一种快速的车牌自动定位方法

李万相，田莹

（1.鞍山市第八中学，鞍山114000；2.辽宁科技大学软件学院，鞍山　114051）

一种快速的车牌自动定位方法

李万相1，田莹2

（1.鞍山市第八中学，鞍山114000；2.辽宁科技大学软件学院，鞍山114051）

0　引言

车牌识别是智能交通系统的重要组成部分，识别的准确率直接影响到智能交通系统在实际应用中的使用效果。车牌识别系统主要的工作过程是：利用摄像机或照相机等设备拍摄包含车牌的车辆图像，然后对图像进行处理分割出每辆车的车牌号码，最后对分割出的数字、字母和汉字进行识别，再通过少量后处理技术就可以广泛应用于停车收费、高速公路收费、违章检测中，对城市的交通管理起到明显的改善作用。因此车牌识别系统的组成部分可以归纳为：车牌定位、字符分割和字符识别。其中车牌定位是第一步，也是最为关键的一步，关系到后续其他步骤的处理过程，所以车牌定位是车牌识别系统的基础。目前车牌定位的方法有许多种，主要包括基于边缘检测的方法［1］、基于数学形态学定位［2］、基于小波分析定位［3-4］以及基于彩色图像和纹理特征分析［5-6］等方法，这些方法各有所长。其中基于边缘的方法最简单也最有效。

基于此，本文提出一种简单实用的基于边缘的快速自动车牌粗定位方法，该方法针对车牌区域的特点，采用自动阈值分割方法对图像进行二值化，保证车牌区别能够被正确阈值分割，然后在此基础上进行边缘检测和噪声边缘的去除以确定字符区域，最后采用灰度跳变特征定位出车牌区域。本文方法在手机拍摄的车牌图像上实验，不仅速度快，可以满足实时处理要求，而且定位准确率也很高。

1　快速定位方法描述

本文提出的车牌快速自动粗定位方法的流程为：首先，利用摄像设备获取包含车牌的车身图像，然后将数据图像进行灰度转换和二值化等处理过程得到二值图像，再利用梯度算子对二值图像求取边缘，根据车牌区域特征剔除不符合要求的边缘信息，最后采用二值边缘图的跳变特征进行车牌区域分割定位。

1.1图像灰度化

彩色图像包含颜色信息，因此不但信息量大，而且存储上开销很大，在处理上也会降低系统的执行速度，所以本文采用灰度图像进行处理，这就要求首先将彩色图像转变为灰度图像。由彩色图像转换为灰度图像的过程叫做图像灰度化。

本文采用较为普遍使用的加权平均公式进行灰度化，如公式（1）所示：

H=0.2989×R+0.5870×G+0.1141×B（1）

其中，R、G、B分别代表红、绿、蓝三种颜色值，H代表转换后的灰度值。图1所示是彩色图像及转换后的灰度图像。

图1　原图像灰度化结果

1.2图像二值化

二值化的结果将直接决定后续车牌区域的定位结果。由于本文针对不同颜色车身图像进行车牌定位，因此二值化过程中十分重要，不能选择固定的阈值。本文采用自动迭代法进行阈值计算，求出阈值T，然后利用公式（2）进行阈值分割，得到了很好的二值化处理效果。图2（a）为二值化之后的图像效果图。

1.3边缘检测

边缘检测是图像处理中的重要部分，它可以大幅度减少数据量，而且能剔除与问题不相关的信息，保留图像的重要特征属性。常见的边缘检测算子有Sobel算子、Robert算子、Prewitt算子、Canny算子等，由于本文的边缘检测是在二值图像上进行，不需要如上的边缘检测算子，可以直接采用简单的梯度算子即可求出。

在二值图像中，像素值为0代表黑色像素，值为255代表白色像素。在二值图像上求取边缘相对比较简单，直接求出值为0和值为255的像素的交界即可。因此本文直接在二值图像上进行水平方向求一阶梯度，即可实现边缘检测。公式如式（2）所示：

g（i，j）=|f（i，j）-f（i，j+1）|（2）

其中f（i，j）是原图像上的像素点，g（i，j）是处理后的图像像素点，i表示行号，j表示列号。由（2）式可以得出：处理后图像的每个像素点的值等于原图像上与之对应的像素点与水平相邻像素点的差的绝对值。因为原图像是二值图像，所以如果相邻点的值分别为0和255，式（2）的值为255，如果相邻点值相同，都是0或都是255，则式（2）的值为0，所以处理后为白点处表示原图像上黑白交界处，就是所求的边缘点。图2所示分别为二值图像和经过边缘求取后的边缘图像。

图2　图像二值化及边缘检测结果

由图2的二值图像与边缘图像对比可以看出，原来二值图像上的车身和其他背景区域都变成了黑色的背景，而留下的只有有效的边缘特征。车牌照区域边缘信息边缘分布比较集中，甚至原来车身的一些水平直线都被消除了。可见使用此方法不但能很好保留车牌照区域有效信息，而且可以消除大量干扰信息。

1.4车牌区域定位

由于本文通过求二值图像中水平相邻像素差值的方法进行边缘检测，因此，车牌区域会含有丰富的垂直边缘。车牌区域内水平方向由黑到白或者由白到黑都会产生边缘，因此每个字符至少应该含有两条竖笔画边缘，这点从图2（b）中也可以看出来。

车牌一般由一个汉字后跟一个字母，然后是5位数字字母组合，基于此，每个车牌区域水平方向从左到右应该有从黑到白和从白到黑至少14次变化，即每行至少有14个跳变的点。在边缘图上体现出来就是有14个白色边缘点。基于这样的原理，本文采用的车牌区域检测方法如下：

①从边缘图像的左上像素点开始扫描，以行优先方式；

②找到一个白色像素点，标记为开始p（i，j）；

③在开始点所在行连续向右搜索，对出现的白色像素点进行累加lCount++，如果出现10个像素以上连续黑色像素，则此行停止累加，如果此时此行白色像素点累加值超过14，则有效列rCount［i］++，转④；否则转②；

④继续下一行搜索，如果此行白色像素点数少于10，则停止搜素；

⑤对搜索到的区域进行长宽比计算，如果符合长宽比4：1，则认为是车牌区域，结束搜索；否则，转②，继续寻找车牌区域。

下面的图3是对图1中原图像最终定位分割出的车牌区域。

图3　车牌区域定位分割结果

2　实验结果

本文的定位方法已用VC++编程进行了实验。对于由手机拍摄下来的几十幅图片进行了定位，其中只有少量图像没有正确定位，虽然本文方法准确率不是最好的，但是最主要的是基于本文方法的识别系统运行速度快。应该说是简单实用。

但是由于图片由手机拍摄，难免会发生倾斜和模糊现象，本文所用图片均清晰且倾斜不严重，而且本文所选择图片都是只包含车身，其他环境背景较少，所以定位率相对高，一旦图片倾斜比较严重或模糊，或者加上其他背景，可以会由于背景干扰而导致准确性下降。后续工作中需要对倾斜情况进行校正以及进一步完善定位算法，降低错误定位数量，使之真正实现实用化。

图4所示为另外一幅图像的定位过程和结果。

图4　部分车牌图像粗定位结果

3　结语

本文在已有的车牌定位方法的基础上，结合车牌区域的特点，实现了一种快速车牌自动粗定位方法，相对于传统的模板匹配、BP神经网络识别算法，提出的算法具有算法简明、定位准确率高和识别速度快的特点。然而由于时间有限，方法还有许多不足之处需要完善，尤其最后一步车牌区域的确定还需要增加知识才能更加准确。

［1］程时虎，文灏.基于纹理及颜色特征的分级车牌定位方法［J］.计算机仿真，2009（26）：304-307.

［2］张吉斌，滕青芳.基于多尺度小波边缘检测的车牌定位研究［J］.电视技术，2013（7）：150-151.

［3］李伟，朱伟良，孔祥杰，沈国江.一种新型的基于数学形态学和颜色特征车牌定位算法［J］.科技通报，2009（2）：214-219.

［4］许礼武，许伦辉，黄艳国.基于小波分解的车牌定位算法［J］.计算机工程，2006（21）：191-193.

［5］刘旭华，周军，朱田华.基于小波变换和支持向量机的车牌定位方法研究［J］.辽宁工业大学学报（自然科学版），2013（2）：75-79.

［6］黄艳国，赵书玲，许伦辉.基于纹理特征和颜色匹配的车牌定位方法［J］，微电子学与计算机，2011（9）：472-476.

License Plate Location；Edge Detection；Gray-hopping

A Fast Automatic Location Method of Vehicle License Plate

LI Wan-xiang1，TIAN Ying2

（1.Anshan No.8 Senior Middle School，Anshan 114000；2.Software college of University of Science and Technology Liaoning，Anshan 114051）

1007-1423（2015）26-0069-04

10.3969/j.issn.1007-1423.2015.26.017

李万相（1998-），男，辽宁鞍山人，学生

2015-08-06

2015-09-10

车牌定位是车牌识别系统中最重要的步骤，针对车牌区域的特点，提出一种简单快速的车牌粗定位方法。首先对拍摄的包含车牌的彩色车身图像进行灰度化，并采用自动阈值方法进行二值化，对于不同颜色车身图像都能得到理想的二值图像，然后对二值图像利用梯度进行边缘检测，再根据车牌区域水平方向具有黑白灰度跳变较为频繁的特征，采用行扫描图像的灰度跳变频率来定位车牌区域。在拍摄的车牌图像上进行定位实验表明，方法具有简单实用，速度快的特点。

车牌定位；边缘检测；灰度跳变

田莹（1971-），女，辽宁沈阳人，教授，研究方向为数字图像处理与模式识别等

Automatic license plate location is the most important step in license plate recognition system.According to the characteristics of the license plate area，proposes a simple and fast method for the coarse location of the license plate.First of all，the color image of the license plate is gray，and the automatic threshold method is used to carry on binarization.The method can be used for different color images. Then gradient operator is used to detect the edge of the binary image.And then the gray-hopping frequency is used to locate the license plate area.Experiments on license plate images show that the proposed method is simple，practical，and fast.