【文章內(nèi)容簡(jiǎn)介】 邊緣檢測(cè)做更深入工作的系統(tǒng)，它的性能依賴(lài)于邊緣檢測(cè)的誤差 。 B. 對(duì)邊緣的定位要準(zhǔn)確 :檢測(cè)出的邊緣位置和圖像上真正的邊 緣中心位置充分接近 。 C. 對(duì)同一邊緣要有低的響應(yīng)次數(shù)。 Canny 還提出一種對(duì)噪聲進(jìn)行估計(jì)的使用方法。假設(shè)邊緣信號(hào)的響應(yīng)是比較少的而且是比較大的值而噪聲的響應(yīng)是很多但是值相對(duì)較小，那么閾值就可以通過(guò)濾波后的圖像的統(tǒng)計(jì)累積直方圖得到 實(shí)踐數(shù)據(jù)表明取閾值為這個(gè)累積直方圖的 ，而 Matlab 取其 。在 Canny 準(zhǔn)側(cè)的基礎(chǔ)上，人們進(jìn)行了更深入的研究，得到了很多的結(jié)果。 但是僅僅有一個(gè)閾值是不夠的。由于噪聲的影響邊緣信號(hào)響應(yīng)只有差不多一半大于這個(gè)閾值的，由此造成了斑紋現(xiàn)象，也就是邊緣是斷的 .如果我們把這 個(gè)閾值降低，我們往往發(fā)現(xiàn)出現(xiàn)錯(cuò)誤的“邊緣”。為了解決這個(gè)問(wèn)題， Canny 提出一種雙閾值方法。前面利用累計(jì)統(tǒng)計(jì)直方圖得到一個(gè)高閾值 T,，然后再取一個(gè)低閾值 Tz 中使用的是 T2 , 。如果圖像信號(hào)的響應(yīng)大于高閾值，那么它一定邊緣 。如果低于低閾值，那么它一定不是邊緣 。如果在低閾值和高閾值之間，我們就看它的 8 個(gè)鄰接像素有沒(méi)有大大于高閾值的邊緣，如果有，則它是邊緣。 基于彩色圖像的車(chē)牌定位方法 目前的車(chē)牌分割受限于灰度圖像，所以定位效果受陰影和光照條件的限制。由于人類(lèi)視覺(jué)對(duì)彩色信息比較 敏感，人眼能分辨的灰度只有 20 多級(jí)，而分辨的色彩卻有 35000 種，彩色圖像可以提供更多的視覺(jué)信息，有圖像學(xué)者提出了利用車(chē)牌的顏色信息來(lái)搜索牌照，將處理對(duì)象改為彩色圖像以求可以精確地定位車(chē)牌。 比如一些系統(tǒng)采用 BP 神經(jīng)網(wǎng)絡(luò)對(duì)彩色圖像進(jìn)行彩色分割，把每個(gè)像素通過(guò)網(wǎng)絡(luò)學(xué)習(xí)歸類(lèi)為期望的顏色，然后利用水平和數(shù)值直方圖的方法確定牌照的位置，但是當(dāng)車(chē)牌區(qū)域顏色域附近顏色非常相似且牌照傾斜的情況下彩色定位分割錯(cuò)誤將會(huì)增加。 但是基于彩色圖像的定位算法最大的缺點(diǎn)是計(jì)算量和存儲(chǔ)量都比較大，如基于神經(jīng)網(wǎng)絡(luò)的彩色圖像車(chē)牌分割方法， 此方法需要處理好網(wǎng)絡(luò)局部收斂問(wèn)題，定位時(shí)間長(zhǎng)。此外當(dāng)車(chē)牌區(qū)域顏色和附近顏色相似時(shí)，定位錯(cuò)誤增加。 也有一些系統(tǒng)采用彩色邊緣檢測(cè)算子計(jì)算二值邊緣圖像，然后采用形態(tài)學(xué)方法來(lái)生成連通區(qū)域圖像，再進(jìn)行輪廓跟蹤，通過(guò)標(biāo)記候選牌照區(qū)域，得到 n 個(gè)候選牌照區(qū)域，最后對(duì)候選牌照進(jìn)行分析與分解，進(jìn)而提取牌照區(qū)域，但是當(dāng)途中相似顏色區(qū)塊較多時(shí)，定位速度會(huì)急劇下降。 也有的系統(tǒng)首先利用顏色信息對(duì)輸入圖像進(jìn)行彩色粗分割，得到了顏色為車(chē)牌照的一些區(qū)域。然后將分割結(jié)果中的偽目標(biāo)（即除了車(chē)牌區(qū)域以外的區(qū)域）分為兩類(lèi)（一類(lèi)是與汽車(chē)牌照顏色 相近的背景，一類(lèi)是可能與牌照顏色相近的汽車(chē)外殼），分別進(jìn)行處理，最終利用投影法得到準(zhǔn)確的車(chē)牌位置。雖然這種方法的定位率比較準(zhǔn)確，但是識(shí)別速度卻很慢。 這類(lèi)方法一般都是將輸入的 RGB 彩色圖像轉(zhuǎn)換成 HIS 彩色圖像，然后進(jìn)行基于模糊邏輯或神經(jīng)網(wǎng)絡(luò)的色彩分割，再進(jìn)一步定位車(chē)牌，計(jì)算量巨大。目前，基本上處于理論研究階段，隨著計(jì)算機(jī)運(yùn)算速度的提高，應(yīng)該逐步走向?qū)嵱秒A段。 上述 4 種方法中，基于直線檢測(cè)的方法對(duì)我國(guó)車(chē)牌來(lái)講并不完全適用，因?yàn)槲覈?guó)車(chē)牌的懸掛明顯不夠規(guī)范，有些車(chē)牌邊框不夠明顯必然造成定位算法失效，如果結(jié)合別的算 法則需要在本身運(yùn)算量很大的情況下額外增加系統(tǒng)開(kāi)銷(xiāo)。車(chē)牌的最明顯特點(diǎn)是其紋理特征，這樣看來(lái)，在兼顧到實(shí)時(shí)心要求和定位成功率的情況下，基于灰度邊緣檢測(cè)的方法不失為一個(gè)理想選擇。此外，基于顏色（提取像素點(diǎn)）的車(chē)牌定位也是比較普遍的定位方法。 車(chē)牌定位流程 本次畢業(yè)設(shè)計(jì)中所用的方法是基于圖像的特征來(lái)做的，先初步確定車(chē)牌大致區(qū)域，再通過(guò)計(jì)算對(duì)車(chē)牌進(jìn)行精確定位 流程圖如圖 31 所示： 圖 31 車(chē)牌定位流程圖 圖像預(yù)處理 圖像預(yù)處理是車(chē)牌定位的準(zhǔn)備工作，以提高車(chē)牌圖片的適用性。從采集卡獲得的原始圖像不 僅包括車(chē)牌照，而且還有汽車(chē)本身和汽車(chē)背景圖像，因此必須去掉這些非牌照?qǐng)D像的影響，才有可能正確的提取出牌照區(qū)域，為以后的車(chē)牌字符識(shí)別打下基礎(chǔ)。在實(shí)際應(yīng)用中，由于季節(jié)的更替、自然光照度的晝夜變化、光照的穩(wěn)定性與均勻性、車(chē)輛自身的運(yùn)動(dòng)、觀察點(diǎn) 攝像機(jī)的角度、位置、觀察角度等 、采集圖像的設(shè)備本身的因素等的影響， CCD 所獲取的圖像有時(shí)并不令人十分滿(mǎn)意，存在各種各樣的噪聲。因而必須對(duì)圖像進(jìn)行預(yù)處理，以改善圖像質(zhì)量，提高字符識(shí)別率。 灰度變換 灰度圖是指只包含亮度信息，不包含色彩信息的圖像，例如平時(shí)看到的亮度連續(xù)變化 的黑白照片就是一幅灰度圖?；叶然幚砭褪菍⒁环噬珗D像轉(zhuǎn)化為灰度圖像的過(guò)程。彩色圖像分為 R、 G、 B 三個(gè)分量，分別顯示出紅、綠、藍(lán)等各種顏色，灰度化就是使彩色的 R、 G、 B 分量相等的過(guò)程?；叶戎荡蟮南袼攸c(diǎn)比較亮（像素值最大為 255，為白色），反之比較暗（像素值最小為 0，是黑色）。 本次灰度圖像變換的實(shí)現(xiàn)采用了 rgb2gray 函數(shù) rgb2gray：轉(zhuǎn)換 RGB 圖像或顏色映像表為灰度圖像 格式： I rgb2gray RGB I rgb2gray A 原始圖像和灰度圖如圖 3 33 所示： 圖 31 原始圖像 圖 32 灰度圖像 圖像增強(qiáng) 對(duì)車(chē)輛圖像進(jìn)行灰度化處理之后，車(chē)牌部分和非車(chē)牌部分圖像的對(duì)比度并不是很高，此時(shí)如果直接進(jìn)行邊緣提取，由于車(chē)牌界限較為模糊，難以提取出車(chē)牌邊緣，因而難以準(zhǔn)確定位車(chē)牌。為了增強(qiáng)牌照部位圖像和其他部位圖像的對(duì)比度，使其明暗鮮明，有利于提高識(shí)別率，需要將車(chē)輛圖像進(jìn)行增強(qiáng)。 圖像增強(qiáng)的目的是對(duì)圖像進(jìn)行加工，以得到對(duì)具體應(yīng)用來(lái)說(shuō)視覺(jué)效果更適于計(jì)算機(jī)識(shí)別的圖像。增強(qiáng)圖像的方法有很多，如灰度變換、圖像平滑處理和線性濾波等，根據(jù)處理圖像域又可分為空間增強(qiáng)與頻域增強(qiáng)。目前用 于車(chē)牌圖像增強(qiáng)的方法有：灰度拉伸、直方圖均衡、中值濾波、高斯濾波、鄰域?yàn)V波、圖像腐蝕、多圖像平均、同態(tài)濾波等等。 對(duì)原始圖像進(jìn)行開(kāi)操作得到背景圖像： s strel 39。disk39。,13 。%strel 函數(shù) Bgray imopen Sgray,s 。 figure,imshow Bgray 。title 39。背景圖像 39。 。 輸出背景圖像，如圖 33 所示： 圖 33 背景圖像 原始灰度圖像與背景圖像做減法，對(duì)圖像進(jìn)行增強(qiáng)處理： Egray imsubtract Sgray,Bgray 。 figure,imshow Egray 。title 39。增強(qiáng)黑白圖像 39。 。 輸出黑白圖像如圖 34 所示： 圖 34 增強(qiáng)的黑白圖像 3. 4 圖像邊緣提取及二值化 1）邊緣提取 邊緣主要存在于目標(biāo)與目標(biāo)、目標(biāo)與背景、區(qū)域與區(qū)域（包括不同色彩）之間，邊緣檢測(cè)主要是精確定位邊緣和抑制噪點(diǎn)，原理是：由于微分算子具有突出灰度變化的作用，對(duì)圖像進(jìn)行微分運(yùn)算，在圖像邊緣處及其灰度變化較大，故該處微分計(jì)算值較高，可將這些為分支作為相應(yīng)點(diǎn)的邊緣強(qiáng)度，通過(guò)閾值判別來(lái)提取邊緣點(diǎn)，即如果為分支大于閾值，則為邊緣點(diǎn)。其基本步驟是首先利 用邊緣增強(qiáng)算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強(qiáng)度”，通過(guò)設(shè)置門(mén)限的方法提取邊緣點(diǎn)集。 常用的傳統(tǒng)邊緣檢測(cè)算子有 Robert 算子、 Sobel 算子、 Prewitt 算子、Laplace 算子和 Canny 算子 [9]。 Robets 算子：邊緣定位準(zhǔn)確，但對(duì)噪聲敏感，去噪聲作用小，適合于邊緣明顯且噪聲較小的圖像分割； Sobel 算子：它是方向性的，在水平和垂直方向上形成了最強(qiáng)烈的邊緣。Sobel 算子不僅能檢測(cè)邊緣點(diǎn)，而且能抑制噪聲影響，對(duì)灰度漸變和噪聲較多的圖像處理得較好； Prewitt 算子： 與 Sobel 算子相比，對(duì)噪聲抑制較弱； Laplace 算子：它是一個(gè)與方向無(wú)關(guān)的各向通行邊緣檢測(cè)算子，對(duì)細(xì)線和孤立點(diǎn)檢測(cè)效果好，但邊緣方向信息丟失，常產(chǎn)生雙像素的邊緣，對(duì)噪聲有雙倍加強(qiáng)作用，很少直接用于檢測(cè)邊緣； Canny 算子：邊緣檢測(cè)的方法是尋找圖像梯度的局部極大值，它使用兩個(gè)閾值來(lái)分別檢測(cè)強(qiáng)邊緣和弱邊緣，而且僅當(dāng)弱邊緣和強(qiáng)邊緣相連時(shí)，弱邊緣才會(huì)包含在輸出中。 通過(guò)實(shí)驗(yàn)圖對(duì)幾種邊緣檢測(cè)算子進(jìn)行仿真（圖 35 至 38），可知： ① Roberts 算子定位比較準(zhǔn)確，但由于不包括平滑，所以對(duì)噪聲比較敏感。 ② Prewitt 算子和 Sobel 算子都是一階的微分算子，而前者是平均濾波，后者是加權(quán)平均濾波，對(duì)噪聲具有一定的抑制能力，但不能完全排除檢測(cè)結(jié)果中出現(xiàn)偽邊緣。該類(lèi)算子對(duì)灰度漸變和具有噪聲的圖像處理比較好。其中 Sobel算子比 Prewitt 算子更能抑制噪聲的影響。 ③ Canny 算子同樣采用高斯函數(shù)對(duì)圖像做平滑處理，因此具有較強(qiáng)的去噪能力，但同樣存在容易平滑掉一些邊緣信息。同時(shí)它所采用的一階微分算子的方向性較好，因此邊緣定位準(zhǔn)確性較高。 圖 35 Robert 算子 圖 36 Prewitt 算子 圖 37 Sobel 算子 圖 38 Canny 算子 結(jié)論分析：通過(guò)邊緣檢測(cè)仿真結(jié)果圖可見(jiàn)，幾個(gè)邊緣檢測(cè)算子都可以較好的提取所需的車(chē)牌邊緣。為了車(chē)牌的定位，希望車(chē)輛圖像的車(chē)牌區(qū)域突現(xiàn)出來(lái)的同時(shí)，其它邊緣能夠很好的得到抑制。 Canny 算子提取邊緣能有效地檢測(cè)出車(chē)牌區(qū)域的紋理特征，所以，本次設(shè)計(jì)選用 Canny 算子。 2）灰度圖像二值化 灰度圖像的二值化處理就是圖像上的點(diǎn)的灰度置為 0 或 255，也就是整個(gè)圖像呈現(xiàn)出明顯的黑白效果。即將 256 個(gè)亮度等級(jí)的灰度圖像通過(guò)適當(dāng)?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像 。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，要進(jìn)行二值圖像的處理與分析，首先 要把灰度圖像二值化，得到二值化圖像，這樣子有利于再對(duì)圖像做進(jìn)一步處理時(shí)，圖像的集合性質(zhì)只與像素值為 0 或 255 的點(diǎn)的位置有關(guān)，不再涉及像素的多級(jí)值，使處理變得簡(jiǎn)單，而且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為 255 表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為 0，表示背景或者例外的物體區(qū)域。如果某特定物體在內(nèi)部有均勻一 致的灰度值，并且其處在一個(gè)具有其他等級(jí)灰度值的均勻背景下，使用閥值法就可以得到比較的分割效果。如果物體同背景的差別表現(xiàn)不在灰度值上（比如紋理不同），可以將這個(gè)差別特征轉(zhuǎn)換為灰度的差別，然后利用閥值選取技術(shù)來(lái)分割該圖像。動(dòng)態(tài)調(diào)節(jié)閥值實(shí)現(xiàn)圖像的二值化可動(dòng)態(tài)觀察其分割圖像的具體結(jié)果 本文參考《數(shù)字圖像處理與分析》介紹的圖像二值化最佳閾值計(jì)算方法： Level f1 f1fmin1 /3 式中 Level 為最佳閥值， f 為最大灰度， fmin 為最小灰度，將圖像二值化： f1 double Egray 。 %egray 的最大值并輸出雙精度型 fmin1 double min min Egray 。 %egray 的最小值并輸出雙精度型 level f1 f1fmin1 /3 /255。 %獲得最佳閾值 bw22 im2bw Egray,level 。 %轉(zhuǎn)換圖像為二進(jìn)制圖像 bw2 double bw22 。 figure,imshow bw2 。title 39。圖像二值化 39。 。 %得到二值圖像，如圖 39： 圖 39 圖像二值化 3. 5 形態(tài)學(xué)濾波 形態(tài)學(xué)是法國(guó)和德國(guó)的科學(xué)家在研究巖石結(jié)構(gòu)時(shí)建立的一門(mén)學(xué)科。形態(tài)學(xué)的用途主要用來(lái)獲取物體拓?fù)浜徒Y(jié)果信息，他通過(guò)物體和結(jié)構(gòu)元素相互作用的某些運(yùn)算，得到物體更本質(zhì)的形態(tài)。人們后來(lái)用數(shù)學(xué)形態(tài)學(xué)表示以形態(tài)為基礎(chǔ)對(duì)圖像進(jìn)行分析的數(shù)學(xué)工具。他的基本思想是用一個(gè)被稱(chēng)為結(jié)構(gòu)元素的探針收集圖像的信息。當(dāng)探針在圖像中不斷移動(dòng)時(shí)，便可考察圖像各個(gè)部分間的相互關(guān)系，從而了解圖像各個(gè)部分的結(jié)構(gòu)特征。作為探針的結(jié)構(gòu)元素，可直接攜帶知識(shí)（形態(tài)大小以及灰度和色度信息）來(lái)探測(cè)所研究圖像的結(jié)構(gòu)特征。 數(shù)學(xué)形態(tài)是一種非線性濾波的方法，可以用于抑制噪聲，進(jìn)行特征提取、邊緣檢測(cè)、圖像分割等圖像處理問(wèn)題 [4]。數(shù)學(xué)形態(tài)學(xué)首先被用來(lái)處理二值圖像，后來(lái)也被用來(lái)處理灰度圖像，現(xiàn)在又有學(xué)者開(kāi)始用軟數(shù)學(xué)形態(tài)學(xué)和模糊形態(tài)學(xué)來(lái)解決計(jì)算機(jī)視覺(jué)方面的問(wèn)題。 腐蝕是一種消除邊界點(diǎn)的過(guò)程，結(jié)果是使目標(biāo)縮小，空洞增大，因而可有效地消除孤立噪聲點(diǎn)；膨脹是將于目標(biāo)物體接觸的所有背景點(diǎn)合并到物體中的過(guò)程，結(jié)果是使目標(biāo)增大，孔洞減小，可填補(bǔ)目標(biāo)物體中的空洞，形成聯(lián)通域。先腐蝕后膨脹的過(guò)程為開(kāi)運(yùn)算，它具有消除細(xì)小物體，并在纖細(xì)處分離物體和平滑較 大物體邊界的作用；先膨脹后腐蝕的過(guò)程為閉運(yùn)算，具有填充物體內(nèi)細(xì)小空洞，連接臨近物體和平滑邊界的作用。 本次畢業(yè)設(shè)計(jì)是運(yùn)用了這種方法來(lái)實(shí)現(xiàn)其中重要步驟的。對(duì)圖像做了開(kāi)運(yùn)算和閉運(yùn)算，這兩種運(yùn)算是數(shù)學(xué)形態(tài)學(xué)中的重要運(yùn)算。開(kāi)運(yùn)算就是對(duì)圖像先進(jìn)行腐蝕，然后在用同一結(jié)構(gòu)元素對(duì)圖像進(jìn)行膨脹運(yùn)算。閉運(yùn)算就是反過(guò)來(lái)，先對(duì)圖像膨脹再腐蝕。閉運(yùn)算可以使圖像的輪廓線更為光滑，它通常用來(lái)消掉狹窄的間斷和長(zhǎng)細(xì)的鴻溝，消除小的孔洞，并彌補(bǔ)輪廓中的斷裂。 濾波處理： bg1 imclose grd,strel 39。rectang