基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法

陳佳+劉立

摘 要：為了準(zhǔn)確定位車牌的位置，提出了基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法。該方法首先將彩色圖像灰度化，并利用Sobel算子進(jìn)行圖像邊緣提取，然后運(yùn)用數(shù)學(xué)形態(tài)學(xué)的腐蝕和閉運(yùn)算對(duì)二值圖像進(jìn)行處理，可以得到幾個(gè)車牌候選區(qū)，接著再利用行掃描去除偽車牌區(qū)域，實(shí)現(xiàn)車牌的粗定位。最后，利用Hough變換精確定位車牌的位置。實(shí)驗(yàn)表明，這一方法能夠準(zhǔn)確地實(shí)現(xiàn)車牌的定位。

關(guān)鍵詞：車牌定位；數(shù)學(xué)形態(tài)學(xué)；行掃描；Hough變換

中圖分類號(hào)：TP751 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-6835（2014）12-0113-03

車牌識(shí)別技術(shù)在智能交通系統(tǒng)ITS（Intelligent Traffic System）中占有非常重要的地位。它包括圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別四個(gè)步驟。其中，車牌定位是關(guān)鍵步驟。后期車牌識(shí)別能否順利進(jìn)行和車牌識(shí)別的準(zhǔn)確度能否得到保證，都與車牌定位有非常緊密的關(guān)系。

近年來，國(guó)內(nèi)外學(xué)者針對(duì)車牌定位做了許多探索：Chien-Chou Lin等人利用彩色邊緣信息來細(xì)化灰度圖像中提取邊緣點(diǎn)，并通過計(jì)算統(tǒng)計(jì)邊緣點(diǎn)數(shù)量來定位車牌；Mei Yu等人提出了垂直邊緣匹配的韓國(guó)車牌定位法。這些基于邊緣的車牌定位算法，計(jì)算簡(jiǎn)單、定位準(zhǔn)確率高，但是，受車牌傾斜或褪色等一些外部因素干擾時(shí)，車牌定位效果并不理想。李剛等人利用數(shù)學(xué)形態(tài)學(xué)并結(jié)合車牌自身的幾何特性進(jìn)行分析，能準(zhǔn)確定位出車牌的區(qū)域。但在復(fù)雜的背景下，仍然很難做到精確定位。陸建華等人嘗試?yán)脭?shù)學(xué)形態(tài)學(xué)結(jié)合行掃描的方法定位車牌，但效果并不理想。隨后，劉雄飛等人提出了將行掃描和小波變換相結(jié)合的方式，取得了非常好的定位效果，進(jìn)一步提高了定位的準(zhǔn)確率。這些基于行掃描的車牌定位算法對(duì)閾值的選取要求比較高，并且要結(jié)合其他方法才能很好的定位車牌。近年來，Hough變換在車牌定位方面也被廣泛推廣。文獻(xiàn)[6]中提出的Hough變換多線檢測(cè)算法，文獻(xiàn)[7]中提出的改進(jìn)Hough變換定位算法都取得了很好的車牌定位效果，而文獻(xiàn)[8]則提出了將Hough變換與數(shù)學(xué)形態(tài)學(xué)相結(jié)合的定位法。這些基于Hough變換的車牌定位方法對(duì)車牌邊緣的清晰、完整度要求比較高。與此同時(shí)，它們也有較高的時(shí)間計(jì)算復(fù)雜度。

本文提出的基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法，綜合了上述所提各類定位方法的優(yōu)點(diǎn)。該方法首先對(duì)車牌進(jìn)行粗定位，然后再對(duì)車牌實(shí)施精確定位，具有實(shí)時(shí)性強(qiáng)、精準(zhǔn)度高等優(yōu)點(diǎn)。

1 算法流程介紹

本文提出的基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法，具體包括以下三個(gè)步驟：①車牌圖像預(yù)處理。將彩色圖像灰度化，并利用Sobel算子對(duì)圖像進(jìn)行邊緣提取。②車牌粗定位。利用數(shù)學(xué)形態(tài)學(xué)的方法，對(duì)預(yù)處理后的圖像進(jìn)行處理，可以得到幾個(gè)車牌候選區(qū)，再利用行掃描的方法濾除干擾區(qū)域，去除偽車牌，實(shí)現(xiàn)車牌的粗定位。③車牌精確定位。對(duì)行掃描之后得到的車牌合理區(qū)域進(jìn)行中值濾波和Canny算子邊緣，這樣做可以去除噪聲，并得到清晰的圖像輪廓。最后，再對(duì)處理后的圖像進(jìn)行Hough變換，得到明顯的矩形邊框，找到車牌上下左右的邊界，實(shí)現(xiàn)車牌的精確定位。

由于采用了先粗后精的定位方法，因此針對(duì)性更強(qiáng)，同時(shí)還提高了定位精度。具體的車牌定位算法流程如圖1所示。

2 車牌定位算法

2.1 圖像預(yù)處理——邊緣檢測(cè)

邊緣檢測(cè)對(duì)突出圖像輪廓非常有效。利用它處理圖像，一

方面，可以得到并保留想要研究對(duì)象完整的邊界區(qū)域結(jié)構(gòu)；另一方面，在很大程度上減少了處理數(shù)據(jù)量的工作。有字符和背景邊緣突顯得非常明顯的車牌區(qū)域有利于進(jìn)行邊緣檢測(cè)，因此，可對(duì)已經(jīng)獲取到的灰度化圖像進(jìn)行邊緣檢測(cè)。常用的梯度邊緣檢測(cè)算子有Roberts算子、Prewitt算子、Canny算子和Sobel算子等?？紤]到Sobel算子對(duì)垂直邊緣和水平邊緣的響應(yīng)最大，并且能夠有效地抑制噪聲，因此，這里采用Sobel算子對(duì)汽車圖像進(jìn)行邊緣檢測(cè)，突出圖像邊緣，為后續(xù)車牌定位做準(zhǔn)備。經(jīng)過Sobel算子邊緣檢測(cè)后的效果如圖2所示。

2.2 車牌區(qū)域粗定位

2.2.1 數(shù)學(xué)形態(tài)學(xué)

數(shù)學(xué)形態(tài)學(xué)的基本思想是采用一定形態(tài)的結(jié)構(gòu)元素把圖像中與之對(duì)應(yīng)的形狀區(qū)域提取出來，只保留與結(jié)構(gòu)元素相似的圖像幾何特征，從而完成對(duì)圖像的分析和處理。膨脹和腐蝕是形態(tài)學(xué)操作中最基本、最主要的形態(tài)學(xué)算子，開運(yùn)算、閉運(yùn)算都是由它們相互組合而成的。巧妙利用這些算子處理圖像，可以得到我們想要的結(jié)果。

設(shè)A為圖像集合，B為結(jié)構(gòu)元素，A和B是整數(shù)空間z中的集合。B對(duì)A的腐蝕定義為：

閉運(yùn)算為先膨脹后腐蝕。B對(duì)A的閉運(yùn)算定義為：

膨脹具有縮小或填充圖像中孔洞的作用，它也可以連接斷開的物體，形成聯(lián)通區(qū)域。腐蝕具有細(xì)化或收縮物體的作用，它還可以濾除小于結(jié)構(gòu)元素的物體。開運(yùn)算具有平滑物體輪廓、消除細(xì)的突出物等作用。閉運(yùn)算具有消除小的孔洞、彌合狹窄的間斷等作用。

經(jīng)邊緣檢測(cè)初步處理后，去除了部分與目標(biāo)對(duì)象無關(guān)的信息，成功地保留并提取了汽車圖像的有效邊緣。但是，仍然存在車牌上方的車燈、車標(biāo)、進(jìn)氣欄和車牌下方的車前橫桿等一些區(qū)域產(chǎn)生的橫向邊緣干擾。當(dāng)然，這其中所產(chǎn)生的一些頑固、雜亂的噪聲也必將影響后續(xù)車牌的定位。通過選取形如[1；1；1]的垂直結(jié)構(gòu)元素進(jìn)行式（1）的腐蝕操作，有效地去除了部分噪聲和圖像背景中的一些橫向邊緣線。接著選取了形如[25；25]的矩形結(jié)構(gòu)元素對(duì)經(jīng)腐蝕處理后的圖像進(jìn)行式（3）的閉運(yùn)算。在這里，還可以利用bwareaopen函數(shù)進(jìn)行一些小處理，刪除一些非車牌區(qū)域的小對(duì)象。經(jīng)過上述處理后，基本上已經(jīng)去除了一些不必要的干擾，只剩下了幾個(gè)干凈且明顯的車牌候選區(qū)。具體效果如圖3所示。

2.2.2 行掃描

采用行掃描的方式對(duì)車牌區(qū)域進(jìn)行定位，主要是利用了車牌的連續(xù)特性。二值汽車圖像車牌區(qū)域水平方向灰度跳變頻繁，且跳變間距也控制在一定的范圍內(nèi)。因此，它的跳變次數(shù)是一定的，也必將在某個(gè)小范圍內(nèi)波動(dòng)。我們可以通過設(shè)定灰度跳變閾值T，與二值汽車圖像某一行的灰度跳變次數(shù)進(jìn)行比較。如果后者大于前者，那么，把該行標(biāo)記為可疑線段；如果有分布較為密集的可疑線段聚集在該行附近，且積聚有一定的高度，那么，這個(gè)區(qū)域就可以被標(biāo)記為車牌候選區(qū)。結(jié)合先驗(yàn)知識(shí)，對(duì)二值汽車圖像f（x，y）在垂直方向上從下至上進(jìn)行逐行掃描，并且在水平方向上從左至右掃描每一行的每個(gè)像素點(diǎn)，記相鄰兩個(gè)像素黑白之間變化為一次灰度跳變。統(tǒng)計(jì)累加跳變次數(shù)，則第k行的跳變次數(shù)可以表示為：

經(jīng)過上述處理后得到的這幾個(gè)車牌候選區(qū)有真實(shí)的車牌，當(dāng)然也存在偽車牌。為了排除一些偽車牌的干擾，更準(zhǔn)確地得到真正的車牌區(qū)域，這里通過行掃描處理來統(tǒng)計(jì)每行的灰度跳變次數(shù)，并定位出合理的車牌區(qū)域。車牌中的7個(gè)字符分布集中且排列規(guī)則，在通常情況下，每個(gè)字符會(huì)出現(xiàn)兩次跳變，但不排除會(huì)出現(xiàn)有多于兩次跳變的情況?？紤]到字符有可能出現(xiàn)模糊、部分損壞、傾斜等問題，同時(shí)，也考慮到車牌的兩個(gè)邊框，因此，這里將跳變閾值T設(shè)置為20，得到了很好的效果。采用行掃描法后，得到的車牌合理區(qū)域定位如圖4所示。

2.3 車牌區(qū)域精確定位——Hough變換

Hough變換是一種被廣泛運(yùn)用于檢測(cè)直線的經(jīng)典算法。它主要體現(xiàn)的是點(diǎn)與線分別在兩種不同的空間域所呈現(xiàn)的對(duì)偶關(guān)系。其核心思想是把圖像空間中屬于某種圖形（這里以直線為例）的點(diǎn)的集合映射到參數(shù)空間中的一個(gè)點(diǎn)。這個(gè)點(diǎn)也是由多條線相交匯聚而成，其實(shí)它對(duì)應(yīng)的就是圖像空間中我們要尋找的某條直線。圖5形象地展現(xiàn)了直線 在參數(shù)空間所呈現(xiàn)的狀態(tài)。

經(jīng)過粗定位處理后，車牌區(qū)域已基本被提取出來，但是，車牌上下左右具體的邊界仍沒能確定下來。因此，為了確定車牌上下左右的邊界，更精確地定位車牌，這里采用了Hough變換方法來對(duì)車牌進(jìn)行精確定位。在采用Hough變換對(duì)車牌定位之前，考慮到Hough變換對(duì)檢測(cè)區(qū)域邊緣清晰度、完整度的要求比較高，因此，對(duì)經(jīng)行掃描之后得到的準(zhǔn)確車牌合理區(qū)域再進(jìn)行中值濾波處理和Canny算子提取邊緣。采用中值濾波處理能平滑噪聲，去除一些雜質(zhì)的干擾，保留有用的邊緣信息。進(jìn)行閾值設(shè)定為[0.04；0.10]的Canny算子提取邊緣，能更好、更清晰地把圖像中較細(xì)的邊緣檢測(cè)出來。最后，使用Hough變換做線檢測(cè)和鏈接，找出車牌上下左右的邊界，實(shí)現(xiàn)車牌的精確定位。通過反復(fù)實(shí)驗(yàn)發(fā)現(xiàn)，峰值檢測(cè)設(shè)置在≥6的情況下，能更好、更精確地檢測(cè)出車牌上下左右的邊界。圖6分別給出了A和B兩組圖像的Hough變換峰值檢測(cè)結(jié)果，圖7給出了最終的車牌定位圖。

3 實(shí)驗(yàn)結(jié)果和分析

為了驗(yàn)證本文提出的車牌定位算法的效果，對(duì)不同類型、不同背景情況下采集到的300幅圖像進(jìn)行定位實(shí)驗(yàn)。輸入圖片尺寸為600×480像素的車牌圖像，在配置為主頻1.46 GHZ，RAM 1 GB的計(jì)算機(jī)上用MATLAB7.0運(yùn)行該算法，并統(tǒng)計(jì)測(cè)試結(jié)果，發(fā)現(xiàn)能準(zhǔn)確定位296張圖像，定位率為98.6%，平均每幅圖片的定位時(shí)間為1.18 s。定位結(jié)果如表1所示。

經(jīng)過測(cè)試發(fā)現(xiàn)，按照上述算法經(jīng)過先粗后精的前后二次定位后均可比較準(zhǔn)確地定位出車牌區(qū)域。分析4張定位不成功的圖像可知，是因?yàn)檐嚺七吘壥艿侥p或遭受到較大的污染，致使在車牌精確定位階段采用Hough變換對(duì)車牌準(zhǔn)確定位時(shí)不能很好、完全地檢測(cè)出車牌的4條邊緣線，所以，造成定位的失敗。

同時(shí)，將本文算法得到定位的結(jié)果與參考文獻(xiàn)[4][8]得到的定位結(jié)果作比較，對(duì)比其定位時(shí)間和定位準(zhǔn)確率，得到的結(jié)果如表2所示。

由表2可知，本文算法無論在定位時(shí)間和定位準(zhǔn)確率上都比文獻(xiàn)[8]的算法要優(yōu)，雖然比文獻(xiàn)[4]中提出的定位時(shí)間要長(zhǎng)，但是，定位準(zhǔn)確率遠(yuǎn)遠(yuǎn)在其之上。通過對(duì)比、分析，再

一次驗(yàn)證了本算法的精確度和高效性。

4 總結(jié)

本文提出了一種基于數(shù)學(xué)形體學(xué)的車牌定位方法，該方法采用先粗后精的定位方式，先對(duì)車牌圖像進(jìn)行形態(tài)學(xué)和行掃描運(yùn)算，確定車牌的合理區(qū)域，實(shí)現(xiàn)粗定位。在此基礎(chǔ)上，再進(jìn)行Hough變換，確定車牌上下左右的邊界，實(shí)現(xiàn)車牌的精確定位。該方法最大的優(yōu)點(diǎn)就是數(shù)學(xué)形態(tài)學(xué)結(jié)合行掃描進(jìn)行粗定位，縮小了Hough變換的運(yùn)算范圍，提高了車牌定位的速度和精度。實(shí)驗(yàn)表明，用該方法定位車牌效果明顯且高效。

參考文獻(xiàn)

[1]Chien-Chou Lin，Wen-Huei Huang.Locating License Plate Based on Edge Features of Intensity and Saturation Subimages[G]//Second International Conference on Innovative Computing.Information and Control.ICICIC，2007.

[2]Mei Yu，Yong Deak Kim.An approach to Korean license plate recognition based on vertical edge matching[J].In Proceedings of IEEE International Conference on Systems，Man and Cybernetics，2000（4）：2975-2980.

[3]李剛，曾銳利，林凌，等.基于數(shù)學(xué)形態(tài)學(xué)的車牌定位算法[J].儀器儀表學(xué)報(bào)，2007，28（7）：1323-1327.

[4]陸建華.基于數(shù)學(xué)形態(tài)學(xué)和行掃描行的車牌定位算法[J].計(jì)算機(jī)時(shí)代，2009（11）：51-52.

[5]劉雄飛，龍巧云，李根，等.基于行掃描和小波變換的車牌定位算法[J].計(jì)算機(jī)應(yīng)用與軟件，2013，30（5）：279-282.

[6]林俊，楊峰，林凱.Hough變換與先驗(yàn)知識(shí)在車牌定位中的新應(yīng)用[J].計(jì)算機(jī)與數(shù)學(xué)工程，2009，37（8）：138-140.

[7]蘇義鑫，羅佳佳.基于邊緣檢測(cè)和Hough變換的車牌定位技術(shù)[J].儀表技術(shù)，2008（4）：40-44.

[8]李瑩，李守榮，孫震.基于數(shù)學(xué)形態(tài)學(xué)和Hough變換的車牌定位算法[J].微機(jī)型與應(yīng)用，2011，30（19）：38-40.

〔編輯：白潔〕

經(jīng)過上述處理后得到的這幾個(gè)車牌候選區(qū)有真實(shí)的車牌，當(dāng)然也存在偽車牌。為了排除一些偽車牌的干擾，更準(zhǔn)確地得到真正的車牌區(qū)域，這里通過行掃描處理來統(tǒng)計(jì)每行的灰度跳變次數(shù)，并定位出合理的車牌區(qū)域。車牌中的7個(gè)字符分布集中且排列規(guī)則，在通常情況下，每個(gè)字符會(huì)出現(xiàn)兩次跳變，但不排除會(huì)出現(xiàn)有多于兩次跳變的情況?？紤]到字符有可能出現(xiàn)模糊、部分損壞、傾斜等問題，同時(shí)，也考慮到車牌的兩個(gè)邊框，因此，這里將跳變閾值T設(shè)置為20，得到了很好的效果。采用行掃描法后，得到的車牌合理區(qū)域定位如圖4所示。

2.3 車牌區(qū)域精確定位——Hough變換

Hough變換是一種被廣泛運(yùn)用于檢測(cè)直線的經(jīng)典算法。它主要體現(xiàn)的是點(diǎn)與線分別在兩種不同的空間域所呈現(xiàn)的對(duì)偶關(guān)系。其核心思想是把圖像空間中屬于某種圖形（這里以直線為例）的點(diǎn)的集合映射到參數(shù)空間中的一個(gè)點(diǎn)。這個(gè)點(diǎn)也是由多條線相交匯聚而成，其實(shí)它對(duì)應(yīng)的就是圖像空間中我們要尋找的某條直線。圖5形象地展現(xiàn)了直線 在參數(shù)空間所呈現(xiàn)的狀態(tài)。

經(jīng)過粗定位處理后，車牌區(qū)域已基本被提取出來，但是，車牌上下左右具體的邊界仍沒能確定下來。因此，為了確定車牌上下左右的邊界，更精確地定位車牌，這里采用了Hough變換方法來對(duì)車牌進(jìn)行精確定位。在采用Hough變換對(duì)車牌定位之前，考慮到Hough變換對(duì)檢測(cè)區(qū)域邊緣清晰度、完整度的要求比較高，因此，對(duì)經(jīng)行掃描之后得到的準(zhǔn)確車牌合理區(qū)域再進(jìn)行中值濾波處理和Canny算子提取邊緣。采用中值濾波處理能平滑噪聲，去除一些雜質(zhì)的干擾，保留有用的邊緣信息。進(jìn)行閾值設(shè)定為[0.04；0.10]的Canny算子提取邊緣，能更好、更清晰地把圖像中較細(xì)的邊緣檢測(cè)出來。最后，使用Hough變換做線檢測(cè)和鏈接，找出車牌上下左右的邊界，實(shí)現(xiàn)車牌的精確定位。通過反復(fù)實(shí)驗(yàn)發(fā)現(xiàn)，峰值檢測(cè)設(shè)置在≥6的情況下，能更好、更精確地檢測(cè)出車牌上下左右的邊界。圖6分別給出了A和B兩組圖像的Hough變換峰值檢測(cè)結(jié)果，圖7給出了最終的車牌定位圖。

3 實(shí)驗(yàn)結(jié)果和分析

為了驗(yàn)證本文提出的車牌定位算法的效果，對(duì)不同類型、不同背景情況下采集到的300幅圖像進(jìn)行定位實(shí)驗(yàn)。輸入圖片尺寸為600×480像素的車牌圖像，在配置為主頻1.46 GHZ，RAM 1 GB的計(jì)算機(jī)上用MATLAB7.0運(yùn)行該算法，并統(tǒng)計(jì)測(cè)試結(jié)果，發(fā)現(xiàn)能準(zhǔn)確定位296張圖像，定位率為98.6%，平均每幅圖片的定位時(shí)間為1.18 s。定位結(jié)果如表1所示。

經(jīng)過測(cè)試發(fā)現(xiàn)，按照上述算法經(jīng)過先粗后精的前后二次定位后均可比較準(zhǔn)確地定位出車牌區(qū)域。分析4張定位不成功的圖像可知，是因?yàn)檐嚺七吘壥艿侥p或遭受到較大的污染，致使在車牌精確定位階段采用Hough變換對(duì)車牌準(zhǔn)確定位時(shí)不能很好、完全地檢測(cè)出車牌的4條邊緣線，所以，造成定位的失敗。

同時(shí)，將本文算法得到定位的結(jié)果與參考文獻(xiàn)[4][8]得到的定位結(jié)果作比較，對(duì)比其定位時(shí)間和定位準(zhǔn)確率，得到的結(jié)果如表2所示。

由表2可知，本文算法無論在定位時(shí)間和定位準(zhǔn)確率上都比文獻(xiàn)[8]的算法要優(yōu)，雖然比文獻(xiàn)[4]中提出的定位時(shí)間要長(zhǎng)，但是，定位準(zhǔn)確率遠(yuǎn)遠(yuǎn)在其之上。通過對(duì)比、分析，再

一次驗(yàn)證了本算法的精確度和高效性。

4 總結(jié)

本文提出了一種基于數(shù)學(xué)形體學(xué)的車牌定位方法，該方法采用先粗后精的定位方式，先對(duì)車牌圖像進(jìn)行形態(tài)學(xué)和行掃描運(yùn)算，確定車牌的合理區(qū)域，實(shí)現(xiàn)粗定位。在此基礎(chǔ)上，再進(jìn)行Hough變換，確定車牌上下左右的邊界，實(shí)現(xiàn)車牌的精確定位。該方法最大的優(yōu)點(diǎn)就是數(shù)學(xué)形態(tài)學(xué)結(jié)合行掃描進(jìn)行粗定位，縮小了Hough變換的運(yùn)算范圍，提高了車牌定位的速度和精度。實(shí)驗(yàn)表明，用該方法定位車牌效果明顯且高效。

參考文獻(xiàn)

[1]Chien-Chou Lin，Wen-Huei Huang.Locating License Plate Based on Edge Features of Intensity and Saturation Subimages[G]//Second International Conference on Innovative Computing.Information and Control.ICICIC，2007.

[2]Mei Yu，Yong Deak Kim.An approach to Korean license plate recognition based on vertical edge matching[J].In Proceedings of IEEE International Conference on Systems，Man and Cybernetics，2000（4）：2975-2980.

[3]李剛，曾銳利，林凌，等.基于數(shù)學(xué)形態(tài)學(xué)的車牌定位算法[J].儀器儀表學(xué)報(bào)，2007，28（7）：1323-1327.

[4]陸建華.基于數(shù)學(xué)形態(tài)學(xué)和行掃描行的車牌定位算法[J].計(jì)算機(jī)時(shí)代，2009（11）：51-52.

[5]劉雄飛，龍巧云，李根，等.基于行掃描和小波變換的車牌定位算法[J].計(jì)算機(jī)應(yīng)用與軟件，2013，30（5）：279-282.

[6]林俊，楊峰，林凱.Hough變換與先驗(yàn)知識(shí)在車牌定位中的新應(yīng)用[J].計(jì)算機(jī)與數(shù)學(xué)工程，2009，37（8）：138-140.

[7]蘇義鑫，羅佳佳.基于邊緣檢測(cè)和Hough變換的車牌定位技術(shù)[J].儀表技術(shù)，2008（4）：40-44.

[8]李瑩，李守榮，孫震.基于數(shù)學(xué)形態(tài)學(xué)和Hough變換的車牌定位算法[J].微機(jī)型與應(yīng)用，2011，30（19）：38-40.

〔編輯：白潔〕

經(jīng)過上述處理后得到的這幾個(gè)車牌候選區(qū)有真實(shí)的車牌，當(dāng)然也存在偽車牌。為了排除一些偽車牌的干擾，更準(zhǔn)確地得到真正的車牌區(qū)域，這里通過行掃描處理來統(tǒng)計(jì)每行的灰度跳變次數(shù)，并定位出合理的車牌區(qū)域。車牌中的7個(gè)字符分布集中且排列規(guī)則，在通常情況下，每個(gè)字符會(huì)出現(xiàn)兩次跳變，但不排除會(huì)出現(xiàn)有多于兩次跳變的情況?？紤]到字符有可能出現(xiàn)模糊、部分損壞、傾斜等問題，同時(shí)，也考慮到車牌的兩個(gè)邊框，因此，這里將跳變閾值T設(shè)置為20，得到了很好的效果。采用行掃描法后，得到的車牌合理區(qū)域定位如圖4所示。

2.3 車牌區(qū)域精確定位——Hough變換

Hough變換是一種被廣泛運(yùn)用于檢測(cè)直線的經(jīng)典算法。它主要體現(xiàn)的是點(diǎn)與線分別在兩種不同的空間域所呈現(xiàn)的對(duì)偶關(guān)系。其核心思想是把圖像空間中屬于某種圖形（這里以直線為例）的點(diǎn)的集合映射到參數(shù)空間中的一個(gè)點(diǎn)。這個(gè)點(diǎn)也是由多條線相交匯聚而成，其實(shí)它對(duì)應(yīng)的就是圖像空間中我們要尋找的某條直線。圖5形象地展現(xiàn)了直線 在參數(shù)空間所呈現(xiàn)的狀態(tài)。

經(jīng)過粗定位處理后，車牌區(qū)域已基本被提取出來，但是，車牌上下左右具體的邊界仍沒能確定下來。因此，為了確定車牌上下左右的邊界，更精確地定位車牌，這里采用了Hough變換方法來對(duì)車牌進(jìn)行精確定位。在采用Hough變換對(duì)車牌定位之前，考慮到Hough變換對(duì)檢測(cè)區(qū)域邊緣清晰度、完整度的要求比較高，因此，對(duì)經(jīng)行掃描之后得到的準(zhǔn)確車牌合理區(qū)域再進(jìn)行中值濾波處理和Canny算子提取邊緣。采用中值濾波處理能平滑噪聲，去除一些雜質(zhì)的干擾，保留有用的邊緣信息。進(jìn)行閾值設(shè)定為[0.04；0.10]的Canny算子提取邊緣，能更好、更清晰地把圖像中較細(xì)的邊緣檢測(cè)出來。最后，使用Hough變換做線檢測(cè)和鏈接，找出車牌上下左右的邊界，實(shí)現(xiàn)車牌的精確定位。通過反復(fù)實(shí)驗(yàn)發(fā)現(xiàn)，峰值檢測(cè)設(shè)置在≥6的情況下，能更好、更精確地檢測(cè)出車牌上下左右的邊界。圖6分別給出了A和B兩組圖像的Hough變換峰值檢測(cè)結(jié)果，圖7給出了最終的車牌定位圖。

3 實(shí)驗(yàn)結(jié)果和分析

為了驗(yàn)證本文提出的車牌定位算法的效果，對(duì)不同類型、不同背景情況下采集到的300幅圖像進(jìn)行定位實(shí)驗(yàn)。輸入圖片尺寸為600×480像素的車牌圖像，在配置為主頻1.46 GHZ，RAM 1 GB的計(jì)算機(jī)上用MATLAB7.0運(yùn)行該算法，并統(tǒng)計(jì)測(cè)試結(jié)果，發(fā)現(xiàn)能準(zhǔn)確定位296張圖像，定位率為98.6%，平均每幅圖片的定位時(shí)間為1.18 s。定位結(jié)果如表1所示。

經(jīng)過測(cè)試發(fā)現(xiàn)，按照上述算法經(jīng)過先粗后精的前后二次定位后均可比較準(zhǔn)確地定位出車牌區(qū)域。分析4張定位不成功的圖像可知，是因?yàn)檐嚺七吘壥艿侥p或遭受到較大的污染，致使在車牌精確定位階段采用Hough變換對(duì)車牌準(zhǔn)確定位時(shí)不能很好、完全地檢測(cè)出車牌的4條邊緣線，所以，造成定位的失敗。

同時(shí)，將本文算法得到定位的結(jié)果與參考文獻(xiàn)[4][8]得到的定位結(jié)果作比較，對(duì)比其定位時(shí)間和定位準(zhǔn)確率，得到的結(jié)果如表2所示。

由表2可知，本文算法無論在定位時(shí)間和定位準(zhǔn)確率上都比文獻(xiàn)[8]的算法要優(yōu)，雖然比文獻(xiàn)[4]中提出的定位時(shí)間要長(zhǎng)，但是，定位準(zhǔn)確率遠(yuǎn)遠(yuǎn)在其之上。通過對(duì)比、分析，再

一次驗(yàn)證了本算法的精確度和高效性。

4 總結(jié)

本文提出了一種基于數(shù)學(xué)形體學(xué)的車牌定位方法，該方法采用先粗后精的定位方式，先對(duì)車牌圖像進(jìn)行形態(tài)學(xué)和行掃描運(yùn)算，確定車牌的合理區(qū)域，實(shí)現(xiàn)粗定位。在此基礎(chǔ)上，再進(jìn)行Hough變換，確定車牌上下左右的邊界，實(shí)現(xiàn)車牌的精確定位。該方法最大的優(yōu)點(diǎn)就是數(shù)學(xué)形態(tài)學(xué)結(jié)合行掃描進(jìn)行粗定位，縮小了Hough變換的運(yùn)算范圍，提高了車牌定位的速度和精度。實(shí)驗(yàn)表明，用該方法定位車牌效果明顯且高效。

參考文獻(xiàn)

[1]Chien-Chou Lin，Wen-Huei Huang.Locating License Plate Based on Edge Features of Intensity and Saturation Subimages[G]//Second International Conference on Innovative Computing.Information and Control.ICICIC，2007.

[2]Mei Yu，Yong Deak Kim.An approach to Korean license plate recognition based on vertical edge matching[J].In Proceedings of IEEE International Conference on Systems，Man and Cybernetics，2000（4）：2975-2980.

[3]李剛，曾銳利，林凌，等.基于數(shù)學(xué)形態(tài)學(xué)的車牌定位算法[J].儀器儀表學(xué)報(bào)，2007，28（7）：1323-1327.

[4]陸建華.基于數(shù)學(xué)形態(tài)學(xué)和行掃描行的車牌定位算法[J].計(jì)算機(jī)時(shí)代，2009（11）：51-52.

[5]劉雄飛，龍巧云，李根，等.基于行掃描和小波變換的車牌定位算法[J].計(jì)算機(jī)應(yīng)用與軟件，2013，30（5）：279-282.

[6]林俊，楊峰，林凱.Hough變換與先驗(yàn)知識(shí)在車牌定位中的新應(yīng)用[J].計(jì)算機(jī)與數(shù)學(xué)工程，2009，37（8）：138-140.

[7]蘇義鑫，羅佳佳.基于邊緣檢測(cè)和Hough變換的車牌定位技術(shù)[J].儀表技術(shù)，2008（4）：40-44.

[8]李瑩，李守榮，孫震.基于數(shù)學(xué)形態(tài)學(xué)和Hough變換的車牌定位算法[J].微機(jī)型與應(yīng)用，2011，30（19）：38-40.

〔編輯：白潔〕