车牌识别中图像增强算法研究

车牌识别中图像增强算法研究

摘要：车牌定位是自动车牌识别系统中的关键技术，图像增强算法在车牌定位又是十分重要的一部分，本文对常用图像增强算法进行了分析研究，结合实际车辆牌照图像进行了相应的处理实验，并进行了实验结果分析。

关键词：车牌；图像增强；中值滤波

在车牌识别系统中，由于受噪声等因素的影响，在图像的摄取和传输中，造成图像效果并不理想。图像增强目的是采用一系列技术去改善图像的视觉效果，或将图像转换成一种更适合于人或机器进行分析和处理的形式，如锐化处理可突出图像边缘轮廓线，编程控制计算机进行跟踪，便可作各种特征分析。因此，对车牌图像进行增强处理，去除噪声，以得到视觉效果更好，更易分辨的图像，这对于提高字符分割质量和字符识别率至关重要。

一、图像增强算法

图像增强的增强图像的算法有很多，如灰度线性变换、图像平滑处理和线性滤波等，根据处理图像域又可分为空间域增强和频率域增强。目前用于车牌图像增强的常用算法有：均值滤波、维纳滤波、直方图均衡、中值滤波等。

1．均值滤波

均值滤波是典型的线性滤波算法，它是指在图像上对待处理的像素给一个模板，该模板包括了其周围的临近像素。将模板中的全体像素的均值来代替原来的像素值的方法。

2.维纳滤波

维纳滤波是对退化图像进行恢复处理的一种算法，其采用的维纳滤波器是一种最小均方误差滤波器，在实际应用时多用下式进行近似处理：

f（υ，v）=[（１／h）（υ，v））＊（｜ｈ（u，v）（2+k）]*g （u，v）

其中k是一个预先设定的常数。该算法的滤波效果比均值滤波器效果要好，对保留图像的边缘和其他高频部分很有用，不过计算量较大。维纳滤波对有白噪声的图像滤波效果最佳。

3.直方图均衡

直方图均衡是灰度变换的一个重要应用，是最常见的间接对比度增强方法之一，广泛应用在图像增强处理中。其主要是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，可以产生一幅灰度级分布具有均匀概率密度的图像。但是则有一定的缺点，它的缺点就是变换后图像的灰度级减少，某些细节则会消失，比如说直方图中会有高峰，然而在经过处理后的则会对比度不自然的过分增强。

4.中值滤波

中值滤波是由图基（turky）在1971年提出的，所谓中值就是窗口中奇数个数据按大小顺序排列后处于中心位置的那个数。中值滤波以窗口的中值作为处理结果。它是一种非线性信号的处理方法，在图像处理中，常用于用来保护边缘信息。通过从图像中的某个采

样窗口取出奇数个数据进行排序得到的结果。中值滤波的实现原理是把序列或数字图像中的一点的值，用该点邻域中的各个点的值的中值替代。对序列而言中值的定义如下：

yi=med{xi}=med{xi-u…xi…xi+u}

如果推广到二维，则可以对二维中值滤波做如下定义：设{xij，（i，j）∈i2}表示数字图像各点的灰度值，滤波窗口为a，yij为窗口是a在xij点的中值，则：

yij=med{xij}=med{x（i+r），（j+s），（r，s）∈a，i，j，∈i2} 针对图像的中值滤波的过程为，首先将模板内（窗口）所涵盖的像素按灰度值由小到大排列，再取序列中间点的值作为中值，并以此值作为滤波器的输出值。

另一种方法则更接近于人眼的实际感觉，过程是先计算周边像素灰度的平均值，若所考虑像素的灰度与此平均值的差异超过一定临界值时，则判定此像素为干扰，该点的值应采用先前计算所得的平均值来替代，若不超出临界则用该点实际像素的灰度值作为滤波器的输出。

二、图像增强算法比较

在实验系统中，以一车牌图像为例，分别采用中值滤波、均值滤波、维纳滤波和直方图均衡等对其进行了增强处理，处理前及采用不同算法处理后的图像对比如图1所示。

三、实验结果分析

通过实验分析，中值滤波实现的过程并不是很复杂，相对来说比

较简单，对于消除高斯白噪声的效果并没有显示出特别的效果，但对脉冲干扰及椒盐噪声的抑制且在抑制随机噪声的同时能有效保护边缘少受模糊，相对来说效果就特别好。经滤波后的图像不仅适合人眼的视觉，而且还能够满足消除图像的干扰影响，许多类型的随机图像噪声信号都可以利用其进行消除，在图像处理中是比较理想的滤波算法。

参考文献：

1.郭勇、吴乐男，《行驶车辆的牌照识别系统》，《测控技术与设备》，2000，（11）:37-40

2.

2.徐全生，《汽车牌照图像的预处理研究》[j]，《沈阳工业大学学报》，2002，（4）:121-124

3.

3.张引，《面向车辆牌照字符识别的预处理算法》[j]，《计算机应用研究》 1999，（7）:85-87