在實(shí)際工作場(chǎng)景中采集到的數(shù)字圖像通常會(huì)因?yàn)橥饨绛h(huán)境、攝像設(shè)備、傳輸線(xiàn)路或保存精度等方面的原因，使其在進(jìn)行預(yù)處理前受到各種噪聲的污染。并且在圖像處理過(guò)程中也可能會(huì)對(duì)圖像產(chǎn)生噪聲。噪聲與我們想要處理的圖像沒(méi)有任何關(guān)聯(lián)，還會(huì)對(duì)我們的處理產(chǎn)生不好的影響。所以，一般情況下我們會(huì)在進(jìn)行圖像處理前對(duì)圖像采用濾波技術(shù)進(jìn)行處理，常用的濾波方法有：中值濾波、均值濾波、高斯濾波等。車(chē)牌的定位與校正本章主要描述的是對(duì)已有車(chē)牌定位方法的研究，了解它們的算法原理及其優(yōu)缺點(diǎn)，并提出了一種效果更好適用范圍更廣的車(chē)牌識(shí)別系統(tǒng)方法，即將MeanShift算法運(yùn)用到車(chē)牌識(shí)別系統(tǒng)，然后在此基礎(chǔ)上對(duì)車(chē)牌進(jìn)行校正。

車(chē)牌校正

車(chē)牌校正是為了解決拍攝的車(chē)牌圖像因?yàn)榻嵌葐?wèn)題，導(dǎo)致定位后的車(chē)牌傾斜，而傾斜的車(chē)牌會(huì)給車(chē)牌識(shí)別系統(tǒng)的后繼步驟增添麻煩，車(chē)牌校正是必須的。車(chē)牌校正是利用車(chē)牌區(qū)域的矩形序列分布同組成車(chē)牌號(hào)的字母、數(shù)字位置的分布基本一致的特征，找到了矩形序列中矩形左上角像素點(diǎn)排列的近似斜率，從而找出車(chē)牌區(qū)域的偏轉(zhuǎn)角度，完成車(chē)牌圖像區(qū)域的校正。車(chē)牌識(shí)別系統(tǒng)采用200W高清車(chē)牌識(shí)別攝像機(jī)對(duì)進(jìn)入停車(chē)場(chǎng)的車(chē)輛進(jìn)行抓拍，上傳計(jì)算機(jī)處理，可脫機(jī)工作。

智能交通車(chē)牌辨認(rèn)系統(tǒng)主要分為圖像的采集和預(yù)處理、牌照區(qū)域的定位、牌照字符的分割和辨認(rèn)三部分。其基本工作過(guò)程如下：

1）當(dāng)行駛的車(chē)輛經(jīng)過(guò)系統(tǒng)時(shí)，會(huì)觸發(fā)系統(tǒng)的傳感器。若系統(tǒng)被喚醒便會(huì)一直處于工作狀態(tài)，攝像頭上的傳感器一旦被觸發(fā)，相機(jī)便會(huì)拍下車(chē)輛圖像；

2）被拍照的chao速車(chē)輛的牌照?qǐng)D像或被攝像頭拍攝的視頻中的圖像輸入到圖像處理器進(jìn)行圖像增強(qiáng)和濾波等預(yù)處理操作；

3）由自動(dòng)識(shí)別系統(tǒng)的檢索模塊對(duì)車(chē)牌圖像進(jìn)行搜索與檢測(cè)，在定位出包含牌照字符的長(zhǎng)方形形區(qū)域的基礎(chǔ)上對(duì)上述矩形區(qū)域進(jìn)行分割；

4）對(duì)牌照處理以后的字符進(jìn)行2值化并分割出7個(gè)字符，經(jīng)化后輸入字符辨認(rèn)系統(tǒng)進(jìn)行對(duì)比分析。

通過(guò)規(guī)范車(chē)輛檔案登記，消除非社區(qū)業(yè)主和租戶(hù)車(chē)輛登記，改善社區(qū)地面停車(chē)秩序系統(tǒng)投入使用前后的使用;對(duì)系統(tǒng)中的地下室車(chē)輛和地面車(chē)輛進(jìn)行分類(lèi)，以限制地下車(chē)輛的長(zhǎng)期占用地面停車(chē)位;系統(tǒng)中耗時(shí)的車(chē)輛采用不同的收費(fèi)標(biāo)準(zhǔn)，有效減少了夜間外來(lái)車(chē)輛停放在社區(qū)內(nèi)。在車(chē)牌識(shí)別系統(tǒng)的幫助下，社區(qū)車(chē)輛管理方法的相關(guān)規(guī)定將在系統(tǒng)中得到鞏固。同時(shí)，行業(yè)會(huì)和財(cái)產(chǎn)將認(rèn)真履行職責(zé)，業(yè)主/車(chē)主將合作。目前，社區(qū)地面停車(chē)秩序井然，基本可以滿(mǎn)足社區(qū)業(yè)主的正常停車(chē)。需求方面，很少有違規(guī)停車(chē)事件。常用的車(chē)牌字符識(shí)別方法主要有：基于模板的識(shí)別算法、基于BP神經(jīng)網(wǎng)絡(luò)的識(shí)別算法等。