在掃描或者傳輸過程中夾帶了噪聲，去噪聲是圖像處理中常用的手法。通常去噪聲用濾波的方法，比如空間域濾波和同態(tài)濾波。采用合適的濾波方法不但可以濾除噪聲還可以對圖像進行銳化，增強圖像的邊緣信息。下面介紹幾種常用的濾波方法。鄰域平均法為了消除圖像中的噪聲，可以直接在空間域上對圖像進行平滑濾波。它的作用有兩種：一種是模糊；另一種是消除噪聲?？臻g域的平滑濾波一般采用簡單平均法進行，就是求鄰近像素點的平均亮度值，稱為鄰域平均法。鄰域的大小與平滑的效果直接相關，鄰域越大平滑的效果越好，但鄰域過大，平滑會使邊緣信息損失的越大，從而使輸出的圖像變得模糊，因此需要合理選擇鄰域的大小。典型的鄰域有兩 西南科技大學本科生畢業(yè)論文 17種：四鄰域和八鄰域，其模板見式（31）。如果圖像中的噪聲是隨機不相關的加性噪聲，窗口內各點噪聲是獨立分布的，經過上述模板平滑后，信號與噪聲的方差比可提高許多倍。這種算法簡單，處理速度快，但它的主要缺點是在降低噪聲的同時使圖像產生模糊，特別在邊緣和細節(jié)處。而且， （3???????014M???????1081）隨著鄰域的增大，雖然增強了去噪聲的能力，但同時模糊程度也更嚴重。高通濾波在進行圖像處理時，我們經常要對圖像進行銳化以便突出圖像的邊緣。同樣的，可以采用在空間域對圖像進行濾波的方法，只不過這時采用的沖激響應陣列與空間域低通濾波時所采用的完全不同。采用高通濾波器讓高頻分量順利通過，而對低頻分量則充分限制，使圖像的邊緣變得清晰，實現(xiàn)圖像的銳化。但是，對圖像進行空間域的高通濾波，在增強圖像邊緣的同時，孤立的噪聲點也得到了增強。常用于空間域高通濾波的沖激響應陣列有以下幾種： （3????????0151H????????192H????????1253H2）中值濾波中值濾波是一種非線性濾波，它也是一種鄰域運算，類似于卷積。但中值濾波的計算不是加權求和，而是把它鄰域內的所有像素按灰度值進行排序，然后取該組的中間值作為鄰域中心像素點的輸出值。中值濾波的突出優(yōu)點是在消除噪聲的同時，還能防止邊緣模糊。如果圖像的噪聲多是孤立的點，這些點對應的像素又很少，而圖像則是由像素較多、面積較大的塊構成，中值濾波效果很好。同態(tài)濾波同態(tài)濾波器的思想就是用一系列方法把乘性信號變換成加性組合信號，經過處理后再反變換回乘性信號。同態(tài)濾波以圖像的照明反射模型