淺論計(jì)算機(jī)圖像處理技術(shù)在車牌識(shí)別系統(tǒng)中的運(yùn)用

王妍 蘇鵬 劉桂玲

【摘要】本文通過對(duì)這種智能識(shí)別系統(tǒng)，即在交通管理中運(yùn)用計(jì)算機(jī)圖像處理技術(shù)的研究，提出相關(guān)建議方案，希望對(duì)提高交通管理水平有所幫助。

【關(guān)鍵詞】圖像處理；智能交通；車牌識(shí)別

一、車牌識(shí)別系統(tǒng)的工作原理

（1）圖像的預(yù)處理：采集車牌圖像。（2）車牌的定位：提取圖像位置。（3）車牌字符的分割：分割提取車牌圖像中的單個(gè)字符。（4）車牌字符的識(shí)別：識(shí)別分割后的單個(gè)字符，以便精準(zhǔn)查找。

二、圖像的預(yù)處理

（一）彩色圖像灰度化

由于前期攝像對(duì)圖像的采集是彩色的，這對(duì)后期圖像的處理來說任務(wù)量巨大。由于需要利用 RGB 模型來將圖像進(jìn)行分量整理，因此每個(gè)像素點(diǎn)幾乎都可以達(dá)到1600 萬種取值的方法，整個(gè)圖像的任務(wù)量就更不用說了，因而灰度圖像處理就應(yīng)運(yùn)而生。它是利用 R=G=B的特殊圖像處理的方法來降低像素點(diǎn)的取值，也使存儲(chǔ)空間得以降低。

（二）圖像的濾波

圖像濾波針對(duì)的是圖像采集或傳輸過程中噪聲的處理。如果不對(duì)噪聲進(jìn)行濾波，很容易使一些對(duì)圖像具有一定沖擊力的噪聲像素塊直接影響到圖像質(zhì)量。 為此，需要在進(jìn)行圖像處理時(shí)用以濾波，如中值濾波。這是采取用拍攝圖像濾波窗口的中值來取代灰度值中出現(xiàn)的最大或者最小的點(diǎn)的方式，來使像素達(dá)到一個(gè)基本適度且清晰的狀態(tài)，從而最大程度地抑制噪聲。還有均值濾波。采取用均值來代替像素點(diǎn)灰度值的方法。但相比中值濾波的方法，它難以有效保留圖像細(xì)節(jié)，畫面也容易出現(xiàn)模糊不清的效果。

（三）二值化

彩色圖像經(jīng)過前期的預(yù)處理，灰度化及濾波后，數(shù)據(jù)量相比之前已經(jīng)有了大量的減少，處理的效率也已提高。接下來，為使圖像處理更加便捷，且能夠獲取最大的價(jià)值，需要對(duì)圖像繼續(xù)進(jìn)行二值化處理。二值化處理就是能將圖像僅顯示為黑白兩種色調(diào)，灰度值設(shè)定為0 或 255 ，既簡便又清晰。而在二值化處理時(shí)，為使圖像能夠即時(shí)分出的黑白色調(diào)，需要設(shè)定閾值，即一個(gè)界定點(diǎn)來劃分顏色?？梢?，二值化的處理需要對(duì)閾值有一個(gè)準(zhǔn)確適當(dāng)?shù)亩ㄎ唬?據(jù)此，又可分為固定和自適應(yīng)閾兩種形式。前者是指通過一個(gè)固定的閾值來生成二值化圖像。 而后者則相比更具有針對(duì)性，通過動(dòng)態(tài)的閾值，分析不同圖像中的特殊部分來生成二值化圖像。動(dòng)態(tài)閾值可以通過具體的運(yùn)算得出，即T=a×E+b×P+c×Q，E 為像素之間的平均值，P 為差平方，Q 為均方根值。這不僅能夠精確地算出動(dòng)態(tài)閾值，而且能更加細(xì)致化地表現(xiàn)出窗口像素的特征，使整個(gè)圖像清晰明了，便于后續(xù)工作的進(jìn)行。

（四）邊緣檢測(cè)

邊緣是指窗口圖像周圍有階躍或者屋頂變化的像素的集合。邊緣的存在范圍非常廣泛，究其根源，是灰度不連續(xù)造成的。因此，在進(jìn)行邊緣的檢測(cè)時(shí)，可以根據(jù)區(qū)域內(nèi)灰度的變化，以及導(dǎo)數(shù)變化規(guī)律來判定，這種簡單而便捷的方法被稱為邊緣檢測(cè)局部算子法。而本文所采取的是Sobel 算子法，主要是關(guān)注到了這種方法對(duì)圖像生成時(shí)的噪聲具有抑制作用。

三、車牌的定位

車牌定位是對(duì)某一目標(biāo)位置的獲取并將其與自身信息結(jié)合，在拍攝圖像的位置顯示下，獲取車牌位置信息，再提取出相應(yīng)子區(qū)域，從而完成定位過程。在這個(gè)過程中，可以有效運(yùn)用編程來計(jì)算坐標(biāo)區(qū)域。準(zhǔn)確的坐標(biāo)定位是車牌識(shí)別的基礎(chǔ)依據(jù)，精確的定位信息更是字符識(shí)別的關(guān)鍵。本文在進(jìn)行研究觀察時(shí)就充分考慮這一問題，在考慮到車牌長 450mm，寬150mm的基礎(chǔ)上，經(jīng)過分析計(jì)算，生成車牌圖像，再與標(biāo)準(zhǔn)尺寸進(jìn)行比較，從而獲取所需信息區(qū)域。

四、車牌傾斜的校正

在進(jìn)行圖片采集時(shí)，除了光照問題，還常常會(huì)由于拍攝角度或者距離因素而影響所拍車牌的清晰度，有的甚至?xí)霈F(xiàn)傾斜變形的狀況。 這就需要在此等情況發(fā)生后及時(shí)作出反映，進(jìn)行校正處理后再分割。本文實(shí)驗(yàn)研究的是經(jīng) Hough獲取車牌邊框變化后，再來對(duì)圖像傾斜進(jìn)行校正的方法。通過研究表明，這種方法使用起來效果好，操作便捷，因而使用率很高。

五、車牌字符的分割

字符分割就是將已經(jīng)處理過的車牌圖像中單個(gè)字符進(jìn)行精確化的分割。本文在一系列的探索研究中也有所收獲，使用的是基于投影的方法，具體方法：首先，無論是二值化中固定閾，還是動(dòng)態(tài)閾分離出來的圖像都加以豎直向投影。其次，根據(jù)投影值再次加工，如出現(xiàn)連續(xù) X 個(gè)投影值不為零的情況則進(jìn)行記錄，包括起始位置信息等都需要記錄在案。最后，統(tǒng)一處理分割字符，便于識(shí)別與提取應(yīng)用。

六、車牌字符的識(shí)別

字符識(shí)別需要用到的是比對(duì)法，即將獲取分割處理后的車牌圖像字符與庫中字符資源進(jìn)行比較。這里以模板匹配為例說明。首先，需要有數(shù)據(jù)具體詳盡的字符庫，無論是車牌中出現(xiàn)的字母，還是數(shù)字，或者是省市的簡稱、縮寫都需要一一對(duì)應(yīng)，以固定字符的形式記錄在庫。其次，將采集分割處理后的字符與庫中保存的字符比對(duì)。最后，根據(jù)相似度進(jìn)行選取。實(shí)踐證明，這種辦法的實(shí)踐性很強(qiáng)，也有著較高的可信度。

七、結(jié)語

車牌的準(zhǔn)確識(shí)別對(duì)交通系統(tǒng)的正常運(yùn)行起著關(guān)鍵性作用。本文深入分析車牌識(shí)別中的相關(guān)問題，依靠計(jì)算機(jī)圖像處理手段，給出了具體性的針對(duì)車牌的定位、傾斜校正、字符分割和識(shí)別等方面的方法，經(jīng)過多次實(shí)驗(yàn)總結(jié)可以看出，在日益龐大的交通信息網(wǎng)中，車牌識(shí)別將在計(jì)算機(jī)圖像處理技術(shù)的操作下更加精確與快捷，當(dāng)然，要想實(shí)現(xiàn)交通系統(tǒng)的智能化，還需要我們進(jìn)行更一步的研究工作。

參考文獻(xiàn)

[1]朱江峰，劉蘇，夏冰.基于云計(jì)算技術(shù)的車牌識(shí)別系統(tǒng)[J].科技信息，2013（03）.

藥物雜質(zhì)檢查一般情況下都會(huì)使用薄層色譜法，主要是此種方法可以根據(jù)實(shí)際藥品的性質(zhì)選擇適合藥物自身且優(yōu)質(zhì)的薄層色譜法，其具有所需設(shè)備簡單、操作相對(duì)簡單的特點(diǎn)，但是能夠?qū)ζ錂z查造成影響的因素也較多，可以用作一般物質(zhì)的雜質(zhì)檢查。

（三）中藥指紋圖譜分析

從中藥指紋圖譜可以明確看出其成分較為復(fù)雜，在表征中藥質(zhì)量方面來說極具價(jià)值，中藥指紋圖譜作為衡量中藥質(zhì)量標(biāo)準(zhǔn)之一，能夠有效對(duì)藥品真?zhèn)?、產(chǎn)地、有效成分進(jìn)行鑒別。色譜法是中藥指紋圖譜的主要鑒別方法，由于TLC具有便宜、靈活、快速等優(yōu)點(diǎn)，在中藥指紋圖譜應(yīng)用較廣。

參考文獻(xiàn)

[1]馮雅斌，杜靚，溫靜.薄層色譜法在藥物分析中的應(yīng)用及研究進(jìn)展[J].疾病監(jiān)測(cè)與控制，2011，05（01）：60～63.

[2]尹麗，宗蘭蘭，蒲曉輝.薄層色譜法在藥物分析中的應(yīng)用[J].河南大學(xué)學(xué)報(bào)（醫(yī)學(xué)版），2016，35（02）：77～80.

[3]靳朝東，劉舒揚(yáng).薄層色譜法在藥物分析方面的應(yīng)用[J].現(xiàn)代藥物與臨床，2009，24（06）：331～335.

[4]房德敏，高穎，嚴(yán)震.微乳薄層色譜在中藥成分分析中的應(yīng)用[J].中草藥，2011，42（09）：1852～1856.

[5]趙慶華，趙豫，鞏偉.藥物分析技術(shù)的應(yīng)用研究新進(jìn)展[J].中國醫(yī)藥指南，2016，14（10）：39.