【正文】 首先將采集到的車牌圖像進行灰度化處理 ， 轉(zhuǎn)化為灰度圖，其次對灰度圖進行圖像增強，采用的方法主要是灰度線性拉伸和直方圖均衡 ， 這個是必不可少的，只有 直方圖均衡化 的圖像才能進行邊緣檢測，本系統(tǒng)所用的邊緣檢測的算子是 sobel 算子， 邊緣檢測完成以后，進行車牌定位與分割， 此時大部分工作已經(jīng)完成，剩下的是最關(guān)鍵的工作 — 車字符分割和字符 識別 。 車牌識別系統(tǒng)的結(jié)構(gòu)圖 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 4 本系統(tǒng)采用的是 MATLAB 實驗軟件，基于 MATLAB 的圖像工具箱（ Image Processing Toolbox），該工具箱包含有標準的圖像處理函數(shù)，可以多方法，多角度地處理圖像，在現(xiàn)實中應(yīng)用很廣泛。 車牌識別系統(tǒng) 圖像灰度化 字符識別 圖像增強 邊緣檢測 車牌定位 分割車牌 車牌預(yù)處理 分割字符 圖 12 系統(tǒng)結(jié)構(gòu)圖 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 5 第二章 系統(tǒng)人機界面的設(shè)計與實現(xiàn) GUI 簡介 GUI 又被稱為圖形用戶界面（ Graphical User Interfaces)，其是由窗口、光標、按鍵、菜單、文字說明等 對象 構(gòu)成的。GUI 是一個常見界面，包括一些控件 ，例如，按鈕、滑塊、列表框 、菜單等，這些控件相當于“遙控器”，用戶可以通過他們進行相應(yīng)的操作。 (2)考慮到本系統(tǒng)是對車牌圖像的操作，故需要制作一個二維坐標圖，用以存放圖片，此坐標圖大小應(yīng)該與所測試的圖片大小所對應(yīng)的，既不能太大，也不能太小。 (4)在粗略設(shè)計的基礎(chǔ)上，對坐標圖和按鈕進行排列，實現(xiàn)合理的布局，從而變成一種美觀的效果圖。 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 6 圖 21 系統(tǒng) 界面圖 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 7 第三章 圖像預(yù)處理及實現(xiàn) 本章節(jié)主要介紹 車輛 圖像預(yù)處理及實現(xiàn)的原理和步驟，首先對 車輛 圖像進行灰度化處理，然后對圖像進行圖像增強處理，包括灰度線性拉伸、灰度直方圖拉伸、圖像濾波三部分，而圖像二值化則是 對分割出的車牌所進行的處理。 (1)RGB RGB 三基色應(yīng)用于幾乎所有彩色成像設(shè)備和彩色顯示設(shè)備，不僅如此，許多的數(shù)字圖像文件常用的存儲形式是 RGB 三基色 ， RGB 彩色空間是以 RGB 三基色 作為坐標的 。 (2)CMY CMY 彩色空間是 由于自然界存在無源物體 （不發(fā)光的物體），其吸收和反射的光決定了物體顏色 。 (3)HSI HSI（ Hue/Saturation/Intensity） 是指色調(diào)，飽和度，強度。 色彩飽和度表示色彩的鮮艷程度，也稱為色彩的純度，也就是白光在彩色光中所占比列。飽和度采用百分數(shù)表示，灰色光或白光為 0%，純色光為 100%。能量越大，強度越強，能量越小，強度越低。 每個像素 的顏色 有1600(255*255*255)多萬 種情況 ?；叶葓D像像素點的變化減少了，但是它與彩色圖像一樣仍 然表現(xiàn)圖像的整體和局部的色度、 亮度 的 特征 和規(guī)律。 由于圖像在包含的許多有用信息的同時還包含許許多多的無用的信息，這些信息對圖像識別形成了極大的干擾，因此必須對圖像進行灰度化，這樣濾除了許多無用的信息，加快了處理的速度。因為灰度值取值范圍是 0255，所以灰度的級別 有 256 種 。 由于人眼對顏色的敏 感度為綠色 紅色 藍色 ，由相關(guān)理論知道當 Wr=， Wg=， Wb= 時， 圖像灰度化后的效果最好，最適合人眼識別， 如圖 32 所示，其中 (a)為變換前的車輛RGB 彩色圖像，圖 (b)為變換后的車輛灰度圖 。 通常情況下，通過圖像增強后的圖像，某些信息被突出，其它信息被壓縮，圖像視覺效果得到了改善，所以，圖像增強是一種有損處理，它 只是突出了有用的信息，削弱了無用的信息 圖像增強 處理過程所在 的空間不同，可分為 基于 空間域和 基于頻率域兩大南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 10 方法 ： (1)空間域法 空間域法是在 圖像的二維空間內(nèi) 直接對像素灰度 進行 處理。 (2)頻率域法 頻率域法是一種逆變換的方法，是間接的。 灰度線性拉伸 在實際生 活中，由于光照、天氣、拍照設(shè)備的影響導(dǎo)致車牌圖像即使經(jīng)過灰度化仍然 分辨不清，因此為了提高圖像的對比度，改善視覺效果，必須進行灰度線性拉伸。如圖 33 所示。 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 11 如果 f(x,y)的取值范圍為 [s1,s2]，變換后的 g(x,y)取值范圍為 [t1,t2]，則 f(x,y)和 g(x,y)存在式 35 的數(shù)學(xué)關(guān)系： g(x,y)=[(t2t1)/(s2s1)]*f(x,y)+s1 (35) 從式 (35)的關(guān)系中 ， 我們可以知道 f(x,y)和 g(x,y)之間存在線性關(guān)系，所以又稱該灰度拉伸為線性拉伸 如圖 34 所示，圖像 進行線性拉伸后，圖像更加清晰，視覺效果更好，車牌更容易被識別， (a)為車輛灰度圖， (b)為線性拉伸圖。通常橫坐標表示灰度級別，縱坐標表示頻率。因為 P(r)表示第 r 個灰度級出現(xiàn)的概率，直方圖表示了原圖的灰度值分布情況。 如果用 s(0≤s≤1)表變換后 來圖像的灰度， r(0≤r≤1) 表示 原始圖像 的灰度 (0代表黑， 1 代表白 )。為了使這種灰度變換具有實際意義， T(r)應(yīng)該滿足下列條件： 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 12 1)在 0≤r≤1 區(qū)間， T(r)為單調(diào)遞增函數(shù)； 2)在 0≤r≤1 區(qū)間。 變換公式為： s=T(r)=?ro drrP )( (37) 式 37 表明變換函數(shù)是原始圖像的累計分布函數(shù)，具有非負遞增性。 (a)原始車輛灰度圖 (b)原始直方圖 圖 35 原始灰度圖和直方圖 (a)車輛均衡化的灰度圖 (b)均衡化的直方圖 圖 36 均衡化后的灰度圖和直方圖 圖像濾波 實際生活中，圖像在獲取和傳輸過程中會受到許多噪聲的影響， 為了去除圖像中的噪聲，對車牌圖像濾波，常 采 用 鄰域平均法，中值濾波法和維納濾波法，各方法功能現(xiàn)分別介紹如下 ： 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 13 (1)鄰域平均法 鄰域平均法屬于空間域的一種，主要是在空間域上操作，鄰域平均法的具體原理是取平均值，即用該像素鄰域范圍內(nèi)的像素灰度平均值代替該像素的灰度值。 取圖像 f(i,j)中的像素點 (m,n)， 并取其鄰域 S， S 通常為矩形，鄰域內(nèi)共有M 個像素，求所有像素的平均值，該平均值即為像素點 (m, n)處的灰度，點 (m, n)一般位于 S 的中心。 (3)維納濾波 法 維納濾波主要用于存在較大噪聲的圖像濾波的過程中， 它 能夠從噪聲中提取信 號波形，通過維納濾波后所得到的圖像在整體上較為平滑。與其它濾波相比，維納濾波具有其優(yōu)越的特性，它可以很好的保存圖像邊緣和高頻細節(jié)信息，同時特別是對于含有白色噪聲的圖像有較好的濾波效果。 維納濾波前后對比如圖 37 所示。在現(xiàn)實生活中，存在許多二值圖像，例如書本文字、采集到的指紋，設(shè)計的圖紙，因為圖像二值化的眾多優(yōu)點導(dǎo)致 我們常常把本身是有灰度的圖像變成二值化圖像再 處理， 這樣 能夠 使 車牌識別系統(tǒng)提高處理效率， 加快 處理速度，降低處理成本。 二值化的關(guān)鍵點是要找到恰當?shù)拈撝?，此閾值用來分隔對象與背景 。 局部閾值法則根據(jù)圖像像素的本身性質(zhì)和局部特性來確定像素的閾值的，南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 15 典型的局部閾值方法主要是 Bernsen 算法，圖像的局 部性質(zhì)基本上不受外界環(huán)境的影響。 全局閾值二值化方法確定一個閾值，此閾值是由圖像的灰度分布確定的，通常在圖像不太復(fù)雜的情況下使用，典型的全局閾值二值化方法主要是 Ostu方法。 動態(tài)閾值法是依據(jù)三個因素：該像素灰度值、周圍像素的灰度值、該像素的坐標位置來確定閾值，因此，該方法較為全面，但是 計算量大，處理速度慢。 記 t 為 對象 與背景的分割閾值， 目標像素 數(shù)占圖像比例為 0? ， 平均灰度為0? 。圖像的總平均灰度為：)()()()( 1100 tttt ????? ?? 。對大津法可作如下理解：該式實際上就是類間方差值，閾值 t 分割出的對象和背景兩部分構(gòu)成了整幅圖像，而對象取值 0? ，概率為 0? ，背景取值 1? ，概率為 1? ，總均值為? ，根據(jù)方差的定義即得該式。 方法 1: 假設(shè) MN? 圖像 ),(ji 點處的灰度值 為 ),( jif ，灰度級為 ? ，不妨假設(shè) ),( jif取值 ]1,0[ ?m 。 方法 2： )(0t? 代表 對象 中心灰度 ， )(1t? 代表 背景的中心灰度， ? 代表整幅圖像的中心灰度， 為了圖像能分割效果更好 ， 那么 分割出的 對象要 盡量遠離圖像中心，即 20 ))(( ?? ?t 或 |)(| 0 ?? ?t 盡量大， 同樣地， 分割出的背景也盡量遠離中心，即21 ))(( ?? ?t 或 |)(| 1 ?? ?t 盡量大，由于希望兩者都大，于是有： 兩者之加權(quán)和最大： ]))(()())(()([ 2112020mt0 ?????? ???? ?? ttttM axA r gg (323) 兩者之積最大： ]))(())(([ 21201mt0 ???? ??? ?? ttM axA r gg (324) 注意到有 )()()()( 1100 tttt ????? ?? ，且 )()( 10 t??? ?? ，因此有：2120211200 ))(())(())(()())(()( ?????????? ?????? tttttt 。 Otsu 方法流程圖如圖 38 所示。所以，本文采取Ostu 的方法進行車牌二值化，取得較好的效果，如圖 39 所示 。figure(1)。 imshow(BWPlate)。 39。圖 38 Otsu 方法流程圖 開 始 讀入灰度圖像 I 求 t 的范圍 記錄 t 對應(yīng)的 g 求 )max(g 時 t 的取值 tjif ?),( 0),( ?jib 1),( ?jib 顯示二值圖像 N N 圖41車牌上下定位流程圖 Y 結(jié) 束 Y 南京工程學(xué)院畢業(yè)設(shè)計說明書（論文） 18 第四章 車牌定位 及實現(xiàn) 基于邊界分割方法最基本的處理就是邊緣檢測。 本文提出的車牌定位方法主要就是基于邊緣檢測 和投影的方法，所以做好邊緣檢測是 實現(xiàn)車牌識別的 第一步。邊緣包含了圖像大部分的信息，在 物體邊緣兩側(cè)的 形狀、灰度、紋理 特征 區(qū)別非常的明顯。邊緣檢測 在數(shù)字圖像處理領(lǐng)域 應(yīng)用的非常 的廣泛。在實際運用中，主要采取以下幾種方法進行邊緣檢測： (1)空域微分算子?；谶@個特點，為了比較好的確定邊緣像素點，可以利用比較好的求導(dǎo)算子對圖像各個像素點進行一階或二階微分。 rsobel 算子 和 sobel 算子屬于空域微分算子 。 該方法比較直觀，將許多像素點擬合一個曲面，然后求這個連續(xù)曲面某像素點的梯度 。 它是基于小波分析原理檢測邊緣。利用數(shù)學(xué)形態(tài)學(xué)作為檢測邊緣的工具，能夠在有效的去除噪聲的同時保留原 圖像的細節(jié)信息，具有很好的效果。 邊緣檢測算子 Roberts 算子 Roberts 交叉算子 用 一種簡單的近似方法 來 計算梯度幅度值 ： ]1,[],1[]1,1[],[],[ ???????? jifjifjifjifjiG (41) 采用 卷積模板 的方法 ，上式變成： yx GGjiG ??],[ (42) 其中 Gx和 Gy 所用的模板為 ： x ? ?1 00 1 Gy? ?0 11 0 (43) 同前面的 22?梯度算子一樣，差分值將在內(nèi)插點[ / , / ]i j? ?2 1 2處計算。 Roberts應(yīng)用的原理是局部差分的方法 ， 但是這種方法處理效果不是太好， 邊緣定位精確度不是很高 ，并且處理速度比較慢。考慮一下圖 41 中所示的點[, ]ij周圍點的排列。 Sobel 算子