劉艷華

（鹽城工學(xué)院信息工程學(xué)院，江蘇 鹽城224051）

隨著科技與經(jīng)濟(jì)的發(fā)展，汽車的數(shù)量在逐年增加，給城市帶來很多的壓力，急需應(yīng)用現(xiàn)代科技對(duì)車輛進(jìn)行管理。目前，在交通管理、智能停車、各單位、各小區(qū)的門禁系統(tǒng)等很多方面都開始逐步采取車牌識(shí)別進(jìn)行智能管理，可以大大減少人力的消耗。這時(shí)候一個(gè)比較良好的車牌識(shí)別系統(tǒng)就至關(guān)重要，車牌識(shí)別在未來將隨處可見，因?yàn)樗鼮槿祟惿顜順O大的便利，也成了智能交通系統(tǒng)必不可少的一部分。

本文以MATLAB為平臺(tái)，研究了車牌識(shí)別系統(tǒng)的整個(gè)處理過程，包括：（1）汽車頭部車牌信息圖片采集；（2）對(duì)車牌圖像進(jìn)行預(yù)處理；（3）在圖片上定位并剪切出車牌部位；（4）對(duì)車牌號(hào)進(jìn)行字符分割；（5）對(duì)分割后的字符圖片進(jìn)行字符識(shí)別[1-2]。

1 圖像采集和預(yù)處理

圖像采集通過攝像頭清晰地拍攝包含車牌信息的照片，并存入待識(shí)別圖庫中，然后進(jìn)行預(yù)處理。預(yù)處理的目的是使采集到的彩色圖片能更準(zhǔn)確地通過計(jì)算機(jī)進(jìn)行識(shí)別。

預(yù)處理步驟：

（1）將圖片由彩色圖變?yōu)榛叶葓D；

（2）進(jìn)行圖像增強(qiáng)，本設(shè)計(jì)中采用灰度變化法實(shí)現(xiàn)；

（3）進(jìn)行圖像去噪，設(shè)計(jì)中采用中值濾波法進(jìn)行去噪；

（4）進(jìn)行邊緣檢測(cè)，設(shè)計(jì)中采用羅伯茨梯度法實(shí)現(xiàn)；

（5）形態(tài)學(xué)處理：全1模板的圖像腐蝕和閉運(yùn)算。

2 進(jìn)行車牌定位

圖像預(yù)處理后，需要找出車牌信息在整幅圖片中的位置，將車牌部分剪切出來。這時(shí)需要結(jié)合我國車牌的一些已知特征：（1）車牌形狀均為長(zhǎng)方形；（2）車牌字符顏色與背景顏色均對(duì)比明顯；（3）車牌號(hào)碼各字符之間間距的特點(diǎn)，即第二個(gè)字符與第三個(gè)字符間距比較大，其余間隔均相等。

照片中的車牌位置的定位會(huì)受到天氣情況、拍照設(shè)備、拍照光線、角度、距離等情況的影響。本設(shè)計(jì)中，首先使用數(shù)學(xué)形態(tài)學(xué)的腐蝕運(yùn)算和閉運(yùn)算進(jìn)行車牌侯選區(qū)的定位。然后采用投影法來確定車牌的水平與垂直邊界。

2.1 上下邊界定位

通過掃描腐蝕和閉運(yùn)算之后的車牌圖像，計(jì)算出圖像中每一行像素值總和，找到并記錄像素總和最大值和所在行的位置，從像素最大值位置向上和向下掃描找到與最大像素點(diǎn)連通的區(qū)域的上邊界和下邊界。

2.2 左右邊界定位

左右邊界的定位具體算法與上下邊界定位原理相同。先計(jì)算每一列的像素值總和，找到并記錄像素總和最大的值和所在列的位置，然后分別向左向右掃描找到與最大像素點(diǎn)連通的左邊界和右邊界。

找到上下左右邊界后再根據(jù)經(jīng)驗(yàn)進(jìn)行微調(diào)整。

3 車牌字符分割

對(duì)分割出的彩色車牌圖像進(jìn)行灰度變換、二值化、均值濾波和腐蝕。處理結(jié)果依次如圖1所示。

圖1 車牌圖像的預(yù)處理結(jié)果

為了能夠準(zhǔn)確地識(shí)別每個(gè)字符，接下來需要將整體的字符圖像分割成單個(gè)的字符圖像。這里采用垂直投影法來進(jìn)行切割。算法原理是：根據(jù)車牌的先驗(yàn)知識(shí)，車牌圖像在垂直方向上的投影取得局部最小值的位置一定是字符之間的間隙處，所以字符切割的位置應(yīng)該在垂直投影的局部最小值附近。

4 車牌字符識(shí)別

采用模板匹配法來進(jìn)行字符識(shí)別，原理是將要識(shí)別的字符圖片與事先準(zhǔn)備好的模板字符圖片進(jìn)行逐個(gè)相減，取得他們兩者最小差值的絕對(duì)值即為最優(yōu)解。

根據(jù)我國內(nèi)地車牌可能出現(xiàn)的字符信息，建立好字符庫圖片，包含漢字、英文字母和數(shù)字三類字符，對(duì)每個(gè)圖片進(jìn)行分類和編碼。本設(shè)計(jì)中采用的字符庫圖片大小為40×20像素。

如果切割后的字符圖片與字符庫圖片大小不一致，在兩張圖片相減時(shí)會(huì)出現(xiàn)錯(cuò)誤，所以在進(jìn)行比對(duì)之前，要先進(jìn)行單個(gè)字符圖片的歸一化處理，將圖片尺寸調(diào)整成同一尺寸。

字符分割完成后，歸一化大小為40×20像素。字符匹配按照從左到右的順序進(jìn)行逐個(gè)匹配，一般車牌包含漢字、字母和數(shù)字，如果檢測(cè)到是漢字，就自動(dòng)匹配漢字庫，檢測(cè)到字母或數(shù)字，就匹配字母數(shù)字庫。匹配完成依次輸出圖片對(duì)應(yīng)的編碼。

5 系統(tǒng)測(cè)試結(jié)果

按照前面介紹的各種處理算法依次寫好程序代碼，從網(wǎng)絡(luò)上找一個(gè)車牌圖片進(jìn)行測(cè)試，關(guān)鍵部分測(cè)試結(jié)果如下。

圖2給出了原始圖片，經(jīng)過灰度變換、中值濾波和邊緣檢測(cè)后得到的結(jié)果，以及形態(tài)學(xué)處理后的結(jié)果。

圖2 部分預(yù)處理結(jié)果

然后采用投影法定位出車牌的具體位置，進(jìn)行預(yù)處理后的圖像和字符分割的結(jié)果如圖3所示。

圖3 定位的車牌（上）和字符分割結(jié)果（下）

把分割后的字符歸一化大小為40×20像素，然后與字符庫中的圖片進(jìn)行比對(duì)，即可識(shí)別出車牌號(hào)碼。

經(jīng)過測(cè)試，系統(tǒng)可以正確識(shí)別大多數(shù)車牌圖像，但是一些特殊角度拍攝的或者不太清晰的圖片識(shí)別會(huì)出現(xiàn)一些錯(cuò)誤，這也是以后要繼續(xù)進(jìn)行深入研究和改進(jìn)的地方。車牌識(shí)別系統(tǒng)的關(guān)鍵在于車牌的定位和車牌字符切割，分別對(duì)應(yīng)了多種處理算法，今后要深入進(jìn)行研究，對(duì)比各種方法的優(yōu)缺點(diǎn)，以提高車牌識(shí)別的準(zhǔn)確率。