【正文】 如下圖：圖 44 高斯濾波模板圖本文采用 5*5 的高斯濾波模板對圖像進行去噪處理。通俗的講，高斯濾波就是對整幅圖像進行加權(quán)平均的過程，每一個像素點的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。 } } }效果圖圖 43 灰度均衡后的圖像結(jié)果分析本文采用直方圖均衡化，把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布，對圖像進行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內(nèi)的像素數(shù)量大致相同，把給定圖像的直方圖分布改變成“均勻”分布直方圖分布。 gray[tt]++。 x nWidth。 y nHeight。 i++) { gray[i] = 0。 for (int i = 0。 i 256。 ++i)//灰度級頻度數(shù)累加 SumGray[i] = SumGray[i 1] + gray[i]。//灰度均衡化 for (int i = 1。 int nWidth = 。代碼實現(xiàn)unsafe { byte* p = (byte*)(void*)Scan0。設(shè)一幅圖像的象素總數(shù)為 N, 分為 L 個灰度級, 用 NK 代表灰度級 rk 出現(xiàn)的頻數(shù), 于是第 k 個灰度級出現(xiàn)的頻率為：Pr(rk) = NK246。其中 , 以直方圖均衡法的實驗效果最為理想, 他不僅使光照不均的牌照變得較為清晰, 而且對正常牌照進行同樣的處理后也能得到較清晰的結(jié)果。 圖像的灰度均衡原理由于白天和夜晚、晴天和陰天的光線強度有很大差異, 在某些情況下拍攝的牌照出現(xiàn)對比度不足的現(xiàn)象, 使圖像的細節(jié)分辨不清, 嚴重干擾字符的識別。 p += 3。 bb[blue]++。 rr[red]++。 red = p[2]。 ++x)16 { blue = p[0]。 ++y) { for (int x = 0。代碼實現(xiàn)for (int y = 0。由于人眼對綠色的敏感最高，對藍色敏感最低，因此，按下式對 RGB 三分量進行加權(quán)平均能得到較合理的灰度圖像。在 RGB 模型中，如果 R=G=B 時，則彩色表示一種灰度顏色，其中R=G=B 的值叫灰度值，因此，灰度圖像每個像素只需一個字節(jié)存放灰度值（又稱強度值、亮度值） ，灰度范圍為 0255。由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理。 圖像預(yù)處理模塊攝像時的光照條件，牌照的整潔程度，攝像機的狀態(tài)（焦距，角度和鏡頭的光學(xué)畸變），以及車速的不穩(wěn)定等因素都會不同程度的影響圖像效果，出現(xiàn)圖像模糊，歪斜或缺損，車牌字符邊界模糊不清，細節(jié)不清，筆畫斷開，粗細不均等現(xiàn)象，從而影響車牌區(qū)域的分割與字符識別的工作，所以識別之前要進行預(yù)處理。15 第四章 系統(tǒng)功能與實現(xiàn)本車牌識別系統(tǒng)主要包括四個模塊，即圖像預(yù)處理模塊、車牌定位模塊、字符分割模塊、字符識別模塊。VS2022 提供了一系列可視化開發(fā)工具，如應(yīng)用程序向?qū)?AppWizard、屬性窗口等，通過使用可視化編程技術(shù)使得 Wi ndows 編程更為直觀、方便、快捷。Visual Studio 2022 可以高效開發(fā) Web 應(yīng)用，集成了 AJAX ，包含 AJAX 項目模板，它還可以高效開發(fā) Office 應(yīng)用和 Mobile 應(yīng)用。設(shè)計器中可以實時反映變更，XAML 中智能感知功能可以提高開發(fā)效率。 　　VS2022 引入了 250 多個新特性，整合了對象、關(guān)系型數(shù)據(jù)、XML 的訪問方式，語言更加簡潔。 Microsoft Visual Studio 2022 簡介Visual Studio 是微軟公司推出的開發(fā)環(huán)境，Visual Studio 可以用來創(chuàng)建 Windows 平臺下的 Windows 應(yīng)用程序和網(wǎng)絡(luò)應(yīng)用程序，也可以用來創(chuàng)建網(wǎng)絡(luò)服務(wù)、智能設(shè)備應(yīng)用程序和 Office 插件。本系統(tǒng)的采用在 VS2022 環(huán)境下基于 C語言的開發(fā)平臺。 技術(shù)開發(fā)平臺合理選取開發(fā)工具，不僅會對系統(tǒng)的開發(fā)效率和周期產(chǎn)生重大影響，而且還有可能大幅度降低開發(fā)成本，并提高系統(tǒng)的穩(wěn)定性和可維護性。字符分割 ：利用投影檢測的字符定位分割方法得到單個的字符。圖像預(yù)處理：對載入系統(tǒng)的圖像進行灰度變換、高斯濾波等預(yù)處理以克服圖像干擾。 系統(tǒng)流程設(shè)計本課題研制的車牌識別系統(tǒng)軟件主要分為四大塊，即圖像預(yù)處理模塊以及車牌定位、車牌字符分割和字符識別模塊。 字符識別模塊本模塊功能是對提取后的字符進行編碼后識別并輸出。為了突出汽車牌照13 的邊緣，采用 Sobel 算法實現(xiàn)圖像的邊緣檢測，尋找圖像灰度值發(fā)生急劇變化的區(qū)域；選擇基于邊緣檢測和投影法相結(jié)合的定位方法，提取大致的需要的車牌區(qū)域；經(jīng)過邊界調(diào)整和去除邊框等操作，進一步的精確車牌區(qū)域。將彩色圖像用加權(quán)平均值法轉(zhuǎn)換成灰度圖像，直方圖均衡增加圖像對比，高斯濾波去除噪聲干擾，通過以上處理，提高了圖像的質(zhì)量，強化了圖像區(qū)域。 系統(tǒng)需求及功能分析本車牌識別系統(tǒng)主要包括四個模塊：圖像預(yù)處理模塊、車牌定位模塊、字符分割模塊、字符識別模塊。3．NCC算法在多數(shù)應(yīng)用場合，實際使用的是SSD的變形——歸一化交叉相關(guān)算法(normalized cross correlation，簡稱NCC)： 公式(25), ,2, , 2, ,|()()|(,)(|(, )ijijmnijijmnsEsTERij???? E( )與E(T) 分別是搜索子圖 與模板圖T的灰度平均值。最簡單的基于灰度值的ijs方法是利用灰度的絕對差值(absolute difference，簡稱AD)，即計算模板與搜索子圖灰度值的L1距離： 公式(23) ,1(,)|()(,)|NijmnDijsTmn???此種算法的時間復(fù)雜度是o(M2/V2)，灰度發(fā)生變化，算法將可能會失效。 常用模板匹配算法簡介1．AD算法假設(shè)待搜索圖像S 的尺寸為 MM，模板T 的尺寸為NN ，MN，其中M， N代表圖像像素。在這里 λ 為拒識閾值 (一般由實驗分析得出)。上式也可以表述為待識圖像上對應(yīng)點均為“1”的數(shù)目與標準模板上“1”點的數(shù)目之比。其基本思想是為每個字符均建立一個標準模板 Ti，待識別的圖像用 Y 表示，它們的大小均為 MN。其中圖形匹配法在建模和匹配比較時，都是基于字符的圖形塊本身進行匹配的，再根據(jù)其相似度得出識別結(jié)果。 T(x，y)會在 T(0，0)處出現(xiàn)主峰，而在其它標準字符處出現(xiàn)一些副峰，只要這些副峰和主峰不相等，就可通過選用適當?shù)拈撝颠M行鑒別，從而判斷并識別出待識別的車牌字符。下面以一維圖像的處理為例，相關(guān)匹配算法描述如下：設(shè)輸入字符用輸入函數(shù) f(x，y)表示，標準模板用函數(shù) F(x，y)表示，在相關(guān)器中比較后輸出為 T(x，y)。 模板匹配算法 模板匹配算法原理模板匹配法是實現(xiàn)離散輸入模式分類的有效途徑之一，其實質(zhì)是通過度量輸入模式與模板之間的相似性，取相似性最大的作為輸入模式所屬類別。找出距離最短的那個模板，這個模板的輸出值就可以作為該數(shù)據(jù)對應(yīng)的輸出值。ANN 所具有的學(xué)習(xí)努力使其能夠在復(fù)雜的分布中提取出人直觀還不能理解的規(guī)律，在實際應(yīng)用中，ANN 表現(xiàn)出其優(yōu)異的分類性能，并在一定程度上成為檢驗新特征性能的測試基。5)人工神經(jīng)網(wǎng)絡(luò)10 人工神經(jīng)網(wǎng)絡(luò)是仿生學(xué)的產(chǎn)物，它通過網(wǎng)絡(luò)結(jié)點間的連接來存儲信息并完成分類計算。所取局部中有空洞、內(nèi)外凸凹點，這正是人在速讀時注意的。輪廓相對于骨架，帶入了更精確的位置，也節(jié)省了細化的運算量，但它易受到筆畫寬度和斷線的影響。3）基于輪廓結(jié)構(gòu)的方法輪廓也可以反映字符圖像的結(jié)構(gòu)，由于存在內(nèi)外輪廓和筆畫寬度等因素的影響，輪廓提取方法簡單，結(jié)果確定，因而它仍不失為一種好的結(jié)構(gòu)信息源。這種方法對字符的傾斜變形有比較好的適應(yīng)性，但是運算最大。首先對分割出來的字符進行預(yù)處理，并抽取出代表未知字符模式本質(zhì)的各種特征，然后將此表達形式和預(yù)先儲存在機器中的標準字符模式特征逐個匹配，最后用一定的判別準則進行判別，找出最接近輸入字符模式的特征的標準字符，該表達模式所對應(yīng)的字符就是識別的結(jié)果。因此，字符識別技術(shù)是整個系統(tǒng)最為核心的技術(shù)。9 字符識別技術(shù) 字符識別技術(shù)概念字符識別技術(shù)，就是對輸入的帶有字符信息的數(shù)據(jù)通過圖像分析和模式識別技術(shù)，通過數(shù)學(xué)運算，輸出對應(yīng)的正確的附帶在圖像中的字符信息。Hough 變換具有明了的幾何解析性，一定的抗干擾能力和易于實現(xiàn)并處理等優(yōu)點：但它存在著計算量大，需要巨大的儲存空間等問題，所以不適合用在具有一定實時性要求的圖像處理中。因此有必要針對特定的牌照圖像提取其傾斜角度，再加以相應(yīng)的旋轉(zhuǎn)處理。 圖像的傾斜矯正 由于拍攝時鏡頭與牌照的角度、車輛的運動及路面的狀況等因素的影響，例如車牌在捕捉圖像中的位置不固定，捕捉圖像時車頭或者鏡頭發(fā)生擺動以及車牌本身就掛歪了或路況較差，都可能使拍攝到的車牌圖像有一定的傾斜度，為了正確識別需要進行傾斜度校正，否則將無法進行單個字符的正確分割，字符識別的誤差率就會上升。 閾值處理的操作過程是先由用戶指定或通過算法生成一個閾值，如果圖像中某中像素的灰度值小于該閾值，則將該像素的灰度值設(shè)置為 0 或 255，否則灰度值設(shè)置為 255 或 0。局部閾值法則是由象素灰度值和象素周圍點局部灰度特性來確定象素的閾值的，Bernsen 算法是典型的局部閾值方法，非均勻光照條件等情況雖然影響整體圖像的灰度分布卻不影響局部的圖像性質(zhì)，局部閾值法也存在缺點和問題，如實現(xiàn)速度慢、不能保證字符筆劃連通性、以及容易出現(xiàn)偽影現(xiàn)象等。全局閾值二值化方法是根據(jù)圖像8 的直方圖或灰度的空間分布確定一個閾值，并根據(jù)該閾值實現(xiàn)灰度圖像到二值化圖像的轉(zhuǎn)化。車牌識別系統(tǒng)要求處理的速度高、成本低、信息量大，采用二值圖像進行處理，能大大地提高處理效率。在數(shù)字圖像處理中，二值圖像占有非常重要的地位。選擇的標準是經(jīng)過灰度變換后，像素的動態(tài)范圍增加，圖像的對比度擴展，使圖像變得更加清晰、細膩、容易識別?；叶茸儞Q函數(shù)不同，即使是同一圖像也會得到不同的結(jié)果。一旦灰度變換函數(shù)確定，則確定了一個具體的灰度增強方法。=T（D） 公式（21）要求 D 和 D’都在圖像的灰度范圍之內(nèi)。設(shè)原圖像像素的灰度值 D = ?（x，y） ，處理后圖像像素的灰度值D180。而 R，G，B 的取值范圍是 0~255，所以灰度的級別只有 256 級?；叶葓D像就是只有強度信息而沒有顏色信息的圖像，存儲灰度圖像只需要一個數(shù)據(jù)矩陣，矩陣每個元素表示對應(yīng)位置像素的灰度值。彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度，因此在對圖像進行識別等處理中經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。第四章：本章主要通過實例對系統(tǒng)各模塊的原理和功能實現(xiàn)進行了分析。第二章：本章主要介紹了車牌識別設(shè)計的一些算法和相關(guān)技術(shù)的原理。本文闡述了圖像預(yù)處理算法、字符分割算法和車牌識別算法；改進了圖像預(yù)處理過程中圖像灰度化過程，使圖像更加細膩清晰，提高了圖像的識別度；采用基于模板匹配的車牌字符識別算法來解決車輛牌照識別問題，針對現(xiàn)有的字符算法來對車牌識別技術(shù)的關(guān)鍵算法進行了改進，依據(jù)現(xiàn)行的車牌設(shè)計原則，采用了一種自適應(yīng)分割方法，將車牌圖像分割 7 個待識別字符，并對分割后的字符進行了歸一化處理；對分割后的字符，通過模板匹配的車牌識別算法進行識別，然后輸出最終識別結(jié)果。 由于我國汽車車牌識別的特殊性；采用任何一種單一識別技術(shù)均難以奏效，目前正在研制的無源型汽車牌照智能識別系統(tǒng)綜合利用了車輛檢測技術(shù)、計算機視覺技術(shù)、圖像處理技術(shù)、人工智能技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)等，是一個比較有發(fā)展前途的車牌識別系統(tǒng)。（4）我國汽車牌照的規(guī)范懸掛位置不唯一。（2）國外許多國家汽車牌照的底色和字符顏色通常只有對比度較強的兩種顏色，6 例如韓國，其車牌底色為紅色，車牌上的字符為白色；而我國汽車牌照僅底色就有藍、黃、黑、白等多種顏色；字符顏色也有黑、紅、白等若干種顏色。然而無論是 LPR 算法還是 LPR 產(chǎn)品都存在一定的局限性，都需要適應(yīng)新的要求而不斷完善。歐洲的 LPR 產(chǎn)品大多只適合于該國的車牌格式的牌照，不能識別漢字。香港的 Asia VisionTechnology Ltd 公司的產(chǎn)品慧光車牌號碼自動識別系統(tǒng)，此系統(tǒng)能自動偵測、識別及驗證行駛或停泊中車輛的車牌號碼，并能辨認以文字和數(shù)字排列的車牌號碼，如含有中、英及韓文的車牌。See／Car 系統(tǒng)只能識別字母和數(shù)字，不能識別漢字。 國內(nèi)外研究現(xiàn)狀車輛牌照識別技術(shù)自 1988 年以來，人們就對它進行了廣泛的研究，目前國內(nèi)外已經(jīng)有眾多的算法，一些實用的 LPR 技術(shù)已經(jīng)開始用于車輛監(jiān)控、出入控制、電子收費等場合。一個車牌定位與識別系統(tǒng)基本包括：圖像預(yù)處理、車牌搜索、車牌定位、車牌校正、車牌字符切分和字符識別結(jié)果的輸出。目前已有的方法很多，