【文章內(nèi)容簡(jiǎn)介】 現(xiàn)車(chē)輛牌照的定位。利用水平投影來(lái)檢測(cè)車(chē)牌的水平位置，利用垂直投影和形態(tài)學(xué)的方法檢測(cè)車(chē)牌的垂直位置 [8]。 車(chē)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(chē)牌特征，車(chē)牌區(qū)域中的垂直邊緣較密集，而且車(chē)牌一般懸掛在車(chē)身較低的位置其下方?jīng)]有很多的邊緣密集區(qū)域。因此在車(chē)牌對(duì)應(yīng)的水平位置上會(huì)出現(xiàn)一個(gè)峰值，如圖 22 所示。峰值的兩個(gè)低谷點(diǎn)就是車(chē)牌的垂直位置，這樣就得到了包含了車(chē)牌的帶狀區(qū)域。所以問(wèn)題轉(zhuǎn)成確定低谷點(diǎn)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(huì)給精確定位帶來(lái)一些困難，所以對(duì)投影圖進(jìn)行平滑。窗口尺寸比較關(guān)鍵，選小了不足以平滑，選大了則會(huì)改變投影圖原有的基本變化特性。對(duì)于實(shí)際的投影曲線可以通過(guò)找差分曲線的過(guò)零點(diǎn)來(lái)確定低谷點(diǎn)，所以對(duì)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(fù)的點(diǎn)，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(gè)峰，因而要確定哪一個(gè)局部最小值是峰谷，哪一個(gè)是毛刺。如何判決峰的獨(dú)立性呢？本文采取了 3 個(gè)判決依據(jù)：1. 獨(dú)立峰具有一定峰頂和峰谷的落差，當(dāng)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(dú)立峰具有一定的寬度，這是由車(chē)牌的寬度信息決定的。3．獨(dú)立峰具有一定的面積，這是因?yàn)樵诮?jīng)過(guò)邊緣提取，二值化后，在車(chē)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(fù)雜的圖像中，車(chē)牌的峰值特性十分明顯，很容易就可以定位出車(chē)牌區(qū)域的水平位置。但在光照不均勻或背景復(fù)雜的圖像中峰值特性就不是很明顯了。如何準(zhǔn)確地確定局部最小值是否為谷底，關(guān)鍵在于閾值的選取。 車(chē)輛牌照的垂直定位 西南科技大學(xué)本科生畢業(yè)論文 10根據(jù)車(chē)牌的特征可以知道，車(chē)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(chē) （a）二值化圖像 （b）水平投影圖 圖 22 水平投影牌具有 7 個(gè)字符，所以車(chē)牌區(qū)域在垂直方向上的投影應(yīng)該存在 6 個(gè)低谷點(diǎn)，而且相鄰低谷點(diǎn)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(shí)中得到二值圖像的“峰、谷、峰” 的特點(diǎn)并不十分明顯，采用這種方法對(duì)車(chē)牌的垂直位置進(jìn)行定位效果不是很好，本文考慮使用形態(tài)學(xué)與投影法相結(jié)合的方法來(lái)對(duì)車(chē)牌進(jìn)行垂直定位，下面簡(jiǎn)單介紹圖像形態(tài)學(xué) [9]。最初形態(tài)學(xué)是生物學(xué)中研究動(dòng)物和植物的一個(gè)分支，后來(lái)也用數(shù)學(xué)形態(tài)學(xué)來(lái)表示以形態(tài)學(xué)為基礎(chǔ)的圖像分析數(shù)學(xué)工具。形態(tài)學(xué)的基本思想是使用具有一定形態(tài)的結(jié)構(gòu)元素來(lái)度量和提取圖像中的對(duì)應(yīng)形狀，從而達(dá)到對(duì)圖像進(jìn)行分析和識(shí)別的目的。數(shù)學(xué)形態(tài)學(xué)可以用來(lái)簡(jiǎn)化圖像數(shù)據(jù)，保持圖像的基本形狀特性，同時(shí)去掉圖像中與研究目的無(wú)關(guān)的部分。使用形態(tài)學(xué)操作可以實(shí)現(xiàn)增強(qiáng)對(duì)比度、消除噪聲、細(xì)化、填充和分割等常用的圖像處理任務(wù)。數(shù)學(xué)形態(tài)學(xué)的數(shù)學(xué)基礎(chǔ)和使用的語(yǔ)言是集合論，其基本運(yùn)算有四種：膨脹(Dilation ) 、腐蝕 (Erosion )、開(kāi)啟(Open)和閉合(Close )?；谶@些基本運(yùn)算還可以推導(dǎo)和組成各種數(shù)學(xué)形態(tài)學(xué)運(yùn)算方法。其運(yùn)算對(duì)象是集合，通常給出一個(gè)圖像集合和一個(gè)結(jié)構(gòu)元素集合，利用結(jié)構(gòu)元素對(duì)圖像進(jìn)行操作。結(jié)構(gòu)元素是一個(gè)用來(lái)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(jiǎn)單介紹一下以上 4 種運(yùn)算。膨脹膨脹的運(yùn)算符為“ ”，圖像集合 用結(jié)構(gòu)元素 來(lái)膨脹，記作 ，其定義?ABBA?見(jiàn)式（24 ），其中 表示 的映像，即與 關(guān)于原點(diǎn)對(duì)稱的集合。式（24）表明，^B 西南科技大學(xué)本科生畢業(yè)論文 11用 對(duì) 進(jìn)行膨脹的過(guò)程是這樣的：首先對(duì) 作關(guān)于原點(diǎn)的映射，再將其映像平移BAB，當(dāng) 與 映像的交集不為空集時(shí)， 的原點(diǎn)就是膨脹集合的像素。也就是說(shuō)，x用 來(lái)膨脹 得到的集合是 的位移與 至少有一個(gè)非零元素相交時(shí) 的原點(diǎn)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(biāo)，背景為黑色，結(jié)構(gòu)元素為一 33 正方形對(duì)象。 （a）膨脹前 （b）膨脹后 圖 23 圖像膨脹前后的顯示效果對(duì)比腐蝕腐蝕的運(yùn)算符是 ，圖像集合 用結(jié)構(gòu)元素 來(lái)腐蝕記作 ，其定義為：?ABBA? （2??x??)(|5）式（25 ）表明， 用 來(lái)腐蝕的結(jié)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(jīng)過(guò)平移后全部包含在 中的原點(diǎn)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(biāo)，黑色為背景，結(jié)構(gòu)元素為一33 正方形對(duì)象。 （a）腐蝕前 （b）腐蝕后 西南科技大學(xué)本科生畢業(yè)論文 12 圖 24 圖像腐蝕前后的顯示效果對(duì)比開(kāi)啟開(kāi)啟的運(yùn)算符為“ ”， 用 來(lái)開(kāi)啟記為 ，其定義如下：?ABBA? （2??)(??6）閉合閉合的運(yùn)算符為“ ”， 用 來(lái)閉合記為 ，其定義見(jiàn)式（ 27）：?ABBA? （2?)(?7）開(kāi)啟和閉合運(yùn)算不受原點(diǎn)位置的影響，無(wú)論原點(diǎn)是否包含在結(jié)構(gòu)元素中，開(kāi)啟和閉合的結(jié)果都是一樣的。開(kāi)啟和閉合操作的效果如圖 25 所示，其中白色為目標(biāo)，黑色為背景。對(duì)形態(tài)學(xué)了解后，我們用形態(tài)學(xué)來(lái)進(jìn)行定位，具體算法為：對(duì)得到的帶狀區(qū)域用結(jié)構(gòu)算子先進(jìn)行一次腐蝕運(yùn)算，消除一些獨(dú)立的亮點(diǎn)，但使用的結(jié)構(gòu)算子不能太大，否則會(huì)失去一部分車(chē)牌的信息。 （a）原圖 （b）對(duì)原圖開(kāi)啟操作后 （c）對(duì)原圖閉合操作后 圖 25 圖像的開(kāi)啟、閉合操作的顯示效果再進(jìn)行二次膨脹運(yùn)算，由于膨脹的目的是要把車(chē)牌區(qū)域連通，因此使用的結(jié)構(gòu)算子和腐蝕的結(jié)構(gòu)算子不一樣，要略大一些。最后進(jìn)行一次開(kāi)運(yùn)算，將車(chē)牌區(qū)域平滑一下。可以發(fā)現(xiàn)車(chē)牌在圖像中形成了一個(gè)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(chē)牌的寬度信息，設(shè)定一個(gè)范圍，可以把這個(gè)范圍設(shè)置大些，這是因?yàn)榻?jīng)過(guò)形態(tài)學(xué)變化后，車(chē)牌的長(zhǎng)度會(huì)變大，而且有可能把附近的一些雜點(diǎn)連在一起了，從而增大了車(chē)牌連通區(qū)域的長(zhǎng)度，如果范圍定 西南科技大學(xué)本科生畢業(yè)論文 13的太小，就有可能檢測(cè)不到車(chē)牌區(qū)域 [10]。 定位的算法實(shí)現(xiàn)利用投影法，在 Visual C++中用 C++語(yǔ)言對(duì)以上算法進(jìn)行編程，對(duì)車(chē)輛牌照進(jìn)行定位。實(shí)驗(yàn)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(guò)程所用的函數(shù)為 TempSubert()；iTop 和 iBottom 分別是車(chē)牌的上下邊緣，iLeft 和 iRight 為車(chē)牌的左右邊緣。定出車(chē)牌的四個(gè)邊緣以后，就可以通過(guò)分割函數(shù) TempSubert()將車(chē)牌從源圖像中裁減出來(lái)，為了使裁減的準(zhǔn)確，可以設(shè)置邊緣的微量調(diào)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(yùn)算得到的圖像 (c) 第一次膨脹運(yùn)算得到的圖像 (d) 第二次膨脹運(yùn)算得到的圖像圖 26 形態(tài)學(xué)變化得到的圖像 西南科技大學(xué)本科生畢業(yè)論文 14圖 27 定位流程圖 西南科技大學(xué)本科生畢業(yè)論文 15 實(shí)驗(yàn)結(jié)果分析經(jīng)實(shí)驗(yàn)，大部分圖片中的牌照能夠被正確的定位出來(lái)如圖 28，極少部分牌照不能正確定位。實(shí)驗(yàn)表明，投影法基本上實(shí)現(xiàn)了車(chē)輛牌照的定位，但同時(shí)不難看出被定位的車(chē)牌還包括車(chē)牌邊框，與理想要求還有很大差距，如果在這些車(chē)牌上進(jìn)行字符分割，將會(huì)有很大的困難。另外在實(shí)驗(yàn)中還發(fā)現(xiàn)該算法對(duì)車(chē)牌背景環(huán)境要求比較嚴(yán)格，車(chē)牌如果比較傾斜或者車(chē)牌顏色與汽車(chē)顏色相近或者車(chē)牌背景中的噪聲較大，則定位起來(lái)比較困難，不能實(shí)現(xiàn)車(chē)牌的精確定位，以后需要進(jìn)一步改進(jìn)。圖 28 定位前后的圖像 西南科技大學(xué)本科生畢業(yè)論文 16第 3 章 車(chē)輛牌照的字符分割在做字符分割以前，必須對(duì)定位出來(lái)的圖像做進(jìn)一步的處理，要對(duì)車(chē)牌做去邊框處理、去噪聲處理、梯度銳化、傾斜度調(diào)整等預(yù)處理才能進(jìn)行字符分割。 車(chē)牌預(yù)處理 去邊框處理一般藍(lán)底白字的車(chē)牌都有白色邊框，與字符的顏色相同，它的存在將對(duì)后繼的字符識(shí)別造成影響，因此它的濾除十分必要。濾除上下邊框?qū)z測(cè)到的二值牌照?qǐng)D像進(jìn)行水平投影，在 0IHeight 的范圍內(nèi)，計(jì)算各sum[I]，( sum[I]為從 0 到 Width 的范圍內(nèi)，二值化牌照?qǐng)D像的白像素點(diǎn)數(shù))然后，將所有的 sum[I]累加起來(lái)，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(cè)試每個(gè)非連零塊的寬度，如果它不在車(chē)牌高度的范圍內(nèi)，就置其為零，那么就將邊框?yàn)V除了( 其中 Height，Width 為牌照?qǐng)D像的高度和寬度)。濾除左右邊框?yàn)V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(guò)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?yàn)V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(duì)圖像進(jìn)行銳化，增強(qiáng)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(duì)圖像進(jìn)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(jiǎn)單平均法進(jìn)行，就是求鄰近像素點(diǎn)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(guān)，鄰域越大平滑的效果越好，但鄰域過(guò)大，平滑會(huì)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(xué)本科生畢業(yè)論文 17種：四鄰域和八鄰域，其模板見(jiàn)式（31）。如果圖像中的噪聲是隨機(jī)不相關(guān)的加性噪聲，窗口內(nèi)各點(diǎn)噪聲是獨(dú)立分布的，經(jīng)過(guò)上述模板平滑后，信號(hào)與噪聲的方差比可提高許多倍。這種算法簡(jiǎn)單，處理速度快，但它的主要缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模糊，特別在邊緣和細(xì)節(jié)處。而且， （3???????014M???????1081）隨著鄰域的增大，雖然增強(qiáng)了去噪聲的能力，但同時(shí)模糊程度也更嚴(yán)重。高通濾波在進(jìn)行圖像處理時(shí)，我們經(jīng)常要對(duì)圖像進(jìn)行銳化以便突出圖像的邊緣。同樣的，可以采用在空間域?qū)D像進(jìn)行濾波的方法，只不過(guò)這時(shí)采用的沖激響應(yīng)陣列與空間域低通濾波時(shí)所采用的完全不同。采用高通濾波器讓高頻分量順利通過(guò)，而對(duì)低頻分量則充分限制，使圖像的邊緣變得清晰，實(shí)現(xiàn)圖像的銳化。但是，對(duì)圖像進(jìn)行空間域的高通濾波，在增強(qiáng)圖像邊緣的同時(shí)，孤立的噪聲點(diǎn)也得到了增強(qiáng)。常用于空間域高通濾波的沖激響應(yīng)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(yùn)算，類似于卷積。但中值濾波的計(jì)算不是加權(quán)求和，而是把它鄰域內(nèi)的所有像素按灰度值進(jìn)行排序，然后取該組的中間值作為鄰域中心像素點(diǎn)的輸出值。中值濾波的突出優(yōu)點(diǎn)是在消除噪聲的同時(shí)，還能防止邊緣模糊。如果圖像的噪聲多是孤立的點(diǎn)，這些點(diǎn)對(duì)應(yīng)的像素又很少，而圖像則是由像素較多、面積較大的塊構(gòu)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(hào)變換成加性組合信號(hào)，經(jīng)過(guò)處理后再反變換回乘性信號(hào)。同態(tài)濾波以圖像的照明反射模型