基于图像处理的车牌识别方法研究(BP神经网络)(4)
2.3.1 图像灰度化
汽车图像样本，目前大都是通过摄像机、数码相机等设备拍摄获取的，因而预处理前的图像都是彩色图像。真彩色图像又称RGB图像，它是利用R, G, B 3个分量表示一个像素的颜。R, G, B分别代表红、绿、蓝3种不同的颜色，通过三基色可以合成出任意颜色。所以对一个尺寸为 m*n 的彩色图像来说，存储为一个m*n*3的多文数组。如果需要知道图像A中(x, y)处的像素RGB值，则可以使用这样的代码A (x, y,1: 3)。
彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度。由于图像的每个象素都具有三个不同的颜色分t，存在许多与识别无关的信息，不便于进一步的识别工作，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。
数字图像分为彩色图像和灰度图像。在RGB模型中，如果R=G=B，则颜色表示一种灰度颜色，其中R=G=B的值叫做灰度值.由彩色转换为灰度的过程叫做灰度化处理。灰度图像就是只有强度信息，而没有颜色信息的图像，存储灰度图像只需要一个数据矩阵，矩阵的每个元素表示对应位置的像素的灰度值。彩色图像的象素色为RGB (R, G, B )，灰度图像的象素色为RGB ( r, r, r ), R, G, B可由彩色图像的颜色分解获得.而R, G, B的取值范围是0-255,所以灰度的级别只有256级。灰度化的处理方法主要有如下三种:
(1)最大值法:使R. G, B的值等于三值中最大的一个，即
R=G=B=max(R,G,B) (2.1)
(2)平均值法:使R, G, B的值值等于三值和的平均值，即
R=G=B= （2.2）
(3)加权平均值法:根据重要性或其它指标给R, G, B赋予不同的权值，并使R, G, B等于它们的值的加权和平均，即
R=G=B= (2.3)
其中Wr Wc,Wa，分别为R, G, B的权值。由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，实验和理论推导证明当Wr=0.30, Wa=0.59, Wc=0.11时，能得到最合理的灰度图像。
2.3.2 二值化
图像二值化是指整幅图像画面内仅黑、白二值的图像。在数字图像处理中二值图像占有很重要的地位。这是因为，一方面，有些需要处理的如文字图像、指纹图像、工程图纸等图像本身是二值的；另一方面，在某些情况下即使图像本身是有灰度的，我们也设法使它变成二值图像再进行处理（即灰度图像的二值化）。这是考虑到在实用系统中，要求处理的速度高、成本低、信息量大的浓淡图像处理的花销大。此外二值化的图像能够用几何学中的概念进行分析和特征描述，比灰度图像优势大得多。