《光电图像处理课程设计档.doc》由会员分享，可在线阅读，更多相关《光电图像处理课程设计档.doc（12页珍藏版）》请在金锄头文库上搜索。
1、审定成绩：光电图像处理课程设计报告 题 目：汽车车牌的预处理研究学生姓名班 级0703院 别物理与电子学院专 业电子科学与技术学 号指导老师王晓明设计时间2010.12一目的与要求将图像处理的知识与实际应用相挂钩，培养自己动手能力二设计内容在MATLAB环境下设计一个系统完成以下基本功能1、能对图像文件进行打开、保存、另存、打印、退出等功能操作； 2、图像预处理功能：（1）直方图的统计及绘制，根据此找到图像的阈值点；（2）对图像进行各种几何变换；（3）彩色图像的灰度化变换等、一般灰度图像的二值化处理等；（4）数字图像的增强处理功能：空域中的点运算、直方图的均衡化、各种空间域平滑算法（如局部平滑
2、滤波法、中值滤波等）、锐化算法（如梯度锐化法、高通滤波等）； 3、 车牌的定位此系统主要是对含有汽车车牌的图像进行预处理，并对车牌进行定位。三设计方案车牌识别系统包括摄取的汽车图像，车牌号码的识别，车牌图像的采集和预处理，牌照区域的定位和提取，牌照字符的再处理等几个部分组成，如下图所示。车牌分割车牌定位预处理输入图像输出结果进一步处理图1 车牌识别系统流程图四、设计步骤车牌识别过程大体可以分为3个步骤：图像预处理，车牌定位和分割、牌照字符的再处理（一）、预处理及边缘提取 一般情况下，采集到的图像有由于光线过强，或者偏弱都会不理想的情况，这些都会对后续的图像处理产生影响。以及车速的不稳定等因素都
3、会不同程度地影响图像效果，出现模糊、歪斜和缺损等严重缺陷，车牌字符边界模糊、细节不清、笔画断开、粗细不均等现象，从而影响车牌区域分割与字符识别的工作，所以识别前需要对原始图象进行预处理。输入车牌图象灰度校正平滑处理提取边缘 图2 预处理及边缘提取流程图 1、图象的采集与转换现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，利用不同的色彩通道就可以将区域与背景明显地区分出来，例如，对蓝底白字这种最常见的牌照，采用蓝色B 通道时牌照区域为一亮的矩形，而牌照字符在区域中并不呈现。因为蓝色（255，0，0）与白色（255，255，255）在B 通道中并无区分，
4、而在G、R 通道或是灰度图象中并无此便利。同理对白底黑字的牌照可用R 通道，绿底白字的牌照可以用G 通道就可以明显呈现出牌照区域的位置，便于后续处理。对于将彩色图象转换成灰度图象时，图象灰度值可由下面的公式计算： G=0.110B+0.588G+0.302R （1） G= 其MATLAB程序为：I=imread(E:car.jpg);%读取图像I1=rgb2gray(I);subplot(1,2,1),imshow(I) %输出图像title(原始图像) %在原始图像中加标题subplot(1,2,2),imshow(I1) %输出图像title(灰度图像) %在灰度图像中加标题 2、边缘提取
5、边缘是指图像局部亮度变化显著的部分，是图像风、纹理特征提取和形状特征提取等图像分析的重要基础。所以在此我们要对图像进行边缘检测。图象增强处理对图象牌照的可辩认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的。增强图象对比度度的方法有：灰度线性变换、图象平滑处理等。（1）灰度校正由于牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不完全匹配，这将直接影响到图象的后续处理。如果造成这种影响的原因主要是由于被摄物体的远近不同，使得图象中央区域和边缘区域的灰度失衡，或是由于摄像头在扫描时各点的灵敏度有较大的差异而产生图象灰度失真，或是由于曝光不足而使得图像的灰度变化范围很
6、窄。这时就可以采用灰度校正的方法来处理，增强灰度的变化范围、丰富灰度层次，以达到增强图象的对比度和分辨率。我们发现车辆牌照图象的灰度取值范围大多局限在r=(50,200)之间，而且总体上灰度偏低，图象较暗。根据图象处理系统的条件，最好将灰度范围展开到s=(0,255)之间，为此我们对灰度值作如下的变换： s = T(r) r=r min,，r max使得SSmin, Smax,其中，T为线性变换： （3）若 r(50,200)、s(0，255)则： （4） 图5 灰度线性变换其MATLAB程序为：I=imread(E:car.jpg);%读取图像I1=rgb2gray(I);subplot(2
7、,2,1),imshow(I1) %输出图像title(灰度图像) %在原始图像中加标题J = histeq(I1，256);subplot(2,2,2),imshow(J) %输出图像title(灰度校正图像) %在灰度图像中加标题subplot(2,2,3),imhist(I1)title(灰度图像直方图)subplot(2,2,4); imhist(J)title(灰度校正图像直方图) （2）平滑处理对于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量，因此可以在通过低4325i,j167823i,j14通滤波器来滤除噪声，但实际中为了简化算法，也可以直接在空域中用求邻域平均值的
8、方法来削弱噪声的影响，这种方法称为图象平滑处理。例如，某一象素点的邻域S 有两种表示方法：8邻域和4邻域分别对应的邻域平均值为， 图7 8 -邻域、4 -邻域模板 （5）其中，M 为邻域中除中心象素点f(i,j) 之外包括的其它象素总数，对于4邻域M=4，8 邻域M=8。然而，邻域平均值的平滑处理会使得图象灰度急剧变化的地方，尤其是物体边缘区域和字符轮廓等部分产生模糊作用。为了克服这种平均化引起的图象模糊现象，我们给中心点象素值与其邻域平均值的差值设置一固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原来的值，从而减少由于平均化引起的图象模糊。边缘提取是较经典的算
9、法，此处边缘的提取采用的是Roberts算子。其MATLAB程序为：I=imread(E:car.jpg);%读取图像J=rgb2gray(I);I1 = histeq(J);newGrayPic= I1; m,n=size(I1); robertsNum=0; %roberts算子的计算值 threshold=15; %阈值 for i=1:m-1 %进行边界提取 for j=1:n-1 robertsNum = abs(I1(i,j)-I1(i+1,j+1) + abs(I1(i+1,j)-I1(i,j+1); if(robertsNum threshold) newGrayPic(i,j
10、)=255; else newGrayPic(i,j)=0; end end end figure,imshow(newGrayPic);（二）、牌照的定位和分割牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。由于牌照图象在原始图象中是很有特征的一个子区域，确切说是水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘形成了灰度突变的边界，这样就便
11、于通过边缘检测来对图象进行分割。对图像进行腐蚀去除杂质通过计算寻找X和Y方向车牌的区域完成车牌定位对分割出的车牌做进一步处理 图10 牌照定位于分割流程图1、牌照区域的定位牌照图象经过了以上的处理后，牌照区域已经十分明显，而且其边缘得到了勾勒和加强。此时可进一步确定牌照在整幅图象中的准确位置。这里选用的是数学形态学的方法，其基本思想是用具有一定形态的机构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形态特征，并除去不相干的结构。在本程序中用到了膨胀和闭合这两个基本运算，最后还用了bwareaopen来去除对象中不相干的小对象。其M
12、ATLAB程序为：I=imread(E:carjiance.jpg);%边缘检测图se=1;1;1; %线型结构元素 I1=imerode(I,se); %腐蚀图像subplot(1,3,1),imshow(I1),title(腐蚀后边缘图像);se=strel(rectangle,25,25); % 矩形结构元素I2=imclose(I1,se);%图像聚类、填充图像subplot(1,3,2),imshow(I2),title(填充后图像);I3=bwareaopen(I2,2000);%去除聚团灰度值小于2000的部分subplot(1,3,3),imshow(I3),title(形态滤
13、波后图像);2、牌照区域的分割对车牌的分割可以有很多种方法，本程序是利用车牌的彩色信息的彩色分割方法。根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色RGB对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然后，在分割出的行区域内，统计列方向蓝色像素点的数量，最终确定完整的车牌区域。I=imread(E:car.jpg);%读取图像figure(); subplot(3,2,1),imshow(I), title(原始图像);I1=rgb2gray(I);%转化为灰度图像subplot(3,2,2),imshow(I1),title(灰度图像);I2=edge(I1,robert,0.09,both);%采用robert算子进行边缘检测subplot(3,2,3),imshow(I2),title(边缘检测后图像);se=1;1;1; %线型结构元素 I3=
