3实验流程及结果

　　得到定位后的车号图像后，具体算法流程如下：

　　3.1二值化处理

　　为了便于分析图像特征，需要把图像看作仅由对象区域与背景区域构成，并从中分离出对象区域。二值化处理就是将图像分成对象与背景两部分的一种操作。为了匹配方便，模板图像也采用二值化图像。本文的图像二值化分为两步，首先将图像处理为灰度图，然后再通过取适当的阈值将其转换为二值化图像。

　　3.2字符分割

　　由于车号字符存在倾斜，为了便于归一化和识别，在进行字符分割前，需要先对图像进行倾斜调整。由于样本图像中车号字体笔画较粗，结构简单，且车号中首尾字体大小相同，所以本文选用比较简单快速的算法，采取对图像左右两边字符平均高度进行统计的方法来进行倾斜的调整。

　　样本图像中经二值化及倾斜调整过的字符间有明显的边界，不存在混叠的情况，可用最普通的方法对字符进行分割。由于字符大小高低有不同，本文采取的方法是先确定字符的上下边界，再从左至右逐列扫描，每当一列像素检测到黑点时开始一个分割，每当一列像素检测不到黑点时，结束一个分割。分割结束后，将分割出的字符用精确定位的矩形框完整包围起来。

　　3.3归一化处理及特征提取

　　根据车号字符的特点，为了方便修补裂纹，同时又不损害字符特征，选用宽高20*40作为字符模板大小，并以此为标准，将分割好的样本图像进行归一化处理，即将大的字符缩小，小的字符放大。由于需要处理的样本图像中横向裂纹不多，且不影响模板匹配与特征提取，所以修补时可只修补纵向裂纹。

　　归一化处理后，还要进行三类特征值的提取，分别是连通域数、穿线特征、网格特征。如果细化后再提取这三类特征往往会出现各种问题，导致错误。

　　连通域即分割好的样本图像中，除去字符后仍然保持连通的区域。本文中研究的字符，连通域数为3的有8B共2个，连通域数为2的有0469ADOPQR共10个，其余24个都是连通域数为1的。考虑到算法的效率，在进行模板匹配以前，可以先计算样本字符的连通域数，进行初步的分类，然后再进行模板匹配。

　　图6穿线特征和网格特征提取示意图

　　通过对误识字符的特征分析，本文所采用的穿线特征只有一个，即从未细化图像的正中央纵向穿线一次，记录穿线标志的灰度值由白转黑次数为穿线特征（穿线标志的初始值设为白色）。

　　本文的网格特征采用的是对样本图像进行4×4的分割，按从左到右、从上到下的顺序，将这16个区域中的黑色像素数所占比值存入一个二维数组，作为这个样本图像的特征值，也可称之为特征向量。

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。