王娜

【摘要】随着交通事业的飞速发展，ITS系统在道路交通领域占有极其重要的位置。通过智能化的车牌识别方式，可以对机动车进行自动进行记录、查验、监控、报警，在很多情况下可以有很好的适用性。本文主要介绍了在图像预处理阶段利用图像灰度化以及一种图像灰度增强方法初步处理被捕捉图像，随后叙述了边缘检测的工作原理及意义，并对传统边缘检测算子进行了分析和介绍，并描述了各个算子在实际应用的优点和不足。

【关键词】车牌识别；图像处理；灰度拉伸；边缘检测

1.引言

在摄像机捕获图像的过程中，因受环境因素的影响，图片预处理通过必要的技术手段把被识别车牌图像进行标注，以提高车牌识别系统的性能。

相应的技术手段有车牌图像的灰度图转换、边缘检测、二值化处理、图像增强、形态学处理等技术[1-3]。

2.灰度化（Image grizzled processing）

灰度化的基本方法是将彩色图片的各个颜色分量R、G、B分量取其最大值或平均值并代替之这样就消除了图像中每个像素点的颜色差异，仅仅通过亮度值大小来区别像素点。对于现有主流的图像像素颜色划分有256个亮度级的灰度图像，其灰度值最高值为255就代表白色，灰度值最低值为0就代表黑色[2]。

使用函数H（x，y）描述像素点（x，y）的灰度值，R（x，y）表示像素点（x，y）的红色分量的色度值，G（x，y）表示像素点（x，y）的绿色分量的色度值，B（x，y）表示像素点（x，y）的蓝色分量色度值。可用如下公式进行灰度转换。

3.灰度拉伸（Gray stretch）

灰度拉伸主要是以图像中的像素点为着眼点对图像进行适当的变换从而达到对噪声的去除或者削弱的目的。……