高振勇 曹陸軍

（1、安徽工商管理學院10c712 MBA班學生，安徽 合肥 230052 2、安徽省高速公路控股集團公司 工程師，安徽 合肥 230601）

1 概述

目前我國的公路里程越來越長，公路上行駛的車輛越來越多，要實現(xiàn)對行駛車輛進行管理是現(xiàn)代交通重要的研究方向。智能交通管理是未來道路交通管理的發(fā)展趨勢。借助計算機和外場的監(jiān)視設(shè)備，智能交通管理系統(tǒng)可以大大降低公路部門管理人員的工作量，提高了管理效率，降低勞動強度。通過分析現(xiàn)場采集的數(shù)據(jù)，可對路網(wǎng)規(guī)化和設(shè)計提供第一手資料。而車輛識別是智能交通管理中的一個重要環(huán)節(jié)。本文采用車輛的灰度圖片進行圖像分析。避免了彩色圖像運算時，需要對圖像進行顏色空間變換、計算量大的缺點。

2 圖像預(yù)處理

彩色圖像在進行圖像處理時算法復(fù)雜，會增加計算機的運算量，因此首先要將彩色圖像轉(zhuǎn)換成灰度圖像，以加快圖像處理的速度，轉(zhuǎn)換公式為I=0.299R+0.587G+0.114B。

在現(xiàn)代交通管理系統(tǒng)中，外場成像設(shè)備采集圖像的質(zhì)量均有很好的改善，成像過程中噪聲得到了很好地抑制。主要存在的問題是由于光照強度的不同而造成圖像偏暗或偏亮，引起對比度不足的問題。特別是夜晚光照不足引起的圖像偏暗情況對圖像的后期處理產(chǎn)生了很大的影響。

本文采用直方圖均衡化方法對各種對比度不足的圖像進行圖像增強，將集中在比較小范圍的原始直方圖轉(zhuǎn)化為均勻分布的形式，從而增加了象素灰度值的動態(tài)范圍，達到增強圖像整體對比度的效果。

3 車牌定位

車輛圖像經(jīng)過圖像灰度化及針對對比度不足的圖像進行圖像增強后，即可對圖像進行二值化，進一步突出車輛牌照區(qū)域灰度出現(xiàn)的多次跳變，從而確定牌照的位置。

3.1 圖像灰度差二值化

根據(jù)車牌區(qū)域圖像字符和底色各自都具有比較均勻的灰度值，而相互之間灰度差值卻比較大的特征。

我們可根據(jù)不同類型牌照的字符和底色間灰度差合理設(shè)置一個閾值T，該閾值可以將大多數(shù)車牌的字符和底色分割開來，并且盡可能弱化車輛主體和圖像背景對識別處理的干擾。對灰度差大于該閾值T的象素，將當前點標注為灰度跳變點。

選擇幾組有代表性的圖像，分別在底色區(qū)域和字符區(qū)域取相互間灰度值差值最小的點為采樣點，其相互間的差值為采樣點中底色和字符之間灰度值的最小差值。統(tǒng)計不同車輛圖像車牌區(qū)域中底色和字符的灰度值及相互之間的灰度差值。

使用灰度差閾值對灰度圖進行二值化能較好的將車牌字符和底色分離，盡可能的弱化了車牌紋理外其它區(qū)域的紋理信息。避免了設(shè)置閾值生成二值化圖像方法中設(shè)置閾值不當，而將牌照區(qū)域字符和底色置為同一灰度值的問題。相鄰灰度值相減比使用邊緣檢測算子（如Sobel算子、Roberts算子等）更有針對性，邊緣檢測算子都不是專門用于檢測垂直邊緣的，運算量大，且生成了過多邊緣，對車牌定位帶來不便。

3.2 車牌定位

通過灰度差閾值對圖像進行二值化，車輛和背景信息由于灰度值之間相差不大，細節(jié)被相對弱化，大多被置為相同的灰度值，區(qū)域內(nèi)無較明顯的灰度跳變，只在邊緣處產(chǎn)生少量間斷跳變點。而圖像中牌照區(qū)域字符和底色相互灰度值差別較大，大于設(shè)定閾值，被置為白色跳變點。

查看經(jīng)過灰度差閾值二值化后生成的二值圖，可以發(fā)現(xiàn)跳變點較多的區(qū)域主要有車牌區(qū)域、車輛散熱片區(qū)域和車燈區(qū)域，車輛牌照一般位于車輛的下半部分。在車輛的牌照區(qū)域以下，圖像一般較單調(diào)，無明顯的灰度跳變。定位程序由圖像最下行開始，由左至右逐行向上掃描，這樣就減少了運算的復(fù)雜度、提高車輛定位的準確率。

一個堅筆劃在二值圖一行中產(chǎn)生4次兩種顏色互變的跳變點，一個字符在圖像一行中至少有4次跳變。因為汽車牌照中有7個字符，在車牌區(qū)域一行中至少出現(xiàn)28次跳變點。我們設(shè)置車牌區(qū)域行跳變點為32，通過掃描圖像找到一塊區(qū)域，該區(qū)域內(nèi)每一行跳變點均大于等于32，且跳變點間距離小于兩字間最大間距，則可以認為該區(qū)域為車牌所在區(qū)域，即找到了圖像中車牌的位置。

程序步驟如下：

(1)由下至上、由左至右依次掃描，掃描至灰度跳變點時，標志該跳變點f(x,y)為行起始跳變點pzLeft，行有效跳變點計數(shù)iResult[j]=1。

(2)根據(jù)實際情況設(shè)置跳變點之間最大間隔D。圖像中車牌中兩個字符最多占36個象素點，可設(shè)置跳變點間最大間隔D=16。掃描下一跳變點，兩跳變點的距離大于D，則設(shè)置行起始跳變點pzLeft不符合間隔條件，從當前點向下繼續(xù)掃描，尋找下一跳變點為pzLeft。若兩跳變點的距離小于D，則下一跳變點為有效點，跳變點計數(shù)iResult[j]=iResult[j]+1，設(shè)置下一跳變點為當前跳變點，繼續(xù)掃描。

(3)掃描至兩點之間距離大于D或該行無后續(xù)跳變點時，若iResult[j]小于32次，該行起始點不符合車牌跳變條件，故從當前點繼續(xù)向后掃描，pzLeft、iResult[j]重置。若跳變點數(shù)目iResult[j]等于或大于32次，最后跳變點為行終止跳變點pzRight，記錄本行行號pzBottom，有效行數(shù)為findLN=1。

(4)車牌圖像中字符高最小占據(jù)12個象素點，可設(shè)最小有效行數(shù)為12。掃描鄰近上一行pzLeft、pzRight之間區(qū)域，如不滿足跳變次數(shù)條件，則從pzBottom行終止跳變點pzRight向下掃描，重新尋找行起始跳變點pzLeft。若滿足跳變次數(shù)條件則繼續(xù)向下掃描，findLN=findLN+1。直至連續(xù)掃描幾行均滿足跳變次數(shù)條件。為了加強程序的容錯性，掃描中行有效跳變點計數(shù)iResult[j]>=22或者有效行數(shù)findLN>8且18

(5)執(zhí)行掃描，直至行掃描不滿足跳變次數(shù)條件為止，記錄最后行行號為pzTop。此時找到一塊矩形區(qū)域，且跳變的列起止位置大致相同。

(6)我國車牌標準為寬0.45米，高0.15米，因此車牌寬高比為3。根據(jù)上式所得pzLeft、pzRight、pzBottom、pzTop 計算車牌長寬比 rate為。若則可確定所得矩形區(qū)域既為車牌位置。若不滿足則從pzBottom行行終止跳變點pzRight往下掃描。

(7)重復(fù)執(zhí)行(1)到(6)，直至找到一塊符合條件的車牌區(qū)域為止。

本方法較之投影法對二值圖先進行水平投影找到車牌上下邊界，再垂直投影找到車牌確切位置，更多的到考慮車牌各項特征。投影法往往將車輛其它紋理豐富區(qū)域誤認為車牌區(qū)域，且定位不準。優(yōu)于數(shù)學形態(tài)學方法[4]對邊緣圖像進行膨脹處理，生成多個封閉區(qū)域，再使用垂直投影找出準確車牌位置。其算法步驟多、運算復(fù)雜，加強了背景中的部分噪聲，對幾個封閉區(qū)域進行篩選，容易誤選車牌區(qū)域且定位不準。而使用本文車牌定位方法主要從車牌的紋理特性入手，綜合考慮車牌中字符最大間隔和車牌長寬比特征，步驟少、針對性強，能準確找出車輛牌照區(qū)域。

結(jié)論

本文采取的方法能準確迅速的找到車輛圖片中車牌的位置，具有響應(yīng)速度快、準確率高的特點。彩色圖像灰度差閾值二值化，減少了程序的步驟，降低了運算復(fù)雜度。程序從圖片下向上掃描，減少了運算量，提高了準確性。利用掃描行間跳變點數(shù)目、設(shè)置跳變點間最大距離、連續(xù)跳變行和有效區(qū)域長寬比，能準確地找出圖片中車牌的位置，且找出區(qū)域有效信息量多。能夠較好的滿足不同環(huán)境下，實時車輛圖片的車牌定位。

[1]付煒，王大江，趙正則，張宇.一種實用新型藍底白字車牌定位方法及實現(xiàn)[J].電子測量技術(shù)，2008，31(1):25-28.

[2]葛海江，方江江，張翔.車牌識別系統(tǒng)中車牌定位及傾斜矯正算法研究[J].杭州電子科技大學學報，2007，27(2):49-52.