田櫪文，齊文琴，李 歡

（成都理工大學(xué) 信息科學(xué)與技術(shù)學(xué)院，四川 成都 610059）

車牌是汽車非常重要的一部分。車牌相當(dāng)于車的身份證，是辨別一個(gè)車子的主人關(guān)鍵。因此車牌識(shí)別也變得尤為重要。

停車場的車牌商業(yè)化的識(shí)別會(huì)大大減少人工費(fèi)用，減少人們手動(dòng)化操作，增加了商家的收益。但是在識(shí)別之前需要進(jìn)行車牌分割。一個(gè)好的分割算法，能有效地減少識(shí)別效能。本文主要介紹一種車牌分割的算法，通過OpenCV提供的部分api功能，結(jié)合自己的算法計(jì)算出車牌位置，進(jìn)行合理切割。

1 設(shè)計(jì)思路

OpenCV是一種跨平臺(tái)的計(jì)算機(jī)視覺庫，可以運(yùn)用在多個(gè)平臺(tái)。由于它對(duì)多個(gè)語言提供了接口，所以在工具上選擇OpenCV來執(zhí)行下面的操作。

1.1 需切割圖片的基本情況

本文設(shè)置的圖片是針對(duì)停車場車牌的自動(dòng)識(shí)別切割，所以攝像頭位置方向是直擊車牌附近。實(shí)測中，對(duì)于距離稍微遠(yuǎn)一些或者全身車子照有部分圖片實(shí)測成功。車牌因?yàn)楹芴厥?，?duì)于大部分車牌來說成藍(lán)色，這種情況對(duì)于切割具有很大的幫助。

1.2 api設(shè)想

最初的想法是利用均值漂移，但是實(shí)測情況不好，均值漂移無法準(zhǔn)確確定具體位置，而且計(jì)算量過于龐大，對(duì)于停車場使用的分割需求非常大的情況是不利的。另外一種是使用本身的分割算法grabcut，這個(gè)前景后景需要手工找尋前景后景，但是車牌的環(huán)境是不定性的，目標(biāo)位置所以也有不定性，在露天的情況下還需要對(duì)天氣環(huán)境，以及鏡頭的清晰程度進(jìn)行多方面的考慮。于是進(jìn)一步考慮使用形態(tài)學(xué)變換可以進(jìn)行有效的分割。

1.3 準(zhǔn)確思路

形態(tài)學(xué)變換是OpenCV重要的一個(gè)操作工具。形態(tài)學(xué)變換主要是可以用來消除不必要的噪音，以及分割出一副圖像中相對(duì)比較獨(dú)立的元素，或者把一些互鄰的元素相互連接起來，所以形態(tài)學(xué)變換在這方面對(duì)分割相當(dāng)?shù)挠行?。本文主要用到腐蝕膨脹，利用轉(zhuǎn)換hsv的方法找尋剩余藍(lán)色的位置，最后利用角度矯正、切割得到。

2 實(shí)施辦法

2.1 第一步：圖像的初步處理

萬能第一步，首先要使用高斯濾波來初始灰度化的圖片?？梢允褂脵?quán)值灰度化的方法，這樣可以使車牌部分灰度值更深[1]。高斯濾波最重要的作用在于降低一些圖片不該有的噪聲。在車子現(xiàn)有的圖片中可以看到，車子反光是最需要處理的一處，而高斯濾波可以有效地減少反光產(chǎn)生的噪音。隨后需要對(duì)圖片邊緣檢測，為后面的圖像腐蝕膨脹做基礎(chǔ)，canny算子的方向性保障了邊緣強(qiáng)度的估計(jì)，它有一定的能力降噪并且有效地保持若邊緣。

2.2 第二步：膨脹腐蝕

使用多次膨脹腐蝕可以達(dá)到的效果如圖1所示。因?yàn)檐嚺贫际且詸M向的位置排列順序，所以使用橫軸方向的膨脹，使想要的字符都可以順利聯(lián)通起來，但是設(shè)想如果一直使用膨脹將會(huì)有許多小塊的碎片，這時(shí)就需要進(jìn)行多次的腐蝕來將它去除，然后再進(jìn)行幾次膨脹，讓幾次膨脹和腐蝕次數(shù)相同，便于圖像回復(fù)原形態(tài)大小[2]。

腐蝕膨脹后，截取此空白部分，將圖像轉(zhuǎn)換成HSV利用藍(lán)色的特點(diǎn)，可以提取藍(lán)色的部分。經(jīng)多圖多次實(shí)驗(yàn)的得出，藍(lán)色色調(diào)（H）為90～120，而飽和度（S）為90～160，明度（V）為80～255。將圖像截取到藍(lán)色區(qū)域期間（見圖2）。

圖1 膨脹腐蝕后效果

2.3 車牌矯正

當(dāng)然這樣下來的圖片并不是正向的，存在傾斜，這時(shí)就需要對(duì)圖片進(jìn)行角度矯正，角度矯正采取霍夫直線變換，找尋圖片中的直線。另一種方法是街區(qū)后利用黑色區(qū)域計(jì)算角度。但是使用后者對(duì)于其他圖片不能全部適用，所以選擇前者。其次是要充分考慮如何選擇合適的參數(shù)，按照比例找尋參數(shù)是非常重要的一點(diǎn)，按照原有圖片比例計(jì)算，車牌標(biāo)準(zhǔn)長度為440 mm，一個(gè)字母或數(shù)字長度45 mm，中間一點(diǎn)為10 mm。

圖2 提取藍(lán)色區(qū)域后效果

找到合適參數(shù)，計(jì)算出一條直線后，找到兩個(gè)點(diǎn)計(jì)算角度，并截取為小圖（見圖3）。

圖3 校正后截取的小圖

2.4 截取

經(jīng)過一系列的處理后難免會(huì)出現(xiàn)一些不必要的噪聲黑點(diǎn)，使用二值化將圖像變?yōu)楹诎椎膱D片便于后續(xù)切割。但是二值化后在多張圖片處理后都發(fā)現(xiàn)黑點(diǎn)變多了，如果不提前消除會(huì)有很大的影響。所以繼續(xù)使用膨脹和閉操作進(jìn)行適當(dāng)調(diào)試，由于噪聲多是豎直方向的較多，所以使用y方向的膨脹。

最后進(jìn)行截取。筆者的考慮是進(jìn)行白色區(qū)域檢測，然后利用顯示車牌與圖片大小的比例進(jìn)行有效切割。開始遇上黑色點(diǎn)，當(dāng)遇上白色點(diǎn)記錄初始位置推出循環(huán)進(jìn)行下一輪循環(huán)，然后持續(xù)遇見白色的點(diǎn)都進(jìn)行跳出循環(huán)。一直持續(xù)，遇到白色的點(diǎn)結(jié)束時(shí)記錄結(jié)束位置，然后將兩點(diǎn)位置切割下來。

最后最重要的問題在于有偏旁的漢字和點(diǎn)的處理，于是按照實(shí)際比例設(shè)計(jì)了上限和下限。車牌上點(diǎn)的大小為10 mm乘以圖片寬度和440 mm的比例，如果小于這個(gè)值的兩點(diǎn)距離，予以按比例截取權(quán)限。若大于這個(gè)值且小于一個(gè)單漢字的比例，則不給予權(quán)限切割且按照原比例切割。這樣就可以有效避免偏旁分離的和點(diǎn)的問題（見圖4）[3]。

圖4 分割后的部分圖

3 結(jié)語

3.1 結(jié)論

此算法運(yùn)用了很多OpenCV的標(biāo)準(zhǔn)庫，但在hsv中的截取藍(lán)色部分和圖像校正，以及后面的單字分割進(jìn)行了部分改進(jìn)。在許多標(biāo)準(zhǔn)庫中函數(shù)的參數(shù)進(jìn)行實(shí)驗(yàn)并校正部分參數(shù)使完美運(yùn)行。經(jīng)過幾輪測試，成功率高達(dá)90%，能達(dá)到預(yù)期的效果。

3.2 改進(jìn)

在不成功的樣品里有幾種情況，一種是圖片太大，所以在后續(xù)的改進(jìn)中可以使用圖像金字塔的格式將圖片向下采樣，減小圖片的大小。

由于圖片分割是給后來的圖像識(shí)別做素材，所以后面的情況將會(huì)把所有的圖片的大小調(diào)整成一致便于機(jī)器學(xué)習(xí)。

3.3 展望

圖片分割是一個(gè)很成熟的技術(shù)，在各個(gè)領(lǐng)域都有應(yīng)用。不過在實(shí)現(xiàn)算法的同時(shí)還應(yīng)該減少運(yùn)算時(shí)間，減少內(nèi)存消耗。在未來，還將對(duì)分割后的車牌進(jìn)行機(jī)器學(xué)習(xí)，讓它達(dá)到真正識(shí)別功能。