畢業(yè)設(shè)計(jì)（論文）-基于數(shù)學(xué)形態(tài)學(xué)的車牌定位技術(shù)

PAGEPAGE1**********************************************************************大學(xué)畢業(yè)設(shè)計(jì)（論文）題目：基于數(shù)學(xué)形態(tài)學(xué)車牌定位技術(shù)英文題目：Imageprocessingandlicenseplatelocation學(xué)生姓名：***學(xué)號：***指導(dǎo)教師：***職稱講師專業(yè)：信息工程二零一零年五月三十日PaperofGraduationTitle：ImageprocessingandlicenseplatelocationEnglishTitle:ImageprocessingandlicenseplatelocationName：***Number：***DirectionTeacher***ProfessionalpostlecturerMajor:informationprojectMay30thof2010東華理工大學(xué)軟件學(xué)院畢業(yè)設(shè)計(jì)(論文)摘要摘要交通圖象檢測與處理方法研究對于交通安全、交通管理與控制具有非常重要的理論意義和實(shí)用價(jià)值。通過視頻圖象的檢測與識別，可以對道路的交通流、路況等實(shí)時(shí)監(jiān)視，提取交通流信息，通過視頻圖象的檢測與識別，還可以實(shí)時(shí)檢測交通違章現(xiàn)象、識別違章車輛的車牌號碼，為公安交通管理部門提供強(qiáng)有力的執(zhí)法證據(jù)。因此，研究交通圖象檢測與處理方法對智能交通運(yùn)輸系統(tǒng)的發(fā)展具有重要的推動(dòng)作用。本論文主要對車牌定位技術(shù)做了研究。目前對車牌定位的處理方法有很多種，常見的有基于神經(jīng)網(wǎng)絡(luò)、灰度變化、圖像處理、數(shù)學(xué)形態(tài)學(xué)等方法。本論文主要應(yīng)用VB語言編程，對其車牌圖像進(jìn)行預(yù)處理，去除噪聲引用了數(shù)學(xué)形態(tài)學(xué)膨脹和腐蝕運(yùn)算，有效的解決一些導(dǎo)致識別、定位錯(cuò)誤的問題。關(guān)鍵詞：車牌；定位；二值化；預(yù)處理；數(shù)學(xué)形態(tài)學(xué)東華理工大學(xué)軟件學(xué)院畢業(yè)設(shè)計(jì)(論文)ABSTRACTABSTRACTTrafficimageprocessingmethodfortestingandresearch,trafficsafetymanagementandcontrolhasimportanttheoreticalsignificanceandpracticalvalue.Throughvideoimagesofdetectionandrecognitionoftheroad,roadtrafficflow,monitoring,etc,thetrafficflowinformationextraction,throughvideoimagesofdetectionandrecognition,stillcanreal-timedetectionandidentificationofviolatethetrafficviolationsphenomenonplatenumberforpublicsecuritytrafficmanagementdepartment,providestrongevidenceoflawenforcement.Therefore,thestudytrafficimageprocessingmethodsoftestingandthedevelopmentofintelligenttransportationsystemplaysanimportantrole.Thisthesismainlyontrafficimageprocessingtechnologyfordetectionanddoresearch,andputforwardsomeeffectiveandpractical,quickrecognitionalgorithm.MainapplicationVBlanguageprogram,tothelicenseplateidentification,orientation,imageanalysis,processing.Andsomeofthemistakesinrecognition,positioningproblem.Keywords:plate；Positioning；Identify；Pretreatment；Mathematicalmorphology東華理工大學(xué)軟件學(xué)院畢業(yè)設(shè)計(jì)(論文)目錄目錄緒論 11.車牌自動(dòng)定位識別技術(shù)概述 21.1交通現(xiàn)狀及問題分析 21.2車牌自動(dòng)定位技術(shù)的研究意義 31.3車牌自動(dòng)定位技術(shù)應(yīng)用 31.4論文主要工作及內(nèi)容安排 3本章小結(jié) 32.圖像處理理論基礎(chǔ)知識與必備算法 42.1數(shù)字圖像處理的基礎(chǔ)知識 42.2直方圖 42.3圖像的預(yù)處理 52.4數(shù)學(xué)形態(tài)學(xué)算法 5本章小結(jié) 53基于數(shù)學(xué)形態(tài)學(xué)的實(shí)時(shí)車牌定位方法研究 63.1車牌自動(dòng)識別技術(shù)步驟 63.2預(yù)處理過程 73.2.1圖像的灰度化 83.2.2圖像的二值化 93.2.3圖像的濾波 103.3車牌搜索與定位 123.3.1了解車牌的特征 123.3.2基于數(shù)學(xué)形態(tài)學(xué)研究車牌初步定位 123.3.3圖像邊緣提取及定位分割 19本章小結(jié) 224應(yīng)用軟件設(shè)計(jì)實(shí)現(xiàn)過程 234.1應(yīng)用軟件介紹 234.2VisualBasic6.0實(shí)現(xiàn)車牌定位 23本章小結(jié) 30結(jié)論 31致謝 32參考文獻(xiàn) 33東華理工大學(xué)軟件學(xué)院畢業(yè)設(shè)計(jì)(論文)緒論P(yáng)AGE33緒論交通圖象檢測與處理方法研究對于交通安全、交通管理與控制方案選擇具有非常重要的理論意義和實(shí)用價(jià)值。隨著國民經(jīng)濟(jì)的飛速發(fā)展，促使國家對基礎(chǔ)設(shè)施的投資力度越來越大，表現(xiàn)之一就是道路建設(shè)。交通狀況日益惡化，這幾乎成為所有大中城市的通病。解決交通擁擠、交通事故頻發(fā)、交通污染嚴(yán)重、能源短缺等世界性問題，二十世紀(jì)80年代末90年代初，智能運(yùn)輸系統(tǒng)應(yīng)運(yùn)而生，ITS通過對道路交通流信息進(jìn)行實(shí)時(shí)檢測，了解道路交通的運(yùn)行情況，根據(jù)交通流的動(dòng)態(tài)變化，迅速做出交通誘導(dǎo)控制，減輕道路擁擠程度，減小車輛行車延誤，降低發(fā)生交通事故的概率，保證行車安全，并使交通設(shè)施得到充分利用，實(shí)現(xiàn)交通運(yùn)輸?shù)募s式發(fā)展，最終達(dá)到智能運(yùn)輸系統(tǒng)(ITS)的目的，使現(xiàn)有宏觀交通設(shè)施(道路、橋梁、隧道等)具有更大的交通運(yùn)輸能力和更高的交通運(yùn)輸安全口性。目前，交通信息采集設(shè)備幾的種類很多，如測速雷達(dá)、交通微波探測器、超聲波檢測器、環(huán)形檢側(cè)線圈、視頻檢測技術(shù)等等，但隨著視頻圖象處理技術(shù)的發(fā)展，基于圖象的交通信息采集技術(shù)顯示出更大的優(yōu)勢，將是未來實(shí)時(shí)交通信息采集和處理技術(shù)的發(fā)展方向。另一方面，在利用交通信息采集技術(shù)實(shí)現(xiàn)智能交通控制和誘導(dǎo)的同時(shí)，還必須加強(qiáng)對違章車輛的管理。眾所周知，各種類型的違章行為(闖紅燈、超速、違章變道、壓黃線、逆行等)給交通帶來的危害非常嚴(yán)重，它不僅擾亂了正常的交通秩序，也是造成機(jī)動(dòng)車交通事故的主要原因之一。因此，采用先進(jìn)技術(shù)進(jìn)行交通違章行為的自動(dòng)檢測與抓拍，為公安交通管理部門提供了強(qiáng)有力的執(zhí)法證據(jù)，對改善交通秩序、保障交通安全、提高道路交叉口通行能力、減少交通事故等都將起到重大作用。但隨著違章檢測站點(diǎn)數(shù)量的增多，違章車輛圖片和相關(guān)信也會(huì)急劇增加，勢必增加大批的后期處理人員，系統(tǒng)管理費(fèi)用必將隨之增加。所以，進(jìn)行違章車牌號碼的自動(dòng)識別，提高違章處罰的自動(dòng)化水平，提高違章檢測系統(tǒng)的整體功能，勢在必行。由此可見，研究交通圖象檢測與處理方法對智能交通運(yùn)輸系統(tǒng)的發(fā)展具有重要的推動(dòng)作用。東華理工大學(xué)軟件學(xué)院畢業(yè)設(shè)計(jì)(論文)車牌定位技術(shù)概述1.車牌自動(dòng)定位識別技術(shù)概述1.1交通現(xiàn)狀及問題分析近來年國內(nèi)的機(jī)動(dòng)車輛規(guī)模大幅度的增加，據(jù)統(tǒng)計(jì)：我國機(jī)動(dòng)車數(shù)量2000年保有量為8546萬量，截止到2010年2月保有量超過18000萬量。全國機(jī)動(dòng)車量年均增長率在15%以上，如圖1-1所示。圖1-1車輛保有量增長圖計(jì)算機(jī)技術(shù)在各個(gè)領(lǐng)域的不斷的廣泛的應(yīng)用使得交通管理手段正從人工管理逐步轉(zhuǎn)變成自動(dòng)或半自動(dòng)方式，如圖1-2所示。 自動(dòng)或半自動(dòng)管理人工管理自動(dòng)或半自動(dòng)管理人工管理圖1-2管理手段的轉(zhuǎn)變1.2車牌自動(dòng)定位技術(shù)的研究意義智能交通管理系統(tǒng)是21世紀(jì)世界道路交通的發(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，使圖象場景日益簡單化和標(biāo)準(zhǔn)化，這為以圖象理解為基礎(chǔ)的智能交通管理系統(tǒng)進(jìn)入實(shí)際應(yīng)用領(lǐng)域提供了契機(jī)。汽車牌照自動(dòng)識別系統(tǒng)也正是在這種應(yīng)用背景下被提出的。該系統(tǒng)是在交通監(jiān)控的基礎(chǔ)上，引入了數(shù)字?jǐn)z像技術(shù)和計(jì)算機(jī)信息管理技術(shù)，采用先進(jìn)的圖象處理，模式識別和人工智能技術(shù)，通過對圖象的采集和處理，獲得更多的信息，從而達(dá)到更高的智能化管理程度。雖然己有很多科研工作者對車牌自動(dòng)識別系統(tǒng)進(jìn)行研究并做出了許多貢獻(xiàn)，但總體來說，車牌自動(dòng)識別技術(shù)還不太成熟，仍需要進(jìn)一步的研究。由于車輛牌照是機(jī)動(dòng)車輛唯一的管理標(biāo)識符號，在交通管理中具有不可替代的作用，早在八十年代我國開始了車輛牌照自動(dòng)識別系統(tǒng)的研究和開發(fā)工作。在國外這項(xiàng)技術(shù)己經(jīng)比較成熟而且實(shí)用多年，然而在國內(nèi)這項(xiàng)技術(shù)仍處于新近開發(fā)應(yīng)用的初始階段。目前，有一些單位、院校開展了這方面的研究開發(fā)工作，己有相關(guān)的技術(shù)報(bào)告和論文發(fā)表。該系統(tǒng)是計(jì)算機(jī)圖像處理與字符識別技術(shù)在智能化交通管理系統(tǒng)中的應(yīng)用。1.3車牌自動(dòng)定位技術(shù)應(yīng)用車牌自動(dòng)定位技術(shù)是一個(gè)綜合多種科學(xué)的課題，它涉及到計(jì)算機(jī)視覺，人工智能，光學(xué)，模式識別，軟件編程，自動(dòng)化等學(xué)科。車牌自動(dòng)定位技術(shù)還在公共安全、交通管理甚至有關(guān)軍事部門等等都有著非常重要的應(yīng)用價(jià)值，如圖1-3所示。車牌自動(dòng)定位技術(shù)車牌自動(dòng)定位技術(shù)公共安全軍事部門交通管理圖1-3車牌識別技術(shù)應(yīng)用1.4論文主要工作及內(nèi)容安排本文的主要研究內(nèi)容是基于數(shù)學(xué)形態(tài)學(xué)的車牌定位過程。應(yīng)用VB語言進(jìn)行系統(tǒng)的分析和處理，主要對其定位過程具體分析。實(shí)現(xiàn)一種基于數(shù)學(xué)形態(tài)學(xué)的實(shí)時(shí)車牌定位過程，經(jīng)過多次去噪，提高了車牌定位的抗干擾性能和定位準(zhǔn)確度。在定位過程中為了避免錯(cuò)誤的定位，根據(jù)車牌高和寬的特點(diǎn)，通過設(shè)置膨脹系數(shù)值，最終獲得較為準(zhǔn)確的區(qū)域。論文內(nèi)容安排，第一章介紹了基于圖象的交通信息采集的研究意義；分析概括了國內(nèi)外對其研究發(fā)展現(xiàn)狀；介紹了車牌自動(dòng)定位識別系統(tǒng)概念，為下面內(nèi)容做鋪墊。第二章為數(shù)字圖象處理的基礎(chǔ)知識，為后續(xù)章節(jié)的算法描述和理解打好基礎(chǔ)。第三章具體介紹車牌定位過程。第四章應(yīng)用VB開發(fā)程序?qū)崿F(xiàn)該定位過程。本章小結(jié)本章主要是為了引入車牌自動(dòng)定位系統(tǒng)做鋪墊，通過介紹當(dāng)前交通系統(tǒng)發(fā)展現(xiàn)狀及其研究車牌定位的意義，為后續(xù)文章做鋪墊。東華理工大學(xué)軟件學(xué)院畢業(yè)設(shè)計(jì)(論文)圖像處理理論基礎(chǔ)與算法2.圖像處理理論基礎(chǔ)知識與必備算法交通圖象理解涉及到很多研究領(lǐng)域，如數(shù)字圖象處理、計(jì)算機(jī)視覺、計(jì)算機(jī)科學(xué)、模式識別，模糊算法和人工智能等等。為了后續(xù)各章內(nèi)容的展開，本章系統(tǒng)地介紹交通圖象理解領(lǐng)域研究的一些預(yù)備知識若干個(gè)關(guān)鍵算法。2.1數(shù)字圖像處理的基礎(chǔ)知識用于計(jì)算機(jī)進(jìn)行圖像處理的前提是必須以數(shù)字格式存儲(chǔ)，我們把以數(shù)字格式存儲(chǔ)的圖像稱之為數(shù)字圖像。數(shù)字化后的圖像可以看成是存儲(chǔ)在計(jì)算機(jī)中的有序數(shù)據(jù)，可以通過計(jì)算機(jī)對數(shù)字圖像進(jìn)行處理。我們把利用計(jì)算機(jī)對圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等的理論方法和技術(shù)成為數(shù)字圖像處理。數(shù)字圖像處理的產(chǎn)生和迅速發(fā)展主要受計(jì)算機(jī)的發(fā)展和數(shù)學(xué)的發(fā)展，軍事醫(yī)療和工業(yè)等方面應(yīng)用需求的不斷增長等方面的影響。其特點(diǎn)是處理精度高、處理效果容易控制、處理多樣性、綜合性強(qiáng)。數(shù)字圖像處理的內(nèi)容及應(yīng)用：圖像的獲取、表現(xiàn)和表示；圖像復(fù)原；圖像增強(qiáng)；圖像分割；圖像分析；圖像重建等，可應(yīng)用于通信、交通管理、宇宙探測、生物醫(yī)學(xué)、工業(yè)生產(chǎn)、軍事公共安全、機(jī)器人視覺、視頻多媒體等等。2.2直方圖直方圖又稱質(zhì)量分布圖，柱狀圖，它是表示資料變化情況的一種主要工具。用直方圖可以的資料，解析出規(guī)則性，比較直觀地看出產(chǎn)品質(zhì)量特性的分布狀態(tài)，對於資分布狀況一目了然，便於判斷其總體質(zhì)量分布情況。在制作直方圖時(shí)，牽涉學(xué)的概念，首先要對資料進(jìn)行分組，因此如何合理分組是其中的關(guān)鍵問題。按組距相等的原則進(jìn)行的兩個(gè)關(guān)鍵數(shù)位是分組數(shù)和組距。是一種幾何形圖表，它是根據(jù)從生產(chǎn)過程中收集來的質(zhì)量數(shù)據(jù)分布情況，畫成以組距為底邊、以頻數(shù)為高度的一系列連接起來的直方型矩形圖。一幅圖象的直方圖，表示該圖象中各種不同灰度級象素出現(xiàn)的相對頻率，是一個(gè)I-D的離散函數(shù)(設(shè)圖象的灰度總級數(shù)為L)，見公式（2-1）。k=0,1,..L-1(2-1)式中為圖象f(i，j)的第k級灰度值，是f(i，j)中具有灰度值為的像素的個(gè)數(shù)，N為圖像象素總數(shù)。因?yàn)閜<給出了對出現(xiàn)概率的一個(gè)估計(jì)，所以直方圖提供了原圖的某種灰度值的分布情況，也可以說給出了一幅圖所有灰度值的一種整體描述。2.3圖像的預(yù)處理圖像的預(yù)處理過程通常包括圖像的灰度化、二值化、濾波等圖像的灰度化是指在彩色圖像的RGB模型中，當(dāng)R=B=G時(shí)，則圖像中的彩色表示一種灰度顏色，其中R=B=G的顏色值叫做灰度值。通常有4中方法對彩色圖像進(jìn)行灰度化：分量發(fā)、最大值法、平均值法、加權(quán)平均法。圖像的二值化是指整幅圖像畫面內(nèi)僅黑、白二值的圖像優(yōu)點(diǎn)：處理的速度快成本低。二值化的閾值的成功率會(huì)受到光照條件、背景亮度、車牌條件等諸多因素的影響這時(shí)全局閾值化不成功，要對其進(jìn)行修正，實(shí)驗(yàn)發(fā)現(xiàn)這類圖像有共同點(diǎn)，可以直接指定閾值。圖像濾波，即在盡量保留圖像細(xì)節(jié)特征的條件下對目標(biāo)像的噪聲進(jìn)行抑制，是圖像預(yù)處理中不可缺少的操作，其處理效果的好壞將直接響到后續(xù)圖像處理和分析的有效性和可靠性。濾波過程在此定位過程中相當(dāng)重要。2.4數(shù)學(xué)形態(tài)學(xué)算法數(shù)學(xué)形態(tài)學(xué)是一種應(yīng)用于圖象處理和模式識別領(lǐng)域的新的方法。它的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖象中的對應(yīng)形狀以達(dá)到對圖象進(jìn)行了分析和識別的目的。數(shù)學(xué)形態(tài)學(xué)的數(shù)學(xué)基礎(chǔ)和所用語言是集合論。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡化圖象數(shù)據(jù)，保持它們基本的形狀特性，并除去不相干的結(jié)構(gòu)。另一方面，數(shù)學(xué)形態(tài)學(xué)的算法具有天然的并行實(shí)現(xiàn)的結(jié)構(gòu)。數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算有四個(gè):膨脹、腐蝕、開啟和閉合。例如:如用A表示圖象集合，B表示結(jié)構(gòu)元素，形態(tài)學(xué)運(yùn)算就是用B對A進(jìn)行操作。A被B膨脹，記為A⊕B，⊕為膨脹算子，膨脹公式見公式（2-2）；腐蝕公式見公式（2-3）。}(2-2)Xeq\o\ac(○,-)S={X|}(2-3)膨脹和腐蝕并不互為逆運(yùn)算，所以它們可以級連結(jié)合使用。例如，利用同一個(gè)結(jié)構(gòu)元素B，先對圖象腐蝕然后膨脹其結(jié)果，或先對圖象膨脹然后瘸蝕其結(jié)果，前一種運(yùn)算稱為開啟運(yùn)算，后一種運(yùn)算稱為閉合運(yùn)算。它們也是數(shù)學(xué)形態(tài)學(xué)中的重要運(yùn)算。本章小結(jié)本章主要介紹了有關(guān)論文研究方面的必備基礎(chǔ)知識，了解并且掌握了以上知識，才得以在研究過程中得以應(yīng)用。東華理工大學(xué)軟件學(xué)院畢業(yè)設(shè)計(jì)(論文)數(shù)學(xué)形態(tài)學(xué)定位方法3基于數(shù)學(xué)形態(tài)學(xué)的實(shí)時(shí)車牌定位方法研究眾所周知，各種類型的交通違章行為給交通帶來的危害非常嚴(yán)重，是造成習(xí)機(jī)動(dòng)車交通事故的主要原因之一。采用先進(jìn)技術(shù)，進(jìn)行交通違章行為的自動(dòng)檢測，為公安交通管理部門提供強(qiáng)有力的執(zhí)法證據(jù)，對改善交通秩序、保障交通安全、提高道路交叉口通行能力、減少交通事故等都將起到重大作用。但隨著電子警察數(shù)量的增加，圖片數(shù)量也急劇增長，完全依賴于后勤處理人員的人眼識別是不經(jīng)濟(jì)的，所以，進(jìn)行違章車牌號碼的自動(dòng)識別，提高違章處罰的自動(dòng)化水平。自動(dòng)識別定位過程其流程圖如圖3-1所示圖像采集灰度化圖像采集灰度化保存彩色圖像二值化濾波去噪形態(tài)學(xué)處理初步定位分割提取車牌3.1車牌自動(dòng)識別技術(shù)步驟車牌自動(dòng)識別步驟如圖3-2所示：顯示結(jié)果字符識別車牌顯示結(jié)果字符識別車牌定位圖像捕捉獲取字符分割圖3-2車牌識別步驟（1）捕捉與獲取：獲得含有車牌的圖像源（2）車牌定位：從圖像中搜索出具有車牌特征的區(qū)域（3）字符分割：從車牌圖像中分割出單個(gè)字符（4）字符識別：對分割出的單個(gè)字符進(jìn)行識別（5）顯示結(jié)果：顯示出切割后的字符結(jié)果車輛的捕捉與獲?。簭能嚺谱R別的應(yīng)用現(xiàn)場考慮，車輛圖象是由固定拍攝地點(diǎn)的攝像機(jī)拍攝的.其觸發(fā)機(jī)制多由環(huán)形感應(yīng)線圈感應(yīng)到車輛存在后，立即發(fā)出指令要求數(shù)碼相拍攝的。從檢測到車輛到數(shù)碼相機(jī)拍攝完成，時(shí)間不超過40MS。車牌定位子系統(tǒng)通常包括圖像預(yù)處理、車牌搜索、車牌定位與分割三個(gè)部分，預(yù)處理又包括灰度化、二值化、濾波等部分,如圖3-3所示。預(yù)處理車牌定位車牌搜索分割顯示預(yù)處理車牌定位車牌搜索分割顯示灰度化形態(tài)學(xué)處理濾波二值化灰度化形態(tài)學(xué)處理濾波二值化圖3-3定位系統(tǒng)步驟3.2預(yù)處理過程車輛通過攝像捕捉到的源圖像如圖3-4所示。圖3-4源圖像一般源圖像的獲取是由電子警察，路況監(jiān)視器等捕捉獲取到，在此捕捉過程不再做詳細(xì)講解。3.2.1圖像的灰度化在RGB模型中，如果R=G=B，則顏色表示一種灰度顏色，其中R=G=B的值叫做灰度值。因此，灰度圖像的每個(gè)像素只需一個(gè)字節(jié)存放灰度值，又稱強(qiáng)度值、亮度值?；叶戎捣秶鸀?-255。通常有以下四種方法：分量法：將彩色圖像中的三分量的亮度作為三個(gè)灰度圖像的灰度值，即f1(i,j)=R(i,j)f2(i,j)=G(i,j)(3-1)f3(i,j)=B(i,j)最大值法：使RGB三個(gè)分量的值等于其中最大的一個(gè)，即R=B=G=MAX(R,G,B)(3-2)平均值法：使R、G、B的值等于三值的平均值，即(3-3)本車牌定位方法中采用的是加權(quán)平均法進(jìn)行灰度，根據(jù)重要性及其他指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均，其使用公式見公式（3-4）。f(i,j)=0.11R(i,j)+0.59G(i,j)+0.3B(i,j)(3-4)由于人眼對綠色的敏感度最高，對紅色的敏感度次之，對藍(lán)色的敏感度最低。當(dāng)WG=0.59,WR=0.11,WB=0.30得到最合理的灰度圖像如圖3-5所示。圖3-5灰度化后圖像主要程序代碼如下Fori=1ToPicture1.ScaleHeightStep15Forj=1ToPicture1.ScaleWidthStep15aaa=Picture1.Point(j,i)R=(aaaMod256)G=(aaaMod65536)\256B=(aaaMod16777216)\65536bbb=0.11R+0.59G+0.3BPicture2.PSet(j,i),RGB(bbb,bbb,bbb)NextjNextiEndSub3.2.2圖像的二值化二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。其優(yōu)點(diǎn)：處理的速度快，對于灰度值小于閾值的象素直接設(shè)置灰度值為0；灰度值大于閾值的象素直接設(shè)置為255。將256個(gè)亮度等級的灰度圖像通過適當(dāng)?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，首先，圖像的二值化有利于圖像的進(jìn)一步處理，使圖像變得簡單，而且數(shù)據(jù)量減小，能凸顯出感興趣的目標(biāo)的輪廓。其次，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像。所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。閾值方法分為全局閾值和局部閾值兩種，如果分割過程中對圖像上每個(gè)像素所使用的閾值都相等，則為全局閾值方法；如果每個(gè)像素所使用的閾值可能不同，則為局部閾值方法。最佳全局閾值確定的常用方法一般有下面幾種：試驗(yàn)法、直方圖法和最小誤差法(這種方法假設(shè)背景和前景的灰度分布都是正態(tài)分布的)。當(dāng)光照不均勻、有突發(fā)噪聲，或者背景灰度變化比較大時(shí)，整幅圖像分割將沒有合適的單一門限，因?yàn)閱我坏拈撝挡荒芗骖檲D像各個(gè)像素的實(shí)際情況。這時(shí)，可對圖像按照坐標(biāo)分塊，對每一塊分別選一閾值進(jìn)行分割。車牌圖像二值化成功的標(biāo)準(zhǔn)是車牌字符與車牌背景被分開，利用全局閾值化方法，選擇閾值T應(yīng)用最高灰度值（Gmax）、最低灰度值（Gmin）求得，見公式(3-5)。T=Gmax-(Gmax-Gmin)/3(3-5)由于二值化的閾值的成功率會(huì)受到光照條件、背景亮度、車牌條件等諸多因素的影響。受各種條件影響全局閾值化后得到可能得到失敗的圖像，會(huì)直接導(dǎo)致定位搜索的失敗。經(jīng)反復(fù)試驗(yàn)證明，閾值的改變會(huì)直接影響后面的處理，經(jīng)過不斷的調(diào)試，最終閾值定為161-171之間效果較好，不同的圖像需要設(shè)置不同的閾值，其效果也大不相同，此次選閾值T=171時(shí)，二值化效果如圖3-6所示。圖3-6二值化后圖像主要程序代碼如下Fori=1ToPicture1.ScaleHeightStep1Forj=1ToPicture1.ScaleWidthStep1aaa=Picture1.Point(j,i)R=(aaaMod256)G=(aaaMod65536)\256b=(aaaMod16777216)\65536bbb=R/3+G/3+b/3Ifbbb>=171ThenPicture2.PSet(j,i),RGB(255,255,255):erzhi(j,i)=255ElsePicture2.PSet(j,i),RGB(0,0,0):erzhi(j,i)=0EndIfNextjNextiEndSub3.2.3圖像的濾波圖像濾波，即在盡量保留圖像細(xì)節(jié)特征的條件下對目標(biāo)像的噪聲進(jìn)行抑制，是圖像預(yù)處理中不可缺少的操作，其處理效果的好壞將直接響到后續(xù)圖像處理和分析的有效性和可靠性。對其進(jìn)行濾波實(shí)質(zhì)上是對其進(jìn)行去除噪聲，圖像顯得的更清晰對比度更明顯。濾波的方式有兩種，一種是空間域?yàn)V波，一種是頻率域?yàn)V波。在空間域?yàn)V波中，常見的濾波方式有兩種，均值濾波和中值濾波，兩種濾波各有各的優(yōu)點(diǎn)，本論文采用中值濾波方式進(jìn)行處理，其原因是中值濾波雖然處理的結(jié)果沒有均值的效果好，但是它能去除噪聲點(diǎn)的同時(shí)并保持了邊界。本論文應(yīng)用中值濾波處理后白色框內(nèi)白色點(diǎn)消失了即去除了噪聲，如圖3-7所示。圖3-7濾波后圖像主要程序代碼如下size=3:num=size*sizeForj=size\2Toh-1-size\2Fori=size\2Tow-1-size\2k=0:kk=0Fork1=-size\2Tosize\2Fork2=size\2Tosize\2a(k)=erzhi(i+k1,j+k2)Ifa(k)=255Thenk=k+1Else:kk=kk+1EndIfNextk2Nextk1Ifkk>kThenerzhi(i,j)=0Elseerzhi(i,j)=255EndIfPicture2.PSet(i,j),RGB(erzhi(i,j),erzhi(i,j),erzhi(i,j))NextiNextjEndSub3.3車牌搜索與定位車牌定位直接決定了其后的字符分割和識別的正確率，因此車牌定位是車牌識別技術(shù)中最關(guān)鍵的一步，對于車牌定位的研究國外起步的比較早，90年代就有人提出了基于DFT變換的頻域分析法等，進(jìn)入21世紀(jì)以來，出于交通現(xiàn)代化的需求，國外的研究者對其更加深入，我國的許多學(xué)者也加入了研究的隊(duì)伍，提出了較好的方法有基于顏色特征、數(shù)學(xué)形態(tài)學(xué)、邊緣特征、模糊技術(shù)等，這些方法都是基于某一種特征來研究車牌定位的方法。3.3.1了解車牌的特征首先，車輛牌照定位從圖像處理的意義上來說就是要從一副隨機(jī)圖像中找到一塊具有某種特征的區(qū)域圖像，該區(qū)域包含了車牌牌照。這種特征就是牌照本身區(qū)別與圖像的其他部分的特征。所有牌照圖像都具有一些共同特征，目前可供利用的車牌特征主要包括：車牌區(qū)域內(nèi)的邊緣灰度直方圖統(tǒng)計(jì)特征；車牌的幾何特征；車牌區(qū)域的灰度分布特征；車牌區(qū)域水平或垂直投影特征；車牌形狀特征和字符排列特征；頻譜特征；車牌的色彩特征；本文中定位算法研究的先驗(yàn)知識主要是根據(jù)下列五個(gè)車牌特點(diǎn)獲得的：(1)汽車牌照的大小在圖像中相對穩(wěn)定．在實(shí)際應(yīng)用中，若所攝圖像均為汽車正面圖像，由于汽車前身牌照一般具有相同的真實(shí)尺寸，再加CCD攝像頭攝像時(shí)與汽車距離相對固定，因此縮小的比例相對一致，所攝圖像中牌照的大小也相對穩(wěn)定。(2)圖像上有大量長短不一類似直線與長方形的區(qū)域，還有一些灰度特征類似于文字區(qū)域的汽車廠商標(biāo)志區(qū)域，如奧迪車的類似于4個(gè)0組成的標(biāo)志。(3)車牌文字周圍有一個(gè)類似于長方形的邊框，其厚度不一，而且有斷裂處，有時(shí)彎曲度較大。(4)大小統(tǒng)一、排列成行。由于拍攝原因，有一定程度傾斜(一般在30度以內(nèi))文字與背景之間有明顯灰度對比。根據(jù)特征選取的不同，牌照的定位方法也有很大的不同。(5)汽車前身牌照中文字有統(tǒng)一的大小，水平排列成行。3.3.2基于數(shù)學(xué)形態(tài)學(xué)研究車牌初步定位數(shù)學(xué)形態(tài)學(xué)是由一組形態(tài)學(xué)的代數(shù)運(yùn)算子組成的，它的基本4個(gè)運(yùn)算有：膨脹（或擴(kuò)張）、腐蝕（或侵蝕）、開啟和閉合，本文基于線性數(shù)學(xué)形態(tài)學(xué)運(yùn)算來定位車牌。數(shù)學(xué)形態(tài)學(xué)中的腐蝕和膨脹以及在此基礎(chǔ)上，產(chǎn)生的展開、閉合運(yùn)算在車牌定位中得到了較為廣泛的運(yùn)用．腐蝕是一種消除邊界點(diǎn)的過程，結(jié)果是使目標(biāo)縮小，孔洞增大，因而可以有效地消除孤立噪聲點(diǎn)．膨脹是將與目標(biāo)物體接觸的所有背景點(diǎn)合并到物體中的過程，結(jié)果是使目標(biāo)增大，孔洞縮小，可以填補(bǔ)目標(biāo)物體中的空洞，形成連通域。開啟運(yùn)算具有消除細(xì)小物體，并在纖細(xì)處分離物體和平滑較大物體邊界的作用。閉合運(yùn)算具有填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界的作用。通過開啟閉合運(yùn)算，可以將目標(biāo)區(qū)域顯示出來。提出的基于線的數(shù)學(xué)形態(tài)學(xué)運(yùn)算將車牌的微觀紋理特征和車牌的宏觀特征進(jìn)行有機(jī)結(jié)合，不僅有效的濾除噪聲干擾，同時(shí)也提高了車牌定位的可靠性、準(zhǔn)確性和實(shí)時(shí)性。腐蝕的作用是消除物體的邊界點(diǎn)，可以把小結(jié)構(gòu)元素的噪聲去除，若兩物體之間有細(xì)小的連通，結(jié)構(gòu)元素足夠大時(shí)，通過腐蝕運(yùn)算可以將其分開。腐蝕公式見公式（3-7）eq\o\ac(○,-)s={x|}(3-7)X用S腐蝕的結(jié)果是所有使S平移x后仍在X中的x的集合。換句話說，用S來腐蝕X得到的集合時(shí)S完全包括在X中時(shí)S的原點(diǎn)位置的集合。如圖3-8所示。圖3-8腐蝕示意圖腐蝕的目的是使其車牌周圍的白色線條被腐蝕掉，留下車牌內(nèi)部字體對其二值圖進(jìn)行腐蝕，效果如圖3-9所示。圖3-9腐蝕效果圖主要程序代碼如下Forj=1Toh-1Fori=1Tow-1m=0Fork3=-1To1Iferzhi(i+k3,j)>0Thenm=m+1Nextk3Ifm=3ThenPicture2.PSet(i,j),RGB(255,255,255):doubl(i,j)=255Picture2.PSet(i-1,j),RGB(0,0,0):doubl(i-1,j)=0Picture2.PSet(i-2,j),RGB(0,0,0):doubl(i-2,j)=0ElsePicture2.PSet(i,j),RGB(erzhi(i,j),erzhi(i,j),erzhi(i,j)):doubl(i,j)=erzhi(i,j)EndIfNextiNextjForj=0Toh-2Fori=0Tow-2erzhi(i,j)=doubl(i,j)NextiNextjEndSub腐蝕后的圖像，仍有很多噪聲，不能立刻做膨脹處理，分析噪聲的特征和車牌區(qū)域及周圍噪聲特征，即圖像橫向的噪聲依然保留，因此對其進(jìn)行豎直濾波，其作用是去除掉橫向噪聲，豎直濾波后效果如圖3-10所示。圖3-10豎直濾波效果圖主要程序代碼如下size=4:num=size*sizeForj=size\2Toh-1-size\2Fori=size\2Tow-1-size\2k=0:kk=0Fork2=-size\2Tosize\2a(k)=erzhi(i,j+k2)':k=k+1Ifa(k)>0Thenk=k+1Else:kk=kk+1EndIfNextk2Ifkk>kThenerzhi(i,j)=0Elseerzhi(i,j)=255EndIfPicture2.PSet(i,j),RGB(erzhi(i,j),erzhi(i,j),erzhi(i,j))NextiNextjEndSub經(jīng)過了濾波之后圖像的噪聲明顯減少，但是車牌區(qū)域也不再明顯，因此引用膨脹算法對其圖像進(jìn)行處理，膨脹算法公式見公式（3-6）}（3-6）該式表明的膨脹過程是B首先做關(guān)于原點(diǎn)的映射，然后平移x。A被B的膨脹是B被所有x平移后與A至少有一個(gè)非零公共元素。簡而言之就是B被平移后與A有交集。膨脹的結(jié)果會(huì)使目標(biāo)變大，如圖3-11所示。圖3-11膨脹示意圖膨脹是使其目標(biāo)區(qū)域變大，根據(jù)編寫的程序，可以使其橫向膨脹或者豎直膨脹，可以使目標(biāo)區(qū)域任意向各個(gè)方向擴(kuò)展，本論文將橫向膨脹和豎直膨脹應(yīng)用其中。橫向膨脹使目標(biāo)向左右方向擴(kuò)展即目標(biāo)區(qū)域?qū)挾仍黾?；豎直膨脹使目標(biāo)向上下方向擴(kuò)展即目標(biāo)區(qū)域高度增加。濾波之后存在很多干擾噪聲，對其進(jìn)行橫向膨脹使噪聲和目標(biāo)區(qū)域全部變大，為下一步濾波做好基礎(chǔ)。對其進(jìn)行橫向膨脹處理，其目的是將圖像中的白色部分膨脹，使其點(diǎn)與點(diǎn)相連通，并且進(jìn)行反色處理。使之成為黑色相連通區(qū)域，膨脹后效果如圖3-12所示。3-12橫向膨脹并反色效果圖主要程序代碼如下Forj=3Toh-2Fori=10Tow-2m=0Fork4=-10To10Iferzhi(i+k4,j)>0Thenm=1Nextk4Ifm=1ThenPicture2.PSet(i,j),RGB(0,0,0):doubl(i,j)=255ElsePicture2.PSet(i,j),RGB(255,255,255):doubl(i,j)=0EndIfNextiNextjForj=4Toh-2Fori=4Tow-2erzhi(i,j)=doubl(i,j)NextiNextjEndSub經(jīng)過橫向膨脹處理及反色處理之后，圖像顯示很多橫向噪聲，因此對其進(jìn)行橫向?yàn)V波，使之水平方向的噪聲減小，其效果圖如圖3-13所示。圖3-13橫向?yàn)V波效果圖主要程序代碼如下size=46:num=size*sizeForj=size\2Toh-1-size\2Fori=size\2Tow-1-size\2k=0:kk=0Fork2=-size\2Tosize\2a(k)=erzhi(i+k2,j)':k=k+1Ifa(k)=0Thenk=k+1Else:kk=kk+1EndIfNextk2Ifk>kkThenerzhi(i,j)=0Elseerzhi(i,j)=255EndIfNextiNextj橫向?yàn)V波之后仍有少許噪聲存在，仍需要再次進(jìn)行濾波，為確保車牌區(qū)域不被過濾，因此需要設(shè)定連通像素最大值，其中連通像素值的確定根據(jù)濾波后目標(biāo)區(qū)域的寬度和經(jīng)過反復(fù)試驗(yàn)得知。最終保留車牌區(qū)域。經(jīng)過再次濾波后效果如圖3-14所示。3-14再次濾波之后經(jīng)過再一次濾波之后成功的分離了車牌區(qū)域與背景，若要準(zhǔn)備的定位仍需對其進(jìn)行縱向膨脹，使之與車牌的寬度和高度相似，根據(jù)車牌高和寬的特征，修改膨脹代碼的寬和高的范圍即可，運(yùn)行軟件，得到膨脹后的效果如圖3-15所示。3-15膨脹后效果圖修改縱向膨脹部分代碼如下Forj=15Toh-2Fori=5Tow-2m=0Fork3=-5To25Fork4=-15To12Iferzhi(i+k3,j+k4)=0Thenm=1Nextk4Nextk3到此為止，已經(jīng)對車牌實(shí)現(xiàn)了初步定位。通過上述實(shí)現(xiàn)過程，需要注意以下幾點(diǎn)：腐蝕之后的濾波為豎直濾波豎直濾波進(jìn)行膨脹并且反色膨脹反色之后對其橫向?yàn)V波再對其進(jìn)行濾波，去除干擾噪聲對其進(jìn)行膨脹使之與車牌實(shí)際高寬相似初步定為后，車牌區(qū)域與背景明顯被分離，為對其進(jìn)一步定位創(chuàng)下了良好的條件。3.3.3圖像邊緣提取及定位分割圖像的分割是將圖像分成若干個(gè)有意義的區(qū)域，然后對這些具有共同屬性的小區(qū)域進(jìn)行描述，相當(dāng)于提取木屑目標(biāo)區(qū)域圖像特征，判斷是否是需要的目標(biāo)區(qū)域。圖像分割的基本基礎(chǔ)是像素間的相似性和跳變性。所謂“相似性”是指在某個(gè)區(qū)域內(nèi)像素具有某種相似的特性，如灰度一樣，紋理相同；所謂“跳變性”是指特性不連續(xù)，如灰度值突變等?？偟膩碚f，圖像分割技術(shù)就是把圖像分成若干個(gè)有意義的區(qū)域的處理技術(shù)，區(qū)域內(nèi)事一個(gè)所有象素都有相鄰或相接觸像素的集合即像素的連通集。在一個(gè)連通集中任意兩個(gè)像素之間，都存在一條完全由這個(gè)集合的元素構(gòu)成的連通路徑。對于連通有4連通和8連通之分。4連通是從區(qū)域上一點(diǎn)出發(fā)，通過該點(diǎn)的4個(gè)方向，即上、下、左、右，在不越出區(qū)域的前提下，到達(dá)區(qū)域內(nèi)的任意像素[如圖3-16(a)]；8連通與4連通類似，但是通過該點(diǎn)的8個(gè)方向即上、下、左、右、左上、左下、右上、右下，來到達(dá)區(qū)域的任意像素[如圖3-16(b)所示]。（a）(b)圖3-164連通與8連通圖像分割是把圖像灰度分成不同的等級，然后用設(shè)置灰度閾值的方法確定有意義的區(qū)域或分割物體的邊界。閾值處理是一種區(qū)域分割技術(shù)，將圖像的灰度根據(jù)用戶的指點(diǎn)來分成兩個(gè)或多個(gè)等間隔或不等間隔區(qū)間，本車牌提取主要是利用圖像中要提取的目標(biāo)區(qū)域（車牌）和背景在灰度上的差異，選擇一個(gè)合適的閾值，通過判斷圖像中的每一個(gè)像素點(diǎn)的特征屬性是否滿足預(yù)知的要求來確定圖像中該像素點(diǎn)屬于目標(biāo)區(qū)域還是背景區(qū)域。常用的閾值化處理就是圖像的二值化處理，在預(yù)處理過程中就已經(jīng)對圖像進(jìn)行了二值化并且進(jìn)行了膨脹和腐蝕運(yùn)算，在此過程中已經(jīng)確定了最佳閾值，因此直接進(jìn)行下一步邊緣提取及定位。在第一小節(jié)內(nèi)容中已經(jīng)介紹了車牌的特征，牌照區(qū)域相對于其它非車牌區(qū)域跳變多，而且間距在一定范圍內(nèi)和跳變次數(shù)大于一定次數(shù)。通常為14以上，因?yàn)檐嚺浦薪裼?個(gè)字符，每個(gè)字符有兩個(gè)以上跳變根據(jù)車牌的特征即水平像素值跳變明顯基于此特點(diǎn)對已經(jīng)預(yù)處理過的圖像進(jìn)行水平和豎直直線掃描，將結(jié)果加以分析最終獲得車牌位置。車牌區(qū)域和背景被分離，根據(jù)灰度級的跳變，對其進(jìn)行邊緣提取，如圖3-17所示。圖3-17邊緣提取效果圖主要程序代碼如下Forj=1Toh-2Fori=1Tow-2sx=Abs(Val(erzhi(i+1,j-1))+2*Val(erzhi(i+1,j))+Val(erzhi(i+1,j+1))-Val(erzhi(i-1,j-1))-Val(2*erzhi(i-1,j))-Val(erzhi(i-1,j+1)))/8sy=Abs(Val(erzhi(i-1,j+1))+2*Val(erzhi(i,j+1))+Val(erzhi(i+1,j+1))-Val(erzhi(i-1,j-1))-Val(2*erzhi(i,j-1))-Val(erzhi(i+1,j-1)))/8doubl(i,j)=sx+syIfdoubl(i,j)<128Thendoubl(i,j)=0Else:doubl(i,j)=255EndIfPicture2.PSet(i,j),RGB(doubl(i,j),doubl(i,j),doubl(i,j))NextiNextjEndSub由于車牌區(qū)域與背景的灰度差級大，因此車牌區(qū)域被成功的定位，將此區(qū)域與源圖像想匹配核對將該邊緣定位于源圖像上，如圖3-18所示。3-18定位源圖像車牌區(qū)域主要程序代碼如下Forj=0Toh–1Fori=0Tow-1Ifdoubl(i,j)=255ThenPicture1.PSet(i,j),RGB(255,255,255)ElsePicture1.PSet(i,j),RGB(pic(i,j,0),pic(i,j,1),pic(i,j,2))EndIfNextiNextjEndSub源圖像定位成功，對其進(jìn)行切割并輸出顯示，擬定邊框的大小，設(shè)定其掃描范圍，分別確定邊緣的上、下、左、右邊界，并輸出結(jié)果，最終成功定位車牌，如圖3-19所示。3-19切割后結(jié)果主要程序代碼如下：m1=0:m2=600n1=0:n2=600Forj=20Toh-10Fori=20Tow-10Ifdoubl(i,j)=255ThenIfm2>iThenm2=iifm1<iThenm1=iIfn2>jThenn2=jIfn1<jThenn1=iEndIfNextiNextjFori=m2Tom1Forj=n2Ton1Picture3.PSet(i-m2,j-n2),RGB(pic(i,j,0),pic(i,j,1),pic(i,j,2))NextjNextiEndSub經(jīng)上述一系列的處理車牌被成功定位，車牌自動(dòng)識別系統(tǒng)的關(guān)鍵部分已經(jīng)完成，下一步將對其進(jìn)行字符切割和字符識別，鑒于本人能力和時(shí)間的限制，不在此論文加以深入研究。本章小結(jié)本章主要介紹了車牌定位的過程，提出了在預(yù)處理基礎(chǔ)上經(jīng)過腐蝕和膨脹運(yùn)算后，再進(jìn)行車牌定位的理念，通過基于線的數(shù)學(xué)形態(tài)學(xué)運(yùn)算將車牌的微觀細(xì)理特征和車牌的宏觀特征進(jìn)行有機(jī)的結(jié)合，不僅有效的濾除噪聲干擾，同時(shí)也提高了車牌定位的可靠性、準(zhǔn)確性和實(shí)時(shí)性，為車牌成功識別創(chuàng)下了良好的條件。東華理工大學(xué)軟件學(xué)院畢業(yè)設(shè)計(jì)(論文)應(yīng)用軟件實(shí)現(xiàn)過程4應(yīng)用軟件設(shè)計(jì)實(shí)現(xiàn)過程4.1應(yīng)用軟件介紹車牌定位系統(tǒng)程序大多是用VC++和matlab來實(shí)現(xiàn)的，其優(yōu)點(diǎn)是處理速度快、精確度高，但是鑒于本人的能力限制，采用VisualBasic6.0程序編程，成功的分割定位了車牌。本次論文應(yīng)用VisualBasic6.0進(jìn)行編程，它是在BASIC語言的基礎(chǔ)上發(fā)展而來的，VB擁有圖形用戶界面（GUI）和快速應(yīng)用程序開發(fā)（RAD）系統(tǒng)，可以輕易的使用DAO、RDO、ADO連接數(shù)據(jù)庫，或者輕松的創(chuàng)建ActiveX控件。程序員可以輕松的使用VB提供的組件快速建立一個(gè)應(yīng)用程序。VB的中心思想就是要便于程序員使用，無論是新手或者專家。VB使用了可以簡單建立應(yīng)用程序的GUI系統(tǒng)，但是又可以開發(fā)相當(dāng)復(fù)雜的程序。VB的程序是一種基于窗體的可視化組件安排的聯(lián)合，并且增加代碼來指定組件的屬性和方法。窗體控件的增加和改變可以用拖放技術(shù)實(shí)現(xiàn)。VisualBasic的特點(diǎn)有以下幾點(diǎn)：具有基于對象的可視化設(shè)計(jì)工具事件驅(qū)動(dòng)的編程機(jī)制提供易學(xué)易用的應(yīng)用程序集成開發(fā)環(huán)境結(jié)構(gòu)化程序設(shè)計(jì)語言強(qiáng)大的網(wǎng)絡(luò)、數(shù)據(jù)庫、多媒體功能完備的聯(lián)機(jī)幫助功能4.2VisualBasic6.0實(shí)現(xiàn)車牌定位啟動(dòng)VisualBasic6.0(VB6.0),建立新工程，名為“車牌定位系統(tǒng)”。并且在窗體設(shè)計(jì)窗口，創(chuàng)建commond按鈕和pictureBox圖片顯示框,在其每個(gè)commond按鈕代碼窗口執(zhí)入相應(yīng)的操作代碼。需要注意的是在建立pictureBox圖片顯示框時(shí)需要設(shè)定足夠的空間，便于加載像素比較大的BMP圖像，選擇圖像時(shí)盡量選擇在600*600像素以內(nèi)的圖像，在植入程序并且運(yùn)行時(shí)，需要注意添加CommonDialog1部件，程序代碼和界面設(shè)計(jì)好之后即可對軟件進(jìn)行測試。窗體的美化依個(gè)人喜好設(shè)計(jì)，下面介紹實(shí)現(xiàn)車牌定位具體步驟，首先運(yùn)行程序，當(dāng)前顯示程序主界面，如圖4-1所示。圖4-1程序設(shè)計(jì)主界面點(diǎn)擊“選擇圖像”，選擇需要處理的圖像，格式為BMB格式，并且讀取圖像，點(diǎn)擊會(huì)灰度化，實(shí)現(xiàn)其彩色圖像灰度化效果，如圖4-2所示。圖4-2彩色圖像灰度化點(diǎn)擊“二值化”使其灰度圖像轉(zhuǎn)換成二值圖像，如圖4-3所示。圖4-3灰度圖像轉(zhuǎn)二值圖像點(diǎn)擊當(dāng)前狀態(tài)則pictureBox1中顯示二值圖像，在點(diǎn)擊中值濾波使之與其對比觀察效果，如圖4-4所示。圖4-4中值濾波效果圖點(diǎn)擊“腐蝕”使之白色連通區(qū)域變黑，如圖4-5所示。圖4-5腐蝕效果圖為了減小噪聲需要再次濾波，注意這次濾波是豎直濾波，目的是去除豎直方向不連續(xù)的點(diǎn)，盡量多保留車牌字符區(qū)域。效果如圖4-6所示。圖4-6豎直濾波點(diǎn)擊“橫向膨脹”使橫向的點(diǎn)膨脹，并且反色，讓其白色點(diǎn)連通并且轉(zhuǎn)為黑色點(diǎn)使之更加明顯，車牌區(qū)域更加明顯，為下次濾波為好保障。如圖4-7所示。圖4-7橫向膨脹并反色結(jié)果點(diǎn)擊“橫向?yàn)V波”和“二次濾波”，使其橫向小于一定范圍不連通的黑點(diǎn)被過濾掉，運(yùn)行后效果如圖4-8所示。圖4-8兩次濾波后效果圖點(diǎn)擊“縱向膨脹”是目標(biāo)區(qū)域向上下增寬，此過程由于循環(huán)過于復(fù)雜，尋找點(diǎn)過多，處理時(shí)間較慢，膨脹后如圖4-9所示。圖4-9目標(biāo)區(qū)域縱向膨脹效果圖點(diǎn)擊“切割顯示”即邊緣提取使目標(biāo)區(qū)域邊緣顯得更加明顯，效果如圖4-10所示。圖4-10邊緣提取效果圖點(diǎn)擊“圖像提取“，目標(biāo)區(qū)域?qū)?huì)顯示在源圖像的位置，即車牌區(qū)域，如圖4-11所示。圖4-11原圖像提取點(diǎn)擊“顯示提取的車牌“則目標(biāo)區(qū)域框內(nèi)的車牌將被提取出來，如圖4-12所示。圖4-12顯示車牌提取區(qū)域經(jīng)過上述步驟車牌區(qū)域被成功切割顯示，經(jīng)過反復(fù)測試識別準(zhǔn)確率達(dá)到80%以上，至于識別速度方面有待提高，經(jīng)反復(fù)測算成功定位每個(gè)車牌大概需要20秒。本章小結(jié)本章主要介紹了應(yīng)用VisualB