王新杰 黃順 黃益平 張曉姿

摘 要： 車牌識(shí)別問(wèn)題是現(xiàn)代交通工程領(lǐng)域中研究的重點(diǎn)和熱點(diǎn)問(wèn)題之一，受到人們?cè)絹?lái)越多的關(guān)注。車牌識(shí)別處理一般分為車牌定位、字符分割與字符識(shí)別這三個(gè)主要部分。本文提出一種車牌照定位、字符分割算法，利用車牌照的顏色、車牌照顏色邊緣化與幾何特征等共同定位車牌。二值化投影法對(duì)普通車牌進(jìn)行粗略的字符分割，并通過(guò)字符的寬度、字符幾何特征與字符的個(gè)數(shù)，進(jìn)行精確分割，最終分割出有效的車牌字符。實(shí)驗(yàn)數(shù)據(jù)表明該算法能對(duì)車牌進(jìn)行有效的定位與字符分割。

關(guān)鍵詞： 圖像處理；車牌識(shí)別；字符分割

1.引言

隨著社會(huì)經(jīng)濟(jì)的發(fā)展、汽車數(shù)量急劇增加，對(duì)交通控制、安全管理的要求日益提高，運(yùn)用電子信息技術(shù)實(shí)現(xiàn)安全、高效的智能交通成為交通管理的主要發(fā)展方向。車牌識(shí)別系統(tǒng)的運(yùn)用大大提高交通管理的效率，有利于交通管理的科學(xué)化、規(guī)范化，同時(shí)節(jié)省了人力、物力。車牌識(shí)別系統(tǒng)廣泛應(yīng)用于電子收費(fèi)、出入控制、公路流量監(jiān)控、失竊車輛查詢和停車場(chǎng)車輛管理等需要車牌認(rèn)證的場(chǎng)合；尤其在高速公路收費(fèi)系統(tǒng)中，實(shí)現(xiàn)不停車收費(fèi)提高公路系統(tǒng)的運(yùn)行效率，車牌系統(tǒng)更具有不可替代的作用，因而從事車牌技術(shù)的研究具有極其重要的現(xiàn)實(shí)意義和巨大的經(jīng)濟(jì)價(jià)值。在車牌識(shí)別系統(tǒng)中對(duì)車牌照的定位與車牌字符進(jìn)行分割是車牌識(shí)別的一個(gè)重要環(huán)節(jié)，車牌照定位與字符分割的結(jié)果將直接影響字符識(shí)別正確率。本文將會(huì)對(duì)車牌字符分割提出一些新的算法及改進(jìn)。

2.車牌識(shí)別的原理

車牌識(shí)別系統(tǒng)的基本工作原理為：將攝像頭采集的彩色RGB圖像數(shù)據(jù)傳輸?shù)紻SP。由于彩色RGB圖像數(shù)據(jù)包含大量顏色信息，不僅會(huì)占用MCU太多的存儲(chǔ)空間而且還會(huì)降低系統(tǒng)的執(zhí)行速率，因此通常先需要將采集過(guò)來(lái)的彩色數(shù)據(jù)轉(zhuǎn)化為灰度圖像，以加快系統(tǒng)處理速度。得到灰度圖像，進(jìn)行濾波等預(yù)處理，然后邊緣提取，由車牌定位算法找出車牌，取出車牌，用字符分割將車牌字符分割出來(lái)，同時(shí)將分割的字符縮放到與模板相同的像素點(diǎn)，然后進(jìn)行二值化與模板進(jìn)行差值比對(duì)，得到最相似的字符，最終得到車牌信息。

3.車牌照定位

3.1 顏色法車牌粗定位

經(jīng)過(guò)攝像頭提取圖片后進(jìn)行車牌圖片預(yù)處理，將預(yù)處理后的車牌圖片RGB模型轉(zhuǎn)換為HSI模型[1]。H表示色調(diào)、S表示飽和度、I表示亮度，模型轉(zhuǎn)換公式如（1）所示。利用車牌的顏色特征進(jìn)行車牌的粗略定位。普通車牌底色為藍(lán)色，因此只需將符合車牌顏色特征的區(qū)域篩選出來(lái)。在大量的測(cè)試數(shù)據(jù)中得到符合藍(lán)色車牌條件；則當(dāng)像素點(diǎn)滿足公式（2）時(shí)將二值化圖像中的此像素點(diǎn)置1，不滿足時(shí)置0。

3.2藍(lán)白邊緣化與車牌幾何特征進(jìn)行區(qū)域篩選

使用顏色邊緣檢測(cè)篩選車牌區(qū)域。將車牌照原圖的藍(lán)白邊緣像素點(diǎn)置成1，其它像素點(diǎn)置成0，得到邊緣化二值圖像。邊緣化方法采用從左往右跳變掃描法。從左往右依次掃描，當(dāng)像素點(diǎn)的HSI從滿足車牌藍(lán)色點(diǎn)到像素點(diǎn)HSI不滿足車牌藍(lán)色點(diǎn)作為一個(gè)邊緣點(diǎn)。將此邊緣點(diǎn)置1，其它置0，如公式（3）所示，得到藍(lán)白邊緣化圖片。然后使用形態(tài)學(xué)開(kāi)閉處理勾勒出車牌所在區(qū)域的輪廓，根據(jù)車牌照的幾何特點(diǎn)的先驗(yàn)知識(shí)去除不滿足要求的輪廓，最后得到車牌區(qū)域的輪廓位置。

3.3車牌提取

使用所得到車牌輪廓濾除干擾區(qū)域，得到車牌的唯一所在位置。根據(jù)的輪廓位置將二值化圖像的干擾區(qū)域全部置0。使用水平投影得到車牌照的上下位置坐標(biāo)，使用垂直投影方法得到車牌照的左右位置坐標(biāo)。水平投影方法：從左往右依次掃描二值化圖像，記錄一行中白色像素點(diǎn)的個(gè)數(shù)，最后將白色像素點(diǎn)個(gè)數(shù)進(jìn)行水平投影。設(shè)置閾值，當(dāng)像素點(diǎn)的個(gè)數(shù)超過(guò)閾值時(shí)，即得到車牌照的上下邊框位置。垂直投影方法：從上往下依次掃描二值化圖像，記錄一列中白色像素點(diǎn)的個(gè)數(shù)，最后將白色像素點(diǎn)進(jìn)行垂直投影。設(shè)置閾值，當(dāng)像素點(diǎn)的個(gè)數(shù)超過(guò)閾值時(shí)，即得到車牌照左右邊框的位置。最后根據(jù)具體位置在原圖中提取出車牌照。

4.字符分割

4.1改進(jìn)垂直投影粗分割

本文使用一種由粗到細(xì)的分割方法。使用二值化車牌照的垂直投影、車牌字符的個(gè)數(shù)、車牌字符的寬度與高度的比例等先驗(yàn)知識(shí)相結(jié)合的方法進(jìn)行車牌字符的分割[2]。將提取出來(lái)的車牌圖片進(jìn)行亮度均衡化、灰度化、二值化、柳丁去除和車牌字符第三個(gè)白點(diǎn)的去除等預(yù)處理，然后進(jìn)行字符分割。對(duì)預(yù)處理后的二值化車牌照進(jìn)行垂直投影，傳統(tǒng)的垂直投影法使用列方向黑色像素點(diǎn)的個(gè)數(shù)進(jìn)行垂直投影，這種方法對(duì)于有污染的車牌分割效果并不好，因此使用差值垂直投影法進(jìn)行字符的分割。從上往下逐行掃描車牌照二值圖像，當(dāng)遇到黑色像素點(diǎn)時(shí)，記錄位置為i1。然后由下往上掃描，當(dāng)遇到黑色像素點(diǎn)的位置i2，此列的垂直投影高度h=i1-i2。轉(zhuǎn)到下一列繼續(xù)掃描。這種投影方法能有效的解決因污染所帶來(lái)的干擾。設(shè)置一個(gè)閾值r，本文中r=2，當(dāng)一列中的投影高度h小于r時(shí)，此列為字符的間隔列。使用此方法粗略分割出所有字符邊界，記做LPosition[i]， RPosition[i]。此次分割出來(lái)的字符包括完整字符、干擾字符與車牌邊框等。

4.2根據(jù)先驗(yàn)知識(shí)進(jìn)行字符細(xì)分割

每個(gè)字符的寬度為BUFF[i]，BUFF[i]=RPosition[i]- LPosition[i]；車牌高度為CharHeight；相鄰字符寬度差為CharDif。根據(jù)經(jīng)驗(yàn)值當(dāng)BUFF[i]>CharHeight/3.4并且BUFF [i]< CharHeight時(shí)表示車牌字符寬度，當(dāng)相鄰的兩個(gè)字符寬度在|CharDif|<3時(shí)表示這兩個(gè)字符為車牌字符寬度[3]。將滿足所有條件的字符寬度相加除以滿足條件字符個(gè)數(shù)得到車牌字符的寬度CharWidth。

從左往右掃描首先找到第一個(gè)滿足|（BUFF[i]- CharWidth）|<3的字符記char1。假設(shè)當(dāng)車牌第一個(gè)字符為左右分開(kāi)結(jié)構(gòu)的字符時(shí)（如陜、川等），此時(shí)得到的char1為車牌的第二個(gè)字符。當(dāng)車牌第一個(gè)字符為連續(xù)的字符時(shí)，此時(shí)的char1為車牌的第一個(gè)字符。從char1向右搜索第二個(gè)滿足上述條件的字符記做char2。根據(jù)經(jīng)驗(yàn)知道，車牌第二個(gè)與第三個(gè)字符之間的間隔比其他字符間隔要寬2.8倍。根據(jù)車牌高度得到閾值Q，當(dāng)char2與char1的差小于閾值Q時(shí)確定char1是車牌字符的第一個(gè)字符，char2是車牌字符的第2個(gè)字符。此時(shí)根據(jù)字符寬度CharWidth向右掃描依次得到剩下的字符char3， char4，char5，char6，char7。當(dāng)char2與char1的差大于閾值Q時(shí)得到，char1是車牌字符的第二個(gè)字符，char2是車牌字符的第三個(gè)字符。根據(jù)字符寬度CharWidth從char1向左掃描得到車牌的第一個(gè)漢字字符，再次根據(jù)char2，向右邊掃描依次得到剩下的4個(gè)車牌字符。

此方法能夠解決大部分第一個(gè)漢字字符為左右偏旁、字符斷裂、字符粘連、左右邊框殘留等易分割出錯(cuò)的問(wèn)題。

5.結(jié)論

本文對(duì)車牌定位、字符分割提出了一種由粗到細(xì)的定位與分割算法。利用車牌照的顏色紋理特征，車牌照的幾何大小、形狀等共同定位車牌，該方法能有效的濾除因光照、其他干擾所帶來(lái)的噪聲，對(duì)于車牌定位有較高的準(zhǔn)確性。在字符分割同樣使用由粗到細(xì)的算法，該算法對(duì)于左右偏旁漢字具有很好的分割效果在實(shí)際應(yīng)用中有一定的參考價(jià)值。

參考文獻(xiàn)

[1]康健新.基于圖像的車牌識(shí)別系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D].吉林大學(xué)，2014.

[2]謝偉生.車牌定位及字符分割算法的研究與實(shí)現(xiàn)[D].西南交通大學(xué)，2010.

[3]李云.車牌定位與字符分割算法的研究及實(shí)現(xiàn)[D].電子科技大學(xué)，2010.