孫 淳

（山東科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，山東青島 266590）

0 引言

1 車牌識(shí)別系統(tǒng)設(shè)計(jì)

系統(tǒng)首先通過圖片選擇功能選定一幅要處理的圖片，然后進(jìn)行圖像識(shí)別，最后對(duì)識(shí)別的車牌進(jìn)行語(yǔ)音播報(bào)，相應(yīng)流程如圖1 所示。

Fig.1 System flow圖1 系統(tǒng)流程

針對(duì)識(shí)別模塊，圖像識(shí)別處理流程又大致分為對(duì)圖像進(jìn)行粗定位、圖像灰度化、傾斜矯正處理、二值化處理、形態(tài)學(xué)處理等，最后得到精準(zhǔn)定位的圖像。具體流程如圖2所示。

Fig.2 Image recognition processing flow圖2 圖像識(shí)別處理流程

本系統(tǒng)采用GUI 圖形處理系統(tǒng)處理車輛圖片，從中提取車牌號(hào)碼，系統(tǒng)可顯示運(yùn)行時(shí)間，且界面簡(jiǎn)潔、操作簡(jiǎn)便。系統(tǒng)主界面如圖3 所示。

Fig.3 Main interface of the system圖3 系統(tǒng)主界面

2 車牌識(shí)別系統(tǒng)測(cè)試

2.1 粗定位處理

由于車牌大都是以藍(lán)底作為背景，所以系統(tǒng)首先對(duì)一幅圖片的橫坐標(biāo)和縱坐標(biāo)方向設(shè)置藍(lán)色邊界閾值；然后根據(jù)設(shè)置的長(zhǎng)寬比得到車牌圖像初步邊界。車牌號(hào)碼一般是白色的，因此設(shè)置白色像素點(diǎn)變量，之后進(jìn)行統(tǒng)計(jì)；接下來(lái)根據(jù)長(zhǎng)寬比與白藍(lán)比提取車牌圖像；最后根據(jù)圖像像素面積、設(shè)置閾值對(duì)提取的圖像進(jìn)行二次修正。定位處理效果如圖4 所示。

Fig.4 Rough positioning effect圖4 粗定位效果

2.2 灰度化處理

一般將彩色圖像轉(zhuǎn)化為灰色圖像的過程稱為灰度化處理，是一個(gè)降維處理過程［9-10］?；叶茸儞Q是數(shù)字圖像處理中常用的圖像增強(qiáng)技術(shù)［11］。目前大部分彩色圖像采用RGB 顏色模式，圖像處理時(shí)要分別對(duì)R、G、B 3 個(gè)分量進(jìn)行相應(yīng)處理。其實(shí)灰度圖像也可反映圖像形態(tài)特征，是一種R、G、B 3 個(gè)分量都相同的特殊彩色圖像，各像素點(diǎn)僅表現(xiàn)為一種顏色［12］。因此，處理彩色圖像要先進(jìn)行圖像灰度化處理，以減少圖像計(jì)算量，然后通過灰度變換增強(qiáng)圖像對(duì)比度。常見的圖像灰度化算法有：①最大值法?？墒罐D(zhuǎn)化后R、G、B 的值等于轉(zhuǎn)化前3 個(gè)值中最大的一個(gè)，該方法轉(zhuǎn)換的灰度圖亮度較高；②平均值法。可使轉(zhuǎn)化后R、G、B 的值為轉(zhuǎn)化前R、G、B 的平均值，該方法轉(zhuǎn)換的灰度圖較為柔和。因此，本文采取加權(quán)平均值法對(duì)圖像進(jìn)行灰度處理，公式如下：

式中,wR、wG、wB代表R、G、B 權(quán)值，不同值會(huì)生成不同的灰度圖像。通過人的視覺對(duì)顏色敏感度進(jìn)行顏色權(quán)值排序，為wG＞wR＞wB，能得到較易識(shí)別的灰度圖像。通常當(dāng)wR=0.299,wG=0.587,wB=0.114 時(shí)得到的灰度圖效果最好，處理效果如圖5 所示。

2011年的夏天，牧場(chǎng)城鎮(zhèn)化迅速推進(jìn)，我的家也在拆遷之列。當(dāng)我拿到新樓房鑰匙的時(shí)候，心里別提有多開心了，我知道這一切都是母親的功勞，于是鄭重地把樓房鑰匙交到母親手中。

Fig.5 Grayscale treatment effect圖5 灰度化處理效果

2.3 圖片傾斜矯正與二值化處理

由于處理車牌圖像時(shí)車牌可能出現(xiàn)傾斜的情況，所以需要對(duì)圖像進(jìn)行傾斜校正處理。常見的傾斜校正方法有基于投影的傾斜校正，但該方法一般需要提前知道圖像大概的傾斜狀況，然后選定角度進(jìn)行投影計(jì)算，否則會(huì)加大運(yùn)算量；此外還有Hough 變換的傾斜校正與外接矩形的傾斜校正，通過實(shí)驗(yàn)發(fā)現(xiàn)，后者在整體速度和效果上要優(yōu)于前者。為了找到兩個(gè)圖像之間的幾何對(duì)應(yīng)關(guān)系，通常會(huì)計(jì)算包含平面變換（例如平移、旋轉(zhuǎn)、縮放、投影、仿射）的單應(yīng)矩陣［13］，該過程稱為幾何變換。在使用外接矩形的傾斜校正方法處理圖像過程中，可使用基于連通域聚集的方式提取所需對(duì)象，形成外接矩形，然后通過選取長(zhǎng)邊與水平方向的夾角θ，以圖像左下角為圓心，利用幾何變換將圖像順時(shí)針旋轉(zhuǎn)θ角度。其幾何變換公式如下：

上式中，(x0,y0)與(x1,y1)代表旋轉(zhuǎn)前后的圖像中心點(diǎn)。圖像傾斜矯正效果如圖6 所示。

Fig.6 Image tilt correction圖6 圖像傾斜矯正

二值化處理的目的是將需要識(shí)別的目標(biāo)與背景分離開，其算法一般分為兩種：傳統(tǒng)的非機(jī)器學(xué)習(xí)方法和基于圖像分割的深度學(xué)習(xí)方法［14］。本系統(tǒng)采用灰度閾值變換方法，選取合適的閾值將背景與車牌號(hào)分離，最后獲得二值化圖像?；叶乳撝底儞Q可將一幅灰度圖像轉(zhuǎn)換成黑白二值圖像。用戶指定一個(gè)可起分界線作用的灰度值，如果圖像中某像素灰度值小于該灰度值，則將該像素灰度值設(shè)置為0，否則設(shè)置為255。這個(gè)起分界線作用的灰度值稱為閾值，灰度的閾值變換也常被稱為閾值化或二值化?；叶乳撝底儞Q的函數(shù)表達(dá)式如下：

式中，T為指定閾值?；叶乳撝底儞Q的用途很廣，可擴(kuò)展性也非常強(qiáng)。通常將一幅灰度圖像轉(zhuǎn)化為二值圖像，在復(fù)雜背景中直接提取出感興趣的目標(biāo)。

二值化處理結(jié)果如圖7 所示。

Fig.7 Binary processing圖7 二值化處理

2.4 圖像形態(tài)學(xué)處理與精確定位

圖像形態(tài)學(xué)處理是應(yīng)用最廣泛的圖像技術(shù)之一，其目的主要是提取圖像中對(duì)識(shí)別有意義的圖像分量，能夠抓住圖像最本質(zhì)的形狀特征。圖像形態(tài)學(xué)處理的主要運(yùn)算方法包括：膨脹、腐蝕、開運(yùn)算以及閉運(yùn)算等［15］。圖像經(jīng)過腐蝕運(yùn)算后可使邊緣變得雜亂［16］。膨脹是指一個(gè)集或?qū)ο竽繕?biāo)從其原來(lái)的形狀擴(kuò)大的過程［17］。腐蝕能夠去除圖像邊界，而膨脹與其相反，能夠擴(kuò)大圖像邊界。本系統(tǒng)運(yùn)用形態(tài)學(xué)的開運(yùn)算（先腐蝕后膨脹）進(jìn)行圖像處理，移除車牌圖像的連通與孤立像素，使圖像輪廓變得更加光滑。

使用結(jié)構(gòu)元素S對(duì)A進(jìn)行開運(yùn)算，記作A°S，可表示為：

一般來(lái)說，開運(yùn)算可使圖像輪廓變得光滑，斷開狹窄的連接并消除細(xì)毛刺。

如圖8 所示，開運(yùn)算斷開了圖中兩個(gè)小區(qū)域間的狹窄連接，并去除了右側(cè)物體上部突出的一個(gè)小于結(jié)構(gòu)元素的2×2 區(qū)域（去除細(xì)小毛刺）。但與腐蝕不同的是，圖像大的輪廓并沒有發(fā)生整體收縮，物體位置也沒有發(fā)生任何變化。

本系統(tǒng)使用開運(yùn)算運(yùn)行后的圖像形態(tài)學(xué)處理結(jié)果如圖9 所示。

Fig.8 Open operation effect圖8 開運(yùn)算效果

Fig.9 Results of image morphology processing圖9 圖像形態(tài)學(xué)處理結(jié)果

系統(tǒng)通過編寫投影函數(shù)進(jìn)一步處理裁剪圖像，使其邊框貼近字體，部分代碼如下：

精確定位圖像結(jié)果如圖10 所示。

Fig.10 Accurate positioning of image results圖10 精確定位圖像結(jié)果

2.5 圖像車牌分割處理

圖像分割是圖像處理和計(jì)算機(jī)視覺中應(yīng)用的基本技術(shù)手段［18］，國(guó)內(nèi)外廣泛使用的圖像分割方法主要包括閾值分割法、聚類分割法、區(qū)域生長(zhǎng)法、深度學(xué)習(xí)法等［19］。文獻(xiàn)［20］通過對(duì)比字符寬度對(duì)車牌圖像進(jìn)行分割，但效果不夠理想。本系統(tǒng)采用閾值分割方法，針對(duì)圖像像素灰度值的不同，選取閾值將圖片中的車牌號(hào)與背景分割開。常見的閾值分割方法有：①直方圖閾值化法。其根據(jù)直方圖谷底確定閾值，但當(dāng)圖像直方圖兩個(gè)區(qū)域峰值相差很遠(yuǎn)，且圖像受噪聲影響時(shí)，該算法則不適用；②迭代選擇閾值法。但該算法的閾值迭代選擇規(guī)則不容易選??；③最小均方誤差法。該算法確定閾值時(shí)使用的參數(shù)非常復(fù)雜，而且對(duì)圖像有正態(tài)分布的要求；④最大類間方差法。該方法不需要人為設(shè)定其它參數(shù)，是一種自動(dòng)選擇閾值的方法，而且能得到較好的結(jié)果。最大類間方差法的原理為：對(duì)圖像進(jìn)行閾值分割時(shí)，選定的分割閾值應(yīng)使前景區(qū)域、背景區(qū)域與整幅圖像的平均灰度之間差別最大，這種差異用區(qū)域的方差表示。該方法不僅適用于包含兩個(gè)區(qū)域的單閾值選擇，也適用于多區(qū)域的多閾值選擇，而且計(jì)算簡(jiǎn)單，不受圖像對(duì)比度與亮度影響，是閾值分割算法中錯(cuò)分概率最小的一種算法。

設(shè)圖像中灰度為i的像素?cái)?shù)為ni，灰度范圍為[0,L-1]，則總像素?cái)?shù)為：

各灰度值出現(xiàn)概率為：

對(duì)于pi，有：

將圖像中的像素根據(jù)閾值T分成兩類C0和C1，C0由灰度值在[0,T-1]范圍內(nèi)的像素組成，C1由灰度值在[T,L-1]范圍內(nèi) 的像素組成。則區(qū)域C0和C1在整個(gè)圖像中出現(xiàn)的概率分別為：

區(qū)域C0、C1的平均灰度分別為：

其中，μ是整幅圖像的平均灰度。

兩個(gè)區(qū)域的總方差為：

在[0,L-1]范圍內(nèi)對(duì)T依次取值，使最大的T值便為最佳區(qū)域分割閾值。

接著對(duì)字母與數(shù)字進(jìn)行歸一化處理，本系統(tǒng)采用圖像矩歸一化方法校正字符傾斜度，通過圖像矩得到字體實(shí)際大小[w1,h1]與中心位置[xz,yz]，修改后的區(qū)域?yàn)閇xz-，計(jì)算公式如下：

β作為經(jīng)驗(yàn)值通常取β=4，圖像矩計(jì)算公式如下：

式中，x、y為圖像坐標(biāo)像素點(diǎn)，f(x,y)為圖像像素值。

最終的圖像分割效果如圖11 所示。

Fig.11 Image segmentation effect圖11 圖像分割效果

2.6 語(yǔ)音播報(bào)

系統(tǒng)會(huì)對(duì)最后的識(shí)別結(jié)果進(jìn)行語(yǔ)音播報(bào)，系統(tǒng)中有提前錄制好的數(shù)字、字母語(yǔ)音素材，系統(tǒng)通過相應(yīng)函數(shù)實(shí)現(xiàn)其功能，部分關(guān)鍵代碼如下：

3 結(jié)語(yǔ)

本文采用GUI 圖形處理系統(tǒng)進(jìn)行車牌識(shí)別，并通過語(yǔ)音播報(bào)讀出結(jié)果，可令使用者更方便地使用。測(cè)試結(jié)果表明，系統(tǒng)對(duì)車牌識(shí)別的精確度可由95% 提高到96.5%。由于字符筆劃包含豐富的角點(diǎn)信息，后期還可采用角點(diǎn)字符檢測(cè)方法提取出圖像中的字符信息，并嘗試使用神經(jīng)網(wǎng)絡(luò)算法，以期提高識(shí)別精確度至97% 以上。