【導(dǎo)讀】智能交通領(lǐng)域應(yīng)用的重要研究課題之一。在車牌自動識別系統(tǒng)中，首先要將車牌。直接影響車牌識別率。本次設(shè)計采取的是基于邊緣檢測，先從經(jīng)過邊緣提取后的車輛圖像中提。得了較好的定位結(jié)果。

　　

【正文】 此只需要一個卷積掩模來計算。其它近似一階導(dǎo)數(shù)的算子使用幾個掩模。 基于圖像函數(shù)二階導(dǎo)數(shù)過零點(diǎn)的算子 (如： M arr— Hild reth 或 Canny 邊緣檢測算子。 試圖將圖像函數(shù)與邊緣的參數(shù)模型相匹配的箅子。 (二 )第一類梯度算子拉普拉斯 (Laplace)算子 西安工業(yè)大學(xué) 26 通常使用 33的掩模，有時也使用強(qiáng)調(diào)中心象素或其鄰接性的拉普拉斯 算子(這種近似不再具有旋轉(zhuǎn)不變性 )。 拉普拉斯算子的缺點(diǎn)：它對圖像中的某些邊緣產(chǎn)生雙重響應(yīng)。 圖像銳化 (shapeening) 圖像銳化的目的是圖像的邊緣更陡峭、清晰。銳化的輸出圖像 f 是根據(jù)下式從輸入圖像 g 得到的： f(i， j)=g(i， j)c s(i， j)，其中 c 是反映銳化程度的 正系數(shù)，s(i， j)是圖像函數(shù)銳化程度的度量，用梯度箅子來計算， Laplacian 箅子常被用于這一目的。 (三 )第二類梯度算子 二階導(dǎo)數(shù)過零點(diǎn)算子 根 據(jù)圖 像 邊緣處的一階微分 (梯度 )應(yīng)該是極值點(diǎn)的事實(shí)，圖 像 邊緣處的二階微分應(yīng)為零，確定過零點(diǎn)的位置要比確定極值點(diǎn)容易得多也比較精確。右側(cè)是Lena 的過零點(diǎn)檢測結(jié)果。 為抑制噪聲，可先作平滑濾波然后再作二次微分，通常采用高斯函數(shù)作平滑濾波，故有 LoG(Laplacian of Gaussian)算子。 高斯 拉普拉斯 (LoG， Laplacian of Gaussian)算子。噪聲點(diǎn)對邊緣檢測有較大的影響，效果更好的邊緣檢測器是高斯 拉普拉斯 (Lo G)算子。它把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合起來，先平滑 掉噪聲，再進(jìn)行邊緣檢測，所以效果更好。 過零點(diǎn)檢測 在實(shí)現(xiàn)時一般用兩個不同參數(shù)的高斯函數(shù)的差 DoG(Difference ofGaussians)對圖 像 作 卷積 來近 似， 這樣 檢測 來 的邊 緣點(diǎn) 稱為 f(x ， y) 的 過零 點(diǎn)(Zero— crossing)。與前面的微分算子 處 僅采用很小的鄰域來檢測邊緣不同，過零點(diǎn) (Zerocrossing)的檢測所依賴的范 圍 與參數(shù)。有關(guān)，但邊緣位置與 0的選擇無關(guān)，若只關(guān)心全局性的邊緣可以選取比較大的鄰域 (如 0=4時，鄰域接近 40個象素寬 )來獲取明顯的邊緣。過零點(diǎn)檢測更可 靠，不易受噪聲影響 ，但．缺點(diǎn)是對形狀作了過分的平滑，例如會丟失 且 明顯的角點(diǎn)；還有產(chǎn)生環(huán)行邊緣的傾向。 產(chǎn)生環(huán)行邊緣的原因是：圖 像 的邊緣多出現(xiàn)于亮度呈現(xiàn)突起或凹陷的位置上，其附近邊緣法向線條上一階微分會出現(xiàn)兩個極值點(diǎn)，也就是會出現(xiàn)兩個過零點(diǎn)。其整體結(jié)果是邊緣呈現(xiàn)環(huán)行狀態(tài)。 (四 )Canny 邊緣提取 （ 或邊緣檢測 Edge Detection) 在如下的三個標(biāo)準(zhǔn)意義下， Canny 邊緣檢測算子對受閂噪聲影響的階躍型邊緣是最優(yōu)的： 西安工業(yè)大學(xué) 27 1)檢測標(biāo)準(zhǔn) 不丟失重要的邊緣，不應(yīng)有虛假的邊緣； 2)定位標(biāo)準(zhǔn) 實(shí)際邊緣與檢測到的 邊緣位置之間的偏差最小 ； 3)單響應(yīng)標(biāo)準(zhǔn) 將多個響應(yīng)降低為單個邊緣響應(yīng) 。 canny 邊緣檢測算子的提出是基于以下概念： (1)邊緣檢測算子是針對一維信號和前兩個最優(yōu)標(biāo)準(zhǔn) (即檢測標(biāo)準(zhǔn)和定位標(biāo)準(zhǔn) )表達(dá)的，用微積分方法可以得到完整的解； (2)如果考慮第三個標(biāo)準(zhǔn) (多個響應(yīng) )，需要通過數(shù)值優(yōu)化的辦法得到最優(yōu)解，該最優(yōu)濾波器可以有效地近似為標(biāo)準(zhǔn)差為 (的高斯平滑濾波器的一階微分，其誤差小于 20%，這是為了便于實(shí)現(xiàn)；這與 Mar— Hild reth 邊緣檢測算子很相似；它是基于 LoG 邊緣檢測算子的； (3)將邊緣 檢測箅子推廣到兩維情況。階躍邊緣由位置、方向和可能的幅度(強(qiáng)度 )來確定?？梢宰C明將圖 像 與一對稱 2 D Gaussian 做卷積后再沿梯度方向微分，就構(gòu)成了一個簡單而有效的方向算子 (回想一下， LoG 過零點(diǎn)算子并不能提供邊緣方向的信息，因?yàn)樗褂昧?Laplacian 濾波器 )。 (4)由于噪聲引起的對單個邊緣的 (多個 )虛假響應(yīng)通常造成所謂的 “ 紋狀(streaking)問題。一般而言，該問題在邊緣檢測中是非常普遍的。邊緣檢測算子的輸出通常要做閾值化處理，以確定哪些邊緣是突出的。紋狀是指邊緣輪廓斷開的情形，是由算子輸 出超出或低于閾值的波動引起的。紋狀現(xiàn)象可以通過帶滯后的閾值處理 (thresh01ding withhysteresis)來消除；如果邊緣響應(yīng)超過一給定高閾值時，這些象素點(diǎn)構(gòu)成了某個尺度下的邊緣檢測算子的確定的輸出。個別的弱響應(yīng)通常對應(yīng)于噪聲 ，但是如果這些點(diǎn)是與某些具有強(qiáng)響應(yīng)的點(diǎn)連接時，它們很可能是圖 像 中真實(shí)的邊緣。這些連接的象素點(diǎn)在當(dāng)其響應(yīng)超過一給定的低閾值時，就被當(dāng)作邊緣象素。這里的低閾值和高閾值需要根據(jù)對信噪比的估計來確定。 (5)算子的合適尺度取決于圖 像 中所含的物體情況。解決該未知數(shù)的方法是使用多個尺 度，將所得信息收集起來。不同尺度的 Canny 檢測算子由高斯的不同的標(biāo)準(zhǔn)差 (來表示。有可能存在幾個尺度的算子對邊緣都給出突出的響應(yīng) (即信噪比超過閾值 )；在這種情況下，選擇具有最小尺度的算子，因?yàn)樗ㄎ蛔顪?zhǔn)確。特征綜合方法 (Feature synthesis appmach),首先標(biāo)記出所有由最小尺度算子得到的突出邊緣。具有較大尺度 (的算子產(chǎn)生的邊緣根據(jù)它們 (標(biāo)記出的邊緣 )合成得到 (即，根據(jù)從較小的尺度收集到的證據(jù)來預(yù)測較大尺度 (應(yīng)具有的作用效果 )。西安工業(yè)大學(xué) 28 然后將合成得到的邊緣響應(yīng)與較大尺度 (的實(shí)際邊緣響應(yīng)作比較。僅當(dāng) 它們比通過合成預(yù)測的響應(yīng)顯著地強(qiáng)時，才將其標(biāo)記為邊緣。 這一過程可以對一個尺度序列 (從小到大 )重復(fù)進(jìn)行，通過不斷加入較小的尺度中沒有的邊緣點(diǎn)的方式累積起來生成邊緣圖。 以上是對各種算法的解釋，得出： Robert 算子：邊緣定位準(zhǔn)確，但對噪聲敏感，去噪聲作用小，適合與邊緣明顯且噪聲較小的圖像分割； Soble 算子：他是方向性的，在水平和垂直方向上形成了最強(qiáng)烈的邊緣。 Soble 算子不僅能檢測邊緣點(diǎn)，而且能抑制噪聲影響，對灰度漸變和噪聲較多的圖像處理的較好； Prewitt算子： 與 Soble 算子相比，對 噪聲抑制較弱； Laplace 算子：它是一個與方向無關(guān)的各向通行邊緣檢測算子，對細(xì)線和孤立點(diǎn)檢測效果好，但邊緣方向信息丟失，常產(chǎn)生雙像素的邊緣，對噪聲有雙倍加強(qiáng)作用，很少直接用于檢測邊緣。 Canny算子：邊緣檢測的方法是尋找圖像梯度的局部極大值，它使用兩個閾值來分別檢測強(qiáng)邊緣和弱邊緣，而且僅當(dāng)弱邊緣和強(qiáng)邊緣相連時，弱邊緣才會包含在輸出中。 （ 2） 灰度圖像二值化 和灰度圖像一樣，二值圖像只要一個數(shù)據(jù)矩陣，每個像素只取兩個離散的值。實(shí)際上，這兩個值就相當(dāng)于開和關(guān)，對應(yīng)于 white和 black。一個二值圖像時 以 0和 1的邏輯矩陣存儲的。 灰度圖像二值化處理就是將圖像上的點(diǎn)的灰度置為 0或 255，也就是將整個圖像呈現(xiàn)出明顯的黑白效果。即將 256個亮度等級的灰度圖像通過適當(dāng)?shù)拈撝颠x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，而值圖像占有非常重要的地位，要進(jìn)行二值化圖像的處理與分析，首先，要把灰度圖像二值化，得到二值圖像，這樣子有利于在對圖像作進(jìn)一步處理時，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 像素的多級值，使處理變得簡單，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閾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西安工業(yè)大學(xué) 29 值，并且其處在一個具有其他等級灰度值的均勻背景下，適用閾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），可以將這個差別特征轉(zhuǎn)換為灰度的差別，然后利用閾值選區(qū)技術(shù)來分割該圖像。動態(tài) 調(diào)節(jié)閾值實(shí)現(xiàn)圖像的二值化可動態(tài)觀察其分割圖像的具體結(jié)果。 在 MATLAB中，可以用 inshow顯示二值圖像。 圖 效果圖 形態(tài)學(xué)濾波 形態(tài)學(xué)是法國和德國的科學(xué)家在研究巖石結(jié)構(gòu)是建立的一門學(xué)科。形態(tài)學(xué)的用途主要用來獲取物體拓?fù)浜徒Y(jié)果信息，他通過物體和結(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)。人們后來用數(shù)學(xué)形態(tài)學(xué)表示以形態(tài)為基礎(chǔ)對圖像進(jìn)行分析的數(shù)學(xué)工具。它的基本思想是用一個被稱為結(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時，便可考察圖像各個部分間的相互關(guān)系，從而了解圖像各個部分的結(jié)構(gòu)特征。作為探針的結(jié)構(gòu)元素，可直接攜帶知識（形態(tài)大小以及灰度和 色度信息）來探測所研究圖像的結(jié)構(gòu)特征。 形態(tài)學(xué)運(yùn)算針對二值化圖像，并依據(jù)數(shù)學(xué)形態(tài)學(xué)集合論方法發(fā)展起來的圖像處理方法。數(shù)學(xué)形態(tài)起源于巖相學(xué)對巖石結(jié)構(gòu)的定量描述工作，近年來在數(shù)字圖像處理和機(jī)器視覺領(lǐng)域中得到了廣泛的應(yīng)用，形成了一種獨(dú)特的數(shù)字圖像分析方法和理論。 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、圖像分割等圖像處理問題。數(shù)學(xué)形態(tài)學(xué)首先被用來處理二值圖像，后來也被用來處理灰度圖像，現(xiàn)在又有學(xué)者開始用軟數(shù)學(xué)形態(tài)和模糊形態(tài)學(xué)來解決計算機(jī)視覺方面的問題。 通常，形態(tài)學(xué)圖像處理表現(xiàn)為一 種領(lǐng)域運(yùn)算形式。有一種特殊定義的里 ing預(yù)測和能夠?yàn)椤敖Y(jié)構(gòu)元素”，在每個像素位置上它與而制圖相對應(yīng)的區(qū)域進(jìn)行特西安工業(yè)大學(xué) 30 定的邏輯運(yùn)算，運(yùn)算結(jié)果為輸出圖像的相應(yīng)像素。常見的形態(tài)學(xué)運(yùn)算有腐蝕和膨脹兩種。 腐蝕是一種消除邊界點(diǎn)的過程，結(jié)果是是目標(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) 通閾。先付時候膨脹的過程為開運(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。 膨脹是將與物體接觸的所有背景點(diǎn)合并到該物體中，是邊界向外不擴(kuò)張的過程?？梢杂脕硖钛a(bǔ)物體中的空澗。膨脹作用會使物體的邊界向外擴(kuò)張，如果物體內(nèi)部存在小空澗的話，經(jīng)過膨脹操作這些澗被補(bǔ)上，因而不再是邊界了。再進(jìn)行腐蝕作用，外部邊界將改變回原來的樣子。 圖 膨脹后圖片 閉運(yùn)算是 先膨脹再腐蝕，可以去掉目標(biāo)內(nèi)的孔。 先膨脹后腐蝕的過程稱為閉運(yùn)算。它具有填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界的作用。 西安工業(yè)大學(xué) 31 圖 車牌提 取 對二值圖象進(jìn)行區(qū)域提取，并計算區(qū)域特征參數(shù)。進(jìn)行區(qū)域特征參數(shù)比較，提取車牌區(qū)域，經(jīng)根據(jù)先驗(yàn)知識和調(diào)節(jié)中的經(jīng)驗(yàn)，設(shè)定了車牌長款的范圍作為判斷依據(jù)。 （ 1） 首先對圖像每個區(qū)域進(jìn)行標(biāo)記，然后計算每個區(qū)域特征參數(shù)：區(qū)域中心位置，最小包含矩形、面積。 （ 2） 計算除包含所標(biāo)記的區(qū)域的最小寬和高，并根據(jù)先驗(yàn)知識，比較誰的寬高比更接近實(shí)際車牌寬高比，經(jīng)更接近的提取并顯示出來。 西安工業(yè)大學(xué) 32 第四章 字符的分割與 識別 字符分割與歸一化 圖 （ 1）字符分割 字符分割將車牌區(qū) 域分割成單個的字符區(qū)域，每個字符區(qū)域必須是包括單個字符的最小矩形區(qū)。切分越準(zhǔn)確，則后面識別效果越好。車牌字符分割中常用的特征有：字符寬度、字符間距、字符中心間距、字符高度比、字符占有面積比等，可以充分利用車牌字符的這些特征為先驗(yàn)知識對牌照進(jìn)行分割。 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(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識別。字符識別的算法很多，因?yàn)檐嚺谱址g間隔較大，不會出現(xiàn)字符粘連情況，所以此處采用的方法為 尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為 該塊有兩個字符組成，需要分割。 圖 （ 2）字符歸一化 使圖像的某些特征在給定變換下具有不變性質(zhì)的一種圖像標(biāo)準(zhǔn)形式。圖像的[m， n]=size（ d），逐排檢查有沒有白色像素點(diǎn)，設(shè)置 1=jn1，若圖像兩邊 s（ j） =0，則切割，去除圖像兩邊多余的部分 切割圖像上下多余部分 根據(jù)圖像大小，設(shè)置一閾值，檢測圖像的 X軸，若寬度等于這一閾值則切割，分離出 7個字符 歸一化切割出來的字符圖像的大小為 40*20，與模版中字符圖像的大小匹配 西安工業(yè)大學(xué) 33 某些性質(zhì)，例如物體的面積和周長，本來對于坐標(biāo)旋轉(zhuǎn)來說就具有不變的性質(zhì)。在一般情況下，某些因素或變換對圖像一些性質(zhì)的影響可通過歸一化處理得到消除或減弱，從而可以被選作測量圖像的依據(jù)。例如對于光照不可控的遙感圖片，灰度直方圖的歸一化對于圖像分析是十分必要的?；叶葰w一化、幾何歸一化和變換歸一化是獲取圖像不變性質(zhì)的三種歸一化方法。 由于汽車圖像大小不一樣，所以得到 的牌照上的字符大小就不一樣，為了便于字符識別，需要對字符進(jìn)行歸一化處理。歸一化處理的目的就是使車牌字符同標(biāo)準(zhǔn)模板里面的字符特征一樣。歸一化處理分為傾斜校正和大小歸一化，二傾斜度校正前面已經(jīng)調(diào)用 MATLAB工具箱中 imrode函數(shù)，二大小