东北大学秦皇岛分校毕业设计（论文） 第 20 页
洞，连接邻近物体和平滑边界的作用。对图像做了开运算和闭运算，闭运算可以使图像的轮廓线更为光滑，它通常用来消掉狭窄的间断和长细的鸿沟，消除小的孔洞，并弥补轮廓线中的断裂。
设f(x,y)和b(i,j)均为二维离散空间上的两个离散函数，其中f(x,y)为图像位于(x,y)处像素的灰度值，b(i,j)为具有一定形状和大小的结构元素，则b(i,j)对灰度图像f(x,y)膨胀与腐蚀运算定义如下:
膨胀: (f⊕b)(x,y)=max{f(x-i，y-j)+b(i,j)} 腐蚀: (f⊙b)(x,y)=max{f(x+i，y+j)-b(i,j)} 结构元素b(i,j)对灰度图像f(x,y)进行形态开运算和闭运算定义如下:
开操作: (f·b)(x,y)=[(f⊙b)⊕b](x,y) 闭操作: (f·b)(x,y)=[(f⊕b)⊙b](x,y) 膨胀处理后如图2.7所示。程序代码：
se90=strel('line',3,90); se0=strel('line',3,0); p=imdilate(g,[se90 se0]); figure, imshow(p);
图2.7 膨胀处理后的车牌图像
(2.8) (2.9)
(2.10) (2.11)
东北大学秦皇岛分校毕业设计（论文） 第 21 页
2.5.3 填充处理
利用matlab中的imfill指令，对图像进行填充处理，将图中封闭曲线的内部进行填充，以便后一步处理。处理后如图2.8所示。程序代码：
n=imfill(p,'holes'); figure, imshow(n);
图2.8 填充处理后的车牌图像
东北大学秦皇岛分校毕业设计（论文） 第 22 页
3. 车牌定位算法的研究
3.1 引言
车牌定位方法是在图像处理的基础上，对图像进行分析、总结并经过大量的实验确定的，定位方法的研究与车牌本身的特征和图像处理技术分不开的。同时在车牌识别系统中，牌照的定位准确与否直接影响到字符分割和字符识别的准确率。车牌定位的主要工作是从摄入的车辆图像中找到车辆牌照所在的位置，并把车牌从该区域中准确的提取出来，供后续的字符分割使用。 3.2 车牌规格及特征
为了准确、快速地定位车牌，人们提出了许多定位算法。其中大部分算法是根据车牌的特征而设计的，目前所利用的车牌特征主要有[12]： （1）形状特征
车牌的边缘是线段围成的有规则的矩形，大小是标准的，一般为440*140.车牌在原始图像中的相对位置比较集中，大小变化有一定范围。 （2）颜色特征
现有的车牌有蓝底白字、白底红字、白底黑字、黑底黄字、黑底白字五种颜色类型。
（3）灰度跳变特征
车牌的背景、字符颜色相差明显，表现在灰度图像中的灰度级也就互不相同。这样在车牌边缘形成了灰度突变边界，即穿过车牌的水平直线呈现连续的峰、谷、峰的分布，呈现出规律的纹理特征。 3.3 传统的车牌定位算法分析 3.3.1 基于纹理特征的车牌定位法
车辆图像随拍摄环境的变化而不同，然而车辆牌照具有不因外部条件变化而改变
东北大学秦皇岛分校毕业设计（论文） 第 23 页
的特征。车牌内有多个基本成水平排列的字符，字符和牌照底在灰度值上存在跳变，因而车牌这个矩形区域(包括边缘)有丰富的边缘存在，呈现出规则的纹理特征。在传统的基于灰度分割技术上，这些特征为车牌定位研究提供了切实可行的依据。
基于纹理分析的方法利用车牌区域内字符纹理丰富的特征定位车牌，它对于光照偏弱、偏强、不均匀性、牌照倾斜和变形等情况不敏感。但该方法应用于背景复杂的图像时，容易把一些纹理分布较丰富的非车牌区域定位进来，产生包含车牌在内的车牌候选区域，这是纹理分析方法的缺陷。 3.3.2 基于神经网络的定位算法
利用神经网络来定位车牌是一类较为常见的方法。本算法的基本步骤和各模块的功能如下[13]:
神经网络训练模块:收集一定数量的车牌图像样本，归一化后输入至BP神经网络进行训练，达到预定的正确率后，训练结束。本模块将获得一个对车牌敏感的BP神经网络。图像预处理模块:提取车牌前，对图像进行预处理;抑制噪声，提高图片质量。车牌定位模块:利用训练好的神经网络在图像中搜索车牌区域，定位车牌。
本方法的特点是从车牌区域特征来判别牌照，因此在搜索时会重点考虑以下表面特征(如边缘、对比度、纹理等)而忽视图像区域的内容。有用信号的特征有时会误导搜索，如果因为定位模块忽视了非牌照区域包含的车牌特征信号点，将这些区域送入后续步骤将会影响车牌字符识别。 3.3.3 基于数学形态学的定位方法
基于数学形态学的车牌定位算法是利用开启和闭合这两种运算在图像中进行定位。数学形态学中的开闭运算具有以下特点[14]:开运算可以擦除图像中的像素。从而能够去除孤立的小点、毛刺，保持总的位置和形状不变。闭运算可以使图像中的像素粘连。这一特点可用于填平小孔、弥合小裂缝，保持总的位置和形状不变。
利用数学形态学中的开闭运算对图像处理，得到多个车牌可能区域，然后用多区域判别法在图像的多个车牌可能区域中找到车牌的正确位置。此算法中结构元素大小的选取至关重要。结构元素过大，会使非车牌区域的边缘点粘连在一起，可能的车牌区域增多，给随后的多区域判别算法带来困难;结构元素过小，车牌区域无法粘连在一起，可能使真正的车牌区域不包含在可能车牌区域集合中。