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（x，y）描述像素点（x，y）的灰度值，R（x，y）表示像素（x，y）的红色分量的色度值，G（x，y）表示像素点（x，y）的绿色分量的色度值，B（x，y）表示像素点（x，y）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0.315，0.514.0.126，灰度化效果如图1（B）所示。

3 Sobel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。

4 Roberts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