【文章內(nèi)容簡介】 代表，例如：湘 A 代 表湖南長沙、湘 B代表湖南株洲。后面五位是由 0~9 和 A~Z（除去 O 和 I）一共是 34 種字符。 我國標準小型車采用藍底白字的車牌，輪廓尺寸為 440mm 140mm，寬和高比例近似為 3:1。車牌中的每個字符居中分布在一個寬度是 45mm，高度是 90mm 的矩形范圍內(nèi)，字符間隔為 12mm，因為第二和第三字符間存在一個 10mm 的間隔符，因此，二、三字符的間隔為 22mm。 如圖 所示。 圖 車牌的規(guī)格 湖南工業(yè)大學本科畢業(yè)設計（論文） 7 車牌圖像去噪 車牌圖像 去噪目的是為了改善車牌圖像的質(zhì)量，減少圖片上的噪聲干擾 。在獲取到的車牌圖像中第一步就要先消除噪聲干擾。經(jīng)常影響圖片質(zhì)量的噪聲源可分為三類。首先，記錄在感光片上的圖像會受到感光顆粒噪聲的影響；其次圖像從光學到電子形式的轉(zhuǎn)換是一個統(tǒng)計過程，這是因為每個圖像像素接收到的光子數(shù)目是有限的；最后處理信號的電子放大器會引入熱噪聲 [8]。 這三種噪聲都有相應的數(shù)學模型，主要是要對噪聲進行濾除，濾波的方法有許多種，例如中值濾波、變換域濾波 、小波去噪等等。這些濾波方法在文獻 [7]、 [8]、 [9]中有詳細說明 . 中值濾波也稱為中值平滑是一種空間域非線性濾波技術(shù) ，它能夠在濾除噪聲的同時保持邊緣 不被模糊。中值濾波的做法是以處理窗內(nèi)原灰度值得“中值”作為“窗口”中心處的新值。不論孤立噪聲有多大，都可以被徹底濾除；若噪聲不是孤立的，有可能就無法濾除，總之若像素變化的空間尺寸不大于窗寬的一半，則可用中值濾波完全濾除 。如果原圖中本身就含有這類像素，也會被濾除掉，因此，在選擇窗的大小是應盡量在去除噪聲的同時又能保留圖像中的細節(jié)。 中值濾波器是最常用的非線性濾波技術(shù)，它是一種領域運算，類似于卷積，但是計算的不是加權(quán)求和，而是把領域中的像素按灰度級進行排序，然后選擇該組的中間值作為輸出像素值。對于一個 N N的中 值濾波器（ N 為奇數(shù)），若某輸入像素的灰度級大于或等于領域中 2( 1)/2N ? 個像素的灰度級，則該像素的灰度級就作為輸出灰度級。中值濾波器計算一般來說比卷積運算要慢，這是由于它需要對領域中的所有像素按灰度級排序。和相近的低通線性濾波器相比，中值濾波器能夠在衰減隨機噪聲的同時不使邊界模糊。一般來說小于中值濾波器面積一半的亮或暗的物體基本上會被濾掉，而較大的物體則幾乎會原封不動地保存下來。因此中值濾波器的空間尺度必須根據(jù)遇到的問題不同而進行相應的調(diào)整。指導中值濾波器設計的理論要 比指導線性濾波器設計的理論少得多，所以用實驗代替分析。 車牌 圖像的灰度化和二值化 在進行視頻流目標識別與跟蹤時，通常第 一 個步驟就是對采集到的彩色圖像進行灰度化，這是因為黑白照片數(shù)據(jù)量小，相比彩照更易實現(xiàn)實時算法，另一方面黑白照片是由未處理的光線所形成的照片，因此從圖像處理學角度 來看，這種未經(jīng)特殊濾光處理的圖片所涵蓋的信息更有價值 。 目前，在圖像處理過程中，最常用的彩色圖片格式有 RGB， HSV、 YUV 以及 HLS 三種。以下分別對這三種格式的彩色圖像進行灰度化實現(xiàn) 。 （ 1） RGB 空間圖像 定義于 RGB 空 間的彩色圖，其每個像素點的色彩由 R、 G、 B 三個分量共同決定。每湖南工業(yè)大學本科畢業(yè)設計（論文） 8 個分量在內(nèi)存所占的位數(shù)共同決定了圖像深度，即每個像素點所占的字節(jié)數(shù)。以常見的24 深度彩色 RGB 圖來說，其三個分量各占 1個字節(jié)，這樣每個分量可以取值為 0~255，這樣一個像素點可以有 1600 多萬（ 255*255*255）的顏色的變化范圍。對這樣一幅彩色圖來說，其對應的灰度圖則是只有 8 位的圖像深度（可認為它是 RGB 三個分量相等），這也說明了灰度圖圖像處理所需的計算量確實要少。不過需要注意的是，雖然丟失了一些顏色等級，但是從整幅圖像的整體和局部的色彩以 及亮度等級分布特征來看，灰度圖描述與彩色圖的描述是一致的。 對于 RGB 圖像進行灰度化，通俗點說就是對圖像的 RGB 三個分量進行加權(quán)平均得到最終的灰度值。最常見的加權(quán)方法如下 五種 ： 1) G r a y B G r a y G G r a y R? ? ?； ； 2) ? ?G ra y m a x B G R? ? ? 3） ? ?G ray B G R / 3? ? ? 4） G r a y 0 . 0 7 2 1 6 9 B 0 . 7 1 5 1 6 0 G 0 . 2 1 2 6 7 1 R? ? ? 5) G r a y 0 . 1 1 B 0 . 5 9 G 0 . 3 R? ? ? 這 五 種方法中，第一種為分量 法，即用 RGB 三個分量的某一個分量作為該點的灰度值；第二種方法為最大值法，將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。第三種方法將彩色圖像中的三分量亮度求平均得到一個灰度圖；后兩種都是屬于加權(quán)平均法，其中第四種是 OpenCV 開放庫所采用的灰度權(quán)值，第五種為從人體生理學角度所提出的一種權(quán)值（人眼對綠色的敏感最高，對藍色敏感最低）。 （ 2）他顏色空間的灰度化 關(guān)于 YUV 空間的彩色圖像，其 Y 的分量的物理意義本身就是像素點的亮度，由該值反映亮度等級，因此可根據(jù) RGB 和 YUV 顏色空間的變化關(guān)系建立亮度 Y與 R、 G、 B 三個顏色分量的對應： Y=++，以這個亮度值表達圖像的灰度值。 二值化處理是一種將圖像變?yōu)橹挥泻诎變缮亩祱D像的灰度處理方法，對圖像進行二值化處理是接下來對車牌字符進行分割的關(guān)鍵步驟。二值化的關(guān)鍵是閾值的選取，選擇恰當?shù)拈撝?，不僅能夠有效去除圖像噪聲的干擾，而且能夠使整個圖像被明顯地劃分成目標和背景兩個部分，進而把圖像特征清晰的突顯出來，以減少信息量，提高處理速度。 通?？蓪㈤撝档倪x取方法分為全局閾值法和部分閾值法兩種。全局閾值法，是用同一閾值對整個圖像中的每個像素進行二值 化。常用的方法有直方圖變化法、 Otsu 算法等；而局部閾值法則是對圖像中的每個像素使用不同的閾值。當圖像的灰度直方圖呈雙峰，或圖像的目標灰度和背景灰度分離明顯，使用全局閾值方法處理圖像速度較快而且效果較好。 湖南工業(yè)大學本科畢業(yè)設計（論文） 9 字符 分割 圖像分割是圖像識別工作的基礎，圖像分割是將圖像分成一些有意義的區(qū)域，然后對這些有意義的區(qū)域進行描述，相當于提取出某些目標區(qū)域圖像的特征，判斷圖像中是否有感興趣的目標。圖像分割的基礎是像素間的相似性和跳變性。所謂“相似性”是指在某個區(qū)域內(nèi)像素具有某種相似的特性，如灰度一樣，紋理相同；所謂 “跳變性”是指特性不連續(xù)，如灰度值突變等。從總體上來說，圖像分割就是 把 圖像分成若干有意義的區(qū)域的處理技術(shù)。這些區(qū)域互不相交疊，每一個區(qū)域內(nèi)部 的某種特性或特征相同或接近，而不同區(qū)域間的圖像特征則有明顯差別 ，即同一區(qū)域內(nèi)部特性變化平緩，相對一致，而區(qū)域邊界處則特性變化比較劇烈。區(qū)域內(nèi)是一個所有像素都有相鄰或相接觸的像素的集合，是像素的連通集。在一個連通集中任意兩個像素之間，都存在一條完全由這個集合的元素構(gòu)成的連通路徑。連通路徑是一條可在相鄰像素間移動的路徑。 圖像分割的度量準則不是惟一的，它與應用場景圖像及應用 目的有關(guān)，用于圖像分割的場景圖像特征信息有亮度、色彩、紋理、結(jié)構(gòu)、溫度、頻譜、運動、形狀、位置、梯度和模型等。由于圖像的多義性和復雜性，許多分割的工作無法依靠計算機自動完成，而手工分割 又存在工作量大，定位不準確的難題，因此，人們提出了一些人工交互和計算機自動定位相結(jié)合的方法，利用各自的優(yōu)勢，實現(xiàn)目標輪廓的快速定位。圖像分割的方法又多種，依據(jù)工作對象來分，可分為點相關(guān)分割和區(qū)域相關(guān)分割；按照算法分類，可分為閾值法、界限檢測法、匹配法、跟蹤法等。近年來出現(xiàn)了一些新的算法和設想。如先使用經(jīng)典的邊緣檢測算子對圖像做 初步的邊緣檢測，然后再利用邊緣之間空間結(jié)構(gòu)關(guān)系來協(xié)調(diào)，增強初始檢測結(jié)果。 經(jīng)典提取算法通過首先對原圖像進行平滑，再進行邊緣檢測能較成功地檢測出真正的邊緣。在邊緣檢測之后，找出目標物體的輪廓，進行目標物體的分析、識別、測量等。這些內(nèi)容在數(shù)字圖像處理應用中，有著廣泛的用途。 借助集合的概念可以將圖像分割進行定義如下， 設一幅數(shù)字圖像中所有像素的集合為 R， P 為邏輯謂詞（分類準則），則圖像分割將 R分成 N 個子集 ? ?12, , , Ns s s ，這些子集滿足： 1）1Nii sR? ?； 2） ijss?? ，其中 ij? ； 3） ()jP s TRUE? ； 4）對于 ij? ， ()ijP s s FALSE? ； 5）相對于 is 的那個區(qū)域是連通的。 其中，條件 2）表示分割結(jié)果中的每個子區(qū)域是互不重疊的。條件 3）表示同一個子區(qū)域內(nèi)部具有相似的特性。 條件 4）表示不同的子區(qū)域具有不同的特性。 根據(jù)像素特性在目標區(qū)域內(nèi)部性質(zhì)一致性和區(qū)域邊界上不連續(xù)性，分割算法可分為基于邊緣的分割算法和基于區(qū)域的分割算法。 湖南工業(yè)大學本科畢業(yè)設計（論文） 10 邊緣檢測 圖像邊緣是圖像基本特征之一。邊緣可以定義為圖像局部特性的不連續(xù)性，例如，灰度的突變，顏色的突變，紋理結(jié)構(gòu)的突變等等。邊緣通常意味著一個區(qū)域的終結(jié)和另一個區(qū)域的開始。邊緣信息對信息分析和人的視覺都是很重要的。邊緣的檢測常借助空域微分算子進行，通過微分模板與圖像卷積完成。 如果一個像素落在圖像中某一個物體的邊界上，那么它的領域?qū)?成為一個灰度級變化的帶。對這種變化最有用的兩個特征是灰度的變化率和方向，他們分別以梯度向量的幅度和方向來表示。邊緣檢測算子檢查每個像素的領域并對灰度變化率進行量化，通常也包括方向的確定。有若干種方法可以使用，其中大多數(shù)是基于導數(shù)掩模求卷積的方法。 1） Robert 邊緣檢測算子 Robert 邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子。它由下式給出出： ? ? 1 / 222( , ) ( , ) ( 1 , 1 ) ( 1 , ) ( , 1 )g x y f x y f x y f x y f x y? ? ? ?? ? ? ? ? ? ? ?? ? ? ? 其中 ( , )f xy 是具有整數(shù)像素坐標的輸入圖像。其中的平方 根運算使該處理類似于人類視覺系統(tǒng)中發(fā)生的過程。 2） Sobel 邊緣檢測算子 如圖所示的兩個卷積核形成了 Sobel 邊緣算子。圖像中的每個點都用這兩個核做卷積。一個核對通常的垂直邊緣響應最大而另一個對水平邊緣響應最大。兩個卷積的最大值作為該點的輸出值。運算結(jié)果是一幅邊緣幅度圖像。 1 2 101 20 01 1 0 1 2 1 00 21 圖 Sobel邊緣檢測算子 3） Prewitt 邊緣檢測算子 如圖所示的兩個卷積核形成了 Prewitt 邊緣算子。與使用 Sobel 算子的方法一樣，圖像中的每個點都用這兩個卷 積核進行卷積，取最大值作為輸出。 Prewitt 算子也產(chǎn)生一幅邊緣幅度圖像。 湖南工業(yè)大學本科畢業(yè)設計（論文） 11 1 1 101 10 011 0 111 00 1 1 圖 Prewitt邊緣檢測算子 4） 閾值分割 閾值分割算法是圖像分割中算法數(shù)量最多的一類，閾值話分割技術(shù)是基于下列假設的：每個區(qū)域是由許多灰度值相近的像素構(gòu)成的，物體和背景之間或不同物體之間的灰度值有明顯地差別，這樣可以通過區(qū)域之來區(qū)分。待分割圖像的特性越接近于這個假設，用這個方法分割的效果越好。 該分割技術(shù)的基本原理是確定一個處于圖像灰度變化范圍內(nèi)的灰度閾值 T，讓后 把圖像中每一個像素的灰度和這個閾值 T 相比較，并且根據(jù)一定規(guī)則將像素分為兩類，例如：把灰度值大于閾值的像素歸為一類；像素值小于閾值的像素歸為另一類。不同的像素一般屬于圖像中不同的區(qū)域，這樣根據(jù)閾值對像素進行分類即可以達到區(qū)域分割的目的。閾值分割算法可分為兩個步驟： 1）根據(jù)一定的規(guī)則確定適當?shù)姆指铋撝担? 2）將該閾值和像素值相比較來分類像素。 在上述步驟中， 確定適當?shù)拈撝凳窃摲指钏惴ǖ年P(guān)鍵。閾值 T的正確選擇對于正確檢測目標是十分重要的，直接關(guān)系到分割精度。要特別注意的是，閾值分割時只要考慮了像素的本身值，未考 慮像素的空間位置。因此根據(jù)閾值劃分同一類的像素可能屬于圖像中不連通的區(qū)域，這時，通常需要借助于其他一些方法來進一步確定目標區(qū)域。 字符 切 割 字符分割 是將車牌圖像的七個字符分割成一個個獨立的字符 圖像。字符分割時識別的基礎，分割的好壞直接影響到識別的效果。 而大致的分割方法有如下幾種： 1）直接分割法即基于車牌字符的規(guī)格來分割的，其優(yōu)點是方便簡單，局限在于需要找到精準分割點。 2）基于投影法的分割方法即基于對二值圖像像素的列進行疊加，也就是對車牌進行水平投影。這樣就得到投影圖像，而投影圖像就會出現(xiàn)波峰 和波谷，而 最低的谷底就是要找的分割點。此方法主要優(yōu)點在于程序邏輯設計簡單，便于設計程序。 但是由于車湖南工業(yè)大學本科畢業(yè)設計（論文） 12 牌字符中的漢字有些并不連通，投影法也存在著一些問題。 3） 上述兩種辦法是基本的字符切割方法，但都是有缺點的，可以結(jié)合兩種辦法來設計一種辦法。由于投影法存在問題主要是由漢字的不連通性造成的，那么可以根據(jù)直接分割原理大約估計第一個字符的寬度，在利用投影方法進行切割，當?shù)谝粋€