【正文】 以上版本的位圖文件中用 BITMAPFILEHEADER 結(jié)構(gòu)來定義： typedef struct tagBITMAPFILEHEADER { /* bmfh */ UINT bfType。 UINT bfReserved1。 DWORD bfOffBits。 （ 2） 位圖信息頭 BITMAPINFOHEADER 結(jié)構(gòu)包含有位圖文件的大小、壓縮類型和顏色格式，其結(jié)構(gòu)定義為： typedef struct tagBITMAPINFOHEADER { /* bmih */ DWORD biSize。 車牌識別系統(tǒng)的圖像處理技術(shù) 13 LONG biHeight。 WORD biBitCount。 DWORD biSizeImage。 LONG biYPelsPerMeter。 DWORD biClrImportant。 （ 3）調(diào)色板 調(diào)色板 實際上是一個 RGBQUAD 結(jié)構(gòu)的數(shù)組，數(shù)組的長度由 biClrUsed 指定（如果該值為零，則由 biBitCount 指定，即 2 的 biBitCount 次冪個元素）。 BYTE rgbGreen。 BYTE rgbReserved。 （ 4）位圖數(shù)據(jù) 第 4 部分是位圖數(shù)據(jù)，即圖像數(shù)據(jù)，其緊跟在位圖文件頭、位圖信息頭和 調(diào)色板 之后，記錄了圖像的每一個像素值。 車牌識別系統(tǒng)的圖像處理技術(shù) 14 第三章 車牌識別系統(tǒng)的設(shè)計和實現(xiàn) 基于第二章對數(shù)字圖像處理和開發(fā)工具的了解，針對 256 色的 bmp 格式 圖像文 件， 本章詳細介紹車牌識別系統(tǒng) 預(yù)處理部分 的模塊流程，闡明了各個模塊 應(yīng)用 的不同算法 的優(yōu)缺點以及關(guān)鍵算法的實際效果 。每一個功能模塊既相互獨立，又必須依靠前一個模塊的支持來完成自己的任務(wù)。 車牌識別系統(tǒng) 圖像灰度化 字符分割 圖像增強 傾斜校正 字符識別 二值化 邊框切除 中值濾波 車牌識別系統(tǒng)的圖像處理技術(shù) 15 圖像灰度化 將彩色圖像轉(zhuǎn)化成為灰度圖像的過程即為圖像的灰度化處理。而灰度圖像是 R、G、 B 三個分量相同的一種特殊的彩色圖像，其一個像素點的變化范圍為 255 種，所以在數(shù)字圖像處理種一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像以使后續(xù)的圖像的計算量變得少一些。圖像的灰度化處理可用兩種方法來實現(xiàn)。 加權(quán)系數(shù)的取值建立在人眼視覺模型的基礎(chǔ)上，對于人眼比較敏感的綠色分量，賦予較大的系數(shù)，而對于人眼 比較遲鈍的藍色分量則取較小的系數(shù)。 系統(tǒng)實現(xiàn)中 我們采用的是加權(quán)平均值法，在程序里我們?nèi)?Wr = ， Wa = ， Wc= 來更新調(diào)色板信息。 車牌識別系統(tǒng)的圖像處理技術(shù) 16 灰度化處理函數(shù)： OnFILE256ToGray()該函數(shù)實現(xiàn)對 256 色彩色 BMP 圖像的灰度化處理函數(shù)首先計算每個顏色所對應(yīng)的灰度值，更新 DIB 調(diào)色板。進過灰度化處 理的車牌圖片處理前與處理后對比如圖 32,33 所示： 圖 32 圖 33 圖像灰度化流程如圖 34 所示： 用 戶 輸 入 車 牌 圖 片獲 得 指 向 圖 像 的 句 柄更 新 D IB 調(diào) 色 板更 新 像 素 的 顏 色 索 引輸 出 車 牌 圖 像 的 灰 度 圖 圖 34 圖像灰度化流程圖 車牌識別系統(tǒng)的圖像處理技術(shù) 17 圖像增強 圖像增強會使得圖像的視覺效果得到改善，某些特定信息得到了增強。但是圖像增強處理并不是一種無損處理，更不能增強 圖像的信息，而是通過某種技術(shù) 手段有選擇地突出對某一具體應(yīng)用有用的信息，消弱或抑制一些無用信息。文獻 ]1[ 中采用了圖象灰度拉伸的方法有效地增強了圖象的對比度，增強后的圖象中字符清晰、區(qū)域分明，便于圖象二值化和字符分割處理?？梢姡瑘D象增強處理無論對圖象牌照的可辯認度的改善，還是簡化后續(xù)的牌照字符定位和分割的難度都是很有必要的。前者直接在圖像所在的二維空間進行處理，即直接對每一像素的灰度值進行處理；后者則是首先經(jīng)過傅里葉變化將圖像從空間域變換到頻率域，然后在頻率域?qū)︻l譜進行操作和處理，再將其反變換到空間域，從而得到增強后的圖像。 灰度變換可使圖像對比度擴展，圖像清晰，特征明顯。灰度變換是一種點處理方法，它將輸入圖像中每個像素 (x,y)的灰度值 f(x,y)，通過映射函數(shù) T[f(x,y)]，變換成輸出圖像中的灰度 g(x, y)，即： g(x,y)=T[f(x,y)] (33) 灰度變換可以選擇不同的灰度變換函數(shù)，如正比函數(shù)和指數(shù)函數(shù)等 。線性拉伸采用的變換公式一般為 : g(x,y)=f(x,y) 假定原始輸入圖像的灰度取值范圍為 [fmin, fmax]，輸出圖像的灰度取值范圍[gmin, gmax]，其變換公式為： (35) 一般要求 gmin fmin， gmax fmax。在實際應(yīng)用中 ,為了突出圖像中感興趣的研究對象，常常要求局部擴展拉伸某一范圍的灰度值，或?qū)Σ煌琺 i nm i nm a xm i nm a x m i n )(),(),( gggff fyxfyxg ??? ??車牌識別系統(tǒng)的圖像處理技術(shù) 19 范圍的灰度值進行不同的拉伸處理，即分段線性拉伸。 常用的幾種分段線性拉伸的示意圖 ： 圖 36 分段線性拉伸示意圖 其對應(yīng)的變換公式如下 : (36) (3) 非線性變換 非線性拉伸不是對圖像的整個灰度范圍進行擴展，而是有選擇地對某一灰度值范圍進行擴展，其他范圍的灰度值則有可能被壓縮。 常用的兩種非線性擴展方法 : ?車牌識別系統(tǒng)的圖像處理技術(shù) 20 基本形式 : g(x,y)=lg[f(x,y)] (37) 實際應(yīng)用中一般取自然對數(shù)變換，具體形式如下： g(x,y)=C?ln[f(x,y)+1] (38) [f(x,y)+1]是為了避免對零求對數(shù)， C 為尺度比例系數(shù)，用于調(diào)節(jié)動態(tài)范圍。具體形式如下： g(x,y)= 1b ]),([ ??ayxfc (310) 參數(shù) a 可以改變曲線的起始位置 . 參數(shù) c 可以改變曲線的變化速率 . 指數(shù)擴展可以對圖像的高亮度區(qū)進行大幅擴展 . 本系統(tǒng)采用的是灰度變換法中的分段線性變換。 車牌識別系統(tǒng)的圖像處理技術(shù) 21 進過灰度拉伸處理的車牌圖片處理前與處理后對比如圖 38,39 所示： 圖 38 圖 39 車牌圖片經(jīng)過圖像增強處理，使得計算機更容易識別和處理。二值化一般在圖像灰度操作之后進行。 最簡單的分類規(guī)則是依據(jù)區(qū)域相似性和不連續(xù)性，取定一灰度閾值。常用的二值化算法有： Otsu 算法、 Bernsern 算法和 熵函數(shù)算法等。有時為了簡化算法，減少運算時間，取圖象平均值為閾值；有的考慮到牌照光照不均，采取了牌照字幅分別二值化的方法，也就是先對牌照圖象進行分割，再對分割出來的字符圖象進行獨立梯度統(tǒng)計，取各自不同的閾值進行分類；文獻 ]4[ 則在二值化過程中引入了紋理分析，判定字符筆劃邊緣后再對閾值進行調(diào)整，這樣圖象二值化的效果好于灰度直方圖取閾值方法。 下面介紹三種常用的閾值選擇方法，一種為最大方差閾值選擇法；一種為灰度平均值閾值選擇法；一種為灰度區(qū)間取值法。最大方差閾值選擇法是建立在最小二乘原理的基礎(chǔ)上的，它不僅適用于單閾值選取也適用于多閾值的選取，并且無論圖象的灰度直方圖有無明顯的雙峰都能得到滿意的結(jié)果，是最優(yōu)的閾值自動選取法。這樣圖象二值效果比較適合后續(xù)的進一步處理，實驗中 m 的經(jīng)驗值選取如下， (a) 當(dāng)灰度均值 A140 時， m=； (b) 當(dāng) 120A140 時， m=1； (c) 當(dāng) 100A120 時， m=～ ； (d) 當(dāng) 60A100 時， m=～ ； (e) 當(dāng)灰度均值 A60 時， m=2； （ 3）灰度區(qū)間取值法 為了簡化起見，本系統(tǒng)采取的閾值是根據(jù)圖像來選取的，即用一初始閾值 T對圖像 A 進行二值化圖像 B。 車牌識別系統(tǒng)的圖像處理技術(shù) 24 該閾值對不同的牌照有一定的適應(yīng)性，能夠保證背景基本被置為 0，以突出牌照區(qū)域。 二值化 處理程序流程圖如 下 圖所示 ： 輸 入 增 強 后 的 灰 度 圖 像獲 得 指 向 圖 像 的 句 柄獲 得 閾 值 數(shù) 值指 向 圖 像 像 素 指 針像 素 灰 度 值 低 于 閾 值設(shè) 像 素 灰 度 值 為 0 設(shè) 像 素 灰 度 值 為 2 5 5整 幅 圖 掃 描 完整 幅 圖 掃 描 完Y e sN oN oN oY e s Y e s輸 出 車 牌 圖 像 的 二 值 化 圖像 圖 312 二值化 處理程序流程圖 車牌識別系統(tǒng)的圖像處理技術(shù) 25 進過二值化處理的車牌圖片處理前與處理后對比如圖 313,314所示： 圖 313 圖 314 平滑空間濾波 （ 1）平滑線性濾波器 平滑線性空間濾波器的輸出是包含在濾波掩膜鄰域內(nèi)像素的簡單平均值。假設(shè)圖像由許多灰度恒定的小塊組成，相鄰像素間存在很高的空間相關(guān)性，而噪聲則相對獨立。 一幅圖像大小為 N N 的圖像 f(x,y)，用鄰域平均法得到的平滑圖像為g(x,y)， ??? sji jifMyxg , ),(1),( (314) x,y=0,1,…,N 1。M 表示集合 s 內(nèi)像素的總數(shù)。 非加權(quán)鄰域平均法可以用模板卷積求得，即在待處理圖像中逐點地移動模板，求模板系數(shù)與圖像中相應(yīng)像素的乘積之和，模板數(shù)為 1。 圖 315 非加 權(quán)鄰域平均 3 3模板 車牌識別系統(tǒng)的圖像處理技術(shù) 26 模板與圖像值卷積時，模板中系數(shù) w(0,0)應(yīng)位于圖像對應(yīng)于 (x,y)的位置。 （ 2）統(tǒng)計排序濾波器 統(tǒng)計濾波器是一種非線性的空間濾波器，它的響應(yīng)基于圖像濾波器包圍的圖像區(qū)域中像素的排序，然后用統(tǒng)計排序結(jié)果決定的值代替中心像素的值。鄰域平均法雖然可以平滑圖像，但在消除噪聲的同時，會使圖像中的一些細節(jié)變得模糊。 車牌識別系統(tǒng)的圖像處理技術(shù) 27 中值 濾波是一種非線性濾波。設(shè)增強圖像在 (x,y)的灰度值為 f(x,y)，增強圖像在對應(yīng)位置 (x,y)的灰度值為 g(x,y)，則有： },),({),( Wlklykxfm e d ia nyxg ???? (317) W為選定窗口大小。 進過中值濾波處理的車牌圖片處理前與處理后對比如圖 317,318 所示： 圖 317 圖 318 車牌傾斜矯正 從拍攝圖像中分割提取出車輛牌照圖像通常存在一定的傾斜角度，可能是因為攝像 機與運動中的汽車間有一定的拍攝角度，也可能是汽車在運動中的擺動， 或 者是汽車車牌安裝產(chǎn)生傾斜等。但是，實際上攝像機通常安裝在路邊或頂部，這將造成車輛牌照與攝像頭成像平面不平行，產(chǎn)生不同程度的牌照圖像的傾斜和變形，這個問題將對后續(xù)牌照的檢測和分割產(chǎn)生不容忽視的重要影響。 車牌識別系統(tǒng)的圖像處理技術(shù) 28 （ 1）常用傾斜角度檢測方法 關(guān)于傾斜角度的糾正有很多方法。 由于車牌區(qū)域內(nèi)有很多直線包含了圖像的傾斜角度的正確信息。于是我們可以通過對待檢測圖像做各種角度的投影，尋找投影圖像峰寬最窄的角度，即認為是圖像正置的角度。而若先實現(xiàn)定位，雖然在大大減少運算量，但傾斜的拍照圖像就極不利于牌照字符的切分 。 該方法的研究對象是圖像上左右兩邊的目標像素的平均高度。具體來說，首先要分別計算圖像左半邊和右半邊的像素的平均高度，然后求斜率，根據(jù)斜率重新組織圖像，里面包含一個從新圖像到舊圖像的像素的映射。 重心法充分利用圖像像素分布規(guī)律，比投影法更簡單。而且由于該方法利用的是平均高度，精確度不高。由于它是針對預(yù)處理圖像進行操作，并且對直線條比較敏感，所以在很多直線檢測系統(tǒng)中，它還是一直占著非常重要