3。1 图像的预处理算法

在图像识别之前，需要先对牌照进行预处理，以达到尽量消除噪声，抑制无用特性，突出 需要识别区域的特征的作用。

3。1。1 灰度化处理

颜色可以分为彩色、黑白、灰度色。灰度化处理可以将彩色图像转化为灰度图。它是使 RGB 图像三个分量相等的过程。

灰度化处理的方法主要包含以下几种。

（1）分量法

根据需要，选取 B、G、R 这 3 个分量中的任意一个分量的值，作为灰度图像的灰度值。 转换公式如下。

公式中， i 表示行， j 表示列， f(i,j) 表示在第 i 行，第 j 列的灰度值。

（2）平均值法

计算 B、G、R 这三个分量的灰度值，作为灰度图像的灰度值。转换公式如下。

f (i, j) (R(i, j) G(i, j) B(i, j) / 3

（3）加权平均值法

根据实际生活中，人类眼睛的敏感度要求，给 R、G、B 三个分量乘以不同的权值来求得 他们的加权平均值。转换公式如下。

f (i, j) 0。3R(i, j) 0。59(i, j) 0。11B(i, j)

根据式（3。3）中的加权平均的公式，绿色所占比重最大。因此在转换过程中，也可以只用 绿色值作为转换后的而灰度。

（4）最大值法

将 R、G、B 三个分量重的最大值找出来，作为灰度图像的值。转换公式如下：

f (i, j) max(R(i, j), G(i, j), B(i, j)) （3。4）

本文采用的灰度值转换方法为加权平均法，该方法可以利用 OpenCV 中自带的 API 函数 cvCvtColor(src, pImageCanny, CV_RGB2GRAY)来实现。其中 src 表示输入图像，pImageCanny 表示输出图像，CV_RGB2GRAY 表示颜色由 RGB 模式转换到 Gray 模式。文献综述

3。1。2 灰度分布均衡化

又称直方图分布均衡化。由于图像的亮度可能会不均匀，原始图像中的待测点的颜色会异 样。这样可能会导致定位失败，所以我们需要对图像的亮度进行均衡化处理。基本原理是使用 累计分布函数变换法，对图像中像素个数较多的灰度级进行展宽操作，对像素个数相对较少的 灰度进行缩减操作。函数目的是使直方图平缓、分布均匀、动态范围扩大。

先假定一个图像变换函数。

上述公式中，是积分变量，  pr ()d 是累计分布函数。累计分布函数从 0 到 1 单调增

加，所以  pr ()d 可以满足以下两个条件：

（1）在 0  r  1范围内，  pr ()d 是关于 T (r) 单值的单调递增的。

（2）在 0 r 1范围内， 0 T (r) 1。 再对累计分布函数中的 r 求导。

此外，随机变量的分布函数已知如下：

将（3。6）代入（3。7）中可以得到：

ps(s) [ pr (r)

上式表明，变化后的函数中，变量 s 在它的定义域内地概率密度函数呈现均匀分布。依据上述 条件，用 r 为变量的累积分布函数，它的图像变化函数可以产生灰度级分布均匀的函数。起到 了扩展像素分布区间和取值的作用。来*自~优|尔^论:文+网www.youerw.com +QQ752018766* 

对于公式（3。6）的两边进行积分，可以得到下面的公式。

则灰度值均衡化变换公式如下。

其中 DMAX  指最大色阶。对于实际处理中的离散图像，变换公式如下：

式中 Hi 表示第 i 级别灰度的像素点个数。

3。1。3 平滑化处理