摘 要：現(xiàn)階段在實現(xiàn)車牌識別系統(tǒng)的階段，較主要的成分是分割車牌字符圖像技術以及提取車牌圖像技術。在本文中具體闡述了一種適合應用在實際提取與分割的技術流程。實驗具體在內存64M，Pentium的環(huán)境中，從輸入圖像一直到對結果的識別，所應用的平均時間大約0.6秒，充分地證實了該方法的有效性。

關鍵詞：車牌識別；圖像提??；分割技術

中圖分類號：TP391.41

車牌識別是智能交通系統(tǒng)中較為重要的成分之一，其可以在任意圖像當中自動地將車牌圖像提取出來，并將字符圖像自動分割，以此來識別字符。在國外一些發(fā)達國家因為較早地發(fā)展了收費停車場與高速公路，所以早已具備著類似圖像提取的自動系統(tǒng)?？梢驗檐嚺频淖R別系統(tǒng)往往是將車牌所處于的特定環(huán)境和特定要求作為導向，再加上不同的國家擁有著不同的車牌布局模式，所以車牌的設計方法也不盡相同。

1 分析圖像提取技術

在處理圖像方面較為核心的是圖像變換這一步驟。在開展圖像變換的過程中，需要設計出相適應的處理函數(shù)，此函數(shù)的設計目的主要是為了凸顯車牌特點，以此來提取車牌圖像。

1.1 圖像變換。原始的圖像擁有著較多的數(shù)據(jù)，在處理原始圖像的過程中必然會應用較長的時間，同時還包含著實時性的相關需求，在提取車牌方面需要擁有極大的魯棒性，即通過直接處理就可以提取大部分的車牌。此時，最好不要通過后續(xù)的結果進行這一步驟的調整。有必要在整幅的圖像中將車牌提取出來，整幅圖像中具體包含：背景、車身等，那么就要將車牌的主要特征作為重點，通過特征數(shù)據(jù)來正確地提取車牌，力求達到事半功倍的效果[1]。在車牌中較為具體的特征就是車牌字與車牌底色有著極大的顏色對比度，需要將這一特征作為提取時的關鍵點，才能夠完成車牌提取任務。想要將這一特征放大、突出，本文主要介紹了相關的處理函數(shù)：

（x，y）=∣F（x-d，y）-2F（X，Y）+f（x+d，y）∣

F（x，y）： 原圖像

P（x，y）： 處理后圖像

d：處理參數(shù)

利用這一函數(shù)能夠凸顯圖像提取過程中豎直的邊緣，其中會暫且不考慮水平邊緣。對d值適當?shù)倪x擇，能夠將車牌放大，可以水平掃描圖像在處理之后所生成的直線，若選擇的是恰當?shù)膁值，就會增加一倍的掃描次數(shù)，運用這樣的方式可以將車牌特征放大，能夠在車牌提取方面奠定較為堅實的基礎。盡管會增加噪聲掃描次數(shù)，可是車牌區(qū)域中有著一定的密集程度，放大的目的就能夠因此而達成。在選取d值的原則方面，是原始的圖像當中擁有著較大的車牌圖像時，d值可以選擇較大的范疇。

1.2 圖像復原。相對嘈雜的場合中，進行圖像的輸入方面會較為模糊，又或者會產(chǎn)生較大的噪聲，那么在處理的準備階段中需要開展去除噪音或者復原的工作。對于復原不同場合中的圖像具備著不同程度的模型，例如：幾何畸變復原、均勻直線運動方面的復原等。也就是在拍攝車牌的過程中，由于種種原因會體現(xiàn)出傾斜的狀態(tài)，在提取圖像的過程中，會增加識別與分割的難度，在這樣的情況下就需要通過幾何畸變的方式進行復原?？墒窃诰唧w的算法當中，因為魯棒性是提取車牌算法中的特點，無法嚴謹?shù)囊笤紙D像的清晰度，因此圖像復原的工作需要在圖像分割之前開展，只單純地復原車牌圖像就可以，運用這樣的方式能夠節(jié)省系統(tǒng)的整個運行時間[2]。

1.3 處理后的圖像二值化。計算圖像二值化閾值具有較多的方式，圖像在經(jīng)過處理之后，直接會減小圖像整體區(qū)域的灰度值，該灰度值會在水平的方向上若產(chǎn)生較大的變化時，才會在此區(qū)域中產(chǎn)生極大的灰度值，在這樣的情況下圖像直方圖當中，所產(chǎn)生的峰值就會顯示出兩種明顯的對比效果，然而擁有較大灰度的像素點中，二值化則是高亮度的點。那么，在選取二值化閾值時，需要通過最大方差法來完成[3]。實際上在處理之前和通過二值化處理之后的車牌對應圖，如圖1所示：

圖1 二值化處理前后的車牌對比圖

2 字符分割

大部分車輛上的車牌只擁有一個漢字，其他的字符基本都是數(shù)字、字母來組成?；诖耍址姆指钸m合應用連通閾的方式。針對其中的漢字通過大小、位置等信息合并連通閾?？墒窃趯嶋H的字符分割過程中，較多的車牌會擁有較大的噪聲，極為嚴重的狀況是目視不能夠辨別的，同時僅僅依靠連通閾也根本不能夠獲得滿意的效果。所以采取相應的改進方法是必要的措施：

2.1 大連通閾。在產(chǎn)生噪聲這一影響因素時，需要將連通閾相連接，從而構成大連通閾，此時會導致誤判的現(xiàn)象發(fā)生。例如：較多的車牌上都會使用兩個螺絲將車牌固定住，一般情況下這兩個螺絲會將第六個字符和第二個字符與車牌邊緣相連，由此會構成大連通閾，特別是新車，新螺絲的亮度較高，必然會增大灰度值。在這樣的情況下，需要重新選取大連通閾中的閾值，然后開展二值化之后再次找出連通閾。此外，還會因為噪聲，促使一個字母或者一個數(shù)字通過二值化形成多個連通閾，在這樣的情況下就需要合并下一位的字母或者數(shù)字連通閾[4]。

2.2 改進二值化。產(chǎn)生噪聲的原因基本上是因為不恰當?shù)亩祷撝刀斐傻?。在車牌中字的灰度值與底色有著細微的差距，例如：車牌在反光的狀態(tài)下，選取二值化閾值的方式尤為重要。此時，應該恰當利用的是局部的區(qū)域二值化，也就是將車牌適當?shù)姆指畛奢^多的模塊來以此開展二值化，最為嚴重的情況就是將二值化分別作用在每一個像素點中，引用這樣的處理方式可以改善產(chǎn)生噪聲這一較為嚴重的問題[5]。

2.3 位置信息的充分利用。因為車牌擁有著規(guī)范排列的特征，有時在發(fā)生漏字的情況下，都能夠通過位置信息將連通閾無法找到的字符找出。同時，位置信息在合并連通閾方面擁有著較為核心的作用。

3 車牌提取

通過水平掃描二值化之后的圖像，將產(chǎn)生劇烈掃描線的區(qū)域當做備選的掃描區(qū)域。在此階段擁有著一個重要的參數(shù)，就是在每一行中產(chǎn)生頻率變化的最小下限值。按照我國的大部分車牌的特征，往往在7-10個字符之間，這幾個字符中主要會包含：數(shù)字、漢字、字母。在提取圖像時需要利用豎直邊緣的提取，再進行水平掃描的手段，往往能夠讓變化程度顯示出25次，甚至更多的變化率，結合實際會考慮到，由于較差的車牌質量或者二值化的原因，尤其是歪斜的車牌狀況，在應用d值時需要取較小值。

4 結束語

本文具體分析了分割字符圖像和提取車牌圖像的方法，該方法在實際應用當中獲得了較為優(yōu)質的成效。因為實時性是車牌識別當中具體的要求，則需要嚴格注意設計算法，才能夠充分地滿足處理時間長以及數(shù)據(jù)量大的特點。

參考文獻：

[1]李宇成，楊光明，王目樹.車牌識別系統(tǒng)中關鍵技術的研究[J].計算機工程與應用，2013（09）：123-126.

[2]張禹，張忠波，韓笑.車牌識別中的圖像提取及分割算法[J].吉林大學學報（理學版），2013（08）：135-140.

[3]方興林，陳來保.基于車牌識別的校園車輛出入管理系統(tǒng)研究[J].黑龍江八一農(nóng)墾大學學報，2013（07）：146-149.

[4]徐建閩，賀敬凱.車型與車牌自動識別技術分析[J].交通與計算機，2013（06）：162-168.

[5]王嘉梅，蘇紅，楊躍武.基于圖像分割的靜止圖像車牌識別系統(tǒng)研究[J].云南民族大學學報（自然科學版），2013（04）：162-163.

作者簡介：靳澤琪（1988-），男，河南安陽人，碩士研究生，研究方向：數(shù)字圖形圖像處理。

作者單位：遼寧大學信息學院，沈陽 110036