葉高揚(yáng) 畢冉 肖晴箐

1.中國(guó)礦業(yè)大學(xué)（北京）電氣工程與自動(dòng)化，北京 10083

2.合肥工業(yè)大學(xué)信號(hào)與信息處理，安徽 合肥 230009

3.北京郵電大學(xué) 軟件工程，北京 10083

1. 概述

車(chē)牌字符識(shí)別已成為智能交通系統(tǒng)的重要組成部分，它可以從復(fù)雜的背景中準(zhǔn)確地提取、識(shí)別汽車(chē)牌照、車(chē)輛類(lèi)型等信息，在交通控制和監(jiān)視中占有很重要的地位。汽車(chē)牌照識(shí)別的第一步就在于車(chē)牌定位，其快速性與準(zhǔn)確性直接決定了車(chē)牌識(shí)別的成功率。針對(duì)車(chē)輛圖像的特征，本文提出了一種車(chē)輛圖像增強(qiáng)的車(chē)牌定位的方法。實(shí)驗(yàn)證明，這種方法具有簡(jiǎn)單、快速、準(zhǔn)確的特點(diǎn)。

2. 系統(tǒng)流程圖

設(shè)計(jì)的系統(tǒng)流程圖如圖1所示。將采集到的彩色圖像轉(zhuǎn)化為灰度圖像，減少數(shù)據(jù)量，從而提高整個(gè)系統(tǒng)的處理效率，是實(shí)時(shí)處理的必然要求。圖像的增強(qiáng)通過(guò)提取灰度圖的無(wú)效部分，將灰度圖與無(wú)效部分做差分，從而增強(qiáng)有效部分并且去除很多無(wú)用信息。圖像的二值化是將圖像信息進(jìn)一步縮減，加快后續(xù)處理的速度。取圖像邊緣和濾波是將圖像的輪廓提取出來(lái)再將其填充成為連通域。車(chē)牌提取從之前形成的連通域中通過(guò)條件篩選，確定車(chē)牌的位置。去邊框和字符分割則是對(duì)提取出來(lái)的車(chē)牌進(jìn)行進(jìn)一步處理，得到車(chē)牌中的每個(gè)字符。

圖1 系統(tǒng)流程圖

3. 各模塊的實(shí)現(xiàn)

3.1 輸入原始圖像

將給定的JPG等格式圖像讀入系統(tǒng)，并裝入內(nèi)存中等待處理。采集的圖像格式很復(fù)雜，常用的圖像格式有JPEG和BMP，所以必須對(duì)圖像同時(shí)進(jìn)行格式化處理，將JPEG圖像或者BMP圖像轉(zhuǎn)換成支持計(jì)算機(jī)處理的DIB(Device Independent Bitmap)格式的圖像。如圖2所示。

圖2 原始圖像

圖3 原始灰度圖像

3.2 圖像灰度化

所有通過(guò)攝像頭和圖像采集卡采集的車(chē)輛圖像都是彩色圖像，彩色圖像包含大量對(duì)車(chē)牌識(shí)別而言用處不大的顏色信息，保留這些無(wú)用信息不僅在存儲(chǔ)上開(kāi)銷(xiāo)很大，而且在處理上會(huì)降低系統(tǒng)的處理速度，因此在對(duì)圖像進(jìn)行識(shí)別等處理的過(guò)程中經(jīng)常首先將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。圖像灰度化處理方案選擇的標(biāo)準(zhǔn)是經(jīng)過(guò)灰度變換后，像素的動(dòng)態(tài)范圍變大，圖像的對(duì)比度擴(kuò)展，使圖像變得更加清晰、容易識(shí)別。如圖3所示。

3.3 開(kāi)操作得圖像背景

通過(guò)將圖像模糊化處理得到含有大部分無(wú)用低頻信息的背景圖像，以便之后將其去除。此次開(kāi)操作即為本次設(shè)計(jì)的一個(gè)重要的創(chuàng)新點(diǎn)，即將往往應(yīng)用于二值圖的開(kāi)操作應(yīng)用在灰度圖上。其將夜晚車(chē)輛牌照的大量影響定位效果的車(chē)牌反光所造成的大量雜光所濾去，使其后續(xù)操作更加便利，定位效果相對(duì)于以前更好。其輸出如圖4所示。

圖4 背景圖像

圖5 增強(qiáng)灰度圖像

3.4 增強(qiáng)灰度圖像

原始灰度圖像與背景圖像作減法，去除一些低頻無(wú)用信息，保留含有像素跳變的高頻信息，從而對(duì)灰度圖像進(jìn)行增強(qiáng)處理，方便之后提取出車(chē)牌信息。如圖5所示。

3.5 圖像二值化

對(duì)于搜索目標(biāo)來(lái)說(shuō)，總是希望盡可能地減少背景的像素干擾。圖像的二值化處理是將256個(gè)灰度級(jí)劃分為2級(jí)，分別表示黑色或白色，圖像像素特征值只有0或1。在實(shí)用的圖像處理系統(tǒng)中，二值圖像處理速度高、成本低，在后續(xù)的處理中，數(shù)據(jù)量明顯減小，利于用幾何學(xué)中的概念進(jìn)行分析和特征描述。在實(shí)際的處理系統(tǒng)中，進(jìn)行圖像二值變換的關(guān)鍵是要確定合適的閥值，其是先由用戶(hù)指定或通過(guò)特定算法生成一個(gè)閾值，如果圖像中某中像素的灰度值小于該閾值，則將該像素的灰度值設(shè)置為0或255，否則灰度值設(shè)置為255或0。其輸出圖像如圖6所示。

圖6 二值圖像

圖7 邊緣提取后圖像

3.6 邊緣檢測(cè)

邊緣即目標(biāo)物體的輪廓，能較清晰地反映目標(biāo)的形狀特征。本質(zhì)上說(shuō)，邊緣是圖像局部特征性不連續(xù)點(diǎn)的集合，標(biāo)志著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開(kāi)始?？梢酝ㄟ^(guò)求梯度在局部最大值對(duì)應(yīng)的點(diǎn)的方法來(lái)確定邊緣點(diǎn)，去除不是局部最大值的點(diǎn)，從而檢測(cè)出精確的邊緣。獲取圖像邊緣的方法有很多，本程序采用Canny算子提取邊緣特征信息。其輸出圖像如圖7所示。

3.7 開(kāi)閉運(yùn)算

開(kāi)運(yùn)算是一種先腐蝕后膨脹的操作，可消除細(xì)小圖像塊，并在纖細(xì)處分離圖像塊和平滑較大圖像塊邊界；閉運(yùn)算是一種先膨脹后腐蝕的操作，可填充圖像塊內(nèi)細(xì)小空洞，連接鄰近圖像塊和平滑邊界。對(duì)圖像做閉運(yùn)算和開(kāi)運(yùn)算，從而濾除圖像中與車(chē)牌無(wú)關(guān)的部分，為后續(xù)提取車(chē)牌提供了方便。其輸出的閉運(yùn)算，及兩次的開(kāi)運(yùn)算圖像分別如圖8、圖9及圖10所示：

圖8 閉運(yùn)算圖像

圖9 開(kāi)運(yùn)算圖像

圖10 第二次開(kāi)運(yùn)算圖像

圖11 彩色圖像

3.8 篩選車(chē)牌區(qū)域

對(duì)濾波后的二值圖像進(jìn)行區(qū)域提取，并計(jì)算每個(gè)區(qū)域的特征參數(shù)。進(jìn)行區(qū)域特征參數(shù)的比較，從而提取車(chē)牌區(qū)域。對(duì)圖像每個(gè)區(qū)域進(jìn)行標(biāo)記，其彩色圖如11所示。

計(jì)算每個(gè)區(qū)域的圖像特征參數(shù)，即區(qū)域面積與寬高比。篩選滿(mǎn)足車(chē)牌幾何特征的連通域（即比較面積與寬高比是否滿(mǎn)足車(chē)牌規(guī)格），即為車(chē)牌區(qū)域。輸出車(chē)牌圖像如圖12所示。

圖12 灰度子圖和二值子圖

4 結(jié)語(yǔ)

本文所介紹的方法算法簡(jiǎn)單、效率高、易實(shí)現(xiàn)，且定位快速準(zhǔn)確，較容易掌握和實(shí)際使用。

[1]陸福宏. 車(chē)牌識(shí)別技術(shù)在智能交通系統(tǒng)中的應(yīng)用[J]. 中國(guó)科技博覽,2010(12):302.

[2]霍宏濤. 數(shù)字圖像處理[M]. 北京：機(jī)械工程出版社,2003

[3]四維科技，胡小鋒，趙輝. VisualC++/MATLAB 圖像處理與識(shí)別案例精選[M]. 北京：人民郵電出版社,2004

[4]余章明. 數(shù)字圖像增強(qiáng)中灰度變換方法研究[J]. 電子質(zhì)量,2009(6):18-20.

[5]岡薩雷斯. 數(shù)字圖像處理[M]. 北京:機(jī)械工業(yè)出版社.