華顯立 倪江楠

【摘要】車(chē)牌圖像預(yù)處理是提高車(chē)牌識(shí)別系統(tǒng)后續(xù)環(huán)節(jié)運(yùn)算效率的重要步驟，尤其對(duì)車(chē)牌定位起著至關(guān)重要的作用。分析現(xiàn)有的圖像預(yù)處理方法的特點(diǎn)及作用，比較不同方法的處理效果。有效的預(yù)處理方法，不僅能夠提高圖像對(duì)比度、消除噪聲，還有助于去除多余的干擾、背景等信息，降低偽車(chē)牌區(qū)域出現(xiàn)的概率。

【關(guān)鍵詞】圖像預(yù)處理;車(chē)牌識(shí)別;對(duì)比度;識(shí)別率

1.引言

自1990 年美國(guó)智能交通學(xué)會(huì)提出智能交通系統(tǒng)（ITS）以來(lái)，智能交通系統(tǒng)得到了不斷研究和發(fā)展。伴隨著我國(guó)汽車(chē)業(yè)和交通運(yùn)輸業(yè)的快速發(fā)展，車(chē)輛數(shù)目迅速增長(zhǎng)，交通擁堵和交通事故已成為我國(guó)道路交通運(yùn)輸中的突出問(wèn)題，發(fā)展智能交通系統(tǒng)是解決問(wèn)題的有效辦法。車(chē)牌識(shí)別（LPR）作為智能交通系統(tǒng)的核心環(huán)節(jié)，是交通系統(tǒng)能否實(shí)現(xiàn)智能化、現(xiàn)代化的關(guān)鍵。車(chē)牌識(shí)別主要是綜合利用通信技術(shù)、電子信息、圖像處理、模式識(shí)別、自動(dòng)化或人工智能等技術(shù)，實(shí)現(xiàn)車(chē)牌的自動(dòng)監(jiān)控和識(shí)別。

2.車(chē)牌識(shí)別系統(tǒng)

車(chē)牌識(shí)別系統(tǒng)主要由圖像采集、圖像預(yù)處理、車(chē)牌定位、車(chē)牌字符分割和車(chē)牌字符識(shí)別等步驟組成。進(jìn)行車(chē)牌識(shí)別首先需要獲得高質(zhì)量的車(chē)牌圖像。經(jīng)圖像采集得到的車(chē)輛圖像，由于采集設(shè)備本身成像質(zhì)量不同，以及所處環(huán)境復(fù)雜多變，會(huì)受到光照條件不均勻、天氣 （如晴天、霧天、傍晚、夜晚等）的影響，使得車(chē)輛圖像可能會(huì)出現(xiàn)模糊、帶有噪聲的現(xiàn)象。車(chē)輛牌照本身的褪色、污損、變形以及傾斜，成像設(shè)備與牌照的距離或拍攝角度不合適以及車(chē)速較快等因素，都會(huì)造成車(chē)輛圖像質(zhì)量下降。因此，為了更好地進(jìn)行車(chē)牌識(shí)別，在車(chē)牌定位前，很有必要對(duì)車(chē)輛圖像進(jìn)行預(yù)處理，以降低干擾或噪聲的影響，同時(shí)亦能夠減少后續(xù)計(jì)算量。

3.圖像預(yù)處理

3.1 圖像灰度化

車(chē)輛圖像樣本大多都是通過(guò)攝像機(jī)、數(shù)碼相機(jī)等設(shè)備拍攝獲取的，采集得到的車(chē)輛原始圖像是真彩色RGB圖像。RGB圖像中的每個(gè)像素值都是由R（紅）、G（綠）、B（藍(lán)）三個(gè)基色分量組成，存儲(chǔ)每個(gè)像素的顏色都需要24比特。所需數(shù)據(jù)量很大，直接對(duì)原始圖像進(jìn)行車(chē)牌定位處理速度比較慢，且真彩色車(chē)輛圖像容易受周?chē)尘邦伾母蓴_，因此通常先將RGB圖像轉(zhuǎn)換成灰度圖像，稱(chēng)為灰度化處理?；叶葓D像只有強(qiáng)度信息而沒(méi)有顏色信息，在RGB模型中，如果 R=B=G就表示一種灰度圖像，存儲(chǔ)每個(gè)像素的顏色時(shí)只需8比特?；叶然幚矸椒ㄖ饕衅骄捣ā⒆畲笾捣ê图訖?quán)平均值法三種。

（1）平均值法

求出RGB圖像每個(gè)像素的R、G、B分量的平均值作為其灰度值，即gray=（R+G+B）/3。

（2）最大值法

將每個(gè)像素的R、G、B分量的最大值作為其灰度值，即gray=max（R，G，B）。

（3）加權(quán)法

根據(jù)實(shí)驗(yàn)、經(jīng)驗(yàn)、符合人眼的視覺(jué)特性或其他指標(biāo)，賦予R、G、B各分量不同的權(quán)值，即gray=（WrR+WgG+WbB）。其中Wr、Wg、Wb是 R、G、B分量的權(quán)值，權(quán)值不同就會(huì)形成不同灰度的圖像。部分研究者將可由RGB顏色空間變換得到的YUV顏色空間的亮度信號(hào)Y分量作為灰度值，此時(shí)gray=Y=0.299R+0.587G+0.114B，得到了較為合理的灰度圖像。

3.2 圖像增強(qiáng)

車(chē)輛圖像在采集時(shí)會(huì)受到光照強(qiáng)度、拍攝角度、反光、采集設(shè)備曝光不足等諸多因素的影響，可能導(dǎo)致所釆集到的圖像偏暗或偏亮，圖像的灰度集中在較小的區(qū)域內(nèi)、對(duì)比度較差，圖像細(xì)節(jié)難以識(shí)別、車(chē)牌區(qū)域模糊不清，就需要進(jìn)行圖象增強(qiáng)來(lái)提高對(duì)比度，改善圖像的整體視覺(jué)效果、加強(qiáng)其特征?；叶葓D像的增強(qiáng)方法有基于空間域（如直方圖均衡化、灰度變換、中值濾波等）和基于頻率域的方法兩種。后者計(jì)算量大、效率低，較少被采用，本文主要介紹兩種基于空間域的圖像增強(qiáng)方法。

3.2.1 直方圖均衡化

若圖像的對(duì)比度小，圖像的灰度直方圖會(huì)集中在一個(gè)較小區(qū)域內(nèi)，圖像模糊不清，沒(méi)有明顯的層次感。為了突出感興趣的細(xì)節(jié)，比如邊緣信息等，就可以使用直方圖均衡對(duì)圖像進(jìn)行處理。直方圖均衡化，是把一已知灰度概率分布的圖像變換成一幅具有均勻灰度概率分布的新圖像。目的是使圖像映射到整個(gè)灰度范圍內(nèi)，灰度等級(jí)的比例更加平衡。提高了圖像的質(zhì)量和對(duì)比度，圖像的細(xì)節(jié)更加清楚，但可能會(huì)造成曝光過(guò)度、增加噪聲。因此，并不是所有的圖像都適合進(jìn)行直方圖均衡化。

3.2.2 中值濾波

中值濾波作為一種非線(xiàn)性濾波技術(shù)，在有效抑制孤立噪聲的同時(shí)能很好地保護(hù)圖像信號(hào)的細(xì)節(jié)信息，使去噪后的圖像清晰、逼真。中值濾波是選定一個(gè)窗口，使它在圖像的各點(diǎn)上移動(dòng)，用窗內(nèi)像素值（或灰度值）的中值來(lái)作為中心點(diǎn)位置的像素值。通常選擇m×n的矩形窗口作為濾波窗口。若窗口內(nèi)像素?cái)?shù)目為偶數(shù)，則中值取按大小排序的最中間兩像素灰度的平均值。對(duì)低密度分布的孤立噪聲具有良好的去除效果，應(yīng)用于車(chē)輛圖像能夠有效消除圖像的噪聲，提高后續(xù)車(chē)牌定位和識(shí)別的運(yùn)算效率。

4.結(jié)束語(yǔ)

車(chē)牌圖像的預(yù)處理是提高車(chē)牌識(shí)別系統(tǒng)后續(xù)環(huán)節(jié)運(yùn)算效率的重要步驟，尤其對(duì)車(chē)牌定位起著至關(guān)重要的作用。有效的預(yù)處理方法，不僅能夠提高圖像對(duì)比度、消除噪聲，還有助于去除多余的干擾、背景等信息，降低偽車(chē)牌區(qū)域出現(xiàn)的概率，提高識(shí)別率。在實(shí)際應(yīng)用時(shí)應(yīng)考慮到不同車(chē)輛圖像的特征及外界影響因素，綜合運(yùn)用多種方法來(lái)提高預(yù)處理效果。

參考文獻(xiàn)

[1]李云.車(chē)牌定位與字符分割算法的研究及實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2010.

[2]劉濛，吳成東，樊玉泉等.復(fù)雜背景圖像中的車(chē)牌定位算法[J].中國(guó)圖象圖形學(xué)報(bào)，2010，15（9）： 1357-1362.

[3]楊俊，戚飛虎.一種基于形狀和紋理特征的車(chē)牌定位方法[J].計(jì)算機(jī)工程，2006（2）：170-171.

[4]張寶強(qiáng)，高滿(mǎn)屯，張茜.字符分割前車(chē)牌圖像的預(yù)處理[J].計(jì)算機(jī)工程與科學(xué)，2008，30（4）：40-42.

作者簡(jiǎn)介：華顯立（1982—），男，河南南陽(yáng)人，碩士，研究方向：光電技術(shù)，數(shù)字圖像處理。