課程設(shè)計(jì)論文模板

1、 課程設(shè)計(jì)（論文） 題 目 基于投影法的車(chē)牌定位方法的研究姓 名 * * *學(xué) 號(hào) *專(zhuān)業(yè)班級(jí) 07電子信息工程2班指導(dǎo)教師 吳 成 玉分 院 信息科學(xué)與工程分院完成日期 2010年×月×日寧波理工學(xué)院摘 要車(chē)輛牌照自動(dòng)識(shí)別系統(tǒng)(LPR 是智能交通系統(tǒng)的基礎(chǔ)環(huán)節(jié)和重要組成部分，具有方便、快速和自動(dòng)識(shí)別車(chē)輛牌照的特點(diǎn)，廣泛應(yīng)用于大型停車(chē)場(chǎng)、收費(fèi)站、交通違章管理等領(lǐng)域。數(shù)字圖像處理技術(shù)能將輸入的車(chē)輛圖像通過(guò)處理和識(shí)別，轉(zhuǎn)換為車(chē)牌號(hào)的字符串形式，為后續(xù)的計(jì)算機(jī)處理奠定基礎(chǔ)，在車(chē)輛識(shí)別中發(fā)揮了關(guān)鍵的作用。系統(tǒng)的難點(diǎn)在于首先需要獲取高質(zhì)量的車(chē)輛圖像，這對(duì)于車(chē)牌識(shí)別的正確率有很大的影響

2、；其次，需要對(duì)車(chē)牌區(qū)域進(jìn)行相應(yīng)的處理；最后需要對(duì)車(chē)牌區(qū)域進(jìn)行正確的定位。結(jié)合車(chē)輛牌照的結(jié)構(gòu)特點(diǎn)及先驗(yàn)知識(shí)，通過(guò)對(duì)車(chē)牌特征和定位技術(shù)的深入研究，本文在對(duì)車(chē)牌圖像進(jìn)行灰度化、二值化等預(yù)處理操作的基礎(chǔ)上，提出了基于水平投影和垂直投影的一種改進(jìn)的車(chē)牌定位算法，并進(jìn)行了仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明：該算法對(duì)車(chē)牌定位具有精度高、速度快、魯棒性好等優(yōu)良特點(diǎn)，為本研究的后續(xù)工作車(chē)牌字符分割和識(shí)別打下了良好基礎(chǔ)。關(guān)鍵詞： 汽車(chē)牌照；圖像定位；圖像提取；灰度投影；邊緣檢測(cè)目 錄摘 要. I第1章 緒論 . 11.1 研究意義 . 11.2 研究方法與技術(shù)路線 . 2第2章 預(yù)處理 . 52.1 圖像復(fù)原 . 52.2

3、圖像變換 . 62.3 邊緣檢測(cè) . 9第3章 車(chē)牌提取 . 133.1 水平垂直投影 . 153.2 實(shí)驗(yàn)中的車(chē)牌提取 . 153.3 車(chē)牌提取失敗的原因分析 . 16參考文獻(xiàn). 17附 錄. 18第1章 緒論1.1 研究意義車(chē)牌識(shí)別系統(tǒng)的研究是和城市化進(jìn)展、汽車(chē)普及、交通管理一起發(fā)展起來(lái)的。特別是計(jì)算機(jī)技術(shù)、數(shù)據(jù)通信技術(shù)、電子自動(dòng)控制技術(shù)的發(fā)展使得交通運(yùn)輸管理體系逐步電子化，使人、車(chē)、路及環(huán)境密切配合、和諧統(tǒng)一，從而建立了全方位實(shí)時(shí)、準(zhǔn)確的綜合管理系統(tǒng)，也就是智能交通系統(tǒng)。車(chē)牌自動(dòng)識(shí)別系統(tǒng)是智能交通管理系統(tǒng)的核心技術(shù)，在道路交通監(jiān)控和管理中有很重要的作用。車(chē)牌自動(dòng)識(shí)別系統(tǒng)應(yīng)用于高速公路出入

4、口，結(jié)合自動(dòng)校驗(yàn)身份以及自動(dòng)控制閘門(mén)的功能，就能實(shí)現(xiàn)不停車(chē)收費(fèi)的功能，車(chē)牌自動(dòng)識(shí)別系統(tǒng)通過(guò)自動(dòng)識(shí)別車(chē)牌來(lái)進(jìn)行車(chē)輛的統(tǒng)計(jì)(記錄下車(chē)牌號(hào)碼、出入時(shí)間、違章情況 可以實(shí)現(xiàn)觀測(cè)站或城市、單位卡口系統(tǒng)的功能，車(chē)牌自動(dòng)識(shí)別系統(tǒng)可以廣泛的應(yīng)用在機(jī)場(chǎng)、港口、政府機(jī)關(guān)、軍隊(duì)的重要場(chǎng)所和公安部門(mén)、交警部門(mén)等公共場(chǎng)所。汽車(chē)牌照自動(dòng)識(shí)別系統(tǒng)可安裝于公路收費(fèi)站、停車(chē)場(chǎng)、十字路口等交通關(guān)卡處。它在公共安全、交通管理及有關(guān)軍事部門(mén)有著重要的應(yīng)用價(jià)值。其廣泛的用途包括：1. 交通監(jiān)控利用車(chē)牌識(shí)別系統(tǒng)的攝像設(shè)備，可以同雷達(dá)測(cè)速器或其他的檢測(cè)器配合使用，以檢測(cè)違反限速值的車(chē)輛。當(dāng)發(fā)現(xiàn)車(chē)輛超速時(shí)攝像機(jī)獲取該車(chē)的圖像，并得到該車(chē)的牌

5、照號(hào)碼。然后通過(guò)數(shù)據(jù)庫(kù)找出該車(chē)信息，給該車(chē)超速的警告信號(hào)、開(kāi)出罰單，還可以配合自動(dòng)扣費(fèi)系統(tǒng)使用。2. 交通流控制指標(biāo)參量的測(cè)量可以直接監(jiān)視相應(yīng)路段的交通狀況，獲得車(chē)輛密度、隊(duì)長(zhǎng)、排隊(duì)規(guī)模等交通信息，防范和觀察交通事故。為達(dá)到交通流控制的目標(biāo)，一些交通流指標(biāo)的測(cè)量相當(dāng)重要。該系統(tǒng)能夠測(cè)量和統(tǒng)計(jì)很多交通流指標(biāo)參數(shù)，如：總的服務(wù)流率、總行程時(shí)間、總的流入量流出量、車(chē)型及車(chē)流組成、車(chē)流高峰時(shí)間段、平均車(chē)速、車(chē)輛密度等，這也為交通系統(tǒng)提供必要的交通流信息。3. 高速公路上的事故自動(dòng)測(cè)報(bào)由于該系統(tǒng)能夠監(jiān)視道路情況和測(cè)量交通流量指標(biāo)，能及時(shí)發(fā)現(xiàn)超速、堵車(chē)、排隊(duì)、事故等交通異?，F(xiàn)象。4. 對(duì)養(yǎng)路費(fèi)交納、安全檢

6、查、運(yùn)營(yíng)管理實(shí)行不停車(chē)檢查根據(jù)識(shí)別出的車(chē)牌號(hào)碼從數(shù)據(jù)庫(kù)中調(diào)出該車(chē)檔案材料，可發(fā)現(xiàn)沒(méi)及時(shí)交納養(yǎng)路費(fèi)的車(chē)輛。另外，該系統(tǒng)還可發(fā)現(xiàn)無(wú)車(chē)牌的車(chē)輛、黑車(chē)，若同車(chē)型檢測(cè)器聯(lián)用，可迅速發(fā)現(xiàn)所掛車(chē)牌與車(chē)型不符的車(chē)輛。5. 車(chē)輛定位由于能自動(dòng)識(shí)別車(chē)牌號(hào)碼，因而極易發(fā)現(xiàn)被盜車(chē)輛以及定位出車(chē)輛在道路上的行駛位置。這為防范、發(fā)現(xiàn)和追蹤涉及車(chē)輛的犯罪，保護(hù)重要車(chē)輛(如運(yùn)鈔車(chē) 的安全有重大作用，從而對(duì)城市治安及交通安全有重要的保障作用。6. 海關(guān)進(jìn)出車(chē)輛自動(dòng)識(shí)別管理海關(guān)是境內(nèi)與境外日益連接的橋梁和紐帶，為國(guó)家肩負(fù)著安全和防走私稽查的重任，海關(guān)閘口車(chē)輛日通行量大，容易造成閘口瞬間堵塞，為關(guān)口的管理帶來(lái)了不必要的麻煩。車(chē)輛自

7、動(dòng)識(shí)別管理系統(tǒng)對(duì)通行車(chē)輛進(jìn)行自動(dòng)識(shí)別，能有效地提高閘口通行效率并對(duì)各種過(guò)關(guān)車(chē)輛進(jìn)行追蹤管理。1.2 研究方法與技術(shù)路線要對(duì)車(chē)牌號(hào)碼進(jìn)行自動(dòng)識(shí)別，首要的問(wèn)題是要將車(chē)牌區(qū)域從復(fù)雜背景中分割出來(lái)，在本文中，我們主要完成了擁有這部分功能的車(chē)牌檢測(cè)部分的工作，以便進(jìn)一步識(shí)別的技術(shù)，并將該技術(shù)應(yīng)用于高速公路自動(dòng)收費(fèi)系統(tǒng)。車(chē)牌檢測(cè)的方法可以很多，例如：第一，基于顏色和文理分析的車(chē)牌定位；第二，基于小波和形態(tài)學(xué)車(chē)牌定位；第三，基于彩色圖像車(chē)牌定位；第四，基于圖像處理的車(chē)牌定位；第五，基于數(shù)學(xué)形態(tài)學(xué)和神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別等等。本文中我們選定了第四種方法基于圖像處理的車(chē)牌定位。然而直接在原始圖像中搜索車(chē)牌是很困難的

8、，所以需要進(jìn)行一系列預(yù)處理（包括圖像復(fù)原和圖像變換），生成灰度圖像，然后對(duì)其邊緣二值化處理。對(duì)于二值圖像，最后通過(guò)車(chē)牌進(jìn)行水平、垂直投影，確定并提取出車(chē)牌所在位置的區(qū)域。選擇用這種方法來(lái)處理方法簡(jiǎn)便，處理過(guò)程具有非常高的魯棒性和實(shí)時(shí)性。預(yù)處理，處像處理，圖像提取，車(chē)牌定位。由于是基于圖像的處理對(duì)于處理好的圖片，可以根據(jù)圖像回放、檢索來(lái)檢驗(yàn)結(jié)果的準(zhǔn)確，于及時(shí)發(fā)現(xiàn)并解決問(wèn)題。這是一種針對(duì)于我國(guó)現(xiàn)有車(chē)牌種類(lèi)的特點(diǎn)開(kāi)發(fā)的車(chē)牌處理方法。車(chē)牌定位就是從復(fù)雜的車(chē)輛背景圖像中準(zhǔn)確的提取出車(chē)牌區(qū)域。如何從車(chē)牌序列圖像中準(zhǔn)確的獲取車(chē)牌位置是車(chē)牌自動(dòng)識(shí)別算法實(shí)現(xiàn)的關(guān)鍵。車(chē)牌定位作為復(fù)雜背景圖像區(qū)域特征提取的一個(gè)應(yīng)用

9、，有其特有的特點(diǎn):1. 車(chē)牌區(qū)域在車(chē)輛圖像中的位置不確定。由于攝像機(jī)的方位、車(chē)輛的不同型號(hào)、不同的拍攝角度等因素的影響，車(chē)牌區(qū)域在車(chē)輛圖像中的具體位置是不確定的。2. 車(chē)牌區(qū)域只占整個(gè)車(chē)輛圖像的一小部分。在整個(gè)車(chē)輛圖像中，車(chē)牌所占有的區(qū)域大約只有車(chē)輛圖像的1/40左右。3. 車(chē)牌區(qū)域的大小是不一樣的，由于攝像機(jī)的拍攝位置等因素的影響，導(dǎo)致了車(chē)牌區(qū)域在車(chē)輛圖像中的大小不一致。所以，不能以常規(guī)的車(chē)牌大小去判斷車(chē)牌圖像中車(chē)牌區(qū)域大小。4. 車(chē)牌區(qū)域可能發(fā)生畸變，由于攝像機(jī)在拍攝的過(guò)程中與車(chē)輛的有角度的影響，以及車(chē)牌本身的傾斜、歪曲、破損等因素的影響，導(dǎo)致車(chē)牌區(qū)域不規(guī)則，發(fā)生變形。5. 車(chē)牌區(qū)域的提取

10、，大多是在復(fù)雜的背景下提取的，在提取的過(guò)程中，必須排除復(fù)雜背景對(duì)車(chē)牌區(qū)域的影響。車(chē)牌自動(dòng)識(shí)別系統(tǒng)從總體上可以分為幾個(gè)重要的環(huán)節(jié)，分別是圖像采集、預(yù)處理、邊緣提取、車(chē)牌定位、車(chē)牌字符分割、字符識(shí)別以及為了實(shí)現(xiàn)這些環(huán)節(jié)的功能。車(chē)牌識(shí)別系統(tǒng)的構(gòu)成: 圖1.1 車(chē)牌的識(shí)別系統(tǒng)的構(gòu)成1. 圖像采集：通過(guò)安裝在道路口或者是車(chē)輛出入通道的攝像機(jī)實(shí)時(shí)捕捉車(chē)輛視頻圖像，并傳輸?shù)接?jì)算機(jī)上以便于實(shí)時(shí)的處理。2. 圖像預(yù)處理：對(duì)采集到的處理圖像進(jìn)行圖像增強(qiáng)、濾波去噪等處理來(lái)突出車(chē)牌的特征，以便于更好的車(chē)牌定位。3通過(guò)計(jì)算并選擇合適的閾值，對(duì)灰度圖像二值化處理，得到圖像的邊緣。4. 車(chē)牌定位：車(chē)牌定位是車(chē)牌識(shí)別算法流程

11、中的一個(gè)關(guān)鍵環(huán)節(jié)，定位的準(zhǔn)確性直接影響到后續(xù)環(huán)節(jié)的實(shí)現(xiàn)。實(shí)際拍攝條件的影響，如天氣、光照復(fù)雜背景都會(huì)對(duì)車(chē)牌定位產(chǎn)生影響。克服這些因素的影響，從車(chē)輛圖像中準(zhǔn)確提取出車(chē)牌區(qū)域是車(chē)牌定位的中心任務(wù)。實(shí)現(xiàn)方法:基于投影法的車(chē)牌定位方法主要包括車(chē)牌預(yù)處理和車(chē)牌的水平與垂直投影。而車(chē)牌預(yù)處理包括三部分：圖像灰度變換、圖像邊緣檢測(cè)、圖像二值化。第2章 預(yù)處理在景物成像的過(guò)程中，受多種因素的影響，圖像質(zhì)量都會(huì)有所下降。這種圖像質(zhì)量下降的過(guò)程稱(chēng)為圖像的退化。例如，成像目標(biāo)物體的運(yùn)動(dòng)，在攝像后所形成的運(yùn)動(dòng)模糊。由于成像系統(tǒng)的光散射現(xiàn)象而導(dǎo)致圖像的模糊。又如傳感器特性的非線性，光學(xué)系統(tǒng)的像差，以致在成像后與原來(lái)景物

12、發(fā)生了不一致的現(xiàn)象，稱(chēng)之為畸變。再加上多種環(huán)境因素，在成像后造成噪聲干擾。在LPR 系統(tǒng)中，由于季節(jié)的更替、自然光照度的晝夜變化、車(chē)輛自身的運(yùn)動(dòng)、采集圖像的設(shè)備本身的因素等，都會(huì)引起牌照?qǐng)D像的退化，干擾了有關(guān)車(chē)牌的信息提取。所以為了改善退化了的牌照?qǐng)D像質(zhì)量，必須對(duì)圖像進(jìn)行預(yù)處理。通常有兩類(lèi)方法：圖像增強(qiáng)和圖像復(fù)原。圖像增強(qiáng)技術(shù)是不考慮圖像退化的原因，只是將圖像中感興趣的特征有選擇地突出，而衰減其不需要的特征，改善后的圖像不一定要去逼近原始圖像。圖像復(fù)原技術(shù)則與增強(qiáng)技術(shù)不同。它需要了解圖像退化的原因，需要根據(jù)圖像退化過(guò)程的某些先驗(yàn)知識(shí)，建立模型，再借助該模型，按照某種處理方法，恢復(fù)或重建原來(lái)的圖

13、像。但在LPR 系統(tǒng)中并不需要將圖像恢復(fù)原樣，只需突出其中的某些特征，以便后續(xù)處理，另外我們對(duì)牌照?qǐng)D像的退化過(guò)程也了解不全，無(wú)法建立較準(zhǔn)確的模型。綜上我們采用了以下圖像增強(qiáng)技術(shù)。 預(yù)處理包括：1. 圖像復(fù)原2. 圖像變換3. 邊緣檢測(cè)4. 二值化。預(yù)處理中最重要的是第二步：圖像變換。在這一步中，本文設(shè)計(jì)了一個(gè)處理函數(shù)，設(shè)計(jì)這個(gè)函數(shù)的目的就是為了突出車(chē)牌的最主要特征，以便更好地提取車(chē)牌。2.1 圖像復(fù)原由于車(chē)牌位于汽車(chē)的下部，而且從實(shí)際應(yīng)用中可以發(fā)現(xiàn)車(chē)牌一般位于整幅圖像的下半部分。為了提高系統(tǒng)運(yùn)行速度，減少背景的干擾，提高識(shí)別率，本文將圖像的處理部分限定在某個(gè)范圍。在本文中，均以450*250的

14、圖像為例：水平處理范圍為0450，既所有水平范圍；垂直范圍為30120（從圖像下端起）。而且選擇從下往上、從左到右的掃描方法，有效地避免了車(chē)上其它部位的影響。如圖2.1為處理前圖象。 圖2.1 原圖像在本文的算法中，由于車(chē)牌提取算法對(duì)原始圖像的要求不嚴(yán)格，所以圖像復(fù)原這部分工作主要是放在圖像分割的前面進(jìn)行，只是對(duì)車(chē)牌這一小部分圖像進(jìn)行復(fù)原，這樣就大大地節(jié)省了整個(gè)系統(tǒng)的運(yùn)行時(shí)間。2.2 圖像變換在計(jì)算機(jī)圖形學(xué)與圖像處理中，數(shù)字圖像的灰度是進(jìn)行圖像識(shí)別與處理的基礎(chǔ)。由于受到運(yùn)算速度，內(nèi)存大小等多方面的限制一般都采用基于灰度圖像的識(shí)別技術(shù)。我們需要先讀取數(shù)字圖像的灰度，然后對(duì)其進(jìn)行下一步的分析與處理

15、。數(shù)字圖像在計(jì)算機(jī)上以位圖(bitmap 的形式存在，位圖是一個(gè)矩形點(diǎn)陣，其中每點(diǎn)稱(chēng)為像素(pixel ，像素是數(shù)字圖像中的基本單位。一幅m × n 大小的圖像，是由m × n 個(gè)明暗度不等的像素組成的。數(shù)字圖像中各個(gè)像素所具有的明暗程度由灰度值(gray level 所標(biāo)識(shí)。一般將白色的灰度值定義為255，黑色灰度值定義為0，而由黑到白之間的明暗度均勻地劃分為256個(gè)等級(jí)。對(duì)于黑白圖像，每個(gè)像素用一個(gè)字節(jié)數(shù)據(jù)來(lái)表示，而在彩色圖像中，每個(gè)像素需用三個(gè)字節(jié)數(shù)據(jù)來(lái)表述。彩色圖像可以分解成紅(R 、綠(G 、藍(lán)(B 三個(gè)單色圖像，任何一種顏色都可以由這三種顏色混合構(gòu)成。在圖像處理

16、中，彩色圖像的處理通常是通過(guò)對(duì)其三個(gè)單色圖像分別處理而得到的。為了簡(jiǎn)化處理我們先設(shè)計(jì)一個(gè)函數(shù)將彩色位圖轉(zhuǎn)換成灰度圖像彩色汽車(chē)圖像處理可得到圖2.2。算法體現(xiàn)如下：BufB=fgetc(ImageDataFile；/得到每個(gè)像素的B 值BufG=fgetc(ImageDataFile；/得到每個(gè)像素的G 值BufR=fgetc(ImageDataFile；/得到每個(gè)像素的R 值BufY Index=(unsigned char(0.299*BufR+0.587*BufG+0.114* BufB；/得到灰度分量 圖2.2 灰度圖像由于考慮到算法的復(fù)雜性，處理時(shí)間等因素，必須把真彩圖像轉(zhuǎn)化為二值圖像

17、。因此必須對(duì)圖像進(jìn)行二值處理，這種處理過(guò)程叫做圖像的二值化。一幅數(shù)字化的灰度圖像包括目標(biāo)物、背景和噪聲。從數(shù)字灰度圖像中提取出目標(biāo)物，最常用的方法是設(shè)定閥值，用此閥值將灰度圖像的數(shù)據(jù)分成兩部分，即大于閥值的象素群和小于閥值的象素群。二值化又稱(chēng)灰度分割（Threshold ），將一般灰度圖分割成只有兩種灰度值的圖像，即二值圖像（Binary Image）。亦即設(shè)定一個(gè)灰度值，凡是圖像本身灰度大于它的便令其為亮點(diǎn)，而灰度低于設(shè)定值的，便令其為暗點(diǎn)，如此可得一個(gè)二值圖像。一般來(lái)說(shuō)，我們把二值圖像中的暗（黑）點(diǎn)的灰度值設(shè)為0，目標(biāo)；亮（白）點(diǎn)的灰度值設(shè)為1，背景。而在對(duì)二值圖進(jìn)行處理時(shí)，習(xí)慣上認(rèn)為目標(biāo)

18、的灰度值為1，背景的灰度值為0，這是對(duì)原圖各點(diǎn)的灰度求反的結(jié)果。在一個(gè)灰度圖中，設(shè)為圖像在點(diǎn)處的灰度值，預(yù)將圖像分割成二個(gè)群體（目標(biāo)和背景），則選定適當(dāng)?shù)亩祷y值t ，令：f(x,y>t 則f(x,y設(shè)為1；f(x,y<=t 則f(x,y設(shè)為0；二值化算法的核心在于如何獲得一個(gè)良好的灰度閥值t ，使得圖像的二值化處理能達(dá)到最佳效果。如果閥值t 選得過(guò)大，那么圖像就會(huì)在物體本身之外產(chǎn)生許多黑斑，達(dá)不到分辨的目的；如果閥值t 選得過(guò)小，又會(huì)使得待測(cè)物體的外形變小，導(dǎo)致信息丟失。由此可知，二值化的閥值是把圖像和背景區(qū)分開(kāi)的標(biāo)尺，適當(dāng)?shù)拈y值就是既要盡可能的保存圖像信息又要盡可能的減少背景

19、和噪聲的干擾，這是選擇閥值的原則。為了得到理想的二值圖像，一般采用閾值分割技術(shù)，它對(duì)物體與背景有較強(qiáng)對(duì)比的圖像的分割特別有效，它計(jì)算簡(jiǎn)單而且總能用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閾值的像素被判決為屬于物體，灰度值用" 255" 表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為" 0" ，表示背景。這樣一來(lái)物體的邊界就成為這樣一些內(nèi)部的點(diǎn)的集合，這些點(diǎn)都至少有一個(gè)鄰點(diǎn)不屬于該物體。如果感興趣的物體在內(nèi)部有均勻一致的灰度值，并且其處在一個(gè)具有另外一個(gè)灰度值的均勻背景下，使用閾值法可以得到比較好的效果。如果物體同背景的差別不在灰度值上（比

20、如紋理不同），可以將這個(gè)性質(zhì)轉(zhuǎn)換為灰度的差別，然后利用閾值化技術(shù)來(lái)分割該圖像。為了使分割適用性更強(qiáng)，系統(tǒng)應(yīng)該可以自動(dòng)選擇閾值。基于物體、環(huán)境和應(yīng)用域等知識(shí)的圖像分割算法比基于固定閾值的算法更具有普遍性和適應(yīng)性。這些知識(shí)包括：對(duì)應(yīng)于物體的圖像灰度特性、物體的尺寸、物體在圖像中所占的比例、圖像中不同類(lèi)型物體的數(shù)量等。其中圖像直方圖就是一種灰度特性，通常被用來(lái)作為分割圖像的工具。閾值分割法分為全局閾值法和局部閾值分割法。所謂局部閾值分割法是將原始圖像劃分成較小的圖像，并對(duì)每個(gè)子圖像選取相應(yīng)的閾值。在閾值分割后，相鄰子圖像之間的邊界處可能產(chǎn)生灰度級(jí)的不連續(xù)性，因此需用平滑技術(shù)進(jìn)行排除。局部閾值法常用的

21、方法有灰度差直方圖法、微分直方圖法。局部閾值分割法雖然能改善分割效果，但存在幾個(gè)缺點(diǎn)：（1）每幅子圖像的尺寸不能太小，否則統(tǒng)計(jì)出的結(jié)果無(wú)意義。（2）每幅圖像的分割是任意的，如果有一幅子圖像正好落在目標(biāo)區(qū)域或背景區(qū)域，而根據(jù)統(tǒng)計(jì)結(jié)果對(duì)其進(jìn)行分割，也許會(huì)產(chǎn)生更差的結(jié)果。（3）局部閾值法對(duì)每一幅子圖像都要進(jìn)行統(tǒng)計(jì)，速度慢，難以適應(yīng)實(shí)時(shí)性的要求。全局閾值分割方法在圖像處理中應(yīng)用比較多，它在整幅圖像內(nèi)采用固定的閾值分割圖像。經(jīng)典的閾值選取以灰度直方圖為處理對(duì)象。根據(jù)閾值選擇方法的不同，可以分為模態(tài)方法、迭代式閾值選擇等方法。這些方法都是以圖像的直方圖為研究對(duì)象來(lái)確定分割的閾值的。另外還有類(lèi)間方差閾值分割

22、法、二維最大熵分割法、模糊閾值分割法、共生矩陣分割法、區(qū)域生長(zhǎng)法等等，根據(jù)多次實(shí)驗(yàn)最終得到, 這里選擇100作為閾值效果為最好。根據(jù)車(chē)牌的本身特征，在圖像的大部分區(qū)域圖像的灰度值很小，只是在水平方向灰度變化較大的區(qū)域才會(huì)出現(xiàn)比較大的灰度值，這樣圖像的直方圖就會(huì)出現(xiàn)兩個(gè)比較大的峰值，而灰度較大的那些像素點(diǎn)正是要二值化為1 (高亮度 的點(diǎn)。由于車(chē)牌位置往往出現(xiàn)在圖像的中部，所以在實(shí)際中需要對(duì)圖像的中部區(qū)域做更加精確的二值化處理，這邊我取圖像縱坐標(biāo)30到120的區(qū)域，這樣車(chē)牌的區(qū)域就顯而易見(jiàn)的呈現(xiàn)在我們的面前，如圖2.3: 圖2.3 二值化后的汽車(chē)圖像2.3 邊緣檢測(cè)邊緣能勾畫(huà)出目標(biāo)物體，蘊(yùn)含了豐富

23、的信息，是圖像分割、識(shí)別及分析中抽取圖像特征的重要屬性。邊緣檢測(cè)利用圖像一階導(dǎo)數(shù)的極值或二階導(dǎo)數(shù)的過(guò)零點(diǎn)信息來(lái)提供判斷邊緣點(diǎn)的基本依據(jù)，是一類(lèi)重要的圖像分割方法。圖像中的邊緣是圖像局部特性不連續(xù)（或突變）的結(jié)果，例如，灰度值的突變、顏色的突變、紋理的突變等。一幅帶縱向邊緣的圖像，我們把每行像素灰度的變化用圖A 來(lái)近似描述。根據(jù)微分原理，圖A 的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)分別為圖C 和圖D 的形狀。從圖C 可以看出，對(duì)于圖像中變化比較平坦的區(qū)域，因相鄰像素的灰度變化不大，因而其梯度幅值較?。ㄚ呌?）；而圖像的邊緣地帶，因相鄰像素的灰度值變化劇烈，所以梯度幅值較大，因此用一階導(dǎo)數(shù)幅值的大小可以判斷圖像中是

24、否有邊緣以及邊緣的位置。同樣道理，二階導(dǎo)數(shù)的符號(hào)可以用于判斷一個(gè)邊緣像素是在邊緣亮的一邊還是暗的一邊，而且過(guò)零點(diǎn)的位置就是邊緣的位置。 圖A:每行相素的灰度剖面圖 圖B:一階導(dǎo)數(shù) 圖C:二階導(dǎo)數(shù)圖2.4 梯度算子的原理圖梯度對(duì)應(yīng)一階導(dǎo)數(shù)，對(duì)于一個(gè)連續(xù)圖像函數(shù)(y x f , ，它在點(diǎn)(y x f , 處的梯度是一個(gè)矢量，定義為： TT y f x f Gy Gx y x f = , ( (2-1其中，Gx 和Gy 分別為沿x 方向和y 方向的梯度。梯度的幅度 , (y x f 和方向角分別為：2/122 ( , ( , (y x G G y x f mag y x f += (2-2/arct

25、an( , (Gx Gy y x = (2-3 由上式可知，梯度的數(shù)值就是(y x f , 在其最大變化率方向上的單位距離所增加的量。對(duì)于數(shù)字圖像而言，梯度是由差分代替微分來(lái)實(shí)現(xiàn)的，2-2式可以寫(xiě)為2/122 1, ( , ( , 1( , ( , (+-+-=y x f y x f y x f y x f y x f (2-4 公式2-4中的偏導(dǎo)數(shù)需要對(duì)每個(gè)像素位置進(jìn)行運(yùn)算，在實(shí)際中常用小區(qū)域模板進(jìn)行卷積近似計(jì)算。對(duì)x G 和y G 需各用一個(gè)模板，所以需要兩個(gè)模板組合起來(lái)構(gòu)成一個(gè)梯度算子。下面介紹幾種常用的邊緣算子。令(y x f , 為輸入圖像，(y x g , 為輸出圖像，則Rober

26、ts 邊緣梯度可以由下式求出：(2/122, 1, 1, 11, , , y x f y x f y x f y x f y x f y x g -+-+= (2-5 寫(xiě)成模板形式如下圖所示： 圖2.6 Roberts 算子邊緣檢測(cè)后的汽車(chē)圖像 圖2.7 二值化后的汽車(chē)圖像第3章 車(chē)牌提取車(chē)牌提取就是要從攝下的汽車(chē)圖像中找出一塊具有某種特征的區(qū)域圖像，即 車(chē)牌。這種特征也就是該區(qū)域本身區(qū)別于其它部分的特征。由于車(chē)牌自動(dòng)識(shí)別系統(tǒng)具有巨大的商業(yè)實(shí)用價(jià)值，且車(chē)牌分割和定位技術(shù)是車(chē)牌自動(dòng)識(shí)別技術(shù)的核心，直接關(guān)系到系統(tǒng)識(shí)別的速度和精度，因此國(guó)外技術(shù)成熟的國(guó)家都不公開(kāi)該技術(shù)。而國(guó)內(nèi)的車(chē)牌自動(dòng)識(shí)別技術(shù)尚處于

27、研究階段，還不成熟。目前國(guó)內(nèi)使用圖像處理進(jìn)行車(chē)牌分割和定位方法一般有如下幾種:(1 基于彩色圖像中車(chē)牌色彩信息的定位；(2 基于闔值分割的方法；(3 基于字符筆劃的方法；(4 基于多分辨率的方法；(5 基于灰度聚類(lèi)的方法；(6 基于統(tǒng)計(jì)直方圖的方法。方法(1 使用的是彩色圖像，存儲(chǔ)空間和計(jì)算量都很大，難以滿足系統(tǒng)存儲(chǔ)和實(shí)時(shí)性的要求；方法(2 要求先對(duì)整幅圖像進(jìn)行二值化，然后在二值圖像中搜索字符串區(qū)域，此法由于要求先進(jìn)行二值化，所費(fèi)的時(shí)間較長(zhǎng)，且對(duì)圖像的清晰度和對(duì)比度有較高的要求，車(chē)牌自動(dòng)識(shí)別系統(tǒng)是工作于戶外場(chǎng)合的，受天氣狀況影響很大，所以先進(jìn)行二值化再分割的方法不適合本系統(tǒng)；方法(3 要求字符

28、筆劃連續(xù)性較好，但是實(shí)際系統(tǒng)中由于戶外、光照等多種原因字符筆劃污損、缺失情況較多；方法(4 一般是作為其他方法的輔助方法，而且也不適用于在復(fù)雜的背景中定位車(chē)牌；方法(5 僅僅考慮了圖像的灰庶信竟而奴略了空間信息，難以解決背景復(fù)雜的圖像分割定位問(wèn)題；方法(6 通過(guò)對(duì)汽車(chē)圖像在水平、垂直兩個(gè)方向上的灰度投影直方圖的分析來(lái)推斷牌照的位置。本文使用就是方法(6 ，車(chē)牌定位實(shí)現(xiàn)比較簡(jiǎn)單，準(zhǔn)確率高。采用的是統(tǒng)計(jì)的投影直方圖的方法。通過(guò)對(duì)汽車(chē)圖像的水平和垂直兩個(gè)方向的灰度投影直方圖的分析，來(lái)推斷出汽車(chē)牌照的大致位置。用一個(gè)具體的例子介紹投影法： 圖3.1 華盛頓紀(jì)念碑 圖3.2 削波處理，將圖3.1二值化

29、圖3.3 作垂直方向投影仔細(xì)觀察圖3.1，可以發(fā)現(xiàn)，紀(jì)念碑上像素的灰度都差不多，而且和其他區(qū)域的灰度值不同。如果我們選取合適的閾值，做削波處理（這里選175到220）。將該圖二值化，就可以把紀(jì)念碑突出顯示出來(lái)。如圖3.2所示。由于紀(jì)念碑所在的那幾列的白色點(diǎn)比其他列多得多，如果把該圖在豎直方向做投影，則如圖3.3所示：其中黑色線條的高度代表了該列上白色的個(gè)數(shù)。圖中的高峰部分就是要找的水平方向上紀(jì)念碑所在的位置。3.1 水平垂直投影首先對(duì)上述經(jīng)過(guò)變換和二值化后的汽車(chē)圖像在處理區(qū)域內(nèi)進(jìn)行垂直投影，然后在灰度投影直方圖中，選擇一條水平線x ，進(jìn)行水平掃描。找一定寬度而且在掃描線上下變化劇烈的區(qū)域作為水

30、平候選區(qū)域。 圖3.4 垂直投影接下來(lái)對(duì)汽車(chē)圖像的處理區(qū)域進(jìn)行水平投影，在水平灰度投影直方圖中，選擇一條水平線Y ，進(jìn)行從下到上的水平掃描見(jiàn)圖3.5。 圖3.5 水平投影3.2 實(shí)驗(yàn)中的車(chē)牌提取經(jīng)過(guò)實(shí)驗(yàn)操作中，對(duì)原始圖象的一系列處理，最后提出的車(chē)牌如下圖： 圖3.6 Roberts 算子提取的車(chē)牌3.3 車(chē)牌提取失敗的原因分析在測(cè)試的過(guò)程中我們測(cè)試了大量的圖像，在大部分車(chē)牌被精確有效地定位的同時(shí)，我們也看到了有不少圖像的車(chē)牌不能很好地定位出來(lái)，主要表現(xiàn)為漏失車(chē)牌的部分內(nèi)容，或者前面或者后面不能充分在定位后的圖像中顯示出來(lái)。這種狀況主要是由如下幾種原因?qū)е碌模篈. 系統(tǒng)實(shí)現(xiàn)流程中由于窗口大小固定

31、，不能自動(dòng)適應(yīng)車(chē)牌圖片的大小而改變窗口的長(zhǎng)度，也會(huì)導(dǎo)致車(chē)牌不能完全顯示的情況。B. 利用牌照邊框的灰度值高出背景灰度的得出平行四邊形，再通過(guò)邊緣提取，利用Hough 變換檢測(cè)出平行線，但會(huì)造成參數(shù)空間峰值點(diǎn)的擴(kuò)散甚至消失，這些都影響直線識(shí)別的準(zhǔn)確性。C. 存在許多客觀的干擾，如天氣、背景、車(chē)牌磨損、圖像傾斜等因素也會(huì)導(dǎo)致定位不十分理想。D. 系統(tǒng)算法對(duì)于文字區(qū)域水平且其周?chē)蓴_區(qū)域較少的情況下定位比較準(zhǔn)確，但由于二值化所得結(jié)果中各種尺寸的干擾區(qū)域基本都保留了下來(lái)，對(duì)于傾斜度的正確估計(jì)有時(shí)會(huì)有較大偏差。E. 固定閾值的定位算法，使得車(chē)牌定位也受到閾值、參數(shù)的影響。參考文獻(xiàn)1 于連杰，紀(jì)玉波基于C

32、AGH 檢測(cè)和投影法的車(chē)牌定位算法J. 科學(xué)技術(shù)與工程，2008，第8卷，第14期：3988-3992.2 胡 英，陳 輝，王緒本基于分形與投影法的汽車(chē)牌照定位J河北工業(yè)大學(xué)學(xué)報(bào)，2004，第3卷，第5期：56-59.3 趙志圖. 基于改進(jìn)投影法的車(chē)牌精確定位算法研究J農(nóng)業(yè)裝備與工程，2008，第4卷，第1期：35-38.4 沈全鵬，林德杰，何爽. 基于像素分類(lèi)的彩色車(chē)牌定位J自動(dòng)化與信息工程，2002，第2卷，第2期：32-34.5 陳宏彩. 汽車(chē)牌照定位技術(shù)研究. 河北省科學(xué)院學(xué)報(bào)J，2007，第4卷，第3期：38-40.6 袁寶民，于萬(wàn)，魏小鵬. 汽車(chē)牌照定位研究綜述J大連大學(xué)學(xué)報(bào)，20

33、02，第3卷，第2期：2-12.7 劉肅平，陳 強(qiáng). 數(shù)字圖像處理技術(shù)在車(chē)牌識(shí)別中的應(yīng)用J計(jì)算機(jī)與現(xiàn)代化，第6卷，第8期：119-122.8 屠良平，張學(xué)東. 一種基于投影法和形態(tài)學(xué)梯度的車(chē)牌定位算法J. 鞍山科技大學(xué)學(xué)報(bào)，2005，第8卷，第3期：343-345.9 Cheng Zhang , Guangmin Sun ，Deming Chen ，Tianxue Zhao A rapid locating method of vehicle license plate based on characteristics of characters' connection and pro

34、jection. Industrial Electronics and Applications，2007，3(2：2546-2549.10 Ling Dong，Gao Jun，Cao Wei，F(xiàn)u Qizhong and Zhao JingThe Location Algorithm of the Inclined License Plates Based on Mathematical Morphology and Orientation FieldChinese Journal of Electronics，2003，2(12：22-26.18 附 錄void CHistView:OnE

35、zh( / TODO: Add your command handler code hereCHistDoc * pDoc = GetDocument(;ASSERT_VALID(pDoc;if (pDoc->BitCount != 24AfxMessageBox("本系統(tǒng)只處理24bit 圖片！"return;POSITION Pos;CMultiDocTemplate* pDocTemplate;CChildFrame * pFrame;CHistDoc * pHistDoc;Pos = AfxGetApp(->m_pDocManager->GetFi

36、rstDocTemplatePosition(;pDocTemplate= (CMultiDocTemplate*AfxGetApp(->m_pDocManager->GetNextDocTemplate(Pos; pHistDoc = (CHistDoc *pDocTemplate->CreateNewDocument(;pFrame = (CChildFrame *pDocTemplate->CreateNewFrame(pHistDoc, NULL; pHistDoc->SetDocument(pDoc;Ezh(pHistDoc;pDocTemplate-&

37、gt;InitialUpdateFrame(pFrame,pHistDoc,TRUE;void CHistView:Ezh(CHistDoc* pHistDocint i, j, nWidth, yzh;nWidth = pHistDoc->nWidth;yuzhi YUZHI;YUZHI.DoModal(;yzh=YUZHI.m_yuzhi;for (i = 0; i < 30 ; i +for(j = 0; j < pHistDoc->BmpWidth ; j +pHistDoc->pImagei * nWidth+ j*3 = 0;pHistDoc->

38、pImagei * nWidth+ j*3+1 = 0;pHistDoc->pImagei * nWidth+ j*3+2 = 0;19 for (i = 30; i < pHistDoc->BmpHeight-130 ; i +for(j = 0; j < pHistDoc->BmpWidth ; j +if(pHistDoc->pImagei * nWidth+ j*3>yzhpHistDoc->pImagei * nWidth+ j*3 = 255;else pHistDoc->pImagei * nWidth+ j*3 = 0;pH

39、istDoc->pImagei * nWidth+ j*3+1 = pHistDoc->pImagei * nWidth+ j*3; pHistDoc->pImagei * nWidth+ j*3+2 = pHistDoc->pImagei * nWidth+ j*3; for (i = pHistDoc->BmpHeight-130; i < pHistDoc->BmpHeight ; i +for(j = 0; j < pHistDoc->BmpWidth ; j +pHistDoc->pImagei * nWidth+ j*3

40、= 0;pHistDoc->pImagei * nWidth+ j*3+1 = 0;pHistDoc->pImagei * nWidth+ j*3+2 = 0;void CHistView:OnHuidu(/ TODO: Add your command handler code hereCHistDoc * pDoc = GetDocument(;ASSERT_VALID(pDoc;if (pDoc->BitCount != 24AfxMessageBox("本系統(tǒng)只處理24bit 圖片！"return;POSITION Pos;CMultiDocTem

41、plate* pDocTemplate;CChildFrame * pFrame;CHistDoc * pHistDoc;Pos = AfxGetApp(->m_pDocManager->GetFirstDocTemplatePosition(;pDocTemplate= (CMultiDocTemplate*AfxGetApp(->m_pDocManager->GetNextDocTemplate(Pos;pHistDoc = (CHistDoc *pDocTemplate->CreateNewDocument(;pFrame = (CChildFrame *p

42、DocTemplate->CreateNewFrame(pHistDoc, NULL;pHistDoc->SetDocument(pDoc;20pDocTemplate->InitialUpdateFrame(pFrame,pHistDoc,TRUE; void CHistView:Huidu(CHistDoc* pHistDocint * Temp;int i, j;int nWidth;long nTemp;Temp=(int*LocalAlloc(LMEM_FIXED,pHistDoc->BmpHeight* pHistDoc->BmpWidth*4;nWi

43、dth = pHistDoc->nWidth;for (i = 0; i < pHistDoc->BmpHeight ; i +for(j = 0; j < pHistDoc->BmpWidth ; j +nTemp = (int(0.114*(intpHistDoc->pImagei * nWidth + j*3 +0.587*(intpHistDoc->pImagei * nWidth+ j*3+1 +0.299*(intpHistDoc->pImagei * nWidth+ j*3+2 ;Tempi * pHistDoc->BmpWi

44、dth + j = nTemp;for (i = 0; i < pHistDoc->BmpHeight ; i +for(j = 0; j < pHistDoc->BmpWidth ; j +pHistDoc->pImagei * nWidth+ j*3 = (BYTETempi * pHistDoc->BmpWidth + j;pHistDoc->pImagei * nWidth+ j*3+1 = (BYTETempi * pHistDoc->BmpWidth + j;pHistDoc->pImagei * nWidth+ j*3+2 =

45、 (BYTETempi * pHistDoc->BmpWidth + j;LocalFree(Temp;void CHistView:OnTouying(/ TODO: Add your command handler code hereCHistDoc* pDoc=GetDocument(;ASSERT_VALID(pDoc;TOUYING TY;TY .BitCount=pDoc->BitCount;TY .pImage=pDoc->pImage;TY .BmpHeight=pDoc->BmpHeight; TY .BmpWidth=pDoc->BmpWidt

46、h;21TY .DoModal(; void CHistView:Onchepai( / TODO: Add your command handler code hereCHistDoc * pDoc = GetDocument(;ASSERT_VALID(pDoc;if (pDoc->BitCount != 24AfxMessageBox("本系統(tǒng)只處理24bit 圖片！"return;POSITION Pos;CMultiDocTemplate* pDocTemplate;CChildFrame * pFrame;CHistDoc * pHistDoc;Pos =

47、 AfxGetApp(->m_pDocManager->GetFirstDocTemplatePosition(; pDocTemplate=(CMultiDocTemplate*AfxGetApp(->m_pDocManager->GetNextDocTemplate(Pos;pHistDoc = (CHistDoc *pDocTemplate->CreateNewDocument(;pFrame = (CChildFrame *pDocTemplate->CreateNewFrame(pHistDoc, NULL; pHistDoc->SetDoc

48、ument(pDoc;chepai(pHistDoc;pDocTemplate->InitialUpdateFrame(pFrame,pHistDoc,TRUE;void CHistView:chepai(CHistDoc* pHistDocint i, j, nWidth;extern int shang,xia,zuo,you; / 車(chē)牌范圍:左右上下坐標(biāo)nWidth = pHistDoc->nWidth;for (i = 0; i < xia ; i +for(j = 0; j < pHistDoc->BmpWidth ; j +pHistDoc->p

49、Imagei * nWidth+ j*3 = 0;pHistDoc->pImagei * nWidth+ j*3+1 = 0;pHistDoc->pImagei * nWidth+ j*3+2 = 0; 22for(j = 0; j < pHistDoc->BmpWidth ; j +pHistDoc->pImagei * nWidth+ j*3 = 0;pHistDoc->pImagei * nWidth+ j*3+1 = 0;pHistDoc->pImagei * nWidth+ j*3+2 = 0;for (i =xia; i < shan

50、g ; i +for(j = 0; j < zuo ; j +pHistDoc->pImagei * nWidth+ j*3 = 0;pHistDoc->pImagei * nWidth+ j*3+1 = 0;pHistDoc->pImagei * nWidth+ j*3+2 = 0;for (i = xia; i < shang ; i +for(j =you; j < pHistDoc->BmpWidth ; j +pHistDoc->pImagei * nWidth+ j*3 = 0;pHistDoc->pImagei * nWidt

51、h+ j*3+1 = 0;pHistDoc->pImagei * nWidth+ j*3+2 = 0; void CHistView:OnPrewitt(/ TODO: Add your command handler code here CHistDoc * pDoc = GetDocument(;ASSERT_VALID(pDoc;if (pDoc->BitCount != 24AfxMessageBox("本系統(tǒng)只處理24bit 圖片！"return;POSITION Pos;CMultiDocTemplate* pDocTemplate;CChildFr

52、ame * pFrame;CHistDoc * pHistDoc;Pos = AfxGetApp(->m_pDocManager->GetFirstDocTemplatePosition(; pDocTemplate=(CMultiDocTemplate*AfxGetApp(->m_pDocManager->GetNextDocTemplate(Pos; pHistDoc = (CHistDoc *pDocTemplate->CreateNewDocument(; pFrame = (CChildFrame *pDocTemplate->CreateNewF

53、rame(pHistDoc, NULL; pHistDoc->SetDocument(pDoc; Prewitt(pHistDoc;/銳化的模板算子 pDocTemplate->InitialUpdateFrame(pFrame,pHistDoc,TRUE; void CHistView:Prewitt(CHistDoc* pHistDoc int * Temp; int i, j; int nWidth, nTemp1,nTemp2; Temp=(int*LocalAlloc(LMEM_FIXED,pHistDoc->BmpHeight* pHistDoc->BmpW

54、idth*4; nWidth = pHistDoc->nWidth; for (i = pHistDoc->BmpHeight-1; i > 0 ; i - for(j = 0; j < pHistDoc->BmpWidth-1 ; j + nTemp1=(intfabs(pHistDoc->pImage(i-1*nWidth+j*3-3+pHistDoc->pImage(i-1*nWidt h+j*3+pHistDoc->pImage(i-1*nWidth+j*3+3-pHistDoc->pImage(i+1*nWidth+j*3-3 -pH istDoc->pImage(i+1 * nWidth + j*3-pHistDoc->pImage(i+1* nWidth + j*3+3