基于模式识别的图像处理算法研究——基于模式识别的车牌定位算法研究.doc

1、 安徽建筑工业学院毕业设计（论文） 摘要车牌识别技术(License Plate Recognition，LPR)是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题，是实现交通管理智能化的重要环节。它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统，它能够自动地摄取车辆图像和识别车牌号码，可应用在公路自动收费、停车场管 理、失窃车辆侦察、门卫系统、智能交通系统等不同场合。本文对车牌识别系统中的图像预处理、车牌定位、字符分割和字符识别等环节涉及到的技术、算法以及系统整体设计作了全面的论述，并对部分关键算法进行了设计和改进。本文主要对汽车牌照识别系统进行处理研究，借助

2、于Visual C+ 6.0编程环境运行在相应的硬件平台上，利用数字图像模式识别技术实现对汽车牌照的自动识别。按照模式识别系统组成，完成汽车牌照自动识别技术包括车牌图像采集与预处理、车牌定位、车牌字符分割和字符识别等功能，完成相应的算法研究。首先通过对图像预处理的各种方法及特点进行了研究，找出了适合本系统的车牌图像的预处理方法。其次对车牌定位的主要方法进行详细的介绍和比较，采用基于车牌彩色纹理信息的有色点对搜索的定位算法，确定了车牌的定位过程，即颜色识别、形状识别和纹理识别，这一过程既充分利用了车牌所具有的特征，又符合人识别汽车牌照的过程，具有较强的抗干扰性。为了保证后续的车牌字符分割和识别效

3、果，对定位后的车牌图像需要进行倾斜校正，然后采用投影法实现字符分割，实现字符分割后对字符归一化处理，为字符识别提供大小一致的字符。最后本文采用模板匹配识别算法进行字符识别。该系统的研究适合我国目前交通汽车业的现状，具有很好的市场开发价值。同时该系统涉及到数字图像处理、模式识别和模糊识别等多个技术领域。因此同样具有很高的理论研究价值。关键词：图像预处理 车牌定位 字符分割 字符识别AbstractThe license plate recognition technology (License Plate Recognition. LPR) is an important research to

4、pic in computer vision and pattern recognition technology in the modern intelligent transportation systems, is an important part of traffic management, intelligent. It is based on digital image processing, pattern recognition, computer vision, and other technology-based intelligent recognition syste

5、m, it can automatically intake of vehicle images and identify the license plate number, can be used in automated tolling, parking management, stolen vehicle reconnaissance, guard systems, intelligent transportation systems on different occasions. In this paper, image preprocessing, license plate rec

6、ognition system, the license plate location, character segmentation and character recognition and other aspects related to technology, algorithms and systems overall design gave a comprehensive exposition, and some of the key algorithm design and improvement.In this paper, car license plate recognit

7、ion system, by means of the Visual C + + 6.0 programming environment running on the hardware platform, the use of digital image pattern recognition technology to automatically identify the vehicle license. In accordance with the pattern recognition system, the completion of the car license plate rec

8、ognition technology, including the license plate image acquisition and preprocessing, license plate location, license plate character segmentation and character recognition and other functions to complete the corresponding algorithm. By a variety of image pre-processing method and characteristics we

9、re studied to identify the license plate image preprocessing method for the system. Followed by the main method of license plate location described in detail and compare, using the localization algorithm based on the colored license plate color texture information on search to determine the license

10、plate of the positioning process, namely, color recognition, shape recognition, texture recognition, which a process not only make full use of the license plate has the characteristics, but also with the process of recognition of vehicle license, with a strong anti-jamming. Needed in order to ensure

11、 the follow-up to the plate character segmentation and recognition effect, after the positioning plate image tilt correction, and then using the projection method to achieve character segmentation, character segmentation, normalization of characters, the same size for character recognition character

12、s. Finally, using the template matching recognition algorithm for character recognition. The system is suitable for our current traffic status quo of the automotive industry, has a good market value for development. The system involves a number of technical areas of digital image processing, pattern

13、 recognition and fuzzy recognition. Therefore also has a high research value.Keywords: Image pre-processing The license plate location Character segmentation Character recognition目录第一章 绪论11.1 课题的研究背景与意义11.1.1 课题的研究背景11.1.2 课题的研究意义21.2 国内外研究现状31.3 车牌识别研究的主要应用技术41.4 车牌识别系统总体概述51.4.1 车牌识别系统的结构方案51.4.2

14、技术难点61.5 论文的主要研究内容7第二章 车辆图像采集与预处理82.1 数字图像处理概述82.1.1 数字图像处理的发展概况82.1.2 数字图像模式识别82.2 车辆图像采集92.3 车辆图像预处理102.3.1 图像灰度化102.3.2 灰度拉伸112.3.3 图像加噪及增强142.3.4 图像边缘检测162.3.5 图像二值化18第三章 车牌定位213.1 我国汽车牌照的基本特征213.2 车牌定位的常用方法比较213.3 车牌定位算法的提出223.4 车牌粗定位233.4.1 有色点对搜索233.4.2 字符区填充253.4.3 车牌区复现263.4.4 车牌区域粗定位273.5

15、车牌精定位283.5.1 车牌形状识别293.5.2 车牌纹理识别293.6 车牌倾斜校正303.7 车牌定位及提取31第四章 车牌字符分割324.1 引言324.2 分割字符32第五章 车牌字符识别355.1 引言355.2 字符图像预处理355.3 字符模板匹配36第六章 总结与展望376.1 总结376.2 展望37参考文献39致谢41基于模式识别的图像处理算法研究 基于模式识别的车牌定位算法研究电子与信息工程学院 电子信息工程专业 2008级1班 陈宇栋指导教师 邵慧第一章 绪论1.1 课题的研究背景与意义1.1.1 课题的研究背景20世纪80年代以来，随着我国国民经济的迅速发展，机动

16、车辆规模及流量大幅度增加，全国机动车量年均增长15%以上，城市通路里程年均增长7.9%，高速公路和城市交通管理现代化水平的提高势在必行，迫切需要采用高科技手段来充实和加强交通管理水平。智能交通管理系统(Intelligent Transport Systems, ITS)是21世纪道路交通管理的发展趋势，高速公路的不断发展和车辆管理体制的不断完善，为智能交通管理系统进入实际应用领域提供了契机。在整个智能交通管理系统中，车牌识别(License Plate Recognition, LPR)系统是实现交通管理智能化的重要环节，车牌识别系统的应用可有效解决在高速公路收费、超速车辆布控、城市卡口、停

17、车场管理和社区管理中的问题，其具体应用可概括为：(1)交通监控：利用车牌识别系统的摄像设备，可以直接监视相应路段的交通状况，获得车辆密度、队长、排队规模等交通信息，防范和观察交通事故。它还可以同雷达测速器或其他的检测器配合使用，以检测违犯限速值的车辆。当发现车辆超速时，摄像机获取该车的图像，并得到该车的牌照号码，然后给该车超速的警告信号。(2)交通流控制指标参量的测量：为达到交通流控制的目标，一些交通流指标的测量相当重要。该系统能够测量和统计很多交通流指标参数，如总的服务流率，总行程时间，总的流入量流出量，车型及车流组成，日车流量，小时/分钟车流量，车流高峰时间段，平均车速，车辆密度等。这也为

18、交通诱导系统提供必要的交通流信息。(3)高速公路上的事故自动测报：这是由于该系统能够监视道路情况和测量交通流量指标，能及时发现超速、堵车、排队、事故等交通异常现象。(4)对养路费交纳、安全检查、运营管理实行不停车检查：根据识别出的车牌号码从数据库中调出该车档案材料，可发现没及时交纳养路费的车辆。另外，该系统还可发现无车牌的车辆。若同车型检测器联用，可迅速发现所挂车牌与车型不符的车辆。(5)车辆定位：由于能自动识别车牌号码，因而极易发现被盗车辆，以及定位出车辆在道路上的行驶位置。这为防范、发现和追踪涉及车辆的犯罪，保护重要车辆(如运钞车)的安全有重大作用，从而对城市治安及交通安全有重要的保障作用

19、。1.1.2 课题的研究意义车牌识别系统的主要任务是分析和处理摄取到的复杂背景下的车辆图像，定位分割牌照，最后自动识别汽车牌照上的字符，LPR是利用车辆牌照的唯一性来识别和统计车辆，它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统。在现代化交通发展中车牌识别系统是制约交通系统智能化、现代化的重要因素，LPR系统应该能够从一幅图像中自动提取车辆图像，自动分割牌照图像，对字符进行正确识别，从而降低交通管理工作的复杂度。车牌识别系统将获取的车辆图像进行一系列的处理后，以字符串的形式输出结果，这样不但数据量小，便于存储，操作起来也更容易，因此LPR系统的便捷性是人工车牌识别所不能比拟

20、的，它蕴藏着很大的经济价值和发展空间，对LPR技术的研究是非常有的意义的。在车牌识别系统中最为重要的两个技术是车牌定位和车牌字符识别，这两个技术的好坏直接影响到整个车牌识别系统的实时性和准确性。国内外己有不少学者对车牌定位技术做了大量的研究，但在实际的应用中还没有一个有效可行的方法，如由于车辆抖动造成车牌图像的歪斜、由于污迹和磨损造成车牌字符的模糊、由于光照不均造成车牌图像的模糊等都会或多或少影响到车牌定位的准确度。针对以上实际情况，很多学者开始在鉴于车牌图像本身特征的基础上研究车牌定位技术，并先后提出了一些有效的定位方法，以减小种种主、客观因素对车牌定位准确度的影响。然而智能交通的不断发展使

21、得对车牌定位系统有了更高的要求，主要表现在系统的实时性和准确性。车牌字符识别的实质是对车牌上的汉字、字母和数字进行快速准确的识别并以字符串的形式输出识别结果，字符识别技术是整个车牌识别系统的关键。车牌识别系统与其它图像识别系统相比较而言要复杂得多，在字符识别中，汉字识别是最难也是最关键的部分，很多国外较为成熟的车牌识别系统无法进入中国市场的原因就在于无法有效的识别汉字。此外，由于外界环境的影响，系统必须保证能够在任何天气情况下全天不间断的正常工作。到目前为止，在众多的车牌识别方法中还没有一个可以达到理想的效果，因此对车牌识别技术的研究意义重大。1.2 国内外研究现状车牌自动识别系统的研究，国外

22、最早出现于20世纪80年代，但这个阶段并没有形成完整的体系。进入20世纪90年代，随着数字图像处理、计算机视觉、模式识别等技术的发展，开始出现了LPRS的系统化研究。Yuntaocu开发的车牌识别系统，在车牌定位后，利用马尔科夫场对车牌进行特征提取和二值化，其重点工作是放在二值化上，最后对其样本的识别达到了较高的识别率。R.mullot开发了一种既可以用于集装箱识别又可以用于车牌识别的统，该系统利用字符纹理特征对车辆图像进行定位和识别。Paolo等开发了一套针对意大利车辆的车牌识别系统，该系统的识别率达到了91%。Tindail开发的车牌识别系统可以识别全部5种英国格式的车牌。Luis开发的针

23、对日本车辆的车牌识别系统的识别率达到了90%以上，天气不好的情况下也达到了70%。目前国外比较成熟的车牌识别系统产品有:以色列Hi-Tech公司的See/Car System系列，新加坡Optasia公司的VLPRS系列，英国Racal Messenger Ltd公司的Talon LPRS，英国Alphatech公司的ARGUS产品，中国香港Asia Vision Technology公司的VECON产品等。其中Hi-Tech公司有多种不同的产品来分别适应某个国家或地区的车牌，See/Car Chinese系列可以对中国大陆的车牌进行识别，但汉字识别率较低。另外，美国、加拿大、德国、日本、意大

24、利、西班牙等发达国家都有适合本国的车牌识别系统。我国在这方面的研究起步比较晚。国内做得比较好的产品有中科院自动化所汉王公司的“汉王眼”，深圳市普利得公司的Plate DSP车牌识别系统，厦门衰天电子科技有限公司的SuP Plate车牌识别系统，除此之外，北京文通公司，沈阳聚德公司，深圳吉通电子公司，上海高德威智能交通系统有限公司，中智交通电子有限公司等也都有自己的产品。另外，清华大学、浙江大学、上海交通大学、西安交通大学、四川大学等科研院所也做过类似的研究。但大多数产品的识别效果不是很理想，尤其是在复杂背景条件下的识别效果不是很理想，这与我国汽车牌照的现状有很大的关系：(1)我国大陆车牌由汉字

25、、大写英文字母和数字组成，汉字识别的难度要比英文字母和数字高得多。(2)国外的车牌底色和字符颜色只有对比度较强的两种颜色(如韩国的车牌底色为红色，字符颜色为白色)，而我国的车牌底色和字符颜色有多种混合颜色的组合形式(如蓝底白字，黄底黑字等)。(3)由于环境因素(光照、天气等)或人为因素造成的牌照污染严重的车辆，发达国家不允许上路，而我国认可上路行驶。(4)我国的汽车牌照的悬挂位置不唯一。(5)国外的车牌格式(如牌照上字符的排列等)通常只有一种，而我国根据不同的车辆、车型、用途规定了多种牌照格式(如分为普通车、军车、警车、教练车、领事馆车等)。我国汽车牌照的特殊性使得我国的车牌识别系统不能照搬国

26、外的模式，并且不能采用单一的识别模式。在LPRS产品的性能指标中，识别率和识别速度往往难以同时提高，其原因是多方面的，如图像处理技术的不够成熟，摄像设备、计算机等的性能限制。但是随着理论研究的不断深入，硬件平台性能的不断提高，以及图像源设备的不断更新，LPRS产品的性能会日趋完善，其在现代交通领域的需求会越来越大。1.3 车牌识别研究的主要应用技术目前，国内外在车牌识别方面，主要有以下几种应用技术：1、IC卡识别技术IC卡是一种集微电子技术、通讯技术和计算机技术于一体的高科技产品。利用IC卡技术进行汽车牌照的识别，主要是指每辆汽车上安装一个微型的电子信号接受和发射装置即IC卡，卡内存储了该车的

27、车牌号码以及其他一些信息，当汽车通过没有汽车检测装置的路口时，IC卡系统将与路口的计算机系统进行对话，使之识别出该汽车的车牌号码和一些相关内容，从而可以实现智能化监督与管理。IC卡技术识别的优点是准确度高，运行可靠，可以全天候作业。缺点是它硬件设备十分复杂，不适用于异地作业，整套安装设备价格昂贵，没有全国统一的标准。另外，还有一个致命的缺点就是无法核对车、卡是否相符。2、 条形码识别技术条形码技术广泛应用在图书借阅管理、商品销售、仓库进出货管理、邮政管理等众多领域。它可以通过在汽车的侧面印刷条形码(其中包括地区、车型、车牌号码等基本信息)，当条形码扫描器阅读出这些信息后，就可以完成识别的任务。

28、识别速度快、准确度高、可靠性强以及成本较低等优点，但条形码识别技术对于扫描器要求很高，同IC卡技术一样没有全国统一的标准，这给短期内推广造成了很大的困难。3、 图像处理技术运用图像处理技术解决汽车牌照识别的研究国内外都有，最早出现于80年代，这个阶段的研究并没有形成完整的系统体系，而是就车牌识别中的某一个具体问题进行讨论，并且通常是采用简单的图像处理技术来解决。识别过程是使用工业电视摄像机拍下汽车的正前方图像，然后交给计算机进行简单处理，并且最终仍需要人工干预。4、 传统模式识别技术传统模式识别技术一般包括模板匹配法，统计特征法等。进入90年代，由于计算机视觉技术的发展，开始出现汽车牌照识别的

29、系统化研究。这个时期的应用在识别正确率方面有所突破，但还没有考虑到实时性的要求，识别的速度有待进一步提高。5、 人工神经网络技术近几年以来，计算机及其相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌的自动识别问题。由于人工神经网络技术跑开了传统的计算结构和相应的算法，采用了生物神经网络的模型，因此它能较好的实现人类存储知识及处理信息的机能，使系统可以模拟人类思维，对需要处理和解决的问题进行记忆、联想、推理，从而较好地解决了车牌识别中所提出的因字符残缺不完整二无法识别的问题。另外，人工神经网络技术应用于车牌识别系统领域与传统方法相比，还可以避免繁重的数据分析和数学建模工作，可以将信息存储

30、于处理并行起来，大大提高了运行速度，因此越来越受到人们的广泛关注。1.4 车牌识别系统总体概述车牌识别系统是集数字图像处理和模式识别等技术的高智能化的集成系统，其主要功能是采集车辆的图片，分析并获取必要的信息，从而得到图片中的车牌号码。1.4.1 车牌识别系统的结构方案车牌识别包括图像采集与预处理、车牌定位、车牌字符分割以及车牌字符识别几个模块，如图1.1所示。输出识别结果车牌定位采集到的车辆图片车牌字符识别预处理车牌字符分割图1.1 车牌识别系统结构图(1)车辆图像采集与预处理由于考虑到车辆图像采集时天气或其它因素的影响，如采集光线不佳、车辆运动都会对图像采集有一定的影响，得到的图像质量不高

31、，存在噪声，所以在预处理的过程中我们加入了高斯噪声，再用中值滤波的方法对图像进行了增强，从而改善图像质量，突出车牌的主要特征，以便更好地提取车牌。(2)车牌定位车牌定位是根据对经过预处理后的图像中的车牌进行准确的位置确定，依据车牌区域特有的一些特征，将车牌区域从复杂的背景图像中分割出来。(3)车牌字符分割车牌是由一系列字符串组成的，而目前大多数的识别算法都是针对单个字符进行识别，因此在字符识别之前还须将车牌上面的字符串分割成单个的字符，一边后续识别算法对其进行单独识别。(4)车牌字符识别字符识别是车牌识别系统的最后一个环节，我国汽车车牌的特点是汉字、字母、数字混合排列，充分利用字符的统计特征和

32、结构特征来进行识别。目前识别的方法有模板匹配法、神经网络法、支持向量机等方法。1.4.2 技术难点车牌识别主要面临以下技术上的难点：(1)汽车牌照的图像质量本身无法保证。有些车牌被污损，而有些车牌的字符模糊不清，对光线的散射性不好，这些不确定性极大地影响了识别的准确率。(2)采集光线不佳使得图像采集质量较差，而且车辆运动又不同程度的造成图像变形，给车牌图像预处理造成一定的影响。(3)自然环境下的路面情况比较复杂，导致采集的车牌图像中复杂背景对车体本身产生干扰，如车辆生产厂家标志、车体广告、个性车主在车体上的修饰等都给采集图像造成了干扰。(4)车辆牌照缺乏统一的标准，车牌一般由三种字符组成：汉字

33、、英文字符、数字。车牌具有不同颜色，主要分为蓝底白字、黄底黑字、黑底白字三种。另外，车辆种类繁多、车型、颜色变化多端，这些因素均给车牌识别增加了难度。1.5 论文的主要研究内容本文以汽车牌照为研究对象，运用图像处理和模式识别技术来实现车牌识别，主要集中于软件算法的研究，包括车辆图像的采集与预处理、车牌定位、字符分割及归一化、字符识别。本文主要研究了LPR系统中车牌图像的采集与预处理及车牌定位的算法研究。全文共分六章。第一章 主要介绍了本文的研究背景及意义、国内外研究现状以及几种应用技术和系统概述。第二章 对图像预处理的各种方法及特点进行了研究，找出了适合本文的车牌图像的预处理方法。第三章 详细

34、论述了车牌定位算法的研究。第四章 阐述了车牌字符分割算法的研究，对定位后的车牌字符进行分割处理，为后续的车牌字符识别做好准备。第五章 主要介绍车牌字符识别算法的研究，对待识别的字符进行一些预处理，如字符归一化和字符细化处理，最后采用模板匹配算法进行字符识别。第六章 是本文的结论与展望，主要总结了本文的主要研究成果以及对后续需要进一步完善的工作进行了展望。第二章 车辆图像采集与预处理2.1 数字图像处理概述2.1.1 数字图像处理的发展概况数字图像处理1也称计算机图像处理，是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。常见的图像处理方法有：图像变换、图像增强、图像复原、图像分割、图

35、像重建、图像压缩等。数字图像处理起始于20世纪50年代，并于20世纪60年代初期形成一门独立学科。最早运用数字图像处理技术解决汽车车牌识别是在20世纪80年代，当时在这个领域的研究只停留在讨论车牌识别中的某一个具体问题，通常是采用简单的图像处理技术，并没有形成比较完整的系统体系。随着现代计算机技术以及视频技术的不断发展,基于数字图像处理的车牌识别技术已经广泛应用于车辆追查和跟踪、公路收费监控等领域。一般来说，数字图像处理系统大致可以分为输入部分的图像数字化设备、用作处理的计算机设备以及输出的图像显示设备等三个部分。而一个较为完整的图像处理工作周期主要包括图像信息的获取、图像信息的存储、图像信息

36、的传输、图像信息的处理以及图像信息的输出和显示等五个时期。2.1.2 数字图像模式识别在各种信息中，图像含有的信息最多，也是人类视觉的基础，因此基于视觉的图像识别具有重大的意义。图像可以是各种物体的黑白或彩色图画、手写字符、遥感图片、X射线透视胶片等等。图像识别的目的在于用计算机自动处理图像上的信息，以代替人去完成图像分类及辨别的任务。图像识别2作为模式识别的一类，其识别过程与模式识别的过程类似，主要有四个步骤：(1)图像预处理为了研究图像内容的识别，首先要对获得图像进行预处理，滤去干扰、噪声，当图像中的信息微弱无法辨识时，还需对图像进行增强处理，几何调整，颜色校正等，以便进一步进行人机分析。

37、(2)图像分割为了从图像中找到需要识别的物体，还需要对图像进行分割，也就是定位和分离出不同的待识别物体。这一过程输入的是整幅图像，输出的是像元图像。(3)图像特征抽取在图像中需要识别的物体被分割出来的基础上，提取需要的特征，并对某些参数进行计算、测量，根据测量的结果进行分类。(4)图像分类根据提取的特征值，利用模式识别方法进行分类，确定类别名称，以便对图像的重要信息得到一种理解和解释。这一过程的输入是特征信息，输出的是类别名称。2.2 车辆图像采集本文图像采集是通过相机拍摄获得车辆图像，该图像为24位彩色，大小为640480，如图2.1所示。图2.1 汽车牌照在采集图像和预处理之前首先需要熟悉

38、在Visual C+ 6.0的集成开发环境(IDE)下生成多文档应用程序和位图文件2的读取。打开位图文件程序运行结果如图2.2所示。图2.2 位图文件读取2.3 车辆图像预处理2.3.1 图像灰度化通常情况下，实际的车牌识别系统中由摄像机采集到的原始图像是彩色图像，即24位真彩色图像。所有的彩色图像都是由红(R)、绿(G)、蓝(B)三基色组合而成，在数字图像中每一个基色都被分为256个等级，即0255。由R、G、B三基色不同级别的组合方式，可以计算出一幅彩色数字图像最多可包含2563=16777216种颜色。在灰度图像中R=G=B，因此灰度图像中只有一种灰度颜色，同彩色图像中的三基色一样，灰度

39、色也被分成0255，共256个等级，同理可以计算出一幅灰度图像最多只包含256种颜色。由此可见，一幅彩色图像所包含的信息量远远大于一幅灰度图像，它不仅需要大量的存储空间还需要复杂的图像处理算法，这使得整个车牌识别系统操作时间过长，无法达到其实时性的要求。所以，应将采集到的彩色图像转换成一幅灰度图像，这个过程便是图像的灰度化。令g为转换后灰度图像在某一点的灰度值，R、G、B分别为转换前该点的R、G、B分量。常用的灰度化5处理方法有以下三种：(1)最大值法g=max(R，G，B) (2-1)这种方法处理后灰度图像的亮度会偏高。(2)平均值法 g= (2-2)这种方法处理后灰度图像的亮度较柔和。(3

40、)加权平均值法 g= (2-3)式(2-3)中，WR、WG、WB分别为R、G、B的权值，当其权值取不同的值时，能够形成不同灰度的灰度图像，由于人眼对绿色的敏感度最高，红色次之，蓝色最低。因此当WG WRWB时，所产生的灰度图像更符合人眼的视觉感受，通常WR=0.9，WG=1.77， WB=0.33时图像的灰度最合理，即 g=0.3R+0.59G+0.11B (2-4)式(2-4)中:R表示原图像中每个像素点的红色分量的值，G表示原图像中每个像素点的绿色分量的值，B表示原图像中每个像素点的蓝色分量的值。g表示灰度变换后图像中每个像素点的颜色值。由于人眼对绿色敏感度最高，红色次之，蓝色最低，而权值

41、法中的权值可以得到最适合的灰度图像，因此本文使用加权平均值法对汽车图像进行灰度化处理。灰度化处理后的图像如图2.3所示。 彩色图像 灰度图像图2.3 图像灰度化处理2.3.2 灰度拉伸灰度拉伸是车牌图像增强的一种基本灰度变换。如果车辆图像灰度集中在较暗的区域而导致图像偏暗，则可以用灰度拉伸功能来拉伸(斜率l)物体灰度空间以改善图像；如果车辆图像灰度集中在较亮的区域而导致图像偏亮，则可用灰度拉伸功能来压缩(斜率1)物体灰度区间以改善图像质量。一般成像系统具有一定的亮度范围，亮度的最大值和最小值之比称为对比度。灰度拉伸的意思就是把感兴趣的灰度范围拉开，使得该范围内的像素，亮的越亮，暗的越暗，从而达

42、到了增强对比度的目的。对灰度化的图像进行对比度拉伸，使图像上边缘更加凸显，这样牌照区域的笔画特征更明显，有益于以后进行的边缘检测。(1)线性灰度变换在曝光不足或过度的情况下，使得图像的灰度值被限制在一个很小的范围，这时人们看到的将是一个模糊不清、似乎没有灰度层次的图像。用一个线性单值函数，对图像内的每一个像素作线性扩展，将有效的改善图像的视觉效果。令原图像f(x,y)的灰度范围为a，b，经过线性灰度变换后，图像g(x,y)的灰度范围为c,d，如图2.4所示，大部分像素的灰度级在一个比较小的范围内，或者我们只对灰度级在某一范围内的像素感兴趣。f(x,y)和g(x,y)之间的灰度变换关系如式(2-

43、5)。 (2-5)dc0ab f(x,y) g(x,y) 图2.4 线性灰度变换示意图 其中g(x,y)为进行灰度变换后的图像，并且有。从灰度直方图分析，由于，所以对离散图像来说，尽管变换前后像素的个数不变，但是不同像素之间的灰度差变大，改善了图像质量。若图像中大部分像素的灰度级在范围a,b内，少部分像素分布在小于a和大于b的区间内，式(2-5)可以用式(2-6)作变换，但是这种两端截取式的变换使小于灰度级a和大于等于灰度级b的像素分别强行变为c和d，这将会造成小部分图像信息的丢失。 g(x,y)= (2-6)(2)分段线性变换在图像处理过程中，需要突出图像中某个灰度范围内的图像细节，同时又允

44、许适当损失另外灰度范围内的图像细节，可以采用线性灰度变换的另一种形式，即分段线性变换。经过这种变换以后，可以使得所关心的图像细节的灰度范围得以扩展，增强其对比度；同时又使得所不关心的图像细节所处的灰度范围得以压缩，降低其对比度。这种分段性变换，变换前后整幅图像总的灰度范围不变。三段分段线性变换的数学表达式和示意图如式(2-7)。 g(x,y)= (2-7)g(x,y)dc0abf(x,y)nm 图2.5 分段线性灰度变换示意图式中对灰度范围a,b进行了灰度扩展，而对灰度范围0,a和b,m进行了压缩。通过调整折线点的位置和分段直线的斜率，可以对任意灰度范围进行扩展或压缩。通常，车牌的位置在车头下

45、部，属于低灰度级范围，而车头上部及背景中一些区域一般较亮，属于高灰度级范围。为了突出牌照的灰度细节，抑制高灰度级区域，本文采用灰度分段线性变换，根据需要，拉伸特征物体的灰度细节，相对抑制不感兴趣的灰度级，从而增强图像对比度。通过以往实验，我们发现车牌图像的灰度取值范围大多局限在(30,200)之间，而且总体上灰度偏低，图像较暗，将灰度范围扩展到(0,255)之间是比较理想的。图2.6为利用分段线性拉伸处理前后的图像对比。其中两拐点坐标分别取为(50,30)和(200,250)。 处理前 处理后图2.6 分段线性拉伸后图像对比2.3.3 图像加噪及增强(1)图像加噪处理为了考虑在车辆图像采集时由

46、于外界环境等因素的影响，如天气恶劣或采集光线不佳、车辆运动、车牌污损等都会对图像采集有一定的影响，得到的图像质量较差，存在噪声。因此在本次设计中加入了一定的高斯噪声，使系统在恶劣的天气环境或其它因素的影响下也能更好地准确识别出车牌信息，提高系统的识别率。高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声。高斯噪声是一种随机噪声，在任选瞬时中任取n个，其值按n个变数的高斯概率定律分布。 (2-8)其中z代表灰度，u是z的均值，是z的标准差，高斯噪声的灰度值多集中在均值附近。在车牌图像中加入高斯噪声后，图像会变得模糊且会出现细小的斑点，使得图像变得不清晰。加噪处理后图像如图2.7所示。图2.7 加噪处理后图像(2)图像增强对图像加噪处理后，再用中值滤波的方法对图像进行了增强，从而改善图像质量，突出车牌的主要特征，以便更好地提取车牌。中值滤波5是一种非线性平滑滤波，在一定条件下可以克服线性滤波带来的图像细节模糊问题，而且对滤除噪声干扰及图像扫描噪声非常有效。中值滤波通