智能交通之汽车车牌定位识别设计与实现，软硬件协同

照的角度，对车牌反光的不均匀度影响也较大。不同时间，不同的其后条件，以及背景光、车牌反光程度最终决定了车牌区域的亮度特征。从实验过程可以看出这些外界条件对车牌的粗定位和精确定位影响较大。

(b) 外界背景的复杂度也影响着车牌的定位率。背景中也车牌区域特征相似区域的大小反映了背景的噪声程度。如与车牌字符相似的背景远处的广告牌易影响车牌的粗定位 。

四、车牌定位的FPGA硬件实现顶层电路结构

本设计使用Atlys Spartan?-6 FPGA 开发套件硬件平台，利用其上的Xilinx Spartan?-6 XC6LX16-CS324的大容量逻辑资源完成车牌定位的FPAG全硬件设计。车牌定位电路应用的FPGA型号为XC6LX16-CS324，此FPGA具有 2278个slice，32个DSP48A1，Block RAM blocks最大是576kb，2个CMT(4个DCM,2个PLL)。

对于本设计的车牌定位电路是一个图像处理的电路，因此对存储器资源要求的比较大。在Atlys Spartan?-6 FPGA 开发套件硬件平台上有48Mbytes 的外部存储器资源可用。

系统整体框图如下：

五、车牌定位的FPGA实现的各个子模块

5.1车牌图像的预处理

图像预处理的作用是突出图像中的有用信息，不同的图像预处理对应于不同的图像分割以获得最佳的车牌特征。车牌定位预处理目标是突出车牌区域的特征，抑制其它无用的特征。图像的预处理包括图像灰度化、平滑滤波、锐化等内容。

5.1.1 图像的灰度化

灰度图的特征是：只有亮度信息，没有颜色信息。彩色位图结构复杂，难以处理，灰度图较简单，易于处理。灰度图的亮度信息，已经足以判断对车牌进行定位了，所以选择较容易处理的灰度图。灰度图是只含亮度信息不含色彩信息的图像，其中亮度值量化为256级。灰度图进行算法处理比较方便，并且更为重要的是可以在FPGA处理时大大的节省存储空间。

首先RGB值一样，且图像数据就是调色板索引值，也就是实际的RGB的亮度值，又因调色板是256色的，所以图像数据中一个字节代表一个。如果是彩色的256色图，则经过图像处理算法后，可能会产生不属于这256种颜色的新颜色，而真彩色RGB图像必须用三个与图像尺寸相同的矩阵来存储，这样计算代价过大。所以，一般采用256级灰度图来进行处理。由于采集的图像是彩色图像，所以要把彩色图像转化为灰度图像。灰度变换有时又被称为图像的对比度增强或对比度拉伸。假定输入图像中的一个像素的灰度级为Z，经过T(Z)函数变换后输出图像对应的灰度级为Z，其中要求Z和Z都要在图像的灰度范围之内。根据T()形式，可以将灰度变换分为线性变换和非线性变换。具体应用中采用何种T()，需要根据变换的要求而定。灰度变换的具体方法是：首先将原始图像从RGB空间转化为YCbCr空间，Y分量包含亮度信息，Cb和Cr分量包含色度和饱和度信息，然后仅提取Y分量生成灰度图。彩色图像由RGB空间变换为YCbCr空间的转换关系为: 彩色图像由YCbCr空间变换为RGB空间的转换关系为：

所以，最终我们得到RGB颜色和灰度值的转换关系:

Gray=0.229R+0.587G+0.114B

在本设计中，我们将0.299用10位定点小数表示：

0.299=10’h132,

0.587=10’h259,

0.114=10’h074;

RGB转灰度图的系统框图如下：

5.1.2 图像平滑

图像平滑主要是为了消除噪声。噪声并不限于人眼所能看的见的失真和变形，有些噪声只有在进行图像处理时才可以发现。图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。图像中的噪声往往和信号交织在一起，尤其是乘性噪声，如果平滑不当，就会使图像本身的细节如边界轮廓、线条等变的模糊不清，如何既平滑掉噪声有尽量保持图像细节，是图像平滑主要研究的任务。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时系统中所要提取的汽车边缘信息也主要集中在其高频部分，因此，如何去掉高频干扰又同时保持边缘信息，是我们研究的内容。为了去除噪声，有必要对图像进行平滑，可以采用低通滤波的方法去除高频干扰。图像平滑包括空域法和频域法两大类，在空域法中，图像平滑的常用方法是采用均值滤波或中值滤波，对于均值滤波，它是用一个有奇数点的滑动窗口在图像上滑动，将窗口中心点对应的图像像素点的灰度值用窗口内的各个点的灰度值的平均值代替，如果滑动窗口规定了在取均值过程中窗口各个像素点所占的权重，也就是各个像素点的系数，这时候就称为加权均值滤波;对于中值滤波，它对一个滑动窗口内的诸像素灰度值排序，用其中间值代替窗口中心的像素的原来灰度值，它是一种非线性的图像平滑法，它对脉冲干扰级椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护