【正文】 h 是兩區(qū)域的坐標(biāo)按照公式(38) 計(jì)算得到的最小值，得到這兩個(gè)值后通過與設(shè)定的閾值做比較來確定是否對(duì)于這兩個(gè)區(qū)域進(jìn)行合并，本論文中系統(tǒng)用的閾值是 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 23 頁T1=，T2=1/20，如果 Same= T1 且 h=width*T2(width 是圖像的寬度)，則認(rèn)為這兩個(gè)區(qū)域可以合并，然后將這兩個(gè)區(qū)域連通合并起來，并且記錄合并后的新區(qū)域的坐標(biāo)。 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 22 頁 (36) (21)/()xy?在保存完各個(gè)區(qū)域的相關(guān)坐標(biāo)后，緊接著進(jìn)行的就是區(qū)域合并，這個(gè)區(qū)域合并的依據(jù)是：利用記錄的各個(gè)區(qū)域，對(duì)每個(gè)區(qū)域進(jìn)行掃描，掃描的原則是對(duì)于每?jī)蓚€(gè)區(qū)域的四點(diǎn)坐標(biāo)進(jìn)行數(shù)學(xué)運(yùn)算，得到的結(jié)果與先驗(yàn)知識(shí)中的閾值進(jìn)行比對(duì)，如果在閾值范圍內(nèi)就合并此區(qū)域，記錄下合并后區(qū)域新坐標(biāo)，涉及的數(shù)學(xué)運(yùn)算表達(dá)式見(37)和(38)。在基于膨脹處理過后，本系統(tǒng)又緊接著進(jìn)行的是腐蝕處理，對(duì)比圖如圖 34 所示。 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 20 頁 (35)()AB????閉合運(yùn)算與開啟運(yùn)算過程相反，先用結(jié)構(gòu)元素 B 對(duì)圖像 A 進(jìn)行膨脹，然后再用B 對(duì)膨脹結(jié)果做腐蝕操作。1．開啟運(yùn)算，記為 對(duì)于整數(shù)空間中的集合 A 和集合 B，B 對(duì) A 的開啟運(yùn)算定?義式如(34)所示。? (33)??()xAB???也就是說，A 被 B 腐蝕的結(jié)果為所有使 B 被 平移后包含于 A 的點(diǎn) 的集合。于是以上定義可變?x成公式(32)。 膨脹運(yùn)算A、B 為 中的集合， 為空集， 為 B 的映像，A 被 B 膨脹，記為 ,2Z?? AB?為?膨脹算子，膨脹定義如公式(31)。在 MATLAB 工具箱中膨脹和腐蝕操作的結(jié)構(gòu)元素對(duì)象稱做 Strel 對(duì)象。對(duì)應(yīng)的添加和移除像素點(diǎn)數(shù)依賴于處理圖像結(jié)構(gòu)元素矩陣大小和形式。它體現(xiàn)了邏輯推理與數(shù)學(xué)演繹的嚴(yán)謹(jǐn)性，又要求具備與實(shí)踐密切相關(guān)的實(shí)驗(yàn)技術(shù)與計(jì)算技術(shù)。 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 16 頁開始原彩色圖像輸入原彩色圖像轉(zhuǎn)換為灰度圖像將灰度圖像進(jìn)行線性拉伸對(duì)拉伸過灰度圖像進(jìn)行邊緣檢測(cè)結(jié)束圖 26 車牌定位前期預(yù)處理的流程圖第 3 章 車牌區(qū)域定位的實(shí)現(xiàn)通過第二章車牌定位前期預(yù)處理的準(zhǔn)備，我們從經(jīng)過線性拉伸后的灰度車牌圖像中提取出了邊緣。 (26)(:,1)(:,fifi???? 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 15 頁 a) 經(jīng)拉伸后的灰度圖像 b) 經(jīng)過邊緣檢測(cè)后的圖像圖 25 灰度圖像進(jìn)行邊緣檢測(cè)從圖 25 b)中可以看出來，通過改進(jìn)后的邊緣檢測(cè)，原灰度圖像中的很多背景因素就被徹底去除或削弱了，而原灰度圖像中的車牌仍然存在，這就為后續(xù)的處理提供了很大的方便。于是利用邊緣提取來壓縮信息量，簡(jiǎn)化圖像分析。兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在著邊緣，物體的邊緣是以圖像局部特性的不連續(xù)性形式出現(xiàn)的，圖像的邊緣檢測(cè)是車牌定位中提取車牌邊緣的一個(gè)重要屬性。n基于前面介紹的關(guān)于灰度圖像線性拉伸的理論方法，本論文中則選用的是式(24)所示的線性灰度變換的方法，其未經(jīng)拉伸和經(jīng)過線性拉伸的對(duì)比圖如圖 23 所示。m Ominf?axff 圖 22 線性拉伸示意圖從圖 22 可以看出，進(jìn)行線性拉伸前，圖像灰度集中在 之間，而進(jìn)行線性],[nm拉伸后，圖像灰度集中在 之間。對(duì)于 8 位灰度圖像則有公式(24)。線性拉伸采用的一般公式為(22)所示。灰度變換增強(qiáng)的原理是：在圖像空間進(jìn)行的灰度變換是一種點(diǎn)處理方法，它將輸入圖像中的每個(gè)像素 的灰度值 ，通過映射函數(shù) T( )，變換成輸出圖),(yx),(yxf ?像中的灰度值 ，即公式(21)所示。本論文中通過利用 MATLAB 中 rgb2gray 函數(shù)將真彩色圖像轉(zhuǎn)換成灰度圖像，該函數(shù)的調(diào)用格式是：I= rgb2gray(RGB)。像素的顏色由保存在像素位置上的紅、綠、藍(lán)的灰度值組合來確定。 真彩色到灰度圖像的轉(zhuǎn)換為了從靜止的彩色圖像中定位出車牌，首先把真彩圖像轉(zhuǎn)化為灰度圖像，原因是在真彩色圖像中，由于受到光照條件、車牌顏色的不固定及復(fù)雜的背景等不確定因素的影響，致使用灰度圖像要方便一些，同時(shí)為后續(xù)的邊緣檢測(cè)和圖像處理提供了方便。車牌未能正確定位，后面的幾個(gè)模塊也就無從談起，車牌定位的不準(zhǔn)確對(duì)車牌識(shí)別系統(tǒng)來說是災(zāi)難性的，它可以導(dǎo)致整個(gè)識(shí)別過程的失敗。第四章，是對(duì)于本文中的算法進(jìn)行適當(dāng)?shù)母倪M(jìn)，以此來提高對(duì)于車牌定位的精度，并且對(duì)于各種不同背景圖像定位給以處理效果分析，同時(shí)在本章的最后對(duì)于本文中的車牌定位系統(tǒng)進(jìn)行了定位準(zhǔn)確性和圖像處理時(shí)間的功能分析。 本文的結(jié)構(gòu)安排根據(jù)研究?jī)?nèi)容，本文共分成四章，各章節(jié)安排如下：第一章，緒論。該系統(tǒng)采用的是 MATLAB中涉及的一些圖像函數(shù)，通過對(duì)輸入的圖像文件按照論文中提到的方法進(jìn)行的各種處理，可以對(duì)大多數(shù) JPG(Joint Photographic Group)格式的車牌圖像文件進(jìn)行檢測(cè)定位。最后，為了提高定位精度，對(duì)本文中的算法進(jìn)行了一些改進(jìn)，并且對(duì)于各種不同背景圖像定位給以處理效果分析，同時(shí)對(duì)于本文中系統(tǒng)的定位準(zhǔn)確性和時(shí)間處理性這兩個(gè)性能進(jìn)行了分析。浙江大學(xué)的張引等人提出了彩色邊緣檢測(cè)算子 ColorPrewitt 和彩色邊緣檢測(cè)與區(qū)域生長(zhǎng)相結(jié)合的車牌定位算法 [23]，這種方法的主要思想是通過邊緣檢測(cè)算子ColorPrewitt 對(duì)彩色圖像進(jìn)行邊緣檢測(cè)，并借助數(shù)學(xué)形態(tài)學(xué)的膨脹技術(shù)實(shí)現(xiàn)區(qū)域的連通，采用區(qū)域生長(zhǎng)法標(biāo)記得到一些候選區(qū)域，最后利用車牌的先驗(yàn)知識(shí)，剔除偽車牌區(qū)域，確定真正的車牌區(qū)域。首先將圖像從 RGB 顏色模型轉(zhuǎn)化為 HSI 模型，利用顏色信息對(duì)輸入圖像進(jìn)行彩色粗分割，得到了為車牌顏色的一些區(qū)域。此項(xiàng)方法提取了汽車牌照自身標(biāo)準(zhǔn)模式的多種重要特征，綜合了局部特征分布、形狀、彩色等知識(shí)，如局部區(qū)域的宏紋理(水平方向上的灰度和色度跳變的平均數(shù)) 、體態(tài)比、密集度和顏色組合等信息。3．采用彩色、空間、距離和相似度進(jìn)行車牌底色的顏色分割；再采用投影法根據(jù)車牌寬高比確定車牌區(qū)域；最后對(duì)候選車牌區(qū)域灰度圖像進(jìn)行紋理分割提取車牌。上述基于灰度圖像方法，其缺點(diǎn)是當(dāng)車牌圖像的對(duì)比度較小或光照不均勻以及有類似車牌紋理特征的干擾時(shí)，誤識(shí)率增加且無法提供車牌的顏色信息。這種方法通過小波多尺度分解提取出紋理清晰，具有不同分辨率、不同方向的邊緣子圖像，其水平方向低頻、垂直方向高頻的這一分量主要代表車牌的目標(biāo)區(qū)域。這種方法在拍攝角度、距離、光線都有很大調(diào)整的情況下，能夠快速準(zhǔn)確定位、分割車牌。該方法在實(shí)踐中取得了良好的效果，但是在車牌提取時(shí)可能出現(xiàn)“反工” ，造成處理時(shí)間太長(zhǎng)，不能很好的滿足實(shí)時(shí)性。3. 基于灰度邊緣檢測(cè)方法 此類方法通常利用車牌區(qū)域局部對(duì)比度明顯和灰度有規(guī)律的紋理特征來定位。早期由于受計(jì)算機(jī)運(yùn)算速度和內(nèi)存大小影響，考慮到實(shí)時(shí)性，車牌定位主要是基于灰度圖像處理技術(shù)，包括灰度閾值方法、頻域和空間分割方法、連接元素分析方法以及Hough變換法等，可大致分為如下幾類：1. 基于直線檢測(cè)的方法 這類方法一般采用Hough變換等方法來檢測(cè)直線（車牌周圍邊框形成）。 5. 車牌形狀特征和字符排列格式特征，車牌有矩形邊框、字符排列符合一定的標(biāo)準(zhǔn)。 車牌定位的主要內(nèi)容和研究方法 車牌定位的主要內(nèi)容車牌定位技術(shù)的出發(fā)點(diǎn)是通過車牌區(qū)域的特征來判斷牌照，可利用的車牌特征主要包括：1. 車牌區(qū)域內(nèi)的邊緣灰度直方圖統(tǒng)計(jì)“特征”，車牌區(qū)域內(nèi)的邊緣灰度直方圖具有兩個(gè)明顯且分離的分布中心?；诓噬珗D像的車牌分割方法 [13][14] [26]。90年代以來，由于交通現(xiàn)代化發(fā)展的需要，我國(guó)也開始對(duì)車牌定位進(jìn)行深入研究，并取得了一定成效。2. 交通檢測(cè)系統(tǒng)VNPR(Vehicle Number Plate Recognition)。在國(guó)外典型的牌照定位方法有： [3]；于DFT變換的頻域分析方法 [4]；Charl Coetzee提出的基于Niblack二值化算法及自適應(yīng)邊界搜索的定位方法 [5]。 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 2 頁 國(guó)內(nèi)外研究現(xiàn)狀國(guó)內(nèi)外都進(jìn)行了應(yīng)用圖像處理技術(shù)解決汽車牌照識(shí)別的研究，最早提出在上世紀(jì)80年代，這個(gè)階段并沒有形成完整的系統(tǒng)，而是就車牌識(shí)別的某個(gè)問題、某一種特定環(huán)境進(jìn)行討論，而且通常采取簡(jiǎn)單常用的圖像處理技術(shù)來解決的。由于在現(xiàn)實(shí)中，汽車的車牌圖像受到光照、背景、車型等外界干擾因素以及拍攝角度、遠(yuǎn)近等人為因素的影響，造成圖像受光不均勻，車牌區(qū)域不明顯，給車牌區(qū)域的提取帶來了較大的困難。 Mathematical morphology 西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 VII 頁目 錄摘 要 ..............................................................................................................................IVABSTRACT...............................................................................................................................V第 1 章 緒 論 ........................................................................................................................1 選題的背景和意義及國(guó)內(nèi)外研究現(xiàn)狀 .................................................................1 選題的背景和意義 ......................................................................................1 國(guó)內(nèi)外研究現(xiàn)狀 ..........................................................................................2 車牌定位的主要內(nèi)容和研究方法 .........................................................................3 車牌定位的主要內(nèi)容 ..................................................................................3 基于灰度圖像的車牌定位方法的研究 ......................................................3 基于彩色圖像的車牌定位方法的研究 ......................................................5 本文的研究?jī)?nèi)容和系統(tǒng)體系結(jié)構(gòu) .........................................................................6 車牌定位方法內(nèi)容概述 ..............................................................................6 系統(tǒng)的體系結(jié)構(gòu)設(shè)計(jì) ..................................................................................6 本文的結(jié)構(gòu)安排 .....................................................................................................8第 2 章 車牌定位的前期處理 ..............................................................................................9 真彩色到灰度圖像的轉(zhuǎn)換 ..........................................................