葉高揚 畢冉 肖晴箐

1.中國礦業(yè)大學(xué)（北京）電氣工程與自動化，北京 10083

2.合肥工業(yè)大學(xué)信號與信息處理，安徽 合肥 230009

3.北京郵電大學(xué) 軟件工程，北京 10083

1. 概述

車牌字符識別已成為智能交通系統(tǒng)的重要組成部分，它可以從復(fù)雜的背景中準(zhǔn)確地提取、識別汽車牌照、車輛類型等信息，在交通控制和監(jiān)視中占有很重要的地位。汽車牌照識別的第一步就在于車牌定位，其快速性與準(zhǔn)確性直接決定了車牌識別的成功率。針對車輛圖像的特征，本文提出了一種車輛圖像增強的車牌定位的方法。實驗證明，這種方法具有簡單、快速、準(zhǔn)確的特點。

2. 系統(tǒng)流程圖

設(shè)計的系統(tǒng)流程圖如圖1所示。將采集到的彩色圖像轉(zhuǎn)化為灰度圖像，減少數(shù)據(jù)量，從而提高整個系統(tǒng)的處理效率，是實時處理的必然要求。圖像的增強通過提取灰度圖的無效部分，將灰度圖與無效部分做差分，從而增強有效部分并且去除很多無用信息。圖像的二值化是將圖像信息進一步縮減，加快后續(xù)處理的速度。取圖像邊緣和濾波是將圖像的輪廓提取出來再將其填充成為連通域。車牌提取從之前形成的連通域中通過條件篩選，確定車牌的位置。去邊框和字符分割則是對提取出來的車牌進行進一步處理，得到車牌中的每個字符。

圖1 系統(tǒng)流程圖

3. 各模塊的實現(xiàn)

3.1 輸入原始圖像

將給定的JPG等格式圖像讀入系統(tǒng)，并裝入內(nèi)存中等待處理。采集的圖像格式很復(fù)雜，常用的圖像格式有JPEG和BMP，所以必須對圖像同時進行格式化處理，將JPEG圖像或者BMP圖像轉(zhuǎn)換成支持計算機處理的DIB(Device Independent Bitmap)格式的圖像。如圖2所示。

圖2 原始圖像

圖3 原始灰度圖像

3.2 圖像灰度化

所有通過攝像頭和圖像采集卡采集的車輛圖像都是彩色圖像，彩色圖像包含大量對車牌識別而言用處不大的顏色信息，保留這些無用信息不僅在存儲上開銷很大，而且在處理上會降低系統(tǒng)的處理速度，因此在對圖像進行識別等處理的過程中經(jīng)常首先將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。圖像灰度化處理方案選擇的標(biāo)準(zhǔn)是經(jīng)過灰度變換后，像素的動態(tài)范圍變大，圖像的對比度擴展，使圖像變得更加清晰、容易識別。如圖3所示。

3.3 開操作得圖像背景

通過將圖像模糊化處理得到含有大部分無用低頻信息的背景圖像，以便之后將其去除。此次開操作即為本次設(shè)計的一個重要的創(chuàng)新點，即將往往應(yīng)用于二值圖的開操作應(yīng)用在灰度圖上。其將夜晚車輛牌照的大量影響定位效果的車牌反光所造成的大量雜光所濾去，使其后續(xù)操作更加便利，定位效果相對于以前更好。其輸出如圖4所示。

圖4 背景圖像

圖5 增強灰度圖像

3.4 增強灰度圖像

原始灰度圖像與背景圖像作減法，去除一些低頻無用信息，保留含有像素跳變的高頻信息，從而對灰度圖像進行增強處理，方便之后提取出車牌信息。如圖5所示。

3.5 圖像二值化

對于搜索目標(biāo)來說，總是希望盡可能地減少背景的像素干擾。圖像的二值化處理是將256個灰度級劃分為2級，分別表示黑色或白色，圖像像素特征值只有0或1。在實用的圖像處理系統(tǒng)中，二值圖像處理速度高、成本低，在后續(xù)的處理中，數(shù)據(jù)量明顯減小，利于用幾何學(xué)中的概念進行分析和特征描述。在實際的處理系統(tǒng)中，進行圖像二值變換的關(guān)鍵是要確定合適的閥值，其是先由用戶指定或通過特定算法生成一個閾值，如果圖像中某中像素的灰度值小于該閾值，則將該像素的灰度值設(shè)置為0或255，否則灰度值設(shè)置為255或0。其輸出圖像如圖6所示。

圖6 二值圖像

圖7 邊緣提取后圖像

3.6 邊緣檢測

邊緣即目標(biāo)物體的輪廓，能較清晰地反映目標(biāo)的形狀特征。本質(zhì)上說，邊緣是圖像局部特征性不連續(xù)點的集合，標(biāo)志著一個區(qū)域的終結(jié)和另一個區(qū)域的開始。可以通過求梯度在局部最大值對應(yīng)的點的方法來確定邊緣點，去除不是局部最大值的點，從而檢測出精確的邊緣。獲取圖像邊緣的方法有很多，本程序采用Canny算子提取邊緣特征信息。其輸出圖像如圖7所示。

3.7 開閉運算

開運算是一種先腐蝕后膨脹的操作，可消除細(xì)小圖像塊，并在纖細(xì)處分離圖像塊和平滑較大圖像塊邊界；閉運算是一種先膨脹后腐蝕的操作，可填充圖像塊內(nèi)細(xì)小空洞，連接鄰近圖像塊和平滑邊界。對圖像做閉運算和開運算，從而濾除圖像中與車牌無關(guān)的部分，為后續(xù)提取車牌提供了方便。其輸出的閉運算，及兩次的開運算圖像分別如圖8、圖9及圖10所示：

圖8 閉運算圖像

圖9 開運算圖像

圖10 第二次開運算圖像

圖11 彩色圖像

3.8 篩選車牌區(qū)域

對濾波后的二值圖像進行區(qū)域提取，并計算每個區(qū)域的特征參數(shù)。進行區(qū)域特征參數(shù)的比較，從而提取車牌區(qū)域。對圖像每個區(qū)域進行標(biāo)記，其彩色圖如11所示。

計算每個區(qū)域的圖像特征參數(shù)，即區(qū)域面積與寬高比。篩選滿足車牌幾何特征的連通域（即比較面積與寬高比是否滿足車牌規(guī)格），即為車牌區(qū)域。輸出車牌圖像如圖12所示。

圖12 灰度子圖和二值子圖

4 結(jié)語

本文所介紹的方法算法簡單、效率高、易實現(xiàn)，且定位快速準(zhǔn)確，較容易掌握和實際使用。

[1]陸福宏. 車牌識別技術(shù)在智能交通系統(tǒng)中的應(yīng)用[J]. 中國科技博覽,2010(12):302.

[2]霍宏濤. 數(shù)字圖像處理[M]. 北京：機械工程出版社,2003

[3]四維科技，胡小鋒，趙輝. VisualC++/MATLAB 圖像處理與識別案例精選[M]. 北京：人民郵電出版社,2004

[4]余章明. 數(shù)字圖像增強中灰度變換方法研究[J]. 電子質(zhì)量,2009(6):18-20.

[5]岡薩雷斯. 數(shù)字圖像處理[M]. 北京:機械工業(yè)出版社.