自动检测汽车车牌技术的研究及实现

-摘要由于我国的汽车拥有量与日俱增，这使得车辆牌照自动识别（VehicleLicensePlateRecognition,VLPR）在现代智能交通系统中变得尤为重要。本文提出了一种车牌自动识别的方法，并采用MATLAB进行仿真分析。提出的方法首先对彩色图像进行预处理，包括灰度化、图像增强、滤波、去噪、二值化等。预处理完成后，对车牌进行定位并使用Radon变换法对车牌进行倾斜校正。研究了我国的车牌特征及常用的车牌识别中字符分割算法，实现了车牌中各个字符的快速分割。最后，使用模板特征匹配的算法，实现车牌字符的快速识别并保存识别结果。实验数据表明，该车牌识别方式识别率较高，是一种简单、可行的车牌识别方法。关键词：车牌自动识别，图像预处理，车牌定位，字符分割，字符识别-i-AbstractDuetoincreasingcarownershipinChina,whichmakesautomaticvehiclelicenseplaterecognition(VehicleLicensePlateRecognition,VLPR)becomeparticularlyimportantinthemodernintelligenttransportationsystems.Thispaperproposesamethodofautomaticlicenseplaterecognition,analysisandsimulationusingMATLAB.First,theproposedmethodofcolorimagepreprocessing,includinggrayscale,imageenhancement,filtering,denoising,binarizationandthelike.Afterthepretreatmentiscompleted,locatethelicenseplateandlicenseplateusingtheRadontransformtiltcorrection.Studiedthecharacteristicsofthelicenseplateandlicenseplaterecognitionincommoncharactersegmentationalgorithmtoachieveafastsegmentationofeachlicenseplatecharacters.Finally,usingthetemplatefeaturematchingalgorithm,toquicklyidentifythelicenseplatecharacterrecognitionresultsandsave.Experimentaldatashowthattherecognitionrateiswayhigherlicenseplaterecognitionisasimple,practicalmethodforlicenseplaterecognition.Keywords:Automaticlicenseplaterecognition;imagepreprocessing;licenseplatelocation;charactersegmentation;characterrecognition-ii-目录摘要.1Abstract.2前言.3第一章绪论.41.1研究背景.41.2国内研究的现状.41.3本文所作的工作.4第二章图像预处理.62.1真彩图像灰度化.62.2图像增强.62.3图像效果改善.72.4图像二值化.72.5边缘检测.8第三章车牌定位.93.1我国的车牌特征.93.2形态态学处理.103.3定位的实现.113.4倾斜校正.12第四章字符分割与识别.134.1字符分割.134.2归一化处理.134.3字符识别.14第五章测试与结果.165.1测试结果.165.2结果分析.18第六章总结与展望.196.1课题总结.196.2展望.19参考文献致谢0前言对于车牌自动识别系统的研究，欧美国家起步的比我国早。上世纪80年代，就已经有了少量的图像处理方法被应用于车牌自动识别。而我国在上世纪90年代也开始自己的车牌自动识别系统的研究与应用。现阶段，车牌识别技术已经相对的成熟，但是还有很大的发展前景，比如速度方面、模糊图像的处理方面、识别准确度等等。车牌自动识别系统在实现交通管理与治安智能化系统中具有很重要的意义，因此对车牌自动识别系统的研究与实现具有现实性意义。全文主要分为六个部分：第一部分：本课题的研究背景，国内外的研究现状，以及研究的目的和意义。第二部分：对彩色图像进行预处理，主要包含（1）图像灰度化；（2）对灰度化后的图像，进行灰度化增强，从而达到改善图像质量的目的等等第三部分：我国的车牌特征,然后对车牌进行定位和倾斜校正，主要采用基于彩色图像的定位方法和基于Radon变换的倾斜校正法。第四部分：基于阈值选取的图像分割的方法，对车牌的字符进行分割。第五部分：建立模板库,然后使用模板特征匹配的算法，实现车牌字符的快速识别并保存其识别结果。在MATLABR2013a测试平台验证识别系统的可行性。第七部分：本课题研究内容总结，前景展望。1第一章绪论1.1研究背景随着城市现代化和工业化进程不断加快,通车里程和汽车保有量不断增加,堵车、环境污染加重、交通事故频发等问题日益突出。智能交通系统（IntelligentTranspotationSystem,ITS）成为交通监管系统的主要发展趋势，所谓智能交通系统就是在较完善的交通基础设施之上，通过应用通信、信息、自动控制、计算机和系统集成等技术，加强载体、运载工具和用户之间的联系，提高运行效率、减少事故、降低污染的系统目标，建立一个便捷、高效、安全、舒适和环保的综合交通运输体系1。鉴于智能交通系统成为交通监管系统的主要发展趋势，而作为它的重要组成部分，车牌自动识别（LicensePlateRecognition，LPR）系统应用也变得越来越广泛。在高速公路自动收费系统、小区停车管理系统、交通要塞的“电子眼”系统等多个领域都有应用。因此，车牌识别技术的研究具有很重要的实际意义。1.2国内研究的现状车牌识别系统需要综合应用许多种手段来提取车牌区域，实现对汽车牌照的精确定位，最终完成对汽车牌照的识别。因此，车牌识别系统需要应对多种复杂环境，如车流量高峰期、阴雨天气、车牌污染等。国内许多学者针对汽车车牌检测，提出各自的算法与系统实现方法。例如，王明华提出了一种一基于彩色纹理特征的车牌定位方法可根据车牌图像的彩色信息特征进行定位，考虑了车牌图像的颜色变化特征2。陈浩等提出了一种基于遗传算法的BP神经网络在车牌识别中的应用，将改进的遗传算法和BP神经网络方法结合起来应用于车牌字符识别，充分利用了遗传算法的全局搜索能力和BP神经网络的局部最优能力，从而增强了网络的搜索能力3。张伟采用基于Matlab的车牌识别中值滤波算法的研究与实现，进行去噪处理，实现识别4。1.3本文所作的工作本文通过对现有的成熟技术简洁，概括了车牌识别的主要技术要求。对实际应用中的汽车牌照图片进行研究。对相关的技术进行详细的阐述，并用MATLABR3013a进行2仿真测试。本文主要工作如下：（1）图像预处理：针对各种客观的条件下图像识别率较低的问题，首先，对图像进行灰度化。然后，进行图像增强。最后，进行二值化处理和边缘检测。（2）车牌的定位：对彩色图像进行车牌的准确定位,然后提取汽车牌照,再倾斜校正。（3）字符的分割：对提取好的车牌灰度化、二值化等处理，然后基于阈值选取的图像分割的方法，对车牌的字符进行分割。（4）车牌字符的识别：根据我国的车牌的特征，然后使用模板特征匹配的方法，对车牌字符进行快速识别。3第二章图像预处理受外在因素的影响，摄像机所采集的图像也许不是很完美。为了便于后来的处理，需将采集来的车牌进行初步处理，处理掉不必要的信息。图像预处理是对原始图像进行适当的转换，对图像的质量进行改善。一般采取的方式有：图像灰度化，图像增强，图像二值化等，下面详细介绍。2.1真彩图像灰度化通常摄像机采集来的图像都是真彩图像。真彩图像又称为RGB图像，有着很丰富的彩色信息，每个像素点的信息都是由R（红）、G（绿）、B（蓝）三个颜色分量组成。由这三种颜色可以组成任意颜色5。RGB图像由于含有的信息很多，占用的存储空间很大，使得图像处理的速度很慢。因此出于车牌识别性能的考虑，在对图像处理时通常把RGB图像转换为灰度图像，从而有利于处理速度的提高。在MATLAB中提供了rgb2gray函数用于RGB图像转化为灰度图像。其调用格式如下：J=rgb2gray（RGB）：表示将RGB图像转换成灰度图像J6。通过上述函数，将RGB图像转化为灰度图像。2.2图像增强在实际应用中，由于外部因素的影响（如：光照），使图像的清晰程度也受到了影响，从而影响了整体的识别效果。因此采用图像增强的方法，来改善图像的质量。图像增强不考虑是什么原因使质量下降的，只将图像中感兴趣的部分选择性的凸显出来，而衰减不需要的部分。图像增强的方法分为空域法和频域法。空域法主要是对图像中的各个像素点进行操作；而频域法是在图像的某个变换域内，修改变换后的系数，对图像进行处理，然后再进行反变换得到处理后的图像7。本文采用空域法中的直方图灰度变换的方法来增强图像的对比度效果。图像的直方图是图像重要的统计特征，可以认为是图像灰度分布的密度函数的近似。通常图像灰度分布密度函数与像素所在的位置有关。设图像在点处的灰度分布密度yx,函数为,那么图像的灰度密度函数，用式（2-1）表示为yxf（2-1）dxyzfszD,;1f4式中，D是图像的定义域，S是区域D的面积8。一般来说，要精确得到图像的灰度分布密度函数比较困难，所以实际中用图像的直方图来代替。灰度直方图是一个离散函数，它表示数字图像每一灰度级与该灰度级出现频率的对应关系。设一幅数字图像的像素总数为N，有L个灰度级，具有第k个灰度级的灰度的像素共有个，则第k个灰度级krkn出现的概率，用式（2-2）表示（2-2）Nnpk1,0L在MATLAB中提供了inhist函数来计算和显示图像的直方图。其调用格式如下：Imhist(J,n)：绘制灰色图像的直方图6。通过上述函数，将灰度图像转化为直方图图像。2.3图像效果改善改善图像效果的方法有：去噪、滤波、平滑等。通常情况下，由于CCD获得的图像经过A/D转换、线路传送都会产生噪声污染等。因此，图像的质量不可避免地降低了，给机器的处理和人的观察带来了一定的影响。所以，改善图像十分有必要。要进一步改善图像的效果，对图像进行邻域滤波处理，它可以在抑制随机噪声的同时不使边缘模糊。中值滤波的数学描述如下：如果T为像素的邻域集合，表示T中的元素，表示点的灰0,yxyx,yxf,度值，|T|表示集合T中元素的个数，Sort表示排序，则对进行平滑，用式（2-3）0,表示为（2-3）21|,0,TTyxfSortf在MATLAB中提供了medfilt2函数来实现数字图像的二维中值滤波。其调用格式如下：B=medfilt2(J,m,n)其中，J为输入的原始图像，B为滤波后图像。m,n为指定滤波模板的大小。2.4图像二值化在实际中，由于识别速度的要求，通常通过二值化的方法继续对图像进行处理。二值图像只有黑白两种色调。在MATLAB中提供了im2bw函数来通过阈值法将灰度图像转换为二值图像。其调5用格式如下：BW=im2bw(J,level):表示将灰度图像J转换成二值图像。level为归一化的阈值，取在0,1之间内6。可通过函数graythresh(J)计算得到。2.5边缘检测在数字图像中物体的边缘是以图像的局部特征不连续的形式出现的，即指图像局部亮度变化显著的部分，如灰度值突变、颜色突变、纹理结构突变等，同时物体的边缘也是不同区域的分界处。而车牌中含有相对多的边缘信息，因为它有汉字、字母、数字组成。由于边缘是所提取目标与背景的分界线，提取出边缘才能将目标与背景分离开来，从而可以分离出车牌图像中的文字特征。因为在图像中，某物体边界上的像素点，其邻域将是一个灰度级变化带。衡量这种变化的有效的特征值是灰度变化率和变化方向，他们分别以梯度向量的复制和方向表示的7。在实际应用中，为了方便，一般将算子以微分算子的形式表示，然后采用快速卷积函数来实现。本文采用Roberts（罗伯特）边缘算子，它是一种斜向偏差分的梯度计算方法，梯度的大小表示边缘的强度，方向与边缘走向垂直9。该算子计算公式，用式（2-4）表示（2-4）212,11,Gyxfxfyxfyfyxf其中，是具有整数像素坐标的输入图像。使用Roberts算子edge函数调用格式为：BW=edge(J,Roberts)BW=edge(J,Roberts,thresh)其中，BW返回的是与J同样大的二值图像6。6第三章车牌定位车牌定位技术是车牌识别系统中的重要组成部分，它与一般的车牌分割技术有一定的区别。目前车牌定位算法有许多，概括为两大类：基于灰度图像的定位和基于彩色图像的定位。大部分是基于灰度图像的车牌定位方法。本章将重点讨论。3.1我国的车牌特征一、我国的车牌主要有以下的几种特征：（1）结构特征每个国家的车牌都有一定的尺寸规格，而我国的车牌一般的外廓尺寸为440mm140mm的矩形，长和宽成一定的比例。因此，可以根据这一特征来确定车牌的区域，因为不论CCD还是车的远近，都不会改变它的比例。（2）颜色特征我国的汽车牌照有其固定的模式，一般分为以下几种：a)大型汽车和挂车号牌为黄底黑字黑框线；b)小型汽车号牌为蓝字白底白框线；c)使馆汽车和领馆汽车号牌为黑底白字，红“使”、“领”字，白框线；d)港澳出入境车号牌为黑字白底，白“港”、“澳”字，白框线；e)教练汽车号牌为黄底黑子，黑“学”字，黑框线；f)警用汽车号牌为白底黑字，红“警”字，黑框线。通过这些可以看出，我国的车牌种类较多，故基于颜色的车牌定位相对而言较复杂，特别是遇见车身颜色相近时，容易出现错误的定位。（3）边缘特征车牌图像经过预处理之后，牌照与车身交界处有很大的灰度跳变，根据跳变规律可以确定车牌所在的位置。二、我国车牌的一般式样如图3-1所示。图3-1车牌式样73.2形态态学处理数学形态学是在二值形态学的基础上发展起来的，后推广为灰度形态学处理。在灰度形态学中，对应的运算是极大和极小。下面介绍一些灰度形态学处理的方法。3.2.1膨胀与腐蚀1.腐蚀设是输入元素，是结构元素。则利用结构元素对输入图像腐蚀的数学yxf,yxg,描述，用式（3-1）表示为：（3-1）fygfx:ma此式要求结构元素必须在信号下方才具有意义，换而言之空间平移结构元素定义域必是信号定义域的子集6。还可以通过计算在平移结构元素定义域上信号值与平移结构元素之间的最小差值，得到灰度腐蚀，用式（3-2）表示为（3-2）xxgDzfxgf:min此式只在平移结构元素位于信号下方的点才有定义。2.膨胀灰度膨胀是灰度腐蚀的对偶运算。在定义灰度腐蚀时，用最大值定义。而灰度膨胀刚好与之相反，用最小值来定义。f被g膨胀数学描述，用式（3-3）表示为：（3-3）fyxf:minMATLAB中对应的灰度膨胀和腐蚀函数分别为imdilate和imerode。在图像处理应用中，对图像的腐蚀和膨胀可以使车牌区域连通，并最大限度的消除非车牌区域的噪声干扰10。3.2.2图像的开、闭运算无论是二值图像还是灰度图像其开、闭运算是一样的。结构元素g对图像f的开运算记为，用式（3-4）表示为：gf（3-4）gff类似地，闭运算记为，用式（3-5）表示为：gf（3-5）ff因为，闭运算可以去除结构元素更小的暗色细节，开运算可以去除更小的亮的细节，所以，他们可以组合在一起对图像平滑并去噪。83.2.3移除对象移除对象是特征提取的方法之一，特征提取包括图像面积、欧拉计算、区域填充和移除对象。在MATLAB中提供bwareaopen函数用于从对象中移除小对象，作用是减少图像处理的对象。调用格式如下：BW2=bwareaopen(BW,P)：从二值图像中移除所有比P小的连通对象6。3.3定位的实现摄像机所采集的图像是整个汽车的图像，而车牌识别只需要车牌那一部分，其他的都不是有用的信息，如果对整张图像进行车牌识别，那样会大大加大了车牌识别的难度，减慢了识别的速度，识别成功率也会大大的降低了。因此，我们需要提取车牌部分。而为了实现这一目的，就需要对预处理后的图像中车牌准确定位，并从图像中分离出来。为接下来的字符分割和识别提供良好的基础。车牌定位的一般流程如图3-2所示。经过上述的流程之后，车牌部分就可以有效地从整张图中分离出来。在这个流程中本文采用数学形态处理的方法，将车牌准确的提取出来。3.4倾斜校正对提取出来的车牌进行倾斜校正，一般的倾斜矫正的方法有hough变换法、Radon变换法、旋转投影变换法11。本文使用的是Radon变化法来实现对车牌的倾斜校正。Radon变换，就是利用计算机将图像变换为在某一种指定角度射线方向上投影的变换方法。图像预处理结束腐蚀图像and平滑图像计算寻找X和Y的车牌方向去除杂质完成定位对定位后彩色图像进一步处理图3-2定位流程图9MATLAB的图像处理工具箱提供了Radon函数在指定方向的投影。对于车牌的倾斜校正利用Radon变换找到横轴和纵轴两条直线，然后计算两条直线的夹角，之后根据角度进行车牌的校正。10第四章字符分割与识别4.1字符分割在车牌识别系统中,字符分割技术起承上启下的作用。它是将定位好的车牌中的文字信息分割出来。字符分割的主要算法有：灰度分割法、模板匹配法、数学形态法、垂直投影法和先验数据判断法等。本章主要介绍先验数据判断法。先验数据判断法是根据对车牌的先验数据，如车牌的宽度、长度、长宽比、间距大小、间距大小比值和字符大小等，通过扫描二值图像，能够将图像中的字符信息逐一的分离出来。对于先验数据判断法，一般可以通过两步将字符信息精确的分割出来。步骤如下：（1）至上而下扫描车牌区域图像，可以获取最初的白色像素点位置，作为字的上边界。然后，重复上面的步骤获得字符下边界。从而，确定字符大致高度。（2）在获得的高度范围内，进行左右扫描，获得第二次白色像素点的位置，则可以得到字符的大概宽度，白色像素点判断数量视情况而定，重复上述过程至右侧边界结束，由此可以算出字符的宽度。然后重复（1）的过程，获得精确的字符高度。通过上面的方法，字符可以精确地从图像中分离出来了。4.2归一化处理由于在车牌图像采集过程中，车与摄像机角度和远近等问题，影响获得的图片的大小。归一化处理可以将字符归一化为统一的大小，以便于后期的识别处理。归一化有以下几种类型：字符大小归一化，字符笔画归一化和车牌位置归一化等。通过归一化将字符大小归一化为110mm55mm。归一化实现方法如下所示：先计算分割后的字符大小，与标准的高度进行比较，确定放大还是缩小，并确定其缩放比值，实现字符缩放。通过字符空间变换可以对字符进行缩放，通常用线性插值法处理。其中应用最广的线性插值法是双线性差值和最邻近插值。双线性插值法：该方法输出像素值是它在输入图像中22的邻域采样点的平均值。最近邻插值法：此方法输出的像素值就是在输入图像中与其最临近的采样点的值。它是默认的差值运算方法，而且这种插值方法的运算量非常小。用到了MATLAB的内部函数imresize（），调用格式如下：J2=imresize(J,numrows,numcols)%将图片尺寸调整为numrowsnumcols6。114.3字符识别车牌字符识别是识别系统的最后一个环节，亦是最重要的一个环节，其准确率关乎着识别方法的成败，是影响车牌识别方法的重要因素。我国的字符是印刷体，与其他国家的字符相比，有下面几种特点：（1）字符的分辨率低：车牌的区域小，单个字符通常只有十几个像素宽，影响效果，特别是汉字，汉字结构复杂，分辨率低会丢失信息，增大的识别的难度。（2）字符集固定：车牌包括各省市及直辖市的简称，阿拉伯数字及英文大写字母（去除“I”和“O”）。（3）易受外部环境的影响：采集过程中常受外界光照的影响，导致字符出现不同程度的模糊、形变等。目前，常见的识别方法主要有：BP神经网络法，纹理特征匹配法，模板匹配法等。本文主要采用模板匹配法实现字符的识别。4.3.1模板匹配字符识别法介绍模板匹配方法是最直接的识别字符方法，其实现方法是计算机输入模式与样本之间的相关性，取相关性最大的的作为输入模式所属类别12。根据我国车牌字符的特征，制定模板库，包括字母库、数字库和汉字库。然后将要识别的字符与之进行匹配。图像字符的匹配度越高，说明其为匹配字符。对于模板匹配的算法来说，判断的准则不同，会对其结果带来很大的影响。对于灰度图像常用判决函数，用式（5-1）表示为：（5-1）cirjfgjigjif12,D上式中，f(i,j)与g(i,j)分别是图像字符与模板像素位置。当最小时，说明字符fgD与模板匹配。上面的式子，在像素点很多时，耗时长，速度慢。二值图像也有其判决函数，用式（5-2）表示为：（5-2）cirjfgjigjif12,D与灰度图像判决相比，将减法运算换成异或运算，运算量较小，速度较快。4.3.2字符模板匹配的实现12本文先采用MATLAB提供的函数Coor2函数计算出分割出的字符与模板的相关系数；调用max函数选取最大的rmax，rmax，tmax（a（：），其中t为最大值rmax所对应的元素位置，从而确定被分割出的字符所代表的含义，实现字符图像与模板匹配5。进行模板匹配之前，需要对字符进行归一化处理，本文选用的模板大小110mm55mm，因此也要将待识别字符图像也调整到该大小。在车牌识别时，第一个字符使用汉字库，第二个字符使用字母库，第三个和第四个使用字母库和数字库,其余的使用数字库。识别完成后，加入自动保存识别数据的功能，方便以后的查找、核实等。模板匹配的具体流程如图4-1所示。建立识别样本库读取分割且归一化的字符将字符与模板库进行匹配比较待识别字符与模板字符的相似度，相似度最大的一个既是匹配字符识别完成并保存结果图4-1模板匹配流程图13第五章测试与结果5.1测试结果依据前四章描述的处理方法,在MATLABR2013a测试平台检测识别系统的可行性。首先,采集有一定倾斜角度的车牌图像。然后，进行仿真测试。结果如下：(1)汽车的原始图像与预处理结果,如图5-1所示之之之之之之之024x104之之之之之之0100200图5-1图像预处理(2)车牌的定位提取及其灰度化处理结果，如图5-2所示之之之之之之之之图5-2车牌图像提取及处理（3）车牌倾斜校正及二值化等预处理结果，如图5-3所示：之之之之之之之之之之之之之之之之之之之之之之之之之之之之Y之之之之图5-3车牌图像的倾斜校正及其预处理14（4）车牌的字符分割处理结果，如图5-4所示图5-4车牌字符的分割（5）车牌字符的归一化处理结果，如图5-5所示1234567图5-5字符归一化（6）字符的识别结果，如图5-6所示之之之之:之APC322图5-6字符识别（7）识别结果Excel保存结果，如图5-7所示图5-7Excel保存结果（8）由于光照、背景等原因定位失败，结果如图5-8所示图5-8车牌定位失败15（9）定位成功，但识别失败，结果如图5-9所示之之之之:之A00273图5-9识别失败5.2结果分析本文所描述的识别算法在MATLABR2013a测试平台测试，为了验证该识别方法的识别效率，实验将用1300万像素的手机采集110张车牌图像，周围的光照影响程度较小。对图像识别率的统计数据，如表5-1所示。表5-1实验统计数据图像数量定位成功数定位成功率识别成功数量识别成功数11010696.36%10494.54%由表5-1的统计数据可知，本文所用的识别方法有较高的定位率和较高的识别率。但由于拍摄的角度过大问题、图像的背景较复杂和光线过强或过暗等原因，仍有部分车牌定位失败。而定位成功后，仍出现了一些车牌识别不成功，主要是因为采用模板匹配法虽然实现方法简单，速度较快，但是它的抗噪能力有待提高，所以导致识别失败。16第六章总结与展望6.1课题总结本文主要研究了基于MATLAB的车牌自动识别的系统。通过查阅和研究国内的各种研究成果，使得我对车牌的识别系统有了更深入的了解，并且使我对MATLAB在图像处理方面的应用理解更加的深入。本文的总结如下：1.利用MATLAB自带的函数对彩色图像进行预处理，通过图像的增强手段，弱化外部环境对图像特征清晰度的影响，通过Roberts边缘算子凸显图像的边缘特征，为图像进一步的处理提供良好的基础。2.在车牌部分定位与提取模块，对于预处理后的图像，利用图像数学形态进一步的处理，使得后面的定位和提取更精确，速度更快。3.在字符分割模块，利用先验数据分析法，对车牌字符进行分割，而后又利用归一化的方法使得切割出来的字符统一大小，为下面的识别过程提供了便利。4.在字符识别模块，需要仔细了解我国的车牌的主要特征,如字体、式样等。通过前期的了解，为建立模板库提供了很重要的参考价值，使得模板库建立的更加准确。这样的话，将大大提高了模板的匹配度。通过在MATLABR2013a测试平台上的进一步的验证，证明本算法的可实现性。6.2展望虽然本文实现了车牌的自动识别，但系统仍有很大的发展空间，可以做更深一步的研究。将来可以从下面几个方面着手加以完善：1.提升车牌识别的速度，研究研究看看是否可以从其他的方面着手，比如优化