基于邊緣檢測和色彩空間的混合車牌定位算法

王濤　趙磊

【摘 要】隨著計(jì)算機(jī)性能的提高，以及大數(shù)據(jù)的應(yīng)用，智能車牌識別系統(tǒng)逐漸得到了廣泛的應(yīng)用。從技術(shù)組成看，智能車牌識別系統(tǒng)主要包括三個(gè)部分，分別是：車牌定位、字符分割以及字符識別三個(gè)部分。其中，車牌定位的輸出作為后續(xù)兩個(gè)部分的輸入，車牌定位部分的定位精度直接影響了后續(xù)處理的結(jié)果。因此，車牌定位分系統(tǒng)在整個(gè)車牌識別系統(tǒng)中占有重要地位。為了提高車牌定位的精度，本文提出了一種基于邊緣檢測和號牌色彩信息的混合定位算法，通過實(shí)驗(yàn)表明，該算法可以很好地適應(yīng)小型車號牌的使用環(huán)境，具有良好的抗噪聲能力。

【關(guān)鍵詞】車牌定位；邊緣檢測；色彩空間

0 概述

由攝像頭捕捉的汽車圖像是彩色圖像，其中包含有大量的色彩信息以及豐富的幾何信息。而車牌識別算法的主要工作就是利用圖像中已有的顏色信息、車輛的幾何信息和車牌的幾何信息，使用數(shù)字圖像處理的方法來提取車牌的位置。

顏色是人的視覺系統(tǒng)對光譜中可見區(qū)域的感知效果，為了準(zhǔn)確地描述顏色，必須引入色彩空間的概念。正如幾何上用坐標(biāo)空間來描述坐標(biāo)集合，色彩空間用數(shù)學(xué)方式來描述顏色集合。而在車牌識別過程用到的主要圖像處理算法是邊緣檢測算法。

1 色彩空間

1.1 RGB色彩空間

RGB色彩模型一種加性色彩模型（additive color model），通過將紅（Red）、綠（Green）和藍(lán)色（Blue）以不同的方式混合在一起，來獲得多種顏色[1]。RGB色彩模型的名稱即來源于最主要的三種混合色：紅色、綠色以及藍(lán)色。而基于RGB色彩模型的顏色空間即為RGB色彩空間。通過將R、G和B添加在一起（即所有光線反射回眼睛）可產(chǎn)生白色[2]。加性色彩空間主要應(yīng)用在電子顯示和照明領(lǐng)域，如計(jì)算機(jī)的顯示屏、電視屏幕以及照明燈。以計(jì)算機(jī)顯示器為例，綠色、紅色以及藍(lán)色的液晶由于電壓不同而產(chǎn)生不同的透光率，從而透過對應(yīng)的光線。光譜上可視區(qū)域的大多數(shù)色彩都可以通過RGB的加性色彩空間調(diào)和三原色的比例和強(qiáng)度來實(shí)現(xiàn)。若三原色分別重合則可以生成三原色對應(yīng)的補(bǔ)色：青色、洋紅及黃色。

1.2 CMYK色彩空間

印刷四分色模式是彩色印刷時(shí)采用的一種套色模式，利用色料的三原色混色原理，加上黑色油墨，共計(jì)四種顏色混合疊加，形成所謂“全彩印刷”。四種標(biāo)準(zhǔn)顏色是：青色（Cyan，C）、品紅色（Magenta，M）、黃色（Yellow，Y）以及黑色（blacK，K）。CMYK色彩空間是一種減性色彩空間，常用于印刷行業(yè)。相較于加性色彩空間，減性色彩空間的白色是印刷底料的本色，沒有任何顏色，而白色則是由所有基色的混合產(chǎn)生。同時(shí)為了節(jié)約墨水的開支以及獲得更深的暗色調(diào)，黑色直接由黑色墨水獲得，而不是通過混合平紅色、黃色和青色獲得[3-4]。

1.3 YUV

YUV主要用于優(yōu)化彩色視頻信號的傳輸，使其向后相容老式黑白電視。與RGB視頻信號傳輸相比，它最大的優(yōu)點(diǎn)在于只需占用極少的頻寬（RGB要求三個(gè)獨(dú)立的視頻信號同時(shí)傳輸）。其中“Y”表示明亮度（Luminance或Luma），也就是灰階值；而“U”和“V”表示的則是色度（Chrominance或Chroma），作用是描述影像色彩及飽和度，用于指定像素的顏色。

色度信號U、V與亮度信號Y的分離是YUV色彩空間的重要性之所在。如果只有Y信號分量而沒有U、V分量，那么這樣表示的圖像就是黑白灰度圖像。彩色的電視信號正因?yàn)椴捎昧薡UV色彩空間才解決其與黑白電視機(jī)的兼容問題，使黑白電視機(jī)也能接收彩色電視信號[5]。

1.4 HSV

HSV是一種使用圓柱坐標(biāo)來表示色彩的色彩空間，是一種六角錐體模型。其通過重排RGB色彩空間的幾何描述以使得HSV色彩空間更加符合人眼的直覺和更容易被人眼感知到[6]。該色彩空間在20世紀(jì)80年代提出，現(xiàn)在主要用于拾色器、圖像編輯軟件、圖像分析以及計(jì)算機(jī)視覺領(lǐng)域。HSV色彩空間的三個(gè)字母分別代表：

色調(diào)（Hue，H）：以角度計(jì)算，其取值范圍為在0°～360°之間，從紅色開始按逆時(shí)針方向計(jì)算，0°位置為紅色，120°位置為綠色，240°位置為藍(lán)色。它們的補(bǔ)色位于60°黃色，180°青色，以及300°品紅；

飽和度（Saturation，S）：取值范圍為0.0～1.0，值越大，顏色越飽和；

亮度（Value，V）：取值范圍在0（黑色）～255（白色），有時(shí)亮度也會稱為Brightness。與RGB和CMYK等色彩空間面向于硬件不同的是，HSV色彩空間面向的是用戶，更直觀的說，面向的是人的眼睛。

2 邊緣檢測算子

圖像中灰度值或色彩急劇變化之處，即為物體的邊緣，在灰度值變化比較劇烈之處進(jìn)行微分運(yùn)算，就可以得出區(qū)別于其他處的較大值，因此，可以利用各種微分運(yùn)算進(jìn)行邊緣檢測。邊緣檢測算子就是通過檢查每個(gè)像素點(diǎn)的鄰域并對其灰度變化進(jìn)行量化來達(dá)到邊界提取的目的，而且大部分的檢測算子還可以確定邊界變化的方向[7]。

2.1 羅伯特（Robert）邊緣算子

3 混和車牌定位算法的提出

根據(jù)《中華人民共和國公共安全行業(yè)標(biāo)準(zhǔn)GA36-2007中華人民共和國機(jī)動(dòng)車號牌》規(guī)定，我國大型汽車號牌以及掛車號牌長度為440mm，前號牌高度為140mm，后號牌的高度為220mm，顏色為黃底黑字黑框線；小型汽車號牌的外廓尺寸前后一致，均為高度140mm，寬度440mm，顏色為藍(lán)底白字白框線。根據(jù)使用場景來看，上述兩種類型在普通的汽修廠當(dāng)中是比較常見的車型，因而實(shí)現(xiàn)對相應(yīng)的號牌號碼的識別是首要的任務(wù)。由此，為了解決該問題，本文提出來一種根據(jù)車輛號牌顏色及邊緣檢測的混合方式來定位車輛號牌在圖像中位置的算法。該算法的主要過程分為兩步：

（1）根據(jù)號牌的幾何特征，利用邊緣檢測的方式去除噪聲，粗略定位車牌；

（2）根據(jù)號牌的顏色特征，利用色彩空間的方法去除色彩噪聲；

（3）將上述兩步的輸出圖片進(jìn)行與運(yùn)算得到輸出結(jié)果。

下面分別詳細(xì)說明上述3個(gè)步驟的內(nèi)容。

3.1 邊緣檢測去除噪聲

眾所周知的是，國內(nèi)的車牌都是矩形的，而在安放車牌的位置的周圍存在著大量的非直線形的曲線噪聲，因此利用一階的邊緣嵴檢測算子即可去除類似的曲線噪聲。同時(shí)，仔細(xì)觀察車輛號牌的幾何特征，我們會發(fā)現(xiàn)：車輛號牌上有大量水平方向的干擾，比如車輛后備箱蓋外緣、引擎蓋外緣以及懸掛車牌位置的水平方向干擾等。因此，可以利用垂直方向的索貝爾算子進(jìn)行垂直方向的邊緣檢測以去除水平方向的干擾。如下圖1所示，是使用垂直方向的索貝爾算子進(jìn)行卷積運(yùn)算后的車輛號牌圖像：

3.2 利用色彩特征去除噪聲

根據(jù)前述，本文所針對的應(yīng)用場景中會出現(xiàn)的車輛號牌主要是小型車的藍(lán)底白字車牌以及大型車的黃底黑字車牌。在HSV的色彩空間中，藍(lán)色在色調(diào)（Hue）空間的角度為240°，而黃色的角度為60°，因此將汽車好牌的圖像由RGB色彩空間轉(zhuǎn)換至HSV空間后，可以設(shè)定兩個(gè)角度分別為240°和60°，即可從空域當(dāng)中提取出藍(lán)色和黃色的車牌位置。如果光照強(qiáng)度過大，比如白熾燈直射或者陽光晴好的正午，藍(lán)色會有向青色便宜的趨勢，所以為了能夠?qū)?qiáng)光及弱光環(huán)境有一定的適應(yīng)能力，可以分別將藍(lán)色和黃色的色調(diào)分別留有10～20°的裕度，即藍(lán)色的色調(diào)范圍為230～250°，黃色的色調(diào)范圍為50～70°，實(shí)驗(yàn)結(jié)果如下圖2所示：

3.3 圖片與運(yùn)算

經(jīng)過步驟1和2之后，分別到了邊緣檢測后和基于色彩空間的降噪后，產(chǎn)生了兩幅車牌候選區(qū)域的圖像。為了進(jìn)一步去除噪聲，提高車牌的定位精度，算法的最后一步進(jìn)行圖像的與運(yùn)算：將步驟1和步驟2產(chǎn)生的圖像進(jìn)行與運(yùn)算以提高車輛號牌的定位精度。實(shí)驗(yàn)結(jié)果如下圖3所示：

4 結(jié)論及展望

通過上述的算法作用于實(shí)驗(yàn)樣本中，最終得到的實(shí)驗(yàn)結(jié)果為：在100張圖片中，有96張圖片成功地定位到車輛號牌，其中有7幅圖像中含有兩幅號牌，結(jié)果這7張圖像中的14幅號牌全部成功地定位。但是，需要注意的是該算法的成功率是基于藍(lán)底白字號牌和黃底黑字號牌，適用范圍比較有限，所以在以后的改進(jìn)當(dāng)中需要進(jìn)一步提高該算法的使用范圍。

【參考文獻(xiàn)】

[1]Poynton， Charles A. Digital Video and HDTV： Algorithms and Interfaces[M]. Morgan Kaufmann， 2003.

[2]Hunt， R. W. G. The Reproduction of Colour （6th ed.）[M].Chichester UK： Wiley IS&T Series in Imaging Science and Technology， 2004.

[3]Galer， Mark； Horvat， Les（2003）.Digital Imaging： Essential Skills[J].Focal Press. p.74，2003.

[4]Jennings， Simon（2003）. Artists Color Manual： The Complete Guide to Working with Color[J].Chronicle Books LLC. p. 21， 2003.

[5]邵丹，韓家偉.YUV與RGB之間的轉(zhuǎn)換[J].長春大學(xué)學(xué)報(bào)， 2004，Vol.14.

[6]李薇，李德仁.基于HSV色彩空間的MODIS云檢測算法研究[J].中國圖象圖形學(xué)報(bào)， 2011， Vol.16.

[7]張立.云圖的臺風(fēng)云系分割與特征提取研究[D].廣州：廣東工業(yè)大學(xué)，2009.

[責(zé)任編輯：王楠]