李紀(jì)嫻、蔡昕晨 、李元、 胡安正* （湖北文理學(xué)院物理與電子工程學(xué)院 湖北 襄陽 441053）

現(xiàn)如今汽車工業(yè)飛速發(fā)展，汽車保有量不斷增加，傳統(tǒng)的車輛管理方式已不能適應(yīng)當(dāng)今的現(xiàn)狀，新的管理方式應(yīng)運(yùn)而生。本文通過對(duì)圖像進(jìn)行采集和處理，完成車牌號(hào)的自動(dòng)識(shí)別，可以在現(xiàn)實(shí)生活中得到一定程度的應(yīng)用，使車輛的管理上升到一個(gè)新的高度。

1 汽車車牌號(hào)識(shí)別的整體思路

車牌號(hào)識(shí)別包括圖1所示過程，其中圖片預(yù)處理部分包括高斯模糊，灰度化，Canny算法等，預(yù)處理完成后對(duì)字符進(jìn)行分割，提取出每一個(gè)字符的特征，生成特征矢量或特征矩陣，再將其與樣本庫(kù)進(jìn)行對(duì)比，查看相似度大小。

2 圖片預(yù)處理

2.1 灰度化

為了方便計(jì)算將彩色圖像處理成灰度圖像，即將圖片像素值R=G=B，圖2所示。在Opencv中需要執(zhí)行以下操作：

void cv::tColor(inputArray src,

outputArray dst,

int code,

int dstCn=0 )

圖1 圖像處理過程框圖

2.2 高斯模糊

車牌圖像處理利用高斯模糊將圖片平滑化，去除圖像噪聲，減少對(duì)后續(xù)處理的影響。高斯模糊就是將每一個(gè)像素都取周邊像素的平均值，當(dāng)所取范圍越大時(shí)，模糊效果越明顯，圖3中右圖就是以左圖為基礎(chǔ)進(jìn)行高斯模糊處理的模型圖，圖4為實(shí)際處理效果圖。

圖2 灰度化效果圖

圖3 高斯模糊效果模型

圖4 高斯模糊效果圖

2.3 Canny邊緣檢測(cè)算法

Canny邊緣檢測(cè)是從不同視覺對(duì)象中提取有用的結(jié)構(gòu)信息并大大減少要處理的數(shù)據(jù)量的一種技術(shù)，目前已廣泛應(yīng)用于各種計(jì)算機(jī)視覺系統(tǒng)。Canny邊緣檢測(cè)算法主要分為以下步驟：原始圖像灰度化、高斯濾波、用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向、對(duì)梯度幅值進(jìn)行非極大值抑制和雙閾值算法檢測(cè)和連接邊緣，使圖片的信息更為突出。圖5為圖片處理后的效果圖。

在Opencv中需要執(zhí)行以下操作：

void Canny( InputArray image,

OutputArray edges,

double threshold1,

double threshold2,

int apertureSize = 3,

bool L2gradient = false );

圖5 Canny邊緣檢測(cè)運(yùn)算效果

3 車牌號(hào)識(shí)別

3.1 車牌掃描定位

為精確識(shí)別車牌號(hào)需去除圖片中冗余部分，由于車牌所在區(qū)域的像素點(diǎn)的像素值跳變相對(duì)明顯，車牌大小固定，長(zhǎng)寬比例固定，可通過檢測(cè)圖片像素點(diǎn)的像素值跳變的頻繁程度來縮小車牌所在區(qū)域，并通過相應(yīng)閾值的設(shè)定來進(jìn)行對(duì)比，確定車牌的區(qū)域。

3.2 字符分割

將圖片從左到右進(jìn)行掃描，如圖6，當(dāng)掃描到空隙較大時(shí)就進(jìn)行分割，分割成單獨(dú)的字符圖片后利

于字符的識(shí)別。

圖6 車牌號(hào)圖示

3.3 字符識(shí)別

車牌號(hào)識(shí)別的最終目的是將圖像中的字符轉(zhuǎn)化成文本字符。根據(jù)我國(guó)車牌牌照標(biāo)準(zhǔn)，車牌第一位為漢字，第二位為大寫英文字母，第三位到第七位為英文大寫字母或數(shù)字。因此在車牌字符識(shí)別系統(tǒng)中，分成三塊進(jìn)行識(shí)別，即：漢字、字母、數(shù)字。以數(shù)字0為例最終特征提取如圖7，左圖為分割后的單個(gè)字符，右圖為對(duì)應(yīng)字符的矩陣模型，再將實(shí)際得到的特征矩陣與樣本庫(kù)中樣本進(jìn)行對(duì)比即可。

圖7 矩陣模型

3 結(jié)論

本文主要是針對(duì)汽車車牌識(shí)別的圖像處理技術(shù)的研究，即對(duì)獲取的圖像進(jìn)行預(yù)處理、車牌定位、字符分割和字符識(shí)別等，并給出實(shí)驗(yàn)的實(shí)現(xiàn)方法和實(shí)驗(yàn)結(jié)果圖。通過實(shí)驗(yàn)表明，該系統(tǒng)滿足設(shè)計(jì)要求且具有實(shí)用性高、準(zhǔn)確率高、識(shí)別速度快等特點(diǎn)。

[1] 王海菊，譚常玉，王坤林等，自適應(yīng)高斯濾波圖像去噪算法[J].福建電腦，2017年11期

[2] Robert Laganiere著，張靜譯OpenCV 2 計(jì)算機(jī)視覺編程手冊(cè)[M].北京，科學(xué)出版社，2013.7

[3]秦小文，溫志芳，喬維維，基于OpenCV的圖像處理[J].電子測(cè)試，2011年07期