基于邊緣檢測Sobel算子車牌定位算法研究

何婧 長沙理工大學/永州職業技術學院

1.引言

智能停車場管理系統的核心是車牌識別技術，車牌識別技術是一項新興的非接觸的自動識別技術，它是計算機視頻圖像識別技術在車輛牌照識別的應用，通過將車輛牌照信息從復雜的背景中提取并識別實現對停車場車輛的管理，相對于其他自動識別技術，該技術具有遠程識別、快速識別、效果良好、抗干擾能力強等優點。國內車牌識別技術面臨的難點主要包括以下幾個方面。環境因素：國內停車場往往設置在市區繁華地段或建筑物的地下層，這些地方往往周邊環境較為復雜，收到光線、天氣、行人、車輛等客觀因素的影響較大，同時，由于車輛的差別性，車牌位置也不盡相同，容易影響到車牌的識別效果。圖像因素：車牌的干凈程度也對車牌的正確識別起到了關鍵作用，由于國內環境以及道路的復雜性，有些車牌容易沾染到污漬，車牌出現彎曲變形等現象，從而造成車牌單個字符間距，樣式出現改變，嚴重的甚至會造成車牌無法識別等現象。算法因素：車牌是通過高清攝像設備對圖像進行采集，在通過預先設置的算法對車牌進行定位與識別，因此，算法的優劣直接決定了車牌識別的準確率和效果，識別的圖像模糊、字符失真、位置傾斜等都會影響到算法的執行效率，尤其是對于停車場管理而言，快速而準確的識別對提高停車場的管理水平起到了至關重要的作用。國情因素：國內車牌由于特殊性包含了中文這種特殊字符，中文字符結構復雜，同字母和數字相比，識別難度大，同時，我國車牌種類眾多，車牌結構與背景色都存在差異，對車牌識別提出了更高要求。

基于此，針對我國中文車牌特性對車牌定位算法進行了改進，其設計思想是利用邊緣檢測算子提取邊緣，通過對比分析 Laplace算子、Scharr算子和 Sobel算子得出，Sobel算子具有更加優越的邊緣檢測性能，再利用圖像形態學開閉運算完成車牌的定位。

2.車牌識別總體流程

車牌識別技術是對采集的圖像信息進行處理，定位出車牌位置，再將車牌中的字符分割出來進行識別，最后組成車牌號碼輸出。車牌識別技術的核心包括有：車牌定位算法、車牌字符分割算法和車牌字符識別算法等。

2.1 車牌定位：從拍攝識別出的圖像中根據車牌定位算法找到汽車牌照所在的位置圖塊及相似圖塊，并對圖塊進行判斷，保留僅為車牌的圖塊，并從中準確的將車牌圖塊分割出來。

2.2 車牌字符分割：對定位出來的車牌區域，根據字符尺寸特征對車牌進行字符分割處理。

2.3 車牌字符識別：對分割后的字符進行縮放、特征提取，并通過與字符數據庫模板中的標準字符表達式進行匹配判斷，并將識別后的結果以文本形式輸出。

車牌識別總體流程圖如圖1所示。

圖1 車牌識別總體流程圖

3.基于邊緣檢測Sobel算子車牌定位算法研究

車牌定位結果對于后續車牌識別的成功起決定性作用。目前，車牌定位學術界有許多方法，大體上可以劃分為三大類：1、基于顏色定位算法，2、基于邊緣定位算法，3、基于機器學習算法，具體而言比如基于顏色和紋理分析的方法、基于數學形態學的方法、基于特征顏色邊緣的方法、基于投影圖像分布特征的方法、基于神經網絡的方法等。

考慮到車牌定位的時間性要求，本文選擇了時間復雜度低、效果好的基于邊緣特征的車牌定位方法。邊緣檢測的基本思想是通過檢測每個像元是否位于一個物體的邊界上。如果每個像元位于一個物體的邊界上，則其領域像元灰度值變化比較大。通過對比分析Laplace算子、Scharr算子和 Sobel算子得出，Sobel算子具有更加優越的邊緣檢測性能，再利用圖像形態學開閉運算完成車牌的定位。

基于邊緣檢測Sobel算子車牌定位算法流程圖如圖2所示。

圖2 基于邊緣檢測Sobel算子車牌定位方法流程圖

3.1 基于邊緣特征的車牌定位方法

根據所采用的模版不同，有不同邊緣提取算子，下面將主要對Laplace算子、Scharr算子和 Sobel算子進行車牌圖像提取的比較。

3.1.1 Sobel算子

Sobel算子是一種基于一階導數的邊緣檢測算子，針對車牌定位主要用于監測圖像中的垂直邊緣，便于實現對車牌的區分。其計算原理是通過對圖像求一階的水平與垂直方向導數，根據導數值的大小來判斷是否是邊緣。Sobel算子包含兩組3x3的矩陣，分別為橫向及縱向模板，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。

Sobel算子的卷積模版如下：

橫向模板：Gx 縱向模板：Gy 圖像的每一個像素的橫向及縱向梯度近似值可用以下的公式結合，來計算梯度的大小。再利用以下公式計算梯度方向

若梯度方向計算為0，則表示圖片具有縱向邊緣，圖片的左邊要比有變暗。

3.1.2 Laplace算子

Laplace算子同Sobel算子一樣也是一種邊緣檢測算子，不同于Sobel算子的一階導數，Laplace算子通過對圖像的二階倒數的零交叉點來實現邊緣的檢測。

Laplace算子的公式定義：

一般情況下，Laplace算子檢測不分水平和垂直，同時，不能提供邊界方向信息，對噪聲也比較敏感。

3.1.3 Scharr算子

Scharr算子其實只是Sobel算子的一個變種，由于Sobel算子在3*3的卷積模板上計算往往不太精確，因此有一個特殊的Sobel算子，其權值按照如下公式來表達，稱之為Scharr算子。

其中，dst為計算結果，Src為原圖像，ddpeth為處理結果圖像深度，dx為X軸方向，dy為Y軸方向。

一般來說，Shcarr算子能夠獲得比Sobel算子更加優秀的邊緣檢測效果，但是，對于車牌識別場景而言，越精細的邊緣會影響到閉運算處理效果。

通過對基于邊緣檢測方法的Sobel算子、Laplace算子和Scharr算子進行闡述，對不同算子對于車牌定位方法進行了圖像檢測，不同算子之間對比圖如圖3所示。

圖3 不同算子之間對比圖

綜上所述，在對圖像邊緣化檢測的過程中，Sobel算子對于車牌定位檢測的效果要好于Laplace算子與Scharr算子。

3.2 基于形態學定位方法

數學形態學是一門建立在格論和拓撲學基礎之上的圖像分析學科，通過對各要素之間相互作用以及圖形結構，進一步獲取對象的本質形態。形態學圖像處理基本的運算包括：腐蝕、膨脹、開運算、閉運算等。通過引入形態學對車牌圖像進行處理，進一步對圖像質量進行改善，去除或降低噪點對圖像處理的影響，從而提高車牌定位的準確性。

3.2.1 二值化

通過二值化處理將Sobel生成的灰度圖像轉變為二值圖像，其目的為后續的形態學算子Morph等準備二值化的圖像。二值化效果圖如圖4所示。

圖4 二值化后效果

3.2.2 閉操作

通過對圖像進行閉操作處理（先膨脹然后腐蝕）可以實現對所有的字符小圖塊的連接，最終形成一個車牌的大致輪廓。閉操作后效果如圖5所示。

圖5 閉操作后效果圖

3.2.3 取輪廓

取輪廓是通過將連通域的外圍勾畫出來，并將圖像中獨立出來的圖塊全部提取出來，進一步形成最小外接矩形。取輪廓效果如圖6所示。

圖6 取輪廓圖

上圖紅色線條為輪廓，然后根據這些輪廓，求這些輪廓的最小外接矩形，可以看出共識別出6個矩形塊。

3.2.4 車牌定位

通過取輪廓操作識別出來的許多大小不同矩形塊，考慮到中國車牌寬、高具有固定規格，寬高比為3.14，同時，車牌圖像傾斜角不會太高。因此，可以從矩形塊特征中識別出車牌信息，如圖塊傾斜角度大于某個設定閥值時（30度），我們就判定該圖塊不是車牌。車牌最終定位圖如圖7所示。

圖7 車牌定位圖

4.結束語

本文基于邊緣檢測Sobel算子和圖像形態學閉運算完成車牌的定位。該算法能夠有效降低車牌圖像噪聲的干擾，快速的定位出車牌區域，具有一定的工業應用價值。