常巧紅， 高滿(mǎn)屯

（西北工業(yè)大學(xué)機(jī)電學(xué)院，陜西 西安 710072）

基于HSV色彩空間與數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位研究

常巧紅， 高滿(mǎn)屯

（西北工業(yè)大學(xué)機(jī)電學(xué)院，陜西 西安 710072）

車(chē)牌識(shí)別系統(tǒng)在高速路收費(fèi)口與住宅小區(qū)車(chē)庫(kù)管理中得到越來(lái)越多的應(yīng)用，車(chē)牌定位是整個(gè)識(shí)別系統(tǒng)實(shí)現(xiàn)的前提?；诨叶葓D像的定位方法和基于彩色車(chē)牌圖像的定位方法，實(shí)現(xiàn)效果均不大理想。在充分利用車(chē)牌先驗(yàn)信息的基礎(chǔ)上，提出基于HSV色彩空間與數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位方法。先利用色彩信息對(duì)可能包含車(chē)牌目標(biāo)的區(qū)域進(jìn)行過(guò)濾，再利用數(shù)學(xué)形態(tài)學(xué)技術(shù)生成連通區(qū)域，判斷并生成正確的車(chē)牌區(qū)域，最后,使用radon變換進(jìn)行傾斜校正。

車(chē)牌定位；HSV色彩空間；數(shù)學(xué)形態(tài)學(xué)；radon變換

隨著現(xiàn)代交通的發(fā)展，對(duì)車(chē)輛的現(xiàn)代化管理日趨自動(dòng)化，對(duì)車(chē)輛自動(dòng)檢測(cè)、識(shí)別系統(tǒng)的需求日益增加，例如高速路收費(fèi)口、小區(qū)自動(dòng)停車(chē)場(chǎng)管理等。為了適應(yīng)當(dāng)今交通發(fā)展，需要有智能化的交通管理系統(tǒng)，其中一個(gè)重要環(huán)節(jié)就是基于車(chē)輛圖像的牌照識(shí)別。通常，車(chē)牌識(shí)別由3個(gè)部分組成：車(chē)牌定位，字符分割與字符識(shí)別。車(chē)牌定位是車(chē)牌識(shí)別的關(guān)鍵環(huán)節(jié)，并且也是最難解決的問(wèn)題。

常用的車(chē)牌定位方法有基于邊緣檢測(cè)的方法[1-3]、數(shù)學(xué)形態(tài)學(xué)定位法[4,5]、基于彩色圖像分割的方法[6-9]等。彩色圖像分割定位法利用彩色圖像比灰度圖像能得到更多的視覺(jué)信息并對(duì)各種光照不敏感等特點(diǎn)，可以準(zhǔn)確地定位出車(chē)牌的邊界，但當(dāng)車(chē)牌區(qū)域與附近區(qū)域顏色非常相近時(shí)，該方法的定位誤差會(huì)有所增加；基于數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位方法計(jì)算量小，復(fù)雜度低，可降低噪聲的干擾，且滿(mǎn)足實(shí)時(shí)定位的要求，但邊緣定位粗糙。

本文在充分利用車(chē)牌先驗(yàn)信息的基礎(chǔ)上，提出基于 HSV色彩空間與數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位方法。利用色彩信息對(duì)可能包含車(chē)牌目標(biāo)的區(qū)域進(jìn)行過(guò)濾，然后利用數(shù)學(xué)形態(tài)學(xué)技術(shù)生成連通區(qū)域，判斷并生成正確的車(chē)牌區(qū)域，最后使用radon變換進(jìn)行傾斜校正。實(shí)驗(yàn)表明，該方法能快速精確的檢測(cè)出車(chē)牌，并進(jìn)行傾斜校正。

1 色彩空間

我國(guó)的車(chē)牌按照字符顏色和底色的不同搭配可分為4類(lèi)：藍(lán)底白字、黃底黑字、黑底白字、白底黑字。其中底色占車(chē)牌區(qū)域70%左右，故車(chē)牌區(qū)域顏色特征以底色為主。彩色圖像的數(shù)據(jù)包含亮度信息，也包含顏色信息。為了正確識(shí)別顏色，需要建立顏色空間。顏色空間是對(duì)彩色的一種描述方法，目前有多種表示數(shù)字圖像色彩信息的顏色空間模型，常見(jiàn)的有RGB、HSV、CMYK、Lab等。

一般彩色圖像常用的RGB三原色模型中兩點(diǎn)間的歐氏距離與顏色距離呈非線(xiàn)性關(guān)系，不便于進(jìn)行圖像的彩色分割，可以將這個(gè)模型轉(zhuǎn)化為HSV模型，使車(chē)牌定位工作在 HSV空間中進(jìn)行[10]。

1.1 HSV色彩空間

HSV色彩空間模型是由色調(diào)(Hue)，飽和度(Saturation)和亮度(Value) 3個(gè)顏色分量組成的一類(lèi)顏色空間。它是面向用戶(hù)的一種復(fù)合主觀感覺(jué)的顏色空間，通常用于選擇顏色，更接近人對(duì)顏色的感知。該色彩空間3個(gè)分量的相關(guān)性較低。所以在選擇顏色時(shí)，通常由RGB色彩空間轉(zhuǎn)換到HSV色彩空間中，然后再作處理。

1.2 RGB到HSV色彩空間的轉(zhuǎn)換

進(jìn)行色彩空間的轉(zhuǎn)換運(yùn)算之前，需要在RGB空間將每個(gè)一色彩分量值先歸一化，可以通過(guò)對(duì)每一分量除以255來(lái)得到。RGB到HSV色彩空間的轉(zhuǎn)換關(guān)系如下：

需要說(shuō)明的是得到V分量的過(guò)程實(shí)際上是對(duì)彩色圖像進(jìn)行灰度化的過(guò)程。有時(shí)為了在視覺(jué)上更接近人的主觀感覺(jué)，通常在灰度化時(shí)給分量各自增加一個(gè)加權(quán)系數(shù)，然后求和。經(jīng)常用到的灰度化公式如下：

1.3 HSV空間中車(chē)牌色彩區(qū)域的分割

一般認(rèn)為，在 HSV顏色空間中，藍(lán)色、黃色的h，s，v分量取值都有一定的范圍。經(jīng)過(guò)大量的彩色圖像的分析，發(fā)現(xiàn)對(duì)于彩色車(chē)牌圖像來(lái)說(shuō)，它的色調(diào)、飽和度和亮度值范圍，如表1所示。

表1 HSV的取值范圍

考慮到黑白車(chē)牌出現(xiàn)的頻度非常小，本文只研究藍(lán)色和黃色車(chē)牌。根據(jù)上面表格中車(chē)牌顏色的取值規(guī)律，只需要設(shè)定了顏色中心，車(chē)牌區(qū)域的像素就可以直接通過(guò)對(duì)H、S、V3個(gè)分量設(shè)定范圍過(guò)濾出來(lái)，無(wú)需進(jìn)行較復(fù)雜的均值聚類(lèi)計(jì)算，這樣可以在定位彩色車(chē)牌時(shí)節(jié)省大量的時(shí)間。

根據(jù)表 1，將滿(mǎn)足 200＜h＜255 或 25＜h＜25，0.35＜s＜1，0.3＜v＜1 的像素點(diǎn)認(rèn)為是車(chē)牌底色，置為1，其他像素點(diǎn)置為0，即：

假定原圖中含有藍(lán)色或黃色車(chē)牌，由此可獲得車(chē)牌的背景顏色，如圖1所示。圖1（b）為二值圖，白色表示車(chē)牌底色區(qū)域，黑色表示非車(chē)牌底色區(qū)域。

圖1 基于HSV色彩空間的車(chē)牌定位結(jié)果

由圖1(b)可見(jiàn)，如果僅依據(jù)車(chē)牌底色來(lái)定位車(chē)牌位置，由于干擾較多，存在較多的候選區(qū)域。因此，僅依據(jù)車(chē)牌底色尚很難確定車(chē)牌區(qū)域。本文采用數(shù)學(xué)形態(tài)學(xué)方法對(duì)候選區(qū)域作進(jìn)一步判斷，以得到正確的車(chē)牌區(qū)域。

2 數(shù)學(xué)形態(tài)學(xué)處理

2.1 開(kāi)運(yùn)算和閉運(yùn)算

開(kāi)運(yùn)算：假定A為輸入圖像，B為結(jié)構(gòu)元素，利用B對(duì)A作開(kāi)運(yùn)算，用符號(hào)BA?表示，其定義為：

式中：Θ表示腐蝕運(yùn)算；

⊕表示膨脹膨脹。開(kāi)運(yùn)算實(shí)際上是A先被B腐蝕，然后再被B膨脹的結(jié)果。開(kāi)運(yùn)算一般使對(duì)象的輪廓變得光滑，斷開(kāi)狹窄的間斷和消除細(xì)的突出物。

閉運(yùn)算：閉運(yùn)算是開(kāi)運(yùn)算的對(duì)偶運(yùn)算，定義為先作膨脹然后再作腐蝕。利用B對(duì)A作閉運(yùn)算表示為BA·，其定義為：

閉運(yùn)算同樣使輪廓變得光滑，但與開(kāi)運(yùn)算相反的是，它通常消弭狹窄的間斷和長(zhǎng)細(xì)的鴻溝，消除小的孔洞，并填補(bǔ)輪廓中的斷裂。

2.2 形態(tài)學(xué)處理

現(xiàn)將運(yùn)用形態(tài)學(xué)方法進(jìn)行車(chē)牌定位的過(guò)程描述如下：

1） 噪聲去除。由圖1(b)，經(jīng)顏色過(guò)濾得到的二值圖像含有較多噪聲點(diǎn)，采用均值濾波作為預(yù)處理。

2） 圖像平滑。本文選取矩形結(jié)構(gòu)元素對(duì)去除噪聲的圖像進(jìn)行形態(tài)學(xué)閉運(yùn)算，使其邊緣輪廓更為光滑，消除圖像中的間斷、細(xì)長(zhǎng)的鴻溝以及小的孔洞，并填補(bǔ)輪廓線(xiàn)中的斷裂。如圖2(a)所示。

3） 預(yù)判斷。首先去除面積較小的噪聲區(qū)域，經(jīng)實(shí)驗(yàn)，閾值設(shè)為2000。計(jì)算各連通區(qū)域的面積，對(duì)其按從大到小順序進(jìn)行長(zhǎng)寬比判斷。根據(jù)我國(guó)車(chē)牌的特點(diǎn)，考慮車(chē)牌圖像可能存在傾斜以及邊緣的分割誤差，長(zhǎng)寬比的范圍值為2～4。對(duì)判斷后的區(qū)域進(jìn)行剪裁，如圖2(b)所示。

4） 確定最終目標(biāo)區(qū)域。圖2(b)仍含有大量車(chē)牌邊緣信息，需進(jìn)一步去除。對(duì)所得裁剪區(qū)域進(jìn)行形態(tài)學(xué)閉運(yùn)算，找出每個(gè)連通區(qū)域的中心，如果區(qū)域中心位于邊緣位置，我們認(rèn)為該連通區(qū)域?yàn)檐?chē)牌邊緣，并置為0。結(jié)果如圖2(c)所示。

圖2 確定最終目標(biāo)區(qū)域示意圖

3 傾斜校正

由于道路的坡度、車(chē)牌的懸掛、攝像機(jī)與車(chē)牌之間傾斜角度等的影響，使得拍攝到的車(chē)牌圖像產(chǎn)生了不同程度的傾斜，這使后續(xù)的字符分割和識(shí)別極為困難。因此，需要在字符分割之前進(jìn)行車(chē)牌的傾斜校正。本文采取radon變換法求取傾斜角。

二維圖像f(x,y)的投影是其在某一方向上的線(xiàn)積分，例如f(x,y)在垂直方向上的二維線(xiàn)積分就是f(x,y)在x軸上的投影；f(x,y)在水平方向上的二維線(xiàn)積分就是f(x,y)在y軸上的投影。推而廣之，可以沿任意角度θ計(jì)算圖像的投影。也就是說(shuō)，任意角度上都存在圖像的radon變換。如圖3所示，說(shuō)明了radon變換的幾何原理[11]。

圖3 Radon變換的幾何原理示意圖

通常情況下，f(x,y)的radon變換是一個(gè)平行于y′軸的線(xiàn)積分：

傾斜校正算法可以歸結(jié)為以下幾步：首先，選取圖2(c)每一列最下方的1值像素，同時(shí)去除圖像上半部分的像素以減少干擾，如圖4(a)所示。然后，使用radon變換對(duì)車(chē)牌圖像在0～180°內(nèi)進(jìn)行投影，取所有角度對(duì)應(yīng)的radon變換值中的最大值，這個(gè)值對(duì)應(yīng)的角度即為傾斜校正角度。最后，利用旋轉(zhuǎn)變換對(duì)圖像進(jìn)行旋轉(zhuǎn)即可，結(jié)果如圖4(b)所示。

圖4 傾斜校正示意圖

4 實(shí)驗(yàn)及結(jié)論

算法在 Matlab2012a環(huán)境實(shí)現(xiàn)，對(duì) 90張1536×2048的車(chē)輛圖片進(jìn)行了測(cè)試，車(chē)牌類(lèi)型包括不同省市的汽車(chē)牌照，定位成功率為96%。

雖然，對(duì)于車(chē)牌與車(chē)輛顏色相近和天氣條件不好的情況，本文方法尚不能很好地解決。但是，相對(duì)于灰度定位的方法，本文方法充分利用了車(chē)牌的顏色信息，提高了定位準(zhǔn)確性；相對(duì)于只是用顏色判斷的方法，本文方法能將與車(chē)牌顏色相近的要求濾除；而且本方法不受車(chē)牌位置、大小和背景顏色的影響，如圖5所示，因此，本文方法在車(chē)牌定位方面具有一定優(yōu)勢(shì)。

圖5 檢測(cè)結(jié)果

[1]吳舟舟, 李樹(shù)廣. 基于分級(jí)邊緣間距的實(shí)時(shí)車(chē)牌檢測(cè)[J]. 中國(guó)圖象圖形學(xué)報(bào), 2007, 12(2)：315-321.

[2]沈世旻, 盛翊智. 基于邊緣檢測(cè)的車(chē)牌圖像分割技術(shù)[J]. 自動(dòng)化技術(shù)與應(yīng)用, 2004, 23(3)：24-26.

[3]張玉姣, 史忠科. 一種新的車(chē)牌識(shí)別預(yù)處理算法[J].西北工業(yè)大學(xué)學(xué)報(bào), 2002, 20(1)：83-86.

[4]李 剛, 曾銳利, 林 峰, 等. 基于數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位算法[J]. 儀器儀表學(xué)報(bào), 2007, 28(27)：1323-1327.

[5]盧雅琴, 鄔凌超. 基于數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位方法[J].計(jì)算機(jī)工程, 2005, 31(3)：224-225.

[6]薄樹(shù)奎, 孫新德, 丁 琳. 一種基于彩色圖像分割的車(chē)牌檢測(cè)方法[J]. 計(jì)算機(jī)科學(xué), 2009, 36(4)：261-276.

[7]師 文, 杜宇人. 基于數(shù)學(xué)形態(tài)學(xué)和顏色的車(chē)牌定位[J]. 揚(yáng)州大學(xué)學(xué)報(bào)(自然科學(xué)版), 2010, 13(3)：69-73.

[8]陳鍛生, 謝志鵬, 劉征凱. 復(fù)雜背景下彩色圖像車(chē)牌提取與字符分割[J]. 小型微型計(jì)算機(jī)系統(tǒng), 2002,23 (9)：1144-1148.

[9]高朝暉, 黃 衛(wèi). 基于彩色圖像車(chē)牌分割研究[J].公路交通科技, 2004, 21(8)：114-117.

[10]李 剛, 黃席樾, 劉 政, 等. 基于字符邊緣顏色多分量信息的車(chē)牌定位方法[J]. 計(jì)算機(jī)工程, 2009,35(18)：176-178.

[11]徐 瑞. Radon變換在車(chē)牌傾斜校正中的應(yīng)用[J].中國(guó)科技信息, 2009, 12：146-147.

Research on License Plate Location Based on HSV Color Space and Mathematical Morphology

Chang Qiaohong, Gao Mantun
( School of Mechanical Engineering, Northwestern Polytechnics University, Xi’an shaanxi 710072, China )

The license plate recognition system has been widely used in highway toll gate and garage management of residential quarters, and license plate location is the precondition of the realization of the whole recognition system. The effects of localization methods based on gray-scale image and color-plate image are not ideal. By making full use of the license plate of a priori information, a method of license plate location based on the HSV color space and mathematical morphology is proposed. First, get the possible objects by using color information as a filter, then generate connected regions by using mathematical morphology techniques and generate the final correct license plate region, and last use radon transform to tilt correction.

license plate location; HSV color space; mathematical morphology; radon transform

TP 391.41

A

2095-302X (2013)04-0159-04

2013-05-27；定稿日期：2013-06-14

常巧紅（1989-），女，河南靈寶人，碩士研究生，主要研究方向?yàn)橛?jì)算機(jī)圖形學(xué)。E-mail：18392079140@163.com

高滿(mǎn)屯（1962-），男，山西襄汾人，教授，主要研究方向?yàn)槔碚搱D學(xué)、計(jì)算機(jī)視覺(jué)等。E-mail：gaomant@nwpu.edu.cn