計(jì)算機(jī)圖像處理與識(shí)別技術(shù)應(yīng)用

戴耀中

（江蘇省淮安工業(yè)中等專業(yè)學(xué)校 江蘇省淮安市 223200）

隨著信息和互聯(lián)網(wǎng)科學(xué)技術(shù)的不斷進(jìn)步，數(shù)字圖像處理方法早已深入到方方面面，大大提高了人們的生活質(zhì)量。圖片辨識(shí)是生命辨識(shí)、電腦視覺(jué)藝術(shù)、機(jī)器學(xué)習(xí)等領(lǐng)域中最具挑戰(zhàn)性和魅力的課題之中，它將為我們提供更多的可能性，從而改變我們的生活方式。目前，國(guó)內(nèi)信息終端對(duì)數(shù)字圖像處理技術(shù)的發(fā)展仍然存在著明顯的不足，因此，為了推動(dòng)數(shù)字圖像處理技術(shù)的發(fā)展，相關(guān)研發(fā)技術(shù)人員應(yīng)該加強(qiáng)對(duì)其在生活中的核心價(jià)值的深入研究，充分發(fā)掘其優(yōu)勢(shì)特征，并通過(guò)持續(xù)的實(shí)驗(yàn)探究，不斷提升自身的專業(yè)水平，以期望未來(lái)數(shù)字圖像處理技術(shù)的發(fā)展趨勢(shì)更加明朗。通過(guò)不斷改進(jìn)信息終端的數(shù)字化圖像處理技術(shù)，我們可以更好地滿足大眾對(duì)這種技術(shù)的需求。

1 計(jì)算機(jī)圖像處理與識(shí)別技術(shù)概念分析

通過(guò)計(jì)算機(jī)技術(shù)圖像信息處理與辨識(shí)技能，可以將數(shù)碼圖像信息處理與模型辨識(shí)技能有機(jī)結(jié)合，從而實(shí)現(xiàn)對(duì)物體的視野采集，并以圖像數(shù)據(jù)為基本，模擬人體視野，自行進(jìn)行信息處理，從而實(shí)現(xiàn)對(duì)物體的辨識(shí)，取代人們進(jìn)行圖像識(shí)別和信息處理的任務(wù)。通過(guò)圖像傳輸技術(shù)，我們能夠?qū)D片分為虛擬和數(shù)碼兩類。數(shù)碼圖片是人們?nèi)粘Ｉ钪凶畛Ｒ?jiàn)的圖片，它們包含了各種各樣的信息。然而，數(shù)碼圖片的參數(shù)設(shè)置需要大量的人力，如果采用傳統(tǒng)的方法進(jìn)行處理，很難保證工作效率和精確度，并且很可能會(huì)降低最終的效果。因此，信息終端圖像處理及相關(guān)識(shí)別技術(shù)與人工智能圖像識(shí)別具有非常顯著的相似性。在進(jìn)行圖像識(shí)別時(shí)，首先需要對(duì)圖像的顏色、尺寸等規(guī)格進(jìn)行有效調(diào)整；其次，大腦神經(jīng)系統(tǒng)的視覺(jué)復(fù)習(xí)可以有效接收信，并使人們能夠?qū)D像進(jìn)行基礎(chǔ)認(rèn)知，從而在遇到相似信息時(shí)，能夠自主地收集相關(guān)信息。通過(guò)將腦神經(jīng)中樞轉(zhuǎn)變?yōu)樾畔⒔K端設(shè)施，可以有效地處理和鑒定圖像，但是由于人腦缺乏深刻的感知能力，這種方式很可能會(huì)導(dǎo)致圖像處理和鑒定結(jié)果缺乏主觀性。

2 車(chē)牌定位方法簡(jiǎn)介

車(chē)牌識(shí)別技術(shù)的準(zhǔn)確性和時(shí)間效率是至關(guān)重要的，因?yàn)樗軌驇椭覀兛焖贉?zhǔn)確地定位車(chē)牌的位置并將其截取出來(lái)。如果這種技術(shù)不能夠正確地定位出車(chē)牌的位置，那么分割和字符識(shí)別的結(jié)果將會(huì)與實(shí)際情況存在較大差異。車(chē)牌定位算法在時(shí)間上占據(jù)著重要地位，因此，通過(guò)縮短定位時(shí)間，可以顯著提升車(chē)牌識(shí)別的效率。

定位車(chē)牌是一項(xiàng)復(fù)雜的任務(wù)，需要從車(chē)牌圖像中提取出車(chē)牌的位置信息。然而，由于多種因素的影響，車(chē)牌區(qū)域往往不夠突出，圖片模糊不清或者色彩過(guò)于鮮艷，這些都會(huì)給定位造成一定的困難。盡管車(chē)牌定位技術(shù)取得了長(zhǎng)足的進(jìn)步，但研究者們依然期望能夠找到一個(gè)能夠快速準(zhǔn)確定位車(chē)牌的計(jì)算方式，以應(yīng)對(duì)圖像質(zhì)量下降造成的挑戰(zhàn)。目前，車(chē)牌定位的準(zhǔn)確率和速度依然是學(xué)術(shù)界關(guān)注的重要課題。自從有了邊緣特征定位算法以來(lái)，研究者們就一直在努力探索更加精準(zhǔn)的車(chē)牌識(shí)別技術(shù)。目前，使用最廣泛的車(chē)牌標(biāo)識(shí)產(chǎn)品大都是采用邊緣特性的，而顏色特征定位方法也在不斷發(fā)展，但依然是一項(xiàng)有效的技術(shù)手段。采用顏色特征的車(chē)牌定位算法仍有待繼續(xù)深化研究和探索，以提高其準(zhǔn)確度。

2.1 基于邊緣特征的定位方法

經(jīng)過(guò)對(duì)圖像邊界的處理，可以有效地界定出相應(yīng)范圍，這種方式基于圖像邊界的灰度和，即對(duì)比度差較大的組成部分，它們構(gòu)成了圖像的邊界，因此被稱為圖象邊界?；叶炔钍菆D像中最重要的特征之一，它可以幫助我們更好地認(rèn)識(shí)圖像中的事物。經(jīng)過(guò)選擇圖像邊界范圍，我們可以更準(zhǔn)確地界定出事物的位置。這些范圍的對(duì)比度差越大，表明事物的形狀和顏色就越明顯。選擇和選擇圖像邊界有助于認(rèn)識(shí)和了解整體圖像環(huán)境很重要，也是圖像劃分和不同影像匹配的基礎(chǔ)。目前，采用邊緣的車(chē)牌定位方法在工程項(xiàng)目和車(chē)牌識(shí)別行業(yè)中應(yīng)用最為廣泛，其位置安全性較高，但是，當(dāng)背景復(fù)雜時(shí)，圖片中的物品會(huì)變得更加復(fù)雜，容易導(dǎo)致漏檢的情況出現(xiàn)。

邊緣特征是一種重要的信息特征，它可以用來(lái)識(shí)別圖片中的紋路，這些紋路可以體現(xiàn)為灰度或顏色分布的規(guī)律。各種類型的圖案具有各種各樣的特性，因此，定位算法也可以基于圖像的邊緣特征來(lái)實(shí)現(xiàn)，比如基于灰度值的位置方式和根據(jù)紋路特性的位置方式。

2.2 基于顏色特征的定位方法

利用車(chē)牌的顏色特征，可以有效地實(shí)現(xiàn)定位。但由于我國(guó)現(xiàn)行車(chē)牌法規(guī)中包含大量顏色信息，基于邊緣特征的車(chē)牌定位方法難以對(duì)原始車(chē)牌圖像進(jìn)行處理，往往無(wú)法充分利用這些顏色特征，從而導(dǎo)致定位效果不佳。通過(guò)充分利用顏色特征，可以顯著提升車(chē)牌識(shí)別的準(zhǔn)確性，并大大縮短定位時(shí)間。

我國(guó)的車(chē)牌規(guī)則與國(guó)外有很大的不同，目前使用的車(chē)牌包含了大部分的顏色信息。我國(guó)車(chē)牌顏色分類包括：

（1）特大型民用機(jī)車(chē)，黃底黑字車(chē)牌，中小型農(nóng)用車(chē)，藍(lán)底白字車(chē)牌；背面黑色字符；

（2）使館外籍車(chē)，車(chē)牌為黑底白字，紅字“世”字樣。其他外國(guó)機(jī)動(dòng)車(chē)牌照為黑底白字，教學(xué)車(chē)牌照為黃底黑字，正面為“學(xué)習(xí)”字樣；試驗(yàn)車(chē)輛牌照為白底紅字，車(chē)頭標(biāo)志為“試驗(yàn)”字樣；

（3）臨時(shí)號(hào)牌為白底黑字，前面有“臨時(shí)”字樣；機(jī)動(dòng)車(chē)副牌白底黑字。

經(jīng)過(guò)對(duì)車(chē)牌規(guī)則的解析，我們可以發(fā)現(xiàn)以下幾個(gè)顏色特征：

（1）車(chē)牌的底色可以是金黃、藍(lán)藍(lán)、潔白或漆黑；

（2）車(chē)牌上的字句可以是黑人、白人或紅色；

（3）車(chē)牌的底色和字句方式略有不同；

（4）車(chē)牌形式以藍(lán)底白字為主。

然而，在國(guó)內(nèi)外的車(chē)牌定位方法中，極少有采用中國(guó)車(chē)牌色彩特點(diǎn)，大多數(shù)仍然是采用邊緣的位置方法。我們指出的根據(jù)顏色特征的車(chē)牌定位方法，運(yùn)用原有車(chē)牌圖像的顏色信息，結(jié)合圖像預(yù)處理技術(shù)，可以有效地減小車(chē)牌圖像的畸變，從而大大提高定位準(zhǔn)確率。通過(guò)將顏色特征、邊緣特征和數(shù)學(xué)形態(tài)學(xué)等技術(shù)結(jié)合起來(lái)，可以顯著提升車(chē)牌定位的準(zhǔn)確性。

3 顏色分割

顏色分割是一種重要的車(chē)牌定位技術(shù)，它可以幫助我們區(qū)分車(chē)牌上的顏色和背景顏色，并將它們劃分為不同的灰度等級(jí)。這樣，我們就可以更準(zhǔn)確地識(shí)別出車(chē)牌上的顏色信息。

經(jīng)過(guò)格式轉(zhuǎn)換后，HSV 圖像能夠清晰地顯示出車(chē)牌色彩，其中H、S、V 三個(gè)分量能夠確定出所有的色彩，并且能夠準(zhǔn)確地顯示出亮度和飽和度。想要更好地管理這些色彩，我們應(yīng)該通過(guò)特定的灰色值來(lái)進(jìn)行有選擇的管理，以便盡量減少對(duì)不感興趣的背景色彩，進(jìn)而大大減少數(shù)據(jù)分析量，縮減數(shù)據(jù)處理時(shí)限。通過(guò)色彩分割，能夠?qū)⒉煌伾珓澐譃椴煌幕疑燃?jí)，并且在灰度圖上顯示出不同的灰色區(qū)間。此外，H 能夠用來(lái)顯示車(chē)牌相應(yīng)的色彩，它能夠根據(jù)已知的取值區(qū)域，通過(guò)分析和實(shí)驗(yàn)得出，進(jìn)而更好地反映出車(chē)牌的特征。想要更好地區(qū)分車(chē)牌和背景顏色，我們將HSV 圖中的色彩劃分為五個(gè)等級(jí)。首先，我們用H、S、V 來(lái)代表黃色、藍(lán)色、紅色、白色和黑色，如圖表1所示。這樣，我們就能夠更清楚地看到車(chē)牌的色彩，并且更容易分辨它們。

表1：HSV 三分量范圍

受到光照強(qiáng)度、車(chē)牌上的泥土和車(chē)牌的新舊狀況等諸多條件的干擾，汽車(chē)號(hào)牌的原圖形的色彩劃分顯得非常復(fù)雜。所以，確定不同色彩的H、S、V 的取值是進(jìn)行色彩劃分的關(guān)鍵所在。通過(guò)對(duì)大量實(shí)驗(yàn)資料和模型的計(jì)算，人們可以定義出這五種顏色的三個(gè)主要成分h、s、v 取值的范圍。為更好地表示這種數(shù)值，我們對(duì)圖像進(jìn)行了灰度化處理，使其只有六個(gè)灰度級(jí)別，并且對(duì)原始 HSV 圖像進(jìn)行了顏色分割。通過(guò)搜索 HSV 圖像中每個(gè)元素 H.S、V 的取值范圍，根據(jù)表一中的規(guī)定，可以設(shè)定六種不同的灰度值，這些灰度值被稱為階梯灰度值，它們可以有效地將圖像中的顏色信息與其他附屬顏色信息區(qū)分開(kāi)來(lái)，具體的灰度化公式可以參考式（1）。

在公式中主要包括以下幾點(diǎn)：

（1）由H、S、V 三個(gè)值之和，可以準(zhǔn)確地確定圖像中某個(gè)點(diǎn)的灰度值G(x,y)，這樣圖像image 中的每個(gè)點(diǎn)都可以用三個(gè)表示H、S、V 分量出來(lái)，只需要將圖像交叉一次，就可以得到不同灰度級(jí)的灰度圖像。

（2）為了提高車(chē)牌定位的效率，我們將車(chē)牌號(hào)圖片的藍(lán)藍(lán)地區(qū)灰度值設(shè)置為255，即為黑白，這樣可以有效地區(qū)部分民用車(chē)輛和城市中行駛的車(chē)輛，從而更加準(zhǔn)確的定位車(chē)牌號(hào)信息。

在實(shí)驗(yàn)中，五種顏色的H、S、V值范圍分別為：黃色：H(25,55)S(0.35,1)V(0.3,1)；藍(lán)色：H(190,240)、S(0.35,1)V(0.3,1)；紅色：H(0,20)；白色： S(0,0.1)V(0.91,1)；黑色：V(0,0.35)。如果要對(duì)藍(lán)色進(jìn)行顏色分割，則v(u,）將會(huì)成為一個(gè)重要的參數(shù)，以此來(lái)決定它的取值范圍。if V(u,v)>0.35&V(u,v)<1&S(u,v)< 240，其中〉0.35&S(u,v)<1&H，v(u,v)<240

G(u,v)=255;

通過(guò)對(duì)圖像進(jìn)行顏色分割，可以將車(chē)牌顏色與其他輔助顏色區(qū)分開(kāi)來(lái)。如果不是車(chē)牌顏色，則將所有的灰度值設(shè)置為0，即圖片中的顏色顯示為黑色，可以去除之前的其他背景信息，來(lái)驗(yàn)證信息。駕駛執(zhí)照的顏色更準(zhǔn)確。根據(jù)圖1 和圖2，顏色分割后的圖像表現(xiàn)出以下特征：

圖1：原始圖像

圖2：顏色分割后的圖像

從圖2 可以看出，原始車(chē)牌圖像經(jīng)過(guò)顏色分割后變得更加明顯，藍(lán)色車(chē)牌被完全消除，變成了白色圖像，而其他的背景顏色也被弱化。

4 車(chē)牌定位

經(jīng)過(guò)數(shù)學(xué)形態(tài)學(xué)處理，圖像中的車(chē)牌區(qū)域變得清晰可見(jiàn)，而其余的背景則變成了一片漆黑。這樣一來(lái)，圖像就變得非常明顯，只有車(chē)牌區(qū)域，而車(chē)牌底色則是一片純白。通過(guò)對(duì)圖像中的白色區(qū)域進(jìn)行截取，可以實(shí)現(xiàn)車(chē)牌定位。在這種情況下，可以采用垂直投影和水平投影技術(shù)來(lái)實(shí)現(xiàn)車(chē)牌定位。

本文提出了一種快速定位車(chē)牌的辦法，該辦法經(jīng)過(guò)逐行逐列遍歷，找出車(chē)牌區(qū)域內(nèi)最值的點(diǎn)，并計(jì)算出P1(x1,y1)和P2(y2,y2)的橫縱坐標(biāo)。這種方式可以有效地提取車(chē)牌角點(diǎn)，從而更加清晰地定位車(chē)牌。

（1）為了更有效地搜索車(chē)牌區(qū)域，我們首先要確定右下角和左上角點(diǎn)的橫坐標(biāo)值，并且考慮到車(chē)牌區(qū)域大多位于圖像的中下部，因此采用從下往上的方式進(jìn)行搜索。

Start 開(kāi)始由下向上遍歷

Valueline(x)= 每行所有1 點(diǎn)的疊加值

If valueline(x)>4

{

x2=x;

x1=x;

}

繼續(xù)向上遍歷，

While(valueline(x)> 4)%滑動(dòng)搜索

{

x1=x;

繼續(xù)向上遍歷；

}

返回

從下往上遍歷，可以獲得右下角點(diǎn)的y2 和左上角點(diǎn)的y1，當(dāng)valueline(x）小于四時(shí)，就可以返回，而不必全部遍歷。

（2）為更好地找出圖形的左上角和右下角的縱坐標(biāo)位置，可以采取逐次由左至右遍歷的方式。但是，對(duì)車(chē)牌而言，由數(shù)字所構(gòu)成的車(chē)牌區(qū)域很容易就被劃分為大小不一的垂直光譜區(qū)，而且在進(jìn)行色彩劃分和區(qū)域二值化工作時(shí)，因?yàn)橹贿x取了車(chē)牌的背景色作為感興趣的色彩，所以數(shù)字并不被視為背景色，這就可能造成數(shù)字在上下區(qū)域的連通度不良，進(jìn)而降低了查找的精度。在遍歷過(guò)程中可能需要提前確定y2，導(dǎo)致y1 和y2 的確定不準(zhǔn)確。因此，為了避免出現(xiàn)這種情況，我們應(yīng)該從左到右依次遍歷。

Start 開(kāi)始由左向上遍歷

Valueline(y)> 4

{

y2=x;

y1=x;

}

繼續(xù)向右遍歷，

While （！遍歷結(jié)束）%滑動(dòng)搜索

{

If valueline(v)> 4

y2=x;

繼續(xù)向右遍歷；

}

經(jīng)過(guò)一次遍歷，我們可以獲得左右角點(diǎn)的兩個(gè)縱坐標(biāo)y1 和y2，從而實(shí)現(xiàn)對(duì)它們的精確定位。

通過(guò)車(chē)牌定位技術(shù)，我們可以精確地獲取圖片中的車(chē)輛號(hào)牌范圍，如圖3所示。

圖3：車(chē)牌原始圖像與定位后圖像

這種車(chē)牌定位的結(jié)果可以直接去掉車(chē)牌的邊框，因?yàn)闉榱送怀鲕?chē)牌，車(chē)牌的邊框往往和車(chē)牌的底色相差很大，所以經(jīng)過(guò)基于顏色特征的車(chē)牌定位方法，定位到的車(chē)牌區(qū)域不包括車(chē)牌框，也有利于字符分割的時(shí)間效率，如圖4所示。

圖4：定位后的車(chē)牌區(qū)域

5 結(jié)束語(yǔ)

總而言之，計(jì)算機(jī)圖像處理和識(shí)別在很多領(lǐng)域都發(fā)揮著重要作用，需要采用合理的方法來(lái)提高圖像質(zhì)量。本文主要探討計(jì)算機(jī)圖像處理與識(shí)別技術(shù)在車(chē)牌識(shí)別中的應(yīng)用，運(yùn)用該方法不僅發(fā)現(xiàn)更加準(zhǔn)確，而且有利于字符分割的時(shí)間效率，可以推廣。