姚兆楠

【摘 要】車(chē)牌識(shí)別是指通過(guò)計(jì)算機(jī)視覺(jué)、圖像處理與模式識(shí)別能方法從車(chē)輛圖像中提取車(chē)牌字符信息，從而確定車(chē)輛的身份。車(chē)牌識(shí)別分為車(chē)牌定位、字符分割、字符識(shí)別三大部分。采用MATLAB軟件編程來(lái)實(shí)現(xiàn)每一個(gè)部分，最后識(shí)別出汽車(chē)牌照。

【關(guān)鍵詞】圖像處理；車(chē)牌識(shí)別；MATLAB

Application of Image Processing in License Plate Identification

YAO Zhao-nan

（School of Science， Changan University， Xian Shaanxi 710064， China）

【Abstract】License plate identification is to point to license plate characters extracted from vehicle image information by computer vision， image processing and pattern identification method. License plate identification can be divided into three parts：license plate location，character division and character identification. Realizing each part by using MATLAB software program and finally identify the license plate.

【Key words】Image processing； License plate recognition； MATLAB

0 緒言

隨著公路逐漸普及，我國(guó)的公路交通事業(yè)發(fā)展迅速。人工管理方式已經(jīng)不能滿(mǎn)足實(shí)際的需要，智能交通管理系統(tǒng)成為道路交通管理的發(fā)展趨勢(shì)，其中汽車(chē)牌照的自動(dòng)識(shí)別技術(shù)得到了廣泛應(yīng)用。本文用MATLAB軟件編程來(lái)實(shí)現(xiàn)汽車(chē)牌照的識(shí)別[1]。

1 設(shè)計(jì)原理

車(chē)牌識(shí)別系統(tǒng)的基本工作原理是將包含車(chē)輛牌照的圖像輸入計(jì)算機(jī)進(jìn)行預(yù)處理，再對(duì)牌照進(jìn)行搜索、檢測(cè)、定位，并分割出包含牌照字符的巨型區(qū)域，然后對(duì)牌照字符進(jìn)行二值化并將其分割為單個(gè)字符，歸一化處理后輸入字符識(shí)別系統(tǒng)進(jìn)行識(shí)別。

車(chē)牌識(shí)別分為車(chē)牌定位、字符分割、字符識(shí)別三大部分。其中車(chē)牌定位是進(jìn)行車(chē)牌識(shí)別的一個(gè)重要部分，只有正確的獲取整個(gè)圖像中的車(chē)牌部分，才能正確的對(duì)車(chē)牌進(jìn)行文字識(shí)別，此系統(tǒng)用到了大量圖像處理中的相關(guān)技術(shù)，其中重要的處理過(guò)程有灰度化、削弱背景干擾、二值化、邊緣檢測(cè)、形態(tài)學(xué)處理、牌照搜索以及區(qū)域剪裁等；字符分割包括字符的分割和歸一化；字符識(shí)別包括字符提取和單子識(shí)別[2]。

2 車(chē)牌定位

車(chē)牌定位就是在車(chē)牌圖像中定位牌照區(qū)域的位置。目前車(chē)牌定位主要采用以下三種方法：（1）基于邊緣檢測(cè)的方法；（2）基于水平灰度變化特征的方法；（3）基于車(chē)牌顏色特征的方法。車(chē)牌區(qū)域在整幅圖像中所占的比例較小，要從整幅圖像中定位車(chē)牌區(qū)域必然要在大量的背景信息中搜而，而且要求快速、準(zhǔn)確地完成車(chē)牌定位。因此，必須對(duì)車(chē)牌特征進(jìn)行綜合分析，抓住車(chē)牌區(qū)別于背景的顯著特征，從而找到定位的有效方法，從圖像中迅速分割出車(chē)牌[3]。具體流程如下：

2.1 預(yù)處理及邊緣檢測(cè)

首先將彩色圖像輸入計(jì)算機(jī)，為了能夠方便進(jìn)行后期的數(shù)字圖像處理，需要將24位真彩色圖都轉(zhuǎn)化成256色的灰度圖。由于牌照?qǐng)D象在拍攝時(shí)受到種種條件的限制和干擾，圖象的灰度值往往與實(shí)際景物不完全匹配，這將直接影響到圖象的后續(xù)處理。這時(shí)就可以采用灰度校正的方法來(lái)處理，增強(qiáng)灰度的變化范圍、豐富灰度層次，以達(dá)到增強(qiáng)圖象的對(duì)比度和分辨率。觀察車(chē)輛牌照的灰度圖像可以發(fā)現(xiàn)，背景對(duì)于牌照的干擾較大，因此先對(duì)灰度圖像進(jìn)行開(kāi)運(yùn)算，再將開(kāi)運(yùn)算后的圖像與灰度圖像進(jìn)行代數(shù)減法，從而的到一個(gè)新的圖像B。為了能夠更好地提取邊緣，我們要對(duì)圖像進(jìn)行二值化處理。用一最佳閾值對(duì)圖像B進(jìn)行二值化得到圖像C。數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域中十分重要的基礎(chǔ)。常用的邊緣檢測(cè)算子有微分算子、log算子和canny算子。本系統(tǒng)采用的是canny算子來(lái)進(jìn)行邊緣檢測(cè)，此方法不容易受噪聲的干擾，能檢測(cè)到真正的弱邊緣。

2.2 牌照的定位與分割

牌照?qǐng)D象經(jīng)過(guò)了預(yù)處理和邊緣檢測(cè)以后，牌照區(qū)域已經(jīng)十分明顯，而且其邊緣得到了勾勒和加強(qiáng)。此時(shí)可進(jìn)一步確定牌照在整幅圖象中的準(zhǔn)確位置。首先對(duì)圖像就行腐蝕和平滑處理，并用了bwareaopen來(lái)去除對(duì)象中不相干的小對(duì)象。接著通過(guò)計(jì)算尋找X和Y方向車(chē)牌的區(qū)域，并定位剪切出車(chē)牌。最后對(duì)分割出的車(chē)牌做進(jìn)一步處理，即轉(zhuǎn)化為灰度圖像并進(jìn)行二值化處理。經(jīng)過(guò)上述流程得到的汽車(chē)牌照見(jiàn)圖2。

3 字符的分割與歸一化

字符分割時(shí)將牌照中的單個(gè)字符分割出來(lái)，以供下一步字符識(shí)別使用。在汽車(chē)牌照自動(dòng)識(shí)別過(guò)程中，字符分割有承前啟后的作用。此處采用的方法為尋找連續(xù)有文字的塊，若長(zhǎng)度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。首先逐排檢查有沒(méi)有白色像素點(diǎn)，若圖像兩邊像素為零，則切割去除圖像左右兩邊多余的部分，然后切割去除圖像上下多余部分，接著根據(jù)圖像的大小，設(shè)置一閾值，檢測(cè)圖像的X軸，若寬度等于這一閾值則切割，分離出七個(gè)字符，最后使用商用系統(tǒng)程序中歸一化大小40*20對(duì)字符進(jìn)行了歸一化處理，與模板中字符圖像的大小相匹配。經(jīng)過(guò)上述流程，得到的字符圖像見(jiàn)圖3。

4 字符的識(shí)別

字符的識(shí)別目前用于車(chē)牌字符識(shí)別中的算法主要有基于模板匹配的算法以及基于人工神經(jīng)網(wǎng)絡(luò)的算法[4]。模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，當(dāng)字符較規(guī)整時(shí)對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率相當(dāng)高。本文采用模板匹配方法。

模板匹配是圖象識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖象或圖象區(qū)域f（i，j）中提取的若干特征量與模板T（i，j）相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖象歸于相應(yīng)的類(lèi)。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類(lèi)。本系統(tǒng)采用相減的方法來(lái)求得字符與模板中哪一個(gè)字符最相似，即其與模板中字符相減的誤差最小，然后找到誤差最小的輸出。汽車(chē)牌照的字符一般有七個(gè)，大部分車(chē)牌第一位是漢字，通常代表車(chē)輛所屬省份，緊接其后的為字母與數(shù)字。車(chē)牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約50多個(gè)，大寫(xiě)英文字母26個(gè)，數(shù)字10個(gè)。所以建立字符模板庫(kù)也極為方便。

首先取字符模板，接著依次取待識(shí)別字符與模板進(jìn)行匹配，將其與模板字符相減，尋找不為0的像素點(diǎn)。把每一幅相減后的圖中不為0的像素點(diǎn)個(gè)數(shù)保存，然后找數(shù)值最小的，即為識(shí)別出來(lái)的結(jié)果。

識(shí)別過(guò)程及識(shí)別結(jié)果見(jiàn)圖1。

圖1 字符識(shí)別過(guò)程和識(shí)別結(jié)果

5 結(jié)論

系統(tǒng)基于數(shù)字圖像處理的算法，通過(guò)MATLB語(yǔ)言編程，較理想地完成了對(duì)車(chē)牌的識(shí)別。其主要實(shí)現(xiàn)過(guò)程是：一是，在背景的圖象中定位分割牌照區(qū)域；二是，對(duì)分割下來(lái)的牌照進(jìn)行字符分割與歸一化處理；是，設(shè)計(jì)識(shí)別程序進(jìn)行字符識(shí)別。但是，在設(shè)計(jì)的過(guò)程中發(fā)現(xiàn)，使用另一幅圖像后，識(shí)別效果始終沒(méi)有那么理想。需要做一定的設(shè)置后才能識(shí)別出相應(yīng)的字符。所以本系統(tǒng)本身還存在許多不足，有待后續(xù)改進(jìn)。

【參考文獻(xiàn)】

[1]高成.MATLAB圖像處理與應(yīng)用[M].2版.北京：國(guó)防工業(yè)出版社，2007.

[2]章毓晉.圖像工程.上冊(cè)，圖像處理[M].北京：清華大學(xué)出版社，2006.

[3]Gonzalez，R.C.， Woods，R.E. 數(shù)字圖像處理[M].3版.阮秋奇，等，譯.北京：電子工業(yè)出版社，2011.

[4]劉陽(yáng)，尹鐵源，葛震，等.數(shù)字圖像處理應(yīng)用于車(chē)輛牌照識(shí)別的研究[J].遼寧大學(xué) 學(xué)報(bào)：自然科學(xué)版，2004（1）.

[責(zé)任編輯：謝慶云]

【摘 要】車(chē)牌識(shí)別是指通過(guò)計(jì)算機(jī)視覺(jué)、圖像處理與模式識(shí)別能方法從車(chē)輛圖像中提取車(chē)牌字符信息，從而確定車(chē)輛的身份。車(chē)牌識(shí)別分為車(chē)牌定位、字符分割、字符識(shí)別三大部分。采用MATLAB軟件編程來(lái)實(shí)現(xiàn)每一個(gè)部分，最后識(shí)別出汽車(chē)牌照。

【關(guān)鍵詞】圖像處理；車(chē)牌識(shí)別；MATLAB

Application of Image Processing in License Plate Identification

YAO Zhao-nan

（School of Science， Changan University， Xian Shaanxi 710064， China）

【Abstract】License plate identification is to point to license plate characters extracted from vehicle image information by computer vision， image processing and pattern identification method. License plate identification can be divided into three parts：license plate location，character division and character identification. Realizing each part by using MATLAB software program and finally identify the license plate.

【Key words】Image processing； License plate recognition； MATLAB

0 緒言

隨著公路逐漸普及，我國(guó)的公路交通事業(yè)發(fā)展迅速。人工管理方式已經(jīng)不能滿(mǎn)足實(shí)際的需要，智能交通管理系統(tǒng)成為道路交通管理的發(fā)展趨勢(shì)，其中汽車(chē)牌照的自動(dòng)識(shí)別技術(shù)得到了廣泛應(yīng)用。本文用MATLAB軟件編程來(lái)實(shí)現(xiàn)汽車(chē)牌照的識(shí)別[1]。

1 設(shè)計(jì)原理

車(chē)牌識(shí)別系統(tǒng)的基本工作原理是將包含車(chē)輛牌照的圖像輸入計(jì)算機(jī)進(jìn)行預(yù)處理，再對(duì)牌照進(jìn)行搜索、檢測(cè)、定位，并分割出包含牌照字符的巨型區(qū)域，然后對(duì)牌照字符進(jìn)行二值化并將其分割為單個(gè)字符，歸一化處理后輸入字符識(shí)別系統(tǒng)進(jìn)行識(shí)別。

車(chē)牌識(shí)別分為車(chē)牌定位、字符分割、字符識(shí)別三大部分。其中車(chē)牌定位是進(jìn)行車(chē)牌識(shí)別的一個(gè)重要部分，只有正確的獲取整個(gè)圖像中的車(chē)牌部分，才能正確的對(duì)車(chē)牌進(jìn)行文字識(shí)別，此系統(tǒng)用到了大量圖像處理中的相關(guān)技術(shù)，其中重要的處理過(guò)程有灰度化、削弱背景干擾、二值化、邊緣檢測(cè)、形態(tài)學(xué)處理、牌照搜索以及區(qū)域剪裁等；字符分割包括字符的分割和歸一化；字符識(shí)別包括字符提取和單子識(shí)別[2]。

2 車(chē)牌定位

車(chē)牌定位就是在車(chē)牌圖像中定位牌照區(qū)域的位置。目前車(chē)牌定位主要采用以下三種方法：（1）基于邊緣檢測(cè)的方法；（2）基于水平灰度變化特征的方法；（3）基于車(chē)牌顏色特征的方法。車(chē)牌區(qū)域在整幅圖像中所占的比例較小，要從整幅圖像中定位車(chē)牌區(qū)域必然要在大量的背景信息中搜而，而且要求快速、準(zhǔn)確地完成車(chē)牌定位。因此，必須對(duì)車(chē)牌特征進(jìn)行綜合分析，抓住車(chē)牌區(qū)別于背景的顯著特征，從而找到定位的有效方法，從圖像中迅速分割出車(chē)牌[3]。具體流程如下：

2.1 預(yù)處理及邊緣檢測(cè)

首先將彩色圖像輸入計(jì)算機(jī)，為了能夠方便進(jìn)行后期的數(shù)字圖像處理，需要將24位真彩色圖都轉(zhuǎn)化成256色的灰度圖。由于牌照?qǐng)D象在拍攝時(shí)受到種種條件的限制和干擾，圖象的灰度值往往與實(shí)際景物不完全匹配，這將直接影響到圖象的后續(xù)處理。這時(shí)就可以采用灰度校正的方法來(lái)處理，增強(qiáng)灰度的變化范圍、豐富灰度層次，以達(dá)到增強(qiáng)圖象的對(duì)比度和分辨率。觀察車(chē)輛牌照的灰度圖像可以發(fā)現(xiàn)，背景對(duì)于牌照的干擾較大，因此先對(duì)灰度圖像進(jìn)行開(kāi)運(yùn)算，再將開(kāi)運(yùn)算后的圖像與灰度圖像進(jìn)行代數(shù)減法，從而的到一個(gè)新的圖像B。為了能夠更好地提取邊緣，我們要對(duì)圖像進(jìn)行二值化處理。用一最佳閾值對(duì)圖像B進(jìn)行二值化得到圖像C。數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域中十分重要的基礎(chǔ)。常用的邊緣檢測(cè)算子有微分算子、log算子和canny算子。本系統(tǒng)采用的是canny算子來(lái)進(jìn)行邊緣檢測(cè)，此方法不容易受噪聲的干擾，能檢測(cè)到真正的弱邊緣。

2.2 牌照的定位與分割

牌照?qǐng)D象經(jīng)過(guò)了預(yù)處理和邊緣檢測(cè)以后，牌照區(qū)域已經(jīng)十分明顯，而且其邊緣得到了勾勒和加強(qiáng)。此時(shí)可進(jìn)一步確定牌照在整幅圖象中的準(zhǔn)確位置。首先對(duì)圖像就行腐蝕和平滑處理，并用了bwareaopen來(lái)去除對(duì)象中不相干的小對(duì)象。接著通過(guò)計(jì)算尋找X和Y方向車(chē)牌的區(qū)域，并定位剪切出車(chē)牌。最后對(duì)分割出的車(chē)牌做進(jìn)一步處理，即轉(zhuǎn)化為灰度圖像并進(jìn)行二值化處理。經(jīng)過(guò)上述流程得到的汽車(chē)牌照見(jiàn)圖2。

3 字符的分割與歸一化

字符分割時(shí)將牌照中的單個(gè)字符分割出來(lái)，以供下一步字符識(shí)別使用。在汽車(chē)牌照自動(dòng)識(shí)別過(guò)程中，字符分割有承前啟后的作用。此處采用的方法為尋找連續(xù)有文字的塊，若長(zhǎng)度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。首先逐排檢查有沒(méi)有白色像素點(diǎn)，若圖像兩邊像素為零，則切割去除圖像左右兩邊多余的部分，然后切割去除圖像上下多余部分，接著根據(jù)圖像的大小，設(shè)置一閾值，檢測(cè)圖像的X軸，若寬度等于這一閾值則切割，分離出七個(gè)字符，最后使用商用系統(tǒng)程序中歸一化大小40*20對(duì)字符進(jìn)行了歸一化處理，與模板中字符圖像的大小相匹配。經(jīng)過(guò)上述流程，得到的字符圖像見(jiàn)圖3。

4 字符的識(shí)別

字符的識(shí)別目前用于車(chē)牌字符識(shí)別中的算法主要有基于模板匹配的算法以及基于人工神經(jīng)網(wǎng)絡(luò)的算法[4]。模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，當(dāng)字符較規(guī)整時(shí)對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率相當(dāng)高。本文采用模板匹配方法。

模板匹配是圖象識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖象或圖象區(qū)域f（i，j）中提取的若干特征量與模板T（i，j）相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖象歸于相應(yīng)的類(lèi)。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類(lèi)。本系統(tǒng)采用相減的方法來(lái)求得字符與模板中哪一個(gè)字符最相似，即其與模板中字符相減的誤差最小，然后找到誤差最小的輸出。汽車(chē)牌照的字符一般有七個(gè)，大部分車(chē)牌第一位是漢字，通常代表車(chē)輛所屬省份，緊接其后的為字母與數(shù)字。車(chē)牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約50多個(gè)，大寫(xiě)英文字母26個(gè)，數(shù)字10個(gè)。所以建立字符模板庫(kù)也極為方便。

首先取字符模板，接著依次取待識(shí)別字符與模板進(jìn)行匹配，將其與模板字符相減，尋找不為0的像素點(diǎn)。把每一幅相減后的圖中不為0的像素點(diǎn)個(gè)數(shù)保存，然后找數(shù)值最小的，即為識(shí)別出來(lái)的結(jié)果。

識(shí)別過(guò)程及識(shí)別結(jié)果見(jiàn)圖1。

圖1 字符識(shí)別過(guò)程和識(shí)別結(jié)果

5 結(jié)論

系統(tǒng)基于數(shù)字圖像處理的算法，通過(guò)MATLB語(yǔ)言編程，較理想地完成了對(duì)車(chē)牌的識(shí)別。其主要實(shí)現(xiàn)過(guò)程是：一是，在背景的圖象中定位分割牌照區(qū)域；二是，對(duì)分割下來(lái)的牌照進(jìn)行字符分割與歸一化處理；是，設(shè)計(jì)識(shí)別程序進(jìn)行字符識(shí)別。但是，在設(shè)計(jì)的過(guò)程中發(fā)現(xiàn)，使用另一幅圖像后，識(shí)別效果始終沒(méi)有那么理想。需要做一定的設(shè)置后才能識(shí)別出相應(yīng)的字符。所以本系統(tǒng)本身還存在許多不足，有待后續(xù)改進(jìn)。

【參考文獻(xiàn)】

[1]高成.MATLAB圖像處理與應(yīng)用[M].2版.北京：國(guó)防工業(yè)出版社，2007.

[2]章毓晉.圖像工程.上冊(cè)，圖像處理[M].北京：清華大學(xué)出版社，2006.

[3]Gonzalez，R.C.， Woods，R.E. 數(shù)字圖像處理[M].3版.阮秋奇，等，譯.北京：電子工業(yè)出版社，2011.

[4]劉陽(yáng)，尹鐵源，葛震，等.數(shù)字圖像處理應(yīng)用于車(chē)輛牌照識(shí)別的研究[J].遼寧大學(xué) 學(xué)報(bào)：自然科學(xué)版，2004（1）.

[責(zé)任編輯：謝慶云]

【摘 要】車(chē)牌識(shí)別是指通過(guò)計(jì)算機(jī)視覺(jué)、圖像處理與模式識(shí)別能方法從車(chē)輛圖像中提取車(chē)牌字符信息，從而確定車(chē)輛的身份。車(chē)牌識(shí)別分為車(chē)牌定位、字符分割、字符識(shí)別三大部分。采用MATLAB軟件編程來(lái)實(shí)現(xiàn)每一個(gè)部分，最后識(shí)別出汽車(chē)牌照。

【關(guān)鍵詞】圖像處理；車(chē)牌識(shí)別；MATLAB

Application of Image Processing in License Plate Identification

YAO Zhao-nan

（School of Science， Changan University， Xian Shaanxi 710064， China）

【Abstract】License plate identification is to point to license plate characters extracted from vehicle image information by computer vision， image processing and pattern identification method. License plate identification can be divided into three parts：license plate location，character division and character identification. Realizing each part by using MATLAB software program and finally identify the license plate.

【Key words】Image processing； License plate recognition； MATLAB

0 緒言

隨著公路逐漸普及，我國(guó)的公路交通事業(yè)發(fā)展迅速。人工管理方式已經(jīng)不能滿(mǎn)足實(shí)際的需要，智能交通管理系統(tǒng)成為道路交通管理的發(fā)展趨勢(shì)，其中汽車(chē)牌照的自動(dòng)識(shí)別技術(shù)得到了廣泛應(yīng)用。本文用MATLAB軟件編程來(lái)實(shí)現(xiàn)汽車(chē)牌照的識(shí)別[1]。

1 設(shè)計(jì)原理

車(chē)牌識(shí)別系統(tǒng)的基本工作原理是將包含車(chē)輛牌照的圖像輸入計(jì)算機(jī)進(jìn)行預(yù)處理，再對(duì)牌照進(jìn)行搜索、檢測(cè)、定位，并分割出包含牌照字符的巨型區(qū)域，然后對(duì)牌照字符進(jìn)行二值化并將其分割為單個(gè)字符，歸一化處理后輸入字符識(shí)別系統(tǒng)進(jìn)行識(shí)別。

車(chē)牌識(shí)別分為車(chē)牌定位、字符分割、字符識(shí)別三大部分。其中車(chē)牌定位是進(jìn)行車(chē)牌識(shí)別的一個(gè)重要部分，只有正確的獲取整個(gè)圖像中的車(chē)牌部分，才能正確的對(duì)車(chē)牌進(jìn)行文字識(shí)別，此系統(tǒng)用到了大量圖像處理中的相關(guān)技術(shù)，其中重要的處理過(guò)程有灰度化、削弱背景干擾、二值化、邊緣檢測(cè)、形態(tài)學(xué)處理、牌照搜索以及區(qū)域剪裁等；字符分割包括字符的分割和歸一化；字符識(shí)別包括字符提取和單子識(shí)別[2]。

2 車(chē)牌定位

車(chē)牌定位就是在車(chē)牌圖像中定位牌照區(qū)域的位置。目前車(chē)牌定位主要采用以下三種方法：（1）基于邊緣檢測(cè)的方法；（2）基于水平灰度變化特征的方法；（3）基于車(chē)牌顏色特征的方法。車(chē)牌區(qū)域在整幅圖像中所占的比例較小，要從整幅圖像中定位車(chē)牌區(qū)域必然要在大量的背景信息中搜而，而且要求快速、準(zhǔn)確地完成車(chē)牌定位。因此，必須對(duì)車(chē)牌特征進(jìn)行綜合分析，抓住車(chē)牌區(qū)別于背景的顯著特征，從而找到定位的有效方法，從圖像中迅速分割出車(chē)牌[3]。具體流程如下：

2.1 預(yù)處理及邊緣檢測(cè)

首先將彩色圖像輸入計(jì)算機(jī)，為了能夠方便進(jìn)行后期的數(shù)字圖像處理，需要將24位真彩色圖都轉(zhuǎn)化成256色的灰度圖。由于牌照?qǐng)D象在拍攝時(shí)受到種種條件的限制和干擾，圖象的灰度值往往與實(shí)際景物不完全匹配，這將直接影響到圖象的后續(xù)處理。這時(shí)就可以采用灰度校正的方法來(lái)處理，增強(qiáng)灰度的變化范圍、豐富灰度層次，以達(dá)到增強(qiáng)圖象的對(duì)比度和分辨率。觀察車(chē)輛牌照的灰度圖像可以發(fā)現(xiàn)，背景對(duì)于牌照的干擾較大，因此先對(duì)灰度圖像進(jìn)行開(kāi)運(yùn)算，再將開(kāi)運(yùn)算后的圖像與灰度圖像進(jìn)行代數(shù)減法，從而的到一個(gè)新的圖像B。為了能夠更好地提取邊緣，我們要對(duì)圖像進(jìn)行二值化處理。用一最佳閾值對(duì)圖像B進(jìn)行二值化得到圖像C。數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域中十分重要的基礎(chǔ)。常用的邊緣檢測(cè)算子有微分算子、log算子和canny算子。本系統(tǒng)采用的是canny算子來(lái)進(jìn)行邊緣檢測(cè)，此方法不容易受噪聲的干擾，能檢測(cè)到真正的弱邊緣。

2.2 牌照的定位與分割

牌照?qǐng)D象經(jīng)過(guò)了預(yù)處理和邊緣檢測(cè)以后，牌照區(qū)域已經(jīng)十分明顯，而且其邊緣得到了勾勒和加強(qiáng)。此時(shí)可進(jìn)一步確定牌照在整幅圖象中的準(zhǔn)確位置。首先對(duì)圖像就行腐蝕和平滑處理，并用了bwareaopen來(lái)去除對(duì)象中不相干的小對(duì)象。接著通過(guò)計(jì)算尋找X和Y方向車(chē)牌的區(qū)域，并定位剪切出車(chē)牌。最后對(duì)分割出的車(chē)牌做進(jìn)一步處理，即轉(zhuǎn)化為灰度圖像并進(jìn)行二值化處理。經(jīng)過(guò)上述流程得到的汽車(chē)牌照見(jiàn)圖2。

3 字符的分割與歸一化

字符分割時(shí)將牌照中的單個(gè)字符分割出來(lái)，以供下一步字符識(shí)別使用。在汽車(chē)牌照自動(dòng)識(shí)別過(guò)程中，字符分割有承前啟后的作用。此處采用的方法為尋找連續(xù)有文字的塊，若長(zhǎng)度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。首先逐排檢查有沒(méi)有白色像素點(diǎn)，若圖像兩邊像素為零，則切割去除圖像左右兩邊多余的部分，然后切割去除圖像上下多余部分，接著根據(jù)圖像的大小，設(shè)置一閾值，檢測(cè)圖像的X軸，若寬度等于這一閾值則切割，分離出七個(gè)字符，最后使用商用系統(tǒng)程序中歸一化大小40*20對(duì)字符進(jìn)行了歸一化處理，與模板中字符圖像的大小相匹配。經(jīng)過(guò)上述流程，得到的字符圖像見(jiàn)圖3。

4 字符的識(shí)別

字符的識(shí)別目前用于車(chē)牌字符識(shí)別中的算法主要有基于模板匹配的算法以及基于人工神經(jīng)網(wǎng)絡(luò)的算法[4]。模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，當(dāng)字符較規(guī)整時(shí)對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率相當(dāng)高。本文采用模板匹配方法。

模板匹配是圖象識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖象或圖象區(qū)域f（i，j）中提取的若干特征量與模板T（i，j）相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖象歸于相應(yīng)的類(lèi)。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類(lèi)。本系統(tǒng)采用相減的方法來(lái)求得字符與模板中哪一個(gè)字符最相似，即其與模板中字符相減的誤差最小，然后找到誤差最小的輸出。汽車(chē)牌照的字符一般有七個(gè)，大部分車(chē)牌第一位是漢字，通常代表車(chē)輛所屬省份，緊接其后的為字母與數(shù)字。車(chē)牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約50多個(gè)，大寫(xiě)英文字母26個(gè)，數(shù)字10個(gè)。所以建立字符模板庫(kù)也極為方便。

首先取字符模板，接著依次取待識(shí)別字符與模板進(jìn)行匹配，將其與模板字符相減，尋找不為0的像素點(diǎn)。把每一幅相減后的圖中不為0的像素點(diǎn)個(gè)數(shù)保存，然后找數(shù)值最小的，即為識(shí)別出來(lái)的結(jié)果。

識(shí)別過(guò)程及識(shí)別結(jié)果見(jiàn)圖1。

圖1 字符識(shí)別過(guò)程和識(shí)別結(jié)果

5 結(jié)論

系統(tǒng)基于數(shù)字圖像處理的算法，通過(guò)MATLB語(yǔ)言編程，較理想地完成了對(duì)車(chē)牌的識(shí)別。其主要實(shí)現(xiàn)過(guò)程是：一是，在背景的圖象中定位分割牌照區(qū)域；二是，對(duì)分割下來(lái)的牌照進(jìn)行字符分割與歸一化處理；是，設(shè)計(jì)識(shí)別程序進(jìn)行字符識(shí)別。但是，在設(shè)計(jì)的過(guò)程中發(fā)現(xiàn)，使用另一幅圖像后，識(shí)別效果始終沒(méi)有那么理想。需要做一定的設(shè)置后才能識(shí)別出相應(yīng)的字符。所以本系統(tǒng)本身還存在許多不足，有待后續(xù)改進(jìn)。

【參考文獻(xiàn)】

[1]高成.MATLAB圖像處理與應(yīng)用[M].2版.北京：國(guó)防工業(yè)出版社，2007.

[2]章毓晉.圖像工程.上冊(cè)，圖像處理[M].北京：清華大學(xué)出版社，2006.

[3]Gonzalez，R.C.， Woods，R.E. 數(shù)字圖像處理[M].3版.阮秋奇，等，譯.北京：電子工業(yè)出版社，2011.

[4]劉陽(yáng)，尹鐵源，葛震，等.數(shù)字圖像處理應(yīng)用于車(chē)輛牌照識(shí)別的研究[J].遼寧大學(xué) 學(xué)報(bào)：自然科學(xué)版，2004（1）.

[責(zé)任編輯：謝慶云]