【正文】 到的是一條上下邊緣緊貼字符的水平二值圖像 ，如上圖 311 所示。它在前期牌照定位的基 礎(chǔ)上進行字符的分割，然后再利用分割的結(jié)果進行字符識別。如圖 312 圖 312 灰度子圖和二值子圖 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計 17 第 4 章 車牌字符分割 車牌定位后的下一步是字符分割。然后計算每個區(qū)域的圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形、面積。并根據(jù)先驗知識和調(diào)試中的經(jīng)驗 ，設(shè)定了車牌長寬的范圍作為判斷依據(jù)。 車牌提取 確定思路：對二值圖像進行區(qū)域提取，并計算區(qū)域特征參數(shù)。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計 14 圖 37 邊緣提取 圖 38 閉運算 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計 15 圖 39 開運算 圖 310 開運算 Canny 算子提取邊緣能有效檢測出車牌區(qū)域的紋理特征，而采用 [5， 19]的矩形運算子能有效的將車牌區(qū)域連接成片，去除非車牌區(qū)域。圖像開運算 [19,1]39。 figure,imshow(bg2)。rectangle39。)。 title(39。,[5,19]))。 bg3=imopen(bg1,strel(39。圖像閉運算 [5,19]39。 figure,imshow(bg1)。rectangle39。)。 title(39。canny39。在本文中采用的是 Canny 算子提取邊緣。 figure,imshow(bw2)。 level=(fmax1(fmax1fmin1)/3)/255。 fmax1=double(max(max(bw)))。 圖 35 增強黑白圖 （ 3）參考《數(shù)字圖象處理與分析》介紹的圖像二值化最佳閥值計算方法： Level=fmax（ fmaxfmin） /3 式中 Level 為最佳閥值， fmax 為最大灰度， fmin 為最小灰度。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計 12 圖 34 背景圖像 （ 2）原始圖像與背景圖像作減法， 對圖像進行增強處理 ， 如圖 35所示 bw=imsubtract(i,bg)。 bg=imopen(i,s)。disk39。本文中所用方法是基于圖像的特征來做的，計算了類車牌區(qū)域的特征值，面積 、 寬和高，在根據(jù)先驗知識的寬高比來定位車牌。這種方法不僅在車牌邊緣的提取上用到，在處理汽車圖像也很有用。 Canny 算子使用兩個閾值來分別檢測強邊緣和弱邊緣，而且僅當弱邊緣與強邊緣相連時，弱邊緣才會包含在輸出中，因此，此方法不容易受噪聲的干擾，能夠檢測到真正的弱 邊緣。 （ 5） Canny 算子檢測邊緣的方式是尋找圖像梯度的局部極大值。拉普拉斯算子是一個線性的 、移不變的算子，它的傳輸函數(shù)在頻域空間的點是零，因此拉普拉斯算子濾波過的圖像具有零平均灰度。 （ 4） LOG 算子（拉普拉斯算子）是圖像首先與高斯濾波器進行卷積，這一步即平滑了圖像又降低了噪聲，孤立的噪聲點和較小的結(jié)構(gòu)組織將被濾除。 （ 3） Prewitt 和 Sobel 算子是在實踐中計算數(shù)字梯度時最常用的， Prewitt 模板實現(xiàn)起來比 Sobel 模板更為簡單，此外，該算子沒有將重心放在接近模板中心的像素點石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計 11 上。 下面簡單介紹幾種常用算子： Roberts 算子是一種利用局部差分算子尋找邊緣的算子， Roberts 算子對具有陡峭的低噪聲圖像效果較好?？梢酝ㄟ^求梯度局部最大值對應(yīng)的點，并認定為邊緣點，去除非局部最大值，可以檢測出精確的邊緣。 為了對有意義的邊緣點進行分類，與這個點相聯(lián)系的灰度級必 須比在這一點的背景上變換更有效，我們通過門限方法來決定一個值是否有效。 邊緣檢測 兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣就是灰度值不連續(xù)的結(jié)果，是圖像分割 、 紋理特征提取和形狀特征提取等圖像分析的基礎(chǔ)。 因此，閾值的選取就成了車牌定位分割的重點。由于物體和背景以及不同物體 之間的灰度級有明顯的差別，因此，在圖像的灰度級直方圖中會呈現(xiàn)明顯的峰值。 在使用閾值法進行分割技術(shù)時，閾值的選取成為能否正確分割的關(guān)鍵，若將所有灰度值大于或等于某閾值的像素都被判屬于物體，則將所有灰度值小于該閾值的像素被排除在物體之外，如果閾值選取的過高，則過多的目標區(qū)域?qū)⒈粍澐譃楸尘?，相反如果閾值的選取的過低，則過多的背景將被劃分到目標區(qū)?；陂撝档姆指罘椒梢苑譃槿珠撝档姆椒ê途植块撝档姆椒āＪ仪f鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計 10 關(guān)于這方面的文獻很多。下文將對其算法做詳細介紹。如“貴 A第 3 個字符是一個“民用牌照第 1 個字符是漢字，且是各省市的簡稱，如“京”、“蘇”、“鄂”等。 4,黑底白字牌照為國外駐華機構(gòu)使用。二維窗口形狀可以是正方形、近似圓形或十字形。 中值濾波不影響階躍函數(shù)和斜坡函 數(shù)，因而對圖像邊緣有保護作用：但是，對于持續(xù)期小于窗寬一半的脈沖信號將進行抑制，因而可能會損壞圖像的某些細節(jié)。 在一維情況下，中值濾波器是一個含有奇數(shù)個像素的窗口。)。 title(39。 圖 32 原始圖像 %顯示灰度化 后的圖像 i = rgb2gray(Scolor)。原始彩色圖像 39。 Scolor = imread(‘原始圖像’ )。 Matlab 實現(xiàn) %裝入待處理圖像并顯示原始圖像 如圖 32： clear。 采用中值濾波 對圖像進行平滑處理。平滑是圖像預(yù)處理的主要環(huán)節(jié)，平滑的好壞直接影響二值化的質(zhì)量。因此在圖像處理之前必須進行預(yù)處理，包括去除噪音，邊界增強 ，石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計 8 增加亮度等等。對已經(jīng)定位好的車牌進行圖像預(yù)處理，逐個的特征提取，然后從相應(yīng)的文件中讀取相應(yīng)的節(jié)點數(shù)和權(quán)值，把車牌字符分別送入相應(yīng)的網(wǎng)絡(luò)進行識別，輸出識別結(jié)果。 字符識別 進行車牌識別前需要使用樣本對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對車牌進行識別。車牌的字符像素為黑色，用 0 表示。針對這個問題， Radon 變換可以滿足一定實時圖像處理的要求。如何從牌照中自動提取其傾斜度是預(yù)處理過程中的一個難點，一般使用Hough 變換檢測圖像中的直線來對圖 像的傾斜進行相應(yīng)的矯正 [12]。但是若以某個固定的經(jīng)驗值對所有牌照統(tǒng)一進行旋轉(zhuǎn)處理，又會使原本正常的牌照傾斜，導(dǎo)致新的錯誤?；叶壤斓囊馑季褪前迅信d趣的灰度范圍拉開，使得該范圍內(nèi)的像素，亮的更亮，暗的更暗，從而達到了增強對比度的目的。 為了抑制噪聲，通常我們會采用低通濾波，但由于邊緣輪廓也包含大量的高頻信息，所以低通濾波在過濾噪聲的同時，也使得邊界變模糊，反之，低通濾波后為了提高邊緣輪廓，還需要使用高 通濾波，這時存在的噪聲也得到了增強，然而中值濾波在過濾噪聲的同時也很好的保護到了邊緣輪廓，因此常用中值濾波的方法來去噪 [11]。 圖像的去噪 圖像可能在拍攝或者傳輸過程中夾帶了噪聲，去噪聲是圖像處理中常用的手法。 圖像的梯度銳化 由于需要處理的圖像由拍攝而來，所以在很多情況下 字符模糊，所以要對圖像進行銳化處理使模糊的圖像變的清晰 便于識別 ，圖像銳化的實質(zhì)就是增強圖像的邊緣或輪廓，其銳化后的結(jié)果通過微分而使圖像邊緣突出、清晰。 閾值化的變換函數(shù)表達式如下： ??? ??? Tx Txxf ,255,0)( （ 22） 式中 T 為指定的閾值。動態(tài)閥 7 閾 值法的 閾 值選擇不僅取決于該象素灰度值以及它周圍象素的灰度值，而且還和該象素的坐標位置有關(guān)，由于充分考慮了每個像素 鄰域的特征，能更好的突出背景和目標的邊界，使相距很近的兩條線不會產(chǎn)生粘連現(xiàn)象。全局 閾 值方法的優(yōu)點在于算法簡單，對于 目標和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對輸入圖像量化噪聲或不均勻石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計 5 光照等情況抵抗能力差，應(yīng)用受到極大限制。二值化的 閾 值選取有很多方法，主要分為 3 類 :全局 閾 值法、局部 閾 值法和動態(tài) 閾 值法。在實際的車牌處理系統(tǒng)中，進行圖像二值變換的關(guān)鍵是要確定合適的閥值，使得字符與背景能夠分割開來，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等等。 圖像的二數(shù)值化和閾值處理 二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。選擇灰度變換函數(shù)應(yīng)該根據(jù)圖像的性質(zhì)和處理目的來決定。圖像中每一點的運算就被完全確定下來。函數(shù) T（ D）稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系。=g（χ，у），則灰度增強可表示為： )],([),( yxfTyxg ? ] 或 )(39。 從圖像輸入裝置得到的圖像數(shù)據(jù)，以濃淡表示，各個像素與某一灰度值相對應(yīng)。彩色圖像的像素色為 RGB(R， G， B)，灰度圖像的像素色為 RGB(r，r， r),R， G， B 可由彩色圖像的顏色分解獲得。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計 4 第 2 章 識別系統(tǒng)的相關(guān)技術(shù)簡介 圖像的灰度化 彩色圖像包含著 過多 的顏色信息，因此在對圖像進行識別等處理中經(jīng)常將彩色圖像 灰度化處理， 轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。 本論文主要研究內(nèi)容 本文針對汽車牌照自動識別系統(tǒng)進行了系統(tǒng)的研究和分析 ,設(shè)計了一種汽車牌照的自動識別方法，包括圖像的預(yù)處理、車牌定位與提取、字符分隔和提取。 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 字符識別：利用模板匹配的方 法與數(shù)據(jù)庫中的字符進行匹配從而確認出字符，得到最后的汽車牌照，包括英文字母和數(shù)字。 圖 11 系統(tǒng)流程圖 原始圖像：由停車場固定彩色攝像機、數(shù)碼相機或其它掃描裝置拍攝到的圖像 圖像預(yù)處理：對動態(tài)采集到的圖像進行濾波，邊界增強等處理以克服圖像干擾 邊緣提?。和ㄟ^微分運算， 2 值化處理，得到圖像的邊緣 車牌定位：計算邊緣圖像的投影面積，尋找峰谷點，大致確定車牌位置，再計算此連通域內(nèi)的寬高比，剔除不在域值范圍內(nèi)的連通域。 車牌識別系統(tǒng)的組成 硬件和軟件 識別系統(tǒng)中要用到的硬件主要有攝像頭 、 感應(yīng)器和計算機。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石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計 2 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 。但并不盡合我國國情 。同時，汽車牌照識別的方法還可應(yīng)用到其他檢測和識別領(lǐng)域，所以汽車牌照的識別問題已成為現(xiàn)代交通工程領(lǐng)域中研究的重點和熱點問題之一，運用圖像處理技術(shù)解決汽車牌照識別的研究國內(nèi)外都有 (最早出現(xiàn)于 01 年代 (這個階段是采用簡單的圖像處理技術(shù)來解決 )識別過程是使用工業(yè)電視攝像機拍下汽車的正前方圖像 (然后交給計算機進行 簡單處理 (并且最終仍需要人工干預(yù) )[4]。 國內(nèi)外發(fā)展現(xiàn)狀 伴隨著世界各國汽車數(shù)量的增加 , 城市交通狀況日益受到人們的重視，如何有效地進行交通管理，越來越成為各國政府和有關(guān)部門所關(guān)注的焦點，針對此問題，人們運用先進的科學(xué)技術(shù)，相繼研制開發(fā)出了各種交通道路監(jiān)視、管理系統(tǒng)，這些系統(tǒng)一般都包括車輛檢測裝置，通過這些裝置對過往車輛實施檢測，提取有關(guān)交通數(shù)據(jù)，以達到監(jiān)控、管理和指揮交 通的目的 [3]。 其發(fā)展對社會生活、國民經(jīng)濟和城市建設(shè)將產(chǎn)生積極而深遠的影響，在 作畢業(yè) 設(shè)計的 過程中， 要確保 所學(xué)知識得到疏理和運用，它既是一次檢閱，又是一次鍛煉。 40