車牌識別系統(tǒng)

1、 編號 200602422006024207南京航空航天大學(xué)金城學(xué)院南京航空航天大學(xué)金城學(xué)院畢畢業(yè)業(yè)設(shè)設(shè)計計題 目車牌識別系統(tǒng)的設(shè)計與實現(xiàn)學(xué)生姓名趙云學(xué) 號2006024207系 部信息工程系專 業(yè)計算機科學(xué)與技術(shù)班 級20060242指導(dǎo)教師李靜 副教授二一年六月南京航空航天大學(xué)金城學(xué)院南京航空航天大學(xué)金城學(xué)院本科畢業(yè)設(shè)計（論文）誠信承諾書本科畢業(yè)設(shè)計（論文）誠信承諾書本人鄭重聲明：所呈交的畢業(yè)設(shè)計（論文） （題目： ）是本人在導(dǎo)師的指導(dǎo)下獨立進行研究所取得的成果。盡本人所知，除了畢業(yè)設(shè)計（論文）中特別加以標(biāo)注引用的內(nèi)容外，本畢業(yè)設(shè)計（論文）不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。

2、作者簽名： 年 月 日 （學(xué)號）： 畢業(yè)設(shè)計（論文）報告紙 i車牌識別系統(tǒng)的設(shè)計與實現(xiàn)摘 要智能交通系統(tǒng)是 21 世紀(jì)道路交通管理的發(fā)展趨勢。高速公路的不斷發(fā)展和車輛管理體制的不斷完善，為智能交通管理系統(tǒng)進入實際應(yīng)用領(lǐng)域提供了契機。牌照自動識別監(jiān)控系統(tǒng)正是在這種應(yīng)用下研制出來的，它能夠自動、實時地檢測車輛、識別汽車牌照，從而監(jiān)控車輛的收費、闖關(guān)、欠費以及各種舞弊現(xiàn)象。作為智能交通系統(tǒng)的重要組成部分，汽車牌照識別技術(shù)（License Plate Recognition, LPR，簡稱“車牌通”）是一個以特定目標(biāo)為對象的專用計算機視覺系統(tǒng)，該系統(tǒng)能從一幅圖像中自動提取出車牌圖像，自動分割字符，進而

3、對字符進行識別，它運用模式識別、人工智能技術(shù)，對采集到的汽車圖像，能夠?qū)崟r準(zhǔn)確地自動識別出車牌的數(shù)字、字母及漢字字符，并以計算機可直接運行的數(shù)據(jù)形式給出識別結(jié)果，使得車輛的電腦化監(jiān)控和管理成為現(xiàn)實。關(guān)鍵詞：牌照識別，智能交通管理系統(tǒng)，車牌定位，字符分割 畢業(yè)設(shè)計（論文）報告紙 iiLicense Plate Location and Recognition SystemAbstractIntelligent Transportation System is a developing trendence of Transportation Management in the 21st centu

4、ry. The expressway is developing constantly, and vehicle management system is perfecting. It has offered the opportunity for the fact that the Management System of the intelligent transportation entering the application actually. The License Plate Recognition system just developed out under this app

5、lication, it can measure vehicle , discern automobile license plate automaticly in real-time, thus control charge of vehicle, make a breakthrough, owe fee and various kinds of not to practice fraud the phenomenon. Important component as the intellectual traffic system, LPR is a computer visual syste

6、m for special purpose of object, this system can draw License Plate image and separate character automaticly from a image , and then distinguishes for characters, it utilizes template recognition and the technology of artificial intelligence, that automobile image carries out that arrives for collec

7、tion can distinguish character, character and the figure of License Plate accurately, may give identification result with data directly, make the monitoring of vehicle become realistic.Key words：LPR( License Plate Recognition); ITS (Intelligent Transportation System) ;template operation 畢業(yè)設(shè)計（論文）報告紙

8、iii目 錄摘 要.IABSTRACT.II第一章緒 論 .11.1 引言.11.2 研究背景及意義.11.3 論文主要研究內(nèi)容.3第二章 車牌識別系統(tǒng)簡介.42.1 車牌識別系統(tǒng)概述.42.2 圖像的灰度化.52.3 圖像的二值化和閾值處理.62.4 圖像的銳化.72.5 圖像的去噪.72.6 灰度拉伸.72.7 圖像的傾斜矯正.72.8 車牌字符分割.82.9 字符識別.8第三章 LPR 系統(tǒng)的設(shè)計與分析 .93.1 引言.93.2 LPR 中的關(guān)鍵技術(shù)及其算法實現(xiàn).93.2.1 車牌區(qū)域提取.93.2.2 牌照圖像二值化.233.2.3 模板運算.29第四章 系統(tǒng)實現(xiàn).324.1 主要數(shù)

9、據(jù)結(jié)構(gòu).324.2 硬件支持.324.3 軟件的安裝及系統(tǒng)的實現(xiàn).33第五章 總 結(jié).35參考文獻.36致 謝.37 畢業(yè)設(shè)計（論文）報告紙 1第一章緒 論1.1 引言伴隨著世界各國汽車數(shù)量的增加，城市交通狀況日益受到人們的重視。如何有效地進行交通管理，越來越成為各國政府和有關(guān)部門關(guān)注的焦點。針對此問題，人們運用先進的科學(xué)技術(shù)，相繼研制開發(fā)出了各種交通道路監(jiān)視、管理系統(tǒng)、車輛控制系統(tǒng)及公共交通系統(tǒng)。從系統(tǒng)的觀點出發(fā)，把車輛和道路綜合起來考慮，運用各種高新技術(shù)系統(tǒng)解決道路交通問題的思想就是 ITS(Intelligent Transportation System)智能交通管理系統(tǒng)。1.2 研究

10、背景及意義ITS 是 90 年代興起的新一代交通運輸系統(tǒng)。它利用先進的信息處理技術(shù)、導(dǎo)航定位技術(shù)、無線電通信技術(shù)、自動控制技術(shù)、圖像分析技術(shù)及計算機網(wǎng)絡(luò)和處理技術(shù)等加強道路、車輛、駕駛員和管理人員的聯(lián)系，實現(xiàn)道路交通管理的“自動化”和車輛行駛的“智能化” ，增強運輸安全，減少交通堵塞，增加車輛機動性和路面運輸效率，減少環(huán)境污染，節(jié)約能源，提高經(jīng)濟活力。在智能交通系統(tǒng)中，交通信息服務(wù)系統(tǒng)是重要的組成部分，也是整個智能交通系統(tǒng)順利運作的關(guān)鍵和基礎(chǔ)。其中交通信息的獲取、采集、傳輸和處理，是一個關(guān)鍵的問題，然而要做到這一點，首先必須把車輛的身份識別出來。當(dāng)車輛經(jīng)過某一特定地點時，自動將該車的身份識別出

11、來的技術(shù)統(tǒng)稱為車輛自動識別系統(tǒng) (AVI: Automatic Vehicle Identification)。在實際的運用中由于車牌作為汽車的標(biāo)示具有唯一性，知道了車牌號，車輛的所有信息(如車種、車主等)便一目了然，如果能實時識別交通網(wǎng)上所有正在運行的汽車車牌并將其匯總，就可以為交通流誘導(dǎo)系統(tǒng)、交通控制和管理系統(tǒng)提供最詳盡的信息。所以車輛牌照自動識別系統(tǒng)(License plate Automatic Recognition System，LARS)作為智能交通系統(tǒng)的重要組成部分，在交通、治安、管理等方面有著廣泛的應(yīng)用。車輛牌照識別(License Plate Recognition)簡 畢

12、業(yè)設(shè)計（論文）報告紙 2稱 LPR)的快速、準(zhǔn)確實現(xiàn)對于交通管理、治安處罰等工作的智能化起著非常重要的作用。目前的車牌識別方法主要是針對車輛自動注冊和收費，停車場管理等場合，所監(jiān)視的區(qū)域一般只有單一車輛，背景比較簡單。在我國的許多運用場合監(jiān)視區(qū)域比較復(fù)雜，現(xiàn)有的方法無法直接運用，比如，高速公路的監(jiān)視與監(jiān)控，城市要道的監(jiān)視于監(jiān)控，所監(jiān)控的區(qū)域一般同時會出現(xiàn)多輛汽車，背景也比較復(fù)雜。另外，車輛牌照識別系統(tǒng)是全天候的，若沒有理想的補充光照明，自然光照度的晝夜變化會引起牌照圖像的對比度嚴(yán)重不足，使圖像中牌照字符分辨不清，甚至根本無法定位和分割，更無法識別。針對這些，該技術(shù)在我國現(xiàn)狀下還有著很大的發(fā)展空

13、間。運用圖像處理技術(shù)解決汽車牌照識別的研究國內(nèi)外都有，最早出現(xiàn)于 01 年代，這個階段是采用簡單的圖像處理技術(shù)來解決，識別過程是使用工業(yè)電視攝像機拍下汽車的正前方圖像，然后交給計算機進行簡單處理，并且最終仍需要人工干預(yù)。國外汽車牌照識別系統(tǒng)研究工作已有一定進展，但并不盡合我國國情，這主要是以下五個方面的原因：（1）我國標(biāo)準(zhǔn)汽車牌照是由漢字，英文字母和阿拉伯?dāng)?shù)字組成；漢字的識別與字母和數(shù)字的識別有很大的不同；從而增加了識別的難度。（2）國外許多國家汽車牌照的底色和字符顏色通常只有對比度較強的兩種顏色，例如韓國，其車牌底色為紅色，車牌上的字符為白色，而我國汽車牌照僅底色就有藍(lán)、黃、黑、白等多種顏色

14、；字符顏色也有黑、紅、白等若干種顏色。（3）其他國家的汽車牌照格式,如汽車牌照的尺寸大??；牌照上字符的排列等通常只有一種，而我國則根據(jù)不同車輛、車型、用途，規(guī)定了多種牌照格式,例如分為軍車、警車、普通車等。（4）我國汽車牌照的規(guī)范懸掛位置不唯一。（5）由于環(huán)境道路或人為因素造成汽車牌照污染嚴(yán)重，這種情況下國外發(fā)達(dá)國家不允許上路，而在我國仍可上路行駛!由于我國汽車車牌識別的特殊性，采用任何一種單一識別技術(shù)均難以奏效！目前正在研制的無源型汽車牌照智能識別系統(tǒng)綜合利用了車輛檢測技術(shù)、計算機視覺技術(shù)、圖像處理技術(shù)、人工智能技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)等，是一個比較有發(fā)展前途的車牌識別系統(tǒng)。我國從 70 年代

15、開始在傳統(tǒng)的交通運輸和管理中應(yīng)用了電子信息技術(shù)，隨著社會的發(fā)展 畢業(yè)設(shè)計（論文）報告紙 3與進步，我國道路在未來 20 年內(nèi)仍然處于建設(shè)狀態(tài)，這期間正是智能交通系統(tǒng)在全世界進入全面設(shè)施階段，因此我國需要根據(jù)公路交通的實際需要探討在我國公路網(wǎng)中應(yīng)用智能交通系統(tǒng)來提高交通效率，保障安全和保護環(huán)境。1.3 論文主要研究內(nèi)容本文對車牌識別系統(tǒng)進行了比較詳盡的探討和研究，車牌識別技術(shù)的關(guān)鍵是：車牌識別系統(tǒng)中的預(yù)處理、車牌定位、字符分割與識別等。基于以上研究的主要技術(shù)，下面將依次介紹。本論文的主要章節(jié)和內(nèi)容安排如下：（1）第二章首先總體介紹了車牌識別系統(tǒng)，然后分別介紹了常用車牌識別系統(tǒng)所用到的相關(guān)技術(shù)；（

16、2）第三章介紹了 LPR 系統(tǒng)的設(shè)計與分析；（3）第四章介紹了車牌識別系統(tǒng)的實現(xiàn)；（4）第五章總結(jié)。 畢業(yè)設(shè)計（論文）報告紙 4第二章 車牌識別系統(tǒng)簡介2.1 車牌識別系統(tǒng)概述整個識別系統(tǒng)中要用到的硬件主要有攝像頭、感應(yīng)器和計算機。車牌識別系統(tǒng)的軟件部分主要分為四大塊，即預(yù)處理、車牌定位、車牌字符的分割和字符識別。原始圖像圖形預(yù)處理邊緣提取車牌定位字符分割字符識別圖 2.1 系統(tǒng)流程圖原始圖像 ：由停車場固定彩色攝像機、數(shù)碼相機或其它掃描裝置拍攝到的圖像。圖像預(yù)處理：對動態(tài)采集到的圖像進行濾波，邊界增強等處理以克服圖像干擾。邊緣提取 ：通過微分運算，二值化處理，得到圖像的邊緣。車牌定位 ：計算

17、邊緣圖像的投影面積，尋找峰谷點，大致確定車牌位置，再計算此連通域內(nèi)的寬高比，剔除不在域值范圍內(nèi)的連通域。最后得到的便為車牌區(qū)域。字符分割 ：利用投影檢測的字符定位分割方法得到單個的字符。字符識別 ：利用模板匹配的方法與數(shù)據(jù)庫中的字符進行匹配從而確認(rèn)出字符，得到最后的汽車牌照，包括英文字母和數(shù)字。當(dāng)車輛通過時，車輛檢測裝置受到觸發(fā)，啟動圖像采集設(shè)備獲取車輛的正面或反面圖像，并將圖像傳至計算機，由車牌定位模塊提取車輛的牌照，字符分割模塊對車牌上的字符進行切分，最后由字符識別模塊進行字符識別并將結(jié)果輸出。程序流程圖見圖 1.2。車牌字符的分割技術(shù)是本次設(shè)計的主要研究內(nèi)容。在系統(tǒng)分析常用的分割算法的基

18、礎(chǔ)上，結(jié)合二次水平投影、垂直投影、直線擬合、圖像旋轉(zhuǎn)、和閾值技術(shù)，實現(xiàn)車牌字符分割，得到單個的字符圖像。為了能更好的對字符進行分割，文中還提出了車牌的矯正和邊框的去除，便于調(diào)試，結(jié)果一目了然。 畢業(yè)設(shè)計（論文）報告紙 5預(yù) 處 理車牌定位和 提 取字符的分割字 符 識 別灰 度 化二 值 化濾 波區(qū)域特征的計算水 平 投 影 和垂 直 投 影字 符 歸 一 化模 板 匹 配圖 2.2 程序流程圖2.2 圖像的灰度化汽車圖像樣本目前大都是通過攝像機、數(shù)碼相機等設(shè)備拍攝獲取的，因而預(yù)處理前的圖像都是彩色圖像。彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度，因

19、此在對圖像進行識別等處理中經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理?；叶葓D像就是只有強度信息而沒有顏色信息的圖像，存儲灰度圖像只需要一個數(shù)據(jù)矩陣，矩陣每個元素表示對應(yīng)位置像素的灰度值。彩色圖像的像素色為 RGB(R，G，B)，灰度圖像的像素色為 RGB(r，r，r),R，G，B 可由彩色圖像的顏色分解獲得。而 R，G，B 的取值范圍是 0255，所以灰度的級別只有 256 級。從圖像輸入裝置得到的圖像數(shù)據(jù)，以濃淡表示，各個像素與某一灰度值相對應(yīng)。設(shè)原圖像像素的灰度值 D = f（x，y） ，處理后圖像像素的灰度值 D=g（x，y） ，則灰度增強可表示為

20、：g（x，y）=Tf（x，y） 或 D=T（D） （2.1） 畢業(yè)設(shè)計（論文）報告紙 6要求 D 和 D都在圖像的灰度范圍之內(nèi)。函數(shù) T（D）稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系。一旦灰度變換函數(shù)確定，則確定了一個具體的灰度增強方法。圖像中每一點的運算就被完全確定下來?；叶茸儞Q函數(shù)不同，即使是同一圖像也會得到不同的結(jié)果。選擇灰度變換函數(shù)應(yīng)該根據(jù)圖像的性質(zhì)和處理目的來決定。選擇的標(biāo)準(zhǔn)是經(jīng)過灰度變換后，像素的動態(tài)范圍增加，圖像的對比度擴展，使圖像變得更加清晰、細(xì)膩、容易識別。2.3 圖像的二值化和閾值處理二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。在數(shù)字圖像處理中，二值

21、圖像占有非常重要的地位。在實際的車牌處理系統(tǒng)中，進行圖像二值變換的關(guān)鍵是要確定合適的閥值，使得字符與背景能夠分割開來，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等等。車牌識別系統(tǒng)要求處理的速度高、成本低、信息量大，采用二值圖像進行處理，能大大地提高處理效率。二值化的閾值選取有很多方法，主要分為三類：全局閾值法、局部閾值法和動態(tài)閾值法。全局閾值二值化方法是根據(jù)圖像的直方圖或灰度的空間分布確定一個閾值，并根據(jù)該閾值實現(xiàn)灰度圖像到二值化圖像的轉(zhuǎn)化。全局閾值方法的優(yōu)點在于算法簡單，對于目標(biāo)和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對輸入圖像量化噪聲或不均

22、勻光照等情況抵抗能力差，應(yīng)用受到極大限制。局部閾值法則是由象素灰度值和象素周圍點局部灰度特性來確定象素的閾值的，Bernsen 算法是典型的局部閾值方法，非均勻光照條件等情況雖然影響整體圖像的灰度分布卻不影響局部的圖像性質(zhì)，局部閾值法也存在缺點和問題，如實現(xiàn)速度慢、不能保證字符筆劃連通性、以及容易出現(xiàn)偽影現(xiàn)象等。動態(tài)閾值法的閾值選擇不僅取決于該象素灰度值以及它周圍象素的灰度值，而且還和該象素的坐標(biāo)位置有關(guān)，由于充分考慮了每個像素鄰域的特征，能更好的突出背景和目標(biāo)的邊界，使相距很近的兩條線不會產(chǎn)生粘連現(xiàn)象。 閾值處理的操作過程是先由用戶指定或通過算法生成一個閾值，如果圖像中某中像素的灰度值小于該

23、閾值，則將該像素的灰度值設(shè)置為 0 或 255，否則灰度值設(shè)置為 255 或 0。閾值化的變換函數(shù)表達(dá)式如下： （2.2）TxTxxf,255, 0)( 畢業(yè)設(shè)計（論文）報告紙 7式中 T 為指定的閾值。比它大就是白，比它小就是黑。2.4 圖像的銳化由于需要處理的圖像由拍攝而來，所以在很多情況下字符模糊，對識別造成了一定的困難，所以要對圖像進行銳化處理使模糊的圖像變的清晰，圖像銳化的實質(zhì)就是增強圖像的邊緣或輪廓，其銳化后的結(jié)果通過微分而使圖像邊緣突出、清晰。圖像銳化的方法有兩種：梯度銳化法和高通濾波法。其中梯度銳化法比較常用。2.5 圖像的去噪圖像可能在拍攝或者傳輸過程中夾帶了噪聲，去噪聲是圖

24、像處理中常用的手法。通常去噪用濾波的方法，比如中值濾波、均值濾波。為了抑制噪聲，通常我們會采用低通濾波，但由于邊緣輪廓也包含大量的高頻信息，所以低通濾波在過濾噪聲的同時，也使得邊界變模糊，反之，低通濾波后為了提高邊緣輪廓，還需要使用高通濾波，這時存在的噪聲也得到了增強，然而中值濾波在過濾噪聲的同時也很好的保護到了邊緣輪廓，因此常用中值濾波的方法來去噪。2.6 灰度拉伸若有一幅圖，由于拍攝光照不足，使得整幅圖偏暗（例如，灰度范圍從 0-55） ，或者拍攝時光照過強，使得整幅圖偏亮（灰度范圍從 200-255） ，這些情況都是屬于低對比度，即灰度都擠在一起，沒有拉開。灰度拉伸的意思就是把感興趣的灰

25、度范圍拉開，使得該范圍內(nèi)的像素，亮的更亮，暗的更暗，從而達(dá)到了增強對比度的目的。2.7 圖像的傾斜矯正由于拍攝時鏡頭與牌照的角度、車輛的運動及路面的狀況等因素的影響，例如車牌在捕捉圖像中的位置不固定，捕捉圖像時車頭或者鏡頭發(fā)生擺動以及車牌本身就掛歪了或路況較差，都可能使拍攝到的車牌圖像有一定的傾斜度，為了正確識別需要進行傾斜度校正，否則 畢業(yè)設(shè)計（論文）報告紙 8將無法進行單個字符的正確分割，字符識別的誤差率就會上升。但是若以某個固定的經(jīng)驗值對所有牌照統(tǒng)一進行旋轉(zhuǎn)處理，又會使原本正常的牌照傾斜，導(dǎo)致新的錯誤。因此有必要針對特定的牌照圖像提取其傾斜角度，再加以相應(yīng)的旋轉(zhuǎn)處理。如何從牌照中自動提取

26、其傾斜度是預(yù)處理過程中的一個難點，一般使用 Hough 變換檢測圖像中的直線來對圖像的傾斜進行相應(yīng)的矯正。Hough 變換具有明了的幾何解析性，一定的抗干擾能力和易于實現(xiàn)并處理等優(yōu)點：但它存在著計算量大，需要巨大的儲存空間等問題，所以不適合用在具有一定實時性要求的圖像處理中。針對這個問題，Radon 變換可以滿足一定實時圖像處理的要求。2.8 車牌字符分割經(jīng)過上面一系列預(yù)處理后，得到的是一條上下邊緣緊貼字符的水平二值圖像，其中，車牌的背景像素為白色，用 1 表示；車牌的字符像素為黑色，用 0 表示。在識別時系統(tǒng)只能根據(jù)每個字符的特征來進行判斷，為了最終能準(zhǔn)確識別牌照上的漢字、英文字母及數(shù)字，必

27、須將單個字符從矯正的牌照中逐個提取分離出來。2.9 字符識別進行車牌識別前需要使用樣本對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對車牌進行識別。其具體流程為：使用漢字、字母、字母數(shù)字、數(shù)字四個樣本分別對四個子網(wǎng)絡(luò)進行訓(xùn)練，得到相應(yīng)的節(jié)點數(shù)和權(quán)值。對已經(jīng)定位好的車牌進行圖像預(yù)處理，逐個的特征提取，然后從相應(yīng)的文件中讀取相應(yīng)的節(jié)點數(shù)和權(quán)值，把車牌字符分別送入相應(yīng)的網(wǎng)絡(luò)進行識別，輸出識別結(jié)果。 畢業(yè)設(shè)計（論文）報告紙 9第三章 LPR 系統(tǒng)的設(shè)計與分析3.1 引言我國機動車使用的牌照主要是根據(jù)公安部一九九二年頒布的中華人民共和國機動車號牌標(biāo)準(zhǔn)（GA36-92）制作的。此外部隊、武警等部門的汽車牌照也有

28、自己的標(biāo)準(zhǔn)，但是無論哪種汽車牌照都由下列基本元素組成：1、漢字（牌照中包括的漢字大約 60 個） （京、津、晉、冀、蒙、遼、吉、黑、滬、蘇、浙、皖、閩、贛、魯、豫、鄂、湘、粵、桂、瓊、川、貴、云、藏、陜、甘、青、寧、新、渝、甲、乙、丙、丁、戊、己、庚、辛、壬、癸、子、丑、寅、卯、辰、巳、未、申、酉、戍、亥、警、學(xué)、特、使、領(lǐng)、港、澳）2、英文字母（A-Z）3、數(shù)字（0-9）4、顏色（藍(lán)、黃、白、黑）3.2 LPR 中的關(guān)鍵技術(shù)及其算法實現(xiàn)3.2.1 車牌區(qū)域提取車輛牌照能否正確從車輛圖像中提取是自動識別的前提，所以圖像提取需要極高的正確性。該技術(shù)從汽車圖像中提取牌照區(qū)域牌照坐標(biāo)，以供下一步識別

29、牌照字符。如下圖顯示了具體一幅車輛圖片的牌照提取過程。其中用到了大量的數(shù)字圖像處理算法，包括圖像的彩色圖到灰度圖的變換，灰度拉伸，均衡，邊緣卷積算子，文理特征提取，去噪，濾波等。 畢業(yè)設(shè)計（論文）報告紙 10圖 3.1 車牌區(qū)域提取圖牌照提取過程：從車輛圖像中正確分割出牌照區(qū)域是牌照識別中最為關(guān)鍵的步驟之一。所謂圖像分割就是根據(jù)目標(biāo)與背景的的先驗知識，對圖像中的目標(biāo)、背景進行標(biāo)記、定位，然后將待識別的目標(biāo)從背景或其他偽目標(biāo)中分離出來。圖像分割是圖像提取的重要組成部分，只有有效地完成分割，才能進一步提取目標(biāo)特征并識別目標(biāo)。這里的目標(biāo)就是車輛牌照，所有的車輛牌照都具有一些共同特征：1圖像上有大量長

30、短不一類似直線與長方性的區(qū)域，還有一些灰度特征類似于文字區(qū) 畢業(yè)設(shè)計（論文）報告紙 11域的汽車廠商標(biāo)志區(qū)域。2牌照文字周圍有一個類似于長方形的邊緣框，其厚度不一，而且有斷裂處，有時候彎曲度比較大。3文字大小統(tǒng)一，排列成行，由于拍攝原因有一定程度傾斜，文字與背景之間有明顯灰度對比。根據(jù)處理牌照的類型和特點，有許多牌照分割方法，如字符豎向紋理統(tǒng)計，彩色分類，神經(jīng)網(wǎng)絡(luò)，矢量量化，模板匹配等方法。然而，由于汽車圖像往往在復(fù)雜的自然環(huán)境中得到，所以很多分割方法都會失去作用。水平差分算子對汽車圖像求梯度X=XnXn-1對二維圖像而言水平梯度為：G（Xn，Yn）=|F（Xn，Yn）F（Xn-1，Yn）|由

31、于牌照一般是由字符、背景和邊框組成，在字符與背景處就形成了較強的邊緣。車輛灰度圖：圖 3.2 水平梯度圖 畢業(yè)設(shè)計（論文）報告紙 12通過選定一個閾值，對梯度圖上大于此值的點記為邊緣點，把一段連續(xù)的邊緣點取其第一個點，定義這個點為跳變點。對水平方向邊緣點的掃描，可以得出此行上跳變點的分布。對整幅圖掃描就得到全部的跳變點的分布。圖 3.3 車輛圖像跳變點圖從跳變點圖和灰度圖的對照中可以看出，車燈處、汽車頭的橫欄部分、牌照部分是跳變點比較豐富的地方。牌照分割算法求牌照大致位置算法的描述：設(shè) n 為連續(xù)的跳變點數(shù)，設(shè) t 為最大允許跳變點間距，設(shè) C 為最小允許每行跳變點數(shù)，Sn、En 為某一段變點

32、的起始和終止坐標(biāo)，Rn 為每行的跳變點數(shù)，L 為當(dāng)前行。設(shè)“L=1；”1.對第 L 行掃描， “while（dot（L，k）！=跳變點） k+；” 如果“dot（L，k）= =跳變點” ，則“S1=k，E1=k， k+” ，找到可能的行起始點。2.對第 L 行繼續(xù)掃描，如果“dot（L，k）= =跳變點” ，并且跳變間距小于 t，則“E1=k，R1+” ；如果跳變間距大于 t，并且“R1C，則 S1=k，E1=k，R1=0” ；如果跳變間距大于 t，并且“R1C” ，則“L+” 。3.如果到了行尾則“L+” ，回到步驟 1 執(zhí)行。求牌照區(qū)域的算法描述：從跳變圖中可以看出，牌照區(qū)域是由一系列連續(xù)

33、滿足跳變點要求的行組成的。因此，設(shè)b 為在連續(xù)行中允許的不滿足要求的最大行數(shù)，L1 為每行中可能滿足要求的最小間距，L2為每行中可能滿足要求的最大間距，J1 為每行中滿足要求的最小跳變點數(shù)，J2 為每行中滿 畢業(yè)設(shè)計（論文）報告紙 13足要求的最大跳變點數(shù)，C 為最小滿足要求的連續(xù)的行。設(shè)“L=1，c=0，d=0；”1.“While（r1L1|r1L2）L+” ，記下可能的起始行。2.查看第 L 行是否滿足“r1j1，r2j2，e1-s1L2” ，如果滿足則“c+， d=0” ，如果不滿足則“d+” ，如果 “db” ，并且“cb” ，則記下這個連續(xù)區(qū)域為候選牌照區(qū)域，回到步驟 1 繼續(xù)執(zhí)行。

34、4.“L+” ，回到步驟 2 繼續(xù)執(zhí)行。從上面的算法可以看出，可能會找到幾個滿足要求的區(qū)域。這就需要分析，車牌的的長寬有一定的比例，并且牌照的長寬在整幅圖中有一定的比例，這些都可以用來分析這些區(qū)域。一、彩色圖像到灰度圖像變換一、彩色圖像到灰度圖像變換灰度圖（GrayScale）是指只包含亮度信息，不包含色彩信息的圖像，例如平時看到的亮度由暗到明連續(xù)變化的黑白照片。要表示灰度圖，就是把亮度量化，通常分成 0255 共256 個級別，0 最暗（全黑） ，255 最亮（全白） 。由于 256 級灰度比較簡單，若是彩色圖像，其顏色種類比較多，不利于圖像處理，因此一般都是將彩色圖像轉(zhuǎn)換成灰度圖進行處理。

35、卡口抓拍到的車輛圖像均為 24 或 256 位真彩色圖像，可以根據(jù)下述灰度值和 RGB 顏色對應(yīng)關(guān)系轉(zhuǎn)換成灰度圖?；叶戎?0.299R+0.587G+0.114B 彩圖到灰度圖的轉(zhuǎn)變 圖 3.4 彩圖到灰度圖的轉(zhuǎn)變下面一段代碼實現(xiàn)了 24 位真彩色圖像到灰度圖的轉(zhuǎn)換： 畢業(yè)設(shè)計（論文）報告紙 14Void 24btoGray() int i, j,temp;for(i=0;i=HEIGHT;i+) For(j=0;j=WIDTH;j+) Temp=(unsigned char) (0.114*colorinmage(long)i* WIDTH*3+3*j /B+0.587* colorinma

36、ge(long)i* WIDTH*3+3*j+1 /G+0.299* colorinmage(long)i* WIDTH*3+3*j+2 )/R Grayimage(long)i*WIDTH+J=temp; 二、灰度拉伸二、灰度拉伸為了增強車輛圖像和牌照圖像(提取自車輛圖像的對比度，使其明暗鮮明，有利于牌照識別，需要對它們進行灰度拉伸?；叶壤焓菍⒒叶确侄尉€形變換，它將輸入圖像中某點(x，y)的灰度 f(x，y)，通過映射函數(shù) T，映射成圖像中的灰度 g(x，y)，即G(x，y)=Tf(x，y)假定原圖像 f(x，y)的灰度范圍為a，b，希望變換后圖像 g(x，y)的灰度范圍擴展至c，d，可采

37、用下述線形變換來實現(xiàn)。如下圖 3.4： 畢業(yè)設(shè)計（論文）報告紙 15g(x,y)=(d-c)/(b-a)f(x,y)+c圖 3.5 灰度轉(zhuǎn)換原理圖圖像中大部分像素的灰度分布在區(qū)間a，b間，小部分像素的灰度級強度超出此區(qū)間。為改善增強效果，可令：g(x,y)=c (0= f(x,y)a)g(x,y)=(d-c)/(b-a)f(x,y)+c (a= f(x,y)c) g(x,y)=d (b= f(x,y)=Mf)車輛圖像進行灰度拉伸前后，牌照區(qū)域的效果對比，可以看出，拉伸后，對比度明顯增加。圖像灰度拉伸的代碼如下：Void GrayStrech(unsigned char *Image,int b

38、x,int ex,int by,int ey,) int hist256;for(i=0;i256;i+)histi=0;/統(tǒng)計灰度牌照圖的直方圖for(i=by;iey;i+) for(j=bx;jex;j+) 畢業(yè)設(shè)計（論文）報告紙 16histImage(i,j)+;int left=0; /直方圖的左右邊界int right=255;/直方圖左界(此灰度級開始有目標(biāo)像素)for(i=0;i1) break;Else continue;Left=i+3=0;i-) If(histi1) break;Else continue;Right=i-3left?i-3:I;If(right-le

39、ft2)freeBuffer(); Return FALSE; 畢業(yè)設(shè)計（論文）報告紙 17Float rate;Rate=(float)255/(right-left+1); /圖像灰度的拉伸率/計算拉伸后的灰度圖Int value;for(i=by;iey;i+) for(j=bx;jex;j+) Value=Image(i,j)-left;Value=(int)(rate*value+0.5);If(value255) value=255;Image(i,j)=(unsigned char) value; /拉伸后的灰度三、二值化圖象：三、二值化圖象：用一初始閾值 T 對圖像 A 進行二

40、值化得到二值化圖像 3.6圖 3.6 二值化圖像初始閾值 T 確定方法是：選擇閾值 T=Gmax-(Gmax-Gmin)/3，Gmax 和 Gmin 分別是最高、最低灰度值。 畢業(yè)設(shè)計（論文）報告紙 18該閾值對不同牌照有一定的適應(yīng)性，能夠保證背景基本被置為 0，突出牌照區(qū)域，削弱背景干擾。四、模板運算消弱背景干擾四、模板運算消弱背景干擾對圖像 B 作簡單的相鄰像素灰度值相減，得到新的圖像， 圖 3.7 模板消弱背景干擾圖像即 Gi,j=|Pi,j-Pi,j-1|i=0,1,439;j=0,1,639Gi,0=Pi,0,左邊緣直接賦值，不會影響整體效果。算法代碼如下：void CTypeRec

41、View:OnTest12() CTypeRecDoc* pDoc=GetDocument(); /獲得文檔LPSTR lpDIB; /指向 DIB 的指針lpDIB = (LPSTR) :GlobalLock(HGLOBAL) pDoc-GetHDIB();/獲得當(dāng)前位圖/用自定義的模板消弱背景干擾myTemplate(lpDIB);pDoc-SetModifiedFlag(TRUE);pDoc-UpdateAllViews(NULL);:GlobalUnlock(HGLOBAL) pDoc-GetHDIB();五、模板運算消弱背景干擾、去噪：五、模板運算消弱背景干擾、去噪：區(qū)域灰度基本被賦

42、值為 0?？紤]到文字是由許多短豎線組成，而背景噪聲有一大部分是 畢業(yè)設(shè)計（論文）報告紙 19孤立噪聲，用模板(1,1,1,1,1)T 對 G 進行中值濾波，得到除掉了大部分干擾的圖像如圖 3.7。圖 3.8 中值濾波算法代碼如下：void CTypeRecView:OnTest13() / 中值濾波CTypeRecDoc* pDoc = GetDocument();/ 獲取文檔LPSTR lpDIB; / 指向 DIB 的指針LPSTR lpDIBBits; / 指向 DIB 象素指針int iFilterH; / 濾波器的高度int iFilterW; / 濾波器的寬度int iFilter

43、MX; / 中心元素的 X 坐標(biāo)int iFilterMY;lpDIB = (LPSTR) :GlobalLock(HGLOBAL) pDoc-GetHDIB();/ 鎖定 DIBlpDIBBits = :FindDIBBits(lpDIB); / 找到 DIB 圖像象素起始位置/ 判斷是否是 8-bpp 位圖（這里為了方便，只處理 8-bpp 位圖的中值濾波，其它的可以類推）if (:DIBNumColors(lpDIB) != 256) MessageBox(目前只支持 256 色位圖的中值濾波！， 系統(tǒng)提示 ， MB_ICONINFORMATION | MB_OK); / 提示用戶:Gl

44、obalUnlock(HGLOBAL) pDoc-GetHDIB();/ 解除鎖定return;/ 創(chuàng)建對話框/ 初始化變量值iFilterH = 5; 畢業(yè)設(shè)計（論文）報告紙 20iFilterW = 1;iFilterMX = 0;iFilterMY = 2;BeginWaitCursor();/ 更改光標(biāo)形狀/ 調(diào)用 MedianFilter()函數(shù)中值濾波if (myMedianFilter(lpDIBBits, :DIBWidth(lpDIB), :DIBHeight(lpDIB), iFilterH, iFilterW, iFilterMX, iFilterMY)pDoc-SetM

45、odifiedFlag(TRUE); / 設(shè)置臟標(biāo)記pDoc-UpdateAllViews(NULL); / 更新視圖else MessageBox(分配內(nèi)存失??！, 系統(tǒng)提示 , MB_ICONINFORMATION | MB_OK); :GlobalUnlock(HGLOBAL) pDoc-GetHDIB();/ 解除鎖定EndWaitCursor();/ 恢復(fù)光標(biāo)六、利用投影法檢測車牌位置：六、利用投影法檢測車牌位置：利用水平投影法檢測車牌水平位置圖 3.9 水平投影法檢測車牌水平位置圖算法代碼如下：void CTypeRecView:OnTest14() 畢業(yè)設(shè)計（論文）報告紙 21C

46、TypeRecDoc* pDoc=GetDocument(); /獲得文檔LPSTR lpDIB; /指向 DIB 的指針 long lWidth; /圖像寬度和高度long lHeight;lpDIB = (LPSTR) :GlobalLock(HGLOBAL) pDoc-GetHDIB();/獲得當(dāng)前位圖lWidth = :DIBWidth(lpDIB); /DIB 寬度lHeight = :DIBHeight(lpDIB); /DIB 高度/水平投影，求取車牌子圖像的上下邊緣位置myHprojectDIB(lpDIB, lWidth, lHeight,&m_ipzTop, &am

47、p;m_ipzBottom) ;m_ipzLeft=0;m_ipzRight=lWidth;pDoc-UpdateAllViews(NULL);:GlobalUnlock(HGLOBAL) pDoc-GetHDIB();/對含車牌圖像進行剪裁，得到車牌高度，原圖像寬度的圖像OnTempSubrect();利用垂直投影法檢測車牌垂直位置 畢業(yè)設(shè)計（論文）報告紙 22圖 3.10 垂直投影法檢測車牌垂直位置圖像算法代碼如下：void CTypeRecView:OnTest15() CTypeRecDoc* pDoc=GetDocument(); /獲得文檔LPSTR lpDIB; /指向 DIB

48、的指針long lWidth; /圖像寬度和高度long lHeight;lpDIB = (LPSTR) :GlobalLock(HGLOBAL) pDoc-GetHDIB();/獲得當(dāng)前位圖lWidth = :DIBWidth(lpDIB); /DIB 寬度lHeight = :DIBHeight(lpDIB); /DIB 高度myVprojectDIB(lpDIB, lWidth, lHeight,&m_ipzLeft, &m_ipzRight) ;pDoc-UpdateAllViews(NULL);:GlobalUnlock(HGLOBAL) pDoc-GetHDIB()

49、;OnTempSubrect();綜合以上步驟得到下圖綜合以上步驟得到下圖 3.10：圖 3.11 車牌圖像提取七、截取車牌子圖像：七、截取車牌子圖像：圖 3.12 車牌圖像 畢業(yè)設(shè)計（論文）報告紙 233.2.2 牌照圖像二值化圖 3.13 牌照圖片如上圖可以看出：牌照圖片可以看成是由前景字符和背景組成，在光照比較均勻的時候，圖像二值化就相當(dāng)于如何找到一個合適的閾值將字符和背景分開。當(dāng)光照不均勻時，全局二值化就不合適了，所以要采用不同的方法。例如在光照弱的情況下，特別在夜間汽車前燈開啟時，牌照圖像的光照程度是很不均勻的，牌照字符與底色的對比度偏低，這時就要采用動態(tài)閾值法。二值化是非常關(guān)鍵的一

50、步, 二值化的效果直接影響到后面的字符切分和識別。因為字符的切分和識別是基于車牌區(qū)域的二值化的結(jié)果進行的。二值化算法又稱為閾值算法,其目的就是要找出一個合適的閾值, 將待研究的區(qū)域劃分為前景和背景兩部分。二值化后的車牌要能再現(xiàn)原字符圖像,基本不出現(xiàn)筆畫斷裂和粘連現(xiàn)象,盡量不丟失原來字符的特征。另外, 二值化算法還可以用在車牌定位這個過程中精確定位車牌的上下左右四個邊界。為此, 必須對二值化算法作深入細(xì)致的研究，下圖為經(jīng)過處理的二值化圖：圖 3.14 二值化圖像看起來并沒有什么特別的，但二值化是分類的：基于灰度的二值化（又包括全局動態(tài)二值化、局部自適應(yīng)二值化）彩色二值化（RGB 空間、HSV 空

51、間、CMYK 空間、YIQ 空間和 YUV 空間） ，下面介紹一下基于灰度的二值化，以及彩色二值化中的 HSV 空間二值化。1.基于灰度的二值化假設(shè)一幅灰度車牌圖像的大小為 M 行 N 列, 用 f (x ,y) (0 x M,0 y max gray ； 找出最大的值,得到相應(yīng)的閾值 k。Otsu 算法基于圖像像素的灰度值分類,按照使類間 畢業(yè)設(shè)計（論文）報告紙 25方差與類內(nèi)方差比值最大的原則獲得門限值,使目標(biāo)占背景之間方差最大,即找出使兩個方差比 / 的最大的閾值 T ,這種算法具有以下優(yōu)點： 22A算法的實現(xiàn)簡單； 基于圖像的整體特性的積分而非局部特性； 可推廣到多閾值的分割方法； 該

52、算法的適用性強。然而,盡管該方法有一定的自適應(yīng)性,但以灰度分布為特征,判決準(zhǔn)則函數(shù) S ( k) = / 可能呈雙峰,即全局最大值不能保證是正確的閾值；另外當(dāng)圖像存在光22A照不均勻的現(xiàn)像時,往往整幅圖無法找到合適的單一閾值。二、局部自適應(yīng)二值化局部自適應(yīng)二值化是針對灰度圖像中的每一個像素逐點進行閾值計算的,以當(dāng)前點為中心選取一個適當(dāng)?shù)泥徲蚰０?從這個模板中的像素灰度值中獲得判據(jù),來決定對當(dāng)前點是置 0 還是置 1。LEVBB 算法是局部自適應(yīng)算法的典型算法： 對每一點計算閾值： ) 1,(min) 1,(max21),(2ykxfykxfyx計算另一閾值 T3 ： ) 1,(min) 1,(

53、max),(3ykxfykxfyx對每點的閾值 T2 進行一次濾波處理得新閾值 T4 ：) 1,(),(24ykxavgTyxT逐點對圖像進行二值化若(f (x ,y) T4 (x ,y) ) 且(T3 (x ,y) (T1 - min) ) 則 b (x ,y) = 1 否則 b (x ,y) = 0 其中 T1 滿足 H(x) 為灰度直方圖。1 . 0)(2551TxxH2、彩色二值化上述二值化方法都是基于車牌的灰度圖像的。但是我國的車牌占絕大多數(shù)是黃底黑字、藍(lán)底白字, 還有少部分黑底白字以及白底黑字。前兩種車牌的顏色信息非常豐富,可以充分利 畢業(yè)設(shè)計（論文）報告紙 26用這些信息來做些輔

54、助工作。關(guān)于彩色信息的提取,可以從不同的顏色空間去考慮,常用的有RGB 空間、HSV 空間、CMYK 空間、YIQ 空間和 YUV 空間等。RGB 空間是最簡單也是最基本的一種顏色空間, 因為一般的圖像都是 RGB 格式,從像素中可以直接提取出R、G、B 三分量。CMYK 顏色空間常用于印刷工業(yè)中； YIQ 顏色空間通常被北美的電視系統(tǒng)所采用(屬于 NTSC 系統(tǒng)) ； YUV 則被歐洲的電視系統(tǒng)所采用(屬于 PAL 系統(tǒng)) 。在車牌識別中顏色信息的利用可以從 HSV 空間去考慮, 這種顏色空間使用起來比較方便,已被廣泛利用。HSV 顏色空間：HSV 顏色空間也稱為 HSB 空間。H(Hue)

55、 指色調(diào),是評定某種顏色的直接依據(jù)；S(Saturation) 指的是飽和度,即某種顏色的深淺；V(Value) 或 B(Brightness) 都是亮度,指的是顏色的明暗程度。其中色調(diào)分量是基于人眼能感知到的紅橙黃綠青藍(lán)紫這些基本的顏色信息,用0360 來表示。色調(diào)和飽和度的范圍都是 0100。由于彩色圖像中的每一個像素只含有R、G、B 三彩色分量,所以在使用 HSV 顏色空間之前得進行轉(zhuǎn)換。轉(zhuǎn)換公式如下： 設(shè) = maxr ,g ,b , = minr ,g ,b macIminI0,0, 0maxmaxminmaxmaxIIIIIsV=maxIh=), 0( ,4), 0( ,2), 0

56、( ,)0( ,maxmaxminmaxmaxmaxminmaxmaxmaxminmaxbIsHIIgrgIsHIIrbrIsHIIbgsundefined其中,代表色調(diào)的個數(shù),通常取為 60 。色度(H) 是由顏色名稱來辨別的,如紅、綠、maxH藍(lán)等,它用角度 0360來度量,對應(yīng)于顏色輪上的角度。亮度(V) 是指顏色的明暗程度,通常用百分比度量,從黑 0 %到白 100 %；飽和度(S) 指顏色的深淺,也用百分比來度量,從 0 %到 畢業(yè)設(shè)計（論文）報告紙 27完全飽和 100 %。彩色二值化方法及應(yīng)用：經(jīng)過長期的實驗,我們發(fā)現(xiàn)定位車牌的上下左右四個邊界這項工作是非常困難的。先對整個車輛圖

57、像進行顏色分割,然后作紋理分析；這種方法雖然好,但最后對車牌的精確定位要用 Hough 變換來檢測車牌的邊緣；我們認(rèn)為 Hough 變換應(yīng)盡量少用, 因為它的計算量相當(dāng)大,并且車牌的邊緣不一定很清晰,再說車牌的兩條豎直邊很短,難以檢測出來；我們的方法是：首先利用紋理掃描對車牌進行粗定位,然后適當(dāng)向四周擴散,從粗定位的車牌的中心取出一小塊區(qū)域判斷顏色,根據(jù)判斷出來的顏色從 HSV 空間中選取適當(dāng)?shù)?H、S 值進行二值化。這里沒有利用 V 分量即亮度信息,主要是考慮到因為天氣、環(huán)境以及人為等因素造成了車輛圖像中的亮度信息最不穩(wěn)定, 所以我們的二值化判據(jù)中只有色調(diào)和飽和度,其中又以色調(diào) H 為主。步

58、驟如下： 由粗定位找出車牌的底色 Clr 并把車牌區(qū)域 A 適當(dāng)擴大。對區(qū)域中的每一點按前面的公式計算出 H (x ,y) 、S(x ,y) 。逐點對圖像進行二值化： 若 Clr =WHITE 或 Clr =BLACK,退出； 若 Clr = YELLOW, 如果 30 H(x ,y) 70 且 S(x ,y) 15 , 則 b (x ,y) = 0 , 否則 b (x ,y) = 1 ； 若 Clr =BLUE , 如果 170 H(x ,y) 250 且 S(x ,y) 18 , 則 b (x ,y) = 0 , 否則 b (x ,y) = 1 。在二值化完成后,再用區(qū)域標(biāo)記法求出區(qū)域 A

59、 中的最大連通區(qū),這里“最大”的含義是指連通區(qū)域中的點數(shù)最多。值得指出的是在進行搜索最大連通區(qū)域的時候,應(yīng)當(dāng)八連通進行搜索而不是四連通。因為有些時候由于車牌中的前景字體較粗、車牌破損、臟污或變形等原因,如按四連通進行搜索可能會出現(xiàn)最大的連通區(qū)域不是整個車牌而只是其中的一部分。使用這種 畢業(yè)設(shè)計（論文）報告紙 28方法,如果被拍攝的車牌是水平的,那么精確定位的結(jié)果正好能與原車牌的邊框重合；如果被拍攝的車牌在水平方向有一定的傾斜,那么重定位后的上下左右四條邊框與車牌的四個角基本相切,而不會漏掉有用的車牌信息。在實驗中我們使用的原始車牌圖像是 384*288 規(guī)格的,在預(yù)處理階段先進行灰度轉(zhuǎn)換獲得原

60、圖像的灰度圖；接下來用中值濾波對灰度圖像進行一次平滑去噪操作,采用的是 3*3 模板卷積；然后考慮到有光照強度不夠的情況,所以對濾波后的圖像進行一次灰度拉伸適當(dāng)加強對比度；在這之后就開始紋理掃描, 粗定位車牌區(qū)域,獲得一幅大概的灰度車牌圖像并適當(dāng)擴展；接下來就是二值化：在對灰度車牌進行二值化時,我們采用的是全局動態(tài)法與局部自適應(yīng)相結(jié)合的方法。但在作全局動態(tài)二值化的時候直接用類間方差 作判據(jù)而沒有用類2間與類內(nèi)方差的比值/ ,然后再用一個 9*9 (即 1. 3 的 W 取 4) 的模板卷積進行一次局22A部自適應(yīng)二值化,以消除光照不均帶來的影響,效果非常理想。圖 3.14 給出了幾個實驗結(jié)果： 圖 3.15 基于灰度的二值