基于灰度跳變與形態學的車牌定位法

王洪亞

(淮陰工學院計算機工程學院，江蘇淮安 223001)

基于灰度跳變與形態學的車牌定位法

王洪亞

(淮陰工學院計算機工程學院，江蘇淮安 223001)

車牌定位是車牌識別系統的關鍵步驟，定位的準確與否直接影響車牌識別的結果.提出了一種基于灰度跳變與形態學的定位方法.對于車牌候選區的二值圖像，根據車牌的水平分布特點，從長寬之比、面積之比等多個方面進行綜合分析，從而可以更加精確地對車牌進行識別.實驗驗證表明，基于該算法的車牌識別系統能夠達到較高的車牌識別率.

圖像預處理;車牌識別;數學形態學

0 引言

隨著計算機圖形圖像處理技術的發展，車牌識別技術的準確率越來越高.關于車牌定位目前使用較多的幾種算法包括直線檢測法、閾值化法、灰度邊緣檢測法等［1-3］.在此基礎上，本研究采用一種基于圖像的投影特征，使用區域合并的手段，結合車牌的寬高比的車牌定位方法.這種方法的特點是:與基于顏色定位方法相比，更實用;與一般的基于閾值的定位方法比較，由于添加了形態學處理以及利用區域合并的思想，其識別率得以較大提高.

1 圖像預處理

1.1 灰度處理

通常，從攝影設備里得到的彩色圖像一般還需要進行處理，這種圖像是由紅、綠、藍3種基礎顏色組成的RGB圖像.在本研究中，采用加權平均法［4］把彩色圖像轉換為灰度圖像.

其中，Wr、Wg、Wb分別為R、G、B的權重值.一般情況下，人的眼睛對綠色十分敏感，因此綠色所占的比重最大，通過下式可以進行轉換，

式中，R、G、B分別為彩色圖像的顏色分量，Gray(i，j)為灰度圖像在(i，j)處的灰度值.

1.2 邊緣檢測

對汽車車牌圖像研究的方便之處就在于汽車車牌牌照區域具備很多易于測量的邊界，比如說垂直的、水平的、斜向的，并且這些區域與其他區域相比，方便檢測.目前，常用的邊緣增強算子有一階微分算子、二階微分算子.為了減少計算量，本研究選擇一階微分算子作為邊緣增強算子，而且這種一階微分算子可以按照求導的方向分為水平和垂直方向的模板，通過尋找梯度最大值來增強圖像中的水平和垂直邊緣.常用的一階微分算子有Roberts邊緣算子、Sobel邊緣算子、Prewitt邊緣算子.

Robert算子是用交叉的差分表示梯度的一種梯度算子，利用局部差分算子尋找邊緣的算子對具有陡峭的低噪聲的圖像檢測效果最好.

Prewitt算子是加平均算子，對噪聲有抑制作用，但是像素平均相當于對圖像進行低通濾波，所以prewitt算子對邊緣的定位不如Robert算子.

Canny算子基于Laplace濾波，采用兩個閾值，對強邊和弱邊進行檢測，相對于其他邊緣檢測算子，Canny算子對像素變化更加敏感，能更好地捕捉圖像中的微弱邊緣.

3種算子對圖像處理的效果如圖1所示.實際比較可以發現，在本算法圖像處理中使用Robert算子進行圖像邊緣處理效果最好.

1.3 圖像數學形態學處理

圖1 3種常見的算子處理的圖像邊緣檢測效果

形態學借助于一種結構元素，實現對圖像大小、形狀的檢測，得到圖像的灰度以及其他信息［5］.膨脹、腐蝕、開啟和閉合4個基本的形態是數學形態學分析中重要的元素，也是分析車牌定位的必須過程.

1)膨脹的數學定義.

膨脹的含義是，B的反射進行平移與A的交集是A的子集.膨脹對填補分割后圖像物體中的空洞很有用.膨脹實現的效果是使圖像擴大，橋接縫隙，避免車牌字符的斷裂.

2)腐蝕的數學定義.

腐蝕的作用是消除圖像的細節部分，消除過于小的待選區域，使圖像平滑，產生濾波器的作用.

在本研究中，選擇 se=［1:1:1］、disk 2種方法對圖像進行腐蝕操作，取值 se=strel(＇disk＇，1)和 se=［1:1:1］，其效果如圖2顯示.可以看出，選擇se=［1:1:1］的腐蝕效果最好.

圖2 腐蝕效果對比

3)開啟與閉合是一對作用與反作用的關系，開啟時對圖形進行腐蝕、膨脹的先后運算，而閉合則剛好相反.開運算的數學定義是，

開運算的含義是，先用B對A進行腐蝕，然后用B對結果進行膨脹.經過這樣的操作，實現的效果是使圖像的輪廓變得光滑，斷開狹窄的間斷和消除細的突出物.

圖像處理主要涉及開啟與閉合2個過程，其關鍵是對不可缺少的部分進行有效融合，而那些無關重要部分可以舍棄.

在本研究中，分別選擇 se為 se=strel(＇rectangle＇，［25，25］)和 se=strel(＇disk＇，10)，圖像處理效果如圖 3所示.可以發現，使用se=rectangle時，車牌部分能夠很好地顯示輪廓，而se=disk時車牌部分中間是斷開的，這樣不利于車牌的定位和字符分割.

圖3 使用rectangle、disk方法圖像處理的不同效果對比

2 車牌區域定位

2.1 車牌區域粗定位

在車牌區域粗定位時，先進行水平和垂直投影，計算每一列的非零元素的個數，計算結果是一個行向量.然后粗略估計車牌可能的區域.本研究中用到投影法之處的處理的都是二值化后的圖像，得到的水平投影圖如圖4所示，垂直投影圖如圖5所示.

得到投影圖后，對圖像用Robert算子檢測邊緣，計算候選區的個數，并記錄各個候選區的有關信息，這些信息包括候選區的左上和右下的邊緣、中心坐標以及寬高比，然后進行相鄰候選區域的合并.合并需要滿足的條件是，左上和右下的行列坐標之和兩者之間的距離在允許的很小范圍之間.給出的先驗距離是行坐標之和的距離小于等于圖像高的1/30，列坐標之和的距離小于等于寬的1/15.在合并的過程中需要重新計算各候選區的寬高比，還要防止重復記錄.合并完成后，就可以根據高寬比來確定是不是車牌區域.根據先驗知識，本系統研究的車牌高寬比約為0.4.

2.2 車牌區域細定位

車牌細定位的目的就是對粗定位的候選區進行篩選，然后精確估計車牌區域，為下一步字符的分割做準備.

在車牌區域細定位時，掃描行可以表示為f(i)，其中1≤i≤N.令，

這一行的跳變次數可以表示為，

根據得到的幅度邊緣圖的亮度變化來判定車位.采用從中間向上、下兩邊搜索.跳變次數小于12的掃描得到的結果是不精確的.按照常識，一般一個車牌最起碼包含7位數字，在對每一個數字進行掃描時涉及到圖像的變化對比，因此，每個字符最起碼要在掃描時出現2次明暗變化，通過設置合適的跳變次數，就可以實現確定車牌的上下界.

對此前已經得到疑似車牌的位置，使用像素點檢測技術，進行縱坐標的定位于截取.算法的部分代碼如下，圖像車牌定位過程流程圖如圖6所示.

3 實驗結果

在實驗中，測試使用的機器為PIV(cpu 2.0 G，1 G內存)，利用Matlab 7.0軟件對3 000幅圖片進行了測試.表1是本研究定位算法和基于顏色或灰度信息分析算法［6］進行的車牌定位數據對照表.

傳統算法3 000 2 867 3.4673本算法3 000 2 994 2.3654

實驗結果表明，本研究提出的車牌定位算法具有較強的定位能力，特別是對一些拍攝效果較差、噪聲較多的車牌圖像具有良好的抗噪力.

4 結語

本研究采用灰度跳變法與數學形態學分別對車牌進行粗定位和細定位:首先通過數學形態學的特點粘連車牌斷裂區域，濾去細小的噪聲區域，同時平滑圖像，最后檢測出待精定位的候選區域;接著，再利用灰度跳變進一步精確地確定車牌區域;最后，根據車牌的先驗知識確定車牌區域.

:

［1］Suresh K V，Kumar G M，Rajagopalan A N.Superresolution of license Plates in real traffic videos［J］.IEEE Transactions on Intelligent Transportation Systems，2007，8(2):321-331.

［2］Youssef S M，AbdelRahman S B.A smart access control using an efficient License plate location and recognition approach［J］.Expert Systems with Applications，2008，34(1):256-265.

［3］Mecocci A，Tommaso C.Generative models for license plate recognition by using a Limited number of training samples［C］//Proceedings of2006IEEE International conference on Image Processing.Atlanta，GA:IEEE Press，2006:2769-2772.

［4］聶洪印，周衛東，劉輝.多顏色模型和綜合特征下的車牌定位新方法［J］.計算機工程與應用，2010，46(12):221-223.

［5］Anagnostopoulos C N E，Anagnostopoulos I E，Psoroulas I D，et al.Plate recognition from still images and video sequences:a survey［J］.IEEE Transactions on Intelligent Transportation Systems，2008，9(3):377-391.

［6］Li C，Xu C，Gui C，et al.Level set evolution without re-initialization:A new variational formulation［C］//IEEE Conference on Computer Vision and Pattern Recognotion(CVPR).San Diego，CA，USA:IEEE Press，2005.

License Plate Location Method Based on Gray-scale Transition and Morphology

WANG Hongya
(School of Computer Engineering，Huaiyin Institute of Technology，Huaian 223001，China)

The vehicle license plate location is key part of automatic vehicle plate recognition system.The accuracy of location will influence the plate recognition.This paper presents a positioning method combining gray transition with morphology.For binary image of the license plate candidate region，according to the characteristics of the horizontal distribution of license plate，this algorithm analyzes comprehensively from the length and width ratio，area ratio and other aspects，so that the license plate can be more accurately recognized.The experimental results prove that the license plate recognition system based on this algorithm can achieve the higher license plate recognition rate.

image preprocessing;license plate recognition;mathematical morphology

TP391.41

A

1004-5422(2013)03-0270-04

2013-05-23.

江蘇省科技型企業創新項目(BC2011441)資助.

王洪亞(1984—)，女，碩士研究生，從事計算機數字圖像處理技術研究.