一种基于笔画特征的车牌前景背景分割新方法

丛露微，沈星星

(南京邮电大学自动化学院 210003)

0 引言

在当今社会，机动车牌号码的识别有着广泛的应用前景，目前这方面的研究很多[1]。车牌号码识别的过程基本可以划分成3个环节：车牌定位、车牌前景背景分割[2]、车牌识别[3]。而车牌前景背景分割是车牌识别系统中较为重要的一个步骤，分割结果的优良决定了车牌识别结果的正确率。

在以往常用的车牌前景背景分割的算法是Otsu算法[4]，该算法在区分前景背景的步骤中，常用方法是基于前景即字符的面积是小于车牌背景面积。但是在定位面积偏小，或者图像比较模糊的情况下，该假设不成立。因此，本文中提出了一种新的基于笔画特征的区分车牌前景背景的方法，应用在Otsu算法中，以获得更加准确的分割效果。

1 图像分割算法分析

图1所示为一幅静态的车牌图像其包含特征还是较多的，从颜色来看我国的车牌号码类型，依据法律规定有蓝底白字、黄底黑字、黑底黄字等，从形状来看，一般是长方形，经统计，长宽比例符合1:4,因此本文提及的实验图像都是归一化到60×240的灰度车牌图像。

图1 静态车牌图像

为了在车牌图像分割的过程中充分利用车牌图像中包含的信息。本方法利用了车牌字符宽度信息，即假设在一幅图像中的字符宽度是一致的，且其字符笔画宽度是小于字符间间隙宽度的。

基于上述的假设，本文中方法基本分为如图2所示的步骤：

图2 车牌图像分割流程图

1.1 图像预处理

在求解图像边缘之前，需要对图像进行预处理[5]。通过多次实验，发现由于汉字字符[6]结构复杂，其笔画宽度统计值对于总体统计结果有较大的影响，因此，首先对于原图像计算垂直灰度，粗略分割，去除汉字字符。处理图片如图3所示。

图3 处理初部图像

1.2 求解图像边缘

为了求解出车牌图像中的字符笔画宽度，首先要计算出图像边缘，本方法中使用canny算子[7]计算图像边缘,并细化，计算结果如图4所示。

图4 综合处理后的结果图像

1.3 根据法线方向距离计算出平均字符宽度

获得边缘图像后，统计每个边缘沿法线方向到达另一边缘的宽度，即为笔画宽度，并计算笔画宽度内的灰度均值，作为字符平均灰度的标示,具体的算法步骤如下：

首先根据1.2中求得的边缘图像[8]，求解法线方向theta。

再根据起始点和法线方向theta，求解笔画宽度算法：

令法线方向路径中的像素为xn；Count 为法线方向上的所有像素综合；

whilexn不是边缘

建立xn的下一步矩阵，即xn像素的8-近邻定义为xni(i=1...8)，如图5所示。

图5 边缘图像

2 实验结果与比较

根据如上介绍的方法结合Otsu算法，对于车牌图像进行分割，并取像素均值接近于笔画内像素均值的为字符区域。

本文实验中选择白底黑字，黑底白字的图片各50张。使用本文所述方法（记为方法一）与以往常用的按照面积区分前景背景的方法（记为方法二）相比较其正确率如表1所示。

表1 算法正确率对比

区分前景背景算法计算时间比较（双cpu:Core T5600；内存：1.5G ），如表2所示。

表2 算法时效对比

以上结论可以看出本方法有效地提高了区分前景背景的正确率，但是该方法计算步骤比价繁琐,时间消耗较大，适合对于实时性要求不高的系统。

3 发展前景和展望

采用本文提出的基于笔画特征的车牌前景背景分割的方法，对大量实际图像进行实验都得到了较好的分割效果。文中表述的基于笔画特征区分车牌前景背景的新方法，其在区分前景背景的正确率上较以往传统算法有所提高。但是其计算运行时间仍然无法符合系统实时性的要求。在以后的研究过程中，可以在算法计算量上着手，进一步改进算法，使其适用于实时性较高的系统。

[1] 王刚，冀小平.基于MATLAB的车牌识别系统的研究[J].电子设计工程，2009（11）.

[2] 熊春荣，谢妙.基于数学形态学的车牌分割算法[J].电脑知识与技术，2009（24）.

[3] 韩立明，王波涛.车牌识别中关键技术的研究与实现[J].计算机工程与设计，2010(17).

[4] 杜亚勤，郭雷.一种遗传优化和Ostu的图像模糊边缘特征提取方法[J].计算机工程与应用，2009(19).[5] 章毓晋.图像工程（上册）：图像处理[M].北京：清华大学出版社，2006.

[6] 陈容红，刘玉娟.车牌识别系统中字符分割技术研究[J].制造业自动化，2010（5）.

[7] 陈强，朱立新.结合Canny算子的图像二值化[J].计算机辅助设计与图形学学报，2005(6).

[8] 熊哲源，樊晓平，黎燕.基于数学形态学边缘检测的车牌字符分割算法[J].计算机系统应用，2010（9）.