【正文】 。 在這里嘗試采用比較常見的統(tǒng)計手段來解決這個問題： 在得到二值化圖像之后，我們可以得到一個二值矩陣，當(dāng)某位置的值等于 0 的時候，表示該像素點為全黑，反之，則該像素點為純白。然而，還有另外一些干擾也要引起我們的注意的問題，因此解決這種問題更顯得程序的通用性。不要以為去噪就是傳統(tǒng)的高斯、中值濾波之類的東西，在自然環(huán)境 中，干擾是無窮無盡的。 4． 2 車牌字符分割算法 MATLAB 車牌字符分割 這是一個簡單的車牌字符分割程序 ， 程序大概分為 三 步： 灰度化 /二值化 /直方圖均衡化 /歸一化大小； 去噪 ； 分割 ； 由于使用 MATLAB 作為平臺，第一步幾乎可以以一句話完成。 應(yīng)該注意到，車牌字符區(qū)域的紋理特征，這些 特征是旁邊干擾區(qū)域所不具有的特征，所以對二值化的圖像進行邊緣化處理，通過字符的紋理特征、邊緣的跳躍性來判斷車牌字符區(qū)域。但是此時仍不適合于做投影分析，因為車牌區(qū)域圖像內(nèi)仍可能有干擾像素，如白色車輛的藍白車牌 (如圖 29(b))，此時如果得到的車牌區(qū)域包含了車身部分，則二值化后車身區(qū)域與字符屬于同一顏色。這時就會對分析造成很大的影響。 (4)字符顏色與車牌底色具有固定的顏色搭配。車牌字符總長度為 409mm，其中單個字符寬度為 45mm 高度為90mm，第二和三字符間間距為 34mm，其中中間小圓點寬度為 lOmm，與第二和三字符間間距為 12mm，其余字符間間距為 12mm；字符“ l”的寬度約為 13． 5mm，與其它字符間間距約為 22． 5mm，連續(xù)兩個字符“ l”間間距約為 38． 5mm，第三字符為字符 1時，與第二字符問問距約為 44． 5mm。 (2)第一個字符為漢字由于左右偏旁漢字中會出現(xiàn)間隙，而第二個字符和第三個字符間隔較大，所以可由 此做分界線，分段分割。因此尋求一個更具有適用性、魯棒性的字符分割方法，還需要探索和完善。而且，很多其他 國家的汽車牌照格式通常只有一種，而我國則根據(jù)不同車輛、車型、用途，規(guī)定了多種牌照格式。 以上的算法在特定的情況下是可以較好的將車牌寧符分割出來，但我國由于環(huán)境，道路或人為因素使得車牌污染嚴(yán)重，使得在車牌存預(yù)處理后，會出現(xiàn)不同程度的噪聲，嚴(yán)重影響到車牌字符的正確分割。劉弈 等提出了一種利用顏色信息的車牌字符分割新算法。李文舉等提出了質(zhì)量退化的車牌字符分割方法。陳寅鵬等 提出了復(fù)雜車輛圖像中的車牌定位與字符分割方法。根據(jù)車牌字符垂直投影的信息，區(qū)域最小值的定義是以當(dāng)前像素位置為中心，指定區(qū)域?qū)挾葍?nèi)的投影信息最小值。按照屬于同一個字符的像素構(gòu)成一個連通域的原則，結(jié)合牌照字符的同定高度、間距的同定比例關(guān)系等先驗知識，來對車牌字符進行分割。依據(jù)車牌橫平時所形成的連通域面積最小的特點提出最小面積法計算旋轉(zhuǎn)角度，然后進行灰度均值化處理，并通過水平投影去除邊界，最后根據(jù)實際車牌信息做垂 直投影進行有效分割。根據(jù)字符串的結(jié)構(gòu)和 尺寸特征，設(shè)計車牌字符串模板，通過該模板在車牌區(qū)域滑動匹配進行分類，并結(jié)合最大類間方差判決準(zhǔn)則，確定最佳匹配位置，分割出車牌字符。通過在車牌定位圖像上定位出車牌的第三個字符，再 進行字符區(qū)域的分裂和合并，并針對字符缺損情況，進行字符區(qū)域擴展，而且對字符區(qū)域高度進行調(diào)整，從而最終實現(xiàn)車牌字符的分割。根據(jù)車牌預(yù)處理圖像垂直投影圖的特點，提出一個特征值，并由車牌圖像的先驗知識和此特征值相結(jié)合來進行字符分割。字符區(qū)域分割的準(zhǔn)確與否將直接影響到下一步的字符識別，因此許多學(xué)者也對此進行了研究，提出了很多關(guān)于車牌字符分割的方法。這個過程也就是提取顏色對特征點的過程。但是，在車牌外區(qū)域也有很多其他像素點的顏色和紋理符合車牌的四種顏色邊緣點。在這里對紅色點也進行判斷，是因為在白底黑字的車牌中，前兩個字符是紅色的，不能忽略。并且，為了適應(yīng)車牌褪色、光線、灰塵等的影響，適 當(dāng)放寬了各種顏色的閾值范圍，綜合以后，得到彩色判斷條件如下： 按照公式把彩色像素點從 RGB 空問轉(zhuǎn)化到 HSI 空問，得到 h、 s 和，三個分量的值： 如果 s0 1 且 iO 5，則該像素點為白色； 如果 iO 35，則該像素點為黑色： 16 如果 220h250， j01 和 i0． 1同時成立，則該像素點為藍色： 如果 20h50， s0． 1和 iO .35 同時成立，則該像素點為黃色； 如果 350h360， s0 l 和 i)0． 35 同時成立，則該像素點為紅色： 不符合以上條件的像素點視為無效點。所以白色像素只能利用飽和度和亮度兩個分量來提取，黑色像素只能根據(jù)亮度分量來提取。對于具有某種目標(biāo)色的像素，可以直接通過對 h、 J 和 i三個分量設(shè)定一個閾值范圍來把它們提取出來，無需進行比較復(fù)雜的色彩距離計算，這樣可以在色彩分割的時候節(jié)省大量的時間，這種方法對藍色和黃色尤其有 效。因此可以根據(jù)這一特點，把顏色信息和邊緣信息融合起來，盡量排除干擾以精確保留車牌特征。現(xiàn)有的 HSI 空間模型有四面體、圓柱體、圓錐體等多種定義公式，本文采用圓柱體的 HSI坐標(biāo)系進行顏色空間轉(zhuǎn)換的實現(xiàn)，示意圖如圖 5所示。亮度是指刺激物的強度作用于感受器所發(fā)生的效應(yīng)，其大小是由物體反射系數(shù)來決定，反射系數(shù)越大，物 體的亮度愈大，反之愈小。在物體反射光的組成中，白色光愈少，則其飽和度愈大。色調(diào)是彩色的最重要的屬性，是決定顏色本質(zhì)的基本特性。 HSI 彩色模型就是按照色調(diào)、飽和度和亮度值建立起來的。在顏色相同 的情況下，明晴的細微變化會引起 RGB 值的較大跳躍，不利于顏色的檢測。這種形成顏色的方法稱 為疊加原色法，相應(yīng)的 RGB 三原色稱為疊加三原色。比如， (0， 0， 0)表示黑色， (1， l， 1)表示白色。這樣，任意顏色值都可以由 3個取值在 0 到 l 之間的顏色分量來表示。常用的顏色宅間有 RGB 顏色空間， CMY 顏色空間和 HSI 顏色空間等。 顏色空間也叫顏色模型，它指的是通過基本顏色分量來定義其他各種顏色的模型結(jié)構(gòu)。這三剩 t 錐狀體分別感知紅色 (R)、綠色 (G)和藍色 (B)的光，所有其它顏色都是這三種顏色的不同混合效果。這些細胞類似于 CCD 芯片上的感受基 (像素 )。 一般 RGB 直方圖均衡化后的圖像相比原始圖像，圖像的細節(jié)更加清楚了但是單獨對各 RGB 分量進行均衡化將產(chǎn)生不正確的顏色，而對 HSI 顏色空間的亮度分量直方圖均衡化后的圖像，雖然會影響到整體圖像的彩色感觀，但沒有改變圖像的色調(diào)和飽和度值，因此本文采用的是對 HSI中的亮度分量進行直方圖均衡化的方法。這里介紹將圖像轉(zhuǎn)換到 HSI 模型的方法，這樣只需要對亮度分量 I 進行直方圖均衡化即可以達到圖像增強的效果。通過直方圖均衡化可以將圖像調(diào)整為灰度級豐富且 動態(tài)范圍大的圖像。直方圖是多種空間域 處理技術(shù)的基礎(chǔ)，其可以有效地用于圖像增強。 圖像增強 由于拍攝時光照強度的不同，會造成圖片亮度不均。顏色對特征點充分考慮到了車牌本身的紋理和顏色搭配等信息，能有效得去除很多干擾。 于是，基于顏色對特征點和數(shù)學(xué)形態(tài)學(xué)的車牌定位方法逐漸成 型。例如底色為藍色的車牌中會出現(xiàn)相鄰的兩個像素，一個像素為藍色而另一個像素為白色，則將這兩個像素都看作是藍白特征點：底色為黃色的車牌存在黃黑特征點：底色為白色的車牌存在白黑特征點：底色為黑色的車牌也存在白黑特征點。我國車牌顏色的重要特點是車牌背景與字符具有固定的顏色搭配， 即藍底白字 (藍牌 )、黃底黑字 (黃牌 )、白底黑字 (白牌 )和黑底白字 (黑牌 )。 12 目前，已經(jīng)有一些車牌定位算法的研究利用到了車牌背景與字符的固定顏色搭配。但是，圖像中除了車牌外還有車身和周圍景物等其它物體的顏色可能與車牌顏色相同或相近，這將造成有效定位率下降。由于圖像中會存在其他非車牌區(qū) 域具有年牌的特征，給定位結(jié)果帶來影響。 (4)將彩色圖像轉(zhuǎn)換到色調(diào)飽和度亮度空間 (HSI 空間 )，統(tǒng)計車牌底色在 HSI 空間中的各分量的經(jīng)驗范圍并提取車牌候選區(qū)域，然后對候選區(qū)域進行投影分析和形態(tài)學(xué)操作提取車牌。這種方法的主要思想是通過邊緣檢測算子對彩色圖像進行邊緣檢測，增強牌照區(qū)域，并借助數(shù)學(xué)形態(tài)學(xué)膨脹技術(shù)實現(xiàn)區(qū)域的連通，采用區(qū)域生長方法標(biāo)記候選區(qū)域，最后利用車牌的先驗 知識，剔除虛假車牌區(qū)，確定真正的車牌區(qū)域。車輛牌照具有與牌號、車身、背景不同的顏色，所以近年來很多學(xué)者已經(jīng)開始應(yīng)用彩色圖像處理技術(shù)進行車牌定位，采取的主要方法有： (1)采用多層感知器 網(wǎng)絡(luò)對輸入彩色車牌圖像進行彩色分割，通過投影法分割出潛在的車牌區(qū)域并根據(jù)先驗知識得出合理的車牌區(qū)域。 3． 1． 2 基于彩色圖像的車牌定位方法 與灰度圖像相比，彩色圖像色彩豐富，信息具有原始性和完整性，在設(shè)備存儲量和速度允許的情況下可以取得更好的處理效果，而且人類視覺系統(tǒng)又對色彩非常敏感。但是對車牌嚴(yán)重褪色的情況，由于檢測不到字符筆畫的邊緣會導(dǎo)致定位失敗。所以針對不同的環(huán)境和要求，選擇 合適的算子來對圖像進行邊緣檢測才能達到好的效果。這些方法正是利用了物體邊緣處灰度變化劇烈這一特點來檢測圖像的邊緣。邊緣檢測的任務(wù)是精確定位邊緣和抑制噪聲。 （ 3）基于邊緣檢測的定位方法。最后再用邊緣特征分析方法提取車牌區(qū)域。腐蝕、膨脹、開啟和關(guān)閉是數(shù)學(xué)形態(tài)學(xué)的基本運算。數(shù)學(xué)形態(tài)學(xué)是一門建立在集合理論基礎(chǔ)上的學(xué)科，它是幾何形態(tài)分析和描述的有力工具，近年來在機器視覺和數(shù)字圖像處理領(lǐng)域得到廣泛的應(yīng)用和發(fā)展。該算法對于牌照的傾斜或變形以及光照不均、偏弱或偏強有很好的效果，但對噪聲敏感，圖片中的灰塵、臟污以及車牌區(qū)域外的文字都會對定位造成很大的影響。設(shè)定閾值，通過掃描確定上下邊界位置和左 右邊界位置。 (1)基于紋理特征分析的定位方法。 3． 1． 1 基于灰度圖像的車牌定位方法 早期由于受計算機運算速度和內(nèi)存大小的影響，考慮到實時性，車牌定位主要是基于狄度圖像處理技術(shù)，現(xiàn)在很多 !學(xué)者仍然沿此路線進行研究。牌照矩形區(qū)域內(nèi)的顏色一定是限定的四種色彩之一，特征明顯。除第 1 個漢字外，字母和數(shù)字的筆畫在豎直方向都是連通的，且其之間有一定的間隔。 3 車牌定位 3． 1 幾種常見的車牌定位方法 車牌定位方法的出發(fā)點是通過車牌區(qū)域的特征來判斷車牌，所利用的車牌 的特征主要包括： (1)車牌區(qū)域的幾何特征，即在某個相對固定的拍照位置拍得的圖像上車輛牌照子圖像區(qū)域 l 每度和寬度一定，并且寬高比例一定。 除了這三點客觀因素外，對于本文的而言，從各種干擾中得到車牌區(qū)域，把傾斜的車牌校正，以及把粘連的車牌字符分割開都是系統(tǒng)成敗的關(guān)鍵。分辨率過高時，整個識別系統(tǒng)的處理時間會明顯增多，特別是在車牌分割，車牌二值化的處理中時間會顯著增加。不同的實際工程，圖像的分辨率要求也不同。盡管規(guī)范車牌對光的散射能力較強，但人工光照的方位角度不會影響車牌的亮度。攝像方位和角度對車牌字符分割影響較大，對車牌校正方法的校正能力的要求也更高了。實際工程 10 中攝像方位相對于車輛行駛的方向一般是正上方、左側(cè)和右側(cè)，攝像角度一般在 15～30 度之間。 (3)車牌識別系統(tǒng)應(yīng)用方案的特征。背景中與車牌區(qū)域特征相似區(qū)域的大小反映了背景的噪聲程度。不同時間，不同氣候條件，以及背景光、車牌反光程度決定了車牌區(qū)域的亮度特征。光照對圖像質(zhì)量影響很大。 (2)外部環(huán)境的特征。車 牌附近環(huán)境惡劣。牌照的質(zhì)量無法保證。根據(jù)中華人民共和國公共安全行業(yè)標(biāo)準(zhǔn)對機動車輛牌照的有關(guān)規(guī)定，車牌的規(guī)格、顏色和適用范圍各有不同。我們大致的把這些因素歸納為三類： (1)汽車牌照本身的特征。視頻觸發(fā)方式不需借助線圈、紅外或其他硬件車輛檢測器。外設(shè)觸發(fā)工作方式是指采用線圈、紅外或其他檢測器檢測車輛通過信號，車牌識別系統(tǒng)接收到車輛觸發(fā)信號后，采集車輛圖像，自動識別車牌，以及進行后續(xù)處理。 。兩種產(chǎn)品形式各有優(yōu)缺點。車牌識別系統(tǒng)于是出現(xiàn)了兩種產(chǎn)品形式 ,一種是軟硬件一體，或者用硬件實現(xiàn)了識別功能的模塊，形成一個全硬件的車牌識別器，例如 DSP。 。另外，紅外照明裝置提供的是不變的光，所抓拍的圖像都是一樣的，不論是在一天中最明亮的時候 ,還是在一天中最暗的時候，唯一的例外是在白天，有時會看到一些牌照周圍的細節(jié)，這是因為晴朗天氣下太陽光的外光波的影響。 950nm 的紅外照明裝置可抓拍到很好的反光車牌照圖像。自然光技術(shù)路線與人眼感習(xí)慣一致，并且真彩色圖像能夠反映車輛及其周圍環(huán)境真實的圖像信息，不僅可以用來識別汽車牌照，而且可以用來識別車牌顏色、車流量、車型、車體顏色等車輛特征。自然光和紅外光不會 9 對人體產(chǎn)生不良的心理影響，也不會對環(huán)境產(chǎn)生新的電子污染，屬于綠色環(huán)保技術(shù)。路線系統(tǒng)中車輛圖像的采集方式?jīng)Q定了車牌識別的技術(shù)路線。 車牌識別系統(tǒng)的實際配置 即便是一個達到實用標(biāo)準(zhǔn)的車牌識別系統(tǒng)，由于所選擇的技術(shù)路線，軟硬件體系結(jié)構(gòu)以及觸發(fā)方式不同，要發(fā)揮其有效的功能，還需要根據(jù)實際的應(yīng)用需求確定相應(yīng)的系統(tǒng)配置。 （ 3）完善的系統(tǒng)功能。識別出的車牌號碼應(yīng)能夠同數(shù)據(jù)庫中成千 上萬的車牌號碼自動比對和提示報警。當(dāng)多功能的系統(tǒng)操作使得網(wǎng)絡(luò)出差錯時，后臺管理系統(tǒng)應(yīng)能保護圖像數(shù)據(jù)不會丟失，同時便于事后人工排查。 3. 后臺管理體系 一個車牌識別系統(tǒng)的后臺管理體系，決定了這個車牌識別系統(tǒng)是否好用。例如，在高速公路收費中車牌識別系統(tǒng)的作用之一是減少通行時間，處理速度是這一類應(yīng) 用減少通行時間，避免車道堵車的有力保障。 2. 識別速