在我國(guó)汽車(chē)工業(yè)迅猛發(fā)展的今天，汽車(chē)保有量的逐年大幅增加，對(duì)傳統(tǒng)的車(chē) 輛管理和交通運(yùn)行方式面臨著巨大的壓力和挑戰(zhàn)。為了解決上述問(wèn)題，車(chē)輛牌照自動(dòng)識(shí)別技術(shù)(AVI)應(yīng)運(yùn)而生，并發(fā)展成為現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一。它以計(jì)算機(jī)視覺(jué)處理、數(shù)字圖像處理、模式識(shí)別等技術(shù)為基礎(chǔ)，對(duì)攝像機(jī)所 拍攝的車(chē)輛圖像或者視頻圖像進(jìn)行處理分析，得到每輛車(chē)的車(chē)牌號(hào)碼，從而完成識(shí)別過(guò)程。通過(guò)一些后續(xù)處理技術(shù)其可以實(shí)現(xiàn)停車(chē)場(chǎng)出入口收費(fèi)管理、盜搶車(chē)輛管理、高速公路超速自動(dòng)化管理、闖紅燈電子警察、公路收費(fèi)管理等等功能。對(duì)于維護(hù)交通安全和城市治安，防止交通堵塞，實(shí)現(xiàn)交通全自動(dòng)化管理有著現(xiàn)實(shí)的意義。

1框架流程

2、平滑處理

車(chē)牌定位的第一步為圖像預(yù)處理。為了方便計(jì)算，系統(tǒng)通常將獲取的圖片灰度化。將彩色圖像轉(zhuǎn)化成為灰度圖像的過(guò)程就稱(chēng)為圖像的灰度化處理。彩色圖像中R、G、B三個(gè)分量的值決定了具體的像素點(diǎn)。一個(gè)像素點(diǎn)可以有上千萬(wàn)種顏色。而灰度圖像是一種彩色圖像，但是它的特點(diǎn)在于R、G、B三個(gè)分量具體的值是一致的?；叶葓D中每個(gè)像素點(diǎn)的變化區(qū)間是0到255，由于方便計(jì)算，所以在實(shí)際工程處理中會(huì)先將各種格式的圖像轉(zhuǎn)變成灰度圖像。在保留圖像輪廓和特征的基礎(chǔ)上，灰度圖仍然能夠反映整幅圖像輪廓和紋理。在Opencv里面有實(shí)現(xiàn)圖像灰度化的接口。調(diào)用OpenCV中的cvSmooth函數(shù)進(jìn)行中值濾波處理，以去除細(xì)小毛刺。

3、二值化

局部自適應(yīng)二值化是針對(duì)灰度圖像中的每一個(gè)像素逐點(diǎn)進(jìn)行閾值計(jì)算，它的閾值是由像素周?chē)c(diǎn)局部灰度特性和像素灰度值來(lái)確定的。局部閾值法是逐個(gè)計(jì)算圖像的每個(gè)像素灰度級(jí)，保存了圖像的細(xì)節(jié)信息，非均勻光照條件等情況雖然影響整個(gè)圖像的灰度分布缺不影響局部的圖像性質(zhì)，但也存在缺點(diǎn)和問(wèn)題，相比全局閾值法來(lái)說(shuō)，它的計(jì)算時(shí)間較長(zhǎng)，但適用于多變的環(huán)境。
設(shè)圖像在像素點(diǎn)(x,y)處的灰度值為f(x,y)，考慮以像素點(diǎn)(x,y)為中心的(2w+1)*(2w+1)窗口（w為窗口寬度），則局部自適應(yīng)二值化算法可以描述如下：
a.計(jì)算圖像中各點(diǎn)(x,y)的閾值w(x,y)
W(x,y)=0.5*(max f(x+m,y+n)+min f(x+m,y+n))
b.如果f(x,y)>w(x,y)，則二值化結(jié)果為1，代表字符區(qū)域的目標(biāo)點(diǎn)；否則二值化結(jié)果為0，代表背景區(qū)域的目標(biāo)點(diǎn)。

4、車(chē)牌定位

?
?
Canny邊緣檢測(cè)算子的方向性質(zhì)保證了很好的邊緣強(qiáng)度估計(jì)，而且能同時(shí)產(chǎn)生邊緣梯度方向和強(qiáng)度兩個(gè)信息，即能在一定程度上抗噪聲又能保持弱邊緣，因此采用以canny算子做邊緣檢測(cè)。

Canny算法步驟：

(1)去噪
任何邊緣檢測(cè)算法都不可能在未經(jīng)處理的原始數(shù)據(jù)上很好地處理，所以第一步是對(duì)原始數(shù)據(jù)與高斯 mask 作卷積，得到的圖像與原始圖像相比有些輕微的模糊（blurred）。這樣，單獨(dú)的一個(gè)像素雜訊在經(jīng)過(guò)高斯平滑的圖像上變得幾乎沒(méi)有影響。
(2)用一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度的幅值和方向。
(3)對(duì)梯度幅值進(jìn)行非極大值抑制。
僅僅得到全局的梯度并不足以確定邊緣，因此為確定邊緣，必須保留局部梯度最大的點(diǎn)，而抑制非極大值。
非極大值抑制產(chǎn)生的二值灰度矩陣的潛在點(diǎn)中按照高閾值尋找邊緣，并以所找到的點(diǎn)為中心尋找鄰域內(nèi)滿(mǎn)足低閾值的點(diǎn)，從而形成一個(gè)閉合的輪廓。然后對(duì)于不滿(mǎn)足條件的點(diǎn)直接刪除掉。

行掃描定位

車(chē)牌細(xì)定位的目的是為下一步字符的分割做，就是要進(jìn)一步去掉車(chē)牌冗余的部分。在一幅經(jīng)過(guò)適當(dāng)二值化處理 含有車(chē)牌的圖像中，車(chē)牌區(qū)域具有以下三個(gè)基本特征：
1.在一個(gè)不大的區(qū)域內(nèi)密集包含有多個(gè)字符；
2.車(chē)牌字符與車(chē)牌底色形成強(qiáng)烈對(duì)比；
3.車(chē)牌區(qū)域大小相對(duì)固定，區(qū)域長(zhǎng)度和寬度成固定比例。
根據(jù)以上特征，車(chē)牌區(qū)域所在行相鄰像素之間0 到1和1到0 的的變化會(huì)很頻繁，變化總數(shù)會(huì)大于一個(gè)臨界值，這可以作為尋找車(chē)牌區(qū)域的一個(gè)依據(jù)。 因此根據(jù)跳變次數(shù)與設(shè)定的閾值比較，就可以確定出車(chē)牌的水平區(qū)域。
由于車(chē)牌一般懸掛在車(chē)輛下部，所以采用從上到下，從左到右的方式對(duì)圖像進(jìn)行掃描。車(chē)牌的字符部分由7個(gè)字符數(shù)與兩個(gè)豎直邊框組成，則車(chē)牌區(qū)域內(nèi)任一行的跳變次數(shù)至少為(7+2)*2=18次。從圖像的底部開(kāi)始向頂部進(jìn)行掃描，則第一組連續(xù)數(shù)行且每行的跳變次數(shù)都大于跳變閾值，同時(shí)滿(mǎn)足連續(xù)行數(shù)大于某個(gè)閾值。
在車(chē)牌的水平區(qū)域中，最高行與最低行的差值即為車(chē)牌在圖像中的高度。我國(guó)車(chē)牌區(qū)域?yàn)榫匦?，寬高比約為3.14，取3.14*H作為車(chē)牌的寬度。在水平區(qū)域內(nèi)選擇任意一行，用L長(zhǎng)的窗口由左至右移動(dòng)，統(tǒng)計(jì)窗口中相鄰像素0,1的跳變次數(shù)并存入數(shù)組中。若窗口移動(dòng)到車(chē)牌的垂直區(qū)域時(shí)，窗口內(nèi)的跳變次數(shù)應(yīng)該最大。因此在數(shù)組中找到最大值，其對(duì)應(yīng)的區(qū)域即為車(chē)牌的垂直區(qū)域。

5、模板匹配

?
?