旦堑窒坦壹日Ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７ｌ一１０４１．２００９．０５．００５邀墨缝麦用宴基于ＭＡＴＬＡＢ的车牌图像预处理的研究阮晓波（合肥工业大学机械与汽车工程学院，合肥２３０００９）摘要：车牌图像识别的预处理是车牌图像识别系统的环节之一。运用ＭＡＴＬＡＢ图像处理工具箱，首先把获取的彩色图转换为２５６级的灰度图；然后用中值滤波法去除噪声从而提高图像质量；然后再进行图像灰度拉伸以增加图像对比度：运用Ｓｏｂｅｌ算子进行图像锐化从而增强图像中的边缘信息；最后运用全局阈值法二值化图像。关键词：灰度拉伸；全局阈值法；Ｓｏｂｅｌ算子；中值滤波中图分类号：ＴＰ７５ｌ文献标识码：ＡＲｅｓｅａｒｃｈｏｆｔｈｅｌｉｃｅｎｓｅｐｌａｔｅｉｍａｇｅｐｒｅｐｒｏｃｅｓｓｉｎｇｂａｓｅｄｏｎＭＡＴＬＡＢＲＵＡＮＸｉａｏ＿ｂｏ（ＩＩｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ。ＭｅｃｈａｎｉｃａｌａｎｄＡｕｔｏｍｏｂｉｌｅＥｎｇｉｎｅｅｒｉｎｇＣｏｌｌｅｇｅ，Ｈｅｆｅｉ２３００９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＴｈｅｌｉｃｅｎｓｅｐｌａｔｅｉｍａｇｅｐｒｅｐｒｏｃｅｓｓｉｎｇｉｓｏｎｅｃｏｍｐｏｎｅｎｔｏｆｔｈｅＩｉｃｅｎｓｅｐｌａｔｅｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｒｎ．Ｕｓｉｎｇｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｏｏｌｓ—ＭＡＴＬＡＢ。ｃｏｎｖｅｒｔｔｈｅｏｂｔａｉｎｅｄｃｏｌｏｒｆｕｌｉｍａｇｅｉｎｔｏａ２５６ｇｒａｙｓｃａｌｅｉｍａｇｅ；ｔｈｅｎｇｅｔｒｉｄｏｆｎｏｉｓｅｔｈｒｏｕｇｈｍｅｄｉａｎｆｉｌｔｅｒｉｎｇｍｅｔｈ—ｏｄｔｏｉｍｐｒｏｖｅｉｍａｇｅｑｕａｌｉｔｙ；ａｎｄｓｔｒｅｔｃｈｇｒａｙ—ｓｃａｌｅｉｍａｇｅｔｏｉｎｃｒｅａｓｅｔｈｅｉｍａｇｅｃｏｎｔｒａｓｔ；ｓｈａｒｐｅｎｉｍａｇｅｂｙｕｓｉｎｇＳｏｂｅｌｏｐｅｒａｔｏｒｔｏｅｎ—ｈａｎｃｅｔｈｅｅｄｇｅｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｉｍａｇｅ；ｆｉｎａｌｌｙ。ｕｓｅｔｈｅｏｖｅｒａｌｌｔｈｒｅｓｈｏｌｄｓｏｌｕｔｉｏｎｔｏｔｕｍｔｈｅｏｒｉｇｉｎａｌｉｍａｇｅｔｏｂｉｎａｒｙｉｍａｇｅ．Ｋｅｙｗｏｒｄｓ：ｇｒａｙ—ｓｃａｌｅｔｅｎｓｉｌｅ；ｇｌｏｂａｌｔｈｒｅｓｈｏｌｄｉｎｇｍｅｔｈｏｄ；Ｓｏｂｅｌｏｐｅｒａｔｏｒ；ｍｅｄｉａｎｆｉｌｔｅｒＯ引言车牌识别（ＬｉｃｅｎｓｅＰｌａｔｅＲｅｃｏｇｎｉｔｉｏｎ，Ｌ职，）系统是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一，是智能交通系统（ＩｎｔｅｌｌｉｇｅｎｔＴｒａｎｓｐｏｒｔｉｏｎＳｙｓｔｅｍ，ＩＴＳ）的重要组成部分。车牌是车辆特征的重要标识，对其进行识别对实现交通管理的现代化具有非常重要的意义。车牌识别系统是由车牌图像获取、车牌图像预处理、车牌定位、车牌字符分割和字符识别五个部分组成。本文研究的是车牌图像的预处理。由于摄像头获取的车牌图像，存在着诸多不利于识别的干扰因素：１）光照、气候、背景、车型等引起的车牌图像上面的光照不均匀；２）车牌的污损造成的字符笔画不清和字符间粘连；３）汽车行驶速度较快，使拍摄出的车牌字符产生变形、模糊不清等。为了便于车牌图像的后续处理工作，首先应对车牌图像进行预处理。１车牌图像的灰度化通常，用数码相机获取的车牌图像是２４位真彩色图像（如图１所示），它由Ｒ、Ｇ、Ｂ３个单色调配而成，各个单色都人为地从０～２５５分成了２５６级。根据Ｒ、Ｃ、Ｂ的不同组合，获得的彩色图像可以表示２５６×２５６×２５６＝１６７７７２１６种颜色。彩色图像颜色种类丰富，但由于直接处理彩色图像文件所需存储量大，图像需要占用大量系统资源，不利于图像的快速处理。从系统的性能考虑，目前绝大多数牌照识别系统在作图像处理时均采用不含彩色信息的灰度图像。灰度图只包含亮度信息，不含彩色信息，有利于图像处理，故在对图像进行处理前应先将其转化为灰度图。灰度图８ＥｌＣＶ０１．１６２００９Ｎｏ．５万 方数据像在表示时将亮度值进行量化，通常将亮度分为２５６级（０—２５５）：０为最暗（全黑），２５５为最亮（全白）。灰度图每个像素仅由一个８位字节表示该像素的亮度值。灰度图的转换根据灰度值和ＲＧＢ颜色的对应关系通过如下方式进行：Ｙ＝０．２９９Ｒ＋０．５８７Ｇ＋０．１１４曰式中，Ｙ表示白光的亮度。灰度化后如图１所示。２车牌图像的中值滤波图像在拍摄或者传输过程中总会添加一些噪声，这样就影响了图像的质量。进行中值波之后就可以去掉这些噪声，同时还实现了图像的平滑。图像去噪常用的方法有领域平均法和中值滤波法。在这里我们用的是中值滤波法。因为领域平均法在去除噪声的同时，会使图像中的一些细节变得模糊。中值滤波则在去除噪声同时还能保持图像中的细节部分，防止边缘模糊。中值滤波是一种非线性滤波。它首先确定一个奇数像数窗口Ｗ，窗口内各像数按灰度值从小到大排序后，用中间位置灰度值代替原灰度值。设图像在（彤，），；）的灰度值为以聋，Ｙ），图像在对应位置（搿，Ｙ）的灰度值为ｇ（形，Ｙ），则有：ｇ（石，Ｙ）＝ｍｅｄｉａｎ｛以石一＿ｊ｝，Ｙ—ｚ），Ｊｊ｝，ｋ∈Ｗ｝式中，形为选定窗口大小。窗口大小与平滑效果直接相关，窗口越大，平滑效果越明显，但会造成图像边缘信息的损失，窗口的大小要在保证去除噪声的前提下尽可能的保持图像的边缘信息，这里选用的窗口大小为３Ｘ３。运用ＭＡＴＬＡＢ图像处理功能处理后的图像如图２所示。图１２５６级灰度图图２中值滤波后图像３车牌图像的灰度拉伸由于光照等因素，许多图像成像时光照不足，使得整幅图像变暗，或者成像时光照过强，使得整幅图变亮。为了增强车辆图像的对比度，使其明暗鲜明，有利于车牌识别，需要对灰度化的图像进行灰度线性变换，以便突出车牌部分。灰度线性变换采用的变换公式一般为：ｇ（ｘ，Ｙ）＝ｆ（ｘ，Ｙ）ＸＣ＋Ｒ。ｃ、Ｒ的值由输入图像的灰度值动态范围决定。对于８位灰度图像则有：ｇ（ｘ，ｙ）＝｛萼毕×２２５匕“ｆ（ｘ，ｙ）＜ｆｍ。，０ｆ（Ｘ，Ｙ）≤ｆｍｍ１““一１…ｔ２５５ｆ（ｘ，Ｙ）≥ｋ式中，ｆ（ｘ，Ｙ）为原图像的灰度值；ｇ（ｘ，ｙ）为变换后的灰度值；ｆｍ。和ｆｍ。是分段灰度线性函数的两个阈值。实验测试证明，当欢迎光临本刊网站ｈｔｔｐ：／／ｗｗｗ．ｅｉｃ．ｃｏｒｎ．ｃｎ仪器仪表用户匕汛＝２０和‘。＝１５０时灰度拉伸效果较好，不仅可有效地改善车牌图像的质量，提高车牌区域的对比度，而且有利于后续的车牌边缘提取。运用ＭＡＴＬＡＢ图像处理功能处理后的图像如图３所示。４车牌图像的梯度锐化图像锐化的目的是使灰度反差增强，从而增强图像中的边缘信息，有利于轮廓提取。因为轮廓或边缘是图像中灰度变化率最大的地方。因此，为了把轮廓提取出来，就要找一种方法把图像的最大灰度变化处找出来。图像的信息一般集中在像素值变化比较激烈的地方。在图像的边缘，其像素呈现非连续变化。图像的梯度反映了图像中像素之间变化的大小，它是一个微分的过程，在离散的图像处理中，都是用像素值的“差”来代替像素值的求导。梯度的计算可以采用Ｓｏｂｅｌ算子（基于一阶微分）、Ｌａｐｌａｃｉａｎ算子（基于一阶微分）等。由于Ｌａｐｌａｃｉａｎ算子对图像中的噪声特别敏感，另外它也常产生双像数宽的边缘，且不能提供边缘信息。所以，在这里我们选用Ｓｏｂｅｌ算子进行图像锐化。Ｓｏｂｅｌ算子是Ｓｏｂｅｌ大约在１９７０年提出的一个算子。Ｓｏｂｅｌ算子是一离散性差分算子，它包含两组３ｘ３的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果Ｇ。和Ｇ分别代表横向模板（对横向边缘影响最大）及纵向模板（对纵向边缘影响最大），其公式如下：Ｇ（ｉ，，）＝ＩｅＩ＋ｌＧ，Ｉ１、式中，Ｇ。＝ｌ一２ｆ，一１００．２｜；Ｇ，＝ｌ１、ｆ，１２００．０ｋＬ—ｌｏ１／Ｌ一１—２—１／运用ＭＡＴＬＡＢ图像处理功能处理后的图像如图４所示。圈３灰度拉伸后图像图４梯度锐化后图像５车牌图像的二值化为了突出车牌图像特征，便于进行车牌识别，需要把车牌图像二值化。图像的二值化是将图像转换为只有两级灰度（黑白）的图像。二值化一般在图像灰度操作之后进行。二值化的具体方法有很多，这里采用比较常用的是全局阈值处理方法。为自动选择一个阈值，Ｇｏｎｚａｌｅｚ和Ｗｏｏｄｓ描述了如下迭代步骤：１）为Ｔ选一个初始估计值（建议初始估计值为图像中最大亮度值和最小亮度值的中间值）。２）使用Ｔ分割图像。这会产生两组像素：亮度值≥Ｔ的所有像素组成的Ｇ，，亮度值＜Ｔ的所有像素组成的Ｇ：。３）计算Ｇ。和Ｇ：范围内的像素平均亮度值斗，和斗：。４）计算一个新阈值：Ｔ＝丢（ｐ，＋㈦５）重复步骤２到步骤４，直到连续迭代中Ｔ的差比预先指定的参数Ｔｎ小为止。这里选择ｌＴ—Ｔ０ｌ＜０．１。经过ＭＡＴＬＡＢ图像处理后的图像如图５所示。欢迎订阅欢迎撰稿欢迎发布产品广告信息万 方数据日蟹窒握鲞臼图５二值化后图像６结论车牌图像预处理是车牌识别系统中的基础环节，处理结果的好坏直接影响着车牌识别系统后续环节的进行。灰度拉伸有效地增强了车辆图像和牌照图像的对比度；采用Ｓｏｂｅｌ算子对图像进行锐化，有效地增强了图像中牌照的边缘信息；而所采用的中值滤波则有效地去除了噪声且防止了牌照的边缘变模糊。这样就为车牌识别系统后续环节的进行打下了良好的基础。口参考文献［１ｊＲａｆａｅｌＣ．Ｇｏｎｚａｌｅｚ，ＲｉｃｈａｒｄＥ．Ｗｏｏｄｓ．ＤｉｇｉｔａｌＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ（ＳｅｃｏｎｄＥｄｉｔｉｏｎ）ｌＭ｜．Ｂｅｉｊｉｎｇ：ＰｕｂｌｉｓｈｉｎｇＨｏｕｓｅｏｆＥｌｅｃｔｒｏｎｉｃｓＩｎｄｕｓｔｒｙ，２００６．５９９－６００．［２］郑宇，肖南峰．一种基于相似度的汽车车牌号码自动识别系统［Ｊ］．交通与计算机，２００４，２２（５）：２１－２５．［３］龚声蓉，刘纯平，王强，等．数字图像处理与分析［Ｍ］．ｊＥ京：清华大学出版社，２００６：７７－８１．Ｉ［４］王家文，李仰军．ＭＡＴＬＡＢ７．０图形图像处理［Ｍ］．北京：国防工业出版社，２００６：２５２－２６０．『５］ＲａｆａｅｌＣ．Ｇｏｎｚａｌｅｚ，ＲｉｃｈａｒｄＥ．Ｗｏｏｄｓ，ＳｔｅｖｅｎＬ．Ｅｄｄｉｎｓ．阮秋琦等译．数字图像处理（ＭＡＴＬＡＢ版）［Ｍ］．北京：电子工业出版社，２００８：３０５－３０７．［６］张宝强，高满屯，张茜．字符分割前车牌图像的预处理［Ｊ］．计算机工程与科学，２００８，３０（４）：４０－４２．［７］李凌．车牌图像预处理技术研究与实现［Ｊ］．淮北职业技术学院学报，２００６，５（６）：９８—１００．［８］李文举，梁德群，崔连延，等．一种新的面向字符分割的车牌图像预处理方法［Ｊ］．计算机应用研究．２００４，（７）：２５８－２６０．作者简介：阮晓波。在读硕士研究生。研究方向：交通信息工程及控制。收稿日期：２００９－０４－２３（９１６１）重要更正本刊２００９年第四期目次页：右栏正数第９行应为：……………………………………………………何明星（１１４）正文第１１４页：何明星１，王伟２，阎俊１（１．河北工程大学，邯郸０５６０３８；２．邯郸职业技术学院，邯郸０５６０３８）ＨＥＭｉｎｇ・ｘｉｎ９１，ＷＡＮＧＷｅｉ２，ＹＡＮＪｕｎｌ（１．ＨｅｂｅｉＵｎｉｖｅｒｓｉｔｙｏｆＥｎｇｉｎｅｅｒｉｎｇ，Ｈａｎｄａｎ０５６０３８，Ｃｈｉｎａ；２．ＴｅｃｈｎｏｌｏｇｉｃａｌＩｎｓｔｉｔｕｔｅＯｆＨａｎｄａｎ，Ｈａｎｄａｎ０５６０３８，Ｃｈｉｎａ）应为：何明星（河北工程大学，邯郸０５６０３８）ＨＥＭｉｎｇ—ｘｉｎｇ（ＨｅｂｅｉＵｎｉｖｅｒｓｉｔｙｏｆＥｎｇｉｎｅｅｒｉｎｇ，Ｈａｎｄａｎ０５６０３８，Ｃｈｉｎａ）正文第１１５页作者简介应为：何明星（１９８１一），男，教师，硕士，主攻方向为模糊控制与智能仪表。由于我们的失误给作者造成不便，特向作者表示歉意。仪器仪表用户杂志编辑部ＥＩＣＶ０１．１６２００９Ｎｏ．５９
