【正文】 圖像在掃描或者傳輸過(guò)程中夾帶了噪聲，去噪聲是圖像處理中常用的手法。這樣直方圖中必有連零塊和非連零塊，測(cè)試每個(gè)非連零塊的寬度，如果它不在車牌高度的范圍內(nèi)，就置其為零，那么就將邊框?yàn)V除了( 其中 Height，Width 為牌照?qǐng)D像的高度和寬度)。 車牌預(yù)處理 去邊框處理一般藍(lán)底白字的車牌都有白色邊框，與字符的顏色相同，它的存在將對(duì)后繼的字符識(shí)別造成影響，因此它的濾除十分必要。另外在實(shí)驗(yàn)中還發(fā)現(xiàn)該算法對(duì)車牌背景環(huán)境要求比較嚴(yán)格，車牌如果比較傾斜或者車牌顏色與汽車顏色相近或者車牌背景中的噪聲較大，則定位起來(lái)比較困難，不能實(shí)現(xiàn)車牌的精確定位，以后需要進(jìn)一步改進(jìn)。 (a) 水平投影分割得到的圖像 (b) 腐蝕運(yùn)算得到的圖像 (c) 第一次膨脹運(yùn)算得到的圖像 (d) 第二次膨脹運(yùn)算得到的圖像圖 26 形態(tài)學(xué)變化得到的圖像 西南科技大學(xué)本科生畢業(yè)論文 14圖 27 定位流程圖 西南科技大學(xué)本科生畢業(yè)論文 15 實(shí)驗(yàn)結(jié)果分析經(jīng)實(shí)驗(yàn)，大部分圖片中的牌照能夠被正確的定位出來(lái)如圖 28，極少部分牌照不能正確定位。定出車牌的四個(gè)邊緣以后，就可以通過(guò)分割函數(shù) TempSubert()將車牌從源圖像中裁減出來(lái)，為了使裁減的準(zhǔn)確，可以設(shè)置邊緣的微量調(diào)整。 定位的算法實(shí)現(xiàn)利用投影法，在 Visual C++中用 C++語(yǔ)言對(duì)以上算法進(jìn)行編程，對(duì)車輛牌照進(jìn)行定位。如圖 26 所示。最后進(jìn)行一次開(kāi)運(yùn)算，將車牌區(qū)域平滑一下。對(duì)形態(tài)學(xué)了解后，我們用形態(tài)學(xué)來(lái)進(jìn)行定位，具體算法為：對(duì)得到的帶狀區(qū)域用結(jié)構(gòu)算子先進(jìn)行一次腐蝕運(yùn)算，消除一些獨(dú)立的亮點(diǎn)，但使用的結(jié)構(gòu)算子不能太大，否則會(huì)失去一部分車牌的信息。 （a）腐蝕前 （b）腐蝕后 西南科技大學(xué)本科生畢業(yè)論文 12 圖 24 圖像腐蝕前后的顯示效果對(duì)比開(kāi)啟開(kāi)啟的運(yùn)算符為“ ”， 用 來(lái)開(kāi)啟記為 ，其定義如下：?ABBA? （2??)(??6）閉合閉合的運(yùn)算符為“ ”， 用 來(lái)閉合記為 ，其定義見(jiàn)式（ 27）：?ABBA? （2?)(?7）開(kāi)啟和閉合運(yùn)算不受原點(diǎn)位置的影響，無(wú)論原點(diǎn)是否包含在結(jié)構(gòu)元素中，開(kāi)啟和閉合的結(jié)果都是一樣的。 （a）膨脹前 （b）膨脹后 圖 23 圖像膨脹前后的顯示效果對(duì)比腐蝕腐蝕的運(yùn)算符是 ，圖像集合 用結(jié)構(gòu)元素 來(lái)腐蝕記作 ，其定義為：?ABBA? （2??x??)(|5）式（25 ）表明， 用 來(lái)腐蝕的結(jié)果是所有滿足將 平移 后， 仍全部包含在ABx中的 的集合，從直觀上看就是 經(jīng)過(guò)平移后全部包含在 中的原點(diǎn)組成的集合。 （2??????????????????????xAx?^|4）膨脹的作用效果如圖 23 所示。式（24）表明，^B 西南科技大學(xué)本科生畢業(yè)論文 11用 對(duì) 進(jìn)行膨脹的過(guò)程是這樣的：首先對(duì) 作關(guān)于原點(diǎn)的映射，再將其映像平移BAB，當(dāng) 與 映像的交集不為空集時(shí)， 的原點(diǎn)就是膨脹集合的像素。下面簡(jiǎn)單介紹一下以上 4 種運(yùn)算。其運(yùn)算對(duì)象是集合，通常給出一個(gè)圖像集合和一個(gè)結(jié)構(gòu)元素集合，利用結(jié)構(gòu)元素對(duì)圖像進(jìn)行操作。數(shù)學(xué)形態(tài)學(xué)的數(shù)學(xué)基礎(chǔ)和使用的語(yǔ)言是集合論，其基本運(yùn)算有四種：膨脹(Dilation ) 、腐蝕 (Erosion )、開(kāi)啟(Open)和閉合(Close )。數(shù)學(xué)形態(tài)學(xué)可以用來(lái)簡(jiǎn)化圖像數(shù)據(jù)，保持圖像的基本形狀特性，同時(shí)去掉圖像中與研究目的無(wú)關(guān)的部分。最初形態(tài)學(xué)是生物學(xué)中研究動(dòng)物和植物的一個(gè)分支，后來(lái)也用數(shù)學(xué)形態(tài)學(xué)來(lái)表示以形態(tài)學(xué)為基礎(chǔ)的圖像分析數(shù)學(xué)工具。字符與字符之間的間隔是近似相等的，而且字符的寬度是近似相等的，而車 （a）二值化圖像 （b）水平投影圖 圖 22 水平投影牌具有 7 個(gè)字符，所以車牌區(qū)域在垂直方向上的投影應(yīng)該存在 6 個(gè)低谷點(diǎn)，而且相鄰低谷點(diǎn)之間的距離是近似相等的，第二和第三字符之間的距離略大于其他字符間的距離。如何準(zhǔn)確地確定局部最小值是否為谷底，關(guān)鍵在于閾值的選取。在光照均勻和背景不是很復(fù)雜的圖像中，車牌的峰值特性十分明顯，很容易就可以定位出車牌區(qū)域的水平位置。2．獨(dú)立峰具有一定的寬度，這是由車牌的寬度信息決定的。但是并不是所有的局部最小值之間都能稱為峰的，它可能附屬鄰近的一個(gè)峰，因而要確定哪一個(gè)局部最小值是峰谷，哪一個(gè)是毛刺。對(duì)于實(shí)際的投影曲線可以通過(guò)找差分曲線的過(guò)零點(diǎn)來(lái)確定低谷點(diǎn)，所以對(duì)平滑以后的投影圖 求一階差分：)(nh (23))1()(39。但是從圖中可以發(fā)現(xiàn)投影圖不是十分的光滑，會(huì)給精確定位帶來(lái)一些困難，所以對(duì)投影圖進(jìn)行平滑。峰值的兩個(gè)低谷點(diǎn)就是車牌的垂直位置，這樣就得到了包含了車牌的帶狀區(qū)域。根據(jù)車牌特征，車牌區(qū)域中的垂直邊緣較密集，而且車牌一般懸掛在車身較低的位置其下方?jīng)]有很多的邊緣密集區(qū)域。利用水平投影來(lái)檢測(cè)車牌的水平位置，利用垂直投影和形態(tài)學(xué)的方法檢測(cè)車牌的垂直位置 [8]。這里不再作詳細(xì)的論述。第 2 類：即先對(duì)車輛圖像進(jìn)行車牌的粗定位，然后再進(jìn)行精定位。(4)統(tǒng)計(jì)直方圖及投影方法：該方法通過(guò)對(duì)圖像的水平和垂直兩個(gè)方向灰度投影直方圖來(lái)分析推斷出牌照的位置。(3)直線邊緣檢測(cè)：這種方法主要利用 Hough 變化檢測(cè)車牌周圍邊框直線。該算法要求把圖像中每一個(gè)像素所提取特征輸入神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行學(xué)習(xí)，計(jì)算量很大，同時(shí)需處理好網(wǎng)絡(luò)局部收斂的問(wèn)題，且車牌定位時(shí)間長(zhǎng) [5]。第 1 類：這類算法的主要特點(diǎn)是通過(guò)一個(gè)步驟就可以將車牌區(qū)域定位出來(lái)。這些特征包括車牌的顏色特征、幾何特征、紋理特征和經(jīng)過(guò)處理運(yùn)算后得到的車牌區(qū)域固有的特征(異于背景區(qū)域特征) 等。為了快速、準(zhǔn)確地定位車牌，目前已有很多學(xué)者提出許多定位算法?？紤]到圖像中的文字是由短的橫豎線組成，而背景噪聲有一大部分是孤立噪聲，所以用模板(1，1，1，1) T 對(duì)圖像進(jìn)行中值濾波，得到去除大部分干擾的圖像。經(jīng)過(guò)二值化，可以進(jìn)行下一步處理。在本系統(tǒng)中考慮到所要進(jìn)行處理的圖像大多是噪聲比較少的灰度車牌，系統(tǒng)中采用全局閾值分割的方法進(jìn)行處理，初始閾值 的確定方法是由式(22)完成：T 西南科技大學(xué)本科生畢業(yè)論文 7 (22)??3/minaxmaxGT??和 分別是最高和最低灰度值。這些方法都是以圖像的灰度直方圖為研究對(duì)象來(lái)確定閾值的。全局閾值分割方法在圖像處理中應(yīng)用比較多，它在整幅圖像內(nèi)采用固定的閾值分割圖像。在閾值分割后，相鄰子圖像之間的邊界處可能產(chǎn)生灰度級(jí)的不連續(xù)，因此需用平滑技術(shù)進(jìn)行排除。閾值分割法可以分為全局閾值法和局部閾值分割法。在系統(tǒng)中是根據(jù)象素的灰度值將圖像處理成黑白兩種顏色。為了更加便利的開(kāi)展下面的圖像處理操作，還需要對(duì)已經(jīng)得到的灰度圖像做一個(gè)二值化處理。 灰度圖像二值化在進(jìn)行了灰度化處理以后，圖像中的每個(gè)象素只有一個(gè)值，即象素的灰度值。這樣可以使得到的灰度圖像在視覺(jué)上更接近人的主觀感覺(jué)。經(jīng)常用到的灰度化公式由式(21) 完成： (21)BGRI *.*??式(21)中 為灰度值?；叶戎荡蟮南笏乇容^亮，反之比較暗。彩色圖像的每個(gè)象素的 RGB 值是不同的，所以顯示出紅綠藍(lán)等各種顏色。 256 色位圖灰度化 西南科技大學(xué)本科生畢業(yè)論文 6由于 256 色的位圖的調(diào)色板內(nèi)容比較復(fù)雜，使得圖像處理的許多算法都沒(méi)有辦法展開(kāi)，因此有必要對(duì)它進(jìn)行灰度處理。為了能夠方便的進(jìn)行后期的數(shù)字圖像處理，需要將彩色圖像轉(zhuǎn)化成 256 色的灰度圖后進(jìn)行處理，然后對(duì)圖像做二值化處理，削弱背景干擾，消除噪聲。其流程圖如圖 21 所示。本課題中，根據(jù)車牌的二值圖像在水平和垂直方向的投影特性提出了基于二值化圖像投影法和數(shù)學(xué)形態(tài)學(xué)相結(jié)合的車牌定位算法，該算法具有快速、簡(jiǎn)潔實(shí)用和與背景相關(guān)性小的特點(diǎn)。從自然背景中準(zhǔn)確可靠地分割出車牌區(qū)域是提高系統(tǒng)識(shí)別率的關(guān)鍵，但是由于車牌圖像攝于背景復(fù)雜且光照不均勻的自然場(chǎng)景，因而會(huì)出現(xiàn)顏色失真或低對(duì)比度的圖像，這給車輛牌照的定位帶來(lái)了很大的困難。 西南科技大學(xué)本科生畢業(yè)論文 4 西南科技大學(xué)本科生畢業(yè)論文 5第 2 章 車輛牌照的定位方法車輛牌照的定位方法是基于圖像處理的基礎(chǔ)上，對(duì)圖像進(jìn)行分析、總結(jié)并經(jīng)過(guò)大量的試驗(yàn)所獲得的。其中車輛牌照數(shù)字字符的識(shí)別是本課題的重點(diǎn)。在車牌定位、字符分割和特征提取的基礎(chǔ)上，詳細(xì)研究了車牌數(shù)字字符的識(shí)別。因此，我國(guó)車輛牌照識(shí)別技術(shù)的提高和廣泛應(yīng)用還需廣大科研工作者和相關(guān)交通部門的共同努力。③其他國(guó)家的汽車牌照格式通常只有一種，而我國(guó)則根據(jù)不同車輛、車型、用途，規(guī)定了多種牌照格式。但由于以下幾個(gè)原因使我國(guó)的車輛牌照識(shí)別技術(shù)在研究和應(yīng)用方面都有一定難度，且落后于其它國(guó)家：①我國(guó)的標(biāo)準(zhǔn)汽車牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組成，漢字的識(shí)別與字母和數(shù)字的識(shí)別有很大的不同，從而增加了識(shí)別的難度。如以色列 HiTech 公司的 See/Car System 系列，它需要多種變形的產(chǎn)品來(lái)分別適應(yīng)某一個(gè)國(guó)家的車牌；新加坡 Optasia 公司的 VLPRS 系列，只適合于新加坡的車牌；See/Car Chinese 系統(tǒng)可以對(duì)中國(guó)大陸的車牌進(jìn)行識(shí)別，但都存在一定的缺陷，而且不能識(shí)別車牌中的漢字。C C D 攝像機(jī)圖像輸入接口預(yù)處理字符識(shí)別顯示字符分割牌照與背景分割 圖 11 車輛牌照識(shí)別系統(tǒng)原理框圖 車輛牌照識(shí)別在國(guó)內(nèi)外研究現(xiàn)狀自 1988 年以來(lái)，人們就對(duì)車輛牌照識(shí)別系統(tǒng)進(jìn)行了廣泛的研究，目前國(guó)內(nèi)外已經(jīng)有眾多的算法，一些實(shí)用的 LPR 技術(shù)也開(kāi)始用于車流監(jiān)控、出入控制、電子收費(fèi)等場(chǎng)合。在硬件上，它需要集成可控照明燈、鏡頭、圖像采集模塊、數(shù)字信號(hào)處理器、存儲(chǔ)器、通信模塊、溫控模塊、單片機(jī)等；在軟件上，它包括車牌定位、車牌字符切割、車牌字符識(shí)別等算法。對(duì)車牌中的字符做 西南科技大學(xué)本科生畢業(yè)論文 2字符分割，最后把分割后的字符進(jìn)行識(shí)別，便得到了汽車牌照的號(hào)碼。通過(guò)識(shí)別系統(tǒng)的預(yù)處理，為目標(biāo)搜索提供一個(gè)良好的定位環(huán)境。 車輛牌照識(shí)別系統(tǒng)原理一個(gè)典型的車輛牌照識(shí)別系統(tǒng)(LPR)是由圖像采集系統(tǒng)和圖像識(shí)別系統(tǒng)組成的，如圖 11[3]。車牌的定位與識(shí)別技術(shù)，總體來(lái)說(shuō)是圖像處理技術(shù)與車牌本身特點(diǎn)的有機(jī)結(jié)合，當(dāng)然也包括小波分析、神經(jīng)網(wǎng)絡(luò)、數(shù)學(xué)形態(tài)學(xué)、模糊理論等數(shù)學(xué)知識(shí)的有效運(yùn)用 [2]。由于需適應(yīng)各種復(fù)雜背景，加之要識(shí)別的車輛種類繁多，顏色變化多端，以及檢測(cè)時(shí)要適應(yīng)不同天氣變化導(dǎo)致的不同光照條件，因此，目前的系統(tǒng)都或多或少地存在一些問(wèn)題。因此對(duì)車牌識(shí)別技術(shù)研究有巨大的經(jīng)濟(jì)價(jià)值和現(xiàn)實(shí)意義。車牌自動(dòng)識(shí)別技術(shù)是計(jì)算機(jī)視覺(jué)、圖像處理技術(shù)與模式識(shí)別等技術(shù)的融合，是智能交通系統(tǒng)中一項(xiàng)非常重要的技術(shù)。 In order to solve the problem of the digital characters recognition in the plate, BP nerve work was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition