车牌识别毕业论文 - 图文(3)

第二章 车牌图像处理

2.1 MATLAB在车牌识别过程中应用

2.1.1 MATLAB 发展历史

MATLAB 是一门计算机编程语言，取名来源于 Matrix Laboratory，本意是专门以矩阵的方式来处理计算机数据，它把数值计算和可视化环境集成到一起，非常直观，而且工具箱提供了大量的函数功能强大，具有良好的开放性和可靠性，应用范围广泛。20 世纪九十年代， MATLAB 已经成为国际控制界公认的标准计算软件，在数值计算方面独占鳌头。Mathcad 因其提供计算、图形、文字处理的统一环境而深受中学生欢迎。 国际学术界， MATLAB 已经被确认为准确、可靠的科学计算标准软件。在设计研究单位和工业部门， MATLAB 被认作进行高效研究、开发的首选软件工具。如美国 National Instruments 公司信号测量、分析软件 LabVIEW ， Cadence 公司信号和通信分析设计软件 SPW 等，或者直接建筑在MATLAB 之上，或者以 MATLAB 为主要支撑。又如 HP 公司的 VXI 硬件， TM公司的 DSP ， Gage 公司的各种硬卡、仪器等都接受 MATLAB 的支持。

2.1.2 MATLAB 的语言特点

一种语言之所以能如此迅速地普及，显示出如此旺盛的生命力，是由于它有着不同于其他语言的特点。MATLAB给用户带来的是最直观、最简洁的程序开发环境。

以下简单介绍一下MATLAB的主要特点[6]：

（1）语言简洁紧凑，使用方便灵活，库函数极其丰富。MATLAB程序书写形式自由，利用其丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程工作。由于库函数都由本领域的专家编写，用户不必担心函数的可靠性。可以说，用MATLAB进行科技开发是站在专家的肩膀上。

（2）运算符丰富。由于MATLAB是用C语言编写的，MATLAB提供了和C语言几乎一样多的运算符，灵活使用MATLAB的运算符将使程序变得极为简短。

（3）MATLAB既具有结构化的控制语句（如for循环、while循环、break语句和if语句），又有面向对象编程的特性。

（4）语法限制不严格，程序设计自由度大。例如，在MATLAB里，用户无需对矩阵预定义就可使用。

（5）程序的可移植性很好，基本上不做修改就可以在各种型号的计算机和操作系统上运行。

（6）MATLAB的图形功能强大。在FORTRAN和C语言里，绘图都很不容易，但在MATLAB里，数据的可视化非常简单。MATLAB还具有较强的编辑图形界面的能力。

（7）MATLAB的缺点是：它和其他高级程序相比，程序的执行速度较慢。由于MATLAB的程序不用编译等预处理，也不生成可执行文件，程序为解释执行，所以速度较慢。

（8）功能强劲的工具箱是MATLAB的另一重大特色。MATLAB包含两个部分：核心部分和各种可选的工具箱。核心部分中有数百个核心内部函数。其工具箱又可分为两类：功能性工具箱和学科性工具箱。功能性工具箱主要用来扩充其符号计算功能、图示建模仿真功能、文字处理功能以及与硬件实时交互功能。功能性工具箱能用于多种学科。而学科性工具箱是专业性比较强的 ， 如 control 、 toolbox 、 signal processing toolbox 、 communicationtoolbox等。这些工具箱都是由该领域内的学术水平很高的专家编写的，所以用户无需编写自己学科范围内的基础程序，而直接进行高、精、尖的研究。

2.2用MATLAB实现车牌数字图像处理概述

2.2.1 数字图像的存储和显示

图像采集到计算机中，是以图像文件的形式存储的，在需要使用时，由程序对这些文件进行及信息处理。

1.图片的文件结构

1）头文件，用于存放图像基本信息，包括各种特征参数、像素数据和调色版数据在文件中的位置，以及文字注释等；

2）像素数据，以位图的形式存放，每像素数据对应图像相应位置上的颜色值，具体颜色值的定义由调色板数据提供；

3）调色板数据，是指二值、16色、256色彩色图像的色调数据，真彩色图像的像素数据中已有颜色分量，故不再需要调色板信息。

应该注意的是图像的扫描方向（存储顺序），大多数图像文件采取的扫描方向为自上而下（如TIF和JPEG文件等），少数为自下而上（如BMP文件等）。

2.图像显示

图像显示过程是按照图片存储过程相反方向进行。

2.3图像的灰度化技术

将彩色图像转化为灰度图像的灰度化。彩色图像每个像素包含R、G、B三个颜色分量，每个颜色分量有256个中值可取。而灰度图像是R、G、B三个颜色

分量值相等的特殊的颜色图像[7]。

在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0到255。一般有以下四种方法对彩色图像进行灰度化：

1.分量法

将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。

f1?i,j??R(i,j)f2?i,j??G?i,j?f3?i,j??B?i,j? （2-1） 其中fk?i,j?(k?1,2,3)为转换后的灰度图像在?i,j?处的灰度值。 2.最大值法

将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。

f?i,j??maxR(i,j)G?i,j?B?i,j? （2-2） 3．平均值法

将彩色图像中的三分量亮度求平均值得到一个灰度图。

f?i,j??(R(i,j)?G?i,j??B?i,j?)3 （2-3）

4．加权平均法

根据重要性及其他指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。

f?i,j??0.299R(i,j)?0.588G?i,j??0.114B?i,j? （2-4）

2.4 图像二值化技术

图像的二值化即把灰度图像处理成二值图像的过程。二值化的关键是要找到合适的阈值来区分对象和背景。灰度图像二值化能显著减小数据存储的容量，并能降低后续处理的复杂度。根据阈值选取方法的不同，二值化方法主要分为三类：全局阈值法、局部阈值法和动态阈值法[8]。

1.全局阈值二值化

全局阈值二值化方法是根据图像的直方图或灰度空间分布确定一个阈值，并且据此阈值实现灰度图像到二值化图像的转化。典型的全局阈值法包括Ostu方法、最大熵方法等。全局阈值方法的优点在于算法简单，对目标和背景明显分离、直方图是双峰的图像效果良好，但对输入图像量化噪声或不均匀光照等情况抵抗力差，应用受到限制。

2.局部阈值二值化

由像素?i,j?的灰度值f?i,j?和像素周围点的局部灰度特性确定阈值的方法称为局部阈值选择法。非均匀光照条件等情况虽然影响整体图像的灰度分布却不影响局部的图像性质。邻域的规定及邻域计算模板的选取都是决定算法效果的关键因素。局部阈值法也存在缺点和问题，如实现速度慢，不能保证字符笔画连通性，以及容易出现伪影现象等。

3.动态阈值二值化

当阈值选择不仅取决于该像素阈值以及其周围像素的灰度值，而且还和该像素坐标位置有关时，称之为动态阈值选择法。由于充分考虑了每个像素邻域的特征，能更好的突出背景和目标的边界，使相距很近的两条线不会产生粘连现象，可以处理低质量甚至单峰值直方图图像。但是，这种方法的计算量很大，运算速度一般比较慢。

阈值计算公式：

T?Gmax??Gmax?Gmin?图像二值化公式：

3 （2-5）

（2-6） f?x,y??

f?x,y??T01f?x,y??T2.5 车牌图像的去噪处理

在图像中，由于获取图像的设备会产生噪声，在图像传输过程中也会存在

噪声，而车牌本身也会有噪声，这就使得我们获得的图像都夹杂着或多或少的噪声。是否需要将图像进行去噪处理，这取决于噪声对图像的影响程度。一般来说我们只有对图像进行去噪处理后才能更好的实现车牌的分割和识别。一般将图像中的噪声分为两种：一种是加性噪声，另一种是乘性噪声。加性噪声和原图像是加的关系，可以用表达式2.7表示。而乘性噪声和原图像数据是相乘的关系，可用表达式2-8表示。

g?x,y??f?x,y????x,y? （2-7） g?x,y??f?x,y????x,y? （2-8）

产生的噪声会因产生原因的不同而表现出不同特点。常见的噪声类型有：均匀分布噪声、高斯噪声、脉冲噪声、指数分布噪声、瑞利噪声、伽马噪声等噪声类型。在去噪时，我们需要根据噪声的特点采取相应的方法去噪。大体上可以分为两种，一种是在时域进行去噪，另一种是在频域进行去噪。这两种方法是根据不同的思想进行去噪的，一个是利用信号和噪声的时域特征来去噪，另一个是利用信号和噪声的频域特征来去噪。不管是哪一种方法，我们都是为了将信号和噪声分离从而得到一个含有少量噪声的图像数据。在时域上去噪的方法有很多种，比如：均值滤波、顺序滤波、自适应滤波等滤波方法。而在频域上去噪主要是利用噪声和信号所占频带的不同从而将其分离，根据噪声所在不同的频带，我们可以采用低通滤波和带通滤波来去噪。

2.6 图像的增强

图像增强，即增强图像中的有用信息，一般是一个失真的过程，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，使之改善图像质量、丰富信息量，加强图像判读和识别效果。

图像增强的目的是改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。其方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，使图像与视觉响应特性相匹配。

图像增强按所用方法可分成频率域法和空间域法。采用低通滤波(即只让低频信号通过)法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波(取局部邻域中的中间像素值)法等，它们可用于去除或减弱噪声。

结合对车辆牌照特征的分析以及对各种定位方法的比较，本系统采用的是基于行扫描灰度跳变分析的车牌定位方法。该方法综合了基于纹理特征分析和基于边缘检测分析方法的特点，具有速度快和准确性高的优点。

2.7 边缘检测

图像的边缘是图像的最基本的特征。所谓边缘是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。物体的边缘是由灰度不连续性所反映的。边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间，是图像分割、纹理特征提取和形状特征提取等图像分析的重要基础。图像分析和理解的第一步往往是边缘检测。

一般边缘的提取方法是考察图像的每个像素在某个领域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，选取适当的算子，用卷积的方法检

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库车牌识别毕业论文 - 图文(3)在线全文阅读。