基于灰度值的车牌图像预处理研究.docx

基于灰度值的车牌图像预处理研究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关键特别是对车牌定位非常重要。本文提出一种改进的车牌图像预处理方法不仅能够提高图像对比度、清除噪声还有助于去除多余干扰、背景等信息通过实验该方法能有效地对车牌进行预处理降低伪车牌出现的频率达到了较好的实验效果。【关键词】灰度值车牌图像预处理1引言通常情况下由于外界光线、气候或其他自然、设备本身、人为因素等干扰而导致所拍摄的车牌图片成像不完美使得对比度太小、曝光量太大、不清晰、倾斜等情况产生造成图片模糊不清这些情况都会极大的影响后期车牌号码字符的分割、识别操作甚至导致无法进行字符分割和识别操作。因此在做字符分割和识别操作之前需通过必要的技术手段对获取的车牌图像进行预处理以提高车牌识别系统的性能。图像预处理方法有车牌图像灰度图转换、边缘检测、二值化处理、图像增强、形态学处理等技术。MATLAB是一种高效的工程计算语言它是一个比较完整的数据库系统在数据处理、图像处理、神经网络、小波分析等方面都有广泛的应用。本文运用MATLAB软件对车牌进行图像增强、二值图像化、边缘检测处理等过程。本文基于灰度值转换然后利用Sobel和Roberts算法进行边缘检测在MATLAB环境下运行达到了预期的效果。2灰度化灰度化方法是将彩色图片的各个颜色分量R、G、B取其最大值或平均值并代替消除图像中每个像素点的颜色差异仅仅通过亮度值大小来区别像素点。使用函数H（xy）描述像素点（xy）的灰度值R（xy）表示像素（xy）的红色分量的色度值G（xy）表示像素点（xy）的绿色分量的色度值B（xy）表示像素点（xy）的蓝色分量亮度值可以通过如下公式进行灰度转换。其中均为加权系数在本文中三个加权系数分别为0.3150.514.0.126灰度化效果如图1（B）所示。3Sobel算法边缘检测Sobel方法利用边缘点、边缘段、边缘检测器、边缘跟踪等步骤进行搜索边缘点对车牌图像的水平和垂直两个方向进行边缘检测然后将所得图像与用Sobel算子直接对原始图像进行边缘检测的图像相加。本系统利用MATLAB对数字图像和红外图像都进行了仿真。结果表明该算法仅仅检测了垂直与水平方向的车牌图像没有对其他方向进行改进相对传统方法该方法提高了Sobel边缘检测算子的性能具有良好的检测精度检测效果如图1（C）所示但该算法需进一步改进。4Roberts算法边缘检测由于车牌图像本身的复杂性传统的roberts算法受噪声干扰非常严重改进的roberts算法能克服Sobel算法多角度检测的不足它是一种交差差分算子是根据任意一对互相垂直方向上的差分来计算梯度的原理采用对角线方向相邻两像素之差即：或它的两个方向模板是2×2。有了和之后我们计算计算出梯度幅值确定TH阈值若判断：则为阶跃状边缘点为边缘图像。Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘定位精度高。5实验结果分析图1（A）是预处理前的原始图（B）是经过灰度化后的效果图（C）是Sobel算法检测后的效果图图1（D）是Roberts算法检测后的效果图。Sobel算法在空间上实现简单该方法只能检测图像水平和垂直方向的对于纹理比较复杂的图像检测效果不是很理想。Roberts方法克服了传统Sobel算法的缺陷其检测效果要优于Sobel算法检测图像更加清晰。参考文献[1]华显立倪江楠.车牌识别中的图像预处理研究[J].电子世界2014（18）.[2]刘雄飞朱盛春.车牌字符多特征提取与BP神经网络的识别算法[J].计算机仿真2014（10）.[3]薛倩.基于图像预处理和纹理特征的车牌定位算法[J].电子设计工程2014（16）.作者单位常德职业技术学院湖南省常德市415000