基于灰度跳變與形態(tài)學(xué)的車牌定位法

王洪亞

(淮陰工學(xué)院計(jì)算機(jī)工程學(xué)院，江蘇淮安 223001)

基于灰度跳變與形態(tài)學(xué)的車牌定位法

王洪亞

(淮陰工學(xué)院計(jì)算機(jī)工程學(xué)院，江蘇淮安 223001)

車牌定位是車牌識(shí)別系統(tǒng)的關(guān)鍵步驟，定位的準(zhǔn)確與否直接影響車牌識(shí)別的結(jié)果.提出了一種基于灰度跳變與形態(tài)學(xué)的定位方法.對(duì)于車牌候選區(qū)的二值圖像，根據(jù)車牌的水平分布特點(diǎn)，從長(zhǎng)寬之比、面積之比等多個(gè)方面進(jìn)行綜合分析，從而可以更加精確地對(duì)車牌進(jìn)行識(shí)別.實(shí)驗(yàn)驗(yàn)證表明，基于該算法的車牌識(shí)別系統(tǒng)能夠達(dá)到較高的車牌識(shí)別率.

圖像預(yù)處理;車牌識(shí)別;數(shù)學(xué)形態(tài)學(xué)

0 引言

隨著計(jì)算機(jī)圖形圖像處理技術(shù)的發(fā)展，車牌識(shí)別技術(shù)的準(zhǔn)確率越來(lái)越高.關(guān)于車牌定位目前使用較多的幾種算法包括直線檢測(cè)法、閾值化法、灰度邊緣檢測(cè)法等［1-3］.在此基礎(chǔ)上，本研究采用一種基于圖像的投影特征，使用區(qū)域合并的手段，結(jié)合車牌的寬高比的車牌定位方法.這種方法的特點(diǎn)是:與基于顏色定位方法相比，更實(shí)用;與一般的基于閾值的定位方法比較，由于添加了形態(tài)學(xué)處理以及利用區(qū)域合并的思想，其識(shí)別率得以較大提高.

1 圖像預(yù)處理

1.1 灰度處理

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

其中，Wr、Wg、Wb分別為R、G、B的權(quán)重值.一般情況下，人的眼睛對(duì)綠色十分敏感，因此綠色所占的比重最大，通過(guò)下式可以進(jìn)行轉(zhuǎn)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(cè)

對(duì)汽車車牌圖像研究的方便之處就在于汽車車牌牌照區(qū)域具備很多易于測(cè)量的邊界，比如說(shuō)垂直的、水平的、斜向的，并且這些區(qū)域與其他區(qū)域相比，方便檢測(cè).目前，常用的邊緣增強(qiáng)算子有一階微分算子、二階微分算子.為了減少計(jì)算量，本研究選擇一階微分算子作為邊緣增強(qiáng)算子，而且這種一階微分算子可以按照求導(dǎo)的方向分為水平和垂直方向的模板，通過(guò)尋找梯度最大值來(lái)增強(qiáng)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(duì)具有陡峭的低噪聲的圖像檢測(cè)效果最好.

Prewitt算子是加平均算子，對(duì)噪聲有抑制作用，但是像素平均相當(dāng)于對(duì)圖像進(jìn)行低通濾波，所以prewitt算子對(duì)邊緣的定位不如Robert算子.

Canny算子基于Laplace濾波，采用兩個(gè)閾值，對(duì)強(qiáng)邊和弱邊進(jìn)行檢測(cè)，相對(duì)于其他邊緣檢測(cè)算子，Canny算子對(duì)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(duì)圖像處理的效果如圖1所示.實(shí)際比較可以發(fā)現(xiàn)，在本算法圖像處理中使用Robert算子進(jìn)行圖像邊緣處理效果最好.

1.3 圖像數(shù)學(xué)形態(tài)學(xué)處理

圖1 3種常見(jiàn)的算子處理的圖像邊緣檢測(cè)效果

形態(tài)學(xué)借助于一種結(jié)構(gòu)元素，實(shí)現(xiàn)對(duì)圖像大小、形狀的檢測(cè)，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(gè)基本的形態(tài)是數(shù)學(xué)形態(tài)學(xué)分析中重要的元素，也是分析車牌定位的必須過(guò)程.

1)膨脹的數(shù)學(xué)定義.

膨脹的含義是，B的反射進(jìn)行平移與A的交集是A的子集.膨脹對(duì)填補(bǔ)分割后圖像物體中的空洞很有用.膨脹實(shí)現(xiàn)的效果是使圖像擴(kuò)大，橋接縫隙，避免車牌字符的斷裂.

2)腐蝕的數(shù)學(xué)定義.

腐蝕的作用是消除圖像的細(xì)節(jié)部分，消除過(guò)于小的待選區(qū)域，使圖像平滑，產(chǎn)生濾波器的作用.

在本研究中，選擇 se=［1:1:1］、disk 2種方法對(duì)圖像進(jìn)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(duì)比

3)開啟與閉合是一對(duì)作用與反作用的關(guān)系，開啟時(shí)對(duì)圖形進(jìn)行腐蝕、膨脹的先后運(yùn)算，而閉合則剛好相反.開運(yùn)算的數(shù)學(xué)定義是，

開運(yùn)算的含義是，先用B對(duì)A進(jìn)行腐蝕，然后用B對(duì)結(jié)果進(jìn)行膨脹.經(jīng)過(guò)這樣的操作，實(shí)現(xiàn)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(xì)的突出物.

圖像處理主要涉及開啟與閉合2個(gè)過(guò)程，其關(guān)鍵是對(duì)不可缺少的部分進(jìn)行有效融合，而那些無(wú)關(guān)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(fā)現(xiàn)，使用se=rectangle時(shí)，車牌部分能夠很好地顯示輪廓，而se=disk時(shí)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(duì)比

2 車牌區(qū)域定位

2.1 車牌區(qū)域粗定位

在車牌區(qū)域粗定位時(shí)，先進(jìn)行水平和垂直投影，計(jì)算每一列的非零元素的個(gè)數(shù)，計(jì)算結(jié)果是一個(gè)行向量.然后粗略估計(jì)車牌可能的區(qū)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(duì)圖像用Robert算子檢測(cè)邊緣，計(jì)算候選區(qū)的個(gè)數(shù)，并記錄各個(gè)候選區(qū)的有關(guān)信息，這些信息包括候選區(qū)的左上和右下的邊緣、中心坐標(biāo)以及寬高比，然后進(jìn)行相鄰候選區(qū)域的合并.合并需要滿足的條件是，左上和右下的行列坐標(biāo)之和兩者之間的距離在允許的很小范圍之間.給出的先驗(yàn)距離是行坐標(biāo)之和的距離小于等于圖像高的1/30，列坐標(biāo)之和的距離小于等于寬的1/15.在合并的過(guò)程中需要重新計(jì)算各候選區(qū)的寬高比，還要防止重復(fù)記錄.合并完成后，就可以根據(jù)高寬比來(lái)確定是不是車牌區(qū)域.根據(jù)先驗(yàn)知識(shí)，本系統(tǒng)研究的車牌高寬比約為0.4.

2.2 車牌區(qū)域細(xì)定位

車牌細(xì)定位的目的就是對(duì)粗定位的候選區(qū)進(jìn)行篩選，然后精確估計(jì)車牌區(qū)域，為下一步字符的分割做準(zhǔn)備.

在車牌區(qū)域細(xì)定位時(shí)，掃描行可以表示為f(i)，其中1≤i≤N.令，

這一行的跳變次數(shù)可以表示為，

根據(jù)得到的幅度邊緣圖的亮度變化來(lái)判定車位.采用從中間向上、下兩邊搜索.跳變次數(shù)小于12的掃描得到的結(jié)果是不精確的.按照常識(shí)，一般一個(gè)車牌最起碼包含7位數(shù)字，在對(duì)每一個(gè)數(shù)字進(jìn)行掃描時(shí)涉及到圖像的變化對(duì)比，因此，每個(gè)字符最起碼要在掃描時(shí)出現(xiàn)2次明暗變化，通過(guò)設(shè)置合適的跳變次數(shù)，就可以實(shí)現(xiàn)確定車牌的上下界.

對(duì)此前已經(jīng)得到疑似車牌的位置，使用像素點(diǎn)檢測(cè)技術(shù)，進(jìn)行縱坐標(biāo)的定位于截取.算法的部分代碼如下，圖像車牌定位過(guò)程流程圖如圖6所示.

3 實(shí)驗(yàn)結(jié)果

在實(shí)驗(yàn)中，測(cè)試使用的機(jī)器為PIV(cpu 2.0 G，1 G內(nèi)存)，利用Matlab 7.0軟件對(duì)3 000幅圖片進(jìn)行了測(cè)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(jìn)行的車牌定位數(shù)據(jù)對(duì)照表.

傳統(tǒng)算法3 000 2 867 3.4673本算法3 000 2 994 2.3654

實(shí)驗(yàn)結(jié)果表明，本研究提出的車牌定位算法具有較強(qiáng)的定位能力，特別是對(duì)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(jié)語(yǔ)

本研究采用灰度跳變法與數(shù)學(xué)形態(tài)學(xué)分別對(duì)車牌進(jìn)行粗定位和細(xì)定位:首先通過(guò)數(shù)學(xué)形態(tài)學(xué)的特點(diǎn)粘連車牌斷裂區(qū)域，濾去細(xì)小的噪聲區(qū)域，同時(shí)平滑圖像，最后檢測(cè)出待精定位的候選區(qū)域;接著，再利用灰度跳變進(jìn)一步精確地確定車牌區(qū)域;最后，根據(jù)車牌的先驗(yàn)知識(shí)確定車牌區(qū)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(wèi)東，劉輝.多顏色模型和綜合特征下的車牌定位新方法［J］.計(jì)算機(jī)工程與應(yīng)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(yè)創(chuàng)新項(xiàng)目(BC2011441)資助.

王洪亞(1984—)，女，碩士研究生，從事計(jì)算機(jī)數(shù)字圖像處理技術(shù)研究.