基于藍色車牌背景的車牌精確定位實現方法

李 強，汪 洋，李偉博，孫瑞杰

（重慶郵電大學 信號與信息處理重慶市重點實驗室，重慶 400065）

0 引言

車牌識別是智能運輸系統的核心技術，已廣泛應用于車輛登記與驗證、公路收費、停車場車輛管理、車輛統計與違章監控等方面。車輛識別主要由車牌定位、字符分割和字符識別三部分組成。車牌定位技術可分為基于灰度圖像和基于彩色圖像兩種方式。基于灰度圖像的定位方法主要有基于車牌形態特征的Hough變換法、基于車牌灰度變化特征的灰度投影直方圖法和基于矢量量化的車牌定位法等[1-3]，這些方法技術成熟，但存在定位精度不高、受環境因素影響較大的缺點。而彩色圖像具有豐富的顏色信息，可大大改善車牌定位的效果。隨著數字圖像處理技術和計算機技術的發展，對圖像處理速度的提高，彩色圖像的車牌定位[4-5]已成為目前研究的重點。

現在汽車車牌區域的背景基本上都是藍色的，而字符是白色的，因此可從彩色圖像中查找藍色區域來確定車牌位置。當車牌區域的顏色與其附近區域顏色相近，這種利用顏色來定位車牌區域方法的誤差有所增加。針對這個缺點，筆者在定位方法上做了改進，采用兩次定位方法，先對彩色圖像做車牌粗定位、圖像增強和濾波處理[6]，轉化為灰度圖像，然后進行二值化處理，從而精確定位出車牌的位置。針對抓拍車牌彩色圖像時，因光照不足的原因，造成垂直粗定位不準的問題，提出了改進算法，提高了定位的準確率。

1 車牌精確定位方法

車牌定位系統由圖1所示的圖像采集、圖像預處理和車牌定位三部分組成。

車輛圖像的采集主要是通過CCD攝像機或數碼相機等將運動或靜止的車輛圖像抓拍下來，并經過圖像采集卡轉換成JPEG的格式。由于圖像采集或傳輸過程中不可避免地受到各種因素的影響，使拍攝到的圖像效果并不理想，因此需要對車牌圖像進行預處理。預處理包括圖像的除噪、圖像的傾斜校正等。對預處理后的彩色圖像，選擇合適的顏色空間和方法，對車牌進行定位分割。

1.1 彩色車牌粗定位

攝像頭抓拍下來的彩色車牌圖像是24位RGB格式的圖像，圖像中每個像素的紅（R）、綠（G）、藍（B）三個分量均用1個字節表示，每個分量的取值范圍是0～255。因此，根據每個像素的三個分量的取值可以用來查找車牌區域，對車牌進行粗定位。圖2是用于測試的4幅彩色車牌圖像，在圖像預處理時，均調整為640×480像素。

1）確定藍色車牌區域中藍色像素點三個分量的閾值區間

經過對大量彩色車牌圖像的處理和統計，可預先確定出藍色車牌區域中藍色像素點的三個分量的閾值區間[7]。這三個閾值分量區間分別為R（0，55）、G（60，125）和B（100，225）。當某個像素點的三個分量都處于上述的閾值區間時，則認為這個點是車牌區域藍色像素點。

2）藍色車牌區域水平粗定位

對預處理后的彩色車輛圖像進行逐行掃描，對滿足顏色閾值條件的像素進行統計[8]。當某行滿足閾值條件的像素個數處于（N1，N2）范圍時，認為該行是車牌區域所在行，當連續M行滿足上述條件，該M行的區域則認為是車牌所在的區域。根據對大量采集的車牌圖像處理統計后，N1和N2合適的值為10和200，M的值為10～100，車牌粗定位流程如圖3所示，流程圖中的T取為10。圖2中的四幅測試圖像經水平粗定位后切割出來的車牌區域如圖4所示。

圖4 水平粗定位切割出的彩色車牌圖像

3）藍色車牌區域垂直粗定位

與水平粗定位相似，對水平粗定位切割后的車牌圖像進行逐列掃描，對滿足顏色閾值條件的像素進行統計[8]，當某列滿足閾值條件的像素個數在（，）范圍內時，判斷該列是車牌區域所在列，當連續M′列滿足上述條件，該M′列所在的區域則認為是車牌所在的區域。此處的和由前面水平粗定位出來的圖像高度決定，和合適的取值為M/10和M，M′的值為20～300。車牌粗定位流程如圖5所示，流程圖中的T取為20。

4）垂直粗定位算法的改進

對彩色車牌進行粗定位時，還必須考慮光照條件的影響。在光照充足的情況下，圖像中車牌區域的每一列至少有一個像素點是滿足藍顏色閾值條件。當光照不足時，車牌進行垂直粗切割就有可能得到不正確的結果。如圖4測試圖像中的渝A.TD001的車牌，在抓拍圖像時，因光照的原因，字母“T”的豎筆畫的那幾列像素不滿足藍顏色閾值條件，車牌分割的結果如圖6所示，這樣就得不到完整的車牌區域。通過對這種車牌區域逐列掃描并統計每列滿足藍顏色閾值條件的像素數發現，車牌中的某些字母和數字，如B，D，E，F，H，1，4等，其豎筆畫可能存在不滿足藍顏色閾值條件的1列或連續幾列，把整個車牌區域分割為幾個小區間。如圖7所示，渝A.TD001的T，D和1就把車牌區域分割為三個小區間。針對這種情況，提出下面的改進算法：（1）對水平粗定位后的車牌區域逐列掃描，確定車牌的起始區域；（2）當出現不滿足藍顏色閾值條件的某列時（設為第A列），繼續逐列掃描，當連續出現P列不滿足藍顏色閾值條件，則認為第A列為車牌的垂直結束區域。經測試，P的合適取值為6。采用改進后的垂直粗定位算法，切割出來的渝A·TD001車牌區域如圖8所示。

1.2 車牌區域精確定位

由于粗定位出來的車牌區域包括了車牌的邊框，為了便于后續的字符分割，還必須對車牌區域進行精確定位[9]，去除車牌的邊框。

1）車牌圖像的二值化

將粗定位出來的彩色車牌圖像先轉化為灰度圖像，對圖像進行增強和中值濾波處理，再將處理后的圖像轉化為二值圖像。采用OSTU算法對圖像進行二值化處理，圖9是四幅測試的彩色車牌圖像粗定位后二值化圖像。

2）確定車牌區域的上下邊框[10]

因為車牌中字符的灰度值與背景的灰度值是不同的，當對二值化后的車牌做行掃描時，會產生灰度值的跳變。穿過一個字符至少黑白跳變2次，我國的車牌一般包含7個字符，因此，這種黑白跳變至少有14次。從車牌區域中間行開始向上和向下逐行掃描，記錄每一行的跳變次數，當發現跳變的次數小于10次時，將這一行的行號錄下來。兩個行號之外的區域就是車牌的上下邊框，去除車牌的上下邊框，剩下區域的高度就是車牌水平精確高度。

3）確定車牌區域的左右邊框

對二值圖像進行投影，并結合車牌圖像的先驗知識來確定車牌區域的左右邊框。我國機動車牌號的標準尺寸是440 mm×140 mm，所以車牌的長寬比是22∶7。根據這個長寬比以及1.1節計算出來的車牌的高度，可以得到車牌的準確寬度。再對二值化圖像進行垂直方向投影，7個字符在垂直方向投影后是7個波峰，就可以確定車牌區域的左右邊框。圖10是車牌精確定位后的圖像。

2 小結

筆者對彩色車牌圖像分兩步進行定位：在彩色背景下的粗定位和在灰度背景下的精確定位。為了克服因光照不足對車牌區域定位的影響，對藍色背景的垂直定位算法進行了改進。通過對具有不同復雜背景的200幅藍底車牌進行檢測，定位的成功率在93.7%以上。實驗證明這種車牌定位方法簡單、高效、定位準確，尤其在光照不足的條件下也能夠得到較理想的定位效果。因此，本文車牌定位方法也是一種實用的車牌定位方法，可用于公路收費、停車場車輛管理、車輛統計等應用中。

[1] RAHMAN A，BADAWY W，RADMANESH A.A real time vehicle's license plate recogiti-on system[C]//Proc.IEEE Conf.Advanced Video Signal Based Surveillance.[S.l.]：IEEE Press，2003：163.

[2] ZUNINO R,ROVETTA S.Vector quantization for licenseplate location and image coding[J].IEEE Transactions on Industrial Electronics，2000，47（1）：159-167.

[3] KIM S，KIM D，RYU Y，et al.A robust license-plate extraction method under complex image conditions[C]//Proc.16th International Conference on Pattern Recognition.[S.l.]：IEEE Press，2002：216-219.

[4] 竇育強，劉艷芳.基于HSV空間與數學形態學的車牌定位方法[J].電視技術，2009，33（6）：99-101.

[5] 周澤華.車牌定位與分割算法的研究及實現[D].廣東：廣東工業大學，2007.

[6] 朱虹.數字圖像處理基礎[M].北京：科學出版社，2005.

[7] 沈全鵬，林德杰，何爽，等.基于像素分類的彩色車牌定位[J].自動化與信息工程式，2007，28（2）：32-34.

[8] 沈全鵬.基于數字圖像處理的車牌定位研究[D].廣東：廣東工業大學，2007.

[9] 劉曉芳，程丹松，劉家鋒，等.采用改進HIS模型的車牌區域檢測和定位方法[J].哈爾濱工業大學學報，2008，40（1）：85-89.

[10] 劉雙才.一種精確高效車牌定位算法[J].計算機與現代化，2010，178（6）：21-22.