基于垂直投影分割法的车牌图像的字符分割研究

焦慧华

（琼台师范学院，海口 海南 571127）

1 形态学腐蚀与膨胀

根据国内现行的机动车号牌规范，车牌号码中的第一个字符必须为汉字，汉字由偏旁和部首组成。因此在对车牌灰度图像进行二值化处理后，汉字图像的偏旁和部首依然保持原始状态，偏旁部首并没有连通[1]，如图1所示。这样会导致汉字分割不准确，为后续的字符筛选工作带来难度。为了避免此类情况的发生，需要对二值化后的车牌图像进行形态学处理。

图1 车牌汉字符二值化图像

图像形态学处理分为腐蚀处理和膨胀处理两类。且都是对图像中白色像素进行操作。形态学腐蚀意为在原有的二值图像上获得更小的白色区域；形态学膨胀意为在原有的二值图像上获得更大的白色区域[2]。形态学腐蚀的实质是求局部最小值（像素值为0），如图2所示。待腐蚀的二值图像的尺寸为9×5（单位：像素），核 k尺寸为 2×2（单位：像素），在核k中“*”所在的位置为核k的参考点。形态学腐蚀的过程为核k在待腐蚀二值图像上从左到右，从上到下依次滑动。核k每滑动一次，计算一次核k所包含像素的像素值的最小值，用计算得到的最小值来作为腐蚀后二值图像对像素位置的像素值，从而完成整个二值图像的形态学腐蚀处理过程，腐蚀后的二值图像的尺寸为8×4（单位：像素）

图2 二值图像腐蚀效果

形态学膨胀的实质与形态学腐蚀正好相反，是求局部最大值（像素值为255），如图3所示。待膨胀的二值图像的尺寸为9×5（单位：像素），核k尺寸为2×2（单位：像素），在核k中“*”所在的位置核k的参考点。形态学膨胀的过程为核k在待膨胀二值图像上从左到右，从上到下依次滑动。核k每滑动一次，计算一次核k所包含像素的像素值的最大值，用计算得到的最大值作为膨胀后二值图像对像素位置的像素值，从而完成整个二值图像的形态学膨胀处理过程[3]，膨胀后的二值图像的尺寸为9×5（单位：像素）。

图3 二值图像膨胀效果

本文对车牌字符二值图像形态学处理的过程分为三个步骤：

（1）对车牌二值图像进行形态学膨胀处理：其目的在于尽可能多的将汉字图像的偏旁部首进行连通，使汉字图像向成为一个整体。但是在车牌图像中字符的轮廓会因为膨胀处理而放大，同时也会将一些图像中的噪点的轮廓进行放大。

（2）对车牌二值图像进行形态学腐蚀处理：其目的在于尽可能多的消除因为膨胀处理而放大的噪点，但又会导致车牌图像中字符轮廓尺寸变小。

（3）对车牌二值图像再次进行形态学膨胀处理：其目的在于恢复车牌图像中字符的尺寸，使之与形态学处理前的尺寸保持基本一致，最终获得具有连通效果的车牌汉字字符图像如图4所示。

图4 形态学处理二值汉字图像

2 分割过程

为了使字符能够识别准确高效，就需要采用合适的方式分割出字符图像。通常采用以下三种方法分割完整的车牌图像：基于垂直投影的分割方法、基于聚类分析的分割方法和基于轮廓提取的方法[4]。三种方法的优缺点如下：

（1）垂直投影分割法：把二值图像在垂直以及水平方向上进行投影，从而形成了二值统计图像，从而确定字符位置。使用此方法不仅程序设计要求较为简单，而且分割速度快。但是分割方法过于固定，区域多为方形[5]。

（2）聚类分析分割法：把字符通过形态学方式构成连通域，再与已知特征相结合完成字符分割。使用此种方法能够在汉字字符不连通的情况下也能完成分割任务，但是这种方法不仅计算复杂，且效率不高[6]。

（3）轮廓提取分割法：首先需要对二值图像进行边缘检测计算，然后根据字符的边界将字符框选并分割出来，使用此种方法分割出来的字符边缘非常准确，但是与聚类分析的分割方法相似，具有计算量大，计算速度慢的缺点[7]。

本项目中，考虑到是在车牌图像上进行分割，而车牌图像中字符的排列方式本身具有一定的规则性，且需要分割出来的字符图像为矩形，同时也需要尽可能的减少分割计算量。因此本文采用投影法进行分割。

如图5所示，波峰部分表示在二值图像中像素在垂直方向上的分布情况。进而二值图像中的字符分割开来。

图5 字符投影示意图

首先需要对形态学处理后的图像中每一列白色像素的个数进行统计，并绘制出每列的像素统计直方图，如图6中垂直方向像素统计直方图所示。再对形态学处理后的车牌二值图像矩阵中每一行白色像素的个数进行统计，并绘制出每行的像素统计直方图，垂直方向像素统计直方图中白色区域如图7所示。

图6 投影直方图

图7 字符宽度定位示意图

图7中字符宽度起始及结束位置从左到右依次为：x0，x1，x2，……，x14，x15。则白色区域的宽度大小为区域的水平方向上截止坐标减水平方向上起始坐标，如公式1所示：

水平方向像素统计直方图中白色区域，如图8所示：

图8 字符高度示意图

则白色区域的宽度如公式2所示：

最后通过对宽度进行筛选，最终获得车牌图像中每一个字符的具体位置，如表1所示：

表1 字符定位表

最后根据车牌图像中每个字符的其实位置以及宽高，可将车牌图像中的字符区域框选出来，如图9所示。最终将车牌图像中的字符分割出来，如图10所示。

图9 框选车牌图像字符示意图

图10 车牌图像字符示意图

3 结束语

车牌识别系统能广泛运用于实际生活中，为进一步提高字符分割的准确率，本文在分析研究了形态学腐蚀与膨胀和分割过程后，提出了一种新的算法。本文提出的车牌识别算法是在参考现有图像处理技术基础上，选取适合数字图像处理方法来实现车牌的定位、分割以及准确识别，可进一步提高字符分割准确率。