城市執(zhí)法拍攝圖像中的汽車牌照定位方法

李聰 管庶安

摘要：該文針對快速、準確定位出圖像中車牌區(qū)域提供了一種實用的算法，根據(jù)車牌區(qū)域中的字符特征進行多尺度柵格化及其柵格標記，利用數(shù)學形態(tài)學方法進行柵格操作，實現(xiàn)圖像中車牌的快速定位。

關(guān)鍵詞：車牌定位；柵格；圖像處理；數(shù)學形態(tài)學

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2018）04-0179-02

1 概述

在圖像中定位汽車牌照是汽車牌照自動識別中的關(guān)鍵環(huán)節(jié)。在城市街道等場合對車輛違法取證拍攝的圖像背景復雜，車牌在圖像中的位置和尺寸任意，定位難度很大。目前定位方法中，主要有基于邊緣檢測、模糊邏輯定位、彩色紋理特征等多種方法，這些方法在相機移動拍攝下，背景復雜，存在定位錯誤或不準確的問題。

本文采用的方法為將預處理后的圖像進行多尺度柵格化，然后按照車牌的字符特征進行柵格標記，再利用數(shù)學形態(tài)學中的腐蝕、膨脹方法對柵格進行刪除、分離、合并操作，實現(xiàn)車牌的快速和正確定位。

2 柵格劃分及其標記

將預處理后的圖像劃分為一塊塊矩形格，也就是將圖像柵格化，可以避免對圖像全部像素進行點、域運算，耗費大量的機器時間。之后對柵格進行數(shù)學形態(tài)學的腐蝕或膨脹操作，使定位的速度和正確性大大提高。

圖1和圖2是對同一幅圖像進行水平方向上的灰度掃描，圖1中是經(jīng)過車牌區(qū)域的灰度變化圖，而圖2是經(jīng)過非車牌區(qū)域的變化圖。圖中下方各有一條變化曲線，表示圖像某行掃描的灰度通過觀察比較兩圖，可以明顯看出，通過車牌區(qū)域的灰度變化曲線有很明顯的特征：1）灰度變化在車牌區(qū)變化很快，有很明顯的灰度曲線變動；2）車牌區(qū)灰度曲線有規(guī)律性的變化；3）車牌區(qū)灰度變化在一定范圍內(nèi)[4]。

現(xiàn)在，研究圖1的灰度變化曲線圖。觀察發(fā)現(xiàn)通過車牌上的字符，曲線會大幅度上跳再下跳，這一段之間的距離定義為水平白游程。反之，通過背景區(qū)域的距離定義為水平黑游程。

綜合以上特征，將圖像劃分為m×n個柵格。由于移動拍攝的圖像中，車牌相對于圖像的大小不固定，可能存在柵格過大或者過小的問題，導致無法準確的定位車牌。因此這里采用多尺度柵格劃分：

1） 建立數(shù)組LH[Height]，Height表示圖像的高度，然后逐行對圖像進行水平方向的掃描。當某一行i的白游程數(shù)大于7時，將該行LH[i-1]賦值為1.否則賦值為0.

2） 統(tǒng)計數(shù)組LH中，連續(xù)出現(xiàn)1的個數(shù)，定義為H。H可以表示為候選車牌區(qū)域的高度。

3） 根據(jù)H/Height的比值，也就是車牌區(qū)域相對于整個圖像的大小比值。若比值大于1/2，則將圖像劃分為10×10個柵格；若比值小于1/2并且大于1/4時，將圖像劃分為20×20個柵格；若比值小于1/4時，則劃分為30×30個柵格。

4） 根據(jù)劃分的柵格數(shù)，定義對應的數(shù)組byte 。對整幅圖像進行每隔n行的水平掃描，當某格的黑、白游程個數(shù)達到3個以上時，則將該格定義為標記格，并賦值為1.否則，賦值為0。

統(tǒng)計完成后，標記為“1”的柵格所形成的區(qū)域可能存在車牌的候選區(qū)。

3 基于數(shù)學形態(tài)學的柵格操作

顯然，在標記為1的柵格中，部分是不在車牌區(qū)域的。因此為了要最終得到準確的車牌區(qū)域，將利用數(shù)學形態(tài)學的方法，在確保車牌區(qū)域標記不被刪除的前提下，對柵格進行腐蝕、膨脹等變形操作，提取到準確完整的車牌區(qū)域。

操作1： 腐蝕

由于大部分車牌的形狀為矩形，長寬比在2─4之間，這里建立3×3的結(jié)構(gòu)元素模板。設為，如表 1。為了便于操作，將D按8位組織來表示，從高位到低位分別表示D7，D6……D1，D0，。并用2位16進制數(shù)表示D的模板取值。

操作2：膨脹

為了避免落在車牌區(qū)域的柵格未被標記，這里將采用膨脹法來對這樣的柵格進行標記操作。由于經(jīng)過腐蝕操作之后，標記為1的柵格基本都落在車牌區(qū)域。所以這里僅考慮Ty[i][j]為0且該柵格的鄰域值為1的柵格。

與腐蝕運算類似，同樣的建立3×3的結(jié)構(gòu)元素模板，設為Q[m][n]，m=0，1，2；n=0，1，2，將滿足上述條件的柵格的3×3鄰域分別與所有模板Q作膨脹運算，若存在任一模板Q有TyQ運算為1，則==1；否則，繼續(xù)保持為0。

4 實驗結(jié)果

用上述方法對46幅車牌圖象進行實驗，結(jié)果見表4：

其中兩幅圖像的實驗結(jié)果如圖3所示：

實驗是在基于柵格分層的基礎(chǔ)上進行操作的，相對于傳統(tǒng)的對上百萬個像素點的操作轉(zhuǎn)移到對約1000個柵格的操作上來，使定位速度大大提高。利用字符特征來進行柵格標識時，一般采集來的汽車圖像都存在各種干擾，但主要是圖像噪聲、天氣環(huán)境原因的影響，而這些干擾是不具有連續(xù)筆畫特征，因此這些干擾對柵格的標識沒有很大影響，從而在復雜環(huán)境背景下，能夠大大提高其定位的準確性。

參考文獻：

[1] 王永杰，裴明濤，賈云得.多信息融合的快速車牌定位[J].中國圖象圖形學報，2014，19（3）：471-475.

[2] 鐘彩. 基于灰度值的車牌圖像預處理研究[J].電子技術(shù)與軟件工程，2016（4）：76.

[3] 郭捷，施鵬飛. 基于亮度和紋理分析的車牌定位方法.中國圖像圖形學報，2002，7（5）：472-476.

[4] 閆建國，高亮. 圖像處理技術(shù)在車牌識別中的應用[J].電子計算機應用，2000（5）：576-578.

[5] 鐘彩. 基于灰度值的車牌圖像預處理研究[J].電子技術(shù)與軟件工程，2016（4）：76.

[6] 楊麗萍. 基于數(shù)學形態(tài)學的車牌定位研究[J].信息通信，2016（2）：64-66.

[7] 馬永慧，薛丹丹.基于數(shù)學形態(tài)學和投影法的車牌定位方法[J].電視技術(shù)，2013，37（7）：147-149.