基于數(shù)學形態(tài)學和顏色統(tǒng)計的車牌定位方法

李忠海 梁書浩 楊超

摘 要：車牌是車輛的重要信息，是確定車主身份的關(guān)鍵。準確定位車牌是車牌識別的關(guān)鍵步驟，本文提出一種數(shù)學形態(tài)學和顏色特征結(jié)合的車牌定位算法。首先，通過數(shù)學形態(tài)學處理對車牌粗定位，再結(jié)合車牌的顏色像素進行行列搜索，達到車牌的精確定位。實驗表明，該算法簡單實用，可以有效定位出車牌位置。

關(guān)鍵詞：車牌定位；數(shù)學形態(tài)學；邊緣提取；顏色統(tǒng)計

中圖分類號：TP273+.5 文獻標識碼：A

隨著社會經(jīng)濟的高速發(fā)展，汽車已經(jīng)成為人們生活的必備品，車牌作為汽車的“身份證”是確認汽車的身份的重要信息。隨計算視覺技術(shù)的飛速發(fā)展，通過圖像信息提取識別車牌已經(jīng)成為一種趨勢，在交通、安防等領(lǐng)域都有廣泛的應用。要準確識別車牌，關(guān)鍵的一步就是定位車牌的位置。

在車牌定位算法中，輸入的一般為彩色圖像，基于彩色圖像的車牌定位算法[1-2]就是根據(jù)彩色圖像的顏色信息來定位車牌，但由于彩色圖像含有大量彩色信息，運算比較復雜。將圖像從彩色圖像轉(zhuǎn)為灰度圖像是基于灰度圖像的車牌定位算法[3-4]，但有由于車牌本身的存在干擾（破舊、傾斜）和環(huán)境干擾（光線、天氣），導致基于灰度的車牌定位算法不準確。[5-6]

本文綜合考慮了車牌的灰度和彩色圖像特點，采用數(shù)學形態(tài)學和邊緣檢測對車牌進行粗定位，再利用車牌的顏色信息對車輛精確定位，找到車牌的上下左右邊界，完成車牌定位。本算法能在復雜環(huán)境下對車牌進行定位，定位準確，具有廣泛的實用性。

1 基于數(shù)學形態(tài)學的車牌粗定位

1.1 數(shù)學形態(tài)學

數(shù)學形態(tài)學[7]是一種非線性濾波運算，其特點是不影響圖像的細節(jié)和邊緣，抗噪性好，簡化形狀結(jié)構(gòu)。主要的運算方式有：膨脹、腐蝕以及開、閉運算。

輸入一幅車輛圖像，得到進過上述預處理操作后的車牌圖像，如下圖2所示：

1.3 車牌粗定位

經(jīng)過Canny算子處理后，得到車牌及字符的大致輪廓，開始進行數(shù)學形態(tài)學處理，通過開、閉運算，消除圖像中的噪聲，連通空洞區(qū)域，得到粗定位的車牌。粗定位車牌的步驟為：

（1）對經(jīng)Canny算子邊緣提取得到圖像f4作閉運算，首先用大小為[5，19]的矩形模板對f4進行膨脹運算，填補圖像中的孔洞，連通車牌區(qū)域；再用相同的大小的模板進行腐蝕，消除圖像中的非車牌區(qū)域的小區(qū)域、雜點，經(jīng)上述處理后的圖像為f5。

（2）對得到的圖像f5作開運算，采用上面相同大小矩陣模板，先進行腐蝕后進行膨脹，處理得到消除大部分噪聲的圖像f6。（3）對得到圖像f6重復步驟（2），矩形模板取[11，5]，進一步消除噪聲得到只有車牌區(qū)域的二值圖像f7，完成車牌的粗定位。

進過上述操作，得到的車牌定位效果圖，如下圖3所示：

2 基于顏色統(tǒng)計的車牌精定位

通過上面的方法，我們可以粗略的得到車牌的區(qū)域，但是精度不高，不能精確定位車牌，因此我們還需要進一步對車輛進行精確定位。

我國車輛的車牌大小、顏色都有固定的標準，本文以普通家用小轎車進行車牌的定位識別為例，這類汽車的車牌為藍底白字，車牌大部分為藍色像素集合，因此我們可以采用搜索統(tǒng)計粗定位車牌區(qū)域的藍色像素，從水平和垂直兩個方向進行搜索，這樣就可以確定車牌的上下左右邊界，精確定位車牌[10]。

首先，給粗定位車牌設定坐標，如下圖4：

在水平方向上進行像素搜索統(tǒng)計，車牌的藍色像素在實際二值圖像中為白色像素，這里我們設定一個像素的閾值Th1=5。統(tǒng)計藍色像素點在閾值范圍的區(qū)域，從而得到車牌上下邊界PY1和PY2；在已經(jīng)得到車牌上下邊界的區(qū)域內(nèi)，進行垂直方向上的像素搜索統(tǒng)計，設定像素閾值為Th2=3，得到車牌的左右邊界PX1和PX2。最后，根據(jù)得到四個邊界，確定出車牌的位置。

水平搜索進行車牌水平方向定位如下圖5所示，首先進行行掃描，統(tǒng)計每行藍色像素點的個數(shù)，以藍色像素點最多的那一行為基準，向上搜索，找出車牌的上邊界PY1，然后在向下搜索，找到車牌的下邊界PY2，因為車牌還有車框，所以在得到上下邊界各加兩個像素，做加框處理，最終精確定位到車牌的水平區(qū)域FY。

垂直搜索進行車牌垂直方向定位如下圖6，在前面水平搜索得到車牌區(qū)域的基礎(chǔ)上，首先創(chuàng)建一個空間向量Bule_x，用來記錄每列的藍色像素數(shù)，然后對已經(jīng)得到水平區(qū)域FY進行列掃描，將得到的每列的藍色像素數(shù)記錄在空間向量Bule_x中，從第一列PX=1開始，設定一個閾值Th2，然后向右搜索，得到車牌的右邊界PX1，然后從最后一列PX=x開始向左搜索，閾值還是前面的Th2，得到車牌的左邊界PX2，最后精確定位到車牌的垂直區(qū)域FX。

通過行列搜索，得到車牌的水平區(qū)域FY和垂直區(qū)域FX后，要將定位出的汽車牌照分割出來，為車牌字符分割做基礎(chǔ)。方法是：記錄它們像素點個數(shù)矩陣分別為Im1和Im2，將這兩個矩陣做加法運算，再取兩者的交集，就可以得到精確定位并分割出來的車牌。

下圖為精確定位車牌的效果圖：

3 實驗驗證

通過實驗對本文的車牌定位算法效果進行驗證，在MATLAB2010實驗平臺下，輸入一組不同的彩色車輛圖像，這些圖像包括不同的汽車顏色，車牌顏色、不同的光照條件，車牌圖像的傾斜程度。通過本文的方法來驗證在這些條件下，車牌定位是否準確，實驗定位結(jié)果如果下圖：

從上圖可以看出，本文算法可以有效克服光線、車牌傾斜以及車牌上有污垢干擾影響，可以準確定位到車牌。例如圖（c）環(huán)境中光線變化大，圖（d）和（f）車輛圖像傾斜并且車牌上有干擾，都可以較準確的定位到車牌。

4 結(jié)論

車牌定位作為車牌識別的關(guān)鍵步驟，會直接影響車牌識別的準確性。本文結(jié)合數(shù)學形態(tài)學和車牌顏色特征對車牌進行準確定位，這種方法可以克服車牌本身和周圍環(huán)境的干擾，精確的定位到車牌位置。算法簡單，通用性好，具有較強的實用性。

參考文獻：

[1]張引，潘云鶴.彩色汽車圖像牌照定位新方法[J].中國圖象圖形學報，2001， 6A（4）： 374-377.

[2]樊孝宏，戚飛虎.一種基于紋理和顏色綜合特征的車牌定位新方法[J].計算機工程，2004， 30（13）：125-127.

[3]王枚，蘇光大，土國宏.復雜環(huán)境下的車牌定位及目標真實性驗證[J].光學精密工程，2009， 17（4）：886-894.

[4]張浩鵬，王宗義.基于灰度方差和邊緣密度的車牌定位算法[J].儀器儀表學報，2011， 32（5）： 1095-1102.

[5]王怡.基于數(shù)學形態(tài)學的車牌定位與分割[J].計算機應用與軟件，2010， 27（8）： 255-256.

[6]Ukani N， Mehta H. An accurate method for license plate localization using morphological operations and edge processing [J]. Image and Signal Processing， 2010， 5（12）：2488-2491.

[7]李剛，曾銳利，林凌，土蒙軍.基于數(shù)學形態(tài)學的車牌定位算法[J].儀器儀表學報，2007， 28（7）： 1323-1327.

[8]陳思.基于Otsu算法的車牌圖像二值化及其Matlab實現(xiàn)[J].長春師范學院學報，2012，31（03）：33-35.

[9]郭忠峰，唐曉曉，任仲偉，等.基于Canny算子改進的圖像邊緣檢測算法研究[J].機械研究與應用，2017，148（30）：123-124.

[10]李青林，彭進業(yè).基于邊緣分析和顏色統(tǒng)計的車牌精確定位新方法[J].計算機應用研究，2012，29（01：336-339+343.

作者簡介：李忠海（1962-），男，遼寧沈陽人，教授，主要研究方向：計算機視覺、模式識別。