摘要：車牌定位是車牌識別的重要組成部分，由于目前車牌定位的方法較多，但有的車牌定位的速度和準確率不高；有的算法較復雜。該文提出了基于顏色均值對的車牌定位，方法簡單，定位快速、準確。

關(guān)鍵詞：HSV；顏色對；車牌；定位

中圖分類號：TP18文獻標識碼：A文章編號：1009-3044(2012)26-6342-02

The Method of License Plate Location Based on Color Image

LI Hong-lin

(School of Compute Science and Engineering, Qujing Normal University, Qujing 655011,China)

Abstract: License plate location is an important part of the license plate recognition. At present, the license plate location method is more, but some license plate locations speed and accuracy rate is not high, some algorithms are more complex. This essay pro? poses the method of license plate location based the color pair means, and the method is simple, the location speed is fast and ac? curate.

Key words: HSV; color pair; license plate; location

車牌識別系統(tǒng)是智能交通系統(tǒng)的重要組成部分，該系統(tǒng)包括車牌定位和車牌識別，車牌定位的速度與準確度直接影響到車牌識別的性能。目前研究車牌定位的方法有基于灰度圖像的[1，2]和基于彩色圖像的[4-6]。本文通過分析目前我國車牌字符的顏色與車牌的底色，提出了基于彩色圖像的車牌定位方法。

1基于邊緣顏色對的車牌粗分割

顏色對定義：根據(jù)我國的車牌底色（M）與車牌字符（N）具有固定的顏色搭配（M，N）或（N，M），則M與N構(gòu)成的集合稱為顏色對。

邊緣顏色均值對：若當前像素為(i,j),其邊緣像素f(i-2,j-2),f(i-2,j-1),f(i-2,j),f(i-2,j+1),f(i-2,j+2)的平均值a與f(i+1,j-2),f(i+1,j-1),f(i+1,j),f(i+1,j+1),f(i+1,j+2)的平均值b，a與b構(gòu)成的集合(a,b)稱為邊緣顏色均值對。

本文通過數(shù)碼像機拍攝到各種場所的汽車圖片，因這些圖片中存在不規(guī)則的隨機噪聲，所以對其進行中值濾波。中值濾波后的圖像依然處于RGB顏色空間中，把顏色均值轉(zhuǎn)換到HSV顏色空間中[7]。利用邊緣顏色均值對對車牌進行粗分割，通過觀察兩個顏色均值的HSV是否出現(xiàn)兩種顏色搭配（M，N）或(N,M)，若出現(xiàn)，則認為是車牌區(qū)域，取之，否則，認為是非車牌區(qū)域，棄之。圖1經(jīng)過邊緣顏色均值對分割后如圖2所示。一般拍攝到的汽車圖片中車牌大多處于圖片的下方，因此，可以根據(jù)先驗知識去除圖像的上面的三分之二，從而大大的提高后續(xù)的處理速度。

2車牌精定位

2.1投影與形態(tài)學運算

經(jīng)過上面的處理以后，大部分非車牌區(qū)域已經(jīng)去除，圖像也變?yōu)槎祱D像。此時，對其進行水平投影。水平投影結(jié)果如圖3所示。其主要目的是去除不符合車牌特征的偽車牌區(qū)域。對投影后的圖像區(qū)域進行形態(tài)學運算。先膨脹，使車牌區(qū)域盡可能的連通；后腐蝕操作，是消除物體邊界點，使邊界向內(nèi)部收縮的過程，可去除小區(qū)域，同時若物體間有細小的連通，則可將兩個物體分開。即處理后，可以用來填充區(qū)域內(nèi)細小的空洞、連接鄰近區(qū)域，平滑其邊界，同時不改變區(qū)域面積，以便后續(xù)處理。

2.2車牌精定位

通過上面分割后的圖像可能還存在多個連通的目標圖像區(qū)域，本文通過標記各連通區(qū)域并計算出每一個連通區(qū)域的面積。結(jié)合先驗知識，采用閾值分割方法，去除區(qū)域面積比車牌區(qū)域面積過大或過小的區(qū)域。通過此方法后，可能仍然存在面積和車牌大小差不多的干擾區(qū)域。為了去除干擾區(qū)域，可以計算每個連通區(qū)域的寬、高以及寬高比，如果某個區(qū)域與實際車牌的寬高相比太寬或者太高，則去除。否則再考慮他們的寬高比，如果不符合車牌寬高比的區(qū)域也去除。經(jīng)過幾何特征精定位后得到如圖4所示：

3結(jié)論

本文對各種環(huán)境下采集到的220張汽車彩色圖像進行車牌定位，218張準確定位，2張定位失敗，分析定位失敗的原因，最主要是車牌褪色較嚴重。本文基于邊緣顏色對的分割方法，經(jīng)分割后干擾區(qū)域大大減少了，大大提高了處理的速度，實驗表明定位的準確率高達99%以上。

參考文獻：

[1]劉翔,周楨,饒昊.基于灰度圖像的車牌定位方法研究[J].微計算機信息,2011,27(8):124-126.

[2]王善發(fā),吳道榮.基于灰度跳變的車牌定位算法及其實現(xiàn)[J].計算機仿真,2012,29(1):318-347.

[3]沈洋.基于灰度圖像的車牌定位研究[J].電腦知識與技術(shù),2008,4(4):1184.

[4]李文舉，梁德群，張旗等.基于邊緣顏色對的車牌定位新方法[J].計算機學報，2004，27（2）：204-208.

[5]郭捷,施鵬飛.基于顏色和紋理分析的車牌定位方法[J].中國圖象圖形學報, 2002,7(5): 426-427.

[6]程增會,戴祥,唐大鵬,等.一種基于HIS和YUV顏色模型的車牌定位方法[J].計算機應(yīng)用與軟件，2011，28（12）:132-134.

[7]李紅林.基于改進的HSV顏色模型及顏色均值對的車牌檢測與定位[J].云南民族大學學報:自然科學版,2009,18(3):268-272.