【正文】 R=0,G=0,B=255，則有，此時(shí)為最藍(lán)。由于車牌區(qū)域的底色基本相似，所以可以利用用最大相似特性，在RGB三基色的顏色空間中設(shè)定合理的閾值，只要圖像中的像素顏色相似就將其規(guī)分為一類，確定其取值范圍，將像素主要分為車牌區(qū)域和非車牌區(qū)域。圖（a）是腐蝕后圖像，隨后進(jìn)行閉運(yùn)算，閉運(yùn)算能平滑圖像的輪廓，結(jié)果如圖（b）所示，從結(jié)果圖可以看出車牌區(qū)域的邊緣信息比較豐富，但其他區(qū)域仍存在大量干擾對(duì)象，所以再計(jì)算圖像中的目標(biāo)區(qū)域，從二進(jìn)制圖像中移除所有少于某像素的連接的組件，獲得結(jié)果如圖（c），對(duì)比（b）圖可以發(fā)現(xiàn)一些小的對(duì)象被移除了，車牌區(qū)域在處理后的圖中更加便于提取操作。閉運(yùn)算能夠填充小孔起到磨光圖像外界的作用，而大體的位置和形狀不變。 腐蝕和膨脹操作可以在使物體形狀不變的前提下對(duì)物體進(jìn)行縮小與擴(kuò)大。閉運(yùn)算使得圖像像素粘連，這樣可填充圖像的凹入部分，連通圖像出分開的區(qū)域以及彌補(bǔ)細(xì)小的裂縫。閉運(yùn)算是開運(yùn)算的對(duì)偶運(yùn)算，定義為先做膨脹然后再做腐蝕。假設(shè)A仍為輸入圖像，B為結(jié)構(gòu)元素，利用B對(duì)A做開運(yùn)算，用符號(hào)表示，其定義： （18）開運(yùn)算主要能濾掉圖像中小于結(jié)構(gòu)元素的凸出部分，并對(duì)圖像輪廓有平滑作用。腐蝕具有收縮圖像作用，細(xì)小物體含有的所有點(diǎn)都會(huì)被視作邊緣點(diǎn)，因此整個(gè)細(xì)小物體都會(huì)被刪去。腐蝕運(yùn)算的符號(hào)是,A（輸入圖像）被B（結(jié)構(gòu)元素）腐蝕，記作，其定義為 （17）將滿足經(jīng)B平移x但仍包含在A內(nèi)的所有點(diǎn)x的集合。因?yàn)楦g對(duì)圖像內(nèi)部作濾波處理，而膨脹則是對(duì)圖像的外部作處理。用這些運(yùn)算及其組合來進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理，可以解決抑制噪聲、特征提取、邊緣檢測(cè)、圖像恢復(fù)與重建等方面的問題。 數(shù)學(xué)形態(tài)學(xué)處理數(shù)學(xué)形態(tài)學(xué)[118]是一門建立在嚴(yán)格數(shù)學(xué)理論基礎(chǔ)上的，分析研究空間結(jié)構(gòu)的形狀、框架的學(xué)科。 （3）車牌區(qū)域有直方圖統(tǒng)計(jì)特征，對(duì)像素梯度積分。 （1）在車牌區(qū)域內(nèi)，由于汽車牌照上字符和其自身顏色差異巨大形成鮮明對(duì)比，這就使得車牌區(qū)域里的灰度跳變多，車牌邊緣的形狀呈現(xiàn)屋頂狀的，在字符區(qū)域會(huì)顯現(xiàn)出不間斷且比圖像的背景還多的峰谷群。 （2）常用車牌底色主要有藍(lán)底白字（普通汽車），黃底黑字（大型民用車）、白底黑字（汽車補(bǔ)用牌照）、黑底白字（領(lǐng)事館車）等。這些特征主要體現(xiàn)在結(jié)構(gòu)方面與區(qū)域方面。本文將數(shù)學(xué)形態(tài)學(xué)法和彩色分割相結(jié)合實(shí)現(xiàn)車牌定位。車牌定位準(zhǔn)確與否直接影響后續(xù)工作，車牌定位主要對(duì)汽車圖像進(jìn)行車牌區(qū)域提取，并將車牌從該區(qū)域中準(zhǔn)確地劃分出來，便于后面的字符分割操作，這里的圖像可能會(huì)具有很復(fù)雜的背景，加上光照條件和車牌自身的各種問題如缺損、褪色、污漬等，增加了車牌準(zhǔn)確定位的難度。因此，本文采用Sobel算子對(duì)圖像進(jìn)行邊緣檢測(cè)?？材崴阕拥倪吘墮z測(cè)算法步驟如下：（1） 利用高斯函數(shù)平滑圖像；（2） 采用微分算子沿圖像梯度的X與Y方向分別求偏導(dǎo)數(shù)，計(jì)算梯度的幅值和方向；（3） 把局部梯度最大值保留下來，抑制梯度非極大值點(diǎn)；（4） 用雙閾值算法檢測(cè)，并對(duì)邊緣進(jìn)行連接；以下是幾種算子的邊緣檢測(cè)結(jié)果如圖4所示，從圖中可以看出通過 Roberts 算子檢測(cè)出的邊緣存在漏檢現(xiàn)象，對(duì)噪聲的抑制能力差；Prewitt 算子能抑制一定程度的噪聲，但是得到邊緣連續(xù)性較差；Canny 算子對(duì)邊緣的檢測(cè)性能較好，抗噪能力強(qiáng)，并且能在邊緣點(diǎn)產(chǎn)生強(qiáng)度、方向等信息；但是邊緣的一些細(xì)節(jié)容易得不到檢測(cè)或一些偽邊緣可能會(huì)被檢測(cè)出，而Sobel算子相對(duì)精確，它是方向性的，在水平和垂直方向上形成了最強(qiáng)烈的邊緣。Canny 算子是通過對(duì)信號(hào)函數(shù)求極大值檢測(cè)圖像的邊緣點(diǎn)。對(duì)于同一邊緣要有低的響應(yīng)次數(shù)。邊緣定位精度L越大就表示定位精度越高。其信噪比（SNR）定義為： （13） 其中為邊緣檢測(cè)函數(shù)，是以W為寬度的濾波器的脈沖響應(yīng)，為高斯噪聲的均方差。但定位精度不高，不能排除檢測(cè)結(jié)果中的虛假邊緣，容易誤判邊緣信息點(diǎn)。由于邊緣點(diǎn)像素的灰度值與其領(lǐng)域點(diǎn)像素的灰度值有顯著不同，在實(shí)際應(yīng)用中通常采用微分算子和模板匹配方法進(jìn)行圖像邊緣檢測(cè)。運(yùn)算結(jié)果是一幅邊緣圖像，Sobel算子通常對(duì)灰度漸變和噪聲較多的圖像處理得較好。它由下式給出: (11)Sobel算子是一組方向算子，從不同的方向檢測(cè)邊緣。但抗噪聲能力差，且容易丟失部分邊緣信息，適用于低噪聲、陡峭邊緣的場(chǎng)合。公式定義為: (10)其中表示邊緣檢測(cè)之后的圖像，、和)分別為4領(lǐng)域的坐標(biāo)，且是具有整數(shù)像素坐標(biāo)的輸入圖像；其中的平方根運(yùn)算使得該處理類似于人類視覺系統(tǒng)中發(fā)生的過程。邊緣上的這種變化可以用微分算子檢測(cè)出來，其中常用邊緣檢測(cè)的梯度算子主要有Roberts算子、Sobel算子和Prewitt算子，此外還有Laplace算子、Log算子以及Canny算子等邊緣檢測(cè)方式[117]。由于圖像數(shù)據(jù)是二維的，而實(shí)際物體是三維的，從三維到二維的投影必然會(huì)造成信息的丟失，再加上成像過程中的光照不均和噪聲等因素的影響，使得有邊緣的地方不一定能被檢測(cè)出來，而檢測(cè)出的邊緣也不一定代表實(shí)際邊緣。 （a)原灰度圖像 （b）原圖像直方圖 （c）均衡后圖像 （d）均衡后圖像的直方圖 圖3 直方圖均衡化效果圖 邊緣檢測(cè)邊緣（或邊沿）的含義體現(xiàn)在灰度的突變上，邊緣主要存在于目標(biāo)與目標(biāo)，目標(biāo)與背景等不同對(duì)象之間，因此，它是圖像分割、紋理特征提取和形狀特征等圖像分析的重要基礎(chǔ)。從圖中還可以了解到：由于采用離散公式，其概率密度函數(shù)是近似的，原直方圖上頻率較小的某些灰度級(jí)被合并到一個(gè)或幾個(gè)灰度級(jí)中，頻率小的部分被壓縮，頻率大的部分被增強(qiáng)。從直方圖中可以看出大部分像素的灰度集中在某些灰度值上，圖（c）和圖（d）分別是經(jīng)均衡化得到的圖像及其直方圖。圖3是原車牌圖像以及直方圖和經(jīng)過均衡化的圖像顯示。即，則有： （7）兩邊積分則： （8）由上式看出，當(dāng)變換函數(shù)為r 的累積直方圖函數(shù)時(shí)，能達(dá)到直方圖均衡化的目的。假定s分布函數(shù)為，則有： （5）對(duì)于上式，等式兩邊對(duì)s求導(dǎo)可得 （6） 通過變換函數(shù)可以控制圖像灰度級(jí)的概率密度函數(shù)，從而改善圖像的灰度層次，這就是直方圖均衡的基礎(chǔ)。同時(shí)，使變換后的灰度級(jí)在所規(guī)定的范圍內(nèi)。采用直方圖變換后，可使圖像的灰度間距拉開或使灰度分布均勻，從而增大對(duì)比度，使圖像清晰，達(dá)到增強(qiáng)的目的，本文采用的直方圖變換是直方圖均衡化，所謂直方圖均衡化是通過對(duì)原圖像進(jìn)行某種變換，使得圖像的直方圖變?yōu)榫鶆蚍植嫉闹狈綀D。自然圖像由于灰度分布可能集中在較窄的區(qū)間，引起圖像不夠清晰。借助于灰度圖像可以很方便地進(jìn)行高效檢測(cè)邊緣、分割圖像及濾波處理。以灰度級(jí)別為橫坐標(biāo)，縱坐標(biāo)是圖像中該灰度出現(xiàn)的像素個(gè)數(shù)。從圖可以看出灰度化后雖然只有亮度信息，但仍完整地表示原圖的信息，其灰度化效果圖如圖2所示： （a）原始圖像 （b）灰度圖圖2 灰度化效果圖 灰度直方圖變換在數(shù)字圖像處理中，灰度直方圖是最簡(jiǎn)單且最有用的工具，它是關(guān)于灰度級(jí)分布的函數(shù)，用于描述數(shù)字圖像中具有該灰度級(jí)的像素個(gè)數(shù)，并按照灰度級(jí)的大小統(tǒng)計(jì)其所出現(xiàn)的頻率。從現(xiàn)階段來說,基于彩色圖像處理技術(shù)處在技術(shù)發(fā)展的初級(jí)階段，短時(shí)間內(nèi)不會(huì)有改革性的突破,相反基于灰度圖像處理技術(shù)已經(jīng)發(fā)展成熟,因此我們進(jìn)行車牌定位處理的首要步驟就是圖像灰度化。由于人眼對(duì)三基色的敏感度由高到低排依次是G(綠色）、R（紅色），B（藍(lán)色），根據(jù)敏感度分配不同的權(quán)值即圖像灰度化公式： (3)其中W是灰度圖的亮度值。彩色圖像灰度化，從直觀上看就是對(duì)數(shù)字圖像的三個(gè)顏色分量（R、G、B）進(jìn)行加權(quán)平均求其灰度值的過程。由此可見，真彩色圖像處理算法復(fù)雜，為了簡(jiǎn)化車牌圖像處理過程，需要將彩色圖像進(jìn)行灰度化。由此可以得出一幅真彩色圖像最多含有約16000萬種顏色。攝像機(jī)拍攝角度的不同再加上很多拍攝的對(duì)象都是運(yùn)動(dòng)著的車輛，所以獲取到的圖像都會(huì)有一定程度的傾斜，因此，這勢(shì)必要對(duì)圖像進(jìn)行傾斜矯正，或者是在車牌區(qū)域劃分以后進(jìn)行傾斜校正。一般由攝像機(jī)獲取到的圖像在傳輸變換中會(huì)不可避免地被噪聲污染，所以為了識(shí)別效果理想，就需要對(duì)采集的原始圖像進(jìn)行適當(dāng)?shù)娜ピ胩幚?。由于不同時(shí)刻光照強(qiáng)度不同再加上汽車牌照識(shí)別系統(tǒng)需要24小時(shí)不間斷工作，這勢(shì)必會(huì)引起車牌圖像對(duì)比度嚴(yán)重不足，因此，很有必要進(jìn)行圖像增強(qiáng)。無論是輕度干擾還是重度干擾這勢(shì)必會(huì)影響車牌區(qū)域準(zhǔn)確劃分，從而不能準(zhǔn)確進(jìn)行字符分割與字符識(shí)別。由于拍攝傾斜角、車牌有污漬、車牌斷裂、攝像機(jī)鏡頭的光學(xué)畸變以及光照、季節(jié)和氣候的不穩(wěn)定等因素都會(huì)使圖像質(zhì)量下降，這些干擾源具體表現(xiàn)為如由于光照度不均勻造成車牌區(qū)域含有陰影部分導(dǎo)致圖像灰度過于集中；由攝像機(jī)獲得的車輛圖像在傳輸變換過程中也會(huì)產(chǎn)生噪聲污染；車輛的牌照區(qū)域被障礙物覆蓋或字符發(fā)生褪色或污漬覆蓋等等。（7）可以直接使用功能強(qiáng)勁的專業(yè)工具箱，這樣從事相關(guān)研究用戶可以把主要精力放在自己需要?jiǎng)?chuàng)新的算法的分析、比較、設(shè)計(jì)等方面，不需要太過關(guān)注自己學(xué)科范圍內(nèi)基礎(chǔ)程序細(xì)節(jié)方面問題，極大地減少了工作量，提高工作效率。（5）可以使用 MATLAB 軟件中的control、Image Acquisition Toolbox、Image Processing Toolbox 以及 Neural Network Toolbox 等模塊作為骨架來搭建整個(gè)應(yīng)用系統(tǒng)。（4）圖片編輯功能強(qiáng)大。MATLAB軟件大體上利用C語言編寫程序，這也就表示MATLAB軟件里提供了和C語言算法應(yīng)該的需要各種運(yùn)算符，靈活使用運(yùn)算符可以使程序變得簡(jiǎn)短化。MATLAB程序設(shè)計(jì)不嚴(yán)格，自由度很大，并且該軟件中庫函數(shù)都由本領(lǐng)域的學(xué)術(shù)水平很高的專家編寫的，所以用戶可以直接調(diào)用。 車牌識(shí)別的軟件部分的編寫大多采用 VC++或者 MATLAB 語言，本課題我選用 軟件。MATLAB用更直觀的、人們很容易接受的代碼，代替了其他的冗長(zhǎng)代碼。將車牌定位、字符分割、字符識(shí)別進(jìn)行了系統(tǒng)化，并用MATLAB軟件對(duì)系統(tǒng)的性能進(jìn)行了測(cè)試仿真和分析。該軟件利用其非常豐富的庫函數(shù)資源，通過編寫M文件程序，首先將由硬件設(shè)備采集獲取到的汽車圖像樣本進(jìn)行圖像灰度化、濾波處理，以達(dá)到去噪的效果、車牌區(qū)域的對(duì)比度的增強(qiáng)。該格式的圖像是由一個(gè)軟件開發(fā)聯(lián)合會(huì)組織制定的，支持高級(jí)別的壓縮，圖像色彩豐富，占用空間小，而且廣泛支持 Internet 標(biāo)準(zhǔn)，適用于攝影作品、寫實(shí)作品、照片等具有豐富清晰細(xì)膩的大圖像。 系統(tǒng)軟件設(shè)計(jì)硬件基礎(chǔ)設(shè)備如CCD攝像頭采集獲取到汽車圖像樣本后，如果用計(jì)算機(jī)處理圖像，首先需要考慮的就是圖像的存儲(chǔ)格式。根據(jù)汽車牌照底色的先驗(yàn)知識(shí)，我們民用汽車牌照是藍(lán)底白字，所以本文以此為例利用彩色像素點(diǎn)統(tǒng)計(jì)進(jìn)而分割出車牌區(qū)域，車牌圖像的樣本大多是由CCD攝像設(shè)備所拍攝獲到的，該樣本一般為RGB彩色圖像，所以要想精確定位，就得先確定好汽車牌照底色RGB各自對(duì)應(yīng)的灰度級(jí)范圍，接著沿著水平方向?qū)υ诖祟伾秶鷥?nèi)的像素點(diǎn)進(jìn)行統(tǒng)計(jì)確定所統(tǒng)計(jì)的像素點(diǎn)數(shù)量，然后依據(jù)前面的工作設(shè)定合理的閾值，用來確定水平方向的車牌合理區(qū)域，隨后在分割后的車牌區(qū)域?qū)ζ浯怪狈较虻南袼攸c(diǎn)進(jìn)行統(tǒng)計(jì)，確定好像素點(diǎn)數(shù)量，最終完成對(duì)車牌區(qū)域的分割，實(shí)現(xiàn)準(zhǔn)確定位。Hough變換方法對(duì)車牌區(qū)域