【正文】 較低，這些情況往往需要進行直方圖均衡操作。路面問題。從而使得獲得的圖片質(zhì)量很差，造成識別困難。（2）國內(nèi)車牌字符顏色與背景顏色的亮度相差很大：其中有亮度高于背景顏色的亮度（比如藍底白字、黑底白字、黑底白字、黑底紅字）；也有字符顏色低于背景顏色亮度（黃底黑字），對于具有特征的車牌，其車牌的二值化的方法往往是相反的，前景字符為黑色，背景為白色，所以在車牌的二值化時需要進行進一步處理。字母為A—Z這26個英語字母，數(shù)字為0—9這10個阿拉伯?dāng)?shù)字。2．1．3國內(nèi)外研究的歷史及現(xiàn)狀在國外車牌自動識別技術(shù)的研究發(fā)展比較迅速。在那個時期，車牌自動識別技術(shù)的研究還沒有形成完整的體系，一般采用簡單的圖像處理方法來解決某些具體問題，通過這種方法得出的結(jié)果往往也不是很精確。、特征提取和模板構(gòu)造、字符識別等三個部分，來完成車牌的自動識別。此方法的應(yīng)用在車牌識別準(zhǔn)確率方面有很大的提高，但在識別實時性的要求比較欠缺，車牌識別速度有待提高，因此沒有得到廣泛的應(yīng)用。其中HiTech公司的產(chǎn)品適應(yīng)性很強，得到了各國相關(guān)部門的認(rèn)可， See/Car Chinese系列可以對中國大陸的車牌進行識別，但其中也有許多不足的地方，比如字符識別率較差。我國國內(nèi)車牌識別系統(tǒng)的研究在90年代也逐步的開始。另外上海交通大學(xué)的計算機科學(xué)和工程系、清華大學(xué)人工智能國家重點實驗室、西安交通大學(xué)的圖像處理和識別實驗室、浙江大學(xué)自動化系等都做過類似的研究， 目前，我國國內(nèi)汽車牌照的特殊性使得我國的車牌識別系統(tǒng)不能照搬國外的模式，同時我們也不能采用單一的車牌識別模式。但是隨著車牌識別系統(tǒng)理論研究的不斷深入，硬件平臺性能的不斷提高，LPR系統(tǒng)的性能會越來越完善，其在現(xiàn)代交通管理領(lǐng)域的需求也會不斷地加大。(2) 車牌圖像預(yù)處理子系統(tǒng)：要求對顯示的灰度圖像進行二值化處理，邊緣檢測，中值過濾等操作，供車牌定位使用。數(shù)字圖像的采集數(shù)字圖像的預(yù)處理車牌的定位字符的識別車牌信息提取圖21 車牌識別系統(tǒng)流程圖2．2．2車牌識別系統(tǒng)預(yù)處理模塊的設(shè)計本課題車牌識別系統(tǒng)預(yù)處理模塊的設(shè)計主要針對智能化交通管理系統(tǒng)的車牌識別進行研究，通過獲取汽車的唯一車牌對違規(guī)等車輛信息進行采集，經(jīng)過車牌圖像灰度化，圖像增強，邊緣檢測，車牌定位，車牌圖像二值化，圖像的傾斜校正。三、 車牌識別的功能模塊研究與設(shè)計“Digital Image Processing”，因此我們也稱為計算機圖像處理（Computer Image Processing）。車牌數(shù)字圖像處理因易于實現(xiàn)處理程序和參數(shù)可變，非線性處理，故是一項通用性強，精度高，處理方法靈活，信息保存，傳遞可靠的圖像處理技術(shù)，主要用于圖像變換，模式識別，及模擬圖像的產(chǎn)生，廣泛應(yīng)用與通信，遙感，影像醫(yī)學(xué)，及多種工業(yè)領(lǐng)域和國家軍事領(lǐng)域，而對于車牌的圖像處理我們也將采用數(shù)字圖像處理。DIB圖像與設(shè)備無關(guān)性主要顯示在以下幾個方面：（1）DIB圖像的顏色模型與設(shè)備無關(guān)。（2）256色及256色以下的DIB圖像擁有獨特的像素表，導(dǎo)致像素的顏色獨立于系統(tǒng)設(shè)置的調(diào)色板。通常我們將采集的車牌圖像以BMP位圖圖像格式存儲到電腦中，為了便于車牌信息的預(yù)處理及車牌的定位與和車牌字符的識別和分割，我們的要求就是車牌圖像應(yīng)具有較大的對比度，適當(dāng)?shù)牧炼群颓逦杀娴能嚺茍D像。通過查閱我們發(fā)現(xiàn)，國內(nèi)外只有少數(shù)文獻提及到可用色彩信息幫助對車牌信息的識別和分割，我們也考慮到圖像文件的存儲和圖像的處理需要占用大量系統(tǒng)資源，所以絕大多數(shù)較好的車牌識別系統(tǒng)均使用不含彩色信息的灰度圖像作為車牌識別系統(tǒng)的原始圖像，而灰度圖像中使用像素為一個八位字節(jié)表示該像素的亮度值，因此使原始圖像成為一個灰度圖像是具有256個灰度級的黑白圖像，便于車牌圖像二值化操作，也使得車牌信息處理運算量大大減少。 在車牌圖像的獲取的過程中，由于大部分?jǐn)z像設(shè)備獲得的車牌圖像均為數(shù)字彩色圖像，包含有豐富的色彩信息，但是要想存儲這些信息需要大量的存儲空間，并且運算量大，耗時多，不利于車牌圖像的實時處理。在RGB模型中，如果令gray=R=G=B，則彩色圖像就可以轉(zhuǎn)化為灰度圖像，gray就是對應(yīng)的灰度值。其中灰度化的方法主要有三種 ①平均值法 ②最大值法 ③加權(quán)平均值法。而本課題將采用加權(quán)平均法來得到車牌的灰度化圖像。圖像增強目的是增強車牌圖像的視覺效果，根據(jù)獲取的圖像的應(yīng)用場合，有目的強調(diào)圖像的局部和整體特征，從而擴大圖像中不同物體特征之間的區(qū)別，滿足某些特殊分析的需求，我們經(jīng)常通過將原灰度圖像附加一些信息或變換數(shù)據(jù)來改變這些需求，有選擇地凸顯出我們對像中感興趣的部分或者抑制圖像中某些不感興趣的部分，使圖像達到我們所要求的方面。而造成圖像對比度不足的原因具體有以下幾點：（1）被攝像物的遠(yuǎn)近不同，使得圖像中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡。（3）成像時曝光不足或者過度而使得圖像的灰度變化范圍太窄。因此，我們發(fā)現(xiàn)國內(nèi)外的研究人員提出各種有效的增強圖像對比度的方法，如灰度線性變換、線性濾波器等。同時也有提出為了得到一個亮度明顯高于背景的牌照字符區(qū)域，可以采用一種簡便有效的線性濾波器進行圖像中字符特征的增強，再通過進一步的定位處理就很容易確定其車牌位置的具體位置。本課題中我們將采用圖像灰度線形擴展，增強圖像中有用的信息，抑制圖像中不需要的信息來顯著改善圖像質(zhì)量，達到增強圖像的分辨率及對比度。獲得的車牌圖像效果如下所示： 圖32 灰度圖像與灰度拉伸后的圖像比較對圖像進行一系列區(qū)域濾波處理操作，以便減少噪聲干擾的影響。邊緣信息和噪聲干擾在頻域范圍內(nèi)往往映射為高頻分量，因此在濾除噪聲的同時要保護邊緣信息。在數(shù)字圖像預(yù)處理過程中往往采用空間域濾波法。頻域濾波主要是利用巴特沃斯濾波器[3], 空間濾波主要是利用中值濾波法。噪聲是基于圖像的這一種特性：往往孤立的點形式出現(xiàn)，同時這些點對應(yīng)的像素數(shù)也很少，而圖像則是由像素較多，面積較大的小塊構(gòu)成。中值濾波法原理為設(shè)有一個一維序列f1，f2……fn。中值濾波表達式為：Yi=Med{ fiv,…fi,…fi+v,} i∈Z v=(m1)/2 （35）對車牌數(shù)字圖像進行中值濾波，實質(zhì)就是對二維序列的中值濾波，濾波窗口也是二維的，用一個滑動窗口W在圖像上進行掃描，把窗口內(nèi)包含的圖像像素按灰度級升（或降）序排列起來，取灰度值居中的像素灰度為窗口中心像素的灰度（若窗口中有偶數(shù)個像素，則取兩個中間值的平均），用公式表示為：X（m，n）=Median{f（mk，n1），（k，1）∈W} （36）其算法步驟是：（a） 將模版在圖中漫游，并將模版中心與圖中某個像素位置重疊（b） 讀取模版下各對應(yīng)像素的灰度值（c） 將這些灰度值從小到大排成一列（d） 找出排列在中間的1個（e） 將這個中間值賦給對應(yīng)模版中心位置的像素本課題采用的中值濾波的窗口為33的矩形窗口（共9個像素），通過中值濾波可以很好地消除孤立噪聲點的干擾,同時基本保留了圖像的有用信息。而且物體與背景之間，物體與物體之間，基元與基元之間圖像邊緣特征廣泛存在著。邊緣檢測不僅用于圖像識別，也是紋理分析等其他圖像分析的重要信息源和形狀特征基礎(chǔ)。車牌圖像中，有可能發(fā)生有邊緣的地方并非邊界，也有可能物體的邊界在車牌圖像中不成為邊緣，這是因為現(xiàn)實中的物體是三維的，而車牌圖像只有二維信息，從三維到二維的投影成像會不可避免造成一部分信息的丟失；而且在車牌圖像獲取過程中的光照和噪聲也是影響車牌圖像效果不可避免的重要因素之一。比較常用的邊緣檢測算子有①梯度算子②Roberts算子③Sobel算子④Prewitt算子⑤LKirsch算子,下面介紹幾種算子①梯度算子，梯度算子是對數(shù)字圖像中的邊緣點求導(dǎo)數(shù)，即209。Roberts算子利用局部查分方法尋找數(shù)字圖像邊緣，構(gòu)成Roberts的算子如下：，若用卷積模板表示，此式變?yōu)?。Sobel算子包含兩組3x3的矩陣，一組為橫向矩陣，另一組為縱向矩陣，將Sobel算子與圖像作平面卷積，可得出橫向與縱向的亮度查分近似值。對車牌圖像采用Prewitt算子邊緣算子進行邊緣檢測的效果如下圖：圖33利用Roberts算子，sobel算子，Prewitt算子邊緣檢測效果圖比較車牌區(qū)域定位環(huán)節(jié)是車牌識別系統(tǒng)中核心的環(huán)節(jié)，如何保持定位時間及定位精度將直接影響整個車牌自動識別系統(tǒng)的性能。通常主要的車牌定位算法也都是基于灰度圖像的處理技術(shù)來分析的。（2）基于紋理