基于MATLAB的GUI車牌圖像識別系統(tǒng)設(shè)計

王浩杰+趙珂+黃國勇

摘要：提出了一套基于Roberts算子和最大方差閾值算法的GUI車牌圖像識別系統(tǒng)。針對相機或高清視頻流所采集的照片，本文結(jié)合圖片的預處理，采用梯度檢測法進行邊緣檢測，基于像素點的先行后列的車牌定位方法，并用最大閾值方差法進行二值化處理，根據(jù)對二值邊緣圖像做積分Harr識別，把車牌信息從圖像轉(zhuǎn)化為文本輸出。實驗結(jié)果表明，該GUI系統(tǒng)能夠正確實現(xiàn)識別車牌圖像文本信息。

Abstract： A GUI License Plate Recognition System which is based on the Roberts Operator and Maximum Variance Threshold Algorithm is put forward. This article aims at the photo from camera or HD video stream， combining with the image preprocessing， using gradient method for edge detection， after using the method of the license plate location that based on the first row and then column of pixels， with a maximum threshold variance binary， processing method according to the binary edge image Harr integral image recognition， based on the achieving the transformation from picture to text. The results of experiment shows that the GUI System can achieve the accurate text license plate.

關(guān)鍵詞：Roberts算子；最大方差閾值算法；GUI系統(tǒng)

Key words： Roberts operator；Maximum Variance Threshold Algorithm；GUI system

中圖分類號：TP391.4 文獻標識碼：A 文章編號：1006-4311（2016）29-0199-03

0 引言

隨著人們對生活質(zhì)量要求的提高，私家車數(shù)量急劇增加，也促使了智能交通的快速發(fā)展。車牌識別技術(shù)作為智能交通系統(tǒng)的關(guān)鍵技術(shù)之一，廣泛應用于停車場管理系統(tǒng)、高速公路及交叉口車輛管理系統(tǒng)、電子通行費系統(tǒng)、公安局車輛牌照管理系統(tǒng)、車輛管理系統(tǒng)等。因此，車牌識別技術(shù)的深入研究不僅具有理論價值而且具有很高的實用經(jīng)濟價值。本文開發(fā)了一種基于MATLAB GUI的車牌圖像識別系統(tǒng)，可實現(xiàn)車牌識別輸出處理。

車牌識別技術(shù)包括五個步驟：圖像采集、圖像處理、車牌定位、字符分割、車牌識別。

1 車牌識別原理

1.1 圖像采集

本系統(tǒng)的車牌識別圖片來源于在規(guī)定路段上安置的MV彩色CCD相機拍攝的含有車牌的圖片，或者拍攝高清視頻流轉(zhuǎn)換的靜態(tài)車牌圖片。在圖像采集環(huán)節(jié)獲得高清圖片可以有效提高車牌識別系統(tǒng)的準確率。

1.2 原始圖像的預處理

車輛圖像的預處理，指對采集到的車輛圖像，進行灰度化和拉伸處理，有效的改善拍照區(qū)域的圖像質(zhì)量。由于牌照區(qū)域存在噪點，且要保存和加強車牌中紋理和顏色信息，因此，必須進行原始圖像的預處理。

1.2.1 灰度化處理

R、G、B是彩色圖像的三個組成部分，分別為紅色、綠色、藍色?；叶忍幚硎菍⒉噬珗D像轉(zhuǎn)換成灰度圖像的過程，即處理彩色R、G、B分量相等的過程?；叶戎荡蟮南袼攸c比較亮（最大為255，白色），灰度值小的比較暗（最小為0，黑色）。

因為人眼最敏感綠色、其次紅色，最后是藍色，所以本文采用加權(quán)平均法對圖像進行灰度化。

H=ωRR+ωGG+ωBB （1）

其中，ωR、ωG、ωB分別為R、G、B的權(quán)值，H為圖像的灰度值。且 ωG>ωR>ωB將得到較易識別的圖像。一般來說，ωG=0.587、ωR=0.299、ωB=0.114時，得到的灰度圖像最好。原圖及灰度化結(jié)果如圖1所示。

1.2.2 灰度拉伸

從圖1可見，經(jīng)過灰度處理后的圖像車牌部分和其他圖像部分的對比度不是很高，如果此時進行邊緣提取，車牌的邊界比較模糊，很難提取車牌邊緣，無法準確定位車牌區(qū)域。因此，要準確提取車牌邊緣和定位車牌位置，需要進一步為了提高車牌圖像的對比度，需要對該圖像在灰度上進行拉伸。

1.3 提取車牌邊緣

圖像邊緣檢測可以去除不相關(guān)的信息，大大降低了數(shù)據(jù)量。邊緣檢測算子有：Canny算子、Laplacian算子2×2、Sobel算子、Prewitt算子、Roberts算子等。Roberts采用的是算子，相對其他算子，它對圖像邊緣的定位比較準確，同時對圖像分割的邊界寬度較小。在圖像噪聲較少的情況下，分割的速度比較快。故本文采用該算子。

車牌邊緣具有較為復雜的形態(tài)，同時車牌的邊緣總是以圖像中強度的突變形式出現(xiàn)的，所以其邊緣包含有大量信息 。因此，本文采用檢測識別率較高的梯度檢測法來進行車牌邊緣檢測。

g（x，y）即Roberts邊緣檢測算子。

可見，用于邊緣檢測的Roberts算子利用的是部分差分方法去尋找邊緣。而Roberts梯度算子尋找邊緣則是利用定位區(qū)域的對角方向相鄰兩像素之差，把一階偏導利用差分來代替，表示如公式（5）：

Δxf（x，y）=f（x，y）-f（x-1，y-1）Δyf（x，y）=f（x-1，y）-f（x，y-1） （5）

Robert兩種算子模板對應的2×2模板如圖2所示。在實際應用中，圖像的每個像素點都用這兩個模板進行卷積運算。為了避免負值，邊緣檢測的絕對值往往被提取。

由圖3可知，利用roberts算子進行邊緣檢測，可大大減少不相關(guān)的數(shù)據(jù)量，且將數(shù)字圖像中亮度變化明顯的點（即車牌部分）標識出來。上圖將車牌及其字符的輪廓明顯的標識出來，有助于對車牌的定位。

1.4 車牌定位

車牌定位有兩個步驟：車牌初步定位和精準定位。本文在車牌初步定位中先采用imerode函數(shù)對圖像進行腐蝕，再利用imclose和bwareaopen函數(shù)對圖像進行平滑處理。用彩色像素點統(tǒng)計方法提取車牌行合理位置，再分割出合理區(qū)域，以此來確定車牌的底色藍色RGB對應的灰度范圍，最后在行方向上，統(tǒng)計在此范圍內(nèi)的像素點數(shù)量，用于設(shè)定一個正確閾值，并最終定位車牌在行方向的區(qū)域。

車牌的精準定位是在初步定位出車牌的行方向合理區(qū)域的基礎(chǔ)上，統(tǒng)計列方向車牌底色藍色的像素點數(shù)量，再精準地定位剪切出車牌大小的圖像，如圖4所示。

1.5 車牌字符分割與識別

在車輛牌照準確定位后需對車牌進行二值化操作，形態(tài)學濾波，方可進行字符的分割。

1.5.1 二值化操作

在分割過程中，每一個像素值的車牌圖像采用相同的閾值，即全局閾值算法。

在全局閾值算法中，Otsu在判別與最小二乘原理的基礎(chǔ)上推導出來的最大方差閾值算法，速度快，且準確率，故本文采用此方法。其原理是：設(shè)車牌圖像前景與后景分割閾值為X，前景點數(shù)占圖像比例記為k1，平均灰度u1；后景點數(shù)比例k2，平均灰度u2；圖像總平均灰度u=u1×k1+u2×k2。取X從最小灰度值到最大灰度值，當X使得γ=k1×（u1-u）2+k2×（u2-u）2為最大時即為最佳閾值。由于灰度值的分布情況，由方差值的大小來表現(xiàn)，因而當方差γ越大，說明前景和背景的差別γ越大。當前景被繪制到背景區(qū)域或背景被分為前景區(qū)域時，方差變小，所以當X使方差γ最大時，它是最好的閾值。

識別結(jié)果如圖5所示。

1.5.2 形態(tài)學濾波

形態(tài)學濾波是利用濾波器原理，即利用一定形態(tài)的結(jié)構(gòu)元素去提取對應形狀的圖像，最終達到識別圖像的目的。識別運算有：膨脹、腐蝕、開運算和閉運算四個步驟。

腐蝕是用某種形狀的結(jié)構(gòu)元素對圖像進行探測。膨脹是將所有與物體鄰近的背景像素變?yōu)槲矬w像素的變換。開運算是先腐蝕再膨脹，閉運算是先膨脹再腐蝕。

本文在車牌圖像進行形態(tài)學濾波過程中，分別進行了車牌的開，閉運算，邊框去除以及圓點去除處理，過程圖如圖6所示。

圖7為開運算以及閉運算的效果圖。

由圖7可知，形態(tài)學濾波有效的去除了圖像的噪聲，使得車牌信息更加清楚。

1.5.3 字符分割

在本文中使用列統(tǒng)計的原則，分離車牌的七個字符。字符分割的過程及分割結(jié)果如圖8所示。

1.5.4 字符識別

字符識別作為車牌識別的最后環(huán)節(jié)，直接關(guān)系到字符識別的穩(wěn)定性和準確率。利用harr積分識別車牌圖像，完成車牌圖像信息向車牌文字字符數(shù)據(jù)的輸出。識別流程和結(jié)果圖如圖9所示。

2 MATLAB GUI車牌識別系統(tǒng)

本文基于MTALAB的圖形用戶界面（Graphical User Interface，即GUI）開發(fā)了一個簡單方便的可視化車牌識別系統(tǒng)。如上圖所示，通過操作“原圖”、“灰度圖”、“robert邊緣處理”、“行方向合理區(qū)域”、“定位后的車牌圖像”、“車牌圖像二值化”、“處理后的車牌圖像”、“分割出的字符”的幾個按鈕操作即可完成相應結(jié)果輸出。

3 MATLAB結(jié)果分析

為測試本文提出的車牌分割與識別方法的魯棒性、準確率及時效性，通過對隨機抽取的實際場景中的圖像進行測試，測試結(jié)果如表1所示。（測試平臺為酷睿i7四核，WIN7操作系統(tǒng)）

由測試結(jié)果可知，本文提出的車牌定位、分割和識別算法在不同場景里的準確率均達到了97%以上，且平均耗時為9.996ms，表明算法的準確度高、穩(wěn)定性好，同時也證明了算極強的魯棒性及適應性。圖10為測試結(jié)果截圖。

4 結(jié)束語

本文提出了一種車牌定位、分割和識別的算法，并將識別算法的結(jié)果用基于MATLAB的GUI車牌識別系統(tǒng)的界面輸出。該系統(tǒng)操作簡單，對車牌識別的速度快、準確率高，且魯棒性好。系統(tǒng)測試結(jié)果表明，該方法可以滿足當下智能交通的實時性要求，在實際運用中具有一定的使用價值。

參考文獻：

[1]李甫，張佳成.復雜場景下車牌識別新方法[J].湘潭大學自然科學學報，2016，38（1）：90-92.

[2]王璐.基于MATLAB的車牌識別系統(tǒng)研究[D].上海：上海交通大學，2009：35-41.

[3]尹曉蕾.基于MATLAB車牌識別技術(shù)的研究[D].山東：山東科技大學，2014.

[4]方恒耀.基于GUI技術(shù)的汽車儀表開發(fā)平臺的研究[D].武漢理工大學，2007.

[5]常用邊緣算子比較.http：//wenku.baidu.com/link？url=_8fAcw

66RfwQGzLd3DEiW7s79tkVRM-7ZSkoW2RVVmfoUf1wGfnGzFj5e

Vy8yth_wwQZZzEAIP-1nOlp8kX0vaouVVZeUxCH02uPeLiFFna.