车牌识别系统的图像预处理毕业论文.doc

本科毕业设计（论文）题目 车牌自动识别系统 图像预处理 学 院 物理与电子工程学院 年 级 2009级 专 业 电子信息工程 班 级 学 号 学生姓名 指导教师 职 称 副教授 论文提交日期 20130528 II车牌自动识别系统 预处理模块摘要随着我国汽车行业的快速发展，信息化社会的程度不断提高，智能化交通管理成为发展的趋势。车牌自动识别系统（LPRS）是智能化交通管理系统（ITS）的重要组成部分之一，适用于各种交通管理场所，特别有利于提高管理效率及水平，节省人力、物力，以达到交通管理的科学化的规范，而且有着广泛的应用前景。但是车牌识别系统的研究与开发是限制交通系统智能化、现代化的发展，在智能化交通发展中也倍受关注。车牌识别系统可分为图像的预处理，车牌定位，字符识别3个部分。本文通过对基于车牌自动识别系统中的辆牌预处理及定位行分析，得出一系列特征信息，并基于这些特征信息，研究了车牌识别的各项关键环节。车牌识别系统预处理模块的设计主要针对智能化交通管理系统的车牌识别进行研究，通过获取汽车的唯一车牌对车辆信息进行采集，经过车牌图像灰度化，图像增强，边缘检测，车牌定位，车牌图像二值化，图像的倾斜校正等模块的研究。关键词:图像预处理 车牌定位 字符识别Abstract In the development of the Chinese automatic vehicle levels ,and social information levels is increasing, traffic management and intelligent become a development trend .Vehicle License Plate Recognition System (LPRS) is the Intelligent Transportation Management System (ITS) of an important part of place of management can be used for all types of vehicles, particularly to improve management efficiency and management level, saving manpower, material resources to achieve vehicle management scientific standard, and thus have broad application prospects. But License plate recognition system, intelligent transportation systems research and development is constrained, modern important factor in the development of modern traffic drawn greater attention. The topic of the vehicle license through analysis of a series of characteristic information obtained, including the automotive image pre-processing, license plate location, license plate image segmentation and character recognition, etc, designed and implemented a prototype system license plate recognition, and the topic through the analysis of a series of the automotive image pre-processing , license plate location will obtain lots of conclusions , thus start the analysis of the topic，including Gray processing method of color image，Image enhancement，Edge detection，License plate location steps and so on . Key words: image pre-processing;license plate recognition; character recognitionIV目 录一、绪论111课题研究的阐述11. 2 课题研究的目的及基本思路21. 21 课题研究的目的21. 2. 2 课题研究的基本思路21.3 课题研究的意义2二、车牌识别系统分析及要求32.1车牌识别系统分析3211 车牌识别系统的需求分析32. 1. 2 我国车牌照识别的特殊性3213国内外研究的历史、现状42.2 系统总体结构设计6221智能控制系统的功能总体设计6222车牌系统的总体设计7223车牌系统的组成原理设计8三、 车牌识别的研究与设计83.1数字图像处理的概述93.2图像预处理103.2.1 DIB图像的获取113.2.2图像灰度化123.2.3图像对比度增强133.2.4图像中值滤波143.2.5图像边缘检测153.3车牌图像区域定位183.3.1区域定位算法的阐述183.4车牌图像倾斜纠正193.4.1车牌的倾斜原因及类型213.4.2倾斜校正的方法213.5车牌图像二值化21四、总 结234.1课题研究的难点与问题244.2课题研究总结25参考文献26致谢27一、绪论11课题研究的阐述 在全球各国汽车数量不断增加的情况下，城市交通情况也不断受到人们的关注。进而如何有效的进行交通安全管理已经成为世界各国相关部门所关注的重点，而智能化交通系统(ITS)针对这一系列问题，能够有效提高交通安全，实现道路交通自动化管理，提高道路交通的运输效率。21世纪的今天智能化交通安全管理系统是道路交通安全的发展的必然趋势。车辆管理体制的不断完善和公路交通安全基础建设的不断发展，为智能化交通安全系统的实际应用做好了良好的铺垫。在智能化交通系统中，车牌自动识别系统是智能化交通系统的重要组成部分，车牌自动识别系统的成功开发将推动智能化交通系统的发展。而由于国外收费停车场规定和高速公路管理发展时期较早，道路交通管理系统比较成熟，已经成功开发了一系列类似的比较成熟的道路自动识别系统。但由于车牌识别系统一般都是针对特定环境，特定要求，而且环境变化较大的情况下设计的，如因为各国的车牌在尺寸及字符的布局上就很不相同，这样就将导致各国的车牌识别系统的设计方法有很大的区别，而且是否快速有效的进行车牌识别和提取车牌区域图像是车牌自动识别系统的首要问题和关键的步骤，这就导致各国车牌识别系统的发展有所差别。汽车自动识别（Automatic Vehicle Identification ，AVI）技术是通过识别车辆所带有的车牌，或者射频识别标志等特征来自动识别车辆的技术，在现代化车辆安全管理中发挥着越来越重要的作用。车牌图像识别（License plate Recognition ，LPR）技术是车辆自动识别技术的重要组成部分之一，其任务是提取的汽车图像及分析，处理，并能够自动识别车牌信息。在不影响道路安全管理的情况下，可降低工作复杂度，改善交通安全状态及有效的监管车辆。本系统将基于vc+对车牌的数字图像分析及处理，提供快速有效地汽车牌定位方法，实现对车辆牌照区域的提取功能，及时获取车牌的信息。1.2 课题研究的目的及基本思路121 课题研究的目的 智能化交通安全管理系统是交通管理的重要组成部分，而车牌图像识别（License plate Recognition ，LPR）技术是车辆自动识别技术的重要组成部分之一。它能够通过车牌图像获取设备得到车牌图像，通过获取车牌图像信息并及时处理，来得到车牌的具体信息，来达到智能化控制车道路安全状况的目的。智能化交通管理系统能够使交通管理部门的道路交通管理更有有效性，同时做到使道路管理人员对各类交通违规车辆的处罚有章可循，从而达到我们预期的实现道路交通安全管理的人工智能化控制。LPR主要应用于对车牌图像的定位及获取车牌信息，同时车牌识别系统算法简单、运算量小、处理速度快、稳定性高。根据这一现实应用背景，我们也确定了车牌自动识别系统设计的三个基本目标:实用性、快速性、准确性。122 课题研究的基本思路本系统针对我国大部分车牌的这一系列特点，采用基于有色点对的搜索的基本方法进行车牌的定位及以后简单的倾斜校正，通过对灰度图像进行灰度化、图像增强（灰度拉伸）、边缘检测、中值滤波等处理，获得理想的可供定位图像，然后对该图像进行二值化处理，然后对处理的图像做一定的倾斜校正，对车辆进行重新定位，精确获取车牌信息，而通过车牌字符识别，字符分割可以对车牌信息进行进一步提取，本课题将对车牌的预处理及车牌定位进行详细地介绍。1.3 课题研究的意义智能化交通管理系统越来越得到重视，不仅可以大大节省人力资源，同时也减少能源的消耗，强化对交通安全的监控及管理。也可以准确的获取车牌信息。智能化交通管理系统能够智能提取，分析，定位车牌，及准确的获取车牌信息。 随着我国国内经济的不断发展，汽车数量的急剧增加，交通安全管理成为我国发展重要的组成成分，是国家大力发展的基础工程。道路交通安全作为公路交通的一个重要组成部分，而智能化交通管理系统是为提高汽车运输的运输安全而为汽车交通服务的基础工程。利用高新技术来提高管理效率、交通效率和安全的智能交通已成为当前交通管理发展的主要方向。如何维护好道路交通安全，建立智能化交通管理系统来实时控制车辆的行驶状况，不仅有利于交通安全状况，也能使道路资源得到了充分的利用，减少交通事故发生的机率。智能化交通安全管理系统近年来逐渐成熟，它的出现填补了采集基础交通信息的空白，为运营效率的提高提供了可靠依据。因此，实时采集车辆图像，分析及定位车牌区域，获得车牌信息，将有利于道路交通的安全管理。 智能化道路交通管理系统的研究意义重大，未来智能化交通管理系统的发展也少不了车牌自动识别系统的发展。LPR系统作为智能化交通管理系统的核心基础技术之一，发挥的作用也不容忽视，因此LPR系统也是现代智能交通管理中一项重要研究课题。二、车牌识别系统分析及要求2.1车牌识别系统分析211 车牌识别系统的系统分析1. 在智能化交通管理系统中，如何准确的对车牌信息进行高速的，准确的获取，并进行分析，提取是最为关键的步骤，汽车的车牌图像作为车辆的唯一身份标识是智能化交通安全管理系统中来源和处理对象，使的车牌识别系统的研究成为智能化交通安全管理系统的核心步骤，车牌自动识别系统通过对车牌区域的提取，及分析进而对汽车车牌区域进行识别，最终完成对车牌的有效信息提取，其中，车牌自动识别系统的重要问题是如何有效并准确的获取车牌图像信息。2. 本课题系统将得到的含有车牌信息的BMP灰度图像使用预处理方法，得到适合车牌定位图像信息，并对其中的车牌图像进行一定的倾斜校正使车牌的定位更加的合理，同时对提供的车牌进行定位和图像的分割并提供最终图像信息。3. 系统开发软件对环境没有特殊要求，在普通PC机上Window操作系统中能够将需要定位处理的含有车牌信息的BMP灰度图像输入软件系统，在Visual C+ 中可完成车牌的预处理，粗定位，倾斜校正等关键步骤。2.1.2 国内车牌照识别的特殊性目前，对于国内车牌自动识别技术尚未达到合理应用的程度，但是由于国外公路安全管理和道路管理机制发展较早，己经成功地开发了一些比较成熟的车牌识别系统。在智能化交通安全监控系统中，日本及欧美国家很早就开始试验应用这项技术从而在某种程度上说直接推动这项技术的发展。国外车牌自动识别系统研究工作虽然已有一定进展，但并不适合我国国内车牌牌照特征，具体的有以下四个方面主要的原因:(1) 我国标准汽车牌照是由汉字、英文字母和阿拉伯数字组成，车牌字符包括汉字、字母和数字，其中汉字包括各个省、直辖市的简称,总共包括50多个汉字。字母为AZ这26个英语字母，数字为09这10个阿拉伯数字；(2) 国外许多国家车牌的底色和字符颜色通常只有对比度较强的两种颜色，而我国汽车牌照仅底色就有蓝、黄、黑、白等多种颜色，从而与国外形成了很大的区别，字符颜色也有黑、红、白等若千种颜色，就导致了我们不能直接借用国外的车牌自动识别系统技术；(3)国外的汽车牌照格式(如汽车牌照的尺寸大小，牌照上字符的排列等)通常只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式，导致在车牌识别系统的难度也加大了许多，同时我国汽车牌照的规范悬挂位置不统一也造成了车牌识别系统的复杂性；(4) 车牌识别系统需要全天候工作的，需要在白天、黑夜、阴天、晴天、雨雪、逆光等情况下无故障地进行工作。尤其是在强光照射下，得到的数字图像各处反光不均匀，在夜间的时候，汽车前灯往往造成数字图像亮度不均匀，对比度较低，这些情况往往需要进行直方图均衡操作。当车辆速度很高时，会造成拍摄的图片模糊，甚至变形。路面问题。国内很多路面条件较差，常常会导致车牌污染严重、倾斜、甚至变形。从而使得获得的图片质量很差，造成识别困难。在车辆车牌中包含汉字、字母和数字，其中字母和数字识别比较简单，汉字字符笔画繁多、结构复杂，识别困难,因此需要得到的数字图像有较高的分辨率，对应算法有较高的抗干扰性；对于目前国内8种常见车牌的颜色分布和格式分布进行分析，我们可以得出如下结论：（1）国内车牌颜色共存在5种颜色：蓝色、白色、黄色、黑色和红色；同时还存在5种前景和背景的颜色组合有：黑底白字，黑底红字、黄底黑字、蓝底白字、黑底白字红字。（2）国内车牌字符颜色与背景颜色的亮度相差很大：其中有亮度高于背景颜色的亮度（比如蓝底白字、黑底白字、黑底白字、黑底红字）；也有字符颜色低于背景颜色亮度（黄底黑字），对于具有特征的车牌，其车牌的二值化的方法往往是相反的，前景字符为黑色，背景为白色，所以在车牌的二值化时需要进行进一步处理。（3）车牌字符包括汉字、字母和数字，其中汉字包括各个省、直辖市的简称，以及某些武警部队的番号，例如甲、乙、丙、丁等等，总共包括50多个汉字。字母为AZ这26个英语字母，数字为09这10个阿拉伯数字。其中汉字字符由于结构复杂、笔画繁多，因此识别率较低,在正常的环境下，其亮度与背景的亮度差异也很大，同样可以利用这些特性来进行相关的处理。213国内外研究的历史及现状在国外车牌自动识别技术的研究发展比较迅速。早在20世纪80年代，在国外就已经出现了图像处理方法应用于车牌自动识别系统。在那个时期，车牌自动识别技术的研究还没有形成完整的体系，一般采用简单的图像处理方法来解决某些具体问题，通过这种方法得出的结果往往也不是很精确。涉及到国外车牌2自动识别的系统化研究。比较成熟的有A.S.Johnson等提出车牌的自动识别系统分车牌图像处理、特征提取和模板构造、字符识别等三个部分，来完成车牌的自动识别。而R.A.Lotufo使用视觉字符识别技术分析所获得的车牌图像，首先通过在二值化图像中找到车牌图像，采用边界跟踪技术提取车牌字符特征，再利用统计最邻近分类器与字符库中的字符比较，得出一个或几个车牌候选号码区域，再对这些号码进行核实检查，确定是否为该车牌号码区域，最终确定车牌号码。此方法的应用在车牌识别准确率方面有很大的提高，但在识别实时性的要求比较欠缺，车牌识别速度有待提高，因此没有得到广泛的应用。 目前，用于现实系统的车牌识别系统产品国外比较著名的有: 新加坡Optasia公司的VLPRS系列，以色列Hi-Tech公司的See/Car System系列，英国Alphatech公司的ARGUS产品，英国Racal Messenger Ltd公司的Talon LPRS等。其中Hi-Tech公司的产品适应性很强，得到了各国相关部门的认可， See/Car Chinese系列可以对中国大陆的车牌进行识别，但其中也有许多不足的地方，比如字符识别率较差。然而，美国、日本、意大利、西班牙、加拿大、德国等欧美国家都有适合我国车牌的车牌识别系统。我国国内车牌识别系统的研究在90年代也逐步的开始。因此研究比较成熟的产品有中科院自动化研究所汉王公司的汉王眼，亚洲视觉科技有限公司的慧光车牌号码识别系统等。另外上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、西安交通大学的图像处理和识别实验室、浙江大学自动化系等都做过类似的研究， 目前，我国国内汽车牌照的特殊性使得我国的车牌识别系统不能照搬国外的模式，同时我们也不能采用单一的车牌识别模式。在LPR产品的性能指标中，识别速度和识别率往往难以得到同时的加强，其往往也是多方面的原因造成的，如图像识别技术的不够成熟，摄像设备、计算机等的性能上限制。但是随着车牌识别系统理论研究的不断深入，硬件平台性能的不断提高，LPR系统的性能会越来越完善，其在现代交通管理领域的需求也会不断地加大。2.2 系统总体结构设计221智能控制系统的功能总体设计车牌识别系统大致分为四个子系统：车牌信息获取子系统，车牌图像预处理子系统，车牌图像定位子系统，车牌图像分割子系统（本课题不予详细研究）(1) 车牌图像获取子系统：要求能将BMP格式的灰度图像准确的显示出来。(2) 车牌图像预处理子系统：要求对显示的灰度图像进行二值化处理，边缘检测，中值过滤等操作，供车牌定位使用。(3) 车牌图像定位子系统：对处理后的灰度图像进行水平和垂直方向上的灰度投影，确定车牌区域在整个图像中所在的具体坐标位置信息。数字图像的采集数字图像的预处理车牌的定位字符的识别车牌信息提取图2-1 车牌识别系统流程图222车牌识别系统预处理模块的设计本课题车牌识别系统预处理模块的设计主要针对智能化交通管理系统的车牌识别进行研究，通过获取汽车的唯一车牌对违规等车辆信息进行采集，经过车牌图像灰度化，图像增强，边缘检测，车牌定位，车牌图像二值化，图像的倾斜校正。本车牌识别系统的基本环节如下图：图像水平垂直移动 图 像边 缘 检 测 图 像 滤 波 图像 增强图像灰 度 化 车牌初 定 位二 值 化图2-2 车牌识别系统预处理模块设计图223车牌系统的组成原理设计图2-3 车牌识别系统预处理模块设计图本课题车牌识别系统预处理模块的设计主要针对智能化交通管理系统的车牌识别进行研究，通过获取汽车的唯一车牌对车辆信息进行采集，经过车牌图像灰度化，图像增强，边缘检测，车牌定位，车牌图像二值化，图像的倾斜校正等模块的研究，可以对车牌图像处理后续部分做好准备。三、 车牌识别的功能模块研究与设计3.1数字图像处理概述“Digital Image Processing”也就是我们所说的数字图像处理.而且通常我们所说的数字图像处理都是指用计算机进行处理的，因此我们也称为计算机图像处理（Computer Image Processing）。它是指将获取车牌图像信号转换成数字信号并利用计算机对其进行处理的过程。车牌数字图像处理因易于实现处理程序和参数可变，非线性处理，故是一项通用性强，精度高，处理方法灵活，信息保存，传递可靠的图像处理技术，主要用于图像变换，模式识别，及模拟图像的产生，广泛应用与通信，遥感，影像医学，及多种工业领域和国家军事领域，而对于车牌的图像处理我们也将采用数字图像处理。3.2图像预处理3.2.1 DIB图像的获取“Device Independence Bitmap” 即DIB 图像1,是一种与设备无关的位图文件，其目的是为了使某种应用程序创建的位图图形可以被其他应用程序转载或显示一样。DIB图像与设备无关性主要显示在以下几个方面：（1）DIB图像的颜色模型与设备无关。比如：一个256色的DIB图像可以在16色模式下使用，也可以在真色显示模式下使用，导致DIB图像的颜色与设备的无关性。（2）256色及256色以下的DIB图像拥有独特的像素表，导致像素的颜色独立于系统设置的调色板。由于DIB图像具有不依赖设备条件的特点，因此我们可以把它作为永久的保存图片方法，DIB 图像通常是以BMP 文件的形式保存于设备中的，有时也会保存在DIB图像文件中，我们还可以通过DIB来交换图像来运行在不同输出设备的引用程序。通常我们将采集的车牌图像以BMP位图图像格式存储到电脑中，为了便于车牌信息的预处理及车牌的定位与和车牌字符的识别和分割，我们的要求就是车牌图像应具有较大的对比度，适当的亮度和清晰可辨的车牌图像。但由于一般的车牌识别系统的图像采集大部分工作于开放的户外环境，外界的环境将大大影响采集的车牌信息，加之自然光照条件、车牌的整洁度、车辆行驶速度等因素的影响，车牌图像可能出现缺损、模糊、歪斜等严重缺陷，导致获取的车牌图像信息缺损的问题，因此需要对原始车牌图像进行车牌识别前的预处理，以便车牌的字符分割和字符识别。通过查阅我们发现，国内外只有少数文献提及到可用色彩信息帮助对车牌信息的识别和分割，我们也考虑到图像文件的存储和图像的处理需要占用大量系统资源，所以绝大多数较好的车牌识别系统均使用不含彩色信息的灰度图像作为车牌识别系统的原始图像，而灰度图像中使用像素为一个八位字节表示该像素的亮度值，因此使原始图像成为一个灰度图像是具有256个灰度级的黑白图像，便于车牌图像二值化操作，也使得车牌信息处理运算量大大减少。通常车牌识别系统的摄像部分采用图像获取设备可以直接得到一幅灰度图像，但是为了保证图像处理的可行性，我们将大部分获取的图像都进行灰度化处理。 3.2.2车牌图像灰度化在车牌图像的获取的过程中，由于大部分摄像设备获得的车牌图像均为数字彩色图像，包含有丰富的色彩信息，但是要想存储这些信息需要大量的存储空间，并且运算量大，耗时多，不利于车牌图像的实时处理。因此，在实际应用中我们常常将它化为简单的八位的灰度图像。在RGB模型中，如果令gray=R=G=B，则彩色图像就可以转化为灰度图像，gray就是对应的灰度值。由彩色图像转化为灰度图像的过程就称为灰度化。其中灰度化的方法主要有三种 平均值法 最大值法 加权平均值法。 平均值法：gray的取值为R、G、B三者的平均值， gray= （3-1） 最大值法：gray的取值为R、G、B三者的最大值，gray=max(R,G,B) （3-2）加权平均值法：根据实验或先验知识，使gray的取值为R、G、B三者的加权平均值，gray= （3-3）a=0.2,b=0.71,c=0.07就分别称为R、G、B三者的权值。而本课题将采用加权平均法来得到车牌的灰度化图像。图3-1车牌彩色图像与灰度化图像对比3.2.3图像增强车牌图像的图像增强阶段，即增强图像中有用的信息，抑制图像中不需要的信息，一般可以认为这是一个失真的过程，其目的是要增强视觉效果，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，加强图像判读和识别效果，使之改善图像质量，丰富图像的信息量。图像增强目的是增强车牌图像的视觉效果，根据获取的图像的应用场合，有目的强调图像的局部和整体特征，从而扩大图像中不同物体特征之间的区别，满足某些特殊分析的需求，我们经常通过将原灰度图像附加一些信息或变换数据来改变这些需求，有选择地凸显出我们对像中感兴趣的部分或者抑制图像中某些不感兴趣的部分，使图像达到我们所要求的方面。由于是全天候的工作性质使得车牌自动识别系统对环境要求比较高，若无理想的补充光照明，自然光照度的昼夜变化将会引起牌照图像的对比度严重不足使图像中牌照字符分辨不清，更无法完成字符的分割及字符的识别。而造成图像对比度不足的原因具体有以下几点：（1）被摄像物的远近不同，使得图像中央区域和边缘区域的灰度失衡。（2）扫描获得图像各点的灵敏度有较大的差异而产生图像灰度失真。（3）成像时曝光不足或者过度而使得图像的灰度变化范围太窄。（4）自然光线的差异造成图像获取灰度失真。因此，我们发现国内外的研究人员提出各种有效的增强图像对比度的方法，如灰度线性变换、线性滤波器等。其中采用图像灰度拉伸的方法会有效地增强了图像的对比度，使得图像中字符变得清晰、区域变得更加分明，从而便于图像二值化和字符分割处理及字符识别。同时也有提出为了得到一个亮度明显高于背景的牌照字符区域，可以采用一种简便有效的线性滤波器进行图像中字符特征的增强，再通过进一步的定位处理就很容易确定其车牌位置的具体位置。由此我们可以发现，为了简化后续的车牌定位和字符识别及字符分割的难度，改善车牌图像的可辨认性，我们很有必要对车牌图像对比度增强处理。本课题中我们将采用图像灰度线形扩展，增强图像中有用的信息，抑制图像中不需要的信息来显著改善图像质量，达到增强图像的分辨率及对比度。对于通过采样获得的车牌图像，我们使用线性灰度变换，将会凸出感兴趣的车牌区域，相对抑制那些不感兴趣的车牌区域。获得的车牌图像效果如下所示：图3-2 灰度图像与灰度拉伸后的图像比较3.2.4图像中值滤波对图像进行一系列区域滤波处理操作，以便减少噪声干扰的影响。增强有效的特征信息。边缘信息和噪声干扰在频域范围内往往映射为高频分量，因此在滤除噪声的同时要保护边缘信息。对于数字图像来说，滤波的方法往往分为两种：频域滤波法空间域滤波法。在数字图像预处理过程中往往采用空间域滤波法。空间域滤波法主要包括两种方法，即均值滤波和中值滤波。频域滤波主要是利用巴特沃斯滤波器3, 空间滤波主要是利用中值滤波法。本课题将采用中值滤波法对车牌图像进行处理，对一系列区域进行滤波，有效的增加图像的可阅读性，且中值滤波是一种非线性的滤波技术，由于在实际处理过程中并不需要图像的统计特性，所以处理比较方便。噪声是基于图像的这一种特性：往往孤立的点形式出现，同时这些点对应的像素数也很少，而图像则是由像素较多，面积较大的小块构成。在一定情况下，可以通过克服线性滤波器所带来的图像细节模糊，而且对滤波脉冲及图像的扫描噪声比较有效。中值滤波法原理为设有一个一维序列f1，f2fn。取窗口长度为奇数m（m为奇数），对此序列进行中值滤波，就是从输入序列中相续抽出m个数，fi-v,fi,fi+v,其中fi为窗口的中心值，v=（m-1）/2,再将这m个点的数值按其数值大小排列，取其序号为正中间的那个数作为滤波器输出。中值滤波表达式为：Yi=Med fi-v,fi,fi+v, iZ v=(m-1)/2 （3-5）对车牌数字图像进行中值滤波，实质就是对二维序列的中值滤波，滤波窗口也是二维的，用一个滑动窗口W在图像上进行扫描，把窗口内包含的图像像素按灰度级升（或降）序排列起来，取灰度值居中的像素灰度为窗口中心像素的灰度（若窗口中有偶数个像素，则取两个中间值的平均），用公式表示为：X（m，n）=Medianf（m-k，n-1），（k，1）W （3-6）其算法步骤是：（a） 将模版在图中漫游，并将模版中心与图中某个像素位置重叠（b） 读取模版下各对应像素的灰度值（c） 将这些灰度值从小到大排成一列（d） 找出排列在中间的1个（e） 将这个中间值赋给对应模版中心位置的像素本课题采用的中值滤波的窗口为33的矩形窗口（共9个像素），通过中值滤波可以很好地消除孤立噪声点的干扰,同时基本保留了图像的有用信息。3.2.5图像边缘检测图像的边缘特征是图像的最基本的特征之一，图像边缘特征是指图像周围像素灰度有阶跃变化或屋顶变化的像素的集合。而且物体与背景之间，物体与物体之间，基元与基元之间图像边缘特征广泛存在着。图像的边缘检测，通过检测图像灰度级具有突变的像素位置，表明一个边缘区域的终结也是另一个边缘区域开始的地方，这种区域的不连续性称为边缘。边缘检测不仅用于图像识别，也是纹理分析等其他图像分析的重要信息源和形状特征基础。而需要说明的是：边缘与物体间的边界并不等同，边缘指的是图像区域像素值有突变的地方，而物体的边界指的是现实场景中的存在于物体之间的边界。车牌图像中，有可能发生有边缘的地方并非边界，也有可能物体的边界在车牌图像中不成为边缘，这是因为现实中的物体是三维的，而车牌图像只有二维信息，从三维到二维的投影成像会不可避免造成一部分信息的丢失；而且在车牌图像获取过程中的光照和噪声也是影响车牌图像效果不可避免的重要因素之一。边缘检测是也检测数字图像局部显著变化的基本方法，同时使得数字图像中无关的部分暗淡，车牌部分是数字图像中边缘相对集中的区域，因此边缘检测是图像分割，纹理特征值提取和形状特征值提取的基础，常常采用边缘临近的一阶或二阶方向导数来检测数字图像的边缘，以便后续的数字图像分割或特征提取等操作。比较常用的边缘检测算子有梯度算子Roberts算子Sobel算子Prewitt算子LKirsch算子,下面介绍几种算子梯度算子，梯度算子是对数字图像中的边缘点求导数，即 （3-7）对应幅度为: 对应角度为:比较常用的梯度算子有以下几个：Roberts算子。Roberts算子利用局部查分方法寻找数字图像边缘，构成Roberts的算子如下：，若用卷积模板表示，此式变为。其中、有以下模板决定: X方向算子 Y方向算子Sobel算子，Sobel算子是一种离散性差分算子，用来计算图像亮度函数的梯度近似值。Sobel算子包含两组3x3的矩阵，一组为横向矩阵，另一组为纵向矩阵，将Sobel算子与图像作平面卷积，可得出横向与纵向的亮度查分近似值。如令A代表原始图像，Gx和Gy分别代表经横向与纵向边缘检测的图像，公式如下:所以梯度大小为： （3-8）梯度方向为： （3-9）因此我们看出Sobel算子的两个卷积计算核如下图所示Prewitt算子Prewitt 与 Sobel 算子相似，只不过Prewitt 算子的两个卷积计算核与Sobel 算子的两个卷积计算略有不同，Prewitt 算子的两个卷积计算核如下所示：Prewitt算子具有图像处理速度快，效果明显的特点，经运算后边缘图像轮廓清晰，尤其适用于具有比较密集笔画的间距小的图像边缘。对车牌图像采用Prewitt算子边缘算子进行边缘检测的效果如下图：图3-3利用Roberts算子，sobel算子，Prewitt算子边缘检测效果图比较3.3车牌图像区域定位3.3.1区域定位算法的阐述车牌区域定位环节是车牌识别系统中核心的环节，如何保持定位时间及定位精度将直接影响整个车牌自动识别系统的性能。一般来说，车牌的定位算法都是基于车牌区域的不同特征而提出的。通常主要的车牌定位算法也都是基于灰度图像的处理技术来分析的。（1）基于数学形态学的定位方法基于数学形态学定位的基本思想，简单的来说就是利用一个结构元素来检测车牌图像信息，通过以上的办法我们可以观察将这个结构元素很好的填放在车牌图像的内部，同时我们也可以验证填放元素的方法的有效性，这样我们就可以通过数学的形态学方法确定一个车牌区域。（2）基于纹理特征分析的定位方法基于纹理特征分析的定位方法，即传统的纹理特征分析定位算法，此方法大多是通过灰度图像分析得到的，因此我们通常会对车牌图像进行预处理，再做车牌图像的定位。通过以下将介绍的行扫描和列扫描我们可以确定一个车牌区域，即我们在采用纹理特征分析的定位方法之前都会先进行图像像素的行扫描，得到车牌图像中行信息中所含有的车牌线段，来得到车牌的起始坐标和长度。如果存在车牌连续若干行均不少于以上的车牌线段，且车牌行数大于某一确定的阀值，则我们可以确定在行的方向上找到了车牌一个候选区域，并得到了车牌候选区域的起始行和长度。同时我们将在在已找到的车牌的区域再做列扫描，以确定该车牌候选区域的起始列和高度，这样我们将得到一个车牌区域。（3）基于边缘检测的定位方法基于边缘检测的定位方法中，我们发现车牌图像的边缘是指图像区域灰度级发生急剧变化的地方，但是我们同时可以发现在物体的内部图像区域和车牌背景这种灰度级的变化是比较平缓的。边缘检测的作用是精确定位边缘和增强我们感兴趣的车牌区域，同时抑制我们不感兴趣的区域。我们能够进行边缘检测的方法就是利用物体边缘处灰度剧烈变化这一特点来检测图像的边缘。在环境和技术的需求下，我们通过选择适合的算子来对车牌图像进行边缘检测，这样我们就可以获得更好的定位方法。（4）基于小波分析的定位方法基于小波分析的定位方，换句话来说，小波分析的定位方法是一种应用于图像处理的重要分析方法，我们可以发现小波分析的多分辨性可以让小波分析系统在高频子波系数的不同方向上表现出不同特性，因此我们可以利用小波分析的特性能够反映出图像在沿任一个方向上表现出不同分辨率变化形式。而且我们也可以发现小波分析的多尺度，多方向的分解特性更加符合我们在视觉上的感受。（5）基于有色点对的定位方法基于有色点对的定位方法，换句话说可以有采用相应适合的方法来进行课题中车牌目标的获取。本课题将采用有色点对搜索的方法寻找车牌区域。由于我们所需要的处理的车牌图像是彩色图像，简单的思路是将彩色图像转换成灰度图像，甚至转换成黑白的二值化图像来处理，但这样会导致图像信息的大量丢失，本课题将直接对彩色图像进行处理。我们将通过寻找图像中一种特殊的颜色模式来实现针对蓝底白字的车牌，定义有色点对（A,B:A点，其左方为蓝色点，右方为白色点；B点其左方为白色点，右方为蓝色点；A,B点应在一定的方位内）由于颜色判断属于模糊判断，为了提高算法的抗干扰性，对有色点对的颜色定义也比较宽泛，具体的步骤如下：（1） 设某一点的红蓝绿色分量为C1,C2,C3;（2） 当某一点的颜色满足C3f1*C1(C2)且C3T1时，即认为该点为蓝色点，其中f1=1.4,T1=20（3） 当某一点的颜色满足C1(C2,C3)T2时，即认为该点为白色点，其中f2=0.4,T2=200，S= C1+C2+C3。 有色点对算法可以精确的规划出车牌图像中车牌区域的有色点对，从而突出图像中车牌大致位置，根据车牌中有色点对都集中在颜色变化剧烈位置（字符边缘）的特点，拟对车牌图像进行边缘提取处理，以缩小车牌有色点对的搜索范围，提高运算精度和效率。本课题的定位方法是在具有一定环境条件下的对车牌信息的定位算法。因而我们也可以在已经具备的一些条件和参数来简化定位方法。我们可以发现我们的定位方法可以通过获取设备的不断提高来得到简化，而前人为我们提供的先验知识为我们课题的研究也提供了可靠的参数。我们可以根据这些我们可以得到的条件和参数来方便于课题定位方法的实现。图33 车牌预处理图像与车牌有色点对定位图像对比3.4车牌图像倾斜纠正3.4.1车牌的倾斜原因及类型通过此前所得到的车牌的定位算法我们可以得到车牌图像区域，但是由于许多外界原因造成车牌的倾斜，其中主要有水平倾斜和竖直倾斜两种类型：l 水平倾斜：主要由于外界因素车牌图像区域和水平方向造成一个倾斜角度。它主要是因为车牌图像获取设备导致的，而与水平方向有一个角度，或者是由于车辆本身车牌安装的原因造成的。最终就使的拍摄出来的图像中的车牌图像在水平方向发生倾斜，对车牌识别系统中后续的环节造成影响。l 竖直倾斜：也主要是由于外界因素造成车牌字符与竖直方向有一个倾斜的角度。它形成的原因主要是在车牌图像获取时，由于获取设备的光轴直线(即法向量)与车牌所在的平面不垂直，存在一定的夹角，造成与竖直方向有一个倾斜的角度。也就是由于光轴直线与车辆的行驶方向不平行，造成获取的汽车图像中的车牌图像在竖直方向上发生改变，这种改变会造成车牌的边缘成水平，但却使车牌中的每个字符都有一定程度上向左或向右的扭曲，使得图像竖直倾斜。同时我们也发现由于图像获取设备拍摄角度的不同，当拍摄角度过大时，可能会出现其它形状的车牌变形。对于这些情况，在国内外的研究中提出了一些解决的办法，比较著名的提出使用Hough变换，通过得到车牌区域上下左右四个顶点的坐标，根据发生变化的车牌四边形的四个顶点和归一化车牌的四个顶点之间的某些对应关系，利用双线性空间变换方程求解，但是我们发现对灰度图像进行校正和修改在车牌图像的倾斜校正环节，对于一般有较大倾斜的图像可以通过将彩色图像旋转角度后在进行预处理的环节，本课题通过对于车牌区域的最左侧与最右侧的中心差在通过对其进行反正切来求得倾斜角度，但是对于一张没有倾斜角度的车牌图像来说，本课题利用的发放将发生错误，经过与老师的交流，同过计算车牌区域每一个字符的最左侧与最右侧的重心差来求平均值来求得车牌的倾斜角，来校正车牌的倾斜角，但是此方法也有不足之处，有待解决。3.4.2倾斜校正的方法我们可以发现大部分车辆的车牌是水平挂在车辆的前部和后部，并且一般情况下车辆的车牌是矩形的，但实际应用中，由于在车牌图像获取设备的拍摄角度，距离，路面平坦程度等原因的影响，往往会造成获取的车辆牌照倾斜，当车牌倾斜角度较小时不会影响车牌图像的识别和字符的分割与处理，但是当车牌图像倾斜角度较大时，需要对车牌进行几何变换，对车牌图像进行校正和修改，使系统的复杂度增加。目前对车牌图像进行校正的方法主要如下：进行模板匹配，寻找车牌区域的四个顶点，在通过双线性空间变换重建矩形车牌区域。分别寻找车牌字符区域的局部极小特征点和局部极大值点，再进行投影，以便确定车牌的倾斜角。求取车牌字符连通域中心点，然后拟合成直线，求出车牌的倾斜角Hough变换法本课题主要通过获取车牌图像的形状，然后使用Hough变换法是一种图像空间到参数空间的映射关系,计算方法如下：（1） 在xy坐标系下，对粗定位后的车牌图像上的目标点扫描，求出它们在uv坐标系下的直线，并且把他们的坐标标记出来。（2） 在uv坐标下，把直线进过的点都标记出来。（3） 在uv坐标下，统计各个点被标记的次数，将被标记次数最多的点取出来。（4） 由Hough变化可知，在uv坐标系下的点（a，b）在xy坐标系下所对应的直线y=ax+b的斜率为a，那么这些直线的倾斜角即为车牌上的倾斜角。（5） 设倾斜角为a，可以根据公式进行计算所得对车牌区域进行一定程度的水平倾斜校正和竖直倾斜校正，而对于产生其它形状的变形暂时没有考虑，通过对车牌的水平倾斜校正和竖直倾斜校正我们可以更好的获取车牌的信息，从而对后续环节起到关键的作用。3.5车牌图像二值化车牌图像的二值化操作，即将256个亮度等级的灰度图像通过适当的阀值选取而获得，同时反映车牌图像整体和局部特质的二值化图像。二值化图像占有非常重要的地位及影响同时对于车牌图像数字化处理中，通过车牌图像的进一步处理，使图像变得准确，清晰，而且图像数据量减少，能凸显出我们课题研究感兴趣的区域，从而抑制我们不感兴趣的区域。车牌区域图像的二值化也是车牌字符分割和字符识别的关键，它直接关系到车牌识别的后续环节中的字符分割的准确性以及识别的正确性。对于图像二值化来说，最核心的部分就是如何选取适当的阀值。一般采取数学计算上的方式计算出适合要求的阀值。由于车牌图像采集环境的差异，再加上其他多种干扰因素，对车牌区域质量所造成的影响也不同，所以我们很难找到普遍适用且计算方便，同时自适应性又很强的阀值计算算法对车牌区域进行有效的区分。现在常用的阀值选取算法有矩保持算法，最大类间方差法，最小误差法，迭代阀值法等。灰度化的车牌图像共有256个等级，对车牌图像进行二值化实际上就是按照一定规则对车牌图像上的每个像素进行分类，转化为只有0和255的两个等级的图像，在实际车牌图像处理时通常会选取一个像素值（称为阈值），大于阈值的像素点就设置为白（或黑）其中的一种，小于阈值的像素点就设置为黑（或白）。同时我们二值化也叫阈值化，其目的是找出一个合适的阈值，将数字图像分为前景和背景两部分，以便保留车牌基本的区域特征，而去掉大量的干扰或冗余信息，便于进一步的运算处理。例如，一幅图像的大小为X*Y，F(x,y)为数字图像中的一个像素，0 xX,0yY.若选取的阈值大小为T，则 （3-10） 有此式可以看出阈值选择的大小也会影响F(x,y)的变化，目前有很多方法用于车牌二值化，例如 纹理分析法 灰度直方图波峰波谷法 ostu方法 彩色分析法 统计方法。其中有一点需要注意的是由于我国车牌类型比较多，如上文所说我国汽车车牌存在的特殊性，造成在课题研究中发现车牌图像在灰度化后，需要将它们统一，以便后续的进一步处理。图3-4 车牌图像二值化四、总 结4.1课题研究的难点与问题通过本课题研究的车牌系统的预处理模块中，我们可以发现其中有很多的难点及问题，自己通过与老师的交流及翻阅资料加以解决，问题有如下几个：（1）由于外界环境因素的影响下，获取的车牌图像中，部分车牌的牌照信息破损比较严重，在车牌图像的灰度化的操作之后，通过有色点对搜索的定位方法之后，得到的车牌信息将大量缺失，导致后续环节的处理无法完成。（2）在车牌图像的倾斜校正环节，对于一般有较大倾斜的图像可以通过将彩色图像旋转角度后在进行预处理的环节，本课题通过对于车牌区域的最左侧与最右侧的中心差在通过对其进行反正切来求得倾斜角度，但是对于一张没有倾斜角度的车牌图像来说，本课题利用的发放将发生错误，经过与老师的交流，同过计算车牌区域每一个字符的最左侧与最右侧的重心差来求平均值来求得车牌的倾斜角，来校正车牌的倾斜角，但是此方法也有不足之处，有待解决。4.2课题研究总结在本课题研究的车牌自动识别系统中，通过将外界获取的车牌图像进行车牌的预处理及车牌定位，通过分析采集的图像特点，使用图像处理方法，对图像进行一系列处理，其中包括灰度化，对比度增强，中值滤波，边缘检测，车牌定位，图像倾斜校正，图像二值化。同时对其中一些内容进行了比较详细的研究，比如在图像的车牌定位方面及图像二值化时中阀值选取的比较和分析，边缘检测效果的比较，对比度增强中的分段线性变换；我们根据我国车牌图像自身具有的特点，开始了本次课题的研究及处理方案，从车牌图像的提取，车牌图像的预处理，到车牌图像的预处理之后的车牌区域的定位及车牌图像的二值化，对比了国内外一些专家的研究方法，并进行了自己想法的实现。同时针对其中的一写些算法进行了优化，从而完成了车牌自动识别系统中本课题所要完成的模块。通过本课题实际的车牌识别系统设计工作自己才愈发认识到完成一项课题的困难和乐趣，即使我们可以借鉴到许多前人的经验，但是在自己完成这项设计开发过程中，遇到的困难也是远远超过了预期的。在本次课题的研究中自己也更深入地理解了课题的研究流程，模块结构，算法设计等，同时自己也发现要设计和编写完成一个课题，必须要掌握好相关的知识。同时更深入地学习关于课题的许多研究方向，掌握了课题的开发流程，只有这样才能更好的完成一项课题，学到更多的知识。 本课题是在Visual C+的平台上实施的，C+作为一门编程语言，对于本次课题的研究非常重要，而我们也必须掌握牢牢的且也必须做到精通。在以前学习中我们在有些方面知识理解得不够深刻，有些细节没有弄明白，而通过本次课题也使自己在这方面得到了锻炼，同时我们也发现只有通过实际的编码编写我们才能熟练的掌握一门编程语言。 本次课题的研究经历了一个比较长的时间，但是我们在其中发现在课题项目实行开始阶段必须对开发进度有一个整体的认识。贯穿整个设计过程中的必须是模块化的设计思想，这对于课题的研究及进行来说也是非常必要的。在者，智能化交通管理系统和车牌识别系统是一个比较前沿的学科，其中涉及到的知识也非常宽广，仅仅几个月的时间进行课题研究是远远不足的，还需要在我们今后的工作中继续学习和研究，但是我们所学到的不光是一个课题所涉及到的知识，更是这个课题研究的方向，同时还有在课题研究中我们所学习到的做事的态度和养成地良好的习惯。参考文献1 冯伟兴等, Visuual C+ 数字图像模式识别技术详解J, 机械工业出版社,2011.32（7）2 姜宇，张子潮，周富强.基于OpenCV的车牌识别系统研究J.辽宁师范大学学报,2011,Vol.34 No.23 S. Theodoridis, 模式识别, 4ed., 电子工业出版社J, 2010.（4）4 马俊莉，莫玉龙，王明祥.一种基于改进模板匹配的字符识别方法J.小型微型计算机系统,2003,24（9）5 王春，刘波，周新志.采用BP神经网络的车牌字符识别方法研究J.中国测试技术,2005,Vol.31 No.16 杨凡，赵建民，朱信忠.一种基于BP神经网络的车牌字符分类识别方法J.计算机科学,2005,32（8）7 魏武，黄心汉，张起森等.