智能交通之汽车车牌定位识别设计与实现，软硬件协同

图像尖锐的边缘，少受模糊。本设计采用的是中值滤波的方法。

中值滤波器的FPGA设计。中值滤波器主要由3部分组成：滤波窗口生成模块，行列计数器模块，滤波算法模块。

5.1.2.1 滤波窗口生成模块的FPGA设计

图像预处理算法往往针对邻域像素操作。以3×3的窗口为例，利用2个FIFO和6个寄存器对图像的行、列数据进行存储，设计滤波窗口如图1所示。

本方案将这些存储器进行级联，按照流水线操作，在对第n行数据存入内部存储器的同时，由于存储器之间的级联，可将先进入存储器的第n-1行，第n-2行……第1行顺次存储到下一级存储器，这样在一个时钟周期内，虽然处理器只从外部存储器中读取一个数据，却可以实现数据并行输出，从而形成图像窗口。

本设计方案中使用的FIFO(Fillst In Fillst out)称为先进先出存储器， FlFO在xilinx提供的ISE可以通过IP核生成器定制，FIFO主要应用参数有需要存储的数据深度和数据宽度。数据深度表示 FIFO可以存储的数据量的大小，数据宽度表示每一个数据的位数。因此在此图像处理系统中FIFO的数据深度必须为一帧图像中一行的像素数，使得FIFO内正好储存一行的数据;数据宽度为像素亮度位数——8位。

FIFO1中的数据为图像的第n行像素的亮度值，FlFO1的输入是FIFO2的输出， FIFO2中的数据为视频图像的第n+1行像素的亮度值，第n+2行视频像素亮度值通过3个移位寄存器后输入到FIFO2，q31、q32、q33与FlFO2的三个输出值q21、q22、q23 以及FlF01的三个输出值q11、q12、q13分别对应了3x3窗口的第n+2行，第n+1行和 第n行的输入。为了形成正确的滤波窗口，即要保证q11、q21、q31;q12、q22、q32; q13、q23、q33处在同列不同行的位置。由下图可以看到，此时所形成的数据q11，q12，q13，q21，q22，q23，q31，q32，q33就是滤波所要求的3×3窗口。中心象素点 是q22。

5.1.2.2 行列计数器设计

当窗口中心移动到图像的边缘时，此时，窗口是无效的。但是通常图像的边缘不包含重要的信息，所以当窗口移动到边缘时，可以直接将输出置为0。

5.1.2.3 滤波算法设计

对于3×3窗口的中值滤波，采用图3所示的5级比较电路输出中值，其输入数据为图2所示的滤波掩膜所在的图像数据。第一级比较电路由3个三输入比较器C组成，每个比较器每个比较器的输出数据依序排列(参见图示)。将3组比较结果中最小的3个数放在一起、中间的3个数放在一起、最大的3个数放在一起，参加第二级比较。第二级比较电路的原理与第一级类似，输出out1和out9，分别是输入数据中的最大值和最小值， 这2个数据将被舍去不参加下一级比较。参加第三级比较的有 7个数据，其原理类似于前两级比较电路，输出out2和out8分别是该7个数据的最大值和最小值，并且被舍去，仅留下5个数据参加第四级比较。剩下的几级比较电路以类似于先前的原理进行比较。如此，经过5级比较后即可得到9个数据的标准中值滤波输出值mid9。此外，为了保证流水线操作过程中数据的同步性，在第三级和第四级比较电路中需要插入数据寄存器R缓存当前该级中不参与比较的数据。

5.2灰度拉伸改善图像质量

为了增强车辆图像和牌照图像(提取自车辆图像)的对比度，使其明暗鲜明，有利于车牌识别，需要对它们进行灰度拉伸，来改善图像质量。

灰度拉伸是将灰度进行分段线性变换，它将输入图像中某点(x,y)的灰度f(x,y)，通过映射函数T，映射成输出图像中的灰度g(x,y)，即：g(x,y)=T[f(x,y)]灰度拉伸变换原理图如下图所示，函数表达式为:

其中，对于256级图像来说，Mg = 255。同时当a = 25， b = 35时灰度拉伸可取得较好效果。

5.3 图像的边缘测试——求梯度

对车牌区域检测需要运用车牌区域所特有的属性。按照模式识别原理，应找到车牌区域图像的固有的且与图像其它区域不易混淆的属性，并且所使用的属性在各种环境下摄取的图像具有稳定性。通过分析可知，在各种条件下车牌所在的图像区域稳定可靠的信息是它具有丰富的边缘，因此本文设计了以对边缘信息分析为基础的算法。车牌背景色和字符色之间的对比度比较明显，而且在车牌中几个字符连续出现，在水平方向上形成一系列明暗交替的模式，利用这一特征就可以在图像中对车牌所在的区域进行定位。为了提取这种特征，本文设计并改进了一个水平方向的一维梯度算子：

其中式中R，d的选取与图像中车牌的大小有关。R，d的选取可以根据输入图像的实际情况进行调整，只要保证R/2+d大于车牌中字符笔画的宽度既可起到加强车牌区域边缘特征的作用。在本设计中R暂时取经验值4，d取经验值 2。这