淺談車牌定位前的車輛圖像預處理

摘要:隨著我國國民經(jīng)濟的高速發(fā)展，國內(nèi)高速公路、城市道路、停車場的建設越來越多，車牌識別系統(tǒng)(LPR)作為智能交通系統(tǒng)(ITS)的一部分起著舉足輕重的作用，它的廣泛應用必將有助于我國交通管理自動化的進程。一般來說，整個車牌識別系統(tǒng)分為圖像采集、車牌定位、字符分割、字符識別四大部分。該文在現(xiàn)有研究算法的理論基礎(chǔ)上，詳細闡明了車牌定位前的預處理工作，即車輛圖像灰度化、二值化、邊緣檢測以及中值濾波等。

關(guān)鍵詞:車牌定位;二值化;邊緣檢測;中值濾波

中圖分類號:TP391.41 文獻標識碼:A文章編號:1009-3044(2009)26-7483-02

The Tray Talks about the Vehicle Image Pretreatment Before the License Fixes Position

ZHAI Wei-fang， TIAN Yu-long， LIU Qiang

(China University of Geosciences Great Wall College， Baoding 071000， China)

Abstract: With the rapid development of China's national economy， there are more and more construct in the domestic expressway， urban road， and parking area， etc. and vehicle license plate recognition (LPR) system as core of the Intelligent Transportation Systems (ITS)， plays a very important role. and its extensive application of traffic management in China will help the process of automation. In general， the entire license plate recognition system is divided into image acquisition， license plate location， character segmentation， character recognition four major sections. In this paper， the existing research in the theory of algorithms based on the full details of the pre-treatment before the license plate location， that is， gray-scale image of the vehicle， binarization， edge detection and median filtering.

Key words: license plate location; binarization; edge examination; median filtering

隨著社會的發(fā)展，智能交通系統(tǒng)的應用越來越廣泛，正受到日益廣泛的關(guān)注，而車牌識別是其重要組成部分，車牌定位前預處理工作是整個車牌識別系統(tǒng)中非常關(guān)鍵的工作，預處理工作地好壞對后續(xù)車牌定位以及字符識別工作起著非常關(guān)鍵的作用。

1 圖像灰度化和灰度拉伸

汽車圖像樣本，目前大都是通過攝像機、數(shù)碼相機等設備拍攝獲取的，所以預處理前的圖像多是彩色圖像。由于彩色圖像的每個像素都具有R、G、B三個不同顏色分量，存在許多與識別無關(guān)的信息，如果直接處理彩色圖像，其復雜性和數(shù)據(jù)的龐大性將會降低系統(tǒng)處理的速度，達不到快速、實時的要求。因此圖像預處理部分首先將輸入的彩色圖像去掉色彩信息，進行灰度化。將彩色圖像轉(zhuǎn)換成灰度圖，一方面便于后續(xù)的更快速圖像處理，另一方面也是對處理多種顏色車輛牌照進行了統(tǒng)一。

1.1 圖像灰度化

灰度化就是使彩色圖像的R、G、B分量值相等的過程，其中R=G=B的值叫做灰度值，彩色圖像的像素色為RGB(R、G、B)，灰度圖像的像素色為RGB(r、r、r)，R、G、B可由彩色圖像的顏色分解獲得。而R、G、B的取值范圍是0～255，所以灰度的級別只有256級。灰度化的處理方法主要有如下三種:

最大值法:使R、G、B的值等于三值中最大的一個，即

R = G = B = max(R，G，B)

平均值法:使R、G、B的值等于三值中的平均值，即

R = G = B = (R + G + B)/3

加權(quán)平均值法:根據(jù)重要性或其他指標給R、G、B賦予不同的權(quán)值，并使R、G、B等于它們的值的加權(quán)和平均，即:

R = G = B = (WrR + WgG + WbB)/3

其中Wr、Wg、Wb分別是R、G、B的權(quán)值，由于人眼對綠色的敏感度高，對紅色的敏感度次之，對藍色的敏感度最低，所以在對圖像進行灰度化處理的時候采用的是加權(quán)平均值法，取Wr=0.299、Wg=0.588、Wb=0.113，從而得到最合理的汽車牌照灰度圖像。

1.2 灰度拉伸

灰度拉伸就是把感興趣的灰度范圍拉開，使得該范圍內(nèi)的像素，亮的越亮，暗的越暗，從而達到了增強對比度的目的。對灰度化的圖像進行對比度拉伸，使圖像上邊緣更加凸顯，這樣牌照區(qū)域的比畫特征更明顯，更有益于下一步的邊緣檢測。

灰度拉伸是將灰度分段線形變換，它將輸入圖像中某點(x， y)的灰度f(x， y)，通過映射函數(shù)T，映射成輸出圖像中的灰度g(x，y)，即

g (x， y) = T [f (x， y)]

假定原圖像f (x， y)的灰度范圍為[a，b]，希望變換后圖像g(x， y)的灰度范圍擴展至[c，d]，可采用下述線形變換來實現(xiàn):

g(x， y) = [(d-c)/(b-a)] f(x ，y)+c

如圖1所示。

圖像中大部分像素的灰度分布在區(qū)間[a，b]間，小部分的像素灰度級強度超過此區(qū)間。為改善增強效果，可令:

通常，車牌的位置在車頭下部，屬于低灰度級范圍，通過以往實驗的先驗知識，發(fā)現(xiàn)車輛牌照圖像的灰度取值范圍大多局限在(30，200)之間，而且總體上灰度偏低，圖像較暗。將灰度范圍擴展到(0，255)之間是比較理想

的。取a=30，b=200，進行對比度拉伸。

2 灰度圖像二值化處理

牌照圖像的二值化是處理與識別圖像中很關(guān)鍵的一個步驟，效果的好壞直接影響到后續(xù)工作。車牌圖像二值化處理即將圖像轉(zhuǎn)換成二值圖像，也就是整幅圖像中僅有黑白二值的圖像，這里定義灰度級255為白，0為黑。其目的是得到鮮明區(qū)分目標和背景的二值圖。

2.1 二值化原理

如果圖像f (x， y) 的灰度級范圍為(Zmin ，Zmax) ，設T(閾值)是Zmin和Zmax之間的一個數(shù)，那么二值圖g(x， y) 可由下式表示:

式中f(x， y)是原圖像中坐標為(x， y)的象素點的灰度值，g(x， y)是變換后該象素點的二值化標志，0表示黑點，1表示白點。

在實際的車牌處理系統(tǒng)中，進行圖像二值化變換的關(guān)鍵那是要確定合適的閾值，使得字符與背景能夠分離開來。

2.2 閾值的選取

二值化的關(guān)鍵是閾值T的選擇，根據(jù)閾值選擇方法的不同，常用的二值化方法分為全局、局部和動態(tài)閾值二值化三大類，全局閾值法是指在二值化過程中只使用一個閾值T的方法，它對于目標和背景明顯分離、直方圖成雙峰的圖像效果好，但對于由于光照不均勻，噪聲干擾較大等原因使直方圖分布不明顯成雙峰的圖像，二值化效果明顯變差。局部閾值法[13]是指象素閾值由象素灰度值和象素周圍點局部灰度特征來確定，它可以適用于光照不均勻的場景。而動態(tài)閾值法是指閾值的選擇不僅要取決與該象素的灰度值以及它周圍象素的灰度值，而且還和該象素的坐標位置有關(guān)。全局整體閾值法優(yōu)點在于算法簡單，但對輸入圖像存在量化噪聲或在不均光照等情況下抵抗能力差。局部閾值法相比較而言有較好效果，但也存在缺點和問題，如實現(xiàn)速度慢、不能保證圖像的連通性、以及容易出現(xiàn)偽影現(xiàn)象等。

由于采集到的原圖像中牌照四周的景物，光照條件和牌照的整潔程度的影響使得牌照圖像的灰度直方圖呈現(xiàn)出多種復雜情況，例如沒有明顯波峰，或兩個以上波峰，或兩個對等波峰等，使我們無法據(jù)此確定牌照字符的灰度范圍，此外即使獲得了理想的波峰值，也會由于牌照字符像素的灰度分布與背景像素的灰度分布混淆在一起而使閾值的選取缺乏足夠依據(jù)。為解決上述問題，課題采用自適應閾值法對車牌圖像進行二值化處理，能夠加快圖像處理的速度，取閾值:

Gmax和Gmin分別是圖像中的最高、最低灰度值。該閾值對不同的牌照有一定的適應性，能夠保證背景基本被置為0，以突出牌照區(qū)域。

3 邊緣檢測邊緣檢測

就是尋找圖像中變換比較劇烈的像素位置，這些像素可以簡單的表示圖像中有用的信息。

對圖像進行分析，車牌區(qū)域區(qū)別與其它區(qū)域的地方就在于牌照上有字符，字符之間的間隔比較均勻，字符和牌照底色在灰度值上存在跳變。這一特征體現(xiàn)在圖像的灰度上就會有一小塊灰度密集震蕩的區(qū)域。而字符本身與牌照底色的內(nèi)部都有較均勻的灰度，所以在這個矩形區(qū)域有著豐富的邊緣存在。

針對圖像的這個特點，利用微分檢測算子，檢測到圖像的邊緣，邊緣點對應于一階微分幅度大的點，或?qū)诙A微分的過零點。由于本步驟目的在于找邊界，而不是識別，因此邊緣檢測中每一點的計算只與其右側(cè)點有關(guān)，算法的步驟如下:

1) 對二值化后的圖像進行逐行逐列掃描，掃描到位置(x，y)時，考察當前位置象素值D(x， y)和位置右方像素值D(x+1，y);

2) 對上步獲得的兩個像素值進行邊界判斷;若當前像素為黑色，其右方像素為白色，則位置(x+1，y)是邊界點;若當前像素為白色，其右方象素為黑色，則位置(x，y)是邊界點;邊界點置1，非邊界點置0;

這樣就得到了侯選區(qū)域的二值化邊緣圖，在邊緣上的象素灰度值為1，而且其它非邊緣的象素灰度值則是0。通過邊緣圖像，就可以看到目標的輪廓。在車牌的區(qū)域，由于字符的紋理特征，象素的灰度值在行和列兩個方向上，象素灰度值跳變(有0跳變成1，或者由1跳變成0)頻率明顯高于其他非車牌區(qū)域。

4 圖像濾波

圖像信息在采集過程中往往受到各種噪聲源的干擾，比如信道噪聲、量化噪聲、脈沖干擾等，這些噪聲在圖像上的常常表現(xiàn)為一些孤立像素點，如果圖像存在孤立噪聲，則會影響牌照定位的準確性，進而影響后面的字符切分和字符識別，所以在圖像預處理過程中就必須濾掉這些噪聲點，為了消除噪聲，就要對圖像進行濾波處理，為以后的定位和字符分割做好準備。

中值濾波是一種去噪聲的平滑操作，它就是把跟當前處理的像素點相關(guān)的像素點的數(shù)值進行排序，然后把中間數(shù)值賦給當前處理點。

中值濾波是實現(xiàn)原理是:用一個滑動窗口W在圖像上進行掃描，把窗口內(nèi)包含的像素按灰度級升(或降)序排列起來，取灰度值居中的像素灰度為窗口中心像素的灰度(若窗口中由偶數(shù)個像素，則取兩個中間值的平均)。通俗的講，中值濾波就是用一個活動窗口沿圖像移動，窗口中心位置的像素值用窗口內(nèi)部所有像素灰度的中值來代替，中值的定義如下:(下轉(zhuǎn)第7496頁)

(上接第7484頁)

一組數(shù)X1、X2、X3、……Xn 假如其排序如下:

X1≤X2≤X3≤…≤Xn

Y稱為X1、X2、X3、…Xn的中值，如果一個序列(10、20、30、40、50、60、70)，則中值為40。

一般來說，二維中值濾波比一維濾波器更能抑制噪聲。二維中值濾波器用于圖像處理可按以下方式進行:設置一個濾波窗口，將其移遍圖像(序列)上的點。窗口形狀有多種，常用的由線狀、方形、十字形、圓形、菱形等(見圖2)，不同形狀的窗口對濾波器效果影響很大，使用中必須根據(jù)圖像的不同內(nèi)容和不同要求加以選擇。從以往的經(jīng)驗來看，方形或圓形窗口適宜于有緩慢變化的外輪廓較長的物體圖像，而十字形窗口優(yōu)選于有尖頂角物體

的圖像。使用中值濾波器濾波先使用小尺寸窗口，后逐漸加大窗口尺寸，直到中值濾波器的壞處多于好處。

5 結(jié)束語

車輛圖像預處理是車牌識別系統(tǒng)中的關(guān)鍵一環(huán)，是車牌識別技術(shù)的基礎(chǔ)與奠基部分，只有很好的實現(xiàn)車牌圖像預處理，才能更精確的定位車牌，實現(xiàn)字符的分割，以及最后一步的字符識別，在預處理階段主要進行圖像灰度化、灰度拉伸、二值化、邊緣檢測以及去除噪聲點的工作，采用了自適應閾值法、相鄰像素值相減獲取圖像邊緣以及中值濾波的方法。實驗結(jié)果表明了所采用方法對車牌識別系統(tǒng)的研究具有很好的適應性。

參考文獻:

[1] 杜建波.汽車牌照自動識別系統(tǒng)的研究與開發(fā)[D].東北林業(yè)大學碩士學位論文，2006.

[2] 朱維仲，董彩平.中值濾波技術(shù)及其在圖像處理中的應用[J].天津職業(yè)技術(shù)師范學學報，2002，12(3):42-44.[3] 張宏蘋.礦區(qū)大門進出車輛的識別方法[J].工礦自動化，2002，2(1):56-57.

[4] 盧雪松，李巴津.一種綜合的車牌照分割算法的研究[J].電腦開發(fā)與應用，2004，1(9):38-39.

[5] 何斌，馬天予，王運堅等.數(shù)字圖像處理[M].北京:人民郵電出版社，2002.

[6] 賈永紅.彩色圖像矢量濾波及其應用[J].測繪信息與工程，2000(2):19-20.

[7] 胡小鋒，趙輝.圖像處理與實用案例精選[M].北京:人民郵電出版社，2004.

[8] 李弼程，彭天強，彭波.智能信息處理技術(shù)[M].北京:電子工業(yè)出版社，2004.