李 玲 張 旭 賈磊磊

（洛陽師范學(xué)院物理與電子信息學(xué)院，河南 洛陽 471000）

基于圖像處理的車牌定位算法研究

李 玲 張 旭 賈磊磊

（洛陽師范學(xué)院物理與電子信息學(xué)院，河南 洛陽 471000）

文章分析了車牌定位的常用算法，研究了車牌的顏色特征，提出了顏色分割算法來進(jìn)行車牌區(qū)域的粗分割；通過邊緣檢測和形態(tài)學(xué)處理進(jìn)行車牌精確定位和提取。Matlab仿真分析的結(jié)果表明，該算法可準(zhǔn)確定位并提取車牌區(qū)域。

車牌定位；顏色特征；邊緣檢測；形態(tài)學(xué)

1 引言

國內(nèi)外學(xué)者對基于圖像的車牌識別進(jìn)行了很多研究，但目前還沒有一種車牌識別算法可以獲得非常理想的識別效果。車牌的定位于提取是車牌識別的基礎(chǔ)。車牌定位的常用算法有以下三種類型：

（1）基于邊緣信息的定位方法：該方法主要通過分析圖像垂直邊緣的信息統(tǒng)計(jì)值，連接其鄰近的離散化邊緣信息，同時(shí)根據(jù)顏色分布特征進(jìn)行選取，最后根據(jù)車牌固有的長寬比在剩余的待選區(qū)域中提取出真正的車牌區(qū)域。該方法比較繁瑣，容易受到外部環(huán)境的干擾[1,2]。（2）基于形態(tài)學(xué)的定位方法：該方法主要是利用形態(tài)學(xué)的方法，將其腐燭、膨脹等填充處理后的點(diǎn)運(yùn)算轉(zhuǎn)化為線運(yùn)算，從而使得運(yùn)算速率和抗干擾能力都得到了極大地加強(qiáng)[3]。（3）基于顏色邊緣信息的定位方法：該方法主要是對車牌區(qū)域內(nèi)各種顏色在顏色空間中的取值范圍采用二值化的方法進(jìn)行處理，再采用空間聚類和投影的方法對形態(tài)學(xué)處理后的圖像實(shí)現(xiàn)定位，此種方法定位效果較好[4-6]。

本文研究了車牌的顏色特征，車牌邊緣檢測及形態(tài)學(xué)操作，將顏色分割、邊緣檢測、形態(tài)學(xué)操作結(jié)合起來進(jìn)行車牌的定位。

2 車牌的顏色分割

車輛牌照具有鮮明的顏色特征，以小型車為例，車牌的底色為藍(lán)色，占車牌的大部分，車牌字符為白色，被藍(lán)色的底色包圍，可見，車牌顏色特征可以作為車牌粗分割的依據(jù)。因?yàn)榄h(huán)境光照、拍攝角度、拍攝距離、車牌清晰度等因素的影響，車牌圖像的底色可能發(fā)黑、發(fā)暗，不是純藍(lán)色。

收集不同光照條件、不同拍攝角度、不同清晰程度的車牌圖片進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)車牌底色的的藍(lán)色分量較高，綠色分量較低，紅色分量非常低，可以建立車牌底色的RGB空間顏色模型如公式（1）所示。

其中Rf、Gf和Bf分別代表車牌圖像像素中的紅色、綠色和藍(lán)色分量，1k和2k兩個(gè)參數(shù)界定了 RGB的范圍，其統(tǒng)計(jì)值分別為2和4，可增大統(tǒng)計(jì)樣本選取更合理的參數(shù)值，或設(shè)置一個(gè)寬松系數(shù)，增強(qiáng)模型的適應(yīng)能力。隨機(jī)選取兩幅圖片進(jìn)行車牌顏色分割的仿真，原圖和顏色分割后的圖像如圖1、圖2、圖3和圖4所示。

圖1 測試圖片一

圖2 圖片一顏色分割結(jié)果

圖3 測試圖片二

圖4 圖片二顏色分割結(jié)果

可見，顏色特征準(zhǔn)確有效的分割出了車牌區(qū)域，且顏色特征不受車體顏色的影響。如果是大型車、摩托車、警車或其他車型的拍照，車牌底色和字符顏色均有一定規(guī)定，因此也具有顯著的顏色特征，同樣可以使用類似的方法進(jìn)行顏色分割。車牌字符被識別為干擾，但因?yàn)檐嚺谱址挥谲嚺浦虚g，被底色包圍，所以不影響后續(xù)的車牌定位。圖像中有不少干擾像素，孤立的干擾像素可通過濾波去除，但大片的干擾像素有必要進(jìn)行進(jìn)一步的處理。本文采用邊緣檢測和形態(tài)學(xué)操作，以盡量減少干擾，準(zhǔn)確分割車牌區(qū)域，然后再使用投影法進(jìn)行車牌定位。

3 車牌定位

3.1 邊緣檢測

邊緣檢測能夠勾畫出目標(biāo)物體的形狀，可反映目標(biāo)物體的方向和灰度突變等，是圖像識別中重要的圖像特征之一，邊緣是圖像局部特性不連續(xù)的反映。

將顏色分割得到的圖像灰度化后進(jìn)行Canny邊緣檢測，結(jié)果如圖5所示。

圖5 Canny邊緣檢測結(jié)果

可見，Canny邊緣檢測得到的車牌邊緣比較明顯，可以顯示車牌大體輪廓，但車牌邊緣是不連續(xù)的，而且干擾的邊緣信息很多，這不利于車牌定位。本文采用形態(tài)學(xué)處理來解決這個(gè)問題。

3.2 形態(tài)學(xué)處理

形態(tài)學(xué)處理中閉運(yùn)算可以使圖像的輪廓線更光滑，消除狹窄的間隙、細(xì)長的鴻溝和小的孔洞，并彌補(bǔ)輪廓線中的斷裂；開運(yùn)算可消除細(xì)小物體。腐蝕和膨脹是形態(tài)學(xué)的最基本操作。

對Canny邊緣檢測后的圖像進(jìn)行填充、消除與邊界連通的物體后，使用閉運(yùn)算、開運(yùn)算和形態(tài)學(xué)濾波，得到的圖像如圖6和圖7所示。

圖6 閉開運(yùn)算

圖7 形態(tài)學(xué)濾波

經(jīng)過閉運(yùn)算和開運(yùn)算處理后，斷續(xù)的邊緣被連通，車牌區(qū)域變得更加明顯了，但干擾區(qū)域也同時(shí)被強(qiáng)化了。形態(tài)學(xué)處理后，比較小的干擾連通域被清除，剩余的干擾部分可在后續(xù)處理中消除。

3.3 車牌提取

經(jīng)過顏色分割、邊緣檢測和形態(tài)學(xué)處理后的圖像中，已經(jīng)可以準(zhǔn)確清晰的定位車牌區(qū)域了，且非零像素點(diǎn)集中在某些行和列上，可以根據(jù)這一特點(diǎn)進(jìn)行車牌提取。對形態(tài)濾波后圖像進(jìn)行行、列方向上的像素點(diǎn)掃描，統(tǒng)計(jì)得到像素值和，據(jù)此確定車牌的起始位置和終止位置[7]。圖8和圖9為車牌在行、列方向上的像素點(diǎn)掃描結(jié)果，其中橫坐標(biāo)為行數(shù)或列數(shù)，縱坐標(biāo)為某行或某列的像素值和。車牌行方向像素大概集中在750-950行，車牌列方向像素大概集中在1250-2070列，其它區(qū)域的像素為干擾。

圖8 行方向像素點(diǎn)掃描

圖9 列方向像素點(diǎn)掃描

圖10 車牌區(qū)域

確定車牌的行列起始位置和終止位置后就可以提取車牌圖像了，灰度化后的車牌圖像如圖10所示?？梢娞崛〕龅能嚺茀^(qū)域完整，排除了絕大部分干擾，效果良好；車牌鉚釘和車牌邊緣等干擾可在后續(xù)的車牌字符分割處理中進(jìn)行消除。

4 結(jié)論

本文研究了車牌的顏色特征，根據(jù)顏色特征進(jìn)行了車牌區(qū)域的粗分割，分割準(zhǔn)確有效。然后對分割后的圖像進(jìn)行邊緣檢測和形態(tài)學(xué)處理，減少干擾并精確定位車牌區(qū)域。最后提取得到的車牌區(qū)域準(zhǔn)確、完整，且干擾較少。

[1]張玲,葉海炳.一種基于邊緣信息的改進(jìn)車輛檢測方法[J].重慶大學(xué)學(xué)報(bào)（自然科學(xué)版）,2004, (11):56-58.

[2]鈕圣虓,王盛.完全基于邊緣信息的快速圖像分割算法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2012, (11): 1410-1419.

[3]左奇,史忠科.一種基于數(shù)學(xué)形態(tài)學(xué)的實(shí)時(shí)車牌圖象分割方法[J].中國圖象圖形學(xué)報(bào),2003, (3):281-285.

[4]張引,潘云鶴.彩色汽車圖像牌照定位新方法[J].中國圖象圖形學(xué)報(bào),2001, 6(4):374-377.

[5]沈勇,武章.?；谔卣黝伾吘墮z測的車牌定位方法[J].儀器儀表學(xué)報(bào),2008, (12):2672-2677.

[6]王洪建.基于顏色空間的一種車牌定位和分割方法[J].儀器儀表學(xué)報(bào),2005, 26(8增刊):371-373.

[7]袁卉平.基于MATLAB的車牌識別系統(tǒng)的設(shè)計(jì)與研究[J].工業(yè)控制計(jì)算機(jī),2010,23(10):73-74.

Research of license plate location based on emage processing

Firstly, algorithms commonly used are analyszed. Secondly, the color feature is studied, and color Segmentation is used for license plate segmentation roughly. Then, Canny operator and morphological operation are employed for license plate location and extraction precisely. Simulation results in Matlab show that the algorithm here can locate and extract the license plate correctly.

License plate location; color feature; edge detection; morphological operation

TN911;TP391

A

1008-1151(2015)05-0019-02

2015-04-15

李玲，洛陽師范學(xué)院物理與電子信息學(xué)院教師。