车牌识别系统(LPR)是以汽车牌照为特定研究对象的专用计算机视觉系统,是计算机视觉和模式识别技术在智能交通领域里应用的重要研究课题之一。在系统的各个环节中,车牌图像二值化效果的好坏至关重要,它直接关系到随后的字符分割与识别。现实环境中,由于光线照射不均匀、牌照区域受到污染或者车牌字符部分残缺等影响,使得车牌图像的二值化过程出现了很多难题。本文从三个方面改进车牌图像的二值化效果,即:前期图像预处理、中期二值化算法以及后期的二值图像去噪。 在图像预处理阶段本文提出了一种能够将前景字符和背景区域有效的划分出来并且智能增强的新算法Smart Enhance。该算法首先将颜色空间从RGB转换到HSV,接着采用Soble边缘检测并结合垂直投影分析对车牌图像的有效区域进行精确提取。然后通过Ostu方法对车牌图像的V(亮度)分量进行聚类,将整个区域分成前景和后景两部分,最后进行V值拉伸以增加前、背景的对比度。 在二值化算法部分,本文提出了一种基于LOG算子的局部动态阈值和基于最大类间方差的全局阈值的综合算法。其中前者通过边缘增强凸显了字符的细节信息,而后者运算速度快、引入噪声少,在光照情况好、车牌定位精确的情况下往往能够产生很好的效果。 在二值图像去噪环节本文分析总结了车牌图像中两大类噪声的特点,分别提出了基于八邻域检测法和连通区域结构分析法的去噪算法,有效地去除了车牌二值图像中的大量噪声。