基于图像处理的车牌识别方法研究(BP神经网络)(5)
在实际的车牌处理系统中，进行图像二值化的关键使确定合适的阈值，使得字符与背景能够分割开来，而且二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等。同时车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大提高处理效率。
二值化的关键是找到合适的阈值t来区分对象和背景。设原灰度图像为f(x,y)，二值化后的图像为g(x,y),二值化的过程表示如下：
0 f(x,y)<t
g(x,y)= （2.4）
255 f(x,y)>t
二值化，基于实时性的要求，我力求寻找一种快速而且效果较好的方法，能够更有针对性的解决在不同条件下牌照图像的二值化问题。求解阈值的方法很多，微分直方图法、最大方差法、基于灰度的数学期望的方法、可变阈值法等。我们采用最简单的方法，当象素灰度级低于常数C时，[0-C]象素灰度为0，[C-255]象素灰度为255。
2.4 车牌定位
2.4.1 车牌定位的思路
车牌定位的方法是有两个部分组成：车牌粗定位和车牌细定位。
车牌粗定位：根据上面表格1中车牌颜色的取值规律，车牌区域的像素就可以直接通过对H、S、V三分量设定一个范围来把它们过滤出来成为二值图像。过滤后的图像由于车牌范围内字符区域跟车牌蓝色背景不同，所以要进行形态学闭运算来实现填充字符。然后把面积最大的区域对应原始图像的区域取出来。
车牌细定位：通过粗定位的图像和车牌的基本形状是矩形来确定正确的车牌区域。
2.4.2 色彩空间
车牌携带有颜色信息，为了正确识别颜色，需要建立色彩空间。色彩空间是对彩色的一种描述方法，目前有多种表示数字图像色彩信息的色彩空间模型，常见的有RGB、HSV、CMYK、LAB等。每种模型是针对特定应用问题而提出来的，都有其特定的应用环境。各种色彩空间之间都存在相应的转换关系。
（1）RGB色彩空间
RGB是使用较普遍的一种色彩空间它是用一个单位长度的立方体来表示颜色的。通常将黑色置于三文直角坐标系的原点，红(Red)、绿(Green)、蓝(B1ue)代表可见光谱中的三种基本颜色或称为三原色，分别置于3根坐标轴上。黑蓝绿青红紫黄白8种常见颜色分别位居立方体的8个顶点。对于红、绿、蓝三种颜色按其亮度的不同分为256个等级，所以RGB色彩空间中各个分量的取值范围都是0至255。因此，红绿蓝分量全部组合起来共可表示256×256×256=16777216种不同的颜色，从而产生视觉效果上丰富而广泛的颜色。RGB色彩空间在色彩的处理过程中主要是用来描述像显示器、电视、扫描仪、数字相机等设备的。