譚同德，王三剛

（鄭州大學(xué) 信息工程學(xué)院，河南 鄭州450001）

0 引 言

目前車牌定位的方法很多，很多在復(fù)雜背景下不能快速、精確的定位出車牌區(qū)域。直接基于車牌彩色信息的定位方法［1］，主要受不同背景的色彩差異以及不同光照條件下的差異影響很大，魯棒性和定位的精確度不高?；跀?shù)學(xué)形態(tài)學(xué)進(jìn)行的車牌定位［2］，數(shù)學(xué)形態(tài)學(xué)確定的車牌備選區(qū)域一般較多，尤其在復(fù)雜背景下無法精確定位，同時(shí)其時(shí)間復(fù)雜度很高。神經(jīng)網(wǎng)絡(luò)的方法［3］，首先是對圖片的像素用事先定義好的分類器來進(jìn)行分類，再和訓(xùn)練樣本庫進(jìn)行比對，從而得到車牌的備選區(qū)域，然后不斷增加邊緣特征和紋理特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，提高識別效率。Hough變換的方法［4］必須要求車牌區(qū)域有明顯的矩形邊框，如果車牌邊緣有污垢和損壞就不行了，同時(shí)這種方法計(jì)算復(fù)雜度高。還有這幾種算法相互結(jié)合而衍生出其他定位算法，但由于車輛通常所處的環(huán)境比較復(fù)雜，這些算法定位成功率受環(huán)境因素的影響并不高。

本文提出了一種車牌定位的新方法，利用不同二值化方法得到兩幅不同特點(diǎn)的二值圖像，基于他們的特點(diǎn)，分步進(jìn)行行定位和列定位車牌。

1 兩種二值化圖像的特點(diǎn)

在行定位時(shí)使用HSV顏色空間下得到的二值圖像，根據(jù)車牌的紋理特征，從而得到車牌備選區(qū)域的行坐標(biāo)；而列定位就根據(jù)之前得到的車牌備選區(qū)域的行坐標(biāo)，在OSTU法 （即最大類間方差法）得到的二值圖像上水平切割出車牌備選區(qū)域，根據(jù)車牌的紋理特征，再定位出車牌左右坐標(biāo)，最后篩選出正確的車牌區(qū)域。

采用兩種不同的二值化方法對圖像進(jìn)行二值化預(yù)處理：一種二值化方法［5，6］是把原彩色圖像轉(zhuǎn)換到HSV顏色空間下，通過不同顏色車牌所對應(yīng)的H、S、V值的區(qū)間不同進(jìn)行二值化，之后再進(jìn)行形態(tài)學(xué)的除噪處理，這種方法得到的二值圖像的特點(diǎn)是車牌的干擾區(qū)域很少且車牌上下邊界明顯 （如圖1左下），但有時(shí)車牌的左右邊界會與周圍區(qū)域存在連帶 （如圖1右下）；另一種二值化方法是先將原圖像進(jìn)行灰度化，再調(diào)用開源計(jì)算機(jī)視覺庫 （open source computer vision library，OpenCV）庫函數(shù) （使用 OTSU法）進(jìn)行二值化，這種方法的特點(diǎn)是得到的二值圖像干擾區(qū)域很多，但車牌區(qū)域明顯且不與周邊連帶 （見圖2）。

2 預(yù)處理

車輛往往所處的環(huán)境比較復(fù)雜，會受到光照、車牌本身、采集圖像本身等因素的影響，干擾車牌區(qū)域的提取。所以必須要先進(jìn)行預(yù)處理，以減少周圍環(huán)境的影響，提高車牌的質(zhì)量。

2.1 灰度化

在預(yù)處理階段，首先將彩色圖像進(jìn)行灰度化，數(shù)字圖像分彩色圖像和灰度圖像兩種，在RGB顏色空間中，灰度化通常有3種方法［7］：①最大值法：R＝G＝B＝max（R，G，B）；②平均值法：③加權(quán)值法：R＝G＝B＝0.30R＋0.59G＋0.11B。

因?yàn)槿搜蹖Σ煌伾舾卸炔灰粯樱虼藱?quán)值法中的權(quán)值可以得到最合適的灰度圖像。在本文中用的是OpenCV 提供的庫函數(shù)［8］：void cvCvtColor （const CvArr＊src，CvArr＊dst，int code）。其中參數(shù)中的src表示要處理的圖像，處理后的圖像保存到dst，code表示色彩空間轉(zhuǎn)換的模型，這里code的值是CV＿BGR2GRAY。該函數(shù)采用的方法也是加權(quán)值法。

2.2 二值化

本文采用兩種二值化方法，統(tǒng)一二值化后的車牌區(qū)域?yàn)榘椎缀谧?，分別把得到兩個(gè)二值化后的圖像保存起來，在后面進(jìn)行的定位過程中，分別用于行定位和列定位。

（1）轉(zhuǎn)換到HSV空間進(jìn)行二值化

一般我們采集到的圖像都是RGB模型的，為了使二值化后的圖像干擾區(qū)域盡可能少，把RGB模型轉(zhuǎn)換到HSV模型。HSV模型中，H是色彩的基本屬性，就是平常所說的顏色名稱；S是指色彩的純度，值越高色彩越純，值越低則逐漸變灰；V是指亮度。HSV顏色空間模型較適合人的視覺系統(tǒng)。

設(shè) （r，g，b）分別是一個(gè)顏色的紅、綠、藍(lán)坐標(biāo)，它們的值是在0到1之間的實(shí)數(shù)，max等于r，g和b中的最大值，min等于這些值中的最小者。從RGB到HSV的轉(zhuǎn)換公式［9］如下

（1）把源圖像轉(zhuǎn)換到HSV顏色空間下。調(diào)用OpenCV庫中的cvCvtColor函數(shù) （前面灰度化中介紹過），這里code的值是CV＿BGR2HSV。這個(gè)地方要注意的是，用cvCvt－Color函數(shù)轉(zhuǎn)換得到的HSV圖像中，H值的范圍是0～180，S值的范圍是0～255，V值的范圍是0～255。

（2）將HSV圖像分割成H、S、V這3個(gè)單通道圖像。這里用OpenCV庫中的分割通道函數(shù)cvSplit，分割后得到的單通道圖像保存起來。

（3）將H、S、V圖像分別轉(zhuǎn)換成二值圖像。假設(shè)分割后的單通道圖像用h、s、v分別表示H通道、S通道、V通道。二值化中閾值的選定就按不同車牌顏色對應(yīng)的h、s、v值的范圍，如藍(lán)色車牌的H值范圍：94～115，S值范圍：90～255，V值范圍：36～255。使用OpenCV庫里的cvInrangeS函數(shù)進(jìn)行二值化，例如，cvInrangeS（h，w0，w1，h），h是h值的單通道圖像，w0和w1表示單通道的閾值，w0和w1是0到180的整數(shù)，h的像素值若在w0～w1之間，則對應(yīng)的h這一點(diǎn)的像素值變?yōu)?55，反之變?yōu)?。最后把得到的二值圖像替換原來的圖像h，同樣對s、v也是一樣的。

（4）把上一步得到的h、s、v二值圖像按照條件進(jìn)行與操作。不同顏色車牌所需的條件不一樣，如藍(lán)色車牌需要對H、S、V這3個(gè)條件進(jìn)行限定，所以就要對之前在藍(lán)牌閾值范圍內(nèi)得到的H、S、V二值圖像進(jìn)行與運(yùn)算，這里使用OpenCV庫中的cvAnd（）函數(shù)，與操作的結(jié)果就是HSV顏色空間下的二值圖像。

（5）最后進(jìn)行數(shù)學(xué)形態(tài)學(xué)除噪。先用函數(shù)cvErode進(jìn)行腐蝕處理，這里所用的腐蝕結(jié)構(gòu)元素為1×1；再用cvDilate函數(shù)進(jìn)行膨脹處理，膨脹結(jié)構(gòu)元素為2×1。這樣就能很好的消除一些孤立點(diǎn)。

最后的效果如圖1所示。

（2）轉(zhuǎn)換成灰度圖像進(jìn)行二值化［10］

先用前面介紹的灰度化方法將原圖像進(jìn)行灰度化，然后再用OpenCV庫里的cvThreshold函數(shù)進(jìn)行二值化。該函數(shù)的典型應(yīng)用是對灰度圖像進(jìn)行閾值操作得到二值圖像，cvThreshold參數(shù)里的閾值類型選CV＿THRESH＿OTSU，也就是用cvThreshold函數(shù)實(shí)現(xiàn)OSTU算法。

OSTU算法也稱最大類間方差法，被認(rèn)為是圖像分割中閾值選取的最佳算法，OSTU算法的定義與優(yōu)點(diǎn)請參見文獻(xiàn) ［10］。

所以，用這種方法得到的二值化車牌圖像的車牌區(qū)域很好的顯現(xiàn)出來，且與邊界無連帶，比HSV空間下二值化的車牌圖像更適合找尋左右邊界。效果如圖2所示：

3 車牌定位算法

本文車牌分兩步定位，第一步行定位，第二步列定位。

3.1 行定位

行定位時(shí)，采用在HSV空間下進(jìn)行二值化得到的二值圖像。通過大量實(shí)驗(yàn)可知，這種方法得到的二值圖像能夠很好的排除外界干擾，圖上的車牌區(qū)域很明顯，特別是車牌的上下邊界，所以很容易定位出車牌的上下邊界。

行定位算法思想：根據(jù)車牌圖像二值化后字符之間連續(xù)跳變的規(guī)律性，來按行進(jìn)行判定，把符合條件的相鄰行連在一起，并且這樣的連續(xù)行大于某個(gè)閾值時(shí)，就把這樣的區(qū)域作為車牌備選區(qū)域，記錄下這個(gè)區(qū)域的開始行坐標(biāo)和結(jié)束行坐標(biāo)，一幅圖像自上而下掃描一遍后，就能得到車牌備選區(qū)域集合。

行定位流程圖見圖3，圖中的變量注釋如下：

圖3 行定位流程

Thresh＿minH：車牌區(qū)域的最小行數(shù)；

num＿H：用來記錄備選區(qū)域的行數(shù)；

New：用來判斷是否是新區(qū)域；

a［2］［n］：用來存儲滿足條件的備選區(qū)域開始行和結(jié)束行。

判定每行是否滿足條件的算法如下：

設(shè)width表示一幅圖像的寬，height表示高，data［i＊width＋j］表示第i行j列的像素值，data值為0表示黑點(diǎn)、255為白點(diǎn)；begin表示車牌區(qū)域跳變計(jì)數(shù)是否開始，begin為1表示跳變計(jì)數(shù)開始，否則begin為0；num用來計(jì)跳變的次數(shù)；blackbreak用來記錄兩次跳變之間的距離；thresh表示字符之間的寬度閾值；hop＿num表示字符連續(xù)跳變次數(shù)的閾值。當(dāng)blackbreak值大于thresh時(shí)，如果num值大于等于hop＿num，說明該行符合車牌條件，結(jié)束這一行，否則就把begin、num、blackbreak都置為0轉(zhuǎn)到下一行。

實(shí)驗(yàn)效果如圖4所示，白線為車牌的備選區(qū)域。

圖4 車牌備選區(qū)域

3.2 列定位

列定位在用最大類間方差法 （OSTU）得到的二值圖像上進(jìn)行處理。

根據(jù)前面行定位得到的車牌備選區(qū)域的行坐標(biāo)，在OSTU二值圖像上處理每個(gè)備選區(qū)域，找出車牌，定位出左右邊界。

首先對該區(qū)域進(jìn)行垂直投影，就是計(jì)算出每一列的黑色像素點(diǎn)的個(gè)數(shù)，存放到一維數(shù)組a［width］中，根據(jù)車牌的紋理特征，車牌每兩個(gè)字符之間的投影值為0，現(xiàn)實(shí)中所取的備選區(qū)域上下邊界會有一些干擾，導(dǎo)致兩字符間的分割處的投影值不一定為0。大量實(shí)驗(yàn)證明：如果設(shè)該區(qū)域的高為H，投影值小于0.2＊H的地方可視為字符之間的空白區(qū)域，效果非常好。

左邊界定位算法：從左到右定位出車牌的左邊界，用begin標(biāo)記左邊界，thre表示字符或兩字符間隔的閾值，num記錄跳變次數(shù)，設(shè)變量j，j的變化區(qū)間為 （0，width），a［j］值大于0.2＊H可當(dāng)作是字符的投影列，反之當(dāng)作是分割處的投影；一旦字符或兩字符間隔的閾值大于thre時(shí)，表明不屬于車牌區(qū)域，這時(shí)就要判斷num的值是否大于4（前面行定位有解釋為何選4），若大于則表示左邊界已找到，結(jié)束，反之令begin＝0，左邊界要重新選定，繼續(xù)往后走；如果最后尋找失敗的話，begin值為0。

右邊界定位算法：從右向左定位出車牌的右邊界，用end標(biāo)識右邊界，方法和定位左邊界的一樣，只是最后不成功的話，end的值等于width。

接下來判斷該區(qū)域是否為車牌區(qū)域，根據(jù)車牌的幾何特征，我國單行牌照的標(biāo)準(zhǔn)外輪廓尺寸為440mm×140mm，依據(jù)其寬高比篩選出車牌區(qū)域，大量實(shí)驗(yàn)測得寬高比的值設(shè)定為2.4～4最合適，設(shè) WToH表示寬高比，WToH＝ （end－begin）／H。

列定位流程圖如圖5所示。

圖5 列定位流程

最后定位出的車牌區(qū)域如圖6所示。

圖6 實(shí)驗(yàn)結(jié)果

4 實(shí)驗(yàn)結(jié)果分析

本實(shí)驗(yàn)是在VS2005下進(jìn)行的，用C＋＋和OpenCV實(shí)現(xiàn)本文提出的算法，選取了200張圖片進(jìn)行實(shí)驗(yàn)，這200張圖片有來自關(guān)卡拍攝的、有用數(shù)碼相機(jī)拍攝的，全都取自不同的光照條件和背景，車的顏色也各種各樣。能夠準(zhǔn)確定位出192張，定位效果如圖7所示，右邊的圖像為定位成功的，車牌區(qū)域用白色粗線框出，定位準(zhǔn)確率達(dá)到96%，不能準(zhǔn)確定位的那8張有掉色太嚴(yán)重的，有被雪、灰塵或光盤之類的遮蓋住的，如圖8所示，這些情況都不能使車牌準(zhǔn)確被定位。

5 結(jié)束語

不管采用哪種車牌定位算法，最后的定位都是在二值圖上進(jìn)行的，所謂定位方法的不同也就是得到二值圖中間的處理過程不一樣。本文提出的分步車牌定位算法是利用HSV二值法和OSTU二值法得到的二值圖像優(yōu)點(diǎn)不同，最后再利用數(shù)學(xué)形態(tài)學(xué)進(jìn)行消噪，從而提高車牌定位的準(zhǔn)確度。該方法具有很強(qiáng)的抗干擾能力，對于車牌本身有些許污損的也能準(zhǔn)確定位出來。

［1］NIE Hongyin，ZHOU Weidong，LIU Hui.Approach for vechicle license plate locating using multi－color models and integrated characteristics ［J］.Computer Engineering and Application，2010，46 （12）：221－223 （in Chinese）.［聶洪印，周衛(wèi)東，劉輝.多顏色模型和綜合特征下的車牌定位新方法［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46（12）：221－223.］

［2］XUE Bing，WANG Binbin，LIU Ronghui.License plate location algorithm based on mathematical morphology and plate features［J］.Computer Measurement ＆ Control，2011，19（10）：2468－2471 （in Chinese）.［薛冰，王斌斌，劉榮輝.基于數(shù)學(xué)形態(tài)學(xué)及車牌綜合特征的車牌定位算法 ［J］.計(jì)算機(jī)測量與控制，2011，19 （10）：2468－2471.］

［3］Caner H，Gecim H S，Alkar A Z.Efficient embedded neuralnetwork－based license plate recognition system ［J］.IEEE Transactions on Vehicular Technology，2008，57 （5）：2675－2683.

［4］LIN Jun，YANG Feng，LIN Kai.A new method of license plate recognition by Hough transformation and prior knowledge［J］.Microcomputer ＆ ITS Applications，2009，28 （17）：23－25 （in Chinese）. ［林俊，楊峰，林凱.一種利用 Hough變換和先驗(yàn)知識的車牌識別新方法 ［J］.微型機(jī)與應(yīng)用，2009，28 （17）：23－25.］

［5］TAN Siting，HU Zhikun.An effective integration method for license plate location based on HSV color space ［J］.Computers and Applied Chemistry，2011，28 （7）：903－906 （in Chinese）.［譚司庭，胡志坤.基于HSV色空間的車牌定位綜合方法 ［J］.計(jì)算機(jī)與應(yīng)用化學(xué)，2011，28 （7）：903－906.］

［6］WANG Mei，F(xiàn)ANG Peiyu，WANG Guohong.New location method of vehicle license plate based on vertical edge detection of HSV component ［J］.Computer Engineering and Applications，2007，43 （12）：177－179 （in Chinese）. ［王枚，房培玉，王國宏.基于彩色分量垂直邊緣檢測的車牌定位新方法［J］.計(jì)算機(jī)工程與應(yīng)用，2007，43 （12）：177－179.］

［7］LIU Haibo，SHEN Jing，GUO Song.Digital image processing using visual C＋ ＋ ［M］.Beijing：China Machine Press，2010：527－528 （in Chinese）. ［劉海波，沈晶，郭聳.Visual C＋＋數(shù)字圖像處理技術(shù)詳解 ［M］.北京：機(jī)械工業(yè)出版社，2010：527－528.］

［8］ZUO Fei，WAN Pusen，LIU Hang.Digital image processing：Theory and practice，based on the Visual C＋＋ development［M］.Beijing：Publishing House of Electronics Industry，2011：528－571 （in Chinese）.［左飛，萬普森，劉航.數(shù)字圖像處理原理與實(shí)踐：基于Visual C＋＋開發(fā) ［M］.北京：電子工業(yè)出版社，2011：528－571.］

［9］Wikipedia ［DB／OL］. ［2012－10－12］.http：／／en.wikipedia.org／wiki／HSL＿and＿HSV.

［10］FENG Huina，BAI Yanping，HU Hongping.A vehicle plate location method based on color and gray level jump ［J］.Journal of Test and Measurement Technology，2009，23 （6）：545－549（in Chinese）.［馮慧娜，白艷萍，胡紅萍.一種基于顏色和灰度跳變的車牌定位方法 ［J］.測試技術(shù)學(xué)報(bào)，2009，23 （6）：545－549.］