基于形態(tài)學(xué)邊緣檢測(cè)的超速車輛牌照定位方法

摘 要：在復(fù)雜背景下，實(shí)現(xiàn)牌照的快速定位是目前車牌識(shí)別領(lǐng)域亟待解決的問(wèn)題。針對(duì)超速車輛抓拍圖像的特點(diǎn)，以數(shù)學(xué)形態(tài)學(xué)為理論基礎(chǔ)，進(jìn)行邊緣檢測(cè)區(qū)域選取。通過(guò)實(shí)際工程運(yùn)用，表明該方法具有穩(wěn)定和適應(yīng)性好的優(yōu)點(diǎn)，能夠精確定位牌照區(qū)域。

關(guān)鍵詞：車牌識(shí)別; 超速; 數(shù)學(xué)形態(tài)學(xué); 邊緣檢測(cè)

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A

ASpeedingvehicle Plate Localization Method Based on the Morphological Edge Detection

JIA Yuzhen， XIAO Fei， JIN Bing

(Software School， NanYang Institute of Technology， NanYang 473004， China)

Abstract:Under complex background， a problem need to be solved urgently is to realize fast license plate locating. According to the characteristics of vehicle image speeding， with tapes of mathematical morphology based on edge detection， regional selection.Through the practical engineering application， indicate that this method is stable and good adaptability， can accurate positioning licence.

Key words:license plate recognition；speeding;mathematical morphology; edge examination

1 引 言

車輛牌照定位是車牌識(shí)別技術(shù)的重要組成部分，目的是在原始的車輛圖像上盡量準(zhǔn)確的確定一個(gè)包圍車牌區(qū)域的盡量小的子圖像，對(duì)后續(xù)的各種處理有助于排除非車牌區(qū)域圖像信息的干擾，可以說(shuō)車輛牌照定位準(zhǔn)確與否直接關(guān)系到后續(xù)工作能否順利進(jìn)行。許多文獻(xiàn)^［1-4］給出了多種定位方法，但在實(shí)際工程項(xiàng)目中還要根據(jù)應(yīng)用情況進(jìn)行改進(jìn)。

本文根據(jù)公路上復(fù)雜的自然環(huán)境中超速車輛抓拍圖像的特點(diǎn)，提出了基于形態(tài)學(xué)的車輛牌照定位算法，并用VC++編程語(yǔ)言進(jìn)行實(shí)現(xiàn)，給出相應(yīng)的結(jié)論。

2 數(shù)學(xué)形態(tài)學(xué)基礎(chǔ)及邊緣檢測(cè)

2.1 數(shù)學(xué)形態(tài)學(xué)基礎(chǔ)

數(shù)學(xué)形態(tài)學(xué)是一種非線性濾波方法，有完備的數(shù)學(xué)基礎(chǔ)，對(duì)圖像處理具有直觀上的簡(jiǎn)明性和數(shù)學(xué)上的嚴(yán)謹(jǐn)性，能定量描述和分析圖像的幾何結(jié)構(gòu)，因此非常適合抑制噪聲、特征提取、邊緣檢測(cè)等圖像處理問(wèn)題，在圖像處理領(lǐng)域得到了越來(lái)越廣泛的應(yīng)用。

形態(tài)學(xué)的基本運(yùn)算主要有膨脹、腐蝕、開(kāi)運(yùn)算和閉運(yùn)算^［4-6］。基于這些基本運(yùn)算可以推導(dǎo)和組合成各種形態(tài)學(xué)運(yùn)算。二值形態(tài)學(xué)中的運(yùn)算對(duì)象是集合，通常給出一個(gè)圖像集合和一個(gè)結(jié)構(gòu)元素集合，利用結(jié)構(gòu)元對(duì)圖像進(jìn)行操作，假設(shè)f是圖像集合，B是結(jié)構(gòu)元素，數(shù)學(xué)形態(tài)學(xué)運(yùn)算將使用B對(duì)f進(jìn)行操作。

利用結(jié)構(gòu)元素B對(duì)圖像f作開(kāi)運(yùn)算，表示為γB(f)，其定義為利用結(jié)構(gòu)元素B腐蝕f，然后利用結(jié)構(gòu)元素B的反射B⌒作膨脹：

γB(f)=f°B=(fΘB)B=δB⌒［εB(f)］ (1)

利用結(jié)構(gòu)元素B對(duì)圖像f作閉運(yùn)算，表示為φB(f)，其定義為利用結(jié)構(gòu)元素B膨脹f，然后利用結(jié)構(gòu)元素B的反射B⌒作腐蝕：

φB(f)=fB=(fB)ΘB=εB⌒［δB(f)］ (2)

結(jié)構(gòu)元是一個(gè)用來(lái)定義形態(tài)操作所用到的鄰域的形狀和大小的矩陣，該矩陣由O和1組成，可以有任意的大小和維數(shù)，數(shù)值1代表鄰域內(nèi)的象素，形態(tài)學(xué)是對(duì)數(shù)值為1的區(qū)域進(jìn)行的運(yùn)算。

從幾何角度來(lái)看，膨脹是目標(biāo)肢體的擴(kuò)張過(guò)程。腐蝕運(yùn)算使目標(biāo)肢體收縮，消除圖像中小的部分。開(kāi)運(yùn)算能對(duì)圖像輪廓進(jìn)行平滑，去掉圖像的凸角。閉運(yùn)算也能平滑圖像的輪廓，與開(kāi)運(yùn)算相反，通過(guò)去掉小洞，填充圖像的凹角點(diǎn)來(lái)平滑圖像。開(kāi)、閉運(yùn)算都可以除去比結(jié)構(gòu)元素小的特定圖像細(xì)節(jié)。

2.2 形態(tài)學(xué)邊緣檢測(cè)

邊緣檢測(cè)是灰度圖像分割廣泛使用的一種技術(shù)，由于區(qū)域邊緣上的像素灰度變化比較劇烈，基于此來(lái)檢測(cè)不同區(qū)域的邊緣，進(jìn)而實(shí)現(xiàn)圖像的分割。邊緣檢測(cè)方法是利用圖像一階導(dǎo)數(shù)的極值或二階導(dǎo)數(shù)的過(guò)零點(diǎn)信息來(lái)提供判斷邊緣點(diǎn)的基本依據(jù)。經(jīng)典的邊緣檢測(cè)方法是構(gòu)造對(duì)圖像灰度階躍變化敏感的差分算子來(lái)進(jìn)行圖像分割，例如Robert算子、Sobel算子、Prewitt算子、Laplacian算子等，這些算子大都是基于鄰域計(jì)算方法，對(duì)邊界信息的獲取有一定的適用性，但誤差率較高，不能很好的反映出真實(shí)的邊界信息。

數(shù)學(xué)形態(tài)學(xué)應(yīng)用于邊緣檢測(cè)的基本思想是對(duì)圖像用一定的結(jié)構(gòu)元素進(jìn)行操作后與原圖像相減。如果圖像的像素原點(diǎn)在結(jié)構(gòu)元素的內(nèi)部，那么腐蝕后的圖像為輸入圖像的一個(gè)子集，也就是對(duì)圖像的內(nèi)部作濾波處理。在邊緣檢測(cè)的過(guò)程中，還要考慮邊緣的連通性，因此，在選取結(jié)構(gòu)元素的同時(shí)，應(yīng)考慮到這一點(diǎn)。兩個(gè)像素如果在豎直方向或水平方向相鄰，則稱之為強(qiáng)鄰接像素，例如常用的菱形結(jié)構(gòu)元素。如果在對(duì)角線方向上相鄰，則稱為弱鄰接像素。如果一些像素之間既存在強(qiáng)鄰接元素也存在弱鄰接像素，則可簡(jiǎn)單地稱其為鄰接像素，例如常用的方形結(jié)構(gòu)元素。

3 基于形態(tài)學(xué)邊緣檢測(cè)的車輛牌照定位

方法

3.1 車輛牌照區(qū)域搜索預(yù)處理

車輛牌照一般情況下都掛在車輪高度附近，處于車輛圖像的下半部分，預(yù)處理的主要意圖是縮小車輛牌照區(qū)域搜索范圍，大致確定車輛牌照的基本位置。首先對(duì)超速車輛抓拍圖像進(jìn)行垂直方向上的選取，高度壓縮原高度的一半，選取下半部分；然后進(jìn)行水平方向上的選取，因超速車輛抓拍圖像都是在車輛進(jìn)入抓拍相機(jī)鏡頭視線范圍內(nèi)，檢測(cè)超速時(shí)高速相機(jī)抓拍的，所以車輛牌照基本都處在圖像寬度的右半部分。在實(shí)際應(yīng)用中，為了保障車輛牌照的完整性，寬度選取原寬度的2/3。對(duì)圖1所示的原始抓拍圖像，進(jìn)行垂直方向上的選取和水平方向上的選取，得到如圖2所示的垂直選取圖像和圖3所示的水平選取圖像。

圖1 原始抓拍圖像

圖 2 垂直選取圖像

圖 3 水平選取圖像

3.2 彩色圖像灰度處理

在公路上復(fù)雜的自然環(huán)境中采集的超速車輛抓拍圖像是彩色圖像，不但存儲(chǔ)開(kāi)銷很大，處理上也會(huì)影響系統(tǒng)的處理速度，因此，對(duì)圖像進(jìn)行定位前先將圖像轉(zhuǎn)化為灰度圖像，以加快處理速度。并進(jìn)行圖像增強(qiáng)，提高圖像質(zhì)量，精確定位。

步驟一：利用灰度值和RGB顏色對(duì)應(yīng)關(guān)系，灰度值=0.299R+0.587G+0.114B將圖3彩色圖像轉(zhuǎn)換成灰度圖像，即實(shí)現(xiàn)灰度化，如圖4所示。

圖4 圖像灰度化圖

圖5 圖像灰度拉伸

圖6 圖像梯度圖

步驟二：對(duì)灰度化后的圖像進(jìn)行灰度拉伸來(lái)增強(qiáng)圖像的對(duì)比度，使其明暗鮮明，有利于車牌定位識(shí)別。灰度拉伸是將灰度分段線性變換，它將輸入圖像中某點(diǎn)(x，y)的灰度f(wàn)(x，y)，通過(guò)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)］，對(duì)圖4進(jìn)行灰度拉伸效果如圖5所示。

步驟三：對(duì)圖5求梯度，增強(qiáng)圖像中邊緣信息，效果如圖6所示。

3.3 形態(tài)學(xué)圖像濾波

形態(tài)學(xué)開(kāi)運(yùn)算可以消除散點(diǎn)和毛刺，實(shí)現(xiàn)對(duì)信號(hào)的平滑，有效去除了噪聲；閉運(yùn)算可將兩個(gè)臨近目標(biāo)連接起來(lái)，使外部輪廓線更連續(xù)。開(kāi)運(yùn)算增大了谷值，實(shí)現(xiàn)極大值濾波；閉運(yùn)算減少了峰值，實(shí)現(xiàn)了極小值濾波。通過(guò)選擇適當(dāng)?shù)慕Y(jié)構(gòu)元素，開(kāi)閉運(yùn)算能很好地實(shí)現(xiàn)圖像的極值濾波^［7］。

假設(shè)f為梯度圖像，B為結(jié)構(gòu)元素。結(jié)合式(1)和式(21)，開(kāi)閉運(yùn)算的定義如式(3)所示，利用開(kāi)閉運(yùn)算對(duì)梯度圖進(jìn)行平滑處理得到圖像P，能有效減少偽極小值，抑制過(guò)分割現(xiàn)象。

P=(f°B)B(3)

對(duì)圖6進(jìn)行開(kāi)閉運(yùn)算，效果如圖7所示。

圖7 圖像形態(tài)圖

3.4 區(qū)域選取

于車牌包含多個(gè)字符，因此車牌區(qū)域的邊緣信息比較豐富，邊緣的密度較大，形態(tài)學(xué)開(kāi)閉運(yùn)算減少孤立點(diǎn)和小邊界的干擾，因此根據(jù)車牌字符紋理采用文獻(xiàn)［3］可快速精確定位。效果如圖8、圖9所示。

圖8 區(qū)域鎖定圖

圖9 定位圖

4 結(jié)束語(yǔ)

本文作者創(chuàng)新點(diǎn)是針對(duì)超速車輛抓拍圖像的特點(diǎn)，結(jié)合形態(tài)學(xué)的理論基礎(chǔ)，用形態(tài)學(xué)來(lái)處理車牌的邊緣檢測(cè)定位方法。此方法定位速度快，精確度高，具有穩(wěn)定和適應(yīng)性好的優(yōu)點(diǎn)，具有很強(qiáng)的實(shí)用性。

參考文獻(xiàn)

［1］ 朱衛(wèi)健，夏良正.一種實(shí)用快速的車牌字符分割方法［J］.南京理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2005，29(z1):26-28.

［2］ 陳智麗， 趙薇.一種快速有效的動(dòng)態(tài)車輛牌照定位算法［J］.機(jī)械設(shè)計(jì)與制造，2008，11:11-13.

［3］ 周妮娜，王敏，黃心漢，等.車牌字符識(shí)別的預(yù)處理算法［J］．計(jì)算機(jī)工程與應(yīng)用，2003，15：220-221．

［4］ 馬永力，夏秋華. 基于數(shù)學(xué)形態(tài)學(xué)的車牌精定位算法的研究［J］.微計(jì)算機(jī)信息，2008，24(1):227-228.

［5］ 王大海，黃學(xué)雨，劉琮等.顯微圖像粒度檢測(cè)系統(tǒng)研究［J］.礦冶，2008，17(2):114-116.

［6］ JIANG M Y，YUAN D F.A multigrade mean morphologic edge detection［A］.2002 6th International Conference on Signal Processing，Beijing，China，2002.

［7］ 尹星云， 王峻. 彩色圖像形態(tài)學(xué)的研究及其應(yīng)用［J］. 計(jì)算機(jī)工程， 2008，34(17): 271-273.

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文