計算機(jī)圖像處理技術(shù)在車牌識別系統(tǒng)中的應(yīng)用

張旭東

摘 要：隨著人們生活水平的持續(xù)提高，機(jī)動車的保有量居高不下，城市的交通問題日益凸顯。如何高效的管理機(jī)動車成為人們關(guān)注的焦點(diǎn)。智能交通系統(tǒng)應(yīng)運(yùn)而生，它把人們從低效、復(fù)雜的人工管理中解脫出來，而車牌識別系統(tǒng)作為智能交通的重要組成部分，它被廣泛應(yīng)用于公路的布控、高速公路的自動收費(fèi)系統(tǒng)、重要場所的出入管理等。本文應(yīng)用計算機(jī)圖像處理技術(shù)，提出了車牌識別系統(tǒng)的總體方案，有效解決了車牌識別的問題。

關(guān)鍵詞：圖像處理； 智能交通； 車牌識別

中圖分類號：TP391.41 文獻(xiàn)標(biāo)志碼：A 文章編號：1006-3315（2014）12-163-002

1.車牌識別系統(tǒng)的工作原理

通常情況下，車牌識別系統(tǒng)由以下幾個部分組成：

（1）圖像的預(yù)處理：由照相機(jī)或攝像機(jī)采集到的車牌圖像由于是在露天的環(huán)境下采集的，由于外部因素，比如不同的光照時間或者角度以及硬件采集的問題，使得圖像的質(zhì)量不高，其噪聲會影響到后續(xù)的車牌定位和字符分割，因此需要在前期對圖像進(jìn)行預(yù)處理。

（2車牌的定位：其目的是要從整幅圖像中獲得車牌所在圖像的位置，并把它提取出來。車牌定位是系統(tǒng)中比較重要的環(huán)節(jié)，定位的準(zhǔn)確程度直接影響著后續(xù)的處理。

（3）車牌字符的分割：其目的是要從定位后的車牌圖像中把單個的字符一個個分割提取出來。現(xiàn)實(shí)中由于攝像頭拍攝的角度問題，定位后的車牌圖像可能存在一定角度的傾斜，如果有傾斜，還需先對圖像進(jìn)行傾斜校正。

（4）車牌字符的識別：其目的是要把已經(jīng)分割的單個字符能夠顯示出來。

2.圖像的預(yù)處理

2.1彩色圖像灰度化

攝像頭采集到的圖像為彩色圖像，在RGB模型中，每個分量有255種取值可能，一個像素點(diǎn)就是1600萬種取值，這個處理量是巨大的。因此需要對彩色圖像進(jìn)行處理?；叶葓D像是指R=G=B的特殊圖像，R=G=B的值叫做灰度值。這樣一個像素點(diǎn)只有255種取值，存儲的空間也大大降低了。常見的灰度化方法有取分量最大值的最大值法、取三個分量平均值的平均值法、根據(jù)現(xiàn)實(shí)要求進(jìn)行加權(quán)平均的加權(quán)平均法。

2.2圖像的濾波

圖像濾波的目的是在盡可能的保留圖像信息的前提下，將圖像進(jìn)行去噪處理。由于圖像在采集的過程中或是傳輸?shù)倪^程中會受到噪聲的干擾，有些噪聲會表現(xiàn)為比較強(qiáng)烈的孤立點(diǎn)或是像素塊，極大的降低了圖像的質(zhì)量。常見的濾波方法有：（1）中值濾波：它的思想是用濾波窗口的中值來代替窗口中心位置像素的灰度值，這樣能夠去除窗口中灰度值最大或者是最小的點(diǎn)，達(dá)到了抑制噪聲的目的。（2）均值濾波：它的思想是用均值來代替原圖像中像素點(diǎn)的灰度值。但它不能保護(hù)好圖像的細(xì)節(jié)，容易使圖像變的模糊。

2.3二值化

彩色圖像在進(jìn)行灰度化后，其數(shù)據(jù)量大大減少，處理速度得到很大的提升。為了進(jìn)一步的圖像處理，使圖像變的更簡單，數(shù)據(jù)量變的更少，同時又能凸顯出價值目標(biāo)，可以對圖像進(jìn)行二值化處理。圖像的二值化，簡單的說就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255兩種值，使整個圖像呈現(xiàn)出明顯的只有黑和白的視覺效果。在二值化時，需要通過一個閾值把圖像分為兩部分，將大于閾值的點(diǎn)設(shè)為白色或黑色，小于閾值的點(diǎn)設(shè)為相反的顏色?？梢钥闯?，二值化的關(guān)鍵就是閾值的選擇。根據(jù)閾值選取的不同，可分為固定閾值和自適應(yīng)閾值。固定閾值指的是在二值化過程中只有一固定的閾值T，把每個點(diǎn)的灰度值與閾值T進(jìn)行比較來生成二值化圖像。自適應(yīng)閾值指的是二值化過程中，閾值不是固定的，根據(jù)圖像的局部特征，如像素之間的均方根值，像素之間的差平方，窗口像素的平均值等來實(shí)現(xiàn)動態(tài)閾值。動態(tài)閾值可以通過參數(shù)方程來求得：

2.4邊緣檢測

圖像的邊緣是圖像的基本特征。所謂邊緣是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。邊緣廣泛地存在于物體與背景之間、物體與物體之間、基元與基元之間。它的存在是灰度不連續(xù)造成的。經(jīng)典的邊緣檢測方法是考察圖像的每個像素的某個鄰域內(nèi)灰度的變化，利用邊緣鄰近一階或二階導(dǎo)數(shù)變化規(guī)律，用簡單的方法檢測邊緣，這種方法稱為邊緣檢測局部算子法。本文采用的是Sobel算子，這種算子對噪聲有抑制作用。

2.5數(shù)學(xué)形態(tài)學(xué)

數(shù)學(xué)形態(tài)是一種非線性濾波方法，可以用于抑制噪聲，進(jìn)行特征提取、邊緣檢測、圖像分割等圖像處理操作。形態(tài)學(xué)濾波有四種基礎(chǔ)操作：腐蝕、膨脹、開操作和閉操作。本文先采用腐蝕的操作使得圖像縮小，然后進(jìn)行閉運(yùn)算填補(bǔ)縫隙，使得圖像可以成為一塊整體。

3.車牌的定位

汽車牌照的定位是指從拍攝的車輛圖像中得到車牌照所在的位置，并把含有車牌的子區(qū)域提取出來。從編程實(shí)現(xiàn)的角度來看，就是針對某汽車圖像，通過運(yùn)行某個定位算法，確定車牌子區(qū)域的對角坐標(biāo)。顯然在汽車牌照識別系統(tǒng)中，車牌定位準(zhǔn)確與否直接影響字符識別的準(zhǔn)確率。

本文在實(shí)現(xiàn)車牌定位的時候充分利用車牌的先驗(yàn)知識，如車牌長450mm，寬150mm。由于前面的運(yùn)算已經(jīng)使車牌圖像連成一片，可以參照車牌標(biāo)準(zhǔn)尺寸來進(jìn)行區(qū)域比對，得到最接近車牌長寬比的那個區(qū)域并提取出來。

4.車牌傾斜的校正

在實(shí)際使用過程中，由于拍攝鏡頭與車牌之間存在距離和角度以及車輛的顛簸等影響，拍攝到的車牌會有不同程度的傾斜變形。當(dāng)變形比較嚴(yán)重時，會影響字符分割的準(zhǔn)確性，因此需要在對字符進(jìn)行分割之前對車牌的傾斜進(jìn)行校正。

本文使用了一種基于Hough變換的方法：通過Hough變換來求取車牌的邊框，從而確定車牌的傾斜角度，然后通過雙線性空間變換對畸變的圖形進(jìn)行校正。大量的實(shí)驗(yàn)表明，該方法效果好，抗干擾能力強(qiáng)。

5.車牌字符的分割

車牌字符分割是車牌識別系統(tǒng)的重要組成部分。字符分割就是從定位后的車牌圖像中把單個的字符精確分割出來。本文采用的是基于投影的方法。

本方法的具體實(shí)現(xiàn)步驟如下：

（1）對二值化后的車牌圖像進(jìn)行豎直方向上的投影，如圖3所示，字符之間空白處會把字符分割成了7塊。

（a） 原車牌圖像

（b）二值化圖像的投影

圖3二值化后車牌圖像在豎直方向的投影

（2）對投影值進(jìn)行處理，如果存在連續(xù)X個投影值不為零的片段，則記錄下這個片段的長度、起始位置和結(jié)束位置，即可得到字符在車牌中的位置信息。

（3）對分割后的字符進(jìn)行歸一化的處理，方便后續(xù)的字符識別。

6.車牌字符的識別

字符的識別就是把分割得到的字符與庫中的字符進(jìn)行一一比對，看是否匹配，本文采用的就是模板匹配的方法。

首先需要自己建立字符庫，車牌的字符一共有數(shù)字0-9，字母A-Z，還有各個省市的簡稱，需要繪制每個字符固定大小的圖像并保存。然后把分割后的字符與庫中的字符比較，求出相似度，相似度最高的即是匹配的字符，并把它顯示出來。實(shí)驗(yàn)表明，該方法可以有效的識別車牌的字符。

7.結(jié)束語

本文針對車牌識別中的問題，通過綜合采用計算機(jī)圖像處理技術(shù)，實(shí)現(xiàn)了車牌的定位、傾斜校正、字符分割和識別功能，實(shí)驗(yàn)結(jié)果也證明了本文所提出的車牌識別方法是準(zhǔn)確、可行的，達(dá)到了預(yù)期的效果。

參考文獻(xiàn)：

[1]黃山.車牌識別技術(shù)的研究與實(shí)現(xiàn)，四川大學(xué)博士學(xué)位論文，2005

[2]胡旺.基于雙窗口和極值壓縮的自適應(yīng)中值濾波，中國圖像圖形學(xué)報，2007

[3]Charl Coetzee. PC based number plate recongnition system. IEEE Inernational Symposium on Industrial Electronics. 1998