基于閉運(yùn)算和背景減法的車牌字符分割算法*

齊美彬 ，劉 亮 ，蔣建國(guó)

（合肥工業(yè)大學(xué) a.計(jì)算機(jī)與信息學(xué)院；b.安全關(guān)鍵工業(yè)測(cè)控技術(shù)教育部工程研究中心，安徽 合肥 230009）

1 引言

車牌識(shí)別系統(tǒng)工作原理可分為車牌定位、字符分割、字符識(shí)別3個(gè)環(huán)節(jié)，字符的分割對(duì)車牌識(shí)別系統(tǒng)的好壞具有直接的影響。車牌字符分割方法可分為彩色圖像分割[1]、灰度圖像分割[2-3]和二值化圖像分割[4]三種?；诓噬珗D像的分割，由于過多地依賴于車牌顏色信息，使得這種分割方法對(duì)昏暗或者雨霧等環(huán)境下顏色分辨能力較弱時(shí)的車牌字符分割適應(yīng)性較差；基于灰度圖像的分割，雖然能充分利用車牌的灰度信息，但是由于其對(duì)比度不強(qiáng)，容易造成誤分割，特別是字符“1”，“7”，“L”與相鄰字符之間的灰度級(jí)與字符的灰度級(jí)相近時(shí)，利用垂直投影不能實(shí)現(xiàn)較為滿意的分割；二值化分割比灰度分割優(yōu)越的方面是前景與背景的對(duì)比度大，缺點(diǎn)是如果預(yù)處理與二值化變換處理得不好，會(huì)使得字符復(fù)雜的粘連與斷裂同時(shí)出現(xiàn)，給字符分割增加了難度。鑒于此，筆者提出一種在閉運(yùn)算和背景減法相結(jié)合的車牌預(yù)處理基礎(chǔ)之上利用垂直投影和先驗(yàn)知識(shí)對(duì)字符進(jìn)行分割的算法。由于預(yù)處理較強(qiáng)地抑制了車牌上下邊框等背景對(duì)字符分割的影響，從而有效提高了車牌字符分割的效率。

2 預(yù)處理

2.1 背景減法及閉運(yùn)算

車輛在外界環(huán)境中由于受到各種噪聲的干擾，定位后的車牌必須經(jīng)過一定的預(yù)處理才能得到較好的二值化效果。常用的預(yù)處理方法有中值濾波、灰度拉伸、目標(biāo)增強(qiáng)[2]、灰度均衡[5]等算法，中值濾波和灰度拉伸，對(duì)去除背景噪聲有一定效果，但是不能削弱邊框噪聲；灰度均衡算法對(duì)改變光照不均的車牌有較好的效果，但是該算法對(duì)光照均勻的車牌并不適用，因?yàn)樗氲拇罅吭肼暦炊鴷?huì)影響字符的準(zhǔn)確分割。

背景減法通過削弱背景從而將前景目標(biāo)從圖像中提取出來，常用于運(yùn)動(dòng)目標(biāo)的檢測(cè)[6]；數(shù)學(xué)形態(tài)學(xué)算法在車牌定位的算法[7-8]中使用廣泛。本文根據(jù)背景減法和閉運(yùn)算[9]的特點(diǎn)，將其應(yīng)用于字符二值化前的預(yù)處理中，主要用來削弱車牌的上下邊框等背景區(qū)域，從而達(dá)到增強(qiáng)字符的目的。

由于車牌字符以垂直結(jié)構(gòu)為主，上下邊框以水平結(jié)構(gòu)為主，字符的寬度穩(wěn)定且字符之間有明顯的背景，所以本文所選擇的結(jié)構(gòu)元形式固定為[0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0] 。 圖 1 為定位到的灰度車牌中值濾波后的圖像；圖2為閉運(yùn)算結(jié)果，由圖可知，車牌的字符區(qū)域已經(jīng)被背景區(qū)域所代替；圖3為背景減法結(jié)果（圖1減去圖2）。由圖可知，閉運(yùn)算與背景減法相結(jié)合能夠削弱車牌的上下邊框，減少背景噪聲。

2.2 二值化變換

圖像進(jìn)行背景減法運(yùn)算后，字符與背景之間的對(duì)比已經(jīng)比較明顯，使用簡(jiǎn)單的二值化變換方法即能得到較好的二值化效果。筆者提出一種在目標(biāo)增強(qiáng)[2]基礎(chǔ)上進(jìn)行的的二值化變換方法，見圖4。即先將車牌背景減法圖像的灰度值歸一化到0～100，然后將灰度值前20%的點(diǎn)的灰度值全部變?yōu)?，其余部分全部變?yōu)?55，從而使車牌變?yōu)榘椎缀谧值膱D像，如圖4d所示。由圖4可知，在預(yù)處理基礎(chǔ)上，本文的二值化算法能達(dá)到和經(jīng)典二值化算法一樣的效果，但過程要簡(jiǎn)單得多。

2.3 傾斜校正

車牌的傾斜校正即把傾斜的車牌字符通過校正使之高度在同一水平線上。本文主要對(duì)水平傾斜的車牌進(jìn)行處理。常用的車牌傾斜度校正方法有Hough變換[11]和旋轉(zhuǎn)投影法[12]，Hough變換先要對(duì)車牌進(jìn)行多次邊緣檢測(cè)，再用Hough變換確定車牌邊框的傾斜度，但是車牌圖像常因噪聲干擾和二值化等原因，使得車牌的邊框不清楚，導(dǎo)致傾斜度校正不理想，且計(jì)算量偏大；旋轉(zhuǎn)投影法通過比較不同旋轉(zhuǎn)角度投影的最大值，求取傾斜角度進(jìn)行校正，該方法中最佳傾角的求取是一個(gè)尋優(yōu)過程，要進(jìn)行多次投影才能逐步逼近最佳傾角，因此也存在計(jì)算量大的問題。本文中，由于車牌上下邊框已經(jīng)基本消除，先對(duì)車牌進(jìn)行粗分割，獲得初始字符塊，再對(duì)單字符塊進(jìn)行水平垂直投影，獲得各個(gè)字符的上下左右邊緣位置信息，由最小二乘法[13]獲得字符整體傾斜率。即利用上下邊緣位置信息求得上下邊緣的斜率分別為k0，k1，由于噪聲的影響，往往k0≠k1，為避免校正過度或者校正不足，最終確定車牌的校正斜率為k=（k0+k1）/2。圖5為圖4d傾斜校正后的結(jié)果。

3 字符分割

字符分割即是在前面預(yù)處理基礎(chǔ)上把車牌字符分割成單個(gè)字符，主要是去除字符粘連與合并斷裂字符。由于本文的預(yù)處理基本上去掉了車牌的上下邊框，使得字符的邊緣粘連一般為鉚釘造成的第5個(gè)與第6個(gè)字符之間的粘連 （與第2個(gè)字符靠近的鉚釘一般不會(huì)造成兩字符邊緣的粘連）。外界噪聲（如泥巴）往往也會(huì)造成字符之間的粘連，具體處理過程如下：

1）鉚釘造成的字符粘連，可用灰度跳變?nèi)コ?duì)二值化字符傾斜校正后，字符基本上在同一高度，利用灰度跳變[14]去除鉚釘噪聲。車牌字符區(qū)域灰度值跳變次數(shù)至少為14，考慮到字符可能出現(xiàn)的斷裂和校正不足問題，設(shè)置跳變閾值為10。由圖像的中間行M0逐行向上掃描，當(dāng)跳變值 K＜10時(shí)，記錄該行為 M1，若 M1-M0＞H（H 為經(jīng)驗(yàn)值，為字符高度的一半），則M1為字符頂端行；同理可找到字符底端行，頂端以上底端以下全部轉(zhuǎn)變?yōu)楸尘皡^(qū)域，從而能去除鉚釘造成的兩字符粘連，同時(shí)也去除了字符頂端以上和低端以下的離散噪聲。

2）對(duì)于字符非邊緣處的粘連（包括“1”與相鄰字符之間的粘連），利用垂直投影和先驗(yàn)知識(shí)便可去除[15]。字符的合并即是把左右斷裂的字符合并到一起。斷裂字符主要在以下情況中出現(xiàn)：左右偏旁的漢字；字母中的“H”，“M”，“N”，“O”，“U”，“V”，“W”；數(shù)字中的“0”和“8”。字符的具體合并步驟由文獻(xiàn)[15]的方法便可完成。圖6去除了噪聲和鉚釘粘連，圖7為最終分割結(jié)果。

4 字符分割算法步驟

整個(gè)分割算法的流程如下：

1）將定位后的藍(lán)底白字、黑底白字車牌轉(zhuǎn)化為灰度圖時(shí)進(jìn)行反色變換[16]；將黃底黑字、白底黑字車牌直接轉(zhuǎn)化為灰度圖。

2）對(duì)灰度圖進(jìn)行中值濾波后再進(jìn)行閉運(yùn)算。

3）用中值濾波后的車牌圖像減去閉運(yùn)算后的車牌圖像，獲得背景減法圖像，并采用本文的二值化算法對(duì)車牌進(jìn)行二值化變換。

4）對(duì)二值化圖像進(jìn)行傾斜校正，并去除字符粘連和背景噪聲，在此基礎(chǔ)上完成字符的合并，得到最終的分割結(jié)果。

5 實(shí)驗(yàn)結(jié)果分析

為了說明本文方法的優(yōu)越性，現(xiàn)將本文方法與其他文獻(xiàn)提供的方法進(jìn)行對(duì)比。圖8a為灰度車牌進(jìn)行中值濾波后的圖像，圖8b為文獻(xiàn)[17]中直接進(jìn)行的二值化變換結(jié)果，效果較差，無法完成字符的分割；圖8c為文獻(xiàn)[18]中目標(biāo)增強(qiáng)的結(jié)果，由圖可知，預(yù)處理后再進(jìn)行二值化變換（圖8d），比直接二值化有很大的改進(jìn)（圖8b），但分割結(jié)果（圖8e）仍然有字符缺損；圖8f為文獻(xiàn)[15]的預(yù)處理結(jié)果，圖8g為其二值化變換，圖8h為分割結(jié)果。由圖可知，雖然能得到正確的分割結(jié)果，但該預(yù)處理方法給二值化結(jié)果增加了大量的邊框等背景噪聲，從而整個(gè)分割過程仍然比較復(fù)雜。圖8i為本文方法的預(yù)處理結(jié)果，圖8j為其二值化結(jié)果，圖8k為原灰度圖上的分割結(jié)果，由圖可知，不均勻光照下的二值化字符能夠較完整地顯示，且邊框噪聲較少，字符粘連較少，從而能夠大大簡(jiǎn)化分割過程。

由圖8的比較可知，由于車牌受噪聲干擾，直接進(jìn)行二值化往往得不到預(yù)期效果，因此分割效果很差；目標(biāo)增強(qiáng)的預(yù)處理方法是根據(jù)先驗(yàn)知識(shí)從整個(gè)車牌字符區(qū)域出發(fā)，先對(duì)灰度值排序，再有序地選擇像素區(qū)域進(jìn)行增強(qiáng)，該方法能夠較大程度地改善二值化效果。但是，當(dāng)出現(xiàn)光照不均或者邊框區(qū)域較大且字符區(qū)域的灰度級(jí)相近時(shí)，會(huì)使得某些字符的增強(qiáng)受到影響，從而無法準(zhǔn)確地完成字符分割；子塊部分重疊直方圖均衡[5]的預(yù)處理方法能夠改變光照不均造成的不良影響，但是，該法引入的噪聲給字符分割增加了難度。而本文的預(yù)處理方法根據(jù)閉運(yùn)算的原理，用當(dāng)前字符附近的背景區(qū)域取代該字符區(qū)域，然后利用背景減法削弱上下邊框，增強(qiáng)字符與背景之間的對(duì)比度，從而能夠在較好的二值化結(jié)果之上更好更快地完成分割。

在對(duì)比實(shí)驗(yàn)中，對(duì)100張定位后的不同噪聲干擾下的車牌圖片進(jìn)行了驗(yàn)證，使用文獻(xiàn)[18]的方法，有82張分割成功；使用文獻(xiàn)[5]的方法，有76張分割成功；使用本文的方法，有90張分割成功，分割失敗的圖片主要是因?yàn)檐嚺扑幍沫h(huán)境較昏暗，使得車牌字符與其附近的背景的灰度級(jí)較近，無法使車牌字符突出于車牌背景。實(shí)驗(yàn)結(jié)果表明，本文的分割方法具有較好的適應(yīng)性。

6 小結(jié)

本文的閉運(yùn)算與背景減法相結(jié)合的預(yù)處理算法能夠較大程度消除光照不均、車牌邊框等因素造成的不良影響，在此預(yù)處理方法基礎(chǔ)之上進(jìn)行的目標(biāo)增強(qiáng)的二值化變換，達(dá)到了較好的效果，從而能夠利用最小二乘法完成車牌的傾斜校正，順利處理字符的粘連與合并，有效提高了字符的分割效率。但是，當(dāng)車牌所處環(huán)境太過昏暗，變換到灰度圖像再進(jìn)行二值化變換時(shí)，由于其灰度值太低，會(huì)使得字符出現(xiàn)破損。如何改變這些狀況，將是下一步研究的方向。

[1]趙雪春，戚飛虎.基于彩色分割的車牌自動(dòng)識(shí)別技術(shù)[J].上海交通大學(xué)學(xué)報(bào)，1998，32（10）：4-9.

[2]張?jiān)苿偅瑥堥L(zhǎng)水.利用Hough變換和先驗(yàn)知識(shí)的車牌字符分割算法[J].計(jì)算機(jī)學(xué)報(bào)，2004，27（1）：130-135.

[3]劉興，蔣天發(fā).車牌字符圖像分割技術(shù)的研究與應(yīng)用[J].武漢大學(xué)學(xué)報(bào)：工學(xué)版，2006，39（6）：125-128.

[4]CHANG S，CHEN L，CHUNG Y，etal.Automaticlicenseplate recognition[J].IEEE Transactions on Intelligent Transaction Systems，2004，5（1）：42-53.

[5]吳成東，樊玉泉，張?jiān)浦?，?基于差分投影與優(yōu)割字符的車牌字符分割[J].東北大學(xué)學(xué)報(bào)自然科學(xué)版，2008，29（7）：921-923.

[6]代科學(xué)，李國(guó)輝，涂丹，等.監(jiān)控視頻運(yùn)動(dòng)目標(biāo)檢測(cè)減背景技術(shù)的研究現(xiàn)狀和展望[J].中國(guó)圖象圖形學(xué)報(bào)，2006，11（7）：919-927.

[7]戴青云，余英林.一種基于小波與形態(tài)學(xué)的車牌圖像分割方法[J].中國(guó)圖象圖形學(xué)報(bào)，2000，5（5）：411-415.

[8]左奇，史忠科.一種基于數(shù)學(xué)形態(tài)學(xué)的實(shí)時(shí)車牌圖像分割方法[J].中國(guó)圖象圖形學(xué)報(bào)，2003，8（3）：281-285.

[9]GONZALEZ R C.數(shù)字圖像處理[M].阮秋琦，阮宇智，譯.2版.北京：電子工業(yè)出版社，2007：446-450.

[10]歐陽(yáng)慶.不均勻光照下車牌圖像二值化研究[J].武漢大學(xué)學(xué)報(bào)：工學(xué)版，2006，39（4）：145-146.

[11]楊立剛，張興會(huì)，李蘭友.車牌照字符傾斜校正方法的研究[J].儀器儀表學(xué)報(bào)，2004，25（4）：696-697.

[12]李文舉，梁德群，崔連延，等.一種新的面向字符分割的車牌圖像預(yù)處理方法[J].計(jì)算機(jī)應(yīng)用研究，2004，21（7）：258-260.

[13]王宗躍，馬洪超，黃樟燦，等.基于字符上下邊緣的車牌校正方法[J].武漢理工大學(xué)學(xué)報(bào)：信息與管理工程版，2009，31（2）：178-179.

[14]胡愛明，周孝寬.利用形態(tài)特征的汽車車牌圖像分割方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2003，15（6）：717.

[15]陳濤，楊晨暉，青波.基于投影和固有特征結(jié)合的車牌字符分割方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2009，19（5）：46-47.

[16]周運(yùn)祥，林志毅.車牌識(shí)別中反色判斷的新方法[J].交通與計(jì)算機(jī)，2005，23（3）：117-119.

[17]馬騰飛，鄭永果，趙衛(wèi)東.基于邊緣檢測(cè)與Hough變換的車牌字符分割算法[J].系統(tǒng)仿真學(xué)報(bào)，2006，18（S1）：391-392.

[18]張寶強(qiáng)，高滿屯，張茜.字符分割前車牌圖像的預(yù)處理[J].計(jì)算機(jī)工程與科學(xué)，2008，30（4）：40-42.