【文章內(nèi)容簡介】 畢業(yè)設計（論文）說明書 11 圖示 35說明了直方圖均衡化前后的對比。 圖 35 均衡化對比圖 圖像的二值化 一幅圖像包括目標物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標物體，最常用的方法就是設定一個閾值 T，用 T 將圖像的數(shù)據(jù)分成兩部分：大于 T的像素群和小于 T的像素群。這是研究灰度變換的最特殊的方法，稱為圖像的二值化。圖像的二值化，就是將圖像上的像素點的灰度值設置為 0或 255，也就是將整個圖像呈現(xiàn)出明顯的只有黑和白的視覺效果。在數(shù)字圖像處理中，二值圖像 占有非常重要的地位，首先，圖像的二值化有利于圖像的進一步處理，使圖像變得簡單，而且數(shù)據(jù)量減小，能凸顯出感興趣的目標的輪廓。其次，要進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。 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。 閾值方法分為全局閾值和局部閾值兩種，如果分割過程中對圖像上每個像 畢業(yè)設計（論文）說明書 12 素所使用的閾值都相等，則為全局閾值方法；如果每個像素所使用的閾值可能不同，則為局部閾值方法。最佳全局 閾值確定的常用方法一般有下面幾種：試驗法、直方圖法和最小誤差法 (這種方法假設背景和前景的灰度分布都是正態(tài)分布的 )。當光照不均勻、有突發(fā)噪聲，或者背景灰度變化比較大時，整幅圖像分割將沒有合適的單一門限，因為單一的閾值不能兼顧圖像各個像素的實際情況。這時，可對圖像按照坐標分塊，對每一塊分別選一閾值進行分割。 用一初始閾值 T對圖像 A進行二值化得到二值化圖像 B,初始閾值 T的確定方法是 :選擇閾值 T=Gmax(GmaxGmin)/3,Gmax 和 Gmin 分別是最高、最低灰度值。 由于二值化的閾值的成功率會受到光照條件 、背景亮度、車牌條件等諸多因素的影響。受各種條件影響全局閾值化后得到可能得到失敗的圖像，會直接導致定位搜索的失敗。經(jīng)反復試驗證明，閾值的改變會直接影響后面的處理，經(jīng)過不斷的調(diào)試，最終閾值定為 161171 之間效果較好，不同的圖像需要設置不同的閾值，其效果也大不相同。此程序經(jīng)過設置閾值，二值化效果如圖 36所示。 圖 36 二值化效果圖 畢業(yè)設計（論文）說明書 13 本段程序代碼如下： if(iMax1GrayValuelHistogram[i]) { iMax1GrayValue=i。 } else if(iMax2GrayValueiMax1GrayValueamp。amp。iMax2GrayValue1iMax2GrayValueamp。amp。iMax2GrayValue+1iMax2GrayValue) { iMax2GrayValue=i。 } 畢業(yè)設計（論文）說明書 14 中值濾波 中值濾波法是一種非線性平滑技術(shù)，它將每一象素點的灰度值設置為該點某鄰域窗口內(nèi)的所有象素點灰度值的中值。 實現(xiàn)方法： 1：通過從圖像中的某個采樣窗口取出奇數(shù)個數(shù)據(jù)進行排序 2：用排序后的中值取代要處理的數(shù)據(jù)即可 中值濾波法對消除椒鹽噪音非常有效，在光學測量條紋圖象的相位分析處理方法中有特殊作用，但在條紋中心分析方法中作用不大 . 中值濾波在圖像處理中 ,常用于用來保護邊緣信息 ,是經(jīng)典的平滑噪聲的方法。在車輛圖像中，噪聲往往以孤立的點的形式出現(xiàn)，這些點對應的像素數(shù)很少，而圖像則是由像素數(shù)較多、面積較大的小塊構(gòu)成。在一定條件下，可以克服線形濾波器所帶來的圖像細節(jié)模糊，而且對濾波脈沖干擾及圖像的掃描噪聲最為有效。但是對一些細節(jié)多，特別是點、線和尖頂多的圖像不宜采用中值濾波的方法。 中值濾波也是一種局部平滑技術(shù)，在抑制隨 機噪聲的同時使邊沿減少模糊。中值濾波對于一種滑動窗口內(nèi)的諸像素灰度排序，用其中值代替中心像素原來的灰度。假設原圖像的像素如下所示： 則處理過后的圖像的像素變化為： 可以看出其中的 6和周圍的灰度相差很大，在實際的圖像中很有可能就是一個噪聲點，經(jīng)過 3*1 窗口的中值濾波，可以看到中間的噪聲消除了。中值濾 畢業(yè)設計（論文）說明書 15 波的形式有很多種，有行濾波、列濾波以及行列方向的濾波。從上面的分析可以看出，中值濾波容易去除孤立的噪聲點。 圖像經(jīng)過中值濾波后結(jié)果如圖 37所示： 圖 37 中值濾波 后圖像 核心代碼： void CTypeRecView::OnTest13() { // 中值濾波 // 獲取文檔 CTypeRecDoc* pDoc = GetDocument()。 // 指向 DIB 的指針 LPSTR lpDIB。 // 指向 DIB 象素指針 LPSTR lpDIBBits。 // 濾波器的高度 int iFilterH。 // 濾波器的寬度 int iFilterW。 // 中心元素的 X 坐標 int iFilterMX。 畢業(yè)設計（論文）說明書 16 // 中心元素的 Y 坐標 int iFilterMY。 // 鎖定 DIB lpDIB = (LPSTR) ::GlobalLock((HGLOBAL) pDocGetHDIB())。 // 找到 DIB 圖像象素起始位置 lpDIBBits = ::FindDIBBits(lpDIB)。 // 判斷是否是 8bpp 位圖（這里為了方便，只處理 8bpp 位圖的中值濾波，其它的可以類推） if (::DIBNumColors(lpDIB) != 256) {// 提示用戶 MessageBox(目前只支持 256 色位圖的中值濾 波！ , 系統(tǒng)提示 , MB_ICONINFORMATION | MB_OK)。 // 解除鎖定 ::GlobalUnlock((HGLOBAL) pDocGetHDIB())。 // 返回 return。 } // 創(chuàng)建對話框 // 初始化變量值 iFilterH = 5。 iFilterW = 1。 iFilterMX = 0。 iFilterMY = 2。 // 更改光標形狀 BeginWaitCursor()。 // 調(diào)用 MedianFilter()函數(shù)中值濾波 if (myMedianFilter(lpDIBBits, ::DIBWidth(lpDIB), ::DIBHeight(lpDIB), iFilterH, iFilterW, iFilterMX, iFilterMY)) { // 設置臟標記 pDocSetModifiedFlag(TRUE)。 // 更新視圖 pDocUpdateAllViews(NULL)。 } else {// 提示用戶 MessageBox(分配內(nèi)存失??！ , 系 統(tǒng)提示 , MB_ICONINFORMATION | MB_OK)。 畢業(yè)設計（論文）說明書 17 } // 解除鎖定 ::GlobalUnlock((HGLOBAL) pDocGetHDIB())。 // 恢復光標 EndWaitCursor()。 } 車牌區(qū)域定位與分割 從車輛圖像中正確分割出牌照區(qū)域是牌照識別中最為關(guān)鍵的步驟之一。如果牌照定位的效果不好，后面的數(shù)字以及文字字符的分割和識別根本不可能完成。如果定位的效果足夠好，后面的分割和識別工作就相對容易了。牌照定位率是牌照識別的一項重要指標，它直 接關(guān)系到整個系統(tǒng)的成敗。目前，人們提出的車輛牌照定位的方法很多，主要分成兩大類：一是利用圖像的灰度信息，參考的是牌照區(qū)域的文字信息比較豐富，造成牌照區(qū)域的紋理變化比較有規(guī)律，利用牌照區(qū)域的紋理變化檢測出幾個候選牌照區(qū)域，然后去除偽牌照區(qū)域，得到真實的牌照區(qū)域；另一類是利用梯度信息，先對圖像信息進行邊緣檢測，再對邊緣圖像進行形態(tài)學運算，直到尋找到車牌區(qū)域，完成牌照的粗定位，然后用其它的算法實現(xiàn)牌照的精確定位。 還有的一些方法主要是基于彩色車輛圖像進行處理的，因為彩色圖像的顏色信息比較豐富，牌照區(qū)域的顏色信息更 加豐富，利用牌照區(qū)域豐富的顏色信息定位牌照區(qū)域。 車牌特征 車輛牌照定位從圖像處理的意義上來說就是要從一副隨機圖像中找到一塊具有某種特征的區(qū)域圖像，該區(qū)域包含了車牌牌照。這種特征就是牌照本身區(qū)別與圖像的其他部分的特征。 所有牌照圖像都具有一些共同特征，目前可供利用的車牌特征主要包括： 畢業(yè)設計（論文）說明書 18 車牌區(qū)域內(nèi)的邊緣灰度直方圖統(tǒng)計特征；車牌的幾何特征；車牌區(qū)域的灰度分布特征；車牌區(qū)域水平或垂直投影特征；車牌形狀特征和字符排列特征；頻譜特征；車牌的色彩特征。 之所以可以將車輛牌照區(qū)域從整個車輛圖像中定位分割出來 ,是因為牌照區(qū)域有區(qū)別于車輛其它部位的特征 ,包括紋理變化的特征以及顏色的特征等等 ,所有的牌照定位的依據(jù)都是基于這些特征來進行的。根據(jù)中華人民共和國公共安全行業(yè)標準 GA3692，汽車牌照的大小和顏色信息如圖 38 所示： 圖 38 車牌特征 從上面的表格可以看出大多數(shù)的車輛牌照的大小是固定的（臨時入境車除外），而且牌照區(qū)域字符和背景的顏色對比比較明顯，整個牌照區(qū)域相對于車輛其它部位是一個規(guī)整的矩形。對于幾何尺寸為 440*140 的車輛牌照的格式，牌照上的文字由 7 個 字符和一個分隔符橫向水平排列組成，字符高度為 90mm,寬度為 45mm，第二個和第三個字符之間有一個分隔符，字符與字符之間以及字符與分隔符之間的間距為 12mm。車輛牌照的這種特征為車牌準確定位提供了依據(jù)。 車牌分割 由于用攝像機或者數(shù)碼相機采集到的車輛圖像一般都是 24位真彩色圖像 , 畢業(yè)設計（論文）說明書 19 本文采用的圖像處理方法都是基于 256 色灰度圖像進行的 ,首先要求對采集到的真彩色圖像進行灰度化處理；其次 ,因為采集到車輛圖像受到各種環(huán)境因素以及車輛本身狀況的影響，車輛圖像以及牌照區(qū)域的圖像質(zhì)量參次不齊，但是牌照區(qū)域的字 符與背景的顏色差異相對都是比較明顯的。在充分考慮了上述牌照定位的方法后 ,論文的牌照定位方法充分考慮了牌