基于灰度跳变与形态学的车牌定位法

王洪亚

(淮阴工学院计算机工程学院，江苏淮安 223001)

基于灰度跳变与形态学的车牌定位法

王洪亚

(淮阴工学院计算机工程学院，江苏淮安 223001)

车牌定位是车牌识别系统的关键步骤，定位的准确与否直接影响车牌识别的结果.提出了一种基于灰度跳变与形态学的定位方法.对于车牌候选区的二值图像，根据车牌的水平分布特点，从长宽之比、面积之比等多个方面进行综合分析，从而可以更加精确地对车牌进行识别.实验验证表明，基于该算法的车牌识别系统能够达到较高的车牌识别率.

图像预处理;车牌识别;数学形态学

0 引言

随着计算机图形图像处理技术的发展，车牌识别技术的准确率越来越高.关于车牌定位目前使用较多的几种算法包括直线检测法、阈值化法、灰度边缘检测法等［1-3］.在此基础上，本研究采用一种基于图像的投影特征，使用区域合并的手段，结合车牌的宽高比的车牌定位方法.这种方法的特点是:与基于颜色定位方法相比，更实用;与一般的基于阈值的定位方法比较，由于添加了形态学处理以及利用区域合并的思想，其识别率得以较大提高.

1 图像预处理

1.1 灰度处理

通常，从摄影设备里得到的彩色图像一般还需要进行处理，这种图像是由红、绿、蓝3种基础颜色组成的RGB图像.在本研究中，采用加权平均法［4］把彩色图像转换为灰度图像.

其中，Wr、Wg、Wb分别为R、G、B的权重值.一般情况下，人的眼睛对绿色十分敏感，因此绿色所占的比重最大，通过下式可以进行转换，

式中，R、G、B分别为彩色图像的颜色分量，Gray(i，j)为灰度图像在(i，j)处的灰度值.

1.2 边缘检测

对汽车车牌图像研究的方便之处就在于汽车车牌牌照区域具备很多易于测量的边界，比如说垂直的、水平的、斜向的，并且这些区域与其他区域相比，方便检测.目前，常用的边缘增强算子有一阶微分算子、二阶微分算子.为了减少计算量，本研究选择一阶微分算子作为边缘增强算子，而且这种一阶微分算子可以按照求导的方向分为水平和垂直方向的模板，通过寻找梯度最大值来增强图像中的水平和垂直边缘.常用的一阶微分算子有Roberts边缘算子、Sobel边缘算子、Prewitt边缘算子.

Robert算子是用交叉的差分表示梯度的一种梯度算子，利用局部差分算子寻找边缘的算子对具有陡峭的低噪声的图像检测效果最好.

Prewitt算子是加平均算子，对噪声有抑制作用，但是像素平均相当于对图像进行低通滤波，所以prewitt算子对边缘的定位不如Robert算子.

Canny算子基于Laplace滤波，采用两个阈值，对强边和弱边进行检测，相对于其他边缘检测算子，Canny算子对像素变化更加敏感，能更好地捕捉图像中的微弱边缘.

3种算子对图像处理的效果如图1所示.实际比较可以发现，在本算法图像处理中使用Robert算子进行图像边缘处理效果最好.

1.3 图像数学形态学处理

图1 3种常见的算子处理的图像边缘检测效果

形态学借助于一种结构元素，实现对图像大小、形状的检测，得到图像的灰度以及其他信息［5］.膨胀、腐蚀、开启和闭合4个基本的形态是数学形态学分析中重要的元素，也是分析车牌定位的必须过程.

1)膨胀的数学定义.

膨胀的含义是，B的反射进行平移与A的交集是A的子集.膨胀对填补分割后图像物体中的空洞很有用.膨胀实现的效果是使图像扩大，桥接缝隙，避免车牌字符的断裂.

2)腐蚀的数学定义.

腐蚀的作用是消除图像的细节部分，消除过于小的待选区域，使图像平滑，产生滤波器的作用.

在本研究中，选择 se=［1:1:1］、disk 2种方法对图像进行腐蚀操作，取值 se=strel(＇disk＇，1)和 se=［1:1:1］，其效果如图2显示.可以看出，选择se=［1:1:1］的腐蚀效果最好.

图2 腐蚀效果对比

3)开启与闭合是一对作用与反作用的关系，开启时对图形进行腐蚀、膨胀的先后运算，而闭合则刚好相反.开运算的数学定义是，

开运算的含义是，先用B对A进行腐蚀，然后用B对结果进行膨胀.经过这样的操作，实现的效果是使图像的轮廓变得光滑，断开狭窄的间断和消除细的突出物.

图像处理主要涉及开启与闭合2个过程，其关键是对不可缺少的部分进行有效融合，而那些无关重要部分可以舍弃.

在本研究中，分别选择 se为 se=strel(＇rectangle＇，［25，25］)和 se=strel(＇disk＇，10)，图像处理效果如图 3所示.可以发现，使用se=rectangle时，车牌部分能够很好地显示轮廓，而se=disk时车牌部分中间是断开的，这样不利于车牌的定位和字符分割.

图3 使用rectangle、disk方法图像处理的不同效果对比

2 车牌区域定位

2.1 车牌区域粗定位

在车牌区域粗定位时，先进行水平和垂直投影，计算每一列的非零元素的个数，计算结果是一个行向量.然后粗略估计车牌可能的区域.本研究中用到投影法之处的处理的都是二值化后的图像，得到的水平投影图如图4所示，垂直投影图如图5所示.

得到投影图后，对图像用Robert算子检测边缘，计算候选区的个数，并记录各个候选区的有关信息，这些信息包括候选区的左上和右下的边缘、中心坐标以及宽高比，然后进行相邻候选区域的合并.合并需要满足的条件是，左上和右下的行列坐标之和两者之间的距离在允许的很小范围之间.给出的先验距离是行坐标之和的距离小于等于图像高的1/30，列坐标之和的距离小于等于宽的1/15.在合并的过程中需要重新计算各候选区的宽高比，还要防止重复记录.合并完成后，就可以根据高宽比来确定是不是车牌区域.根据先验知识，本系统研究的车牌高宽比约为0.4.

2.2 车牌区域细定位

车牌细定位的目的就是对粗定位的候选区进行筛选，然后精确估计车牌区域，为下一步字符的分割做准备.

在车牌区域细定位时，扫描行可以表示为f(i)，其中1≤i≤N.令，

这一行的跳变次数可以表示为，

根据得到的幅度边缘图的亮度变化来判定车位.采用从中间向上、下两边搜索.跳变次数小于12的扫描得到的结果是不精确的.按照常识，一般一个车牌最起码包含7位数字，在对每一个数字进行扫描时涉及到图像的变化对比，因此，每个字符最起码要在扫描时出现2次明暗变化，通过设置合适的跳变次数，就可以实现确定车牌的上下界.

对此前已经得到疑似车牌的位置，使用像素点检测技术，进行纵坐标的定位于截取.算法的部分代码如下，图像车牌定位过程流程图如图6所示.

3 实验结果

在实验中，测试使用的机器为PIV(cpu 2.0 G，1 G内存)，利用Matlab 7.0软件对3 000幅图片进行了测试.表1是本研究定位算法和基于颜色或灰度信息分析算法［6］进行的车牌定位数据对照表.

传统算法3 000 2 867 3.4673本算法3 000 2 994 2.3654

实验结果表明，本研究提出的车牌定位算法具有较强的定位能力，特别是对一些拍摄效果较差、噪声较多的车牌图像具有良好的抗噪力.

4 结语

本研究采用灰度跳变法与数学形态学分别对车牌进行粗定位和细定位:首先通过数学形态学的特点粘连车牌断裂区域，滤去细小的噪声区域，同时平滑图像，最后检测出待精定位的候选区域;接着，再利用灰度跳变进一步精确地确定车牌区域;最后，根据车牌的先验知识确定车牌区域.

:

［1］Suresh K V，Kumar G M，Rajagopalan A N.Superresolution of license Plates in real traffic videos［J］.IEEE Transactions on Intelligent Transportation Systems，2007，8(2):321-331.

［2］Youssef S M，AbdelRahman S B.A smart access control using an efficient License plate location and recognition approach［J］.Expert Systems with Applications，2008，34(1):256-265.

［3］Mecocci A，Tommaso C.Generative models for license plate recognition by using a Limited number of training samples［C］//Proceedings of2006IEEE International conference on Image Processing.Atlanta，GA:IEEE Press，2006:2769-2772.

［4］聂洪印，周卫东，刘辉.多颜色模型和综合特征下的车牌定位新方法［J］.计算机工程与应用，2010，46(12):221-223.

［5］Anagnostopoulos C N E，Anagnostopoulos I E，Psoroulas I D，et al.Plate recognition from still images and video sequences:a survey［J］.IEEE Transactions on Intelligent Transportation Systems，2008，9(3):377-391.

［6］Li C，Xu C，Gui C，et al.Level set evolution without re-initialization:A new variational formulation［C］//IEEE Conference on Computer Vision and Pattern Recognotion(CVPR).San Diego，CA，USA:IEEE Press，2005.

License Plate Location Method Based on Gray-scale Transition and Morphology

WANG Hongya
(School of Computer Engineering，Huaiyin Institute of Technology，Huaian 223001，China)

The vehicle license plate location is key part of automatic vehicle plate recognition system.The accuracy of location will influence the plate recognition.This paper presents a positioning method combining gray transition with morphology.For binary image of the license plate candidate region，according to the characteristics of the horizontal distribution of license plate，this algorithm analyzes comprehensively from the length and width ratio，area ratio and other aspects，so that the license plate can be more accurately recognized.The experimental results prove that the license plate recognition system based on this algorithm can achieve the higher license plate recognition rate.

image preprocessing;license plate recognition;mathematical morphology

TP391.41

A

1004-5422(2013)03-0270-04

2013-05-23.

江苏省科技型企业创新项目(BC2011441)资助.

王洪亚(1984—)，女，硕士研究生，从事计算机数字图像处理技术研究.