焦慧華

（瓊臺師范學(xué)院，海口 海南 571127）

1 形態(tài)學(xué)腐蝕與膨脹

根據(jù)國內(nèi)現(xiàn)行的機動車號牌規(guī)范，車牌號碼中的第一個字符必須為漢字，漢字由偏旁和部首組成。因此在對車牌灰度圖像進行二值化處理后，漢字圖像的偏旁和部首依然保持原始狀態(tài)，偏旁部首并沒有連通[1]，如圖1所示。這樣會導(dǎo)致漢字分割不準(zhǔn)確，為后續(xù)的字符篩選工作帶來難度。為了避免此類情況的發(fā)生，需要對二值化后的車牌圖像進行形態(tài)學(xué)處理。

圖1 車牌漢字符二值化圖像

圖像形態(tài)學(xué)處理分為腐蝕處理和膨脹處理兩類。且都是對圖像中白色像素進行操作。形態(tài)學(xué)腐蝕意為在原有的二值圖像上獲得更小的白色區(qū)域；形態(tài)學(xué)膨脹意為在原有的二值圖像上獲得更大的白色區(qū)域[2]。形態(tài)學(xué)腐蝕的實質(zhì)是求局部最小值（像素值為0），如圖2所示。待腐蝕的二值圖像的尺寸為9×5（單位：像素），核 k尺寸為 2×2（單位：像素），在核k中“*”所在的位置為核k的參考點。形態(tài)學(xué)腐蝕的過程為核k在待腐蝕二值圖像上從左到右，從上到下依次滑動。核k每滑動一次，計算一次核k所包含像素的像素值的最小值，用計算得到的最小值來作為腐蝕后二值圖像對像素位置的像素值，從而完成整個二值圖像的形態(tài)學(xué)腐蝕處理過程，腐蝕后的二值圖像的尺寸為8×4（單位：像素）

圖2 二值圖像腐蝕效果

形態(tài)學(xué)膨脹的實質(zhì)與形態(tài)學(xué)腐蝕正好相反，是求局部最大值（像素值為255），如圖3所示。待膨脹的二值圖像的尺寸為9×5（單位：像素），核k尺寸為2×2（單位：像素），在核k中“*”所在的位置核k的參考點。形態(tài)學(xué)膨脹的過程為核k在待膨脹二值圖像上從左到右，從上到下依次滑動。核k每滑動一次，計算一次核k所包含像素的像素值的最大值，用計算得到的最大值作為膨脹后二值圖像對像素位置的像素值，從而完成整個二值圖像的形態(tài)學(xué)膨脹處理過程[3]，膨脹后的二值圖像的尺寸為9×5（單位：像素）。

圖3 二值圖像膨脹效果

本文對車牌字符二值圖像形態(tài)學(xué)處理的過程分為三個步驟：

（1）對車牌二值圖像進行形態(tài)學(xué)膨脹處理：其目的在于盡可能多的將漢字圖像的偏旁部首進行連通，使?jié)h字圖像向成為一個整體。但是在車牌圖像中字符的輪廓會因為膨脹處理而放大，同時也會將一些圖像中的噪點的輪廓進行放大。

（2）對車牌二值圖像進行形態(tài)學(xué)腐蝕處理：其目的在于盡可能多的消除因為膨脹處理而放大的噪點，但又會導(dǎo)致車牌圖像中字符輪廓尺寸變小。

（3）對車牌二值圖像再次進行形態(tài)學(xué)膨脹處理：其目的在于恢復(fù)車牌圖像中字符的尺寸，使之與形態(tài)學(xué)處理前的尺寸保持基本一致，最終獲得具有連通效果的車牌漢字字符圖像如圖4所示。

圖4 形態(tài)學(xué)處理二值漢字圖像

2 分割過程

為了使字符能夠識別準(zhǔn)確高效，就需要采用合適的方式分割出字符圖像。通常采用以下三種方法分割完整的車牌圖像：基于垂直投影的分割方法、基于聚類分析的分割方法和基于輪廓提取的方法[4]。三種方法的優(yōu)缺點如下：

（1）垂直投影分割法：把二值圖像在垂直以及水平方向上進行投影，從而形成了二值統(tǒng)計圖像，從而確定字符位置。使用此方法不僅程序設(shè)計要求較為簡單，而且分割速度快。但是分割方法過于固定，區(qū)域多為方形[5]。

（2）聚類分析分割法：把字符通過形態(tài)學(xué)方式構(gòu)成連通域，再與已知特征相結(jié)合完成字符分割。使用此種方法能夠在漢字字符不連通的情況下也能完成分割任務(wù)，但是這種方法不僅計算復(fù)雜，且效率不高[6]。

（3）輪廓提取分割法：首先需要對二值圖像進行邊緣檢測計算，然后根據(jù)字符的邊界將字符框選并分割出來，使用此種方法分割出來的字符邊緣非常準(zhǔn)確，但是與聚類分析的分割方法相似，具有計算量大，計算速度慢的缺點[7]。

本項目中，考慮到是在車牌圖像上進行分割，而車牌圖像中字符的排列方式本身具有一定的規(guī)則性，且需要分割出來的字符圖像為矩形，同時也需要盡可能的減少分割計算量。因此本文采用投影法進行分割。

如圖5所示，波峰部分表示在二值圖像中像素在垂直方向上的分布情況。進而二值圖像中的字符分割開來。

圖5 字符投影示意圖

首先需要對形態(tài)學(xué)處理后的圖像中每一列白色像素的個數(shù)進行統(tǒng)計，并繪制出每列的像素統(tǒng)計直方圖，如圖6中垂直方向像素統(tǒng)計直方圖所示。再對形態(tài)學(xué)處理后的車牌二值圖像矩陣中每一行白色像素的個數(shù)進行統(tǒng)計，并繪制出每行的像素統(tǒng)計直方圖，垂直方向像素統(tǒng)計直方圖中白色區(qū)域如圖7所示。

圖6 投影直方圖

圖7 字符寬度定位示意圖

圖7中字符寬度起始及結(jié)束位置從左到右依次為：x0，x1，x2，……，x14，x15。則白色區(qū)域的寬度大小為區(qū)域的水平方向上截止坐標(biāo)減水平方向上起始坐標(biāo)，如公式1所示：

水平方向像素統(tǒng)計直方圖中白色區(qū)域，如圖8所示：

圖8 字符高度示意圖

則白色區(qū)域的寬度如公式2所示：

最后通過對寬度進行篩選，最終獲得車牌圖像中每一個字符的具體位置，如表1所示：

表1 字符定位表

最后根據(jù)車牌圖像中每個字符的其實位置以及寬高，可將車牌圖像中的字符區(qū)域框選出來，如圖9所示。最終將車牌圖像中的字符分割出來，如圖10所示。

圖9 框選車牌圖像字符示意圖

圖10 車牌圖像字符示意圖

3 結(jié)束語

車牌識別系統(tǒng)能廣泛運用于實際生活中，為進一步提高字符分割的準(zhǔn)確率，本文在分析研究了形態(tài)學(xué)腐蝕與膨脹和分割過程后，提出了一種新的算法。本文提出的車牌識別算法是在參考現(xiàn)有圖像處理技術(shù)基礎(chǔ)上，選取適合數(shù)字圖像處理方法來實現(xiàn)車牌的定位、分割以及準(zhǔn)確識別，可進一步提高字符分割準(zhǔn)確率。