車牌照字符分割

1、西南交通大學(xué)畢業(yè)設(shè)計(jì)（論文）基于靜止圖像的車牌照字符分割改進(jìn)方法研究 TOC o 1-5 h z 年級：2005級學(xué)號：20052213姓 名：常爍專業(yè)：自動化指導(dǎo)老師：侯進(jìn)二零零九年六月西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）院系信息科學(xué)與技術(shù)學(xué)院專業(yè) 自動化年 級 2005級 姓 名 賞煩題目 基于靜止圖像的車牌照字符分割改進(jìn)方法研究指導(dǎo)教師評 語指導(dǎo)教師（簽章）評閱人評 語評閱人（簽章）成 績答辯委員會主任 （簽章）西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）第II頁畢業(yè)設(shè)計(jì)任務(wù)書班級 自動化1班 學(xué)生姓名 常爍 學(xué)號 20052213 專業(yè) 自動化發(fā)題日期：2009年1月10日完成日期：2009年6月10

2、日題 目基于靜止圖像的車牌照字符分割改進(jìn)方法研究題目類型：工程設(shè)計(jì)技術(shù)專題研究理論研究V 軟硬件產(chǎn)品開發(fā)一、 設(shè)計(jì)任務(wù)及要求車牌照識別是智能交通系統(tǒng)的一個(gè)重要課題，在車輛管理、不停車收費(fèi)等系統(tǒng)中有廣泛應(yīng) 用。而車牌照字符分割技術(shù)又在車牌照識別系統(tǒng)中起著關(guān)鍵作用，車牌照字符分割效果的好壞會 直接影響到字符識別的結(jié)果，因此設(shè)計(jì)一個(gè)好的字符分割技術(shù)是非常有必要的。具體要求如下:1、首先校正檢測出的車牌照的方向.使字符準(zhǔn)確位于圖像坐標(biāo)中的水平和垂直方向:2、確定車牌照中字符的具體位置:3、將圖像二值化后的字符與背景分割出來.使得每個(gè)字符獨(dú)立、清晰。為使后續(xù)工作的順利進(jìn)行及實(shí)際應(yīng)用的要求，該設(shè)計(jì)具體要達(dá)

3、到的基本技術(shù)要求：（1）每張圖片的處理時(shí)間不能大于0.5S; （2）車牌分割的準(zhǔn)確率要達(dá)到 90%以上。應(yīng)完成的硬件或軟件實(shí)驗(yàn)1、利用MATLAB 或VC+編程實(shí)現(xiàn)車牌照字符的分割技術(shù)2、設(shè)計(jì)一個(gè)人機(jī)交百界面以顯示車牌照字符分割的結(jié)果應(yīng)交出的設(shè)計(jì)文件及實(shí)物（包括設(shè)計(jì)論文、程序清單或磁盤、實(shí)驗(yàn)裝置或產(chǎn)品等）1、畢業(yè)設(shè)計(jì)論文（必須完全符合學(xué)校熱范，內(nèi)容嚴(yán)禁有絲亳的抄襲剽竊）2、CD-R （含論文，程序，程序使用說明書，演示視頻，檎面標(biāo)注班級：姓名：專、乙 日ffl）3、英文翻譯按學(xué)校視鋁：導(dǎo)師無特殊要求西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）第III頁指導(dǎo)教師提供的設(shè)計(jì)資料1、研究報(bào)告介紹（包括課題背景、

4、動機(jī)、內(nèi)容、意義）2、計(jì)劃說明書3、部分英文文獻(xiàn)資料和Medialab LPR圖像數(shù)據(jù)庫要求學(xué)生搜集的技術(shù)資料（指出搜集資料的技術(shù)領(lǐng)域）1、本課題相關(guān)領(lǐng)域國內(nèi)外重要論文及資料2、MATLAB、C+編程指南設(shè)計(jì)進(jìn)度安排第一部分查閱相關(guān)資料，學(xué)習(xí)相關(guān)編程語言（5周）第二部分編制程序并進(jìn)行軟件調(diào)試 （8周）第三部分撰寫畢業(yè)論文 （2周）評閱及答辯 畢業(yè)論文修改和參加答辯 （1周）指導(dǎo)教師：年月日系主任審查意見：審批人：年月日注：設(shè)計(jì)任務(wù)書審查合格后，發(fā)到學(xué)生手上。西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院2008年制西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文)第IV頁摘 要隨著我國公路交通事業(yè)的迅速發(fā)展，智能交通管理系統(tǒng)I

5、TMS( intelligent trafficmanagement systen)已成為了人們關(guān)注的焦點(diǎn)問題。車輛牌照識別LPR(License PlateRecognition)系統(tǒng)作為智能交通管理系統(tǒng)的一部分在橋梁路口自動收費(fèi)、停車場自動 管理及違章車輛自動記錄等領(lǐng)域都有著廣泛的應(yīng)用。車輛牌照識別系統(tǒng)作為一個(gè)綜合的實(shí)時(shí)計(jì)算機(jī)視覺系統(tǒng)主要包括車牌照定位，字符分割和字符識別三個(gè)部分。它的研究主要涉及到了模式識別PR(Pattern Recognition)、人工智能 AI(Artificial Intelligence)、計(jì)算機(jī)視覺 CV(Computer Vision) 數(shù)字圖像處理DIP

6、(Digital Image Processing滸眾多學(xué)科領(lǐng)域。車牌照的字符分割是該 系統(tǒng)的關(guān)鍵步驟之一，由于圖像場景的復(fù)雜性以及車牌位置和圖像質(zhì)量的不可預(yù)知 性，牌照定位分割系統(tǒng)一直都未能做到令人滿意的程度，所以車牌照的定位分割算法一直是該領(lǐng)域的研究熱點(diǎn)。本文主要對車輛牌照識別系統(tǒng)中的字符分割技術(shù)進(jìn)行研究。在討論了國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，本文主要完成了以下三方面的工作：(1)對車牌照進(jìn)行了灰度處理、二值化、中值濾波以及數(shù)學(xué)形態(tài)學(xué)處理；(2)學(xué)習(xí)改進(jìn)了傳統(tǒng)分割方法，設(shè)計(jì)出了本文所用的字符掃描分割算法，很好實(shí) 現(xiàn)了對預(yù)處理后的車牌照的字符分割，并達(dá)到了實(shí)時(shí)性要求；(3)運(yùn)用了 MATLAB自帶

7、的GUI (Graphical User Interfaced界面設(shè)計(jì)工具設(shè)計(jì) 了人性化的程序操作界面。關(guān)鍵詞：車牌識別系統(tǒng)； 字符分割；圖像二值化； 形態(tài)學(xué)處理西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）AbstractWith the rapid development of our country soad transportation, the ITMS (intelligent traffic management system) becomes a hotspot which is paid attention to. As a part of the intelligent traffic

8、managementsystem, LPR(License Plate Recognition) system plays an important role in automatic charging systems at entrances, automatic parking lot monitor systems and automatic record of peccancy systems.Being a special computer vision system in the real-time case, the license plate recognition syste

9、m mainly includes the subsystem of license plate detection, character segmentation and character recognition. The LPR system involves numerous discipline domains, such as PR(Pattern Recognition), AI(Artificial Intelligence), CV(Computer Vision), DIP(Digital Image Processing), etc. The character segm

10、entation of license plates is the key of LPR system. Because of the complex of image background and the uncertainty of plate position or image quality, the location of plates is not satisfied. Therefore, the study on the algorithm of character segmentation of license plate is always the hotspot.This

11、 paper is mostly focuses on character segmentation in LPR system. Based on discussing popular methods, the following three parts of work have mainly been done in this paper, including:Processing the vehicle license plate by gray-scale, binaryzation, median filtering and mathematical morphology proce

12、ssing.Improving the traditional character segmentation method,doing an algorithm of character scanning segmentation and cutting the characters out of the Vehicle license plate on real time.Using the GUI(Graphical User Interface) tools of MATLAB to design a humanistic operating interface.Keywords: Li

13、cense plate recognition system; Character segmentation; Image binaryzation;Morphological processing西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）第VI頁目 錄 TOC o 1-5 h z HYPERLINK l bookmark3 o Current Document 摘 要.V.ABSTRACT.V. HYPERLINK l bookmark7 o Current Document 第1章緒 論1. HYPERLINK l bookmark9 o Current Document 研究背景及研究意義 1.

14、HYPERLINK l bookmark11 o Current Document 國內(nèi)外研究現(xiàn)狀2. HYPERLINK l bookmark13 o Current Document 研究內(nèi)容及研究方法4.研究內(nèi)容4.研究方法4. HYPERLINK l bookmark15 o Current Document 本文結(jié)構(gòu)安排7. HYPERLINK l bookmark17 o Current Document 第2章靜止車牌圖像的預(yù)處理 8. HYPERLINK l bookmark19 o Current Document 車牌圖像的處理技術(shù) 8. HYPERLINK l bookm

15、ark21 o Current Document 車牌照的二值化處理 11 HYPERLINK l bookmark23 o Current Document 車牌照的灰度處理1.1 HYPERLINK l bookmark25 o Current Document 2.3.2 車牌灰度圖像二值化 1.4 HYPERLINK l bookmark27 o Current Document 車牌二值圖像的濾波處理 18 HYPERLINK l bookmark29 o Current Document 本章小結(jié)20 HYPERLINK l bookmark31 o Current Documen

16、t 第3章字符分割21 HYPERLINK l bookmark33 o Current Document 車牌圖像的數(shù)學(xué)形態(tài)學(xué)處理 21 HYPERLINK l bookmark35 o Current Document 二值數(shù)學(xué)形態(tài)學(xué)原理21 HYPERLINK l bookmark37 o Current Document 膨脹和腐蝕運(yùn)算 22 HYPERLINK l bookmark39 o Current Document 開運(yùn)算和閉運(yùn)算 23 HYPERLINK l bookmark41 o Current Document 車牌照的數(shù)學(xué)形態(tài)學(xué)處理 24 HYPERLINK l b

17、ookmark43 o Current Document 車牌圖像中字符圖像特征分析 26 HYPERLINK l bookmark45 o Current Document 車牌字符切分方法分析26 HYPERLINK l bookmark47 o Current Document 字符掃描分割算法27 HYPERLINK l bookmark49 o Current Document 本章小結(jié)30 HYPERLINK l bookmark51 o Current Document 第4章字符分割界面設(shè)計(jì)以及算法性能分析 31GUI 簡介3.1 HYPERLINK l bookmark53

18、o Current Document 字符分割的GUI設(shè)計(jì)31 HYPERLINK l bookmark55 o Current Document 字符分割的精度以及時(shí)間分析 .33 HYPERLINK l bookmark57 o Current Document 字符分割算法的精度分析 33西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）第VII頁 HYPERLINK l bookmark59 o Current Document 字符分割算法的時(shí)間分析 34 HYPERLINK l bookmark61 o Current Document 本章小結(jié)34 HYPERLINK l bookmark63 o

19、 Current Document 結(jié)論35 HYPERLINK l bookmark65 o Current Document 致謝36 HYPERLINK l bookmark67 o Current Document 參考文獻(xiàn)37西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文)第1章緒 論研究背景及研究意義隨著21世紀(jì)經(jīng)濟(jì)全球化和信息時(shí)代的到來，計(jì)算技術(shù)、通信技術(shù)和網(wǎng)絡(luò)技術(shù)的 迅猛發(fā)展，使得自動化的信息處理能力和水平不斷提高，并在人們社會生活的各個(gè)領(lǐng)域得到廣泛應(yīng)用。生活節(jié)奏越來越快，使汽車普及成為必然趨勢，交通管理的自動化 越來越成為亟待解決的迫切問題。在這種情況下，圖像檢測及圖像識別技術(shù)越來越受 到人

20、們的重視，也為智能交通管理系統(tǒng) 川進(jìn)入實(shí)際應(yīng)用領(lǐng)域提供了契機(jī)。車牌自動識 別系統(tǒng)是一個(gè)涉及圖像處理、模式識別、計(jì)算機(jī)視覺、神經(jīng)網(wǎng)絡(luò)和軟件工程等多個(gè)領(lǐng) 域的研究課題，十余年來，車牌自動識別技術(shù)盡管已經(jīng)取得了一些成果，也在一些地方得到了初步應(yīng)用，但由于車牌識別涉及到很多復(fù)雜的實(shí)際問題，現(xiàn)有的理論和方法還存在一些問題和不盡人意之處尚待改善， 還尚未達(dá)到很實(shí)用的程度，成熟產(chǎn)品也少， 對許多問題都有必要開展進(jìn)一步研究， 尤其近幾年，對車牌自動識別技術(shù)的研究非常 活躍。該技術(shù)的研究對于園區(qū)車輛管理、交通稽查、卡口收費(fèi)、停車場管理等方面有 著十分重要的意義，己經(jīng)成為信息處理技術(shù)的一項(xiàng)重要研究課題?，F(xiàn)代智能交

21、通系統(tǒng)ITS(Intelligent Transportation System，2中，在智能交通系統(tǒng)中， 車輛牌照識別系統(tǒng)LPR(License Plate Recognition，3-10是一個(gè)重要的子系統(tǒng)，在高速公 路、城市交通和停車場等項(xiàng)目的管理中占有舉足輕重的地位。車輛牌照識別系統(tǒng)本身是一個(gè)整體的智能化解決方案，主要包括圖像采集、車牌提取、字符分割、字符識別 等工作模塊，系統(tǒng)同時(shí)具有良好的維護(hù)性和擴(kuò)展性， 可在無需為車輛加裝其他特殊裝 置情況下實(shí)現(xiàn)對車輛的自動檢測。車輛牌照識別LPR技術(shù)作為交通管理自動化的重要手段，其任務(wù)是采集、分析、處理汽車監(jiān)控視頻圖像，自動捕獲定位和識別汽車牌

22、號，并進(jìn)行相關(guān)智能化數(shù)據(jù)管理。LPR系統(tǒng)可以廣泛應(yīng)用于高速公路電子收費(fèi)站、出 入控制、公路流量監(jiān)控、失竊車輛查詢、停車場車輛管理、公路稽查、監(jiān)測黑牌機(jī)動 車、監(jiān)控違章車輛的電子警察等需要車牌認(rèn)證的重要場合，尤其在基于車牌識別技術(shù)的高速公路收費(fèi)系統(tǒng)中，相對于射頻卡等技術(shù)，可以實(shí)現(xiàn)不停車收費(fèi)，提高了公路系 統(tǒng)的運(yùn)行效率。另外，還有如便攜式車牌識別移動稽查系統(tǒng)等，可以實(shí)現(xiàn)在任意時(shí)間 地點(diǎn)對車輛進(jìn)行自動識別和比對。 總之，對車牌識別技術(shù)的研究和相關(guān)應(yīng)用系統(tǒng)的開 發(fā)具有重要的現(xiàn)實(shí)意義，也具有廣闊的市場和巨大的商業(yè)應(yīng)用前景。由于車牌自動識別技術(shù)具有上述重大的意義，而車牌識別系統(tǒng)中的字符分割是一個(gè)重要環(huán)節(jié)，

23、字符分割質(zhì)量的好壞直接影響到后面的識別系統(tǒng)。十幾年來隨著計(jì)算機(jī) 技術(shù)、圖像處理技術(shù)的發(fā)展，車牌識別中的字符分割速度和分割的精度在不斷的提高。 同時(shí)，由于實(shí)際應(yīng)用的需要，對字符分割技術(shù)提出了更高的要求。在實(shí)際應(yīng)用過程中，西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）由于各種因素的影響。譬如光照條件，天氣因素以及車牌自身無損因素的影響等，會 導(dǎo)致分割系統(tǒng)的準(zhǔn)確性下降，甚至無法分割。因此，車牌識別中的字符分割 11-22算法 必須要具有更高的準(zhǔn)確性和實(shí)時(shí)性。國內(nèi)外研究現(xiàn)狀車牌字符分割是把車牌的字符一個(gè)個(gè)分離出來，為車牌字符的識別做好準(zhǔn)備工 作,車牌字符分割屬于印刷體字符分割的范疇， 印刷體字符分割的任務(wù)是把多行或

24、多 字符圖像中切割出來成為單個(gè)字符, 對于字符分割的問題常常不被重視, 但是字符的 正確分割對字符的識別又非常關(guān)鍵，由于各種因素的影響，使得字符分割的復(fù)雜性變 大。目前的字符分割的算法一直在不斷完善， 針對車牌圖像的字符分割，是字符分割 的一個(gè)具體應(yīng)用，目前人們根據(jù)車牌字符的特征已提出了一些算法，比如基于先驗(yàn)知識的分割算法，基于投影輪廓和拓?fù)浣Y(jié)構(gòu)的分割算法等，但是考慮到車牌中字符可能 存在的粘連、斷裂等情況，字符分割技術(shù)仍然需要進(jìn)一步改進(jìn)。對分割出的車牌進(jìn)行字符的分割，是為最終的字符識別做準(zhǔn)備的。目的是要準(zhǔn)確 定位出車牌中每個(gè)字符的上下左右邊界，將其以單個(gè)字符圖像的形式分割出來， 作為字符識別

25、部分的輸入數(shù)據(jù)。目前的車牌字符分割方法基本上都借助了投影信息來實(shí) 現(xiàn)。北京理工大學(xué)的吳大勇、魏平等提出了基于區(qū)域最小值判斷分割的算法。 根據(jù)車 牌字符垂直投影信息的最小值，在確定具體分割點(diǎn)時(shí)，先找投影信息的波谷橫坐標(biāo)x, 接著利用以x為中心的區(qū)域最小值與圖像在x處的垂直投影進(jìn)行比較，如果相等，則 由此判斷坐標(biāo)x才是真正的分割點(diǎn)坐標(biāo)。上海同濟(jì)大學(xué)的葉晨洲等提出的方法是：為了獲得每一個(gè)字符的始末位置，取得 圖像豎直方向投影直方圖信息，根據(jù)該投影圖的期望E與方差D決定一個(gè)閾值e,e=E-Do根據(jù)投影直方圖與0的比較來決定潛在字符的始末位置。隨后根據(jù)字符特征 檢查起始位置后的鄰域及結(jié)束位置前的鄰域，判

26、斷這些潛在始末位置的可靠性， 將可靠性低的點(diǎn)略去后對潛在始末位置進(jìn)行匹配。隨后根據(jù)字符寬度和相對位置驗(yàn)證匹配 結(jié)構(gòu)，進(jìn)行調(diào)整，最終將字符分割出來。清華大學(xué)的陳寅鵬，丁曉青等提出了一種基于模板匹配的字符分割算法，該算法充分利用了車牌字符等寬、排列規(guī)則的特征，有效地解決了燕山大學(xué)工學(xué)碩士學(xué)位論 文以往車牌字符分割算法中切分不準(zhǔn)確、受車牌磨損、變形等因素影響大的問題。該算法分為預(yù)處理、去除怫釘、谷值分析和模板匹配四部分。根據(jù)車牌的字符排列規(guī)則， 引如圖1-1所示的模板，并使用該模板與垂直積分投影曲線匹配，計(jì)算最佳匹配位置， 從而得到字符分割的準(zhǔn)確結(jié)果。西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）圖1-1字符分割

27、模版清華大學(xué)的張?jiān)苿?、張長水提出了利用 Hough變換和先驗(yàn)知識的車牌字符分割 算法。他們在文中提到有很多會影響車牌字符分割的準(zhǔn)確性的因素。首先，脫色、泥 點(diǎn)、反光等原因使車牌不準(zhǔn)確，還有車牌的前兩個(gè)字符和后面五個(gè)字符之間的間隔符 （小圓點(diǎn)），對字符識別有影響；車牌旋轉(zhuǎn)對水平分割有較大影響；光照不均勻引起分割 錯(cuò)誤。對應(yīng)于一般的字符分割算法，這些因素都會使分割準(zhǔn)確率明顯下降。 為了解決 以上問題，他們提出了一種新的車牌字符分割算法。 通過一種新的預(yù)處理算法，克服 噪聲的影響，該方法是采用先分段，再用 Hough變換擬合的水平分割方法，去掉上 下邊框和怫釘?shù)挠绊懀ㄋ鼈儗πD(zhuǎn)角度較大的車牌及光照不

28、均的車牌分割效果都很 好），然后采用結(jié)合現(xiàn)有知識的垂直分割方法，有效抑制垂直邊框和間隔符的影響。 和傳統(tǒng)的方法相比，本算法具有很多優(yōu)點(diǎn)，特別是能有效克服以上不利因素的影響。 與先進(jìn)行二值化再進(jìn)行分割的方法相比， 本算法充分利用了圖像的灰度信息， 避免了 圖像二值化帶來的斷裂、粘連等負(fù)面影響。與單純的投影分析方法相比，本算法恰當(dāng) 地利用了先驗(yàn)知識，使分割更準(zhǔn)確，對各種質(zhì)量的車牌圖像適應(yīng)性更強(qiáng)。在實(shí)際的車牌自動識別系統(tǒng)中，汽車圖像的獲取均是由置于汽車前上方的攝像機(jī) 拍攝數(shù)字化后送到計(jì)算機(jī)的，由于透視變形的存在，所獲得的汽車牌照不一定是標(biāo)準(zhǔn) 的矩形，總會有一定的傾斜。這種傾斜隨攝像頭與車輛的距離和角

29、度而不同， 主要是 水平方向的變形。這使得從圖像中提取的數(shù)據(jù)不準(zhǔn)確，對機(jī)器識別性能的影響比較大， 因此在字符識別前一定要進(jìn)傾斜校正。目前很多人根據(jù)車牌照的特點(diǎn)提出了車牌傾斜 的校正方法，下面簡單介紹有代表性的幾種方法：（l）解放軍理工大學(xué)的茵挺和沈春林提出的采用輪廓跟蹤方法去除牌照圖像中和 矯正無關(guān)的所有冗余信息并采用分級檢測的策略，在最大程度上減少矯正過程的運(yùn)算 量。實(shí)驗(yàn)結(jié)果表明該方法可以準(zhǔn)確地檢測出車牌的傾斜角度，同時(shí)矯正速度也比較快，可以滿足實(shí)時(shí)性的要求。西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文)(2)遼寧師范大學(xué)的李文舉和梁德群提出的采用水平和垂直彩色邊緣檢測結(jié)合 旋轉(zhuǎn)投影求取車牌的水平和垂直傾

30、斜角度，對水平傾斜的車牌進(jìn)行雙線性插值旋轉(zhuǎn)校 正，對垂直傾斜的車牌進(jìn)行雙線性插值的錯(cuò)位偏移校正。實(shí)驗(yàn)結(jié)果表明，該方法簡單實(shí)用，對光照、污跡等不敏感，抗干擾能力強(qiáng)。(3)北方工業(yè)大學(xué)的葉青提出的基于 Hough變換和圖像分析法提取控制點(diǎn)的實(shí) 時(shí)標(biāo)定方法，最后通過空間坐標(biāo)變換和灰度插值來完成圖像的校正。實(shí)驗(yàn)證明，這種方法符合汽車牌照圖像的特點(diǎn)，具有較好的處理效果。(4)天津科技大學(xué)的孫鴻波提出的方法是首先分析實(shí)際牌照圖像的畸變是由水 平、垂直距離和旋轉(zhuǎn)差三部分構(gòu)成的結(jié)論，然后依據(jù)此三部分變形性質(zhì)及作用大小， 提出一種斜線平移四頂點(diǎn)畸變校正的方法。實(shí)驗(yàn)證明，該算法對還原畸變牌照圖像有 良好的效果。研

31、究內(nèi)容及研究方法本小節(jié)主要介紹了本基于靜止圖像車牌照的字符分割設(shè)計(jì)的研究內(nèi)容和主要的 研究方法。研究內(nèi)容字符分割的任務(wù)是把多行或多字符圖像中的每個(gè)字符從整個(gè)圖像中分割出來，成為單個(gè)字符。對于字符分割的問題常常不被重視, 但是字符的正確分割對字符的識別 是至關(guān)重要的。由于字符字體存在著多樣性，所以在一般的字符識別系統(tǒng)中,字符識 別之前要先對圖像進(jìn)行閾值化，然后再進(jìn)行行字切分，以分割出一個(gè)個(gè)具體的二值表 示的字符圖像點(diǎn)陣，作為單字符識別的輸入數(shù)據(jù)。由于獲得的文本圖像不但包含了組 成文本的一個(gè)個(gè)字符，而且包含了字符行間距與字間的空白，甚至還會帶有各種標(biāo)點(diǎn) 符號，這就需要采用一定的處理技術(shù)將文本中的一

32、個(gè)個(gè)字符切分出來，形成單個(gè)字的圖像陣列，以進(jìn)行單字識別處理。研究方法字切分是從切分出的文本圖像行中將單個(gè)的字符圖像切分出來。字切分的正確與否直接影響識別結(jié)果，是字符識別系統(tǒng)中比較難的部分。 以單個(gè)的漢字切分為例來說 明。可以借助漢字圖像行切分的思想， 來確定字切分的主要方法：利用字與字之間的 空白間隙在圖像行垂直投影上形成的空白間隔將單個(gè)的字符圖像切分出來。事實(shí)上， 分析圖像行的垂直投影可以發(fā)現(xiàn)，垂直投影上的空白間隔部分不僅沒有行與行之間的 空白間隔部分寬，而且分布也不均勻。是因?yàn)樵跐h字文本中一般漢字間距遠(yuǎn)不如行問 距明顯，同時(shí)漢字中有相當(dāng)數(shù)量漢字是左、右結(jié)構(gòu)或左、中、右結(jié)構(gòu)的，這些漢字圖西南

33、交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文)像的垂直投影在一個(gè)單字的內(nèi)部也會出現(xiàn)空白間隙，使得文本漢字的字切分比行切分困難。為了解決這個(gè)問題，可以利用漢字間的間隔一般大于漢字內(nèi)間隔這一特點(diǎn)先進(jìn) 行漢字的粗切分，再根據(jù)漢字基本是個(gè)方塊圖形這一事實(shí)進(jìn)行細(xì)切分。具體實(shí)現(xiàn)為： 根據(jù)漢字的行切分，可以獲得漢字的高度信息，從而可以估計(jì)出漢字的基本寬度；對粗切分出的每個(gè)漢字，以此寬度信息進(jìn)行衡量，以粗切分的起始位置為出發(fā)點(diǎn)，向左 右兩方向進(jìn)行搜索，對起始位置進(jìn)行細(xì)微的調(diào)整，從而使得字的切分更準(zhǔn)確。這種方 法不僅可以保證單個(gè)漢字的內(nèi)部結(jié)構(gòu)不被分離，而且還避免了切除漢字的邊緣，其切分結(jié)果基本提取出了完整的漢字，消除了筆劃的誤切

34、除。車牌照上的字符串具有以下幾個(gè)特點(diǎn)：(1)同一類的實(shí)際車牌中的字符位置是固定不變的，一個(gè)車牌上的所有字符的高 寬比是相等的(除了 “1”外)。(2)根據(jù)牌照種類的不同，有的牌照是有邊框的，不能直接進(jìn)行投影分割。(3)車牌上的字符與背景對比較大，但是由于曝光、焦距等原因，字符產(chǎn)生橫向 扭曲，而非字符區(qū)域時(shí)常也有高亮度區(qū)域。(4)由于車牌自身的磨損等原因或采用的二值化算法的局限性，使得在圖像預(yù)處 理之后，仍然存在斷裂的字符。(5)車牌的字符串信息受到車牌污損及兩個(gè)怫釘信息的影響。其中特點(diǎn)(1)是在牌照字符分割時(shí)的有利信息，如：字符固定的高寬比等。其余的特點(diǎn)都增加了車牌字符 分割的難度。一般的字符

35、分割過程如圖1-2所示。圖1-2字符分割過程西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文)本文設(shè)計(jì)的字符分割系統(tǒng)是通過基于靜止車牌像，對車牌識別系統(tǒng)識別出來的車 牌照進(jìn)行了預(yù)處理，包括圖像的二值化處理，形態(tài)學(xué)處理和字符分割處理，最終得到 單個(gè)的車牌字符。該系統(tǒng)采用 MATLAB專業(yè)圖形處理軟件進(jìn)行設(shè)計(jì)。通過文件打開 的方式讀取圖像文件，可以對任意一幅JPG (Joint Photographic Group)格式的車牌圖像文件進(jìn)行分割，其分割的整體流程如圖1-3所示。圖1-3字符分割流程圖西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）本文設(shè)計(jì)的基于靜止車牌的字符分割系統(tǒng)的主界面如圖1-4所示Unii fl Rd莫偉JAM

36、B9365AMB936原圖像灰度處理后5AMB936BAMB936二值化處理后通波處理后SA MB9360.031處理時(shí)間膨脹腐彼處理后UMB93圖1-4字符分割系統(tǒng)的主界面本文結(jié)構(gòu)安排在基于靜止車牌的字符分割方法中，最主要的核心就是對原始靜止車牌圖像進(jìn)行 預(yù)處理和對預(yù)處理后的圖像進(jìn)行字符分割，因此本文在第二章主要給出了對原始圖像 預(yù)處理的算法設(shè)計(jì)；第三章則給出字符分割的算法實(shí)現(xiàn)及最終分割顯示；第四章主要介紹了使用MATLAB的GUI界面系統(tǒng)設(shè)計(jì)的系統(tǒng)界面，以及對程序的時(shí)間分析和精 度分析，最終實(shí)現(xiàn)比較完備的字符分割系統(tǒng)。西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文)第2章靜止車牌圖像的預(yù)處理在基于靜止車牌

37、的字符分割方法中，第一步要解決的就是如何從復(fù)雜背景中提取 出單一清晰的車牌二值圖像。此預(yù)處理的好壞對字符的識別有很大的影響。因此，本章將先簡單介紹一下數(shù)字圖像處理技術(shù)，隨后利用灰度處理，二值化處理，濾波處理以及膨脹腐蝕處理對車牌圖像進(jìn)行預(yù)處理。2.1 車牌圖像的處理技術(shù)在字符分割技術(shù)中，為了保證實(shí)時(shí)性和精度的要求，要對圖像進(jìn)行預(yù)處理，從而 使后面的分割達(dá)到更快更好的效果，下面就對和字符分割相關(guān)的圖像處理技術(shù)進(jìn)行一 下簡單介紹。利用計(jì)算機(jī)對圖像進(jìn)行處理，其處理特點(diǎn)可以分為兩大類：(l) 一類是以最終恢復(fù)原圖像為前提的圖像壓縮和為了使其比原圖像更適合于特 定應(yīng)用的圖像變換處理?；跀?shù)據(jù)壓縮的圖像傳

38、輸和存儲以及通過圖像變換來改善圖 像的增強(qiáng)和恢復(fù)，都屬于這一類。(2)另一類對圖像的處理主要是提取特征信息，其處理的最終目的是為了識別判 別目標(biāo)。處理過程中，提取對識別目標(biāo)有用的特征信息， 而對于其他信息則盡量予以 舍棄，并根據(jù)提取的特征信息進(jìn)行分類和識別。這一類對圖像的處理屬于模式識別的 范疇。圖像處理的基礎(chǔ)是數(shù)學(xué)，最主要的任務(wù)是各種算法的設(shè)計(jì)和實(shí)現(xiàn)。 目前的圖像處 理技術(shù)已經(jīng)在許多不同的應(yīng)用領(lǐng)域中得到重視，并取得了巨大的成就。本文對于靜止車牌照的圖像處理就屬于第一大類別，是通過處理，變換等途徑來改善原圖像，從而便于進(jìn)行字符分割。圖像處理系統(tǒng)是執(zhí)行圖像處理、分析理解圖像信息任務(wù)的計(jì)算機(jī)系統(tǒng)，

39、雖然圖像 處理技術(shù)應(yīng)用廣泛，圖像處理系統(tǒng)種類繁多，但它們的基本組成是相近的，主要包括 圖像輸入設(shè)備、執(zhí)行處理分析與控制的計(jì)算機(jī)、輸出設(shè)備及存儲設(shè)備中的圖像數(shù)據(jù)庫、 圖像處理程序庫與模型庫。系統(tǒng)的結(jié)構(gòu)原理框圖如圖2-1所示。西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）圖2-1計(jì)算機(jī)處理示意圖數(shù)字圖像處理與其他數(shù)據(jù)處理的不同之處是其龐大的數(shù)據(jù)處理量和存儲量，以及對圖像的顯示。一幀512x512像素的真彩色的圖像，在不進(jìn)行壓縮的情況下，需要 780KB的存儲量和顏色數(shù)為224種的真彩色顯示。因此，無論從硬件的配置還是軟 件環(huán)境上講，計(jì)算機(jī)圖像處理系統(tǒng)都有別于其他的計(jì)算機(jī)系統(tǒng)，從而形成了專門的圖像處理計(jì)算機(jī)系統(tǒng)。

40、一般的圖像都是模擬圖像，即圖像上的信息是連續(xù)變化的模擬量， 計(jì)算機(jī)不能接 受和處理模擬信號，只有將圖像在空間和灰度上都離散化為數(shù)字信號后，或者說將模擬圖像變換為數(shù)字圖像方能接受。為此，常將計(jì)算機(jī)圖像處理稱為數(shù)字圖像處理。圖 像的數(shù)字化過程通過采樣和量化兩步完成。 空間坐標(biāo)的離散化叫做空間采樣， 灰度的 離散化叫做灰度的量化。采樣就是將時(shí)間和空間上連續(xù)的圖像轉(zhuǎn)化為離散的采樣點(diǎn) （即像素）集的過程。事實(shí)上，采樣就是決定用多少個(gè)點(diǎn)來描述一張圖像，采樣的結(jié)果 就是通常所說的圖像分辨率。將像素點(diǎn)上的灰度離散為整數(shù)，稱為量化，量化的結(jié)果是圖像容納的所有顏色數(shù) 據(jù)。量化決定使用多大的范圍的數(shù)值來表示圖像采樣

41、之后的每一個(gè)點(diǎn)，這個(gè)數(shù)值范圍確定了圖像能使用的顏色總數(shù)。一般來說，像素的最大灰度級G都取為2的整數(shù)次幕。例如，以4bit存儲一個(gè)點(diǎn)，就表示圖像只能有十六種顏色。數(shù)值范圍越大，表示西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）第10頁圖像可以擁有更多的顏色，自然就可以產(chǎn)生更為細(xì)致的圖像效果，但是相應(yīng)的也必須占用更多的存儲空間。采樣量化后的數(shù)字圖像就是一個(gè)灰度值的二維數(shù)組。該數(shù)組若用f（x,y）來表示時(shí)，其含義是位于坐標(biāo)（x,y）處的像素，其灰度值是f（x,y卜為了便于計(jì)算機(jī)處理， 一般采樣和量化數(shù)值都取為2的整數(shù)次幕。如一幅圖像用512X512 （29）的矩陣來表 示，灰度量化為256 （28）,則其二進(jìn)制信

42、息量為28 8=2097152512 b%根據(jù)灰度層 次及光譜軸與時(shí)間軸上組合方式的不同。本文中分割程序是針對二值圖像進(jìn)行的,因?yàn)槎祱D像每個(gè)像素點(diǎn)只有2個(gè)可能 的取值因此，計(jì)算機(jī)所要進(jìn)行的計(jì)算和需要處理的數(shù)據(jù)就大大減少， 從而可以很好的 完成實(shí)時(shí)性的要求。下面的表2-1介紹了數(shù)字圖像的類別。表中雖然不同類別的圖像的內(nèi)容和視覺效果都不同，但是可以在計(jì)算機(jī)內(nèi)用二維數(shù)組的集合表示。因此，研究數(shù)字圖像的處理，最基本的就是研究一個(gè)二維數(shù)組的處 理。對于我們要進(jìn)行的車牌圖像也是如此， 在后面的章節(jié)里，會詳細(xì)的介紹車牌圖像 處理所用到的灰度化、二值化、濾波以及數(shù)學(xué)形態(tài)學(xué)處理的方法以及其相應(yīng)的處理結(jié) 果。表

43、2-1數(shù)字圖像的類別類別表示形式說明二值圖像f (x, y) = 0或 1文字圖像，形態(tài)圖像等， 閾值分割后得到灰度圖像0 f (x, y) 2n -1黑白照片，一 n=8彩色圖像fi(x,y) ,i =R,G,BRGB彩色空間的圖像運(yùn)動圖像（時(shí) 間序列圖像）fi(x,y) ,i =R,G,B,t=t1,t2,tn運(yùn)動視頻圖像，運(yùn)動跟蹤一幅N1父N2個(gè)像素的數(shù)字圖像，其像素灰度值可用 N1列N2行的矩陣F來表示, 如圖2-2所示。這樣，對數(shù)字圖像的各種處理就可以變成對矩陣F的各種運(yùn)算。西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）第11頁F(x, y)=f(2,1)J(N2,1)f(1,2).f(1,N1)

44、f (2,2).f(2,N1).f(N2,2).f(N2,N1)圖2-2數(shù)字圖像的表示2.2車牌照的二值化處理車牌照的字符分割程序是針對二值車牌圖像進(jìn)行的。 因此，車牌照的二值化就顯 得至關(guān)重要，由本章前面的介紹可以知道，彩色圖像包含的數(shù)據(jù)量過大，為了滿足程 序的實(shí)時(shí)性要求，本文先對原彩色車牌圖像進(jìn)行了灰度處理， 然后對灰度化后的圖像 再做二值化，從而方便后面的處理操作。2.2.1車牌照的灰度處理根據(jù)三基色原理，世界上任何色彩都可以由紅、綠、藍(lán)（R、G、B）三個(gè)單色按不同比例的混合來表示，如果紅、綠、藍(lán)（R、G、B）三個(gè)信號分別由一個(gè)字節(jié)表示，則 該圖像顏色位數(shù)就達(dá)到24位真彩，也就是說在24

45、位真彩的數(shù)字圖像中每個(gè)像素點(diǎn)由 3個(gè)字節(jié)來表示，各種單色都人為地從 0255分為256個(gè)級別，所以根據(jù)R、G、B 的不同如公式2-1所示。R(i,j) ;G(i,j) ;B(i,j)(2-1)24 位真彩圖（true-colo門mage於有 256X 256X 256=16777216種顏色。在 RGB 模 型中，每種顏色出現(xiàn)在紅、綠、藍(lán)的原色光譜分量中，這個(gè)模型基于笛卡爾坐標(biāo)系統(tǒng)， 所考慮的彩色子空間是如圖2-3所示的立方體。圖中，R、G、B位于三個(gè)角上；青、 深紅、和黃位于另外3個(gè)角上，黑色處于原點(diǎn)處，白色位于離原點(diǎn)最遠(yuǎn)的角上。在該 模型中，灰度等級沿著這兩點(diǎn)的連線分布。 在該模型中，不同

46、的顏色處在立方體上或 其內(nèi)部，并可用從原點(diǎn)分布的向量來定義。 圖一所示的立方體是一個(gè)單位立方體，即所有的R、G、B的值都在0, 1的范圍內(nèi)取值。而256色灰度圖像是指只含有亮度信息沒有含有彩色信息的圖像，在BMP格式的圖像中沒有灰度概念。每一個(gè)像素的R、G、B分量是完全相等的，也就是公式2-2。Gray(i,j) =R(i,j) =G(i,j) =B(i, j)(2-2)西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文)第12頁上式中Gray(i, j)代表在(i,j)點(diǎn)處的灰度值，且滿足 0Uray(i, j產(chǎn)255具有 256個(gè)值當(dāng)一幅圖像滿足上面的條件時(shí)該圖像被稱為灰度圖像(moochrome imag8

47、。RGB是個(gè)加色模型，光源的亮度、色度、純度混合在 R、G、B三個(gè)參數(shù)中。光 源的亮度(lightness) L表示成為它具體的值依賴于顯示器所采用的磷粉標(biāo)準(zhǔn)以 NTSC 視頻信號為標(biāo)準(zhǔn)，則三個(gè)系數(shù)依次為 0.299、0.587、0.144。L =0.299R 0.587G 0.144B(2-3)RGB彩色立方體示意圖如圖2-3所示圖2-3 RGB彩色立方體示意圖表2-2顯示了 24位真彩圖和256色灰度圖的對比情況表2-2 24位真彩圖和256色灰度圖的對比位圖顏色數(shù)圖像深度每個(gè)像素以色值的特點(diǎn)256色灰度圖像2568位位圖文件包含顏色索引表；顏色索引表中彩色的R, G, B個(gè)分量值 相等；

48、每個(gè)像素的像素值是顏色索引表的索引 號。24位真彩圖1677721624位位圖文件中不包含顏色索引表；顏色索引表中彩色的R, G, B個(gè)分量值 不全相等；二種顏色值的結(jié)合直接確定J在圖像中看到得顏色。西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）第13頁本文利用上述公式（2-3）將彩色圖像轉(zhuǎn)換為灰度圖像，轉(zhuǎn)換效果如圖 2-4所示原圖像灰度處理后b）分圖b西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文)第14頁AB888B A5888原圖像灰度處理后c)分圖c圖2-4灰度處理效果圖2.3.2車牌灰度圖像二值化二值圖像是指整幅圖像只有0與255兩個(gè)灰度值的圖像，在它們之間不存在其他 的灰度值。在數(shù)字圖像處理中，二值圖像占有重要

49、的地位，這是因?yàn)橐环矫嬗行┬枰?處理的圖像，如文檔圖像、指紋圖像、工程圖像等本身就是二值圖像；另一方面，在某些情況下，即使一些圖像是灰度圖像，我們也可以把它轉(zhuǎn)化為二值圖像進(jìn)行處理， 這樣可以提高處理速度，滿足實(shí)時(shí)性要求。止匕外，二值化之后的圖像能夠用幾何學(xué)中 的概念進(jìn)行分析和特征描述，具有很大的優(yōu)勢。因此二值圖像處理己成為圖像處理的 一個(gè)獨(dú)立、重要的分支?；叶葓D像的二值化就是選定一個(gè)閾值 T,如果圖像中某像素的灰度值小于該閾 值，則將該像素的灰度值設(shè)置為 0,否則灰度值設(shè)置為1。從這個(gè)定義中我們可以看 出圖像二值化的關(guān)鍵在于閾值 T的選取，根據(jù)閾值T來區(qū)分圖像中對象和背景。設(shè) 原始圖像為f (

50、x,y ),變換后的二值圖像為g(x,y ),則二值化的過程可表示為公式2-4(2-4)f(x, y)-T f(x, y) ；T根據(jù)閾值的選取情況,可分為全局閾值、局部閾值和動態(tài)閾值三種方法。全局閾 值法是最簡單的一種方法，它根據(jù)圖像的直方圖或空間分布確定一個(gè)閾值，以此實(shí)現(xiàn) 灰度圖像到二值圖像的轉(zhuǎn)化。全局閾值方法的優(yōu)點(diǎn)在于算法簡單， 但對輸入圖像量化 噪聲或光照不均勻等情況抵抗能力差， 而其閾值的選擇有時(shí)需要人為干預(yù)， 因此應(yīng)用 受到極大限制。全局二值化的閾值選取方法較好的有Otsu法、非等同嫡法和最小模糊度法等，其中Otsu法是最經(jīng)典的二值化方法，它是基于最小二乘法提出來的。非 等同嫡法是利

51、用了信息論中嫡的概念來進(jìn)行閾值選取的，由于嫡的引入算法在計(jì)算上比較復(fù)雜，所以在車牌二值化中不常用。最小模糊度法是將傳統(tǒng)的信息嫡與模糊理論 相結(jié)合，得到模糊信息嫡，并利用模糊信息對圖像進(jìn)行全局搜索以搜尋最優(yōu)閾值的算 法。西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）第15頁局部二值化的閾值選取方法較好的有 Bersen法、灰度直方圖法、微分直方圖法 等。Bersen算法以局部窗口內(nèi)最大、最小作為參考點(diǎn)的閾值?；叶炔罘种狈綀D法與微 分直方圖法是假設(shè)圖像中的目標(biāo)和背景之間的邊界灰度值急劇變化，從而利用灰度的變化率來決定閾值。這兩種算法的實(shí)現(xiàn)均比較簡單，但算法適應(yīng)范圍窄，穩(wěn)定性也比 較差。二值化方法除了上述的之外，

52、還有迭代，多閾值等其它方法，表 2-3是對常用 的二值化方法的比較。表2-3二值化方法方法適應(yīng)條件不足原理總體評價(jià)迭代法灰度直力圖呈明顯雙峰當(dāng)圖像存在光照/、均勻 或較臟時(shí)效果不是很好迭代運(yùn)算梯度均值 法適合于對自然場景圖像無明顯不足利用梯度 信息較好多閾值的梯度強(qiáng)度法光照/、均勻所產(chǎn)生的影 響得到比較好的控制無明顯不足通過線性 插值好基丁紋理 的二值化 法票據(jù)、文本以及車牌圖 像無明顯不足采用模式 識別好微分直方 圖法微分直方圖有一個(gè)峰值對于邊界附近灰度變化 復(fù)雜的圖像不太奏效利用灰度 微分值最大力差 法直力圖/、存在峰值時(shí)也 可以用不能反映圖像的幾何結(jié) 構(gòu)根據(jù)力差之比為最大較好西南交通大學(xué)

53、本科畢業(yè)設(shè)計(jì)(論文)第16頁h(Li)-N八Lm-1(2-5)本文采用了基于灰度的數(shù)學(xué)期望方法閾值分割算法，其閾值計(jì)算公式為公式2-5Nt 八 LP(Li) i 1其中，Li，l2Ln是圖像中的灰度可能取值 P(Li)代表圖像中灰度Li出現(xiàn)的次 數(shù)頻率，h(LN )表示圖像中灰度Ln出現(xiàn)的次數(shù)，這是一種基于全局的閾值分割算法， 適用性非常廣泛，對于具有不同灰度的圖像均可以應(yīng)用，脫了傳統(tǒng)的基于直方圖的閾 值分割法對圖像模型的假定。但考慮到本系統(tǒng)的實(shí)時(shí)性要求，對于算法的速度要求非 常高，故，本文采用大量實(shí)驗(yàn)后得出的針對灰度車牌圖片的經(jīng)驗(yàn)閾值T,見公式26t =Gmax (Gmax Gmin) 3(

54、2-6)其中，Gmax和Gmin分別是最高、最低灰度值。且根據(jù)經(jīng)驗(yàn)統(tǒng)計(jì)，本預(yù)增股與基于 灰度的數(shù)學(xué)期望方法求取的閾值非常相近，該閾值對不同牌照圖片都有一定的適應(yīng) 性，能夠保證背景基本被置為 0,以突出牌照區(qū)域。而且，只要訓(xùn)練樣本與待識別樣 本的二值化方法一致，基本上就可以克服閾值帶來的影響。二值化后的車牌圖像如圖2-5所示。西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）第17頁原曲像灰度處理后蘇 AMB936二值化處理后a）分圖a88888原圖像88888灰度處理后88888二值化處理后b）分圖b西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）第18頁* A G0009原圖像5 A 60009灰度處理后貴 A60009二值

55、化處理后c）分圖c圖2-5二值化處理效果車牌二值圖像的濾波處理中值濾波算法首先由J.w.Jukey于1971年首先提出并應(yīng)用于一維信號時(shí)間序列分 析中，后來被二維圖像信號處理技術(shù)所引用。該算法是一種非線性濾波處理方法， 與其對應(yīng)的中值濾波器也是一種非線性濾波器，中值濾波在一定的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，可用來抑制圖像中脈沖干 擾以及椒鹽噪聲。而且對濾除脈沖干擾及圖像掃描噪聲最為有效。 在實(shí)際運(yùn)算過程中， 由于不需要計(jì)算圖像的統(tǒng)計(jì)特征，因此速度快，實(shí)現(xiàn)方便，但對于一些細(xì)節(jié)點(diǎn)多，特 別是點(diǎn)、線、分叉、尖頂較多的圖像不宜采用中值濾波 （典型的如指紋圖像，

56、宜采用 Gabor濾波增強(qiáng)技術(shù)）。同時(shí)它可以保持不被模糊，它既可以用于二值圖像也可以用于 灰度圖像的預(yù)處理?；驹硎前褕D像中的每個(gè)像素值用該點(diǎn)的一個(gè)鄰域中各像素點(diǎn) 的中值代替。中值濾波一般采用奇數(shù)個(gè)點(diǎn)的滑動窗將窗中各點(diǎn)灰度值的中值來替代指定點(diǎn)的 灰度值。對于奇數(shù)個(gè)元素，中值是按大小排序后中間的值。對于偶數(shù)個(gè)元素，中值是 指排序后中間兩個(gè)元素灰度值的平均值。一維情況下，中值濾波器不影響階躍函數(shù)和斜坡函數(shù)，并可以有效去除單、雙脈沖。同樣中值濾波也可推廣到二維圖像，二維濾 波可以定義如下：取一個(gè)（2n+1）x（2n+1）的窗口。中間位置上的點(diǎn)為濾波是要處理的 點(diǎn)，對（2n十1產(chǎn)（2n+1）個(gè)點(diǎn)排序

57、，取其中間的點(diǎn)作為濾波后的輸出。對于二維情況,西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）第19頁中值濾波的窗口形狀和尺寸對濾波效果影響較大。不同圖像內(nèi)容和應(yīng)用要求往往選用不同形狀和尺寸，常用的二維中值濾波窗口形狀有線狀、方形、圓形、十字形等。在 經(jīng)過預(yù)處理的車輛圖像中，背景區(qū)域灰度基本被賦值為00考慮到車牌字符由許多短豎線組成，而背景噪聲有一大部分是孤立噪聲，因此，本文采用模版（1,1,1 ）T對車牌圖像進(jìn)行中值濾波，濾波器高度iFilterH=3 ,寬度iFilterW=1 ,中心元素X坐標(biāo)=0, Y坐標(biāo)=2。對車牌二值化圖像進(jìn)行中值濾波后的圖像如圖（2-6）所示，從圖中我們可以看 出二值化后的圖像中

58、的離散的噪聲點(diǎn)被去除。IfF 88888 沖 88888二值化處理后濾波處理后a）分圖aJAMB936 5AMB936二值化處理后濾波處理后b）分圖b費(fèi) A 60009 1A 60009二值化處理后濾波處理后c）分圖c圖2-6濾波處理效果圖西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）第20頁本章小結(jié)本章簡單介紹了一下數(shù)字圖象處理的相關(guān)概念， 并且詳細(xì)介紹了對車牌照的預(yù)處 理，通過對原圖像進(jìn)行灰度處理得到了車牌圖像的灰度圖像， 再通過文中介紹的基于 灰度的數(shù)學(xué)期望方法閾值分割算法獲取了車牌圖像的二值圖像。本章還詳細(xì)介紹了對于二值化圖像的中值濾波處理和，后期的數(shù)學(xué)形態(tài)學(xué)處理。從而得到便于進(jìn)行字符分割的清晰的二

59、值化圖像。西南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文）第21頁第3章字符分割字符分割是車牌自動識別系統(tǒng)的一個(gè)非常重要的組成部分，通過車牌定位算法定位出來的車牌區(qū)域，是一個(gè)整體區(qū)域。后續(xù)的字符識別算法是對一個(gè)個(gè)的單獨(dú)字符的 識別，因此需要通過字符分割算法，從完整的車牌中提取出單獨(dú)的字符。字符分割聯(lián) 系了車牌定位與車牌字符識別，分割的準(zhǔn)確性受車牌定位效果的影響，同時(shí)，本身的分割效果也影響著字符識別。車牌圖像的數(shù)學(xué)形態(tài)學(xué)處理數(shù)學(xué)形態(tài)學(xué)處理主要包括膨脹運(yùn)算和腐蝕運(yùn)算基本運(yùn)算，以及基于這兩個(gè)基本運(yùn) 算衍生出來的開運(yùn)算和閉運(yùn)算。這幾種運(yùn)算在車牌照的字符分割中有著至關(guān)重要的作 用，數(shù)學(xué)形態(tài)學(xué)處理效果的好壞，直接就意味著

60、后面的字符分割的成功與否以及是否 能清晰的現(xiàn)實(shí)，對后面的字符識別也有很大影響。二值數(shù)學(xué)形態(tài)學(xué)原理數(shù)學(xué)形態(tài)學(xué)圖像處理的基本思想是利用一個(gè)稱作結(jié)構(gòu)元素SE（StructuringElement）的探”，來收集圖像的信息，當(dāng)探針在圖像中不斷移動時(shí)，便可考察圖像各 個(gè)部分間的相互關(guān)系，從而了解圖像各個(gè)部分的結(jié)構(gòu)特征。 作為探針的結(jié)構(gòu)元素，可 直接攜帶知識（形態(tài)、大小、灰度及色度等信息）來探測所研究圖像的結(jié)構(gòu)特點(diǎn)。數(shù)學(xué) 形態(tài)學(xué)的這種探測思想與人的視覺特點(diǎn)有類似之處，人總是首先關(guān)注一些感興趣的物 體結(jié)構(gòu)（比如線結(jié)構(gòu)），并有意識地尋找圖像中的這些結(jié)構(gòu)，這在人的視覺研究中稱為 注意力集中 FOA（Focus