基于VC--的车牌识别系统研究与开发-毕业设计.docx

《基于VC--的车牌识别系统研究与开发-毕业设计.docx》由会员分享，可在线阅读，更多相关《基于VC--的车牌识别系统研究与开发-毕业设计.docx（68页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、毕业设计（论文）中文摘要基于VC+的车牌识别系统研究与开发摘 要：车辆牌照识别（LPR）系统是一个专用的计算机视觉系统，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。LPR系统的广泛应用将有助于加快我国交通管理自动化的进程。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，并与已有方案进行了比较，对部分关键算法进行了设计和改进。图像预处理：采用灰度变换、对比度增强、图像平滑、边缘检测、二值化等方法对图像进行了处理，提高了图像的质量，强化了图像区域。车牌

2、定位：这是车牌识别系统中至关重要的一步，本文采取了基于边缘点图，根据车牌区域的竖向纹理特征对车牌进行定位，具有较高的车牌定位准确率。字符分割：首先对得到的车牌进行倾斜度调整，然后利用连通域法分割得到单独的字符，并对字符进行了归一化处理，便于下一步字符识别。字符识别：选取了13个特征点，采用模板匹配的方法，对汉字、字母、数字字符进行快速识别，取得了较高的识别率和可靠性。用采集到的40多幅汽车图片作为实验样本数据，用纯软件的方法实现了车牌字符的自动识别，达到了较高的识别率。关键词：图像预处理 车牌定位 竖向纹理 字符分割 字符识别毕业设计（论文）外文摘要License Plate Recognit

3、ion System Research and Development Based On VC+Abstract: As a special computer vision system, the License Plate Recognition System (LPR) can capture a vehicle automatically and identify the plate numbers in the image. It can be used in the road tolling system, access control system, stolen vehicle

4、identification system and intelligent transportation system and so on, contributing a lot to the automation of the transportation management.In this paper, some methods and algorithms are introduced in such stages as preprocessing of images, license plate location, character segmentation and charact

5、er recognition. At the same time, I compare the methods with the existing. Moreover, I design and improve parts of critical algorithm.Image preprocessing: The image is processed by several algorithms including gray level stretching, contrast stretching, image smoothing, edge detection, image binariz

6、ation. Through the processing, the noise on the image is eliminated effectively and vertical texture is clearer.License plate location: This aspect is an extremely important step in this system and is also emphased in this paper. One kind of location method of license plate image, basing on edge poi

7、nt image and vertical texture feature is put forward in this paper, which can get a satisfactory recognition effect.Character segmentation: First, inclination rectification method is applied to license plate image. Second, the corresponding connection region is used to divide up the isolate characte

8、r. Third, characters are normalized in order to be recognized.Character recognition: We select 13 features based on template matching method for the purpose of character recognition with high speed and high recognition rate.Testing 40 representative vehicle license plates, I can achieve the good acc

9、uracy.Keywords: Image Preprocessing; License Plate Location; Vertical Texture;Character Segmentation; Character Recognition.目 录1 引言- 1 -1.1 课题的研究背景与意义- 1 -1.2 国内外研究现状- 2 -1.3 车牌识别研究的技术特点- 3 -1.4 论文的主要工作- 4 -2 车辆图像的预处理- 7 -2.1 图像的灰度化- 7 -2.2 图像的增强- 7 -2.3 图像的边缘检测- 13 -2.4 图像的二值化- 18 -3 车牌区域的定位- 23 -3

10、.1 生成边缘点图- 23 -3.2 车牌区域的定位算法- 24 -4 车牌字符识别的预处理- 33 -4.1 识别的技术路线- 33 -4.2 倾斜度调整- 33 -4.3 字符分割- 35 -4.4 字符归一化处理- 39 -4.5 字符的紧缩重排- 40 -4.6 字符的细化- 41 -5 车牌字符的识别- 45 -5.1 字符的特征提取- 45 -5.2 特征模板的匹配- 47 -6 车牌识别系统的研制- 49 -6.1 系统的设计原则- 49 -6.2 系统的结构- 50 -6.3 开发环境- 50 -6.4 相关算法实现的类和方法- 51 -7 车牌识别系统运行结果及分析- 52

11、-7.1 车牌定位的结果分析- 52 -7.2 字符分割的结果分析- 54 -7.3 字符识别的结果分析- 55 -7.4 系统成功率和性能分析- 55 -7.5 人机交互界面- 57 -结论与展望- 58 -致 谢- 60 -参 考 文 献- 61 -毕业设计（论文） 第- 64 -页 共60页1 引言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

12、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。

13、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

14、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。1.1.2 课题的研究意义汽车牌照识别系统是智能交通系统的一个重要组成部分，它是一个特定目标为对象的专用计算机视觉系统，该系统能从一幅图像中自动提取车牌图像，自动分割字符，进

15、而对字符进行识别，它运用模式识别、人工智能技术，对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。车牌识别技术的根本性作用在于自动识读出车辆的唯一身份证-车牌号码，摆脱了人工查看图片识读车牌号码的工作，由于这一智能化的技术，顿时使车辆管理的技术水平跨上了一个新台阶，虽然任何车辆管理系统最终都不可能完全摆脱人的参与(即真正意义上的“无人化值守”)，但毕竟在降低人工劳动强度、提高管理效率、增加管理的客观性方面起到了巨大的推动作用。目前这一技术随着需求的不断提高将会得到更快的发展，以这一技术

16、为核心的车牌自动识别系统的成功开发必将大大加速ITS的进程。1.2 国内外研究现状从20世纪90年代初，国外就已经开始了对汽车牌照自动识别的研究，其主要途径就是对车牌的图像进行分析，自动提前车牌信息，确定汽车牌号。在各种应用中，有使用模糊数学理论也有用神经元网络的算法来识别车牌中的字符，但由于外界环境光线变化、光路中有灰尘、季节环境变化及车牌本身比较模糊等条件的影响，给车牌的识别带来较大的困难。国外的相关研究有J Barroso提出的基于扫描行高频分析的方法以及Lancaster I.T提出的类字符分析方法等。为了解决图像恶化的问题，目前国内外采用主动红外照明摄像或使用特殊的传感器来提高图像的

17、质量，继而提高识别率，但系统的投资成本过大，不适合普遍的推广。车牌识别系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。关于车牌定位系统的研究，国内外学者已经作了大量的工作，但实际效果并不是很理想，比如车牌图像的倾斜、车牌表面的污秽和磨损、光线的干扰等都是影响定位准确度的潜在因素。为此，近年来不少学者针对车牌本身的特点，车辆拍摄的不良现象及背景的复杂状况，先后提出了许多有针对性的定位方法，使车牌定位在技术和方法上都有了很大的改善。然而现代化交通系统不断提高的快节奏，将对车牌定位的准确率和实时性提出更高的要求。因而进一步加深车牌定位的研究是非常必要的。车牌字符识别是在车牌准确定位的基础上，

18、对车牌上的汉字、字母、数字进行有效确认的过程，其中汉字识别是一个难点，许多国外的LPR系统也往往是因为汉字难识而无法打入中国市场，因而探寻好的方法解决字符的识别也是至关重要的。目前己有的方法很多，但其效果与实际的要求相差得很远，难以适应现代化交通系统高速度、快节奏的要求。因而对字符识别的进一步研究也同样具有紧迫性和必要性。从实用产品来看，如以色列的Hi-Tech公司研制的多种See/Cars system，适应于几个不同国家的车牌识别，就针对中国格式车牌的See/Car system。而言，它不能识别汉字，且识别率有待提高。新加坡Optasia公司的VLPRS产品，适合于新加坡的车牌，另外日本

19、、加拿大、德国、意大利、英国等西方发达国家都有适合于本国车牌的识别系统。我国的实际情况有所不同，国外的实际拍摄条件比较理想，车牌比较规范统一，而我国车牌规范不够，不同汽车类型有不同的规格、大小和颜色，所以车牌的颜色多，且位数不统一，对处理造成了一定的困难。在待处理的车牌图像中就有小功率汽车使用的蓝底白字牌照，大功率汽车所用的黄底黑字牌照，军车和警车的白底黑字，红字牌照，还有国外驻华机构的黑底白字牌照等。就位数而言，有七位数字的，有武警车九位数字的，有军车前两位字符上下排列的等，所以也造成了处理的难度。国内做得较好的产品主要是中科院自动化研究所汉王公司的“汉王眼”，此外国内的亚洲视觉科技有限公司

20、、深圳市吉通电子有限公司、中智交通电子系统有限公司等都有自己的产品，另外西安交通大学的图像处理与识别研究室、上海交通大学的计算机科学与工程系、清华大学、浙江大学等都做过类似的研究。通常处理时为了提高系统的识别率，都采用了一些硬件的探测器和其他的辅助设备如红外照明等，其中“汉王眼”就是采用主动红外照明和光学滤波器来减弱可见光的不可控制影响，减少恶劣气候和汽车大小灯光的影响，另外还要求在高速公路管理窗口到“汉王眼”识别点埋设两条线路管道，一条管道铺设220伏50赫兹1安培的交流供电线路；另一条管道铺设触发信号线路和汉王眼与管理计算机的通讯线路，投资巨大，不适合于大面积的推广。另外，还有两种专门的技

21、术被用于车牌的识别中，条形码识别技术和无线射频技术。条形码识别要求预先在车身上印刷条形码，在系统的某一固定位置上安装扫描设备，通过扫描来读取条形码，以达到识别车辆的目的。无线射频技术要求在车内安装标示卡，在系统某一位置安装收发器等装置，通过收发器来接受标示卡的信号，从而识别出经过的车辆。显然，这两种技术更难以推广。从目前一些产品的性能指标可以看出，车牌识别系统的识别率和识别速度有待提高。现代交通的飞速发展以及车牌识别系统应用范围的日益拓宽给车牌识别系统提出了更高的要求。因此，研究高速、准确的定位与识别算法是当前的主要任务，而图像处理技术的发展与摄像设备、计算机性能的提高都会促进车牌识别技术的发

22、展，提高车牌识别系统的性能。1.3 车牌识别研究的技术特点车牌识别主要分为两大关键技术：一是车牌的定位；二是车牌字符的识别。(1) 车牌定位研究车牌定位的研究国外起步比较早，上个世纪90年代以来，我国也开始对车牌定位进行深入的研究，并取得了一定的成效。比较好的定位算法有基于车牌文字变化特点的自动扫描识别算法；基于特征的车辆牌照定位算法；基于变换函数提取车牌的算法；基于视觉的车辆牌照检测；基于字符串的车辆牌照分割方法。这些算法都是基于车牌的特征来研究车牌的定位与识别，因而具有一定的针对性和局限性。对一些复杂图像应用某些数学工具不仅可以加快处理速度而且可以改善和优化处理结果。已有的区域定位算法，比

23、较完善的如机动车辆自动识别收费系统当中所提出的一种基于局部阈值二值化与自适应形态滤波算法。另外，一些学者们从一些数学工具着手，利用数学形态学、小波分析、遗传算法等方法对一些传统定位方法进行改进，提出了基于属性开运算的汽车牌照区域定位算法，通过对灰度图像采用属性开运算，削去满足特定属性的峰部，确定出目标以及少量非目标区域，然后计算出图像的倾斜角及目标区域所在范围；提出了基于小波与形态学的车牌图像分割方法等。上述车牌定位方法具有一定的实用性和参考价值，然而也都有不完善的方面，有待进一步完善。(2) 车牌字符识别研究车牌字符识别实际上就是对车牌上的汉字、字母、数字进行准确确认的过程。车牌字符识别实际

24、上是依附在车牌上的印刷体文字的识别，能否正确识别不仅是文字识别技术的问题，还要考虑其载体车牌区域的影响。车牌字符识别技术是文字识别技术与车牌图像自身因素协调兼顾的综合性技术。由于摄像机的性能、车牌的整洁度、光照条件、拍摄时的倾斜角度及车辆运动等因素的影响使车牌中的字符可能出现比较严重的模糊、歪斜、缺损或污迹干扰，这些都给字符识别带来了难度。文献15给出了基于神经网络的车牌字符识别方法；文献16提出了一种基于模板匹配的车牌识别方法。综合上述方法，文献17提出了基于模板匹配和神经网络的车牌字符识别方法，该方法集成了模板匹配识别车牌字符和神经网络识别车牌字符的各自优势，提高了车牌字符的识别效率。车牌

25、字符识别的研究在技术上虽然取得了很大的突破，然而离实用化的要求还相差很远，许多新方法仅停留在理论和文章上或者限制在比较狭窄的约束范围内，并不能以产品的形式大范围的投入使用。因而车牌字符识别的研究仍然有很长的路要走。1.4 论文的主要工作本文实验的图像是用数码相机拍得的以及从网上收集到的汽车彩色图像 (包括静态的和行驶中的汽车图像)，图像质量比较差，在各种光照条件和自然条件下的汽车图像都有，因此也对本系统的实现增加了难度。在整个车牌自动识别系统中实现高识别率主要有三个部分起着关键的作用：在全车身图像中车牌部分的定位、定位后车牌字符的分割、对单个字符的识别。本文先实现了车牌定位，再对车牌中的字符分

26、割和字符识别，因此本系统由四大部分组成，车辆图像的预处理、车牌区域的定位、车牌字符识别的预处理、车牌字符的识别，系统详细流程图见图1-1。开始输入彩色车辆图像车辆图像的预处理车辆区域的定位车牌字符识别的预处理字符的特征提取车牌字符的识别输出字符识别结果结束将车辆图像放缩至规定尺寸将彩色车辆图像灰度化低通滤波降低噪声Sobel边缘检测水平梯度方向边缘检测图像二值化生成边缘点图图1-1 系统流程图本文的结构是按照系统的流程结构来安排的。第1章 引言。介绍了车牌自动识别系统的研究背景和意义；国内外的研究现状；车牌识别研究的技术特点。第2章 车辆图像的预处理。包括图像的放缩、灰度化、噪声处理、边缘检测

27、、二值化、生成边缘点图等，为下一步车牌定位提供了可靠的依据。第3章 车牌区域的定位。采取了基于边缘点图，根据车牌区域的竖向纹理特征以及车牌自身长宽比、长宽在车辆图像中的比例等信息的方法对车牌进行定位。第4章 车牌字符识别的预处理。首先对得到的车牌进行倾斜度调整，然后利用连通域法分割得到单独的字符，并对字符进行了归一化处理，便于下一步字符识别。第5章 字符的特征提取及识别。利用模板匹配方法，对汉字、字母、数字字符进行快速识别，取得了较高的识别率和可靠性。第6章 车牌识别系统的研制。介绍了系统的设计原则、系统的软硬件环境、系统的结构和功能及实现算法的类和方法。第7章 车牌识别系统运行结果及分析。分

28、别对车牌定位结果、字符分割结果、字符识别结果以及性能进行了分析。结论与展望。对车牌自动识别系统的实现做了一个总结，归纳了本论文所做的工作以及今后系统有待完善之处。2 车辆图像的预处理2.1 图像的灰度化汽车图像样本，目前大都是通过摄像机、数码相机等设备拍摄获取的，因而预处理前的图像都是彩色图像。真彩色图像又称RGB图像，它是利用R、G、B三个分量表示一个像素的颜色，R、G、B分别代表红、绿、蓝3种不同的颜色，通过三基色可以合成出任意颜色。彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度。由于图像的每个像素都具有三个不同的颜色分量，存在许多与识别无关的信息，

29、不便于进一步的识别工作，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。数字图像分为彩色图像和灰度图像。在RGB模型中，如果R = G = B，则颜色表示一种灰度颜色，其中R = G = B的值叫做灰度值。由彩色转换为灰度的过程叫做灰度化处理。灰度图像就是只有强度信息，而没有颜色信息的图像，存储灰度图像只需要一个数据矩阵，矩阵的每个元素表示对应位置的像素的灰度值。彩色图像的像素值为RGB(R, G, B)，灰度图像的像素值为RGB(r, r, r)，R、G、B可由彩色图像的颜色分解获得。而R、G、B的取值范围是0-255，所以灰度的级别只有256级。将彩色图像转化为灰

30、度图像常采用如下的经验公式：gray = 0.30 R + 0.59 G + 0.11 B (2.1)式中，gray为灰度值，R、G、B分别为红色、绿色和蓝色分量。这是由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，这样得到的灰度图像是较为合理的。2.2 图像的增强图像处理的目的是为了将感兴趣的目标突出，因而要采用图像增强技术来提高图像的质量。图像增强是数字图像处理过程中经常要采用的一种方法。为了改善视觉效果或者便于人和机器对图像的理解和分析，根据图像的特点或存在的问题采取的改善方法或者加强特征的措施统称为图像增强。获取和传输图像的过程往往会发生图像失真，所得到图像和原始图

31、像有某种程度的差别。这种差异如果太大，就会影响人和机器对图像的理解。在许多情况下，人们不清楚引起图像降质的具体物理过程及其数学模型，但却能根据经验估计出使图像降质的一些可能原因，针对这些原因采取简便有效的方法，改善图像质量。例如，图像信号变弱会使人们无法看清图像的细节，而采用增强对比度的方法可使图像清晰一些；图像的噪声干扰也容易使图像质量变差，运用平滑技术可以消减噪声；还有一些物理器件或系统工作原理可等效为一积分过程，信号经过这样的器件或系统后要变模糊，这时可使用微分运算突出边界或其他变化的部分，使图像增强。图像增强技术有两类方法：空间域法和频率域法。空间域法主要是在空间域内对图像灰度值直接运

32、算处理。其增强技术可用图2-1和式(2.2)来描述其原理过程。图2-1 空间域增强模型 (2.2)式中，分别为增强处理前后的图像。为空间运算函数。频率域法是在图像的某种变换域内，对图像的变换值进行运算。这是一种间接处理方法。可以用图2-2及式(2.3)来描述图像频率域增强技术的原理过程。正变换逆变换修正图2-2 频率域增强模型(2.3)图2-2中的，分别为处理前后图像，傅立叶变换。对应于修正方法的滤波函数。2.2.1 对比度增强由于所拍摄的车辆图像的质量受天气、光照、观察点等的影响，车辆图像往往会产生对比度不足的弊端，使图像细节分辨不清，影响识别率。因此，需要将车辆图像进行图像灰度扩展，以便改

33、善图像的观察质量，提高字符识别率。对比度增强是按一定的规则修改输入图像每一个像素的灰度，从而改变图像灰度的动态范围。本文采用的增强对比度的方法是灰度概率统计法。灰度概率统计方法的实质是Wallis和Jong Sen Lee提出的用局部均值和方差进行对比度增强的方法。对图像的灰度进行概率修正就是从统计的角度出发，使修改后图像的灰度具有给定数学期望和方差。其计算公式如下： (2.4)式中，为灰度的平均值（数学期望）和灰度标准差（方差）；，为给定的灰度期望和灰度方差。其中，和的计算公式如下： (2.5) (2.6)这里，为图像像素总数。如果按上述方法实现灰度概率修正，存在如下缺点：第一，计算量比较大

34、，而且重复计算较多；第二，在不知道的情况下（一般的值高达几千），的值很难事先确定，不利于今后系统集成时进行参数化控制。事实上，在计算时，最重要的不是和，而是它们的比值。所以，可以将上述计算的公式修改如下： (2.7)式中，表示百分比分子。这样，不仅大大加快了运算，而且参数意义十分明确，的值根据经验给出，本文中取值为192。关键代码分析如下：/第一步, 灰度统计/开辟一个内存区, 记录指定区域的灰度值BYTE* pbyGraySubArea = new BYTEdwPixelSize;if(pbyGraySubArea = NULL) return FALSE;/记录灰度数学期望(平均值, 按W

35、allis and Jong-Sen Lee的方法)int nExpGray = 0;/求出灰度和数学期望(即, 平均值)BYTE* pbyGrayCopy = pbyGraySubArea;for(i = 0;i h;i+)BYTE* pbyRsc = lpbyBits32 + dwBaseIndex;for(j = 0;j w;j+)BYTE b = *pbyRsc+;BYTE g = *pbyRsc+;BYTE r = *pbyRsc+;pbyRsc+;BYTE gray = (BYTE)(WORD)r * 30 + (WORD)g * 59 + (WORD)b * 11) / 100)

36、;*pbyGrayCopy+ = gray;nExpGray += gray;dwBaseIndex += dwWidthBytes;/最后数学期望:nExpGray /= dwPixelSize;/第二步, 灰度修改/重新开始dwBaseIndex = y * dwWidthBytes + 4 * x;pbyGrayCopy = pbyGraySubArea;for(i = 0;i h;i+)BYTE* pbyRsc = lpbyBits32 + dwBaseIndex;for(j = 0;j w;j+)/原像素的灰度BYTE byGraySrc = *pbyGrayCopy+;/原像素的最

37、终灰度int nGrayDst = (m_nPercentage * (int)byGraySrc - nExpGray) / 100 + m_nExpDst;BYTE byGrayDst = (BYTE)(BOUND(nGrayDst, 0, 255);*pbyRsc+ = byGrayDst;*pbyRsc+ = byGrayDst;*pbyRsc+ = byGrayDst; pbyRsc+;dwBaseIndex += dwWidthBytes;delete pbyGraySubArea;return TRUE;对比度增强效果如图2-3所示：图2-3a 车辆的彩色图像 图2-3b 原彩色

38、图像的灰度图 图2-3c 对比度增强后的图像如图2-3b、2-3c，经对比度增强后，明暗对比更加强烈了，图像的细节更加清楚了，各灰度等级的比例更加平衡，改善了图像的质量。2.2.2 图像的平滑图像经对比度增强后，虽然图像的质量得到了增强，但图像本身还存在许多噪声，引起噪声的原因有：在摄像时，由于光学系统失真，相对运动，大气湍流等都会使图像模糊。再如传输过程中，噪声污染图像，或者使机器从图像中提取的信息减少甚至造成错误，因此必须对降质图像进行改善。改善的办法有两类：一类是不考虑图像降质的原因，只将图像中感兴趣的特征有选择地突出，而衰减其它不需要的特征，故改善后的图像不一定要逼近原图像。这类图像改

39、善方法统称为图像增强技术。另一类改善图像办法是针对图像降质原因，设法去补偿降质因素，从而使改善的图像尽可能地逼近原图像，这类图像改善方法统称为图像复原技术。图像平滑是图像增强的一种手段，它的目的是为了消除噪声。噪声并不限于人眼所能看到的失真或变形，有些噪声只有在进行图像处理时才能发现。一般来说，图像的能量主要集中在其低频部分，而车牌的信息主要在高频部分，为了去掉高频干扰，有必要进行图像平滑。可以采用低通滤波的方法来去除噪声。低通滤波的作用是滤去高频成分，保留低频成分，图像的精细结构及突变部分主要由高频成分起作用，噪声频谱一般位于空间频率较高的区域，故经低通滤波后图像的精细结构消失，突变处变模糊

40、，这样就滤除了高频噪声，起到了平滑图像的作用。具体的方法是设计一个空间域系统的单位冲激响应矩阵。 (2.8)式中，为灰度值，为矩阵，又叫低通卷积模板。本文选用。关键代码分析如下：/基本三阶低通滤波光滑处理，低通卷积模板的设置m_nRows = m_nCols = 3;m_nKernelWeight = 16;m_pnKernel = new int9;m_pnKernel0 = m_pnKernel2 = m_pnKernel6 = m_pnKernel8 = 1;m_pnKernel1 = m_pnKernel3 = m_pnKernel5 = m_pnKernel7 = 2;m_pnKer

41、nel4 = 4;/设置卷积核void CConvolutionFilter:SetKernel(const int *pnKernel, int nRows, int nCols)m_dwOperation = IMAGE_GENERAL_CONVOLUTION_FILTER;/保证为奇数m_nRows = 2 * (nRows / 2) + 1;m_nCols = 2 * (nCols / 2) + 1;if(m_pnKernel)delete m_pnKernel;m_pnKernel = new intm_nRows * m_nCols;int i;for( i = 0;i m_nRo

42、ws * m_nCols;i+)m_pnKerneli = 0; m_nKernelWeight = 0;for(i = 0;i nRows;i+)for(int j = 0; j nCols;j+)int index = m_nCols * i + j;m_pnKernelindex = pnKernelnCols * i + j;m_nKernelWeight += m_pnKernelindex;噪声处理效果图如图2-4所示： 图2-4a 未去噪声的灰度图 图2-4b 低通滤波去噪后的灰度图如图2-4a、2-4b，经低通滤波后，图像平滑了很多，滤去了高频噪声，为图像的下一步处理打下了良好

43、基础。2.3 图像的边缘检测从车辆图像中正确分割出车牌区域是车牌识别中最为关键的步骤之一。所谓图像分割就是要根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将待识别的目标从背景或其它伪目标中分离出来。图像分割是图像提取得重要组成部分，只有有效地完成分割，才能进一步提取目标特征并识别目标。为了完成好这关键性的一步，有一些必要的前期工作要做,其中一个重要的工作就是边缘检测。在这里，要分割的目标就是车牌图像，由于车牌图像具有一定的特殊性，在进行边缘检测之前，要对车牌图像的特征进行分析，所有的车辆牌照都具有下列一些共同特征：(1) 图像上有大量长短不一、类似直线与长方形的区域，还有一

44、些灰度特征类似于文字区域的汽车厂商标志区域。(2) 车牌文字周围有一个类似于长方形的边框，其厚度不一，而且有断裂处，有时候弯曲度比较大。(3) 文字大小统一，排列成行，由于拍摄原因有一定程度倾斜，文字与背景之间有明显灰度对比。根据以上车牌图像的特点，利用车牌中字符和车牌背景的相对特性，即字符竖向纹理的分割方法，能够对各类车辆图像实现很好的分割效果。因此，在对车辆图像进行边缘检测的时候，要经过两个步骤：初步边缘检测和水平梯度方向边缘检测。这样得到的图像中就留下了大量的竖向边缘特征，为后面准确的车牌定位提供了最根本的依据。2.3.1 初步的边缘检测图像分割的一种重要途径是通过边缘检测，即检测灰度级

45、具有突变的地方。这样的地方表明一个区域的终结，也是另一个区域的开始，这种不连续性称为边缘。边缘检测不仅用于图像分割，也是纹理分析等其它图像分析的重要信息源和形状特征基础。需要说明的是：边缘与物体间的边界并不等同，边缘指的是图像中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。一幅图像中，有可能有边缘的地方并非边界，也有可能物体的边界在图像中不成为边缘，这是因为现实中的物体是三维的，而图像只有二维信息，从三维到二维的投影成像不可避免的会丢失一部分信息；另外成像过程中的光照和噪声也是不可避免的重要因素。经典的边缘提取方法是考察图像的每个像素点在某个区域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律检测边缘。这种方法为边缘检测局部算子法。边缘的种类分为两种：一是阶跃边缘，它两边像素的灰度值有着显著的不同；一是屋顶边缘，它位于灰度值从增加到减少（或从减少到增加）的变化的转折点。边缘检测算子检查每个像素的领域并对灰度变化率进行量化，通常也包括方向的确定。有若干种方法可以使用，其中大多数是基于方向导数掩模求卷积的方法。下面将介绍几种常用的边缘检测方法：(1) Laplacian算子：考虑二阶差分并将其写成模板格式来表示。 (2.9)(2.10) 写成模板格式就是：