一种基于灰度差阈值的快速车牌定位方法

高振勇 曹陆军

（1、安徽工商管理学院10c712 MBA班学生，安徽 合肥 230052 2、安徽省高速公路控股集团公司 工程师，安徽 合肥 230601）

1 概述

目前我国的公路里程越来越长，公路上行驶的车辆越来越多，要实现对行驶车辆进行管理是现代交通重要的研究方向。智能交通管理是未来道路交通管理的发展趋势。借助计算机和外场的监视设备，智能交通管理系统可以大大降低公路部门管理人员的工作量，提高了管理效率，降低劳动强度。通过分析现场采集的数据，可对路网规化和设计提供第一手资料。而车辆识别是智能交通管理中的一个重要环节。本文采用车辆的灰度图片进行图像分析。避免了彩色图像运算时，需要对图像进行颜色空间变换、计算量大的缺点。

2 图像预处理

彩色图像在进行图像处理时算法复杂，会增加计算机的运算量，因此首先要将彩色图像转换成灰度图像，以加快图像处理的速度，转换公式为I=0.299R+0.587G+0.114B。

在现代交通管理系统中，外场成像设备采集图像的质量均有很好的改善，成像过程中噪声得到了很好地抑制。主要存在的问题是由于光照强度的不同而造成图像偏暗或偏亮，引起对比度不足的问题。特别是夜晚光照不足引起的图像偏暗情况对图像的后期处理产生了很大的影响。

本文采用直方图均衡化方法对各种对比度不足的图像进行图像增强，将集中在比较小范围的原始直方图转化为均匀分布的形式，从而增加了象素灰度值的动态范围，达到增强图像整体对比度的效果。

3 车牌定位

车辆图像经过图像灰度化及针对对比度不足的图像进行图像增强后，即可对图像进行二值化，进一步突出车辆牌照区域灰度出现的多次跳变，从而确定牌照的位置。

3.1 图像灰度差二值化

根据车牌区域图像字符和底色各自都具有比较均匀的灰度值，而相互之间灰度差值却比较大的特征。

我们可根据不同类型牌照的字符和底色间灰度差合理设置一个阈值T，该阈值可以将大多数车牌的字符和底色分割开来，并且尽可能弱化车辆主体和图像背景对识别处理的干扰。对灰度差大于该阈值T的象素，将当前点标注为灰度跳变点。

选择几组有代表性的图像，分别在底色区域和字符区域取相互间灰度值差值最小的点为采样点，其相互间的差值为采样点中底色和字符之间灰度值的最小差值。统计不同车辆图像车牌区域中底色和字符的灰度值及相互之间的灰度差值。

使用灰度差阈值对灰度图进行二值化能较好的将车牌字符和底色分离，尽可能的弱化了车牌纹理外其它区域的纹理信息。避免了设置阈值生成二值化图像方法中设置阈值不当，而将牌照区域字符和底色置为同一灰度值的问题。相邻灰度值相减比使用边缘检测算子（如Sobel算子、Roberts算子等）更有针对性，边缘检测算子都不是专门用于检测垂直边缘的，运算量大，且生成了过多边缘，对车牌定位带来不便。

3.2 车牌定位

通过灰度差阈值对图像进行二值化，车辆和背景信息由于灰度值之间相差不大，细节被相对弱化，大多被置为相同的灰度值，区域内无较明显的灰度跳变，只在边缘处产生少量间断跳变点。而图像中牌照区域字符和底色相互灰度值差别较大，大于设定阈值，被置为白色跳变点。

查看经过灰度差阈值二值化后生成的二值图，可以发现跳变点较多的区域主要有车牌区域、车辆散热片区域和车灯区域，车辆牌照一般位于车辆的下半部分。在车辆的牌照区域以下，图像一般较单调，无明显的灰度跳变。定位程序由图像最下行开始，由左至右逐行向上扫描，这样就减少了运算的复杂度、提高车辆定位的准确率。

一个坚笔划在二值图一行中产生4次两种颜色互变的跳变点，一个字符在图像一行中至少有4次跳变。因为汽车牌照中有7个字符，在车牌区域一行中至少出现28次跳变点。我们设置车牌区域行跳变点为32，通过扫描图像找到一块区域，该区域内每一行跳变点均大于等于32，且跳变点间距离小于两字间最大间距，则可以认为该区域为车牌所在区域，即找到了图像中车牌的位置。

程序步骤如下：

(1)由下至上、由左至右依次扫描，扫描至灰度跳变点时，标志该跳变点f(x,y)为行起始跳变点pzLeft，行有效跳变点计数iResult[j]=1。

(2)根据实际情况设置跳变点之间最大间隔D。图像中车牌中两个字符最多占36个象素点，可设置跳变点间最大间隔D=16。扫描下一跳变点，两跳变点的距离大于D，则设置行起始跳变点pzLeft不符合间隔条件，从当前点向下继续扫描，寻找下一跳变点为pzLeft。若两跳变点的距离小于D，则下一跳变点为有效点，跳变点计数iResult[j]=iResult[j]+1，设置下一跳变点为当前跳变点，继续扫描。

(3)扫描至两点之间距离大于D或该行无后续跳变点时，若iResult[j]小于32次，该行起始点不符合车牌跳变条件，故从当前点继续向后扫描，pzLeft、iResult[j]重置。若跳变点数目iResult[j]等于或大于32次，最后跳变点为行终止跳变点pzRight，记录本行行号pzBottom，有效行数为findLN=1。

(4)车牌图像中字符高最小占据12个象素点，可设最小有效行数为12。扫描邻近上一行pzLeft、pzRight之间区域，如不满足跳变次数条件，则从pzBottom行终止跳变点pzRight向下扫描，重新寻找行起始跳变点pzLeft。若满足跳变次数条件则继续向下扫描，findLN=findLN+1。直至连续扫描几行均满足跳变次数条件。为了加强程序的容错性，扫描中行有效跳变点计数iResult[j]>=22或者有效行数findLN>8且18

(5)执行扫描，直至行扫描不满足跳变次数条件为止，记录最后行行号为pzTop。此时找到一块矩形区域，且跳变的列起止位置大致相同。

(6)我国车牌标准为宽0.45米，高0.15米，因此车牌宽高比为3。根据上式所得pzLeft、pzRight、pzBottom、pzTop 计算车牌长宽比 rate为。若则可确定所得矩形区域既为车牌位置。若不满足则从pzBottom行行终止跳变点pzRight往下扫描。

(7)重复执行(1)到(6)，直至找到一块符合条件的车牌区域为止。

本方法较之投影法对二值图先进行水平投影找到车牌上下边界，再垂直投影找到车牌确切位置，更多的到考虑车牌各项特征。投影法往往将车辆其它纹理丰富区域误认为车牌区域，且定位不准。优于数学形态学方法[4]对边缘图像进行膨胀处理，生成多个封闭区域，再使用垂直投影找出准确车牌位置。其算法步骤多、运算复杂，加强了背景中的部分噪声，对几个封闭区域进行筛选，容易误选车牌区域且定位不准。而使用本文车牌定位方法主要从车牌的纹理特性入手，综合考虑车牌中字符最大间隔和车牌长宽比特征，步骤少、针对性强，能准确找出车辆牌照区域。

结论

本文采取的方法能准确迅速的找到车辆图片中车牌的位置，具有响应速度快、准确率高的特点。彩色图像灰度差阈值二值化，减少了程序的步骤，降低了运算复杂度。程序从图片下向上扫描，减少了运算量，提高了准确性。利用扫描行间跳变点数目、设置跳变点间最大距离、连续跳变行和有效区域长宽比，能准确地找出图片中车牌的位置，且找出区域有效信息量多。能够较好的满足不同环境下，实时车辆图片的车牌定位。

[1]付炜，王大江，赵正则，张宇.一种实用新型蓝底白字车牌定位方法及实现[J].电子测量技术，2008，31(1):25-28.

[2]葛海江，方江江，张翔.车牌识别系统中车牌定位及倾斜矫正算法研究[J].杭州电子科技大学学报，2007，27(2):49-52.