王浩杰+趙珂+黃國勇

摘要：提出了一套基于Roberts算子和最大方差閾值算法的GUI車牌圖像識(shí)別系統(tǒng)。針對(duì)相機(jī)或高清視頻流所采集的照片，本文結(jié)合圖片的預(yù)處理，采用梯度檢測(cè)法進(jìn)行邊緣檢測(cè)，基于像素點(diǎn)的先行后列的車牌定位方法，并用最大閾值方差法進(jìn)行二值化處理，根據(jù)對(duì)二值邊緣圖像做積分Harr識(shí)別，把車牌信息從圖像轉(zhuǎn)化為文本輸出。實(shí)驗(yàn)結(jié)果表明，該GUI系統(tǒng)能夠正確實(shí)現(xiàn)識(shí)別車牌圖像文本信息。

Abstract： A GUI License Plate Recognition System which is based on the Roberts Operator and Maximum Variance Threshold Algorithm is put forward. This article aims at the photo from camera or HD video stream， combining with the image preprocessing， using gradient method for edge detection， after using the method of the license plate location that based on the first row and then column of pixels， with a maximum threshold variance binary， processing method according to the binary edge image Harr integral image recognition， based on the achieving the transformation from picture to text. The results of experiment shows that the GUI System can achieve the accurate text license plate.

關(guān)鍵詞：Roberts算子；最大方差閾值算法；GUI系統(tǒng)

Key words： Roberts operator；Maximum Variance Threshold Algorithm；GUI system

中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2016）29-0199-03

0 引言

隨著人們對(duì)生活質(zhì)量要求的提高，私家車數(shù)量急劇增加，也促使了智能交通的快速發(fā)展。車牌識(shí)別技術(shù)作為智能交通系統(tǒng)的關(guān)鍵技術(shù)之一，廣泛應(yīng)用于停車場(chǎng)管理系統(tǒng)、高速公路及交叉口車輛管理系統(tǒng)、電子通行費(fèi)系統(tǒng)、公安局車輛牌照管理系統(tǒng)、車輛管理系統(tǒng)等。因此，車牌識(shí)別技術(shù)的深入研究不僅具有理論價(jià)值而且具有很高的實(shí)用經(jīng)濟(jì)價(jià)值。本文開發(fā)了一種基于MATLAB GUI的車牌圖像識(shí)別系統(tǒng)，可實(shí)現(xiàn)車牌識(shí)別輸出處理。

車牌識(shí)別技術(shù)包括五個(gè)步驟：圖像采集、圖像處理、車牌定位、字符分割、車牌識(shí)別。

1 車牌識(shí)別原理

1.1 圖像采集

本系統(tǒng)的車牌識(shí)別圖片來源于在規(guī)定路段上安置的MV彩色CCD相機(jī)拍攝的含有車牌的圖片，或者拍攝高清視頻流轉(zhuǎn)換的靜態(tài)車牌圖片。在圖像采集環(huán)節(jié)獲得高清圖片可以有效提高車牌識(shí)別系統(tǒng)的準(zhǔn)確率。

1.2 原始圖像的預(yù)處理

車輛圖像的預(yù)處理，指對(duì)采集到的車輛圖像，進(jìn)行灰度化和拉伸處理，有效的改善拍照區(qū)域的圖像質(zhì)量。由于牌照區(qū)域存在噪點(diǎn)，且要保存和加強(qiáng)車牌中紋理和顏色信息，因此，必須進(jìn)行原始圖像的預(yù)處理。

1.2.1 灰度化處理

R、G、B是彩色圖像的三個(gè)組成部分，分別為紅色、綠色、藍(lán)色?；叶忍幚硎菍⒉噬珗D像轉(zhuǎn)換成灰度圖像的過程，即處理彩色R、G、B分量相等的過程。灰度值大的像素點(diǎn)比較亮（最大為255，白色），灰度值小的比較暗（最小為0，黑色）。

因?yàn)槿搜圩蠲舾芯G色、其次紅色，最后是藍(lán)色，所以本文采用加權(quán)平均法對(duì)圖像進(jìn)行灰度化。

H=ωRR+ωGG+ωBB （1）

其中，ωR、ωG、ωB分別為R、G、B的權(quán)值，H為圖像的灰度值。且 ωG>ωR>ωB將得到較易識(shí)別的圖像。一般來說，ωG=0.587、ωR=0.299、ωB=0.114時(shí)，得到的灰度圖像最好。原圖及灰度化結(jié)果如圖1所示。

1.2.2 灰度拉伸

從圖1可見，經(jīng)過灰度處理后的圖像車牌部分和其他圖像部分的對(duì)比度不是很高，如果此時(shí)進(jìn)行邊緣提取，車牌的邊界比較模糊，很難提取車牌邊緣，無法準(zhǔn)確定位車牌區(qū)域。因此，要準(zhǔn)確提取車牌邊緣和定位車牌位置，需要進(jìn)一步為了提高車牌圖像的對(duì)比度，需要對(duì)該圖像在灰度上進(jìn)行拉伸。

1.3 提取車牌邊緣

圖像邊緣檢測(cè)可以去除不相關(guān)的信息，大大降低了數(shù)據(jù)量。邊緣檢測(cè)算子有：Canny算子、Laplacian算子2×2、Sobel算子、Prewitt算子、Roberts算子等。Roberts采用的是算子，相對(duì)其他算子，它對(duì)圖像邊緣的定位比較準(zhǔn)確，同時(shí)對(duì)圖像分割的邊界寬度較小。在圖像噪聲較少的情況下，分割的速度比較快。故本文采用該算子。

車牌邊緣具有較為復(fù)雜的形態(tài)，同時(shí)車牌的邊緣總是以圖像中強(qiáng)度的突變形式出現(xiàn)的，所以其邊緣包含有大量信息 。因此，本文采用檢測(cè)識(shí)別率較高的梯度檢測(cè)法來進(jìn)行車牌邊緣檢測(cè)。

g（x，y）即Roberts邊緣檢測(cè)算子。

可見，用于邊緣檢測(cè)的Roberts算子利用的是部分差分方法去尋找邊緣。而Roberts梯度算子尋找邊緣則是利用定位區(qū)域的對(duì)角方向相鄰兩像素之差，把一階偏導(dǎo)利用差分來代替，表示如公式（5）：

Δxf（x，y）=f（x，y）-f（x-1，y-1）Δyf（x，y）=f（x-1，y）-f（x，y-1） （5）

Robert兩種算子模板對(duì)應(yīng)的2×2模板如圖2所示。在實(shí)際應(yīng)用中，圖像的每個(gè)像素點(diǎn)都用這兩個(gè)模板進(jìn)行卷積運(yùn)算。為了避免負(fù)值，邊緣檢測(cè)的絕對(duì)值往往被提取。

由圖3可知，利用roberts算子進(jìn)行邊緣檢測(cè)，可大大減少不相關(guān)的數(shù)據(jù)量，且將數(shù)字圖像中亮度變化明顯的點(diǎn)（即車牌部分）標(biāo)識(shí)出來。上圖將車牌及其字符的輪廓明顯的標(biāo)識(shí)出來，有助于對(duì)車牌的定位。

1.4 車牌定位

車牌定位有兩個(gè)步驟：車牌初步定位和精準(zhǔn)定位。本文在車牌初步定位中先采用imerode函數(shù)對(duì)圖像進(jìn)行腐蝕，再利用imclose和bwareaopen函數(shù)對(duì)圖像進(jìn)行平滑處理。用彩色像素點(diǎn)統(tǒng)計(jì)方法提取車牌行合理位置，再分割出合理區(qū)域，以此來確定車牌的底色藍(lán)色RGB對(duì)應(yīng)的灰度范圍，最后在行方向上，統(tǒng)計(jì)在此范圍內(nèi)的像素點(diǎn)數(shù)量，用于設(shè)定一個(gè)正確閾值，并最終定位車牌在行方向的區(qū)域。

車牌的精準(zhǔn)定位是在初步定位出車牌的行方向合理區(qū)域的基礎(chǔ)上，統(tǒng)計(jì)列方向車牌底色藍(lán)色的像素點(diǎn)數(shù)量，再精準(zhǔn)地定位剪切出車牌大小的圖像，如圖4所示。

1.5 車牌字符分割與識(shí)別

在車輛牌照準(zhǔn)確定位后需對(duì)車牌進(jìn)行二值化操作，形態(tài)學(xué)濾波，方可進(jìn)行字符的分割。

1.5.1 二值化操作

在分割過程中，每一個(gè)像素值的車牌圖像采用相同的閾值，即全局閾值算法。

在全局閾值算法中，Otsu在判別與最小二乘原理的基礎(chǔ)上推導(dǎo)出來的最大方差閾值算法，速度快，且準(zhǔn)確率，故本文采用此方法。其原理是：設(shè)車牌圖像前景與后景分割閾值為X，前景點(diǎn)數(shù)占圖像比例記為k1，平均灰度u1；后景點(diǎn)數(shù)比例k2，平均灰度u2；圖像總平均灰度u=u1×k1+u2×k2。取X從最小灰度值到最大灰度值，當(dāng)X使得γ=k1×（u1-u）2+k2×（u2-u）2為最大時(shí)即為最佳閾值。由于灰度值的分布情況，由方差值的大小來表現(xiàn)，因而當(dāng)方差γ越大，說明前景和背景的差別γ越大。當(dāng)前景被繪制到背景區(qū)域或背景被分為前景區(qū)域時(shí)，方差變小，所以當(dāng)X使方差γ最大時(shí)，它是最好的閾值。

識(shí)別結(jié)果如圖5所示。

1.5.2 形態(tài)學(xué)濾波

形態(tài)學(xué)濾波是利用濾波器原理，即利用一定形態(tài)的結(jié)構(gòu)元素去提取對(duì)應(yīng)形狀的圖像，最終達(dá)到識(shí)別圖像的目的。識(shí)別運(yùn)算有：膨脹、腐蝕、開運(yùn)算和閉運(yùn)算四個(gè)步驟。

腐蝕是用某種形狀的結(jié)構(gòu)元素對(duì)圖像進(jìn)行探測(cè)。膨脹是將所有與物體鄰近的背景像素變?yōu)槲矬w像素的變換。開運(yùn)算是先腐蝕再膨脹，閉運(yùn)算是先膨脹再腐蝕。

本文在車牌圖像進(jìn)行形態(tài)學(xué)濾波過程中，分別進(jìn)行了車牌的開，閉運(yùn)算，邊框去除以及圓點(diǎn)去除處理，過程圖如圖6所示。

圖7為開運(yùn)算以及閉運(yùn)算的效果圖。

由圖7可知，形態(tài)學(xué)濾波有效的去除了圖像的噪聲，使得車牌信息更加清楚。

1.5.3 字符分割

在本文中使用列統(tǒng)計(jì)的原則，分離車牌的七個(gè)字符。字符分割的過程及分割結(jié)果如圖8所示。

1.5.4 字符識(shí)別

字符識(shí)別作為車牌識(shí)別的最后環(huán)節(jié)，直接關(guān)系到字符識(shí)別的穩(wěn)定性和準(zhǔn)確率。利用harr積分識(shí)別車牌圖像，完成車牌圖像信息向車牌文字字符數(shù)據(jù)的輸出。識(shí)別流程和結(jié)果圖如圖9所示。

2 MATLAB GUI車牌識(shí)別系統(tǒng)

本文基于MTALAB的圖形用戶界面（Graphical User Interface，即GUI）開發(fā)了一個(gè)簡單方便的可視化車牌識(shí)別系統(tǒng)。如上圖所示，通過操作“原圖”、“灰度圖”、“robert邊緣處理”、“行方向合理區(qū)域”、“定位后的車牌圖像”、“車牌圖像二值化”、“處理后的車牌圖像”、“分割出的字符”的幾個(gè)按鈕操作即可完成相應(yīng)結(jié)果輸出。

3 MATLAB結(jié)果分析

為測(cè)試本文提出的車牌分割與識(shí)別方法的魯棒性、準(zhǔn)確率及時(shí)效性，通過對(duì)隨機(jī)抽取的實(shí)際場(chǎng)景中的圖像進(jìn)行測(cè)試，測(cè)試結(jié)果如表1所示。（測(cè)試平臺(tái)為酷睿i7四核，WIN7操作系統(tǒng)）

由測(cè)試結(jié)果可知，本文提出的車牌定位、分割和識(shí)別算法在不同場(chǎng)景里的準(zhǔn)確率均達(dá)到了97%以上，且平均耗時(shí)為9.996ms，表明算法的準(zhǔn)確度高、穩(wěn)定性好，同時(shí)也證明了算極強(qiáng)的魯棒性及適應(yīng)性。圖10為測(cè)試結(jié)果截圖。

4 結(jié)束語

本文提出了一種車牌定位、分割和識(shí)別的算法，并將識(shí)別算法的結(jié)果用基于MATLAB的GUI車牌識(shí)別系統(tǒng)的界面輸出。該系統(tǒng)操作簡單，對(duì)車牌識(shí)別的速度快、準(zhǔn)確率高，且魯棒性好。系統(tǒng)測(cè)試結(jié)果表明，該方法可以滿足當(dāng)下智能交通的實(shí)時(shí)性要求，在實(shí)際運(yùn)用中具有一定的使用價(jià)值。

參考文獻(xiàn)：

[1]李甫，張佳成.復(fù)雜場(chǎng)景下車牌識(shí)別新方法[J].湘潭大學(xué)自然科學(xué)學(xué)報(bào)，2016，38（1）：90-92.

[2]王璐.基于MATLAB的車牌識(shí)別系統(tǒng)研究[D].上海：上海交通大學(xué)，2009：35-41.

[3]尹曉蕾.基于MATLAB車牌識(shí)別技術(shù)的研究[D].山東：山東科技大學(xué)，2014.

[4]方恒耀.基于GUI技術(shù)的汽車儀表開發(fā)平臺(tái)的研究[D].武漢理工大學(xué)，2007.

[5]常用邊緣算子比較.http：//wenku.baidu.com/link？url=_8fAcw

66RfwQGzLd3DEiW7s79tkVRM-7ZSkoW2RVVmfoUf1wGfnGzFj5e

Vy8yth_wwQZZzEAIP-1nOlp8kX0vaouVVZeUxCH02uPeLiFFna.