【正文】 識別過程。對于維護交通安全和城市治安，防止交通堵塞，實現(xiàn)交通自動化管理有著現(xiàn)實的意義。車前牌照的尺寸均為 44 cm長， 14 cm 寬，共有 7 個或 8 個字符。接著是一個點 “.”，后面的汽車編號，一般為 5 位數(shù)字，即從 00001——99999。 2. 面向現(xiàn)場環(huán)境 本系統(tǒng)主要用于高速公路的交通路口和停車場，因而必須考 慮到路口的環(huán)境，現(xiàn)場環(huán)境對軟件設(shè)計產(chǎn)生兩方面影響： 正面影響 ： （ 1）在攝像頭拍攝時，汽車相對于攝像頭的距離是固定的，只要焦距一定，汽車圖像大小就是不變的，車牌圖像的大小、位置也都是不變的。因而減少了圖像處理的復雜性。 （ 2）由于陰天或光線不足還會產(chǎn)生圖像較暗 的情況；由于車牌長期的使用還會造成字符磨損、污染等情況，因而要考慮識別字符的容忍度。至于圖像數(shù)據(jù)讀取、車牌定位、車牌校正、車牌字符切割、字符識別等方法的實現(xiàn)都是系統(tǒng)內(nèi)部自動完成的。其中，車輛圖像預處理模塊又分為灰度化模塊、噪聲處理模塊、邊緣檢測模塊、二值化模塊，車牌圖像預處理模塊又分為傾斜度調(diào)整模 塊、字符分割模塊、歸一化模塊、字符的細化模塊等。 相信通過這章的介紹，大家對車牌識別中的一些基本問題都有了簡單的了解，也為后面車牌識別算法介紹做了鋪墊。 車輛圖像的預處理 圖像的灰度化 汽車圖像樣本，目前大都是通過攝像機、數(shù)碼相機等設(shè)備拍攝獲取的，因而預處理前的圖像都是彩色圖像。 彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度。 數(shù)字圖像分為彩色圖像和灰度圖像。由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理。彩色圖像的像素值為 RGB(R, G, B)，灰度圖像的像素值為 RGB(r, r, r)， R、 G、 B 可由彩色圖像的顏色分解獲得。將彩色圖像轉(zhuǎn)化為灰度圖像常采用 的經(jīng)驗公式 如圖 31 所示 ： gray = R + G + B (31) 式中， gray 為灰度值， R、 G、 B 分別為紅色、綠色和藍色分量。 圖像的二值化 二值圖像是指整幅圖像畫面內(nèi)僅有黑、白二值的圖像。這是因為，一方面，有些需要處理的如文字圖像、指紋圖像、工程圖紙等圖像本身是二值的；另一方面，在某些情況下即使圖像本身是有灰度的，我們也設(shè)法使它變成二值圖像再進行處理 (即灰度圖像的二值化 )。此外，二值化后的圖像能夠用幾何學中的概念進行分析和特征描述，比灰度圖像優(yōu)勢大的多。但問題是，要確定一個合適的閾值是一件讓人頭痛的事，確定閾值的多種方法各有千秋。當掃描這幅圖像時，從 B1 到 B2 之間的灰度有變化就意味著有邊界存在。本文采用的是基于像素值的全局迭代閾值選取方法。 ??????kkTjiZTjiZO jiZjiNjiZZ),(),(),(),(),( (33) ??????kkTjiZTjiZB jiZjiNjiZZ),(),(),(),(),( (34) 式中， ),( jiZ 是圖像中 ),( ji 點的灰度值， ),( jiN 是 ),( ji 的加權(quán)系數(shù)，一般為 1。 21 BOk ZZT ??? (35) 4. 如果 1?? kk TT ，則迭代結(jié)束，否則 1??kk ，轉(zhuǎn)到第 2 步繼續(xù)迭代。 設(shè) 置 像 素 指 針 * l p S r c 。T h r e s h o l d = （ 圖 像 最 大灰 度 值 + 最 小 灰 度 值 ）/ 2把 灰 度 值 小 于 T h r e s h o l d 的 點 求平 均 灰 度 g 1把 灰 度 值 大 于 T h r e s h o l d 的 點 求平 均 灰 度 g 2若 T h r e s h o l d =（ g 1 + g 2 ） / 2若 i 圖 像 高 度 H I G H獲 取 當 前 像 素 的 灰 度值若 當 前 像 素 值小 于 閥 值當 前 像 素 值l p S r c = 0當 前 像 素 值l p S r c = 2 5 5j + +若 j 圖 像 寬 度 W E I T Hi + +更 新 當 前 視圖結(jié) 束開 始NYNYNYYN 圖 31 二值化流程圖 圖像的中值濾波 經(jīng)過二值化之后，圖像本身還存在許多噪聲，引起噪聲的原因有：在攝像時，由于光學系統(tǒng)失真，相對運動，大氣湍流等都會使圖像模糊。改善的辦法有兩類：一類是不考慮圖像降質(zhì)的原因，只將圖像中感興趣的特征有選擇地突出，而衰減其它不需要的特征，故改善后的圖像不一定要逼近原圖像。另一類改善圖像辦法是針對圖像降質(zhì)原因，設(shè)法去補償降質(zhì)因素，從而使改善的圖像盡可能地逼近原圖像，這類圖像改善方法統(tǒng)稱為圖像復原技術(shù)。噪聲并不限于人眼所能看到的失真或變形，有些噪聲只有在進行圖像處理時才 能發(fā)現(xiàn)。 為什么采用中值濾波在這里闡述下：雖然我們知道濾波有好幾種方法。說說平均濾波：平均濾波往往不只是把干擾去除，還常把圖像的邊緣模糊，因而造成視覺上的失真，如果目的只是把干擾去除，而不是刻意讓圖像模糊，則中值濾波是比較好的選擇。在實際運算過程中不需要圖像的統(tǒng)計特性，這也帶來了不少方便，但對一些細節(jié)特別多，特別是點、線、頂尖細節(jié)多的圖像不宜采用中值濾波。 中值濾波 流程圖 如圖 32所示。所謂圖像 西 南交通大學本科畢業(yè)設(shè)計（論文） 第 13 頁 分割就是要根據(jù)目標與背景的先驗知 識，對圖像中的目標、背景進行標記、定位，然后將待識別的目標從背景或其它偽目標中分離出來。 設(shè) 置 像 素 指 針B Y T E * p b y R s ci = 0 , j = 0若 i 圖 像 高 度 H I G H若 j 圖 像 寬 度 W E I T H獲 取 當 前 ( i , j ) 像 素 的 灰 度 值獲 取 ( i 1 , j ) ( i + 1 , j ) ( i , j + 1 ) ( i , j 1 ) 的 像 素 值令 當 前 像 素 值 等 于 周圍 像 素 值 的 中 值 （ 平均 值 ）j + +i + +結(jié) 束更 新 視 圖開 始NNYY 圖 32 中值濾波 流程圖 為了完成好這關(guān)鍵性的一步，有一些必要的前期工作要做 ,其中一個重要的工作就是邊緣檢測。 2. 車牌文字周圍有一個類似于長方形的邊框，其厚度不一，而且有斷裂處，有時候彎曲度比較大。 根據(jù)以上車牌圖像的特點，利用車牌中字符和車牌背景的相對特性，即字符豎向 西 南交通大學本科畢業(yè)設(shè)計（論文） 第 14 頁 紋理的分割方法，能夠?qū)Ω黝愜囕v圖像實現(xiàn)很好的分割效果。這樣得到的圖像中就留下了大量 的豎向邊緣特征，為后面準確的車牌定位提供了最根本的依據(jù)。這樣的地方表明一個區(qū)域的終結(jié)，也是另一個區(qū)域的開始，這種不連續(xù)性稱為邊緣。需要說明的是：邊緣與物體間的邊界并不等同，邊緣指的是圖像中像素值有突變的地方，而物體的邊界指的是現(xiàn)實場景中的存在于物體之間的邊界。 經(jīng)典的邊緣提取方法是考察圖像的每個像素點在某個區(qū)域內(nèi)灰度的變化，利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律檢測邊緣。 邊緣的種類分為兩種：一是階躍邊緣，它兩邊像素的灰度值有著顯著的不同；一是 屋頂邊緣，它位于灰度值從增加到減少（或從減少到增加）的變化的轉(zhuǎn)折點。有若干種方法可以使用，其 中大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。 Sobel 邊緣檢測要用兩個卷積核作用于同一幅圖像，這兩個卷積核分別用來計算水平和垂直 方向的梯度，它們是： ?????????? ???121000121 ?????????????101202101 設(shè)用兩個卷積核分別進行卷積操作的中間圖像為 ]][[ yxGh 和 ]][[ yxGv ，其中 x 取值范圍為 0～ width1， y 的取值范 圍為 0～ height1，則最后的結(jié)果圖像 如 36 或 37或 38 所示 ： ]][[]][[]][[ 22 yxGyxGyxM vhs o b e l ?? (36) 或 ]][[]][[]][[ yxGyxGyxM vhs o b e l ?? (37) 或 )]][[,]][[m a x (]][[ yxGyxGyxM vhs o b e l ? (38) 這時檢測的方向為 公式 39 所示 ： 西 南交通大學本科畢業(yè)設(shè)計（論文） 第 15 頁 )]][[ ]][[(t a n]][[ 1 yxG yxGyx hvs o b e l ??? (39) 很顯然，上述算法的計算 量相當大：第一，要做兩次卷積操作；第二，要計算范數(shù)。假定以當前像素為中心獲取一個 33 鄰域，按行按列依次編號為 a， b， c， d， e， f， g， h， i。在這個鄰域中，過中心像素 e 的直線共有 4 條，它們是 aei， beh， ceg， def。對于每一條分割線，分別計算其兩個子部分的像素平均值之差的絕對值。 實驗證明， Sobel邊緣檢測算法所生成的結(jié)果是非 常令人滿意的。 設(shè) 置 像 素 指 針B Y T E * p b y R s ci = 0 , j = 0若 i 圖 像 高 度H I G H若 j 圖 像 寬 度 W E I T H獲 取 當 前 像 素 值以 及 周 圍 點 的 像 素 值用 邊 緣 檢 測 S O B E L 算 子 檢 測 像 素 點周 圍 像 素 導 數(shù) 變 化 ， 并 乘 以 S O B E L算 子 的 橫 向 矩 陣 和 縱 向 矩 陣j + +i + +更 新 當 前 視圖結(jié) 束將 原 圖 再 乘 以S O B E L 算 子 的 縱向 矩 陣 系 數(shù) ，得 到 新 的 圖 像用 原 圖 像 與 新 圖像 相 減 ， 得 到 最終 圖 像更 新 當 前 視圖開 始YNYN 圖 33 邊緣檢測流程圖 西 南交通大學本科畢業(yè)設(shè)計（論文） 第 16 頁 消弱背景噪聲 對于背景的消弱的好環(huán)也關(guān)系到車牌位置的提取準確性。該函數(shù)用指定的模板（任意大?。﹣韺D像進行操作，參數(shù) iTempH 指定模板的高度，參數(shù) iTempW 指定模板的寬度，參數(shù) iTempMX 和 iTempMY 指定模板的中心元素坐標，參數(shù) fpArray 指定模板元素， fCoef 指定系數(shù)。同樣在主菜單項下建立一個子菜單并標題為消弱背景干擾。最后解除鎖定并更新視圖。 設(shè) 置 像 素 指 針i = 1 , j = 1若 i 圖 像 高 度 H I G H若 j 圖 像 寬 度 W E I T H獲 取 當 前 像 素 點 的 值獲 取 當 前 像 素 點 前 一 個像 素 值令 當 前 像 素 點 減 去 前 一個 像 素 點j + +i + +更 新 當 前 視 圖結(jié) 束開 始YNNY 圖 34 噪聲過濾 流程圖 西 南交通大學本科畢業(yè)設(shè)計（論文） 第 17 頁 車牌捕捉 在上述的圖像預處理工作，無疑是為了給車牌定位做下基礎(chǔ)。 我程序中車牌定位的算法過程是這樣的： 首先把圖片從下往上掃描，并設(shè)置一個閥值，當一行的像素點超過這個閥值的時候，便認定這行就是車牌的下邊界，繼續(xù)往上掃描，當一行像素點低于這個閥值，這行便是車牌的上邊界，這時調(diào)用 crop（）函數(shù)將這段圖片剪切下來。同時也設(shè)定另 一個閥值，還是像上面一樣，當一列的像素點超過這個閥值的時候，便認定這行就是車牌的左邊界，繼續(xù)往上掃描，當一列像素點低于這個閥值，這行便是車牌的右邊界，最后將車牌剪切下來。 車 牌捕捉 流程圖 如圖 35 所示 。一種是白底黑字，而我們需要的則是白底黑字的車牌。 其算法簡單說就是一行為單位掃描圖片，若前三行黑色像素大于白色，就進行反色，若白色像素多 ，則跳出循環(huán)。調(diào)整的算法主要是根據(jù)車牌圖像上左右兩邊的白色像素（前景點）的平均高度來的。 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， 里面包含了一個從新圖像到舊圖像的像素的映射。 傾斜度調(diào)整 流程圖 如圖 36 所示 。這一步工作就是把圖像中的字符獨立的分割出來。 然后再由上向下對圖像進行逐行掃描直至找到第一個白色像素點，這樣就找到圖像大致的高度 范圍。這樣就得到了每個字符比較精確的寬