【正文】 牌照的角度、車輛的運(yùn) 動(dòng)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(shí)車頭或者鏡頭發(fā)生擺動(dòng)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(shí)別需要進(jìn)行傾斜度校正，否則將無法進(jìn)行單個(gè)字符的正確分割，字符識(shí)別的誤差率就會(huì)上升。因此有必要針對(duì)特定的牌照?qǐng)D像提取其傾斜角度，再加以相應(yīng)的旋轉(zhuǎn)處理。 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(shí)現(xiàn)并處理等優(yōu)點(diǎn)：但它存在著計(jì)算量大，需要巨大的儲(chǔ)存空間等問題，所以不適合用在具有一定實(shí)時(shí)性要求的圖像處理中。 車牌字符分割 經(jīng)過上面一系列預(yù)處理后，得到的是一條上下邊緣緊貼字符的水平二值圖像，其中，車牌的背景像素為白色，用 1 表示 。在識(shí)別時(shí)系統(tǒng)只能根據(jù)每個(gè)字符的特征來進(jìn)行判斷，為了最終能準(zhǔn)確識(shí)別牌照上的漢字、英文字母及 數(shù)字，必須將單個(gè)字符從矯正的牌照中逐個(gè)提取分離出來。其具體流程為 :使用漢字、字母、字母數(shù)字、數(shù)字四個(gè)樣本分別對(duì)四個(gè)子網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到相應(yīng)的節(jié)點(diǎn)數(shù)和權(quán)值。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 7 第 3 章 車牌照提取與定位 算法設(shè)計(jì)流程 灰度化 二值化 濾波 圖像預(yù)處理 開始 字符的分割 定位和提取 字符的識(shí)別 結(jié)束 圖 31算法設(shè)計(jì)總流程 汽車圖像預(yù)處理 圖像在形成、傳輸或變換過程中，受多種因素的影響，如：光學(xué)系統(tǒng)失真、系統(tǒng)噪聲、暴光不足或過量、相對(duì)運(yùn)動(dòng)等，往往會(huì)與原始景物之間或圖像與原始圖像之間產(chǎn)生了某種差異。 首先應(yīng)該把 256 色彩色圖像轉(zhuǎn)換為灰度圖像。 濾波的方式有兩種，一種是空間域?yàn)V波，一種是頻率域，在空間域，常見的濾波方式有兩種方式，均值濾波和中值濾波。中值濾波在一定條件下可以克服線性濾波器如最小均方濾波、均值濾波等帶來的圖像細(xì)節(jié)模糊，而且對(duì)濾波脈沖干擾及圖像掃描噪聲最為有效，同時(shí)還可以保護(hù)字的邊界信息。 close all。 figure, imshow(Scolor), title(39。)。 figure,imshow(i)?；叶葓D像 39。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 9 圖 33 灰度化后的圖像 中值濾波 中值濾波是一種非線性濾波處理技術(shù)，能有效地抑制圖像中的某些噪聲，它基于圖像這樣一種特性：噪聲往往以孤立點(diǎn)的形式出現(xiàn)，這些點(diǎn)對(duì)應(yīng)的像素?cái)?shù)很少，而圖像是由許多像素?cái)?shù)較多、面積較大的小塊組成。處理之后，用窗口內(nèi)各像素灰度值的中值來代替位于窗口正中的像素的灰度值。中值濾波很容易推廣到二維情況。 現(xiàn)有的牌照有四種類型，分別是 : 藍(lán)底白字牌照為小功率汽車使用； 黃底黑字牌照為大功率汽車使用； 白底黑字或紅字牌照為軍用或警用 。這四種牌照的長(zhǎng)度均為 45cm，寬 15cm，共 8 個(gè)字符。第 2 個(gè)字符是大寫英文字母 ，是頒發(fā)證照及監(jiān)督機(jī)關(guān)的代號(hào)。”，第 4～ 8 個(gè)字符均為阿拉伯?dāng)?shù)字或英文大寫字母。 12345”就是最典型的車牌號(hào)碼。 閾值化技術(shù) 基于閾值的車牌定位分割方法是圖像分割中十分古老而又簡(jiǎn)單有效的常用方法。所謂閾值的方法實(shí)質(zhì)是利用圖像的灰度直方圖信息得到用于分割的閾值。 所謂全局閾值的方法就是利用整幅圖像的灰度信息，從整個(gè)圖像中得到用于分割的閾值，并且根據(jù)該閾值對(duì)圖像進(jìn)行分割 ；而局部閾值的方法是根據(jù)圖像中不同區(qū)域獲得對(duì)應(yīng)不同區(qū)域的幾個(gè)閾值，利用這些得到的閾值對(duì)圖像進(jìn)行分割，也就是一個(gè)閾值對(duì)應(yīng)圖像中的一個(gè)子區(qū)域。因此，邊界就由這樣一些內(nèi)部點(diǎn)的集合組成，這些點(diǎn)都至少有一個(gè)鄰點(diǎn)不屬于該物體。當(dāng)圖像灰一種簡(jiǎn)單而廣泛應(yīng)用的方法。度直方圖峰型分布明顯時(shí)，常以谷底作為門限候選值。一階導(dǎo)數(shù)可以用于檢測(cè)圖像中一個(gè)點(diǎn)是否是邊緣點(diǎn)，二階導(dǎo)數(shù)的符號(hào)可以用于判斷邊緣像素是在邊緣亮的一邊還是暗的一邊。 經(jīng)過一階的導(dǎo)數(shù)的邊緣檢測(cè)，所求的一階導(dǎo)數(shù)高于某個(gè)閾值，則確定該點(diǎn)為邊緣點(diǎn)，這樣會(huì)導(dǎo)致檢測(cè)的邊緣點(diǎn)太多。一階導(dǎo)數(shù)的局部最大值對(duì)應(yīng)二階導(dǎo)數(shù)的零交叉點(diǎn)，這樣通過找圖像強(qiáng)度的二階導(dǎo)數(shù)餓的零交叉點(diǎn)就能找到精確邊緣點(diǎn)。 （ 2） Sobel 算子對(duì)灰度漸變和噪聲較多的圖像處理的較好。 Prewitt 算子也產(chǎn)生一幅邊緣幅度的圖像，也是對(duì)灰度漸變和噪聲較多的圖像處理效果較好。由于平滑會(huì)導(dǎo)致邊緣的擴(kuò)展，用拉普拉斯算子找到圖 像中的陡峭邊緣即只考慮那些具有局部梯度最大值的點(diǎn)，這一點(diǎn)可以用二階導(dǎo)數(shù)的零交叉點(diǎn)來實(shí)現(xiàn)。最后用二值化產(chǎn)生閉合的連通的輪廓，消除所有內(nèi)部點(diǎn)。梯度是用高斯濾波器的導(dǎo)數(shù)計(jì)算的。 對(duì)比分析可知 Canny 算子對(duì)車牌處理效果最好。 車牌定位 目前，已經(jīng)提出了很多車牌定位的方法這些方法都具有一個(gè)共同的出發(fā)點(diǎn)即通過牌照區(qū)域的特征來判斷牌照。 （ 1）對(duì)原始圖像進(jìn)行開操作得到圖像背景圖像，如圖 34 所示： s=strel(39。,10)。 figure,imshow(bg)。 figure,imshow(bw)。將圖像二值化，石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 13 如圖 36： [m,n]=size(i)。 fmin1=double(min(min(bw)))。 bw2=im2bw(bw,level)。 圖 36 二值化圖 （ 4）對(duì)得到圖像作開操作進(jìn)行濾波。 grd=edge(bw2,39。) figure,imshow(grd)。圖像邊緣提取 39。 bg1=imclose(grd,strel(39。,[5,19]))。 title(39。)。rectangle39。 figure,imshow(bg3)。圖像開運(yùn)算 [5,19]39。 bg2=imopen(bg3,strel(39。,[19,1]))。 title(39。)。通過程序處理后的圖 37 至310，可以清楚的看到最后經(jīng)過開操作濾波后的可能的車牌區(qū)域都清楚的保留了下來，是非常成功的。進(jìn)行區(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(jì) 16 比較，提取車牌區(qū)域。 （ 1） 首先對(duì)圖像每個(gè)區(qū)域進(jìn)行標(biāo)記，如圖 311 所示。 圖 311 彩色標(biāo)記 （ 2） 計(jì)算 出包含所標(biāo)記的區(qū)域的最小寬和高，并根據(jù)先驗(yàn)知識(shí)，比較誰的寬高比更接近實(shí)際車牌寬高比，將更接近的提取并顯示出來 。這個(gè)章節(jié)是本次設(shè)計(jì)的主要內(nèi)容，在汽車牌照自動(dòng)識(shí)別過程中，字符分割有承前啟后的作用。字符分割的算法很多，常采用垂直投影法來實(shí)現(xiàn)，公式如下 : ??? ?? Hi Wj jifjk 0 0 ),()( （ 41） 字符分割的步驟 車牌字符分割是本設(shè)計(jì)的重點(diǎn)，分割步驟如下： （ 1）計(jì)算車牌水平投影，并對(duì)水平投影進(jìn)行峰谷分析； （ 2）車牌矯正，計(jì)算車牌旋轉(zhuǎn)角度，旋轉(zhuǎn)車牌； （ 3）旋轉(zhuǎn)車牌后重新計(jì)算車牌水平投影，去掉車牌水平邊框，獲取車牌字符高度； （ 4）計(jì)算車牌垂直投影，去掉車牌垂直邊框，計(jì)算車牌上每 個(gè)字符中心位置，計(jì)算最大字符寬度； （ 5）取分割字符 ,并變換為 32 行 *16 列標(biāo)準(zhǔn)子圖?，F(xiàn)采用以下程序求出車牌 二值圖像 的垂直投影圖和水平投影圖，如圖 41 所示： histcol1=sum(sbw1)。)。title(39。)。 title(39。)。 二次計(jì)算車牌水平投影 對(duì)矯正后的車牌二值子圖再次進(jìn)行水平投影計(jì)算，如圖 42： 圖 42 投影圖 從圖 42 和圖 41 中可以明顯看到，車牌的矯正是很成功的，圖 43 的水平投影已經(jīng)相當(dāng)?shù)那逦?，可以明顯看出車牌字符的高度、上邊框、下邊框位置。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 20 字符高 下 邊 上 邊 谷寬度M a r kr ow 1( k) 峰上升點(diǎn) M a r kr ow ( k) 峰寬度 M a r kr ow 4( k) 峰下降點(diǎn) M a r kr ow 3( k) 峰距離 M a r kr ow 2( k) 峰中心 M a r kr ow 5( k) 谷寬度 M a r kr ow 1( k+1 ) 峰上升點(diǎn) M a r kr ow ( k+1 ) 圖 43 水平投影分析計(jì)算示意 根據(jù)投影分析計(jì)算原理，取閾值 Level = （投影均值 +投影最小值） /2 ，分析計(jì)算得出的最大峰寬度即為字符高度。 minrow=min(histrow)。 count1=0。 for k=1:hight if histrow(k)=levelrow count1=count1+1。 %上升點(diǎn) markrow1(l)=count1。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 21 end count1=0。 %峰距離（上升點(diǎn)至下一個(gè)上升點(diǎn)） [m1,n1]=size(markrow2)。 markrow(l)=hight。 markrow2(n1)=markrow(l)markrow(l1)。 %下降點(diǎn) markrow4(k)=markrow3(k)markrow(k)。 %峰中心位置 end maxhight=max(markrow2)。 rowtop=markrow(findc)。 sbw2=sbw(rowtop:rowbot,:)。 %字符高度 (rowbotrowtop+1) 計(jì)算車牌垂直投影 去水平（上下）邊框后，用如下 MATLAB 程序?qū)崿F(xiàn)垂直投影計(jì)算，投影如圖 44所示： histcol=sum(sbw2)。title(39。)。 title([39。,int2str(maxhight)],39。,39。)。下面需對(duì)垂直投影數(shù)據(jù)進(jìn)行分析處理，計(jì)算出左右邊框位置、字符寬度，分析原理如圖 45 所示。另外由于我國(guó)車牌的標(biāo)準(zhǔn)化，車牌上的第二個(gè)字符與第三個(gè)字符的距離大于其他字符及邊框的距離，由此采用在垂直投影中找最大的峰中心距離的方法，可以確定車牌上的第二個(gè)字符的中心位置，而第二大的峰中心距離即可以確定為車牌字符的最大寬度，即定為車牌字符寬度。 mincol=min(histcol)。 count1=0。 for k=1:width if histcol(k)=levelcol 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 24 count1=count1+1。 %字符上升點(diǎn) markcol1(l)=count1。 end count1=0。 %字符距離（上升點(diǎn)至下一個(gè)上升點(diǎn)） [m1,n1]=size(markcol2)。 markcol(l)=width。 markcol2(n1)=markcol(l)markcol(l1)。 for k=1:n1 markcol3(k)=markcol(k+1)markcol1(k+1)。 %字符寬度（上升點(diǎn)至下降點(diǎn)） markcol5(k)=markcol3(k)double(uint16(markcol4(k)/2))。 %字符中心距離（字符中心點(diǎn)至下一個(gè)字符中心點(diǎn) ） maxs=max(markcol6)。 mar