【文章內(nèi)容簡介】 圍從 055） ，或者拍攝時光照過強，使得整幅圖偏亮（灰度范圍從 200255） ，這些情況都是屬于低對比度，即灰度都擠在一起，沒有拉開。灰度拉伸的意思就是把感興趣的灰度范圍拉開，使得該范圍內(nèi)的像素，亮的更亮，暗的更暗，從而達到了增強對比度的目的?！D像的傾斜矯正由于拍攝時鏡頭與牌照的角度、車輛的運動及路面的狀況等因素的影響，例如車牌在捕捉圖像中的位置不固定，捕捉圖像時車頭或者鏡頭發(fā)生擺動以及車牌本身就掛歪了或路況較差，都可能使拍攝到的車牌圖像有一定的傾斜度，為了正確識別需要進行傾斜度校正，否則將無法進行單個字符的正確分割，字符識別的誤差率就會上升。但是若以某個固定的經(jīng)驗值對所有牌照統(tǒng)一進行旋轉(zhuǎn)處理，又會使原本正常的牌照傾斜，導致新的錯誤。因此有必要針對特定的牌照圖像提取其傾斜角度，再加以相應(yīng)的旋轉(zhuǎn)處理。如何從牌照中自動提取其傾斜度是預(yù)處理過程中的一個難點，一般使用 Hough 變換檢測圖像中的直線來對圖像的傾斜進行相應(yīng)的矯正 [12]。Hough 變換具有明了的幾何解析性，一定的抗干擾能力和易于實現(xiàn)并處理等優(yōu)點：但它存在著計算量大，需要巨大的儲存空間等問題，所以不適合用在具有一定實時性要求的圖像處理中。針對這個問題，Radon 變換可以滿足一定實時圖像處理的要求?！≤嚺谱址指罱?jīng)過上面一系列預(yù)處理后，得到的是一條上下邊緣緊貼字符的水平二值圖像，其中，車牌的背景像素為白色，用 1 表示。車牌的字符像素為黑色，用 0 表示。在識別時系統(tǒng)只能根據(jù)每個字符的特征來進行判斷，為了最終能準確識別牌照上的漢字、英文字母及數(shù)字，必須將單個字符從矯正的牌照中逐個提取分離出來。 　字符識別進行車牌識別前需要使用樣本對神經(jīng)網(wǎng)絡(luò)進行訓練，然后使用訓練好的網(wǎng)絡(luò)對車牌進行識別。其具體流程為:使用漢字、字母、字母數(shù)字、數(shù)字四個樣本分別對四個子網(wǎng)絡(luò)進行訓練，得到相應(yīng)的節(jié)點數(shù)和權(quán)值。對已經(jīng)定位好的車牌進行圖像預(yù)處理，逐個的特征提取，然后從相應(yīng)的文件中讀取相應(yīng)的節(jié)點數(shù)和權(quán)值，把車牌字符分別送入相應(yīng)的網(wǎng)絡(luò)進行識別，輸出識別結(jié)果。石家莊鐵道大學四方學院畢業(yè)設(shè)計7第 3章 車牌照提取與定位　算法設(shè)計流程 灰 度 化 二 值 化 濾 波 圖 像 預(yù) 處 理 開 始 字 符 的 分 割 定 位 和 提 取 字 符 的 識 別 結(jié) 束 圖 31算法設(shè)計總流程　汽車圖像預(yù)處理 圖像在形成、傳輸或變換過程中，受多種因素的影響，如：光學系統(tǒng)失真、系統(tǒng)噪聲、暴光不足或過量、相對運動等，往往會與原始景物之間或圖像與原始圖像之間產(chǎn)生了某種差異。因此在圖像處理之前必須進行預(yù)處理，包括去除噪音，邊界石家莊鐵道大學四方學院畢業(yè)設(shè)計8增強，增加亮度等等。首先應(yīng)該把 256 色彩色圖像轉(zhuǎn)換為灰度圖像。平滑是圖像預(yù)處理的主要環(huán)節(jié)，平滑的好壞直接影響二值化的質(zhì)量。濾波的方式有兩種，一種是空間域濾波，一種是頻率域，在空間域，常見的濾波方式有兩種方式，均值濾波和中值濾波。采用中值濾波對圖像進行平滑處理。中值濾波在一定條件下可以克服線性濾波器如最小均方濾波、均值濾波等帶來的圖像細節(jié)模糊，而且對濾波脈沖干擾及圖像掃描噪聲最為有效，同時還可以保護字的邊界信息。 Matlab 實現(xiàn)%裝入待處理圖像并顯示原始圖像 如圖 32： clear。close all。Scolor = imread(‘原始圖像’ )。 figure, imshow(Scolor), title(39。原始彩色圖像39。)。 圖 32　原始圖像%顯示灰度化后的圖像i = rgb2gray(Scolor)。figure,imshow(i)。 title(39?；叶葓D像39。)。石家莊鐵道大學四方學院畢業(yè)設(shè)計9圖 33　灰度化后的圖像　中值濾波中值濾波是一種非線性濾波處理技術(shù)，能有效地抑制圖像中的某些噪聲，它基于圖像這樣一種特性：噪聲往往以孤立點的形式出現(xiàn)，這些點對應(yīng)的像素數(shù)很少，而圖像是由許多像素數(shù)較多、面積較大的小塊組成。在一維情況下，中值濾波器是一個含有奇數(shù)個像素的窗口。處理之后，用窗口內(nèi)各像素灰度值的中值來代替位于窗口正中的像素的灰度值。中值濾波不影響階躍函數(shù)和斜坡函數(shù)，因而對圖像邊緣有保護作用：但是，對于持續(xù)期小于窗寬一半的脈沖信號將進行抑制，因而可能會損壞圖像的某些細節(jié)。中值濾波很容易推廣到二維情況。二維窗口形狀可以是正方形、近似圓形或十字形?，F(xiàn)有的牌照有四種類型，分別是: 藍底白字牌照為小功率汽車使用； 黃底黑字牌照為大功率汽車使用；白底黑字或紅字牌照為軍用或警用。 4,黑底白字牌照為國外駐華機構(gòu)使用。這四種牌照的長度均為 45cm，寬 15cm，共 8 個字符。民用牌照第 1 個字符是漢字，且是各省市的簡稱，如“京” 、 “蘇” 、 “鄂”等。第 2個字符是大寫英文字母，是頒發(fā)證照及監(jiān)督機關(guān)的代號。第 3 個字符是一個“” ，第 4～8 個字符均為阿拉伯數(shù)字或英文大寫字母。如“貴 A12345”就是最典型的車牌號碼。下文將對其算法做詳細介紹?！￠撝祷夹g(shù)石家莊鐵道大學四方學院畢業(yè)設(shè)計10基于閾值的車牌定位分割方法是圖像分割中十分古老而又簡單有效的常用方法。關(guān)于這方面的文獻很多。所謂閾值的方法實質(zhì)是利用圖像的灰度直方圖信息得到用于分割的閾值?；陂撝档姆指罘椒梢苑譃槿珠撝档姆椒ê途植块撝档姆椒?。所謂全局閾值的方法就是利用整幅圖像的灰度信息，從整個圖像中得到用于分割的閾值，并且根據(jù)該閾值對圖像進行分割；而局部閾值的方法是根據(jù)圖像中不同區(qū)域獲得對應(yīng)不同區(qū)域的幾個閾值，利用這些得到的閾值對圖像進行分割，也就是一個閾值對應(yīng)圖像中的一個子區(qū)域。在使用閾值法進行分割技術(shù)時，閾值的選取成為能否正確分割的關(guān)鍵，若將所有灰度值大于或等于某閾值的像素都被判屬于物體，則將所有灰度值小于該閾值的像素被排除在物體之外，如果閾值選取的過高，則過多的目標區(qū)域?qū)⒈粍澐譃楸尘?，相反如果閾值的選取的過低，則過多的背景將被劃分到目標區(qū)。因此，邊界就由這樣一些內(nèi)部點的集合組成，這些點都至少有一個鄰點不屬于該物體。由于物體和背景以及不同物體之間的灰度級有明顯的差別，因此，在圖像的灰度級直方圖中會呈現(xiàn)明顯的峰值。當圖像灰一種簡單而廣泛應(yīng)用的方法。 因此，閾值的選取就成了車牌定位分割的重點。度直方圖峰型分布明顯時，常以谷底作為門限候選值。　邊緣檢測兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣就是灰度值不連續(xù)的結(jié)果，是圖像分割、紋理特征提取和形狀特征提取等圖像分析的基礎(chǔ)。一階導數(shù)可以用于檢測圖像中一個點是否是邊緣點，二階導數(shù)的符號可以用于判斷邊緣像素是在邊緣亮的一邊還是暗的一邊。為了對有意義的邊緣點進行分類，與這個點相聯(lián)系的灰度級必須比在這一點的背景上變換更有效，我們通過門限方法來決定一個值是否有效。經(jīng)過一階的導數(shù)的邊緣檢測，所求的一階導數(shù)高于某個閾值，則確定該點為邊緣點，這樣會導致檢測的邊緣點太多?？梢酝ㄟ^求梯度局部最大值對應(yīng)的點，并認定為邊緣點，去除非局部最大值，可以檢測出精確的邊緣。一階導數(shù)的局部最大值對應(yīng)二階導數(shù)的零交叉點，這樣通過找圖像強度的二階導數(shù)餓的零交叉點就能找到精確邊緣點。下面簡單介紹幾種常用算子：Roberts 算子是一種利用局部差分算子尋找邊緣的算子，Roberts 算子對具有陡峭的低噪聲圖像效果較好。（2）Sobel 算子對灰度漸變和噪聲較多的圖像處理的較好。（3）Prewitt 和 Sobel 算子是在實踐中計算數(shù)字梯度時最常用的，Prewitt 模板石家莊鐵道大學四方學院畢業(yè)設(shè)計11實現(xiàn)起來比 Sobel 模板更為簡單，此外，該算子沒有將重心放在接近模板中心的像素點上。Prewitt 算子也產(chǎn)生一幅邊緣幅度的圖像，也是對灰度漸變和噪聲較多的圖像處理效果較好。（4）LOG 算子（拉普拉斯算子）是圖像首先與高斯濾波器進行卷積，這一步即平滑了圖像又降低了噪聲，孤立的噪聲點和較小的結(jié)構(gòu)組織將被濾除。由于平滑會導致邊緣的擴展，用拉普拉斯算子找到圖像中的陡峭邊緣即只考慮那些具有局部梯度最大值的點，這一點可以用二階導數(shù)的零交叉點來實現(xiàn)。拉普拉斯算子是一個線性的、移不變的算子，它的傳輸函數(shù)在頻域空間的點是零，因此拉普拉斯算子濾波過的圖像具有零平均灰度。最后用二值化產(chǎn)生閉合的連通的輪廓，消除所有內(nèi)部點。（5）Canny 算子檢測邊緣的方式是尋找圖像梯度的局部極大值。梯度是用高斯濾波器的導數(shù)計算的。Canny 算子使用兩個閾值來分別檢測強邊緣和弱邊緣，而且僅當弱邊緣與強邊緣相連時，弱邊緣才會包含在輸出中，因此，此方法不容易受噪聲的干擾，能夠檢測到真正的弱邊緣。對比分析可知 Canny 算子對車牌處理效果最好。這種方法不僅在車牌邊緣的提取上用到，在處理汽車圖像也很有用。　車牌定位目前，已經(jīng)提出了很多車牌定位的方法這些方法都具有一個共同的出發(fā)點即通過牌照區(qū)域的特征來判斷牌照。本文中所用方法是基于圖像的特征來做的，計算了類車牌區(qū)域的特征值，面積、寬和高，在根據(jù)先驗知識的寬高比來定位車牌。（1）對原始圖像進行開操作得到圖像背景圖像，如圖 34 所示： s=strel(39。disk39。,10)。bg=imopen(i,s)。figure,imshow(bg)。石家莊鐵道大學四方學院畢業(yè)設(shè)計12圖 34　背景圖像（2）原始圖像與背景圖像作減法，對圖像進行增強處理，如圖 35 所示bw=imsubtract(i,bg)。figure,imshow(bw)。 圖 35　增強黑白圖 （3）參考《數(shù)字圖象處理與分析》介紹的圖像二值化最佳閥值計算方法：Level=fmax（fmaxfmin）/3式中 Level 為最佳閥值，fmax 為最大灰度，fmin 為最小灰度。將圖像二值化，石家莊鐵道大學四方學院畢業(yè)設(shè)計13如圖 36：[m,n]=size(i)。fmax1=double(max(max(bw)))。fmin1=double(min(min(bw)))。level=(fmax1(fmax1fmin1)/3)/255。bw2=im2bw(bw,level)。figure,imshow(bw2)。 圖 36　二值化圖（4）對得到圖像作開操作進行濾波。在本文中采用的是 Canny 算子提取邊緣。grd=edge(bw2,39。canny39。)figure,imshow(grd)。 title(39。圖像邊緣提取39。)。bg1=imclose(grd,strel(39。rectangle39。,[5,19]))。figure,imshow(bg1)。 title(39。圖像閉運算[5,19]39。)。bg3=imopen(bg1,strel(39。rectangle39。,[5,19]))。 figure,imshow(bg3)。 title(39。圖像開運算[5,19]39。)。 bg2=imopen(bg3,strel(39。rectangle39。,[19,1]))。 figure,imshow(bg2)。 title(39。圖像開運算[19,1]39。)。石家莊鐵道大學四方學院畢業(yè)設(shè)計14圖 37　邊緣提取圖 38　閉運算石家莊鐵道大學四方學院畢業(yè)設(shè)計15圖 39　開運算圖 310　開運算Canny 算子提取邊緣能有效檢測出車牌區(qū)域的紋理特征，而采用 [5，19]的矩形運算子能有效的將車牌區(qū)域連接成片，去除非車牌區(qū)域。通過程序處理后的圖 37至 310，可以清楚的看到最后經(jīng)過開操作濾波后的可能的車牌區(qū)域都清楚的保留了下來，是非常成功的?！≤嚺铺崛〈_定思路：對二值圖像進行區(qū)域提取，并計算區(qū)域特征參數(shù)。進行區(qū)域特征參石家莊鐵道大學四方學院畢業(yè)設(shè)計16數(shù)比較，提取車牌區(qū)域。并根據(jù)先驗知識和調(diào)試中的經(jīng)驗，設(shè)定了車牌長寬的范圍作為判斷依據(jù)。（1）　首先對圖像每個區(qū)域進行標記，如圖 311 所示。然后計算每個區(qū)域的圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形、面積。圖 311 彩色標記（2） 計算出包含所標記的區(qū)域的最小寬和高，并根據(jù)先驗知識，比較誰的寬高比更接近實際車牌寬高比，將更接近的提取并顯示出來。如圖 312圖 312　灰度子圖和二值子圖石家莊鐵道大學四方學院畢業(yè)設(shè)計17第 4章　車牌字符分割車牌定位后的下一步是字符分割。這個章節(jié)是本次設(shè)計的主要內(nèi)容，在汽車牌照自動識別過程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎(chǔ)上進行字符的分割，然后再利用分割的結(jié)果進行字符識別。字符分割的算法很多，常采用垂直投影法來實現(xiàn)，公式如下: （41 ）??HiWjifjk0),()(　字符分割的步驟車牌字符分割是本設(shè)計的重點，分割步驟如下：（1）計算車牌水平投影，并對水平投影進行峰谷分析；（2）車牌矯正，計算車牌旋轉(zhuǎn)角度，旋轉(zhuǎn)車牌；（3）旋轉(zhuǎn)車牌后重新計算車牌水平投影，去掉車牌水平邊框，獲取車牌字符高度；（4）計算車牌垂直投影，去掉車牌垂直邊框，計算車牌上每個字符中心位置，計算最大字符寬度；（5）取分割字符,并變換為 32 行*16 列標準子圖。　計算車牌水平投影經(jīng)過上面一系列預(yù)處理后，得到的是一條上下邊緣緊貼字符的水平二值圖像，如上圖 311 所示?，F(xiàn)采用以下程序求出車牌二值圖像的