基于MATLAB的車牌定位技術研究

張萍　陸淑勤　徐海峰

【摘 要】利用MATLAB軟件的強大功能，通過對采集到的車牌圖像進行灰度化、去噪、邊緣檢測、形態(tài)學濾波等，完成了MATLAB環(huán)境下的仿真，最后實現了基于灰度邊緣檢測的車牌定位。實驗結果表明，該方法去噪效果較好，簡單方便，定位快、成功率高。

【關鍵詞】MATLAB;車牌定位;灰度化;邊緣檢測

中圖分類號： TP391.41文獻標識碼： A文章編號： 2095-2457（2019）32-0038-002

DOI：10.19694/j.cnki.issn2095-2457.2019.32.015

Research on License Plate Location Technology Based on MATLAB

ZHANG Ping LU Shu-qin XU Hai-feng

（Electric power Department Yinchuan， Yinchuan Ningxia 750105， China）

【Abstract】Using the powerful functions of MATLAB software， through graying， denoising， edge detection and filtering of the collected license plate images， the simulation under the environment of MATLAB is completed. Finally， the license plate positioning based on gray edge detection is realized. The experimental results show that the method has good denoising effect， simple and convenient， fast positioning and high success rate.

【Key words】MATLAB; License plate location; Grayscale; Edge detection

0 引言

隨著社會的發(fā)展，機動車數量不斷遞增，城市交通面臨巨大壓力，車牌定位及車牌識別成為智能交通管理的研究熱點。車牌定位的準確與否會直接影響到后面字符分割和識別的準確率，也直接影響著車牌識別系統的整體性能和穩(wěn)定性[1]。本文在研究了國內外己有的各種車牌定位方法的基礎上，結合了我國車牌的特征，在MATLAB環(huán)境下，對采集到的車牌圖像進行灰度化、去噪、邊緣檢測、形態(tài)學濾波等，實現了基于灰度邊緣檢測的車牌定位，且經過實驗，獲得了較好的效果。

1 車牌定位

車牌定位就是從給定的車牌圖像中找到車牌區(qū)域的位置，并將車牌所在局部區(qū)域從整幅圖像中分割出來，為后續(xù)的字符分割、識別奠定基礎[2]。本文采用基于灰度圖像的邊緣檢測的方法實現車牌定位。車牌定位的過程是：首先對采集到的車牌圖像預處理進行灰度化，將彩色的車輛圖像灰度變換為黑白兩色圖，進行去噪處理;然后利用各種算子進行圖像邊緣檢測及二值化，經過分析比較得出一種較滿意的算子;結合數學形態(tài)運算，將邊緣檢測后的圖像進行腐蝕、閉合運算處理，再利用函數刪除圖像中影響車牌區(qū)域的小對象，利用矩陣運算確定車牌區(qū)域，以提取出車牌。具體過程如圖1所示。

圖1 車牌定位過程

1.1 圖像的灰度化

實際應用環(huán)境中獲取到的車牌圖像都是彩色圖像，可由于所獲取的彩色車牌圖像有可能顏色退化，或者受到其他一些因素的干擾，反而增加了車牌定位的難度。灰度圖像因其包含信息量小、保存完好的色度與亮度的特征分布、占用空間少、處理速度快等優(yōu)點，被廣泛應用于車牌定位。圖像灰度化就是把彩色圖像轉換為研究所需的灰度化圖像。

常用的圖像的灰度化方法較多，如最大值法、平均值法和加權平均法等。本文采用加權平均法，它是根據視覺對不同顏色的敏感程度或其它因素，將三個變量冠以不同的權重再求和，應用最為廣泛[3]。權值的選取不同，所得到的灰度圖像的亮度是不一樣的。從人眼的視覺效果上來考慮，結合前人研究的大量實驗，本文選取了權值分別為0.30、0.59、0.11進行了灰度化處理，所得到灰度圖像效果表現地更好。計算公式如下：

Y=0.30×R+0.59×G+0.11×B

式中R、G、B 分別是彩色圖像的3 個基本分量信息，Y 是灰度圖像的灰度值。

圖像灰度化在MATLAB仿真中采用的函數是rgb2gray（），其作用是將原圖像轉換為灰度圖像。調用格式為：I=im2gray（filename）。

1.2 圖像去噪

在圖像的采集、傳輸或處理的過程中，會經常有大量的隨機冗余信息夾雜其中，這些圖像中的干擾信號稱為噪聲[4]。減少或消除數字圖像中噪聲的過程稱為圖像的去噪。中值濾波器在對付并處理隨機噪聲的效果上非常好，同時，它對消除椒鹽噪聲特別管用，因此中值濾波被廣泛地使用[5]。本文采用中值濾波法進行去噪，去除了多余而無關的噪聲，同時也完好的保護了圖像的邊緣信息。

1.3 邊緣檢測

圖像邊緣是圖像的一個相當重要的特征，邊緣處理主要是增強圖像中亮度變化明顯的點并通過微分使圖像邊緣更加清晰。典型的邊緣提取方法是利用邊緣鄰近一階或二階方向倒數變化規(guī)律，將圖像中灰度有階躍變化的像素找出來[6]。本文針對車牌圖像邊緣檢測常用的roberts、prewitt、canny等幾種算子進行了研究并在仿真實驗中進行了比對，實驗結果發(fā)現canny算子邊緣檢測使用兩種不同的閾值分別檢測強邊緣和弱邊緣，并且僅當弱邊緣與強邊緣相連時，才將弱邊緣包含在輸出圖像中，這種方法不容易受到噪聲的影響，能夠檢測到真正的弱邊緣。本文采用canny算子完成邊緣檢測。如圖2所示。

圖2 canny算子邊緣檢測

1.4 形態(tài)學濾波

邊緣檢測去除與目標對象無關的一些信息，并且成功地保存和提取車牌圖像的有效邊緣。但仍然存在一些區(qū)域邊緣的橫向干擾，需進一步的排干擾處理。這里采用數學形態(tài)學的方法處理來達到濾波的目的。數學形態(tài)學是一種非線性濾波運算，主要用于處理圖像中關于形態(tài)的問題，如提取邊界、孔洞填充、提取骨架等。其特點是不影響圖像的細節(jié)和邊緣，抗噪性能好，簡化形狀結構[7]。數學形態(tài)學主要的運算方式包括膨脹、腐蝕以及開、閉運算。本文是在對圖像進行邊緣檢測后，利用形態(tài)學的腐蝕、閉合兩個基本運算的組合得到圖像中的連通域，然后使用bwareaopen函數移除不符合車牌特征的小對象，進而定位出車牌。

1.5 車牌定位

利用車牌的連續(xù)特性，采用行掃描法對車牌區(qū)域進行定位。根據車牌通常懸掛在車輛下部的特點，本文車牌定位算法采用從上而下、從左到右的方式對圖像進行掃描。車牌包含的7-8個字符分布集中，且排列規(guī)則，掃描時通常情況下每個字符會出現兩次跳變。加上車牌還有兩個豎直邊框，車牌字符就變成了9-10個，再考慮到字符可能會存在模糊、部分損壞、傾斜等現象，這里將跳變閾值設置為24，結果發(fā)現得到的效果很好。采用行掃描后，得到的車牌定位圖如圖3所示。

圖3 車牌定位結果圖

2 車牌定位結果分析

為了驗證本文中的算法，采集了200張不同條件下拍攝的車輛圖像進行了多次的仿真實驗。試驗后統計結果發(fā)現，能夠準確定位的圖像是192張，車牌定位的成功率為96%，每幅車輛圖像的定位運算時間為0.896s。實驗結果比較成功，但是仍有定位出錯的結果。將定位出錯的8個實驗結果進行分析，原因可能是：一是采集圖像時受到天氣、光線等多種因素的影響，采集到的車牌圖像質量有所差異導致定位不準確;二是實際應用過程中，車牌會出現不同程度的污染或磨損，使得車牌不夠明顯導致了車牌定位失敗。對于以上問題，只要提高攝像機的配置或者保證車牌的潔凈度即可有效解決車牌定位問題。

3 結論

車牌定位是車牌識別系統的關鍵部分，車牌定位結果車牌識別的速度和識別率[8]。本文首先對車牌定位系統的現狀和已有的技術及算法進行了研究，針對我國車牌，利用MATLAB軟件，設計了車牌定位仿真程序，在操作過程中對拍攝的車輛圖像進行了灰度化、去噪、邊緣檢測、濾波等預處理，并對預處理中邊緣檢測各算子進行分析、比較，實現了基于canny算子邊緣檢測的車牌定位。實驗結果表明，這種方法能夠適用不同尺寸的圖片精確定位到車牌位置，算法簡單，通用性好，具有較好的準確性和實時性。

【參考文獻】

[1]蔡秀梅，周川力.基于直線檢測和數學形態(tài)學的車牌定位算法[J].計算機與數字工程，2018（8）：1643-1646.

[2]羅山，李玉蓮.車牌定位方法綜述[J].山西電子技術，2019（1）：94-96.

[3]馬軒.車牌識別關鍵技術研究[D].西安：西安電子科技大學，2014.12：7-9.

[4]張婷婷，馬杰，劉新艷，葛嶺嶺.低秩遮擋圖像去噪方法[J].光電子·激光，2015，26（1）：184-191.

[5]陳佳.基于形態(tài)學的車牌定位方法的研究與應用[D].衡陽：南華大學，2015，5：21-22.

[6]董欣.車牌精確定位算法探究[D].杭州：浙江大學，2017，1：13-15.

[7]李忠海，梁書浩，楊超.基于數學形態(tài)學和顏色統計的車牌定位方法[J].科技風，2018（3）：1-3.

[8]侯向寧，劉華春.基于顏色分割與sobel算子相結合的車牌定位[J].計算機技術與發(fā)展，2018（8）：156-159.