【文章內(nèi)容簡(jiǎn)介】 。 汽車 車牌的定位和分割 車牌圖像往往是在復(fù)雜的環(huán)境中拍攝得到的 ， 車牌由于與復(fù)雜的車身背景融為一體 ， 由于車牌在使用中磨損與灰塵及拍攝儀器的影響以及由于拍攝角度的不同 ， 車牌在圖像中往往有很大的形變 ， 如何在復(fù)雜背景中準(zhǔn)確、快速找出車牌的位置成為車牌識(shí)別中的難點(diǎn)。 目前已有不少學(xué)者在這方面進(jìn)行了研究 。 總結(jié)起來(lái)主要有如下幾類方法 ： (1) 基于水平灰度變化特征的方法 ， 這種方法主要在車牌定位以前 ， 需要對(duì)圖像進(jìn)行預(yù)處理 ， 將彩色圖像轉(zhuǎn)換為灰度圖像 ， 利用車牌區(qū)域水平方向的紋理特征進(jìn)行車牌定位 ； (2) 基于邊緣檢測(cè)的定位方法 ， 這種方法是利用車牌區(qū)域豐富的邊緣特征進(jìn)行車牌定位 [3]， 能夠進(jìn)行檢測(cè)的方法有多種 ， 如 Roberts 邊緣算子、 Prewitt 算子、 Sobel 算子以及拉普拉斯邊緣檢測(cè) ； (3) 基于車牌顏色特征的定位方法 ， 這種方法主要是應(yīng)用 車牌的紋理特征、形狀特征和顏色特征即利用車牌字符和車牌底色具有明顯的反差特征來(lái)排除干擾進(jìn)行車牌的定位 ； (4) 基于 Hough 變換的車牌定位方法 ， 這種方法是利用車牌邊框的幾何特征 ，采取尋找車牌邊框直線的方法進(jìn)行車牌定位 ； (5) 基于變換域的車牌定位方法 ， 這種方法是將圖像從空域變換到頻域進(jìn)行分析 ， 例如采用小波變換等 ； (6) 基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法 ， 這種方法是利用數(shù)學(xué)形態(tài)學(xué)圖像處理的基本思想 ， 利用一個(gè)結(jié)構(gòu)元素來(lái)探測(cè)一個(gè)圖像 ， 看是否能將這個(gè)結(jié)構(gòu)元素很好的填放在圖像內(nèi)部 ， 同時(shí)驗(yàn)證填放元素的方法是否有效 。 本 文 是利用車牌的彩色信息的彩色 定位 分割方法。根據(jù)車牌底色等有關(guān)的先驗(yàn)知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的車牌區(qū)域，確定車牌底色藍(lán)色RGB對(duì)應(yīng)的各自灰度范圍，然后行方向統(tǒng)計(jì)在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)定合理的閾值，確定車牌在行方向的合理區(qū)域。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計(jì)列方向藍(lán)色像素點(diǎn)的數(shù)量，最終確定完整的車牌區(qū)域。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 第三章 汽車車牌識(shí)別系統(tǒng)的設(shè)計(jì) 10 圖 牌照區(qū)域的定位的流程圖 圖 定位的車牌 %=========車牌定位與分割的主要程序代碼 ========= [y,x,z]=size(I)。 myI=double(I)。 Y_threshlow=5。%這個(gè)數(shù)值很重要 ,決定了提取的彩圖的質(zhì)量 X_firrectify=5。%ganrao transaction %================= Y 方向 ======================= Blue_y=zeros(y,1)。 baisebili=0。changkuanbi=0。 [temp MaxY]=max(Blue_y)。% Y 方向車牌區(qū)域確定 temp(最多點(diǎn)數(shù) ):所有行中，最多的累 積像素點(diǎn) MaxY（最多點(diǎn)所在行） :該行中藍(lán)點(diǎn)最多 PY1=MaxY。%有最多藍(lán)點(diǎn)的行付給 PY1 %==============X 方向 =========================== X_threshhigh=(PY2PY1)/11。%這個(gè)數(shù)值很重要。決定了提取的彩圖的質(zhì)量 ,適當(dāng)提高可抗干擾，但是小圖會(huì)照成剪裁太多 Blue_x=zeros(1,x)。 % 進(jìn)一步確定 X 方向的車牌區(qū)域 [temp MaxX]=max(Blue_x)。 PX1=MaxX6*(PY2PY1)。 a=PY2PY1+1。b=PX2PX1+1。 導(dǎo)入原始圖像 藍(lán)白色比對(duì)候選區(qū)域 彩色像素點(diǎn)統(tǒng)計(jì) 車牌定位 確定行 、 列方向的合理區(qū)域 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 第三章 汽車車牌識(shí)別系統(tǒng)的設(shè)計(jì) 11 baisebili=White/(a*b) changkuanbi=a/b PY2=MaxY。 a=PY2PY1+1。b=PX2PX1+1。 Blue_y(PY1:PY2,1)=0。 [temp MaxY]=max(Blue_y)。 車牌的預(yù)處理 根據(jù)三基色原理，世界上任何色彩都可以由紅綠藍(lán)（ RGB）三色不同比例的混合來(lái)表示，如果紅綠藍(lán)（ RGB）三個(gè)信號(hào)分別由一個(gè)字節(jié)表示，則該圖像顏色位數(shù)就達(dá)到二十四位真 彩，也就是說(shuō)在二十四位真彩的數(shù)字圖像中每個(gè)像素點(diǎn)由三個(gè)字節(jié)來(lái)表示，根據(jù)數(shù)字圖像水平和垂直方向像素點(diǎn)數(shù)（即圖像分辨率）可計(jì)算出一幅圖像實(shí)際位圖大小。事實(shí)上，在車牌自動(dòng)識(shí)別系統(tǒng)中車輛圖像是通過(guò)圖像采集卡將運(yùn)動(dòng)的車輛圖像抓拍下來(lái)，并以位圖的格式存放在系統(tǒng)內(nèi)存中。這時(shí)的車輛常會(huì)因?yàn)楦鞣N各樣的原因使得所拍攝的車輛圖像效果不理想，但我們可以對(duì)車輛圖像根據(jù)不同應(yīng)用特點(diǎn)進(jìn)行識(shí)別前的預(yù)處理，盡最大可能提高車牌正確識(shí)別率，這些圖像預(yù)處理包括 灰度處理 、傾斜校正等。 汽車圖像樣本，目前大都是通過(guò)攝像機(jī)、數(shù)碼相機(jī)等設(shè)備 拍攝獲取的，因而預(yù)處理前的圖像都是彩色圖像。真彩色圖像又稱 RGB圖像，它是利用 R, G, B3個(gè)分量表示一個(gè)像素的顏色， R, G, B分別代表紅、綠、藍(lán) 3種不同的顏色，通過(guò)三基色可以合成出任意顏色。所以對(duì)一個(gè)尺寸為 m*n的彩色圖像來(lái)說(shuō)，存儲(chǔ)為一個(gè)二m*n*3的多維數(shù)組。如果需要知道圖像 A中 (x, y)處的像素 RGB值，則可以使用這樣的代碼 A (x, y,1: 3)。 彩色圖像包含著大量的顏色信息，不但在存儲(chǔ)上開銷很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度。由于圖像的每個(gè)象素都具有三個(gè)不同的顏色分 t，存 在許多與識(shí)別無(wú)關(guān)的信息，不便于進(jìn)一步的識(shí)別工作，因此在對(duì)圖像進(jìn)行識(shí)別等處理中經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。 在 RGB模型中，如果 R=G=B，則顏色表示一種灰度顏色，其中 R=G=B的值叫做灰度值 .由彩色轉(zhuǎn)換為灰度的過(guò)程叫做灰度化處理?；叶葓D像就是只有強(qiáng)度信息，而沒(méi)有顏色信息的圖像，存儲(chǔ)灰度圖像只需要一個(gè)數(shù)據(jù)矩陣，矩陣的每個(gè)元素表示對(duì)應(yīng)位置的像素的灰度值。彩色圖像的象素色為 RGB (R, G, B )，灰度圖像的象素色為 RGB ( r, r, r ), R, G, B可由彩色圖像的顏色分解獲得 .而 R, G, B的取值范圍是 0255,所以灰度的級(jí)別只有 256級(jí)?；叶然奶幚矸椒ㄖ饕腥缦氯N : 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 第三章 汽車車牌識(shí)別系統(tǒng)的設(shè)計(jì) 12 (1)最大值法 :使 R. G, B的值等于三值中最大的一個(gè)，即 R=G=B=max(R,G,B) () (2)平均值法 :使 R, G, B的值值等于三值和的平均值，即 R=G=B=3 BGR ?? () (3)加權(quán)平均值法 :根據(jù)重要性或其它指標(biāo)給 R, G, B賦予不同的權(quán)值，并使 R, G, B等于它們的值的加權(quán)和平均，即 R=G=B= 3 W a BW c GW rR ?? () 其中 Wr Wc,Wa，分別為 R, G, B的權(quán)值。由于人眼對(duì)綠色的敏感度最高，對(duì)紅色的敏感度次之，對(duì)藍(lán)色的敏感度最低，當(dāng) Wr=, Wa=, Wc=，能得到最合理的灰度 圖像。 圖 灰度處理 %=========將彩色圖像轉(zhuǎn)換為黑白并顯示 ========= bw=rgb2gray(bw)。figure,imshow(bw)。title(39?；叶葓D像 39。) ； %rgb2gray 轉(zhuǎn)換成灰度圖 b. 傾斜校正 由于拍攝時(shí)鏡頭與牌照的角度、車輛的運(yùn)動(dòng)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(shí)車頭或者鏡頭發(fā)生擺動(dòng)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(shí)別需要進(jìn)行傾斜度校正，否則將無(wú)法進(jìn)行單個(gè)字符的正確分割，字符識(shí)別的誤差率就會(huì)上升。但是若以某個(gè)固定的經(jīng)驗(yàn)值對(duì)所有牌照統(tǒng)一進(jìn)行旋轉(zhuǎn)處理，又會(huì)使原本正常的牌照傾斜，導(dǎo)致新的錯(cuò)誤。因此有必要針對(duì)特定的牌照?qǐng)D像提取其傾斜角度，再加以相應(yīng)的旋轉(zhuǎn)處理。 本文在針對(duì)傾斜角度的圖片采取 rando 算法進(jìn)行傾斜角度計(jì)算，并對(duì)傾斜圖片進(jìn)行修正，從而得到水平方向一致的圖片，有河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 第三章 汽車車牌識(shí)別系統(tǒng)的設(shè)計(jì) 13 利于后期的圖片分割及圖像識(shí)別。 圖 標(biāo)示旋轉(zhuǎn) 角 theta 圖 傾斜校正 %=========圖像傾斜校正主要程序代碼 ========= qingxiejiao=rando_bianhuan(bw)%采取 rando 算法進(jìn)行傾斜角度計(jì)算 bw=imrotate(bw,qingxiejiao,39。bilinear39。,39。crop39。)。figure,imshow(bw)。title(39。傾斜校正 39。)。%取值為 正 值向 左 旋轉(zhuǎn) I=edge(I)。%figure,imshow(I)。 theta = 1:180。 [R,xp] = radon(I,theta)。%旋轉(zhuǎn)，修正圖像 [I,J] = find(R=max(max(R)))。%J 記錄了傾斜角 qingxiejiao=90J。%theta 牌照的二值化處理與去除噪聲 圖像二值化是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。在數(shù)字圖像處理中二值圖像占有很重要的地位。這是因?yàn)?，一方面，有些需要處理的如文字圖像、指河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 第三章 汽車車牌識(shí)別系統(tǒng)的設(shè)計(jì) 14 紋圖像、工程圖紙等圖像本身是二值的；另一方面，在某些情況下即使圖像本身是有灰度的，我們也設(shè)法使它變成二值圖像再進(jìn)行處理（即灰度圖像的二值化）。這是考慮到在實(shí)用系統(tǒng)中，要求處理 的速度高、成本低、信息量大的濃淡圖像處理的花銷大。此外二值化的圖像能夠用幾何學(xué)中的概念進(jìn)行分析和特征描述，比灰度圖像優(yōu)勢(shì)大得多。 在實(shí)際的車牌處理系統(tǒng)中，進(jìn)行圖像二值化的關(guān)鍵使確定合適的閾值，使得字符與背景能夠分割開來(lái)，而且二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會(huì)產(chǎn)生額外的空缺等。同時(shí)車牌識(shí)別系統(tǒng)要求處理的速度高、成本低、信息量大，采用二值圖像進(jìn)行處理，能大大提高處理效率。 灰度處理后的圖像，每個(gè)像素點(diǎn)出都有一個(gè)閾值， 二值化的關(guān)鍵是找到合適的閾值 t 來(lái)區(qū)分對(duì)象和背景。設(shè)原灰 度圖像為 f(x,y)，二值化后的圖像為 g(x,y),二值化的過(guò)程表示如下： 0 f(x,y)t g(x,y)= () 255 f(x,y)t 二值化，基于實(shí)時(shí)性的要求，我力求尋找一種快速而且效果較好 的方法，能夠更有針對(duì)性的解決在不同條件下牌照?qǐng)D像的二值化問(wèn)題。求解閾值的方法很多，微分直方圖法、最大方差法、基于灰度的數(shù)學(xué)期望的方法、可變閾值法等。我們采用最簡(jiǎn)單的方法，當(dāng)象素灰度級(jí)低于常數(shù) t時(shí)， [0t]象素灰度為 0， [t255]象素灰度為 255。 擦除反色 圖 二值化處理、去除噪聲 %=========二值化處理 、 去除噪聲程序 ========= bw=im2bw(bw,graythresh(bw))。%figure,imshow(bw)。 bw=bwmorph(bw,39。hbreak39。,inf)。%figure,imshow(bw)。 河南城建學(xué)院本科畢業(yè)設(shè)計(jì)（論文） 第三章 汽車車牌識(shí)別系統(tǒng)的設(shè)計(jì) 15 bw=bwmorph(bw,39。spur39。,inf)。%figure,imshow(bw)。title(39。擦除之前 39。)。 bw=bwmorph(bw,39。open39。,5)。%figure,imshow(bw)。title(39。閉合運(yùn)算 39。)。 bw = bwareaopen(bw, threshold)。figure,imshow(bw)。title(39。擦除 39。)。 bw=~bw。figure,imshow(bw)。title(39。擦除反色 39。)。 二值化處理后，利用垂直