一種基于灰度圖像二值化的車(chē)牌定位算法

摘要:車(chē)牌定位是牌照自動(dòng)識(shí)別系統(tǒng)中最為關(guān)鍵的環(huán)節(jié)，是智能交通系統(tǒng)中的核心技術(shù)。該文提出了一種利用車(chē)牌梯度特征，通過(guò)圖像增強(qiáng)和閾值調(diào)整的方法來(lái)獲得準(zhǔn)確的車(chē)牌區(qū)域定位的新方法。實(shí)驗(yàn)證明所提出的方法能簡(jiǎn)單快速地實(shí)現(xiàn)車(chē)牌定位。

關(guān)鍵詞:車(chē)牌定位;二值化;投影;閾值

中圖分類(lèi)號(hào):TP18 文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2010)02-394-03

An Algorithm of License Plate Localization Based on Gray Images Binarization

HUANG Ying， WANG Zi-xin， ZHAN Xuan， ZHU Mei

(East China Institute of Technology， Fuzhou 344000， China)

Abstract: Vehicle license plate location is the key link to license plate automatic identification system， and is the key technology in intelligent transportation system.This paper proposed a new method of automobile license plate location by using image enhancement and threshold adjusting to locate license plate. The Experiment shows the proposed method is simple and convenient for license plate location.

Key words: license plate location; binarization; projection; threshold

車(chē)牌識(shí)別系統(tǒng)作為智能交通系統(tǒng)的重要組成部分，已廣泛應(yīng)用于公路收費(fèi)、監(jiān)控等領(lǐng)域。在車(chē)輛智能識(shí)別系統(tǒng)中，牌照區(qū)域定位是影響系統(tǒng)性能的主要因素之一[1]。只有有效地完成了牌照定位，才能進(jìn)一步實(shí)現(xiàn)車(chē)牌智能識(shí)別。但是現(xiàn)實(shí)獲取的圖像中，車(chē)牌數(shù)目多、車(chē)牌類(lèi)型不能確定且對(duì)識(shí)別系統(tǒng)的實(shí)時(shí)性要求越來(lái)越高，這些都給準(zhǔn)確的車(chē)牌定位帶來(lái)了難度。因此，快速準(zhǔn)確地進(jìn)行車(chē)牌定位成為車(chē)牌識(shí)別系統(tǒng)的難點(diǎn)。

目前車(chē)牌定位技術(shù)主要有3大類(lèi)[2]:1) 基于空間信息的灰度圖像處理方法。該方法常在灰度邊緣檢測(cè)后使用數(shù)學(xué)形態(tài)學(xué)、區(qū)域生長(zhǎng)法、灰度直方圖定位或在Hough變換提取車(chē)牌邊界線(xiàn)后進(jìn)行定位。使用算法的優(yōu)點(diǎn)是:對(duì)一般邊緣特征不復(fù)雜的車(chē)牌能夠快速定位;缺點(diǎn)是:當(dāng)車(chē)輛的前臉邊緣異常復(fù)雜，車(chē)牌圖像對(duì)比度較小，光照不均勻時(shí)，很難準(zhǔn)確定位，誤識(shí)率較高。2) 基于顏色特征的彩色圖像處理方法。該方法主要利用背景顏色或彩色邊緣顏色進(jìn)行車(chē)牌定位。使用算法的優(yōu)點(diǎn)是:利用車(chē)牌區(qū)域顏色特征進(jìn)行目標(biāo)檢測(cè)，符合人的視覺(jué)感知，對(duì)一般車(chē)身顏色與車(chē)牌區(qū)域顏色明顯不同的車(chē)輛定位率很高;缺點(diǎn)是:因?yàn)椴噬珗D像為三維空間，因此處理速度較灰度圖像慢;對(duì)于車(chē)身顏色與車(chē)牌區(qū)域顏色接近，車(chē)牌褪色等情況，需要附加較多判別，也很難準(zhǔn)確定位。3) 融合定位方法。車(chē)牌區(qū)域包含邊緣、顏色、紋理等特征，融合以上特征的定位方法優(yōu)點(diǎn)是:在不復(fù)雜情況下定位快速準(zhǔn)確，優(yōu)于任何一種使用單一特征的定位算法;但在復(fù)雜情況下，目標(biāo)數(shù)量、類(lèi)型不確定時(shí)，前期如果有一處出錯(cuò)，后面的融合判決就不正確;若前期閾值設(shè)得較低，融合算法可提取全部疑似目標(biāo)，但非目標(biāo)也被包含在內(nèi)，造成“錯(cuò)誤報(bào)警”較多，也很難準(zhǔn)確定位到真正目標(biāo)。本文提出了一種基于空間信息的灰度圖像處理方法，用一個(gè)初始閾值對(duì)圖像進(jìn)行二值化處理，再對(duì)圖像削弱背景干擾和中值濾波，最后進(jìn)行牌照搜索和裁剪。本算法適用于車(chē)牌數(shù)目多，實(shí)時(shí)性要求高的環(huán)境下的車(chē)牌目標(biāo)定位。通過(guò)實(shí)測(cè)圖像實(shí)驗(yàn)驗(yàn)證了其定位的速度和有效性。

1 車(chē)牌定位步驟與算法

車(chē)牌定位步驟如下[10](流程見(jiàn)圖1):

a) 錄入圖像，對(duì)圖像進(jìn)行預(yù)處理:將24位真彩色圖轉(zhuǎn)化為256色灰度圖。

b) 二值化:用一個(gè)初始閾值對(duì)圖像進(jìn)行二值化得到二值化圖像。

c) 削弱背景干擾:對(duì)二值化圖像做簡(jiǎn)單的相鄰像素灰度值相減，得到新的圖像。

d) 用自定義模板進(jìn)行中值濾波:把得到的新圖像的區(qū)域灰度值基本賦為0。

e) 牌照搜索:利用水平投影法檢測(cè)車(chē)牌水平位置，利用垂直投影法檢測(cè)車(chē)牌垂直位置。

f) 區(qū)域裁剪:截取車(chē)牌子圖像。

1.1 圖像的預(yù)處理

通常，用數(shù)碼相機(jī)獲取的圖像是彩色圖像，它由R、G、B三個(gè)單色調(diào)配而成，各種單色都從0～255分成了256級(jí)。根據(jù)R、G、B的不同組合，獲取的彩色圖像可以表示256×256×256=16777216種顏色。彩色圖像雖然包含了圖像的眾多信息，但只需要利用圖像的灰度信息進(jìn)行處理，這樣一方面可以提高系統(tǒng)的處理速度，另一方面也對(duì)處理多種顏色車(chē)輛牌照進(jìn)行了統(tǒng)一。因此，在汽車(chē)牌照分割中，可以將彩色圖像轉(zhuǎn)化為灰度圖像，然后再對(duì)灰度圖像進(jìn)行處理。轉(zhuǎn)化公式采用式(1) [3]:

f=0.299R+0.588G+0.114B(1)

式中:f表示像素的灰度值，R、G、B分別表示原圖中紅、綠、藍(lán)分量。原圖如圖2所示，灰度化后的車(chē)牌圖像如圖3所示。

圖2 原圖 圖3 灰度圖像

1.2 圖像二值化

一幅圖像包括目標(biāo)物體、背景還有噪聲，要想從多值的數(shù)字圖像直接提取出目標(biāo)物體，最常用的方法是二值化算法，又稱(chēng)為閾值算法，即，設(shè)定一個(gè)閾值T，用T將圖像的數(shù)據(jù)分成兩部分:大于T的像素群和小于T的像素群。這是研究灰度變換的最特殊的方法，稱(chēng)為圖像的二值化(BINARIZATION)[4]。

對(duì)圖像進(jìn)行二值化處理的關(guān)鍵是閾值的合理選取，閾值設(shè)置過(guò)小易產(chǎn)生噪聲，閾值設(shè)置過(guò)大會(huì)降低分辨率，使非噪聲信號(hào)被視為噪聲而濾掉?？紤]到車(chē)牌圖像的特點(diǎn)，車(chē)牌字符排列具有規(guī)律性，字符和牌照底色在灰度值上存在突變。因此選取了初始閾值進(jìn)行圖像二值化處理。其原理是統(tǒng)計(jì)每幅圖像灰度的分布特性，用T對(duì)圖像A進(jìn)行二值化得到二值化圖像B[5]:

T=Gmax-(Gmax-Gmin)/3

Gmax和Gmin分別為最高，最低灰度值。在灰度圖f(i，j)的基礎(chǔ)上，進(jìn)行二值化處理后的圖象為g(i，j)。二值化后的車(chē)牌圖像如圖4所示。

1.3 削弱背景干擾

在相同條件下，背景干擾多的圖像識(shí)別率較低，尤其當(dāng)干擾背景呈塊狀時(shí)，對(duì)圖像識(shí)別的影響更大[6]。而二值化圖像經(jīng)常出現(xiàn)大面積的干擾背景，所以我們有必要削弱無(wú)效背景對(duì)車(chē)牌定位的影響。

削弱背景干擾的方法如下:對(duì)得到的二值化圖像B做簡(jiǎn)單的相鄰像素灰度值相減，得到新的圖像G，即Gi，j=|Pi，j-Pi，j-1|，Gi，0=Pi，0 (其中i表示第i行的像素點(diǎn)，j表示第j行的像素點(diǎn))，左邊緣直接賦值，不會(huì)影響整體效果。實(shí)驗(yàn)證明此方法簡(jiǎn)單有效，能把二值化圖像中大塊的干擾背景去除，從而有效地削弱了背景干擾。削弱背景干擾后的車(chē)牌圖像如圖5所示。

1.4 中值濾波

所謂中值濾波，就是指把以某點(diǎn)(x，y)為中心的小窗內(nèi)的所有像素的灰度從小到大的順序排列，將中間值作為(x，y)處的灰度值[7]。中值濾波法是一種非線(xiàn)性平滑技術(shù)，對(duì)消除椒鹽噪音非常有效，在光學(xué)測(cè)量條紋圖象的相位分析處理方法中有特殊作用。

中值濾波處理的方法是去某種結(jié)構(gòu)的二維滑動(dòng)模板，將板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升(或下降)的為二維數(shù)據(jù)序列。二維中值濾波輸出為g(x，y)=med{f(x-k，y-l)，(k，l∈W)} ，其中，f(x，y)，g(x，y)分別為原始圖像和處理后圖像。W為二維模板，通常為2*2，3*3區(qū)域，也可以是不同的的形狀，如線(xiàn)狀，圓形，十字形，圓環(huán)形等[8]。

用自定義模板進(jìn)行中值濾波，區(qū)域灰度基本被賦值為0?？紤]到文字是由許多短豎線(xiàn)組成，而背景噪聲有一大部分是孤立噪聲，用模板(1，1，1，1，1)T對(duì)G進(jìn)行中值濾波，能夠得到除掉了大部分干擾的圖像C。中值濾波后的車(chē)牌圖像如圖6所示。

1.5 牌照搜索

車(chē)牌牌照區(qū)域的定位是正確進(jìn)行汽車(chē)牌照識(shí)別的關(guān)鍵步驟之一，比較常用的算法是投影法。所謂投影法就是通過(guò)分析圖像的水平和垂直方向的投影值，來(lái)找到目標(biāo)位置。圖像的水平和垂直投影公式分別如下[9]:

第j列的水平投影公式:

第i行的垂直投影公式:

其中fv_sum(j)和fh_sum(i)分別為圖像中第j列和第i行中像素值為255的點(diǎn)的個(gè)數(shù)，也就是白點(diǎn)個(gè)數(shù)的總和，m和n分別為圖像的行和列的數(shù)目。

在車(chē)牌上下界之間有一個(gè)連續(xù)的水平投影區(qū)，根據(jù)車(chē)牌的高度范圍，找到這樣的投影區(qū)，得到候選區(qū)域所處的水平帶。對(duì)該水平帶做垂直投影，可得到垂直投影圖。垂直投影圖同樣具有水平投影圖的特點(diǎn)，即在車(chē)牌左右界之間存在一個(gè)連續(xù)投影區(qū)。根據(jù)車(chē)牌的寬度范圍來(lái)確定屬于候選車(chē)牌區(qū)域的投影區(qū)，從而得到所有可能的車(chē)牌區(qū)域，并盡可能的減少了候選區(qū)域。

具體算法是:對(duì)進(jìn)行了二值化的圖像進(jìn)行逐行、逐列的掃描，掃描的方法是從上到下、從下到上、從左到右、從右到左的進(jìn)行列掃描時(shí)，分別記錄下一列中像素和大于某值的列數(shù)，再對(duì)得到的四個(gè)值做適當(dāng)?shù)恼{(diào)整，根據(jù)所得到的四個(gè)值標(biāo)出大致的區(qū)域，最后進(jìn)行精確定位，即可得到車(chē)牌的精確位置。經(jīng)過(guò)水平投影和垂直投影后的得到車(chē)牌圖像如圖7所示。

1.6 區(qū)域裁剪

經(jīng)過(guò)前面的若干步驟后，可以知道車(chē)牌子圖像的精確起始位置，進(jìn)行精確的車(chē)牌區(qū)域的裁剪即可[10]。根據(jù)車(chē)牌精確位置在灰度圖中截取的車(chē)牌子圖像如圖8所示。

2 實(shí)驗(yàn)結(jié)果與結(jié)論

車(chē)牌定位的圖像主要是來(lái)源于數(shù)碼相機(jī)拍攝和Internet上下載的，經(jīng)過(guò)反復(fù)測(cè)試，實(shí)驗(yàn)結(jié)果表明此方法能夠較好較快準(zhǔn)確的捕獲車(chē)牌候選區(qū)域，提高了定位的速度與準(zhǔn)確性?？偟膩?lái)說(shuō)，由于車(chē)身顏色多樣性和牌照顏色的不確定性，要做到一個(gè)比較有適應(yīng)性通用性強(qiáng)的車(chē)牌識(shí)別系統(tǒng)還是比較復(fù)雜的。而車(chē)牌定位是車(chē)牌識(shí)別的前提，如果要想準(zhǔn)確的車(chē)牌候選區(qū)域，就要有較好的圖像二值化方法。本文提供了較好車(chē)牌定位的二值化方法，只要把這些方法有針對(duì)性的使用，一定能取得更好的效果。

通過(guò)大量試驗(yàn)得出，本算法可以解決車(chē)牌定位時(shí)遇到的絕大部分問(wèn)題。在車(chē)牌定位領(lǐng)域，具有較高的研究?jī)r(jià)值和社會(huì)經(jīng)濟(jì)效益。

參考文獻(xiàn):

[1] 石朋飛，趙勛杰.復(fù)雜背景下車(chē)牌的定位和字符分割技術(shù)研究[J].蘇州大學(xué)學(xué)報(bào):工科版，2009，29(1):53-57.

[2] 王枚，王國(guó)宏，蘇光大.復(fù)雜環(huán)境下的車(chē)牌定位及目標(biāo)真實(shí)性驗(yàn)證[J].光學(xué)精密工程，2009，17(4):886-894.

[3] 張儉鴿.李娜.車(chē)牌定位在VC中的實(shí)現(xiàn)[J].中國(guó)科技信息，2009，(13):123-124

[4] 張宏林.精通Visual C++數(shù)字圖像模式識(shí)別技術(shù)及工程實(shí)踐[M].2版.北京:人民郵電出版社，2008.

[5] 陳陽(yáng).車(chē)牌定位系統(tǒng)的研究與開(kāi)發(fā)[D].太原:中北大學(xué)，2007.

[6] 劉興，蔣天發(fā).智能車(chē)牌識(shí)別系統(tǒng)中消除圖像干擾的方法[J].武漢理工大學(xué)學(xué)報(bào):交通科學(xué)與工程版，2005(5):805-806.

[7] 張?zhí)扈?基于改進(jìn)型中值濾波算法的圖像去噪[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版，2009，30(1)，48-52.

[8] Lin T C. A new adaptive center weighted median filter for suppressing impulsive noise in images[J].Information Sciences，2007，177(4):1073-1087

[9] 張凱.Visual C++在圖像處理技術(shù)方面的應(yīng)用[J].內(nèi)江科技，2006(2):103-103.

[10] 王占全，徐慧.精通VISUAL C++數(shù)字圖像處理技術(shù)與工程案例[M].北京:人民郵電出版社，2009.