【正文】 車牌字符分割是在二值化圖像的基礎(chǔ)上進(jìn)行的，分割過程分兩步 ，先進(jìn)行字符的垂直分割定出每個(gè)字符的左、右邊界，后進(jìn)行字符的水平分割定出每個(gè)字符的上、下邊界。 具體的算法流程如下所示 : 圖 45 垂直投影分割流程圖 投影分割后的圖像如圖所示： 圖 46 以同樣尺寸截取的 256 色灰度圖： 圖 47 本章小結(jié) 本章在分析了國(guó)內(nèi)外多種 牌照定位方法的基礎(chǔ)上，提出了一種基于車牌區(qū)域紋理的輸入水平分割后的圖像 對(duì)此圖像進(jìn)行垂直投影 保存原圖像和垂直投影后的圖像 掃描垂直投影圖像，記錄各個(gè)投影的寬度 投影的寬度在設(shè)定范圍之內(nèi) 確定為非字符投影 確定為字符投影 否 是 搜索所有的字符投影，確定車牌的右邊界 截取并保存圖像 33 牌照定位方法，對(duì)車輛圖像進(jìn)行梯度銳化處理，檢測(cè)梯度銳化圖像的突變點(diǎn)，最后對(duì)圖像進(jìn)行投影，并結(jié)合牌照字符尺寸特征最終確定了牌照的位置，收到了比較好的定位效果。為了不損壞牌照區(qū)域可以將左邊界減 2個(gè)像素單位，右邊界增加 2 個(gè)像素單位。因此牌照區(qū)域投影在投影圖中就是連續(xù)的黑色像素段和白色像素段交替出現(xiàn)。為了確定牌照區(qū)域的左右邊界，可以對(duì)投影圖像進(jìn)行逐行掃描。具體的算法流程圖如下 : 31 圖 44 水平分割算法流程 (2)垂直分割 經(jīng)過水平分割后的圖像如上圖所示，垂直分割就是從牌照區(qū)域左右兩端截取該圖像，為此需要確定截取的左右邊界。對(duì)于 360*240 大小的灰度圖像，如果攝像機(jī)拍攝的角度和安置的高度一定的話，牌照區(qū)域內(nèi)的字符高度基本上不變，在我所拍攝的 100 多幅車輛圖像中，牌照區(qū)域字符的高度一般在 [30， 40]，取 35 掃描水平投影圖 ，檢測(cè)到的掃描區(qū)域的投影寬度在 35 士 10 之間，則可以認(rèn)為是真實(shí)的牌照區(qū)域，截取此區(qū)域。 (1)水平分割 粗定位后，車輛的牌照區(qū)域在整個(gè)車輛圖像中已經(jīng)是比較容易辨識(shí)了，現(xiàn)在對(duì)整個(gè)二值圖像進(jìn)行水平投影，所謂水平投影就是統(tǒng)計(jì)各行內(nèi)黑色像素 點(diǎn)的個(gè)數(shù)，然后在水平方向上顯示出來，由于車輛牌照區(qū)域的突變像素點(diǎn)比較多，所以在投影圖中反映的就是這一區(qū)域內(nèi)的對(duì)應(yīng)投影直線較長(zhǎng)，而且投影直線的長(zhǎng)度基本上相當(dāng)。這時(shí)可以采用水平和垂直的投影方法，精確定位牌照區(qū)域。設(shè)定行內(nèi)突變點(diǎn)個(gè)數(shù)閥 值為 14，掃描這些行，如果出現(xiàn)連續(xù)的行的突變點(diǎn)的個(gè)數(shù)大于 14，則記下這些行作為可能的牌照區(qū)域。 三、確定可能的牌照區(qū)域 根據(jù)上述算法統(tǒng)計(jì)車輛圖像中各行內(nèi)的突變點(diǎn)個(gè)數(shù)。第一幅圖中存在 VECO 的標(biāo)志信息，引入了車牌字符寬度信息后，由于此標(biāo)志信息字母筆畫寬度明顯小于車輛區(qū)域牌照字符的寬度，所以跳變點(diǎn)的個(gè)數(shù)明顯減少。檢測(cè)剛 才得到的突變點(diǎn)的圖像，如果行內(nèi)跳變點(diǎn)的距離小于此值的跳變點(diǎn)則可以忽略不計(jì)，這樣一來牌照區(qū)域的紋理跳變點(diǎn)將更加突出，為以后的牌照細(xì)定位提供了方便。元素記錄行內(nèi)跳變節(jié)點(diǎn)之間的距離。這樣統(tǒng)計(jì)以后，可以充分記錄圖像中跳變點(diǎn)的相關(guān)信息，得到突變點(diǎn)的二值灰度圖像。 //行號(hào) int distance； //該行內(nèi)突變點(diǎn)的數(shù)量 NodeList*nextPoint。 //行內(nèi)節(jié)點(diǎn)鏈表 該數(shù)據(jù)結(jié)構(gòu)可以記錄該行內(nèi)所有突變點(diǎn)所在的列好號(hào)以及與前后節(jié)點(diǎn)之間的距離關(guān)系。 //與前一節(jié)點(diǎn)的距離 }LNode。為此可以將定義行內(nèi)跳變點(diǎn)鏈表如下 : typeddf struct { int ColNum。因此在掃描突變點(diǎn)時(shí)，可以以行為單位，按照以上的原則進(jìn)行掃描。位圖文件的數(shù)據(jù)在計(jì)算機(jī)中是按照從下到上，從左到右的方式排列的。后面兩幅由于車輛 27 圖像中存在牌照區(qū)域以外的字符跳變區(qū)域，跳變點(diǎn)增多，造成牌照區(qū)域不是很明顯，以下進(jìn)行相關(guān)的紋理分析，以減少非牌照區(qū)域的跳變點(diǎn)個(gè)數(shù)。經(jīng)過對(duì)于近百幅各種顏色牌照的實(shí)驗(yàn)證明，取這一空間的最小值 100 效果不錯(cuò)?？紤]幾種常見的字符與背景的搭配 :黃底黑字、黑底白字、藍(lán)底白字、白底紅字，按照 RGB 顏色與 YIQ 顏色之間的轉(zhuǎn)換關(guān)系 :Gray=*R+ * G+ *B，其中的白色應(yīng)該為 255，黑色為 0，紅色為255*=77，藍(lán)為 *255=37，黃色為 0. 299*255+0. 587*255+0. 114* 128 =240，所以為了分別上述 的幾種顏色搭配的牌照區(qū)域，可以選擇它們之間的灰度值。給定一個(gè)適當(dāng)?shù)拈y 值△，在 G[f(x,y)]小于閥 值△時(shí)賦值為255，大于閥 值△時(shí)賦值為 0，這樣在處理后的圖像中灰度跳變點(diǎn)將成為醒目的黑色，其它區(qū)域?yàn)榘咨?● 梯度的幅度用 )],([ yxfG 表示， 22 )()()],([yfxfyxfG ?????? 對(duì)于離散型的數(shù)字圖像，上市可以寫成 22 )]1,(),([)],1(),([)],([ ?????? jifjifjifjifjifG 在實(shí)際的計(jì)算中一般簡(jiǎn)化為 )1,(),(),1(),()],([ ?????? jifjifjifjifjifG 因?yàn)檐囕v牌照中主要考慮水平方向上面的車輛紋理特征，上式表示在水平和垂直兩個(gè)方向上面的梯度變化，在實(shí)際的車輛圖像處理中只要考慮水平方向灰度的階躍變化，因此經(jīng)過梯度運(yùn)算的圖像灰度可以表示為 : 車輛圖像中存在灰度跳變點(diǎn)的部分主要有車前頭燈、車輛牌照區(qū)、車輛標(biāo)志以及由車體本身的顏色差異以及環(huán)境光線變化引起的部位。具體步驟如下所示 : 一、確定 掃描行跳變點(diǎn) 采集到的圖像是一幅二維圖像，可以設(shè)圖像數(shù)據(jù)為 f(x,y)，其中 x, y 為像素點(diǎn)在圖像中橫、縱坐標(biāo)，函數(shù)值表示此坐標(biāo)像素點(diǎn)的灰度值，所以 f(x,y)在點(diǎn) (x,y) 處的明暗 25 變換率為??????????????????yfxfyxfG )],([ ,其實(shí)這個(gè)就是圖像中 (x,y)處的梯度。 本文采用的牌照定位方法充分考慮上述的紋理特征進(jìn)行，主要分為兩個(gè)步驟 :基于紋理特征的粗定位和基于二值灰度圖像投影法的細(xì)定位。所謂紋理是指其周圍像 灰度有規(guī)律性階躍變化的那些像素的集合，這個(gè)主要是由于牌照區(qū)域內(nèi)背景與字符的顏色差異引起的，車牌底色與牌照字符一般來講是近似反色，在灰度圖像中，兩種顏色的灰度差異相差很大，因此，在牌照區(qū)域內(nèi)會(huì)形成明顯的水平方向的明暗相間的紋理特征。 圖是中值濾波前后的對(duì)比圖，運(yùn)用的 7*1 的窗口模板，從圖中可以看出，處理過后圖像牌照區(qū)域的白色噪聲點(diǎn)被濾除了，依舊保持了牌照的邊緣特性。但是選取的窗口內(nèi)噪聲點(diǎn)的個(gè)數(shù)大于窗口寬度的一半時(shí)，中值濾波的效果不好，因此，正確選擇窗口尺寸的大小是用好中值濾波的重要環(huán)節(jié)。例如 3*1(寬 *高 )、 5*l, 7*1, 1*3, 1*5,1*7, 3*3, 5*5, 7*7 等，根據(jù)噪聲點(diǎn)的大小，選取不同的窗口形狀和大小。中值濾波把圖像中某點(diǎn) (X,力為中心的小窗口內(nèi)的所有灰度按照從大到小的順序排列，將中間值作為該點(diǎn)的灰度值。 圖 41 24 位真彩色圖像轉(zhuǎn)灰度圖 去噪處理 本文的定位 方法是基于牌照區(qū)域紋理和顏色信息的，車輛圖像成像過程中由于環(huán)境光線以及車輛本身污損情況的影響，難免會(huì)出現(xiàn)孤立點(diǎn)噪聲以及脈沖亮線，較多的噪聲點(diǎn)的出現(xiàn)將影響牌照紋理分析，因此在牌照的預(yù)處理階段將進(jìn)行低通濾波。 I 和 Q則是指色調(diào) (Chrominance)，即描述圖像色彩及飽和度的屬性。真彩色到灰度圖像的轉(zhuǎn)換有好幾種方法，本文利用 YIQ 色 彩系統(tǒng)，采用加權(quán)平均值法。 另外一個(gè)方面的改變是顏色空間數(shù)據(jù)的轉(zhuǎn)換。該函數(shù)的聲明為 :BOOL CreatePalette(LPLOGPALETTE IpLogPalette) ，調(diào)用 23 SelectPalette 函數(shù)把邏輯調(diào)色板選入到要使用它的設(shè)備上下文中，然后調(diào)用RealizePalette 把邏輯調(diào)色板實(shí)現(xiàn)到系統(tǒng)調(diào)色板中。第三部分涉及到調(diào)色板的創(chuàng)建，因?yàn)?256 色位圖有調(diào)色板，而 24 位真彩色不存在調(diào)色 板，因此需要?jiǎng)?chuàng)建一個(gè)調(diào)色板。而對(duì)于文件大小字段，由于 24 位真彩色每個(gè)像素是由 3 個(gè)字節(jié)表示，而 256 色灰度圖每個(gè)像素是由一個(gè)字節(jié)表示，因此文件的大小要通過計(jì)算兩種位圖的比例關(guān)系來得到。 文件格式的轉(zhuǎn)換主要是兩種顏色的圖像文件在計(jì)算機(jī)中存儲(chǔ)是不同的，前面介紹的BMP 文件中 的四個(gè)部分文件頭、信息頭、調(diào) 色板和位圖數(shù)據(jù)區(qū)都要進(jìn)行一定的改變。所謂灰度化處理就是將一幅采集到的彩色圖像轉(zhuǎn)換為 256 色灰度圖像，即把含有亮度和色彩的彩色圖像轉(zhuǎn)換變?yōu)榛叶葓D像的過程。 牌照定位預(yù)處理 牌照定位的預(yù)處理主要是對(duì)采集的車輛圖像進(jìn)行灰度化和去除噪聲的處理，以使車輛圖像尤其是牌照區(qū)域質(zhì)量改善，同時(shí)保留和增強(qiáng)原有車牌中紋理和顏色信息，去除可能影響牌照區(qū)域紋理和顏色信息的噪聲，為牌照定位提供方便。 Visual Studio 集成環(huán)境包括用于目標(biāo)設(shè)備（如 PDA 和 Smartphone）的工具。是目前最流行的 Windows 平臺(tái)應(yīng)用程序開發(fā)環(huán)境。 本章小結(jié) 本章介紹了前人研究的牌照識(shí)別系統(tǒng)中圖像預(yù)處理、牌照定位、字符分割 ，字符識(shí)別 等階段的相關(guān)算法和方案，分析比較了它們之間的優(yōu)劣點(diǎn)，結(jié)合實(shí)驗(yàn)方法，提出了 實(shí)驗(yàn)選擇的 牌照識(shí)別系統(tǒng)方案。本文采用的基于 BP 神經(jīng)網(wǎng)絡(luò)的字符識(shí)別方法，通過對(duì)各種車牌字 符進(jìn)行訓(xùn)練，提取字符特征，對(duì)牌照字符進(jìn)行識(shí)別。論文提出了一種模板匹配和神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別方法，其中的模板采用四灰度加權(quán)相關(guān)函數(shù)模板，能夠區(qū)分牌照區(qū)域的字符以及背景的灰度。采用 Hausdorff 距離對(duì)待識(shí)字符進(jìn)行模板匹配。改進(jìn)穿線法在原有穿線法的基礎(chǔ)上引入彈性匹配，以對(duì)付牌照字符圖像中普遍存在的各種干擾。外圍輪廓匹配方法采用外圍輪廓描述數(shù)組，記錄字符邊框上各點(diǎn)到達(dá)框內(nèi)字符像素點(diǎn)的最短距離。 (5)簡(jiǎn)單分類器。 (3)改進(jìn)穿線法 。常用的采用以下 5種方法 : (1)簡(jiǎn)單模板匹配 。牌照識(shí)別中一般需要對(duì)漢字、數(shù)字和字母分開識(shí)別，但是它們之間很多算法的原理都是相同的，在算法的復(fù)雜性上面有區(qū)別。目前市場(chǎng)上面基于印刷體漢字和字母、數(shù)字識(shí) 別的產(chǎn)品己經(jīng)很成熟了，許多類似的產(chǎn)品涌入市場(chǎng)，已經(jīng)成為人們生活的一部分。結(jié)合本文牌照定位的效果，考慮牌照區(qū)域字符的寬度、高度信息以及牌照邊框的長(zhǎng)寬大小，論文提出了基于水平投影和垂直投影相結(jié)合的方法，完成車牌字符的分割，該方法用統(tǒng)計(jì)的方法計(jì)算牌照區(qū)域的灰度信息，對(duì)于噪聲有一定的魯棒性，分割的效果也比較理想。論文提出了一種區(qū)域分割為基礎(chǔ)的車牌字符分割的方法，該方法通過確定其中的一個(gè)字符，然后根據(jù)字符之間的間隔和長(zhǎng)、寬之間的關(guān)系，確定其它的字符位置，進(jìn)而完成字符的切分。假設(shè)字符像素的灰度分布 P(x/字符 )和車牌底色的灰度分布 P(x/背景 )， a為分割閉值，則當(dāng)字符灰度級(jí)別相對(duì)較高時(shí) : ? ?? ???ai ai xpxp0 /(/( 字符）背景） 而當(dāng)字符灰度級(jí)別相對(duì)較低時(shí) : ?? ??? ? aia xpxp 背景）字符） /(/(0i 通過這種方法確定車牌區(qū)域的二值化閥 值進(jìn)而分割字符。為了進(jìn)行字符的分割一些專家學(xué)者進(jìn)行了一 定的研究，取得了比較理想的效果。 牌照區(qū)域字符分割方案比較與選擇 為了準(zhǔn)備識(shí)別牌照上面的漢字、字母、數(shù)字，必須將單一字符從牌照區(qū)域中分割出來，字符分割是進(jìn)行牌照字符識(shí)別的前提基礎(chǔ)。 19 因?yàn)椴杉杰囕v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 長(zhǎng)寬大小都是相對(duì)固定的 ，論文提出了基于車輛牌照紋理和顏色信息的定位方法，該定位方法適用性強(qiáng)，對(duì)于大多數(shù)車牌定位效果比較較好。總之，這些定位的方法，各有優(yōu)缺點(diǎn)，定位的效果也不同，它們大多對(duì)于某一特定的環(huán)境和光線以及特定的某一類車牌效果比較好，而環(huán)境和光線變化了，識(shí)別的效果就不是很理想了。邊緣檢測(cè)的定位方法，對(duì)于車輛牌照邊緣比較明顯的車輛圖像，邊緣檢測(cè)的效果比較理想，但是通常情況下有些車輛的牌照邊緣不是很明顯，這樣的檢測(cè)效果就要大打折扣，而且由于車輛中還有諸多的類似于矩形的區(qū)域，例如車前頭燈 部位，如何去處這些偽車牌區(qū)域難度也比較大。浙江大學(xué)的潘云鶴和張引等人提出了彩色圖像的識(shí)別方法，文中利用車輛圖像具有橫向紋理而車牌區(qū)域具有縱向紋理的特征，設(shè)計(jì)了彩色 Prewitt邊緣檢測(cè)算子 ColorPrewitt使牌照區(qū)域得到增強(qiáng)，然后對(duì)于 提取的牌照?qǐng)D像采用形態(tài)學(xué)膨脹技術(shù)生成連通區(qū)域圖像，利用區(qū)域生長(zhǎng)法來標(biāo)記候選車牌，然后通過牌照的大小、長(zhǎng)寬比例等幾何特征或者水平和垂直投影等方法來分析候選車牌，去除偽車牌，定位車牌區(qū)域。膨脹運(yùn)算后，在車牌區(qū)的橫向掃描線上面，因?yàn)榉?、谷、峰的紋理特征相互融合轉(zhuǎn)變?yōu)榫哂幸欢▽挾鹊拿}沖，對(duì)這些脈沖進(jìn)行直線帶通濾波，計(jì)算滿足帶通濾波規(guī)則的直線總數(shù) p，以及滿足帶通濾波規(guī)則的掃描 線上的灰度跳變的總數(shù)g，檢查是否滿足評(píng)價(jià)函數(shù) f(p,g)，然后再進(jìn)行數(shù)學(xué)形態(tài)學(xué)的線開運(yùn)算，最后對(duì)于處理過后的車輛圖像進(jìn)行水平和垂直投影，定位出牌照區(qū)域。 西北工業(yè)大學(xué)的左奇、史忠科提出了一種基于數(shù)學(xué)形態(tài)學(xué)的牌照定位方法，文中取最大車牌字符間距為 a和字符高度 4b 作為形態(tài)濾波的參數(shù)。這樣處理后可以使牌照區(qū)域比其它的區(qū)域亮得多， 18 然后采用二值化方法定位出牌照區(qū)域。同濟(jì)大學(xué)的宣國(guó)榮、寥金周利用車輛牌照區(qū)域豐富的紋理特征，提出了線性濾波器定位車輛牌照區(qū)域的方法，由于牌照區(qū)域形成了一種水