一、引言

近年來，我國的公路交通事業(yè)發(fā)展迅速，車牌識別問題作為現(xiàn)代交通工程領域中研究的重點和熱點問題之一，其中車牌定位是整個車牌識別的關鍵，受到越來越多人們的關注。國內外已經(jīng)提出了很多種車牌定位的方法。傳統(tǒng)的算法中，多是采用了單一的顏色模型，會因汽車所處的背景等原因使得定位的精度受到限制。因此有些學者提出基于多顏色模型的方法，將傳統(tǒng)的RGB分量轉換到HSV顏色空間[1]和YIQ顏色空間[2]，然后利用多個顏色空間的信息，進行相應的運算，便于將車牌區(qū)域分割出來。陳昌濤[3]等提出一種利用Lab空間中a分量與b分量的信息的方法，結合兩個分量的信息完成顏色的分割。這為基于顏色特征的定位方法提供了新的思路，但是利用多個顏色空間的數(shù)據(jù)進行運算，難免會使得計算量增加。本文提出一種基于顏色信息的方法，將RGB顏色模型轉換到Lab顏色空間，b分量中車牌區(qū)域為比較突出的黑色區(qū)，再根據(jù)自適應閾值的二值化處理，即可完成車牌的粗定位，后續(xù)再通過形態(tài)學的方法，排除干擾，最后通過投影法得到精確定位的車牌。

二、Lab顏色模型

Lab色彩空間是由CIE（國際照明委員會）于1976年公布的一種色彩模式，由一個亮度分量L，以及兩個色度分量a和b來表示顏色的。a分量代表由綠色到紅色的光譜變化，a分量包括的顏色是從深綠色到灰色再到亮粉紅色；而b分量代表由藍色到黃色的光譜變化，b分量則是從亮藍色到灰色再到黃色。

圖1 車牌圖像的直方圖

我國汽車車牌中有多種特定顏色的組合，而使用最普遍的是藍色車牌。Lab空間的b分量剛好代表藍色到黃色的光譜變化，因此將傳統(tǒng)的RGB彩色空間轉換到Lab彩色空間，通過b分量的信息可將藍色區(qū)域突出顯現(xiàn)出來。

三、自適應二值化閾值

1.圖像二值化的閾值的選擇

為了滿足車牌識別應用系統(tǒng)自動化要求，圖像二值化的閾值的選擇最好由計算機自動來完成。通過圖1.(a)汽車車牌圖像的直方圖可看出，全局的二值化方法不適用。由圖可看出，車牌區(qū)的灰度值最低，并且在直方圖上呈現(xiàn)一個小波峰，整個直方圖的最高峰對應的是車牌中大部分的背景區(qū)，而二值化的閾值應該能夠把黑色區(qū)域和灰色區(qū)域及其他背景分割出來。因此最佳的閾值應該出現(xiàn)在圖1.(b)中紅色圓圈標示xbest區(qū)域。具體方法如下：

(1)首先得到車牌圖像的直方圖。

(2)在直方圖中查找第一個像素概率密度值不為零的位置xmin，且為了排除某些孤立點的干擾，判斷xmin的右方連續(xù)t(t為設定的閾值，本文采用的5)個x的概率密度值是否為零，若不為零則，xmin確定。

(3)在直方圖中查找xmin后出現(xiàn)的第一個波峰位置xmax。

(4)在直方圖中查找xmax后出現(xiàn)的第一個波谷位置xbest，xbest的值即為最佳閾值。

在查找波峰和波谷時同樣應該設定一個閾值，避免某些孤立點引起的跳躍。

2.后期數(shù)學形態(tài)學處理

后期處理，利用形態(tài)學中的閉合操作，車牌的白色區(qū)域會先膨脹，再腐蝕去字符，這樣車牌就會變?yōu)榘咨B通區(qū)域。再利用Matlab中bwareopen函數(shù)打開二值圖像，移除較小連通組件，排除干擾點和區(qū)域即可。

3.采用投影法，確定上下左右邊界

經(jīng)過上述處理后使車牌區(qū)域凸顯，然后對整個圖像進行掃描，統(tǒng)計每一行的白色像素點，最多的行為基準行，從基準行向上掃描，當某一行的白色像素點少于某個閾值時，即可確定車牌區(qū)的上邊界；從基準行向下掃描，可確定車牌區(qū)的下邊界。按照同樣方法，可確定出車牌區(qū)的左右邊界。

四、結論

本文提出一種基于Lab彩色空間和自適應二值化閾值的車牌定位方法，創(chuàng)新體現(xiàn)在以下兩點：第一，利用了Lab顏色模型中b分量信息，來突出藍色車牌區(qū)域。第二，針對車牌圖像，提出了一種自適應的二值化閾值方法。本文中沒有提到其他顏色車牌的定位方法，如黃色車牌、黑色車牌等，后續(xù)會對其他顏色的車牌定位進行研究，但是這一思想同樣適用于黃色、黑色等顏色的車牌。

[1]周澤華,潘保昌,等.基于多顏色模型的車牌定位方法[J].微計算機信息,2007,23(1):283-285.

[2]張麗靜,靜孫杰,殷曉宇.基于HSV顏色空間的車牌定位方法[J].微計算機信息,2008,24(3):247-248.

[3]陳昌濤,仇國慶等.Lab空間色彩分割在快速車牌定位中的應用[J].計算機應用研究,2010,27(8):3191-3193.