智能停車系統(tǒng)

智能停車系統(tǒng)的應(yīng)用：

　　1、圖像預(yù)處理

　　由于攝像時(shí)的光照條件、牌照的整潔程度、攝像機(jī)的狀態(tài)(焦距、角度和鏡頭的光學(xué)畸變)，以及車速的不穩(wěn)定等因素都會(huì)在不同程度上影響圖像效果，出現(xiàn)圖像模糊歪斜或缺損、車牌字符邊界模糊不清、細(xì)節(jié)不清，筆畫斷開、粗細(xì)不均等現(xiàn)象，從而影響車牌區(qū)域的分割與字符識別的工作，所以在車牌識別前要進(jìn)行圖像預(yù)處理。

　　因?yàn)椴噬珗D像包含著大量的顏色信息，不但在存儲(chǔ)上開銷很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度，因此在對圖像進(jìn)行識別等處理過程中經(jīng)常要將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。將彩色轉(zhuǎn)換為灰度的過程叫作灰度化處理。經(jīng)過灰度變換后，像素的動(dòng)態(tài)范圍增加，圖像的對比度擴(kuò)展，圖像變得更加清晰、細(xì)膩、容易識別。

　　2、圖像濾波

　　高斯濾波是一種線性平滑濾波，適用于高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過程。通俗來說，高斯濾波是對整幅圖像進(jìn)行加權(quán)平均的過程，每一個(gè)像素點(diǎn)的值，都由它本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。

　　高斯濾波對隨機(jī)噪聲和高斯噪聲(尤其是服從正態(tài)分布的噪聲)的去除效果都比較好，能夠除去采集過來時(shí)圖片的隨機(jī)噪聲。

　　3、車牌定位

　　自然環(huán)境下，汽車圖像常有背景復(fù)雜、光照不均勻的現(xiàn)象，如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個(gè)識別過程的關(guān)鍵。首先對采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對這些候選區(qū)域做進(jìn)一步分析、 評判，選定一個(gè)較好的區(qū)域作為牌照區(qū)域，并從圖像中分割出來。

　　采用紋理跳變的方式進(jìn)行掃描，行掃描法是利用了車牌圖像的連續(xù)特性。車牌區(qū)域有連續(xù)7個(gè)字符，而且字符與字符之間的距離在一定范圍內(nèi)。定義從目標(biāo)到背景或者從背景到目標(biāo)為一個(gè)跳變。牌照區(qū)域相對于其他非車牌區(qū)域跳變多，只有間距在設(shè)定范圍內(nèi)，跳變次數(shù)大于一定次數(shù)，并且連續(xù)滿足上述要求的行要達(dá)到一定的數(shù)目，才能完成定位功能。

　　按從下到上的順序，對圖像的每一行進(jìn)行從左向右的掃描， 碰到跳變點(diǎn)記錄下當(dāng)前位置，如果某行連續(xù)有20個(gè)以上跳變點(diǎn)，并且前一個(gè)跳變點(diǎn)和后一個(gè)跳變點(diǎn)的距離在30個(gè)像素內(nèi)，記錄下起始點(diǎn)和終止點(diǎn)位置，如果連續(xù)有10行以上這樣的跳變點(diǎn)，則認(rèn)為該區(qū)域是車牌預(yù)選區(qū)域。如圖3-8所示。

4、字符分隔

　　完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個(gè)字符，然后進(jìn)行識別。字符分割一般采用垂直投影法，由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部較小值的附近，并且這個(gè)位置應(yīng)滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件，利用垂直投影法在復(fù)雜環(huán)境下對汽車圖像中的字符分制有較好的效果。圖像二值化是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255,也是將整個(gè)圖像呈現(xiàn)出明顯的黑白效果。將256個(gè)亮度等級的灰度圖像通過選取適當(dāng)?shù)拈撝刀@得仍然可以反映圖像整體和局部特征的二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位。首先，圖像的二值化有利于對圖像進(jìn)一步處理，圖像變得簡單，而且數(shù)據(jù)量減小，能凸顯出感興趣的目標(biāo)輪廓。其次，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像。車牌圖片的二值化采用的是自適應(yīng)閾值二值化，它根據(jù)車牌字符和車牌背景的區(qū)分，能突出字符，對車牌的分割有著很大的幫助。

　　首先，將圖片看成-一個(gè)平面，將圖片向水平方向投影，這樣有字的地方的投影值高，沒字的地方投影得到的值低。這樣會(huì)得到一根曲線,像一個(gè)又一個(gè)山頭。然后，用一根掃描線從下向上掃描。這個(gè)掃描線會(huì)與圖中曲線存在交點(diǎn)，這些交點(diǎn)會(huì)將山頭分割成-一個(gè)又一個(gè)區(qū)域。車牌圖片一-般是7個(gè)字符，因此，當(dāng)掃描線將山頭分割成七個(gè)區(qū)域時(shí)停止。然后根據(jù)這七個(gè)區(qū)域向水平線的投影坐標(biāo)可以將圖片中的七個(gè)字符分割出來。其次，依據(jù)連續(xù)性原則對二值化后的車牌圖像循環(huán)取得水平的白點(diǎn)個(gè)數(shù)，判斷出車牌的上下界;接著循環(huán)取得垂直的白點(diǎn)個(gè)數(shù)，循環(huán)從下界取值，到一定值時(shí)出現(xiàn)7段低于閾值，按一定原則分割確定字符。在車牌圖片上加輔助線。分制字符。對字符進(jìn)行歸一化，依次存儲(chǔ)并顯示。將系統(tǒng)切制出來的字符作為模板。對于些實(shí)際情況有著良好的適應(yīng)性， 可提高字符識別率。如圖3-9所示。

　5、字符識別

　　目前，字符識別方法主要有基于模板匹配算法和基于人的神經(jīng)網(wǎng)絡(luò)算法兩種。選用基于模版匹配算法首先要將分割后的字符二值化，并將其尺寸縮放為字符數(shù)據(jù)庫中的模板的大小，然后與所有的模板進(jìn)行匹配，選擇較好的作為匹配結(jié)果。

　　運(yùn)行程序后，會(huì)將上一步存儲(chǔ)的字符與已存好的模板進(jìn)行對比匹配，把其像素點(diǎn)的相同點(diǎn)數(shù)和白色的個(gè)數(shù)作為依據(jù)，采用AD算法，求提取的模板和原來模板像素點(diǎn)灰度值之差，并統(tǒng)計(jì)差的和值，將該和值作為兩幅圖像的距離，選擇距離較小者輸出結(jié)果。這種方法能夠針對一部分車牌圖像進(jìn)行很好的識別。如圖3-10所示。