基于數字圖像處理的車牌字符分割方法

封 雪，李東新

（河海大學 江蘇 南京 211100）

車牌識別系統作為智能交通系統的重要組成部分，一直備受關注。通常將車牌識別系統分為三大模塊[1]：車牌區域檢測模塊、字符分割模塊和字符識別模塊，字符分割的好壞將直接影響到字符識別及識別結果。

目前常用的車牌字符分割有先驗知識法、投影法[2]、模板匹配法[3]及連通域分析法[4-5]等。先驗知識法即利用車牌固定大小、字符間距、字符寬度等特點來分割，但實際拍攝圖形遠近不一，基本不能單獨使用；投影法即利用垂直投影在字符間取得灰度最小值，在最小值處進行字符切分，處理簡單快速但不能很好處理字符粘連或左右分裂的情況；模板匹配法將分割和識別結合在一起，分割效果較好但該方法設計起來比較復雜；連通域法利用數字字母連通的特點將不同連通域分開，受字符粘連分裂影響比較嚴重。由于我國車牌結構不一致，又實際采集到的圖像受到各種環境的干擾，單一使用某種方法不能取得理想的處理效果。針對車牌分割的不同情況及車牌的結構特征，本文提出一種基于數字圖像處理的字符分割方法。

1 車牌圖像預處理

1.1 圖像的灰度化

通常定位后的車牌圖像都是彩色圖像，在進行后續分割處理之前需要先對該圖像進行灰度化處理，這樣既可以提高圖像的處理速度，又可以對不同顏色的車牌圖像進行統一化的處理。

彩色圖像灰度化常用的處理方法有3種[2]：加權平均值法、平均值法及最大值法。對比這3種方法的處理效果，本文選擇加權平均值法對圖像進行灰度化處理。

加權平均值法：通常根據某種重要性或者其它特殊指標給R、G、B三分量賦予不同的權值，并將R、G、B三分量的權值相加，則某點的灰度值如式1求得。

1.2 灰度圖增強

考慮到圖像在實際拍攝過程中會受到多種因素條件的影響和制約，例如，被拍攝的景物的遠近不相同使得圖像的中央和邊緣的灰度失衡；由于光照不足導致拍攝到的車牌圖像上所有像素點的灰度值變化區間很小；拍攝過程中由于靈敏度的不同使得圖像灰度發生失真。這些情況都對車牌圖像的后續分割操作有很大影響，所以對圖像進行灰度的線性變化，以此來增大像素點灰度值的變化區間，使圖像顏色分明，達到增強圖像的目的。

在實際采集的車牌圖像中，我們發現，圖像的灰度值范圍大約浮動在r=(50,200)之間，即圖像的像素點沒有分布在255個變化的灰度值上，而是集中在某一段灰度值，這樣使得灰度化后的圖像灰度偏低偏暗。

根據車牌圖像處理系統的條件，將像素點灰度范圍從r=(50,200)展開到s=(0,255)之間，對此我們對像素點灰度值作如下的變換：

使得S∈ [Smin,Smax]，其中，T為線性變換函數。

圖1 線性變換Fig.1 Linear transformation

若 r=（50,200）、s=（0,255）則：S≈1.7r－85。 線性變換的結果如圖2所示。

圖2 線性變換處理結果Fig.2 Results of linear transformation

1.3 二值化

為了提高整體的處理速度，在分割之前還需對灰度圖像進行二值化處理。本文采用的二值化方法是一種最大類間方差法。其基本原理為：假設某灰度圖像有N個灰度等級，根據其直方圖選取合適的閾值k，并將圖像的灰度值分為兩組，一組的像素總數為W0(k)，平均灰度為M0(k)，方差為另一組的像素總數為W1(k)，平均灰度為M1(k)，方差為可以由以下公式求得類間方差和類內方差

上式中m為圖像中所有像素的平均值。

灰度圖二值化的具體算法如下：

1)求圖像中最大的灰度max；

2)令 k=0；

3)分別求出大于和小于k的這兩類像素總數和像素的灰度平均值；

5）k=k+1，循環 3～5 步，直到 k＞max；

采用本算法進行灰度圖像二值化方法，實現起來相對簡單，時間消耗較少。

2 字符分割

在字符分割時常用到垂直投影、模板匹配及連通域分析等方法，但是單獨使用某種方法處理不同環境拍攝的單雙行車牌圖像，處理效果都不是很理想。為克服這些方法的不足，本文采用投影和連通域分析方法，并結合先驗知識對車牌圖像進行分割。

1)考慮到我國車牌分為單行和雙行車牌兩種，首先根據先驗知識即車牌長寬尺寸的比值來判斷車牌結構，并將車牌分類。

2)若為單行結構車牌，則根據先驗知識結合垂直投影將車牌圖像分為兩部分，左邊部分為兩個字符，右邊部分是五個字符，且將左邊部分標記為F1，右邊部分標記為F2。若為雙行結構車牌，則對車牌圖像進行水平投影，后根據投影結果將車牌圖像分為上下兩部分，上邊部分為兩個字符，下邊部分為五個字符，且將上半部分標記為F1，下半部分標記為F2。

3)標記為F1的部分包含一個漢字和一個字母，結構相對比較簡單，又考慮到漢字的不連通性，采用垂直投影法結合先驗知識反饋進行字符分割；標記為F2的部分，通常只包含連通的字母和數字或者上下結構的漢字，因此采用垂直投影和連通域分析結合的方法分割。

2.1 基于投影結合先驗知識反饋的分割法

從車牌圖像的垂直投影圖上可以看出，因采集到的圖像存在污跡、粘連及斷裂等情況，所以非字符區域的投影值也不為0，所以在采用垂直投影的方法分割字符時設置一個大于零的閾值作為判斷標準，本文將閾值設為4。具體算法如下：

1)對二值化后的F1部分圖像f1(x，y)進行垂直投影。進而進行列掃描，統計每列上白色像素點個數，設為X1(j)，

在對車牌圖像進行列掃描統計白色像素點時，若X1(j)≤4，則記錄該列所在的列值j0，繼續向右掃描每列白色像素點，并尋找符合要求的位置，并記錄其列值ji。

2)根據先驗知識設置標準字符寬度為W1。

令 i=1，若 W1≤ji－j0，則 ji處為第一個字符的分割處，否則i=i+1，重復上述判斷，直至找到符合要求分割處，分割出第一個字符。

令 k=i+1，若 W1≤jk－ji≤1.2W1，則 jk 處為第二個字符的分割處，否則k=k+1，重復上述判斷，直至找到符合要求分割處，分割出第二個字符。

2.2 基于投影結合連通域分析的分割法

F2部分中的每個字符都是獨立的連通域，根據字符像素的連通性,采用了像素標記算法對每個字符連通區域進行標記,后將其提取。二值圖像中包含黑(像素值為0)和白(像素值為255)兩種顏色,假設字符區域顏色為白色,非字符區域顏色為黑色，對字符區域進行標記，以像素間的連通性確定連通域。常用的二維連通類型主要有兩種[7]:4-連通、8-連通。4-連通指邊緣接觸連接的像素，在水平和垂直方向連接的像素被認為同一對象；8-連通指邊緣或者對角連接的像素，在水平、垂直和對角方向連接的像素被認為是同一對象。本文選用4-連通類型。具體算法如下：

1)對二值化后的F2部分圖像f2(x，y)進行垂直投影。進而進行列掃描，統計每列上白色像素點個數，設為X2(j)，

從左向右掃描，查找第一個局部最小X2(j)值，記錄該列的列值為j0，將其作為字符區域的左邊界。然后從右向左掃描，同樣查找第一個局部最小X2(j)值，記錄該列的列值為j1，將其作為字符區域的右邊界。分割出字符區域。

2)計算字符區域的寬度W。設置閾值W2=W/5。

3)從左邊界開始向右掃描圖像，判斷其像素值并做好標記。從左向右、從上向下掃描圖像并計算每個連通域的寬度wi。若0.9W2≤W1≤W2，則判斷此連通域為字符區域；對不符合寬度范圍的連通域進行垂直投影，后根據投影結果再分割。

4)根據上一步的結果將連通域切分為單個的字符。

3 實驗結果及分析

為了驗證本文提出的算法的有效性，本文選取不同時間段不同地點拍攝的車輛圖像200張，在準確定位車牌圖像后用本方法進行字符分割處理，下面是一些圖像分割處理的結果圖。

圖4 字符分割結果Fig.4 Results of character segmentation

從圖片的分割結果可以看出，本文提出的分割算法基本上能夠準確切分車牌字符，且能夠切分不同條件、不同背景下的車牌圖像。當然，對于在惡劣條件下采集的圖像來說，分割正確率有所降低，下表顯示不同結構車牌在不同條件下的分割情況。

4 結論

文中提出的字符分割方法綜合了先驗知識、水平投影、垂直投影及連通域提取法。該算法通過先驗知識將車牌分塊，使但單雙行兩種結構的車牌能夠統一歸類；通過投影結合先驗知識判斷解決了分割漢字的問題；而通過垂直投影確定動態閾值補充了連通域法分割字母或數字時不能處理字符粘連或斷裂問題的不足。實驗結果是對包括普通小型汽車號碼、使領館號牌及警學用車牌、大型汽車后車牌字符的分割，這些車牌基本上能夠覆蓋我們車牌類型，總體來說，分割效果是理想的。針對其不足之處可以在實際應用時用優化圖像采集的方式來克服。

表1 分割結果比較Tab.1 Comparison of results

[1]Tamer E,Cizmeci B.Performance improvement of the licenseplate recognition systems with algorithmic fusion approach[C]//Antalya:IEEE 19th Conference on Signal Processing and Communications Applications,2011:1020-1023.

[2]遲曉君,孟慶春.基于投影特征值的車牌字符分割算法[J].計算機應用研究,2006,7:256-257.CHI Xiao-jun,MENG Qing-chun.Character segmentation of license plate based on projection and eigenvalue[J].Application and Research of Computers,2006,7:256-257.

[3]魏武,張起森王明俊，等.一種基于模板匹配的車牌識別方法[J].中國公路學報,2001,14(1):104-106.WEI Wu,ZHANG Qi-sen,WANG Ming-jun,et al.A method of number-plate recognition using templates matching[J].China Journal of Highway and Transport,2001,14(1):104-106.

[4]Gonzalez R C,Woods R E.Digital Image Processing[J]Publishing House of Electronics Industry,2006.

[5]王冠,敖志剛，劉永躍，等.基于快速連通域標記的車牌字符分割[J].計算機與現代化,2007,6:55-57.WANG Guan,AO Zhi-gang,LIU Yong-yue,et al.License plate character segm entation based on quick region identification[J].Computer and Modernization,2007,6:55-57.

[6]周金和,彭福堂.一種有選擇的圖像灰度化方法[J].計算機工程,2006,32(20):198-200 ZHOU Jin-he,PENG Fu-tang.A method of selective image graying[J].Computer Engineering,2006,32(20):198-200.

[7]陳超等.MATLAB應用實例精講圖像處理與GUI設計[M].北京：電子工業出版社，2011.