超低功耗电子温度计的制作.pdfVIP

I丝。皇 燕 …………………………一 车 牌 识别 中 的 图像 预 处 理 研 究 河南工业职业技术学院 华显立 倪江楠 【摘要】车牌图像预处理是提高车牌识别系统后续环节运算效率的重要步骤，尤其对车牌定位起着至关重要的作用。分析现有的图像预处理方法的特点及作用，比较不同 方法的处理效果。有效的预处理方法，不仅能够提高图像对比度、消除噪声，还有助于去除多余的干扰、背景等信息，降低伪车牌区域出现的概率 【关键词】图像预处理；车牌识别；对比度；识别率 1．引言 图像容易受周围背景颜色的干扰，因此通常 会集 中在一个较小区域内，图像模糊不清 ， 自1990年美国智能交通学会提出智能交 先将RGB图像转换成灰度图像，称为灰度化 没有 明显的层次感 。为 了突出感兴趣 的细 通系统 (ITS)以来，智能交通系统得到了不断 处理。灰度图像只有强度信息而没有颜色信 节，比如边缘信息等 ，就可以使用直方图均 研究和发展。伴随着我国汽车业和交通运输 息，在RGB模型中，如果 R=B=G就表示一种灰 衡对图像进行处理。直方图均衡化，是把一 业的快速发展，车辆数 目迅速增长，交通拥 度图像，存储每个像素的颜色时只需8比特。 已知灰度概率分布的图像变换成一幅具有均 堵和交通事故已成为我国道路交通运输中的 灰度化处理方法主要有平均值法、最大值法 匀灰度概率分布的新 图像 。目的是使图像映 突出问题，发展智能交通系统是解决问题的 和加权平均值法三种。 射到整个灰度范围内，灰度等级的比例更加 有效办法。车牌识别(LPR)作为智能交通系统 (1)平均值法 平衡。提高了图像的质量和对比度，图像的 的核心环节，是交通系统能否实现智能化、 求出RGB图像每个像素的R、G、B分量的 细节更加清楚，但可能会造成曝光过度、增 现代化的关键。车牌识别主要是综合利用通 平均值作为其灰度值，NJgray=(R+G+B)／3。 加噪声。因此，并不是所有的图像都适合进 信技术、电子信息、图像处理、模式识别、 (2)最大值法 行直方图均衡化。 自动化或人工智能等技术，实现车牌的自动 将每个像素的R、G、B分量的最大值作为 3．2．2中值滤波 监控和识别。 其灰度值，~gray=max(R，G，B)。 中值滤波作为一种非线性滤波技术，在 2．车牌识别系统 (3)加权法 有效抑制孤立噪声的同时能很好地保护图像 车牌识别系统主要由图像采集、图像预 根据实验、经验 、符合人 眼的视觉 信号的细节信息，使去噪后的图像清晰、逼 处理、车牌定位、车牌字符分割和车牌字符 特性或其他指标 ，赋予R、G、B各分量不 真。中值滤波是选定一个窗口，使它在图像 识别等步骤组成。进行车牌识别首先需要获 同的权值，即gray=(wR+WG+WbB)。其中 的各点上移动，用窗内像素值(或灰度值)的 得高质量的车牌图像 。经图像采集得到的车 W、W、Wb是 R、G、B分量的权值，权值 中值来作为中心点位置的像素值。通常选择 辆图像，由于采集设备本身成像质量不同， 不同就会形成不同灰度的图像 。部分研究 m×n的矩形窗口作为滤波窗口。若窗口内像 以及所处环境复杂多变，会受到光照条件不 者将可 由RGB颜色空间变换得到的YUV颜色 素数 目为偶数，则中值取按大小排序的最中 均匀、天气 (如晴天、雾天、傍晚、夜晚等) 空间的亮度信号Y分量作为灰度值，此时 间两像素灰度的平均值。对低密度分布的孤 的影响，使得车辆图像可能会出现模糊、带 gray=~=O．299R+0．587G+0．I14B，得到了较为 立噪声具有 良好的去除效果，应用于车辆图 有噪声的现象。车辆牌照本身的褪色、污 合理的灰度图像。 像能够有效消除图像的噪声，提高后续车牌 损、变形以及倾斜，成像设备与牌照的距离 3．2图像增强 定位和识别的运算效率。 或拍摄角度不合适以及车速较快等因素，都