趙 娟，黃春艷

(華北水利水電學(xué)院，河南鄭州450011)

車(chē)牌識(shí)別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，它是一種通過(guò)車(chē)牌號(hào)碼來(lái)確定車(chē)輛身份的高級(jí)圖像處理技術(shù)［1］.主要包括車(chē)牌定位、字符分割和字符識(shí)別3個(gè)環(huán)節(jié).其中，車(chē)牌定位和字符分割是關(guān)鍵技術(shù)，直接影響系統(tǒng)的識(shí)別速度和識(shí)別率.在車(chē)牌準(zhǔn)確定位后，字符分割的好壞是影響字符識(shí)別率的關(guān)鍵因素.因此，在車(chē)牌字符分割前必須采取有效的車(chē)牌預(yù)處理措施.汽車(chē)牌照識(shí)別前期工作包括牌照的獲取、圖像預(yù)處理、牌照定位、牌照號(hào)分割、字符細(xì)化.其中，圖像預(yù)處理涉及到灰度轉(zhuǎn)換、圖像濾波和圖像二值化等.

1 圖像預(yù)處理

用數(shù)碼相機(jī)拍攝到的圖像一般為彩色圖像，為便于后續(xù)的分割和識(shí)別，也便于對(duì)多種顏色車(chē)輛牌照進(jìn)行統(tǒng)一處理，將拍攝的彩色圖像進(jìn)行灰度轉(zhuǎn)換.利用公式(1)將彩色圖像轉(zhuǎn)化為灰度圖像［2－4］.

式中:g為灰度化后的灰度值;R為該像素的紅色分量;G為綠色分量;B為藍(lán)色分量.處理后的圖像如圖1所示.

1.1 圖像增強(qiáng)

在數(shù)字化的過(guò)程中，由于受到諸多噪聲的影響，比如電磁信號(hào)干擾、光照變化等，使得經(jīng)過(guò)灰度變化后的圖像質(zhì)量較差，亮度也有所偏暗，這給后續(xù)圖像二值化、圖像分割和字符識(shí)別等帶來(lái)了很大的不便，因此，需對(duì)圖像進(jìn)行亮度增強(qiáng).

圖1 真彩色圖像和灰度圖像

計(jì)算灰度圖像的直方圖如圖2所示.首先統(tǒng)計(jì)像素點(diǎn)，使之加上一個(gè)適當(dāng)?shù)某?shù)，對(duì)于大于255的像素定義255為新的灰度值，將原來(lái)圖像的每個(gè)像素值都加上40;然后再按上述定義規(guī)則，使圖像的對(duì)比度增強(qiáng).

1.2 圖像二值化

為了便于車(chē)牌的定位和字符的分割，要對(duì)灰度圖像進(jìn)行二值化處理，這是車(chē)牌定位和字符分割的關(guān)鍵.目的是將牌照?qǐng)D像中的字符和其余部分分別用白色和黑色表示.在車(chē)牌定位和字符分割過(guò)程中閾值的選取是關(guān)鍵，閾值選取得當(dāng)，不僅可以有效濾除噪聲，還可將圖像明顯分成目標(biāo)區(qū)域和背景區(qū)域，大大減少信息量，從而提高處理速度.根據(jù)上述直方圖選取130作為閾值.二值化后的圖像如圖3所示.

1.3 圖像濾波

圖像濾波有很多種方法，常見(jiàn)的有均值濾波、邊緣保持濾波和中值濾波等，由于中值濾波對(duì)異常值的敏感性比其它類(lèi)型的濾波方法要小，因此中值濾波可以在不減小圖像對(duì)比度的情況下去除圖像中的異常值.這里采用中值濾波算法.

中值濾波是空域?yàn)V波的一種有效手段，它不需要根據(jù)相鄰像素的值計(jì)算得到新像素的值，而是和相鄰像素一起排序，將得到的中位像素(即排序后位置處于正中的像素值)作為中心像素值.采用3×3的圖像窗口進(jìn)行9點(diǎn)中值濾波，它既能有效濾除噪聲，又能保持圖像的邊緣，提高圖像的質(zhì)量，為后續(xù)的區(qū)域定位做好準(zhǔn)備.二值化濾波后的牌照?qǐng)D像如圖4所示.

圖4 二值化濾波后的牌照?qǐng)D像

2 牌照的定位

采用投影直方圖的辦法，從二值圖像中定位車(chē)牌.首先，進(jìn)行水平投影.假設(shè)圖像的寬度為x，高度為y，設(shè)定一個(gè)數(shù)組L(i)存放水平方向的投影值

在求得水平投影后，依次從圖像的最上方開(kāi)始掃描.如果投影滿(mǎn)足L(i)＞mi，對(duì)應(yīng)的最小值M1和最大值M2確定車(chē)牌的最上方和最下方位置;m為一可調(diào)常數(shù)，可根據(jù)具體的門(mén)牌寬度調(diào)整得到;然后對(duì)二值圖像進(jìn)行垂直投影，確定車(chē)牌的列位置，設(shè)定另外一個(gè)數(shù)組G(j)存放垂直方向的投影值

式中:M1為門(mén)牌區(qū)域的開(kāi)始行;M2為門(mén)牌區(qū)域的結(jié)束行.

在求得垂直投影值之后，就可以依次從左向右對(duì)圖像進(jìn)行掃描.如果投影滿(mǎn)足G(j)＞nj對(duì)應(yīng)的最小值N1和最大值N2就確定了門(mén)牌的左右位置，n為一可調(diào)常數(shù)可根據(jù)具體門(mén)牌長(zhǎng)度調(diào)整得到.由此可得門(mén)牌在圖像中的位置為［M1，N1，M2，N2］.即完成了車(chē)牌的定位.定位的圖像如圖5所示.

圖5 定位后的牌照?qǐng)D像

3 字符的分割與細(xì)化

3.1 字符的分割

字符分割的基本方法是利用字與字之間的空白間隔在圖像的行投影上形成空白間隙將單個(gè)字符的圖像切割出來(lái).這里采用掃描方法進(jìn)行字符分割:也就是在求得豎直投影并將其存放在一個(gè)一維數(shù)組中后，再設(shè)置一個(gè)閾值，由于字符之間的背景，其像素值為0，所以在該一維數(shù)組中字符之間的值較小，字符位置上的數(shù)值較大，利用這個(gè)特性，在數(shù)值劇變處就是字符的分割點(diǎn)，于是求得分割字符如圖6所示.

圖6 分割后的牌照?qǐng)D像

3.2 字符的細(xì)化

圖像細(xì)化是在不影響原圖像拓?fù)溥B接關(guān)系下，將寬度大于一個(gè)像素的圖形線(xiàn)條轉(zhuǎn)變?yōu)閱蜗袼貙捑€(xiàn)條的處理過(guò)程.傳統(tǒng)的細(xì)化算法種類(lèi)和方法較多，如PTA 細(xì)化算法［5］、Rosenfeld 細(xì)化算法［7］和 Hilditch細(xì)化算法［8］等剝皮算法.這類(lèi)算法是基于匹配模板進(jìn)行邊緣點(diǎn)去除的串行細(xì)化算法，每次迭代只能削去一個(gè)目標(biāo)層，目標(biāo)的細(xì)化很費(fèi)時(shí)間.而且，不論模板如何改進(jìn)，圖像或多或少都會(huì)在彎曲部分或者交叉點(diǎn)處出現(xiàn)連通度冗余，會(huì)產(chǎn)生毛刺以及未完全細(xì)化等現(xiàn)象［9］.筆者提出一種基于形態(tài)學(xué)的圖像剝皮完全細(xì)化算法，改善了傳統(tǒng)圖像細(xì)化算法.首先采用形態(tài)學(xué)細(xì)化算法對(duì)圖像進(jìn)行細(xì)化預(yù)處理，得到未完全細(xì)化的圖像，然后再用剝皮算法對(duì)其進(jìn)行更深入的處理.

具體細(xì)化過(guò)程為:

a.計(jì)算用于查表的索引值:

b.依據(jù)步驟a計(jì)算出的結(jié)果生成一張表.它實(shí)際上是一個(gè)數(shù)組，大小為256，具體定義見(jiàn)文獻(xiàn)［10］.

c.依次從上到下、從左到右對(duì)二值圖像進(jìn)行掃描，對(duì)每一個(gè)黑點(diǎn)做如下處理:判斷它的左右鄰域，若都是黑點(diǎn)，則該點(diǎn)不做任何處理;否則計(jì)算其8鄰域編碼作為索引值，查看表確定是否刪除;若該黑點(diǎn)被刪除了，則跳過(guò)它的右鄰域，處理下一個(gè)像素點(diǎn).

d.對(duì)步驟c處理過(guò)的圖像中每一個(gè)黑色像素點(diǎn)繼續(xù)采用和步驟c同樣的處理方法，只是先判斷上下鄰域，若都是黑色像素點(diǎn)，不做任何處理;否則確定該點(diǎn)是否被刪除;若刪除了，則越過(guò)它的下鄰域，處理下一個(gè)像素點(diǎn).

e.如果有黑點(diǎn)被刪除，則轉(zhuǎn)至步驟c，否則，細(xì)化過(guò)程結(jié)束.

細(xì)化后的車(chē)牌圖像如圖7所示.

圖7 細(xì)化后的車(chē)牌圖像

4 結(jié)語(yǔ)

介紹了牌照識(shí)別前的所有準(zhǔn)備工作.結(jié)果表明，提出的基于數(shù)學(xué)形態(tài)學(xué)的剝皮細(xì)化算法的效果明顯好于很多文獻(xiàn)中提到的OPTA細(xì)化算法，該方法對(duì)不同大小的圖像和不同粗細(xì)筆畫(huà)的字符都有相同的細(xì)化效果，并且該細(xì)化算法減少了很多毛刺，使得特征點(diǎn)的提取更準(zhǔn)確.這一算法拓展了圖像細(xì)化算法的新途徑，為后續(xù)的車(chē)牌識(shí)別提供了一種有效的方法和手段.

［1］張寶強(qiáng)，高滿(mǎn)屯，張茜.字符分割前車(chē)牌圖像的預(yù)處理［J］.計(jì)算機(jī)工程與科學(xué)，2008，30(4):40 －42.

［2］趙坤，郭道省.一種改進(jìn)的車(chē)牌識(shí)別預(yù)處理方法［J］.河南科學(xué)，2010，28(3):329 －332.

［3］侯艷麗，楊國(guó)勝，黃春艷.基于字符識(shí)別的門(mén)牌號(hào)識(shí)別算法研究［J］.河南大學(xué)學(xué)報(bào)(自然版)，2004，34(1):76－79.

［4］侯培國(guó)，趙靜，劉明.基于小波變換和行掃描的車(chē)牌定位方法［J］.系統(tǒng)仿真學(xué)報(bào)，2006，18(z2)，811 －813.

［5］李四明.工程圖紙輸入與自動(dòng)識(shí)別的改進(jìn)細(xì)化算法［J］.計(jì)算機(jī)工程，2003，29(16):37 －38.

［6］閏建國(guó)，高華，盧京潮.基于筆劃類(lèi)型的字符細(xì)化算法研究［J］.計(jì)算機(jī)工程與應(yīng)用，2001，37(11):83 －84.

［7］應(yīng)義斌.水果圖像的背景分割和邊緣檢測(cè)技術(shù)研究［J］.浙江大學(xué)學(xué)報(bào)，2000，26(1):35 －38.

［8］李甦，譚永龍.基于生成樹(shù)的圖像完全細(xì)化算法［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2006，27(21):4006 －4007，4070.

［9］王業(yè)琳，寧新寶.指紋圖像細(xì)化算法的研究［J］.南京大學(xué)學(xué)報(bào)，2003，39(4):468 －475.

［10］李朝友.指紋圖像增強(qiáng)［D］.天津:天津大學(xué)，2010.