摘要：天气、背景或拍摄等因素会造成车牌图像模糊、光照不均等，严重影响了智能交通车牌识别。运用灰度化、二值化、边缘增强等方法对采集到的图像进行预处理，可提高识别率，满足智能交通需求。
关键词：车牌图像；预处理；灰度化；二值化；边缘增强
中图分类号：TP317.4
0 引言
本文车牌图像预处理[3]主要针对智能交通管理系统中的车牌识别，通过获取车牌对车辆信息进行采集，经过车牌图像灰度化、图像增强、边缘检测、车牌定位、车牌图像二值化及图像倾斜校正等，为车牌图像后续处理打下基础。
1 灰度化
一般从摄像头采集到的图像或者计算机中存储的图像通常是彩色图，彩色图像包含着大量的色彩信息，在数字图像[4]处理中 ，很多算法都是针对灰度图像 ，处理的灰度级从0～255，共 256个灰度级，这样不仅减少了存储图像所需的内存，而且加快了图像处理的速度。 因此，首先要将彩色图像转换成灰度图像。彩色图像中任一像素都有R、G、B三种不同的颜色分量，而当图像中每一像素值R=G=B时，表示一种灰度颜色。其中，灰度化的方法主要有以下3种。
2 二值化
二值图像是由黑白两种颜色构成的图像。目的是能够快速将车牌字符和背景分开，通过阈值设定将灰度值小于阈值的像素直接设为0，灰度值大于阈值的像素直接设置为255，而二值化的关键就是找到合适的阈值T来区分对象和背景。
4 实验结果
本文采用手机随机拍摄的汽车图像，测试环境为2GHz cpu，2G内存，操作系统为window 7，使用平台为vs2005，并基于opencv开发车牌预处理功能。
当对一副未进行预处理或噪声处理不当的图像分割时，即会出现如图5的车牌定位区域过大或过小的情况，而进行过预处理后的图像进行车牌定位时则如图6所示，可见预处理对降噪起了很大的作用。
5 结语
车牌图像本身较复杂，冗余信息较多，因此难以识别。本文探讨三种预处理方法简化图像、消除图像噪声。其中灰度化减少了图像存储的大小；二值化将图像转化为黑白两种颜色的图像，使车牌和背景分离；边缘增生使得车牌定位更加快速、准确。实验结果表明，三种方法均达到预期效果，提高了图像的质量，为图像后续分割和识别打下了基础。
参考文献：
[2]冯伟兴，唐墨，贺波.Visual C++数字图像模式识别技术详解[M].北京：机械工业出版社，2010.
[3]周阅宇.汽车牌照识别系统研究与设计[D].长春：吉林大学论，2013.
[4]李凌.车牌图像预处理技术研究与实现[J].淮北职业技术学院学报，2007
（2）：98100.
[6]董玲娇.车牌图像预处理研究[J].机电工程，2009，26
（6）：107109.
