【正文】 28。感謝物理與電子工程學(xué)院老師組為本論文提供的錯(cuò)誤和建議，還要感謝同門的同學(xué)們?cè)谡撐难芯窟^程中給我以許多鼓勵(lì)和幫助。 這篇論文是在王鵬的悉心指導(dǎo)之下完成的。在者，智能化交通管理系統(tǒng)和車牌識(shí)別系統(tǒng)是一個(gè)比較前沿的學(xué)科，其中涉及到的知識(shí)也非常寬廣，僅僅幾個(gè)月的時(shí)間進(jìn)行課題研究是遠(yuǎn)遠(yuǎn)不足的，還需要在我們今后的工作中繼續(xù)學(xué)習(xí)和研究，但是我們所學(xué)到的不光是一個(gè)課題所涉及到的知識(shí)，更是這個(gè)課題研究的方向，同時(shí)還有在課題研究中我們所學(xué)習(xí)到的做事的態(tài)度和養(yǎng)成地良好的習(xí)慣。 本次課題的研究經(jīng)歷了一個(gè)比較長(zhǎng)的時(shí)間，但是我們?cè)谄渲邪l(fā)現(xiàn)在課題項(xiàng)目實(shí)行開始階段必須對(duì)開發(fā)進(jìn)度有一個(gè)整體的認(rèn)識(shí)。 本課題是在Visual C++的平臺(tái)上實(shí)施的，C++作為一門編程語言，對(duì)于本次課題的研究非常重要，而我們也必須掌握牢牢的且也必須做到精通。在本次課題的研究中自己也更深入地理解了課題的研究流程，模塊結(jié)構(gòu)，算法設(shè)計(jì)等，同時(shí)自己也發(fā)現(xiàn)要設(shè)計(jì)和編寫完成一個(gè)課題，必須要掌握好相關(guān)的知識(shí)。同時(shí)針對(duì)其中的一寫些算法進(jìn)行了優(yōu)化，從而完成了車牌自動(dòng)識(shí)別系統(tǒng)中本課題所要完成的模塊。在本課題研究的車牌自動(dòng)識(shí)別系統(tǒng)中，通過將外界獲取的車牌圖像進(jìn)行車牌的預(yù)處理及車牌定位，通過分析采集的圖像特點(diǎn)，使用圖像處理方法，對(duì)圖像進(jìn)行一系列處理，其中包括灰度化，對(duì)比度增強(qiáng)，中值濾波，邊緣檢測(cè)，車牌定位，圖像傾斜校正，圖像二值化。圖34 車牌圖像二值化四、總 結(jié)通過本課題研究的車牌系統(tǒng)的預(yù)處理模塊中，我們可以發(fā)現(xiàn)其中有很多的難點(diǎn)及問題，自己通過與老師的交流及翻閱資料加以解決，問題有如下幾個(gè)：（1）由于外界環(huán)境因素的影響下，獲取的車牌圖像中，部分車牌的牌照信息破損比較嚴(yán)重，在車牌圖像的灰度化的操作之后，通過有色點(diǎn)對(duì)搜索的定位方法之后，得到的車牌信息將大量缺失，導(dǎo)致后續(xù)環(huán)節(jié)的處理無法完成。例如，一幅圖像的大小為X*Y，F(xiàn)(x,y)為數(shù)字圖像中的一個(gè)像素，0xX,0y，則 （310） 有此式可以看出閾值選擇的大小也會(huì)影響F(x,y)的變化，目前有很多方法用于車牌二值化，例如 ①紋理分析法 ②灰度直方圖波峰波谷法 ③ostu方法 ④彩色分析法 ⑤統(tǒng)計(jì)方法?；叶然能嚺茍D像共有256個(gè)等級(jí)，對(duì)車牌圖像進(jìn)行二值化實(shí)際上就是按照一定規(guī)則對(duì)車牌圖像上的每個(gè)像素進(jìn)行分類，轉(zhuǎn)化為只有0和255的兩個(gè)等級(jí)的圖像，在實(shí)際車牌圖像處理時(shí)通常會(huì)選取一個(gè)像素值（稱為閾值），大于閾值的像素點(diǎn)就設(shè)置為白（或黑）其中的一種，小于閾值的像素點(diǎn)就設(shè)置為黑（或白）。由于車牌圖像采集環(huán)境的差異，再加上其他多種干擾因素，對(duì)車牌區(qū)域質(zhì)量所造成的影響也不同，所以我們很難找到普遍適用且計(jì)算方便，同時(shí)自適應(yīng)性又很強(qiáng)的閥值計(jì)算算法對(duì)車牌區(qū)域進(jìn)行有效的區(qū)分。 對(duì)于圖像二值化來說，最核心的部分就是如何選取適當(dāng)?shù)拈y值。二值化圖像占有非常重要的地位及影響同時(shí)對(duì)于車牌圖像數(shù)字化處理中，通過車牌圖像的進(jìn)一步處理，使圖像變得準(zhǔn)確，清晰，而且圖像數(shù)據(jù)量減少，能凸顯出我們課題研究感興趣的區(qū)域，從而抑制我們不感興趣的區(qū)域。（5） 設(shè)傾斜角為a，可以根據(jù)公式進(jìn)行計(jì)算所得對(duì)車牌區(qū)域進(jìn)行一定程度的水平傾斜校正和豎直傾斜校正，而對(duì)于產(chǎn)生其它形狀的變形暫時(shí)沒有考慮，通過對(duì)車牌的水平傾斜校正和豎直傾斜校正我們可以更好的獲取車牌的信息，從而對(duì)后續(xù)環(huán)節(jié)起到關(guān)鍵的作用。（3） 在uv坐標(biāo)下，統(tǒng)計(jì)各個(gè)點(diǎn)被標(biāo)記的次數(shù)，將被標(biāo)記次數(shù)最多的點(diǎn)取出來。③求取車牌字符連通域中心點(diǎn)，然后擬合成直線，求出車牌的傾斜角④Hough變換法本課題主要通過獲取車牌圖像的形狀，然后使用Hough變換法是一種圖像空間到參數(shù)空間的映射關(guān)系,計(jì)算方法如下：（1） 在xy坐標(biāo)系下，對(duì)粗定位后的車牌圖像上的目標(biāo)點(diǎn)掃描，求出它們?cè)趗v坐標(biāo)系下的直線，并且把他們的坐標(biāo)標(biāo)記出來。目前對(duì)車牌圖像進(jìn)行校正的方法主要如下：①進(jìn)行模板匹配，尋找車牌區(qū)域的四個(gè)頂點(diǎn)，在通過雙線性空間變換重建矩形車牌區(qū)域。對(duì)于這些情況，在國(guó)內(nèi)外的研究中提出了一些解決的辦法，比較著名的提出使用Hough變換，通過得到車牌區(qū)域上下左右四個(gè)頂點(diǎn)的坐標(biāo)，根據(jù)發(fā)生變化的車牌四邊形的四個(gè)頂點(diǎn)和歸一化車牌的四個(gè)頂點(diǎn)之間的某些對(duì)應(yīng)關(guān)系，利用雙線性空間變換方程求解，但是我們發(fā)現(xiàn)對(duì)灰度圖像進(jìn)行校正和修改在車牌圖像的傾斜校正環(huán)節(jié)，對(duì)于一般有較大傾斜的圖像可以通過將彩色圖像旋轉(zhuǎn)角度后在進(jìn)行預(yù)處理的環(huán)節(jié)，本課題通過對(duì)于車牌區(qū)域的最左側(cè)與最右側(cè)的中心差在通過對(duì)其進(jìn)行反正切來求得傾斜角度，但是對(duì)于一張沒有傾斜角度的車牌圖像來說，本課題利用的發(fā)放將發(fā)生錯(cuò)誤，經(jīng)過與老師的交流，同過計(jì)算車牌區(qū)域每一個(gè)字符的最左側(cè)與最右側(cè)的重心差來求平均值來求得車牌的傾斜角，來校正車牌的傾斜角，但是此方法也有不足之處，有待解決。也就是由于光軸直線與車輛的行駛方向不平行，造成獲取的汽車圖像中的車牌圖像在豎直方向上發(fā)生改變，這種改變會(huì)造成車牌的邊緣成水平，但卻使車牌中的每個(gè)字符都有一定程度上向左或向右的扭曲，使得圖像豎直傾斜。l 豎直傾斜：也主要是由于外界因素造成車牌字符與豎直方向有一個(gè)傾斜的角度。它主要是因?yàn)檐嚺茍D像獲取設(shè)備導(dǎo)致的，而與水平方向有一個(gè)角度，或者是由于車輛本身車牌安裝的原因造成的。我們可以根據(jù)這些我們可以得到的條件和參數(shù)來方便于課題定位方法的實(shí)現(xiàn)。因而我們也可以在已經(jīng)具備的一些條件和參數(shù)來簡(jiǎn)化定位方法。 有色點(diǎn)對(duì)算法可以精確的規(guī)劃出車牌圖像中車牌區(qū)域的有色點(diǎn)對(duì)，從而突出圖像中車牌大致位置，根據(jù)車牌中有色點(diǎn)對(duì)都集中在顏色變化劇烈位置（字符邊緣）的特點(diǎn)，擬對(duì)車牌圖像進(jìn)行邊緣提取處理，以縮小車牌有色點(diǎn)對(duì)的搜索范圍，提高運(yùn)算精度和效率。我們將通過尋找圖像中一種特殊的顏色模式來實(shí)現(xiàn)針對(duì)藍(lán)底白字的車牌，定義有色點(diǎn)對(duì)（A,B:A點(diǎn)，其左方為藍(lán)色點(diǎn)，右方為白色點(diǎn)；B點(diǎn)其左方為白色點(diǎn)，右方為藍(lán)色點(diǎn)；A,B點(diǎn)應(yīng)在一定的方位內(nèi)）由于顏色判斷屬于模糊判斷，為了提高算法的抗干擾性，對(duì)有色點(diǎn)對(duì)的顏色定義也比較寬泛，具體的步驟如下：（1） 設(shè)某一點(diǎn)的紅藍(lán)綠色分量為C1,C2,C3。本課題將采用有色點(diǎn)對(duì)搜索的方法尋找車牌區(qū)域。而且我們也可以發(fā)現(xiàn)小波分析的多尺度，多方向的分解特性更加符合我們?cè)谝曈X上的感受。在環(huán)境和技術(shù)的需求下，我們通過選擇適合的算子來對(duì)車牌圖像進(jìn)行邊緣檢測(cè)，這樣我們就可以獲得更好的定位方法。邊緣檢測(cè)的作用是精確定位邊緣和增強(qiáng)我們感興趣的車牌區(qū)域，同時(shí)抑制我們不感興趣的區(qū)域。同時(shí)我們將在在已找到的車牌的區(qū)域再做列掃描，以確定該車牌候選區(qū)域的起始列和高度，這樣我們將得到一個(gè)車牌區(qū)域。通過以下將介紹的行掃描和列掃描我們可以確定一個(gè)車牌區(qū)域，即我們?cè)诓捎眉y理特征分析的定位方法之前都會(huì)先進(jìn)行圖像像素的行掃描，得到車牌圖像中行信息中所含有的車牌線段，來得到車牌的起始坐標(biāo)和長(zhǎng)度。（1）基于數(shù)學(xué)形態(tài)學(xué)的定位方法基于數(shù)學(xué)形態(tài)學(xué)定位的基本思想，簡(jiǎn)單的來說就是利用一個(gè)結(jié)構(gòu)元素來檢測(cè)車牌圖像信息，通過以上的辦法我們可以觀察將這個(gè)結(jié)構(gòu)元素很好的填放在車牌圖像的內(nèi)部，同時(shí)我們也可以驗(yàn)證填放元素的方法的有效性，這樣我們就可以通過數(shù)學(xué)的形態(tài)學(xué)方法確定一個(gè)車牌區(qū)域。一般來說，車牌的定位算法都是基于車牌區(qū)域的不同特征而提出的。如令A(yù)代表原始圖像，Gx和Gy分別代表經(jīng)橫向與縱向邊緣檢測(cè)的圖像，公式如下:所以梯度大小為： （38）梯度方向?yàn)椋? （39）因此我們看出Sobel算子的兩個(gè)卷積計(jì)算核如下圖所示④Prewitt算子Prewitt 與 Sobel 算子相似，只不過Prewitt 算子的兩個(gè)卷積計(jì)算核與Sobel 算子的兩個(gè)卷積計(jì)算略有不同，Prewitt 算子的兩個(gè)卷積計(jì)算核如下所示：Prewitt算子具有圖像處理速度快，效果明顯的特點(diǎn)，經(jīng)運(yùn)算后邊緣圖像輪廓清晰，尤其適用于具有比較密集筆畫的間距小的圖像邊緣。其中、有以下模板決定: X方向算子 Y方向算子③So