一種基于筆畫特征的車牌前景背景分割新方法

叢露微，沈星星

(南京郵電大學自動化學院 210003)

0 引言

在當今社會，機動車牌號碼的識別有著廣泛的應用前景，目前這方面的研究很多[1]。車牌號碼識別的過程基本可以劃分成3個環節：車牌定位、車牌前景背景分割[2]、車牌識別[3]。而車牌前景背景分割是車牌識別系統中較為重要的一個步驟，分割結果的優良決定了車牌識別結果的正確率。

在以往常用的車牌前景背景分割的算法是Otsu算法[4]，該算法在區分前景背景的步驟中，常用方法是基于前景即字符的面積是小于車牌背景面積。但是在定位面積偏小，或者圖像比較模糊的情況下，該假設不成立。因此，本文中提出了一種新的基于筆畫特征的區分車牌前景背景的方法，應用在Otsu算法中，以獲得更加準確的分割效果。

1 圖像分割算法分析

圖1所示為一幅靜態的車牌圖像其包含特征還是較多的，從顏色來看我國的車牌號碼類型，依據法律規定有藍底白字、黃底黑字、黑底黃字等，從形狀來看，一般是長方形，經統計，長寬比例符合1:4,因此本文提及的實驗圖像都是歸一化到60×240的灰度車牌圖像。

圖1 靜態車牌圖像

為了在車牌圖像分割的過程中充分利用車牌圖像中包含的信息。本方法利用了車牌字符寬度信息，即假設在一幅圖像中的字符寬度是一致的，且其字符筆畫寬度是小于字符間間隙寬度的。

基于上述的假設，本文中方法基本分為如圖2所示的步驟：

圖2 車牌圖像分割流程圖

1.1 圖像預處理

在求解圖像邊緣之前，需要對圖像進行預處理[5]。通過多次實驗，發現由于漢字字符[6]結構復雜，其筆畫寬度統計值對于總體統計結果有較大的影響，因此，首先對于原圖像計算垂直灰度，粗略分割，去除漢字字符。處理圖片如圖3所示。

圖3 處理初部圖像

1.2 求解圖像邊緣

為了求解出車牌圖像中的字符筆畫寬度，首先要計算出圖像邊緣，本方法中使用canny算子[7]計算圖像邊緣,并細化，計算結果如圖4所示。

圖4 綜合處理后的結果圖像

1.3 根據法線方向距離計算出平均字符寬度

獲得邊緣圖像后，統計每個邊緣沿法線方向到達另一邊緣的寬度，即為筆畫寬度，并計算筆畫寬度內的灰度均值，作為字符平均灰度的標示,具體的算法步驟如下：

首先根據1.2中求得的邊緣圖像[8]，求解法線方向theta。

再根據起始點和法線方向theta，求解筆畫寬度算法：

令法線方向路徑中的像素為xn；Count 為法線方向上的所有像素綜合；

whilexn不是邊緣

建立xn的下一步矩陣，即xn像素的8-近鄰定義為xni(i=1...8)，如圖5所示。

圖5 邊緣圖像

2 實驗結果與比較

根據如上介紹的方法結合Otsu算法，對于車牌圖像進行分割，并取像素均值接近于筆畫內像素均值的為字符區域。

本文實驗中選擇白底黑字，黑底白字的圖片各50張。使用本文所述方法（記為方法一）與以往常用的按照面積區分前景背景的方法（記為方法二）相比較其正確率如表1所示。

表1 算法正確率對比

區分前景背景算法計算時間比較（雙cpu:Core T5600；內存：1.5G ），如表2所示。

表2 算法時效對比

以上結論可以看出本方法有效地提高了區分前景背景的正確率，但是該方法計算步驟比價繁瑣,時間消耗較大，適合對于實時性要求不高的系統。

3 發展前景和展望

采用本文提出的基于筆畫特征的車牌前景背景分割的方法，對大量實際圖像進行實驗都得到了較好的分割效果。文中表述的基于筆畫特征區分車牌前景背景的新方法，其在區分前景背景的正確率上較以往傳統算法有所提高。但是其計算運行時間仍然無法符合系統實時性的要求。在以后的研究過程中，可以在算法計算量上著手，進一步改進算法，使其適用于實時性較高的系統。

[1] 王剛，冀小平.基于MATLAB的車牌識別系統的研究[J].電子設計工程，2009（11）.

[2] 熊春榮，謝妙.基于數學形態學的車牌分割算法[J].電腦知識與技術，2009（24）.

[3] 韓立明，王波濤.車牌識別中關鍵技術的研究與實現[J].計算機工程與設計，2010(17).

[4] 杜亞勤，郭雷.一種遺傳優化和Ostu的圖像模糊邊緣特征提取方法[J].計算機工程與應用，2009(19).[5] 章毓晉.圖像工程（上冊）：圖像處理[M].北京：清華大學出版社，2006.

[6] 陳容紅，劉玉娟.車牌識別系統中字符分割技術研究[J].制造業自動化，2010（5）.

[7] 陳強，朱立新.結合Canny算子的圖像二值化[J].計算機輔助設計與圖形學學報，2005(6).

[8] 熊哲源，樊曉平，黎燕.基于數學形態學邊緣檢測的車牌字符分割算法[J].計算機系統應用，2010（9）.