图像处理在车牌识别中的运用

姚兆楠

(长安大学 理学院，陕西 西安 710064)

0 绪言

随着公路逐渐普及，我国的公路交通事业发展迅速。 人工管理方式已经不能满足实际的需要，智能交通管理系统成为道路交通管理的发展趋势， 其中汽车牌照的自动识别技术得到了广泛应用。 本文用MATLAB 软件编程来实现汽车牌照的识别[1]。

1 设计原理

车牌识别系统的基本工作原理是将包含车辆牌照的图像输入计算机进行预处理，再对牌照进行搜索、检测、定位，并分割出包含牌照字符的巨型区域， 然后对牌照字符进行二值化并将其分割为单个字符，归一化处理后输入字符识别系统进行识别。

车牌识别分为车牌定位、字符分割、字符识别三大部分。其中车牌定位是进行车牌识别的一个重要部分，只有正确的获取整个图像中的车牌部分，才能正确的对车牌进行文字识别，此系统用到了大量图像处理中的相关技术，其中重要的处理过程有灰度化、削弱背景干扰、二值化、边缘检测、形态学处理、牌照搜索以及区域剪裁等；字符分割包括字符的分割和归一化；字符识别包括字符提取和单子识别[2]。

2 车牌定位

车牌定位就是在车牌图像中定位牌照区域的位置。目前车牌定位主要采用以下三种方法：（1）基于边缘检测的方法；（2）基于水平灰度变化特征的方法；（3）基于车牌颜色特征的方法。车牌区域在整幅图像中所占的比例较小，要从整幅图像中定位车牌区域必然要在大量的背景信息中搜而，而且要求快速、准确地完成车牌定位。 因此，必须对车牌特征进行综合分析，抓住车牌区别于背景的显著特征，从而找到定位的有效方法，从图像中迅速分割出车牌[3]。 具体流程如下：

2.1 预处理及边缘检测

首先将彩色图像输入计算机，为了能够方便进行后期的数字图像处理，需要将24 位真彩色图都转化成256 色的灰度图。由于牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不完全匹配，这将直接影响到图象的后续处理。 这时就可以采用灰度校正的方法来处理，增强灰度的变化范围、丰富灰度层次，以达到增强图象的对比度和分辨率。 观察车辆牌照的灰度图像可以发现，背景对于牌照的干扰较大，因此先对灰度图像进行开运算，再将开运算后的图像与灰度图像进行代数减法，从而的到一个新的图像B。 为了能够更好地提取边缘，我们要对图像进行二值化处理。用一最佳阈值对图像B 进行二值化得到图像C。 数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域中十分重要的基础。 常用的边缘检测算子有微分算子、log 算子和canny 算子。本系统采用的是canny 算子来进行边缘检测，此方法不容易受噪声的干扰，能检测到真正的弱边缘。

2.2 牌照的定位与分割

牌照图象经过了预处理和边缘检测以后， 牌照区域已经十分明显，而且其边缘得到了勾勒和加强。 此时可进一步确定牌照在整幅图象中的准确位置。 首先对图像就行腐蚀和平滑处理， 并用了bwareaopen 来去除对象中不相干的小对象。接着通过计算寻找X 和Y方向车牌的区域，并定位剪切出车牌。 最后对分割出的车牌做进一步处理，即转化为灰度图像并进行二值化处理。 经过上述流程得到的汽车牌照见图2。

3 字符的分割与归一化

字符分割时将牌照中的单个字符分割出来，以供下一步字符识别使用。在汽车牌照自动识别过程中，字符分割有承前启后的作用。此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割。首先逐排检查有没有白色像素点，若图像两边像素为零，则切割去除图像左右两边多余的部分，然后切割去除图像上下多余部分，接着根据图像的大小，设置一阈值，检测图像的X轴，若宽度等于这一阈值则切割，分离出七个字符，最后使用商用系统程序中归一化大小40*20 对字符进行了归一化处理，与模板中字符图像的大小相匹配。 经过上述流程，得到的字符图像见图3。

4 字符的识别

字符的识别目前用于车牌字符识别中的算法主要有基于模板匹配的算法以及基于人工神经网络的算法[4]。 模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损、污迹干扰适应力强且识别率相当高。 本文采用模板匹配方法。

模板匹配是图象识别方法中最具代表性的基本方法之一，它是将从待识别的图象或图象区域f(i,j)中提取的若干特征量与模板T(i,j)相应的特征量逐个进行比较，计算它们之间规格化的互相关量，其中互相关量最大的一个就表示期间相似程度最高， 可将图象归于相应的类。 也可以计算图象与模板特征量之间的距离，用最小距离法判定所属类。 本系统采用相减的方法来求得字符与模板中哪一个字符最相似，即其与模板中字符相减的误差最小，然后找到误差最小的输出。汽车牌照的字符一般有七个，大部分车牌第一位是汉字，通常代表车辆所属省份，紧接其后的为字母与数字。 车牌字符识别与一般文字识别在于它的字符数有限，汉字共约50 多个，大写英文字母26 个，数字10 个。 所以建立字符模板库也极为方便。

首先取字符模板，接着依次取待识别字符与模板进行匹配，将其与模板字符相减，寻找不为0 的像素点。 把每一幅相减后的图中不为0 的像素点个数保存，然后找数值最小的，即为识别出来的结果。

识别过程及识别结果见图1。

图1 字符识别过程和识别结果

5 结论

系统基于数字图像处理的算法，通过MATLB 语言编程，较理想地完成了对车牌的识别。 其主要实现过程是：一是，在背景的图象中定位分割牌照区域；二是，对分割下来的牌照进行字符分割与归一化处理；是，设计识别程序进行字符识别。 但是，在设计的过程中发现，使用另一幅图像后，识别效果始终没有那么理想。 需要做一定的设置后才能识别出相应的字符。 所以本系统本身还存在许多不足，有待后续改进。

［1］高成.MATLAB 图像处理与应用[M].2 版.北京：国防工业出版社,2007.

［2］章毓晋.图像工程.上册,图像处理[M].北京:清华大学出版社,2006.

［3］Gonzalez,R.C., Woods,R.E.数字图像处理[M].3 版.阮秋奇,等,译.北京:电子工业出版社,2011.

［4］刘阳,尹铁源,葛震,等.数字图像处理应用于车辆牌照识别的研究[J].辽宁大学学报:自然科学版,2004(1).