基于形态学与颜色信息的车牌定位新方法*

罗 山，李玉莲

(攀枝花学院交通与汽车工程学院，四川 攀枝花 617000)

0 引言

车牌识别包括预处理、车牌定位、字符分割和字符识别4个主要环节，车牌定位是其关键环节之一，对后续的准确识别起着至关重要的作用。常用的有基于数学形态学[1,2]、基于颜色[3,4]、基于纹理特征[5]、基于投影[6]、基于遗传算法[7]、基于变换[8]、基于机器学习等定位方法。但单一的定位方法存在不同的优缺点，难以获得理想的定位效果，因此本文结合边缘检测、数学形态学和颜色信息定位方法的特点，提出一种数学形态学与颜色信息相结合的车牌定位新方法。本文方法主要包括车牌粗定位和精确定位两个步骤，其流程如图1所示。

图1 车牌定位流程

1 车牌图像预处理

实际的车牌图像往往因为光照不均、车牌污损等原因造成质量下降，为获得更准确的定位结果，需要对采集的车牌图像进行预处理，主要包括灰度化、去噪、对比度增强、去模糊等。经预处理后的图像如图2所示。

2 车牌粗定位

2.1 提取车牌边缘

由于车牌的字符与背景对比度强、边缘陡峭，采用边缘定位精度高、计算简单的Roberts算子提取车牌边缘，并采用实现简单、处理速度快的Otsu算法获取边缘检测所用的阈值。边缘检测结果如图3所示。

2.2 数学形态学处理

数学形态学有膨胀、腐蚀、开启和闭合四种基本运算。设f表示图像，B表示结构元素，x表示平移量，则有以下定义：

2) 腐蚀运算：fΘB={x|(B)x⊆f}

3) 开启运算：f∘B=(fΘB)⊕B

4) 闭合运算：f·B=(f⊕B)ΘB

先去除边缘图像中孤立的点，选择与车牌几何形状相似的矩形结构元素进行形态学处理，获得车牌候选区域。候选车牌图像如图4所示。

图2 预处理图像 图3 边缘图像 图4 候选车牌图像

2.3 基于颜色信息的车牌位置确定

在车牌候选区域中包含多个伪车牌区域，需要通过真实的车牌位置来去除伪车牌，因此确定车牌位置区域是最关键的一步，直接决定车牌定位的准确与否。我国的车牌按照字符颜色和底色的不同可分为蓝底白字、黄底黑字、黑底白字、白底黑字4类，分别适用于不同的车型。

考虑到车牌字符颜色和底色的不同，并且车牌区域颜色特征以底色为主，因此利用底色信息来确定车牌位置。具体的算法步骤为：

1) 初始化车牌位置区域值为0；

2) 确定车牌R、G、B分量各自的灰度值范围，常见的蓝底色车牌的灰度值大致范围为17

3) 对车牌图像进行行和列遍历，提取在此灰度值范围内的像素点并更新像素值为255，并统计在此灰度范围的像素点数目；

4) 遍历结束，得到由这些像素点组成的车牌位置区域。

对算法进行仿真，得到车牌位置区域图像如图5所示。

图5 车牌位置区域

3 车牌精确定位

通过前面的车牌位置去除车牌候选区域中的伪车牌区域，得到车牌的精确位置，利用精确位置提取准确的车牌区域，实现车牌定位。车牌精确定位算法如下：

1) 将车牌候选区域与车牌位置区域进行交运算以去除伪车牌区域，再进行形态学处理，填补区域内孤立的小孔洞，得到车牌的精确位置矩阵；

2) 选择合适的阈值，对精确位置矩阵进行行遍历，得到车牌位置区域的上、下边缘，如果下边缘与上边缘之差大于阈值，则得到车牌位置区域的高度，即下边缘与上边缘的差值，否则，返回行遍历，直到找出上、下边缘为止；

3) 选择合适的阈值，对精确位置矩阵进行列遍历，得到车牌位置区域的左、右边缘，如果右边缘与左边缘之差大于阈值，则得到车牌位置区域的宽度，即右边缘与左边缘的差值，否则，返回列遍历，直到找出左、右边缘为止；

4) 根据车牌位置区域的高度、宽度及上、下边缘来提取准确的车牌区域，实现车牌定位。

对算法进行仿真，得到车牌精确位置矩阵如图6所示，图7为车牌定位结果。

图6 车牌精确位置矩阵

4 结束语

本文对传统单一的车牌定位方法存在的不足进行研究，数学形态学方法具有较强的抗噪声能力，但存在出现多个候选区域的不足，基于颜色信息的方法边缘定位准确，由此提出一种改进思路，利用车牌颜色信息提取车牌位置区域，从而保证车牌定位的准确性。用本文方法对若干幅不同场景获得的车牌图像进行实验，定位准确率达到96.4%。实验表明，本文方法克服了数学形态学定位方法会出现过多的候选区域的不足，能取得较好的定位效果，并且运算速度快。但车牌严重倾斜时定位准确率下降，因此倾斜车牌的准确定位是进一步的研究方向。