王 珺，彭進(jìn)業(yè)，吳 俊，李丹嬌

（西北工業(yè)大學(xué) 電子信息學(xué)院，陜西 西安 710129）

車牌識別系統(tǒng)是智能交通管理的一個(gè)重要組成部分。車牌識別系統(tǒng)主要由車牌定位、字符分割、字符識別等三部分組成。由于字符分割和識別是基于車牌二值化進(jìn)行的，因此其效果將直接影響整個(gè)車牌識別系統(tǒng)的性能。然而，車牌區(qū)域經(jīng)常受到光照變化的影響，出現(xiàn)光照過度、光照不足、光照不均等復(fù)雜光照的情況，給車牌圖像的二值化帶來很大的困難。所以，復(fù)雜光照下的車牌圖像二值化，成為車牌識別系統(tǒng)中的技術(shù)難點(diǎn)之一。

目前，針對不同光照下的車牌圖像二值化問題，提出了各種不同的方法。對于光照不足或光照過度的情況，文獻(xiàn)[1]提出先用高低帽變化增強(qiáng)車牌圖像的字體，再采用迭代圖像分塊的二值化方法，該方法對高低帽變換后圖像質(zhì)量要求較高，然而高低帽變換的窗口大小不易選擇；對于光照不均的情況，文獻(xiàn)[2]提出用同態(tài)濾波增強(qiáng)再用Bernsen方法對車牌圖像二值化，該方法耗時(shí)較多并且同態(tài)濾波器的截止頻率不易確定；對于更一般的復(fù)雜光照問題，文獻(xiàn)[3]提出背景補(bǔ)償法，通過車牌先驗(yàn)知識、車牌圖像均值和標(biāo)準(zhǔn)差并結(jié)合背景照度函數(shù)求出最優(yōu)閾值；文獻(xiàn)[4]在文獻(xiàn)[3]的基礎(chǔ)上做出改進(jìn)，修正了其車牌區(qū)域范圍和字符分布概率，以適應(yīng)同態(tài)濾波后的車牌圖像；文獻(xiàn)[5]采用遙感圖像處理中的灰度拉伸方法提高灰度圖像對比度，再通過設(shè)定的固定閾值對所有車牌圖像二值化。這些研究方法都是在通用的RGB三原色到灰度的轉(zhuǎn)換公式Gray=0.30×R+0.59×G+0.11×B得到的灰度圖上做不同處理。由這一通用的轉(zhuǎn)換公式得到的灰度圖不一定能很好區(qū)分字符和背景，從而影響二值化效果。

文中方法從這一角度出發(fā)，提出利用車牌顏色較為單一的特點(diǎn)，通過重新分配R、G、B顏色分量的權(quán)重構(gòu)造新的車牌灰度圖像，從根本上提高了車牌灰度圖像的質(zhì)量；再利用空域同態(tài)濾波，在進(jìn)一步提高對光照魯棒性的同時(shí)，較傳統(tǒng)方法，降低了同態(tài)濾波的運(yùn)算時(shí)間，避免了傳統(tǒng)方法中選擇高通截止頻率不準(zhǔn)確的問題；并且采用雙閾值二值化方法，更全面的兼顧全局和局部信息對圖像二值化。文中方法能在不影響正常光照二值化效果的前提下，有效提高復(fù)雜光照下二值化效果，滿足實(shí)際應(yīng)用。

1 提出的車牌圖像二值化方法

在實(shí)際車牌圖像處理過程中,經(jīng)常遇到由復(fù)雜光照引起的光線異常反射造成車牌圖像降質(zhì)的情況，如圖1所示，出現(xiàn)光照過度、光照不足和光照不均的情況。對其直接進(jìn)行二值化將會丟失很多信息，甚至嚴(yán)重影響后面的處理過程。因而，文中分別從提高由彩色圖像得到灰度圖像的質(zhì)量和二值化方法的優(yōu)化，兩方面入手提高復(fù)雜光照下車牌圖像二值化效果。

圖1 不同光照車牌圖像Fig.1 Vehicle license plate images of different light

1.1 構(gòu)造新的灰度圖像

基于灰度圖像的車牌二值化算法[6]，是選擇一個(gè)合適的閾值，將車牌上的字符與車牌背景有效分開。因此，灰度圖像質(zhì)量的好壞將直接影響到車牌圖像二值化的效果，如圖1所示。

觀察發(fā)現(xiàn)，國內(nèi)車牌圖像顏色較為單一，只包含兩種（藍(lán)、白或黃、黑）或3種顏色（黑、白、紅），并且字符顏色與背景顏色不同。因此，新的灰度圖像對這兩種或3種顏色區(qū)分度越大就越有利于提高車牌圖像二值化效果。由于目前車牌數(shù)據(jù)的采集設(shè)備基本都是基于RGB彩色空間的，并且其他顏色空間一般也是由RGB彩色空間轉(zhuǎn)換得到的，所以文中從RGB彩色空間出發(fā)，分析在不同光照下，車牌字符與背景顏色在各個(gè)顏色通道中的分布情況與二值化效果的關(guān)系，如圖2所示。

分別為提取光照過度（圖 1（a））、光照不足（圖 1（b））和光照正常（圖1（d））的彩色車牌圖像中的R、G、B顏色通道圖像，對各個(gè)顏色通道中的字符顏色與背景顏色采樣后，得到各個(gè)顏色通道中字符與背景顏色的采樣分布圖。圖中橫坐標(biāo)為0到255灰度級，縱坐標(biāo)為采樣點(diǎn)數(shù)，實(shí)線代表背景顏色，虛線代表字符顏色。為了觀察方便，各個(gè)通道分布圖的縱坐標(biāo)略有縮放，實(shí)際上字符與背景顏色在各個(gè)通道中的采樣點(diǎn)數(shù)完全相同。

分析圖2可以發(fā)現(xiàn)，在光照過度（圖2（a））和光照不足（圖2（b））的情況下，B通道中字符與背景顏色分布幾乎重合，說明通過B分量已經(jīng)無法區(qū)分出字符與背景區(qū)域，甚至?xí)煜址c背景區(qū)域，給車牌圖像二值化帶來干擾；而在R通道和G通道中，字符與背景顏色明顯成雙峰分布，說明字符與背景顏色在R通道和G通道中區(qū)分度較大。在正常光照（圖2（c））情況下，B通道中的雙峰間隔小于 R和G通道。由于各個(gè)顏色分量對同種顏色的區(qū)分度不同，所以對二值化效果的貢獻(xiàn)不同。其中R分量和G分量字符與背景的區(qū)分度大，并且在不同光照下受光照影響較小，有利于車牌圖像二值化；而B分量字符與背景的區(qū)分度較小，甚至使字符與背景混在一起對車牌圖像二值化產(chǎn)生干擾。

圖2 不同光照下字符與背景顏色在R、G、B通道中的分布圖Fig.2 Distribution of R,G,B channels of character and background color under different light

對于光照不均的情況主要是由光照過度、光照不足和光照正常合成的（如圖1（c）所示），對于光照不均的情況，其分析方法與光照過度、光照不足和光照正常的情況相同，文中不再重復(fù)論述。

通過對不同顏色組合的車牌在不同光照下 （各100副）字符與背景顏色分別在RGB3個(gè)通道的采樣和二值化效果的分析，發(fā)現(xiàn)在藍(lán)白車牌中，R分量對字符與背景的區(qū)分度最大，雙峰平均間隔約為63個(gè)灰度級，G分量雙峰平均間隔約為28個(gè)灰度級，B分量區(qū)分度較小甚至產(chǎn)生較大干擾；在黃黑車牌中，G分量區(qū)分最大，雙峰平均間隔約為152個(gè)灰度級，R分量約為93個(gè)灰度級，B分量區(qū)分度較??；在黑白紅三色車牌中，R分量對紅色與白色區(qū)分度較小，G分量對3種顏色區(qū)分度最大，B分量次之。然而，雖然對某種顏色的車牌字符與背景顏色會有一種分量區(qū)分度最大，但是如果直接把該分量的灰度圖作為新的灰度圖，會使顏色信息過于單一，對某一分量依賴性過大，仍然會導(dǎo)致二值化效果不理想。所以在降低某些顏色分量對二值化效果產(chǎn)生干擾的同時(shí)，又要充分利用原始彩色圖像提供的顏色信息。文中提出通過重新賦予R、G、B分量的權(quán)重構(gòu)造更適合車牌二值化灰度圖的方法。

通過分析每種分量的雙峰平均間隔和采用下述的二值化效果實(shí)驗(yàn)，可得到以下對不同顏色車牌構(gòu)造灰度圖的規(guī)則。該規(guī)則適用于同種車牌顏色下的不同光照。

由此規(guī)則構(gòu)造出的新灰度圖像與原始從RGB三原色到灰度的轉(zhuǎn)換公式得到的灰度圖像的灰度直方圖如圖3所示。

圖3 原始灰度圖像和新灰度圖像直方圖Fig.3 Histogramof original grey images and text constitution grey images

分析圖3可以發(fā)現(xiàn)，新構(gòu)造出的灰度圖的雙峰分布較原始灰度圖像更明顯。從圖3(a)與圖3(b)和圖3(e)與圖3(f)的比較可以看出新灰度圖雙峰間灰度等級間隔更大；從圖3(c)與圖3（d)可以看出新灰度圖的直方圖較原來的直方圖雙峰分布更明顯。由此構(gòu)造規(guī)則可以得到更適合車牌圖像二值化的灰度圖像。

1.2 基于空域同態(tài)濾波的增強(qiáng)

通過構(gòu)造新的灰度圖能在一定程度上加大字符與背景顏色的可區(qū)分度并抑制區(qū)分度較差的顏色分量帶來的干擾，可以提高灰度圖的質(zhì)量。但是在復(fù)雜光照下，特別是光照不均情況下，受入射和反射光的影響對復(fù)雜光照車牌圖像增強(qiáng)是很有必要的，可以進(jìn)一步提高對光照的魯棒性。此類方法主要有以直方圖均衡化為代表的灰度變換法和基于照明—反射模型的同態(tài)濾波法。直方圖均衡化能增強(qiáng)圖像的細(xì)節(jié)，但是會出現(xiàn)塊效應(yīng)的問題。文中采用基于光照—反射模型的同態(tài)濾波法對圖像進(jìn)行濾波。

傳統(tǒng)的同態(tài)濾波是在頻域進(jìn)行的。頻域同態(tài)濾波有以下不足[7]：1）要對整幅圖像處理完之后才能看到結(jié)果；2）計(jì)算FFT和IFFT要擴(kuò)展的復(fù)數(shù)域占用運(yùn)算時(shí)間和空間較大；3）高通截止頻率的選擇較為困難。空域同態(tài)濾波可以有效克服上述不足。其基本思想是先對圖像低通濾波，再用原圖減去低通濾波后的圖像，以達(dá)到抑制低頻增強(qiáng)高頻的增強(qiáng)目的?？紤]到文獻(xiàn)[8]的同態(tài)濾波方法會降低圖像的對比度，不利于圖像的二值化，并且還涉及低通濾波的權(quán)值取舍、邊緣效應(yīng)補(bǔ)償?shù)葐栴}，有待進(jìn)一步研究，所以文中采用滑塊鄰域平均[9]的空域同態(tài)濾波。

一副灰度圖像f（x，y）可以看成入射分量i（x，y）和反射分量r（x，y）的乘積：f（x，y）=i（x，y）×r（x，y）。 滑塊鄰域平均的空域同態(tài)濾波是對上式取對數(shù)分離入射分量和反射分量；通過滑塊鄰域平均法構(gòu)造低通濾波器LPF，文中設(shè)置滑塊窗口的大小為車牌圖像寬的0.1倍并且使之為奇數(shù)；再用取對數(shù)后的圖像減去低通濾波后的圖像得到濾除低頻分量的灰度圖；最后對此圖進(jìn)行對數(shù)反變換得到最終同態(tài)濾波的增強(qiáng)圖像g（x，y）。文中空域同態(tài)濾波算法的流程如圖4所示。

圖4 空域同態(tài)濾波算法流程示意圖Fig.4 Schematic flow of airspace homomorphic filtering algorithms

圖 4 中，f（x，y）表示輸入的灰度圖像；log 表示對數(shù)運(yùn)算；LPF表示滑塊鄰域平均低通濾波；exp表示指數(shù)運(yùn)算；g（x，y）表示輸出的同態(tài)濾波增強(qiáng)圖像。

1.3 基于雙閾值的車牌二值化方法

文獻(xiàn) [8]利用全局二值化思想對Bernsen算法進(jìn)行了改進(jìn)，同時(shí)考慮灰度圖像的整體和局部特征，又最大避免了偽影及筆畫斷裂現(xiàn)象，實(shí)驗(yàn)驗(yàn)證該算法在一般情況下優(yōu)于單獨(dú)采用Otsu法或Bernsen法。文中采用其求取局部閾值的方法并結(jié)合Otsu法對車牌圖像二值化，算法描述過程如下：

2）計(jì)算局部閾值其中采用平均濾波的方法對閾值曲面進(jìn)行平滑，以避免局部二值化易出現(xiàn)偽影的情況。

其中，局部窗口大小為,文中取w=1。

3）利用全局閾值和局部閾值逐點(diǎn)二值化

① 若f（x，y）>（1+α）×T1，b（x，y）=1；若f（x，y）＜（1-α）×T1，b（x，y）=0；其中：α 取 0.20～0.40 之間任意值，文中取 α=0.25。

② 如果（1-α）×T1≤f（x，y）≤（1+α）×T1

2 實(shí)驗(yàn)結(jié)果及分析

文中數(shù)據(jù)是由安裝在郊縣地區(qū)路口全天候工作的攝像頭采集得到。實(shí)驗(yàn)的開發(fā)工具為Visual C++6.0與Opencv函數(shù)庫，系統(tǒng)平臺為 Windows XP，CPU配置為 Intel Core2 Duo CPU 2.8 GHz，內(nèi)存2 GB。實(shí)驗(yàn)算法流程如圖5所示。

圖5 算法流程圖Fig.5 Flow chart of proposed method

現(xiàn)對光照過度、光照不足和光照不均的各20副車牌，分別采用基于背景補(bǔ)償?shù)膫鹘y(tǒng)方法[4]、基于原始灰度圖和文中方法即構(gòu)造灰度圖再采用空域同態(tài)濾波和雙閾值二值化的方法進(jìn)行二值化處理。3種光照情況下各選擇1副典型車牌圖像為代表，其二值化效果如圖6所示。

圖6 幾種方法的二值化效果Fig.6 Results of several binarization methods

由圖6可以看出，文中方法噪聲顆粒[11]遠(yuǎn)低于基于原始灰度圖的二值化效果，并且漢字和字符更為清晰。這是因?yàn)槲闹懈鶕?jù)不同分量對車牌區(qū)域二值化效果的貢獻(xiàn)程度重新分配各分量的權(quán)重，構(gòu)造新的灰度圖，在提高灰度圖雙峰分布效果的同時(shí)，濾除了在復(fù)雜光照下對字符和背景顏色貢獻(xiàn)較小甚至產(chǎn)生干擾的分量，所以在采用文中構(gòu)造灰度圖二值化時(shí)能得到更清晰、噪聲顆粒數(shù)更少的二值化圖像。而原始灰度圖沒有考慮各個(gè)分量在復(fù)雜光照時(shí)對二值化效果的貢獻(xiàn)情況。

分別統(tǒng)計(jì)了傳統(tǒng)方法和文中方法處理60副車牌圖像平均耗費(fèi)時(shí)間情況，傳統(tǒng)方法方法消耗0.045 138/s，文中方法消耗0.027 964/s。并且由圖6可以看出，文中方法取得較好效果。這是因?yàn)椋?）由于文中采用空域同態(tài)濾波，不需要進(jìn)行FFT和IFFT的復(fù)數(shù)域運(yùn)算，所以文中算法耗時(shí)僅為傳統(tǒng)方法的61.95%并且適合應(yīng)用于實(shí)時(shí)的車牌識別系統(tǒng)；2）文中算法通過構(gòu)造更利于車牌圖像二值化的灰度圖從根本上提高了灰度圖的質(zhì)量，而傳統(tǒng)方法方法是在原始灰度圖上處理的；3）文中方法采用空域同態(tài)濾波，低通濾波窗口大小隨車牌的大小而改變，達(dá)到自適應(yīng)濾波，而傳統(tǒng)方法方法是對不同光照車牌采用固定截止頻率濾波，所以濾波效果沒有文中方法理想；4）文中方法采用雙閾值方法二值化，各點(diǎn)處閾值隨局部閾值改變，而傳統(tǒng)方法是利用背景補(bǔ)償對二值化閾值改進(jìn)得到固定閾值，所以導(dǎo)致漢字的二值化效果不是很理想。

3 結(jié) 論

復(fù)雜的光照變化經(jīng)常影響車牌圖像二值化效果，降低車牌識別系統(tǒng)的整體性能。文中提出了一種通過構(gòu)造灰度圖從根本上提高車牌灰度圖質(zhì)量的方法。利用空域同態(tài)濾波在提高算法對光照魯棒性的同時(shí)克服了傳統(tǒng)頻域同態(tài)濾波不能自適應(yīng)選取截止頻率、占用較大運(yùn)算時(shí)間和空間等不足。同時(shí)結(jié)合雙閾值方法實(shí)現(xiàn)動態(tài)閾值的車牌圖像二值化。實(shí)驗(yàn)結(jié)果表明，重新構(gòu)造灰度圖能有效提高車牌圖像二值化效果，并且文中方法對光照有良好的魯棒性，已在自主研發(fā)的車牌識別系統(tǒng)中得到良好的應(yīng)用。

[1]趙建蕾，王匯源，方穎.偏暗或泛白背景的車牌圖像二值化方法[J].計(jì)算機(jī)工程，2008，34（6）：210-213.

ZHAO Jian-lei， WANG Hui-yuan， FANG Ying.Binarization of license plate images with unclear and faded background[J].Computer Engineering，2008，34（6）：210-213.

[2]歐陽慶.不均勻光照下車牌圖像二值化研究[J].武漢大學(xué)學(xué)報(bào)：工學(xué)版，2006，39（4）：143-146.

OU YANG Qing.Study on license plate binarization method under nonuniform illumination[J].Engineering Journal of Wuhan University，2006，39（4）：143-146.

[3]YANG Feng， MA Zheng， XIE Mei.A novel binarization apprach for license plate[C]//LUO Fang-lin,1st IEEE conf on IndustrialElectronicsand Applications.Singapore， s.n.，2006：1-4.

[4]陳亮，杜宇人.改進(jìn)背景補(bǔ)償?shù)能嚺茍D像二值化算法[J].揚(yáng)州大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，11（1）：55-58.

CHEN Liang，DU Yu-ren.Improved background compensation algorithm of license plate image binarization[J].Journal of Yangzhou University：Natural Science Edition，2008，11（1）：55-58.

[5]毛曉蛟.基于車牌識別的二值化算法研究[J].電腦知識與技術(shù)，2010，6（12）：2999-3001.

MAO Xiao-jiao.Research of binary conversion based on license plate recognition [J].Computer Knowledge and Technology，2010，6（12）：2999-3001.

[6]Rahman C A，Badaw Y W，Radmanesh A.A real time vehicle’s license plate recognition system [C]//IEEE Conference on Advanced Video and Signal Based Surveillance，2003：163-166.

[7]WANG Wei-zhi，LIU Bing-han.The vehicle edge detection based on homomorphism filtering and fuzzy enhancement in Night-time environments [C]//2010 IEEE International Conference on Intelligent Computing and Intelligent Systems， 2010：714-718.

[8]陳丹，張峰，賀貴明.一種改進(jìn)的文本圖像二值化算法[J].2003，計(jì)算機(jī)工程，2003，29（13）：85-86.

CHEN Dan， ZHANG Feng， HE Gui-ming.An improved rinarization algorithm for document image [J].Computer Engineering，2003，29（13）：85-86.