【正文】 如下幾種：微分算子 邊緣檢測(cè) 法 、 Laplacian算子 邊緣檢測(cè) 法 和 Canny 算子 邊緣檢測(cè) 法 等。 11 灰度 圖像中 ， 所謂邊緣像素點(diǎn)表現(xiàn)為 該點(diǎn)的 鄰域是一個(gè)灰度級(jí)變化帶，衡量這種變化最有效的兩個(gè)特征值 ， 是灰度的變化率和變化方向。而邊緣檢測(cè)是提取 這些 特 征的 一種基本的、 較 為 可靠的手段 。 因此，在進(jìn)行 車牌 字符切分時(shí) 最好 避免以二值化圖像為基礎(chǔ)。 (a) 原圖 (b)Canny 邊緣檢測(cè) 結(jié)果 (c) 二值 化結(jié)果 圖 基于 Canny 邊緣檢 測(cè)的車牌圖 像 二值化 對(duì)于比較精確分割出的車牌區(qū)域圖像，進(jìn)行二值化時(shí)的判斷決策相對(duì)較為容易；但如果分割出的車牌區(qū)域圖像精確度較差時(shí)，就會(huì)給判斷決策帶來較大的困難。 Canny 算子法 檢測(cè) 出的邊緣定位比較準(zhǔn)確、寬度為一個(gè)像素、孤立點(diǎn)和非邊緣 噪聲 得到了較好的抑制，大大減少了圖像中需要分析判斷的數(shù)據(jù)，一般比較容易判斷出目標(biāo)和背景，從而能夠較好地確定 圖像 二值化的 閾值 。下面所述的 二值化方法 ，是以 Canny 邊緣檢測(cè) 來尋找目標(biāo)對(duì)象特征點(diǎn)，再根據(jù) 對(duì) 特征點(diǎn)灰度值 的分析判斷來確定閾值進(jìn)行 二值化。對(duì)車牌區(qū)域圖像 二值化時(shí)的目標(biāo)對(duì)象除字符外，還可能是或者包括邊框 ( 一般是在需要對(duì)車牌進(jìn)行幾何畸變 校正 時(shí) ) ，而對(duì)字符 圖像 進(jìn)行 二 值化 時(shí)的目標(biāo)對(duì)象則明確為字符。如圖 2.3 所示。 2 、 Bersen算法二值化容易 產(chǎn)生嚴(yán)重的噪聲 ?？紤]以像素點(diǎn) (x,y) 為中心的 (2W+1)*(2W+1) 模板， ( 其中 W 表式模板的大小 ) ，則Bersen算法可描述如下： (1) 動(dòng)態(tài)計(jì)算圖像中各像素點(diǎn) ),( yx 的閾值 ),( yxT ),(m i n),(m a x(),( lykxflykxfyxT WlW WkWWlW WkW ??????? ??? ?????? ??? 式（ 27 ） (2) 對(duì)圖像中的各像素點(diǎn) ),( yx 進(jìn)行逐點(diǎn)二值化，設(shè)二值化后的圖像為),( yxB ， ),( yxb 表示二值化圖像 ),( yxB 在 ),( yx 處的灰度值。局部閾值二值化方法閾值的選擇依靠考察點(diǎn) 的灰度值及其周圍的局部鄰域的灰度值來決定，它是一種動(dòng)態(tài)選擇閾值的方法。如圖 所示 ，將車牌邊框、鉚釘和字符一起作為目標(biāo)對(duì)象 時(shí)，則可以認(rèn)為灰度圖像中 目標(biāo) 對(duì)象 和背景明顯分離 ，此時(shí)采用 Otsu算法 二值化的效果較好；而如果僅將其中的某一個(gè)看作目標(biāo)對(duì)象，則不滿足以上條件，對(duì)其 9 二值化效果的評(píng)價(jià)也要大打折扣。則： 類 內(nèi)方差 )t()t()t()t( 2222112w ????? ?? 式（ 25 ） 類 間方差 )]t(M)t(M)[t()t()t( 21212B ?? ??? 式（ 26 ） 對(duì)于給定的一幅圖像 ， 2w? + 2B? = 常數(shù)，因而 )t(2B? 最大時(shí) ，則 )t(2w?最小， 此時(shí) t=T 便是 使圖像分為兩類的最佳 閾值。 可以用式（ 21 ）至式（ 24 ）來分別計(jì)算 )t(1? ， )t(2? ， )t(M1 ，)t(M2 ： ??? ??? NyMx yx yxC. 1,11 ),()t(? ???? 01),( yxC t),( t),( ??yxf yxf 式（ 21 ）??? ??? NyMx jx yxC, 1,12 ),()t(? ???? 01),( yxC t),( t),( ??yxf yxf 式（ 22 ）)t(1)t( 11 ??M ???ti i1 式（ 23 ） )t(1)t( 22 ??M ????Lti i1 式（ 24 ） 其中 ?1 t L? 表示灰度級(jí)。 其基本思想是：設(shè)閾值 t 將灰度分成了兩 類 ，一 類 對(duì)應(yīng)背景部分，一 類 對(duì)應(yīng)目標(biāo)對(duì)象，則 這兩類 灰度值的 類 內(nèi)方差應(yīng)當(dāng)最小，兩 類 間方差應(yīng)當(dāng)最大。下面主要介紹兩種比較典型、較常用的 Otsu算法和 Bernsen 算法，并提出一種 Canny 邊緣檢測(cè)指導(dǎo)下的字符（車牌）圖像二值化的方法。 (a) 原圖 (b) 圖 (a) Otsu 法 二 值化圖 圖 二 值化效 果評(píng)價(jià) 8 二值化實(shí)際上是尋找閾值 T 的過程 ，而 閾值 T 的選擇要以滿足 二值化目的為依據(jù)。 對(duì) 二值化 效果優(yōu)劣的評(píng)價(jià)因目的不同會(huì)有很大的差異。 圖像 二值化 一般作為 一種 預(yù)處理方法 ，評(píng)價(jià)其 效果的優(yōu)劣應(yīng)當(dāng)兼顧下面兩方面的基本要求： 1 、二值圖像 中目標(biāo)對(duì)象的完整性 。0。 從字面上理解 ，所謂 圖像 二值化 ， 就是將彩色或灰度圖像用兩個(gè)灰度級(jí)別( 一般為 黑、白 ) 來表示 。 圖像二值化技術(shù) 目前提出的車牌字符切分和字符分類特征提取的方法，很多是以二值圖像為基礎(chǔ)的。 因此，相較于 其它一些圖像 采集環(huán)境一般比較穩(wěn)定的 如 指紋圖像識(shí)別、人臉圖像識(shí)別、機(jī)械零件圖像檢測(cè)、水果 缺陷 圖像檢測(cè)等 圖像識(shí)別技術(shù) 來 說，車牌圖像在內(nèi)容和質(zhì)量的變化上要復(fù)雜得多，從而對(duì)為獲得車牌圖像識(shí)別對(duì)象穩(wěn)定而明確的特征信息所進(jìn)行的有關(guān)圖像處理技術(shù)提出了更高的要求。在這種環(huán)境中，很多因素都直接或間接地影響著圖像的內(nèi)容和質(zhì)量。 方案考慮 了漢字、英文字母和阿拉伯?dāng)?shù)字的不同特點(diǎn)，分別提取字符的分類特征，并選擇不同的分類識(shí)別方法。 經(jīng)過實(shí)驗(yàn)驗(yàn)證，該方法 受噪聲影響較小，對(duì)字符定位準(zhǔn)確，判斷決策過程簡(jiǎn)單。 3 、分析研究了一些車牌字符切分方法，提出了一種基于 Canny 邊緣檢測(cè)的字符切分方法。 該方案綜合利用圖像的邊緣和紋理信息，利用 Sobel 模板提取四個(gè)方向的邊緣，并分別進(jìn)行數(shù)學(xué)形態(tài)學(xué)等處理，同時(shí)利用紋理信息分析判斷，分兩個(gè)階段實(shí)現(xiàn)對(duì)車牌區(qū)域的定位。本文建議最好在圖像采集階段，將幾何畸變控制在一定的范圍內(nèi)。 常用的通過 Hough變換檢測(cè)直線獲取校正基準(zhǔn)的方法，實(shí)際應(yīng)用的效果還不是很理想。 (5) 關(guān)于 圖像的直方圖變換 圖像的直方圖變換在車牌圖像識(shí)別中的作用具有兩面性 , 如何有效利用圖像的直方圖變換尚有待于在實(shí)踐中總結(jié)。但通過實(shí)驗(yàn)發(fā)現(xiàn)，同態(tài)濾波 對(duì) Canny邊緣檢測(cè)結(jié)果的影響很小，這也從另一側(cè)面反映了 Canny 邊緣檢測(cè)方法效果是比較穩(wěn)定的。 (2) 關(guān)于圖像的邊緣檢測(cè) 通過分析比較， 本文在車牌區(qū)域定位時(shí)采用了 Sobel 模板進(jìn)行多方向邊緣檢測(cè)， 而 在字符切分時(shí)采用了 Canny 邊緣檢測(cè) 方法，獲得了較好的應(yīng)用效果。 二值化 閾值的確定應(yīng)該以對(duì)圖像進(jìn)行 二值化 時(shí)期望達(dá)到的目的為依據(jù)。 (1) 關(guān)于圖像的二值化 5 在車牌圖像識(shí)別中，圖像 二值化 是一個(gè)非常重要的技術(shù)。 因此，如何保證車牌識(shí)別結(jié)果的可靠性，是一項(xiàng)十分艱巨的任務(wù)。從某種程度上講， 意味著要完全可靠。 關(guān)鍵 技術(shù)水平的高低，決定了一個(gè)車牌圖像識(shí)別產(chǎn)品性能的優(yōu)劣，在某種程度上也決定著車牌識(shí)別技術(shù)的應(yīng)用前景。 而目前這些方面的研究還 比較困難 ，有待于進(jìn)一步加強(qiáng)。但在實(shí)際應(yīng)用中發(fā)現(xiàn)，車牌 圖像 識(shí)別 關(guān)鍵技術(shù) 還與其它一些因素有密不可分的關(guān) 系。此外， 由于一些客觀因素的影響， 對(duì)于有關(guān)方法實(shí)驗(yàn)驗(yàn)證時(shí)， 難以獲得足夠 數(shù)量 的 具有廣泛代表性圖像樣本，實(shí)驗(yàn)結(jié)果的說服力 還不夠充分 。 有關(guān)研究 也 存在一些 不足 之處，主要表現(xiàn)在以下幾個(gè)方面： 1 、 一些 方法 對(duì) 實(shí)際應(yīng)用 特點(diǎn)考慮的還不夠全面 實(shí)際應(yīng)用中，車牌識(shí)別產(chǎn)品大多是在開放或半開放的場(chǎng)所使用，車牌圖像的采集往往是在不同的時(shí)空進(jìn)行，因而圖像中車牌的有關(guān)特征一般來說不太穩(wěn)定，表現(xiàn) 比較 復(fù)雜 。 在車牌字符分類器設(shè)計(jì)方面， 公開 資料中提出的分類器主要有： 神經(jīng)網(wǎng)絡(luò)分類器 ( 包括 BP神經(jīng)網(wǎng)絡(luò)、 SOFM網(wǎng)絡(luò)等 ) 、 模板匹配分類器 、 基于 概率統(tǒng)計(jì) 的 Bayes 分類器 、 幾何 分類器 等。 在車牌字符切分方面， 公開資料中提出的方法主要有： 基于二值 ( 灰度 ) 圖像水平 ( 垂直 ) 投影分布的車牌 字符的 切分方 法 、 基于二值圖像字符區(qū)域上下輪廓分布的車牌 字符 切分方法 、 基于 模板匹配的 車牌字 符 切分 方法 、 基于 聚類分析 的 車牌 字符 切分 方法 、 基于車牌二值圖像字符連通性的 字符 切分 方法 、 基于 顏色分類的車牌字符 切分 方法 等。相關(guān)論文中提出了很多車牌圖像處理、分割、分析、識(shí)別的算法，主要利用較經(jīng)典的圖像空間變換、智能計(jì)算和數(shù)據(jù)挖掘理論，并在一定程度上進(jìn)行了實(shí)驗(yàn)論證。通過對(duì)有關(guān)資源數(shù)據(jù)庫中 1998年 — 2020年在各類期刊上公開發(fā)表的約 380 篇相關(guān)論文的統(tǒng)計(jì)，發(fā)現(xiàn)有關(guān)車牌區(qū)域定位的內(nèi)容占 50% 以上 。 車牌圖像識(shí)別技術(shù)研究現(xiàn)狀 上世紀(jì) 90年代中后期開始，隨著數(shù)字圖像處理基礎(chǔ)理論的不斷發(fā)展和視頻處理技術(shù)、電子技術(shù)及計(jì)算機(jī)信息技術(shù)的迅速進(jìn)步，國(guó)內(nèi)從事車牌圖像識(shí)別技術(shù)研發(fā)的廠商和研究人員增長(zhǎng)迅速，提出了大量的 關(guān)鍵 技術(shù)算法，實(shí)際應(yīng)用 中 3 也取得了一定的成果。 如果這些因素變動(dòng)時(shí)，就 可能要 根據(jù)具體的樣本、通過一定的分析學(xué)習(xí)過程以確定和修改使用的有關(guān)參數(shù) ， 才可能獲得較好的識(shí)別效果，否則其 識(shí)別正確率可能 不 會(huì) 很理想 。但通過 各個(gè) 廠商在其有關(guān)網(wǎng)站提供的信息和對(duì)兩家廠商提供的測(cè)試軟件進(jìn)行一定數(shù)量樣本的測(cè)試后 ， 可以發(fā)現(xiàn)， 各個(gè) 廠商聲稱的 車牌識(shí)別正確率往往是通過對(duì)特定場(chǎng)所、特定時(shí)間范圍內(nèi)的樣本進(jìn)行測(cè)試而得出的結(jié)論。而且 由于并沒有建立一個(gè)標(biāo)準(zhǔn)規(guī)范的測(cè)試體系，因此 有關(guān)數(shù)據(jù)的客觀公正性、可比性和可靠性等方面 尚值得 商榷。其中，車牌識(shí)別正確率是目前車牌識(shí)別產(chǎn)品中存在的最主要的問題，也是國(guó)內(nèi)主流廠商最為頭疼的問題。 停車場(chǎng)收費(fèi)管理系統(tǒng)對(duì)車牌圖像識(shí)別技術(shù)在車牌識(shí)別結(jié)果的正確率指標(biāo)的要求也非常高，目前的車牌圖像識(shí)別產(chǎn)品在這方面也不夠理想， 一般也需要人工干預(yù) 。 3 、車牌圖像識(shí)別技術(shù)在停車場(chǎng)收費(fèi)管理系統(tǒng)中的應(yīng)用 停車場(chǎng)收費(fèi)管理系統(tǒng)：用于對(duì)出入車輛號(hào)牌識(shí)別和匹配，實(shí)現(xiàn)自動(dòng)計(jì)時(shí)、計(jì)費(fèi)管理。 在城市卡口監(jiān)控、移動(dòng)電子警察方面，對(duì)車牌圖像識(shí)別技術(shù)在車牌識(shí)別結(jié)果的正確率指標(biāo)的要求 比較 高，否則將給執(zhí)法工作帶來很大的麻煩。 公安系統(tǒng)設(shè)立城市卡口監(jiān)控點(diǎn)的主要任務(wù)是對(duì)車輛進(jìn)行車牌識(shí)別，并將識(shí)別結(jié)果與被盜搶、肇事、在逃、通緝的車輛牌號(hào)黑名單進(jìn)行比對(duì)。其中，最常用的場(chǎng)所是 城市卡口監(jiān)控。因此，城市交通領(lǐng)域迫切需要應(yīng)用一些 較 可靠、有效的智能化技術(shù)手段。 因此， 雖然 車牌圖像識(shí)別技術(shù)在這一領(lǐng)域取得了較好的使用效果，但還不能實(shí)現(xiàn)真正意義上 的智能化收費(fèi)。 目前的高速公路收費(fèi)輔助系統(tǒng)中， 采用 車牌圖像識(shí)別技術(shù)在車牌識(shí)別速度指標(biāo)基本可以滿足 ， 但 識(shí)別結(jié)果正確率指標(biāo) 還不是很理想 。主要用于高速公路 收費(fèi)管理、路徑判別、規(guī)費(fèi)征稽、交通數(shù)據(jù)采集等方面，其中，最常用的是 高速公路收費(fèi) 輔助系統(tǒng)。 1 、車牌圖像識(shí)別技術(shù)在高速公路領(lǐng)域的應(yīng)用 高速公路是車牌圖像識(shí)別技術(shù)在我國(guó)交通工程中最早應(yīng)用的領(lǐng)域，也是車牌識(shí)別產(chǎn)品應(yīng)用最多的領(lǐng)域。 作 者 簽 名 ： 日 期： 目 錄 第一章 緒論 .......................................................1 車牌圖像識(shí)別技術(shù)應(yīng)用現(xiàn)狀 ...............................................................1 車牌圖像識(shí)別技術(shù)研究現(xiàn)狀 ...............................................................2 本文研究的主要內(nèi)容 ............................................................................4 第二章 車牌圖像識(shí)別中的常用圖像處理技術(shù) ..........................7 圖像二值化技術(shù) ...................................................................................7 圖像邊緣檢測(cè)技術(shù) .............................................................................10 同態(tài)濾波 .............................................................................................13 2 .4 數(shù)學(xué)形態(tài)學(xué) ........................................................................................ .14 圖像灰