李萬相，田瑩

（1.鞍山市第八中學(xué)，鞍山114000；2.遼寧科技大學(xué)軟件學(xué)院，鞍山　114051）

一種快速的車牌自動定位方法

李萬相1，田瑩2

（1.鞍山市第八中學(xué)，鞍山114000；2.遼寧科技大學(xué)軟件學(xué)院，鞍山114051）

0　引言

車牌識別是智能交通系統(tǒng)的重要組成部分，識別的準(zhǔn)確率直接影響到智能交通系統(tǒng)在實(shí)際應(yīng)用中的使用效果。車牌識別系統(tǒng)主要的工作過程是：利用攝像機(jī)或照相機(jī)等設(shè)備拍攝包含車牌的車輛圖像，然后對圖像進(jìn)行處理分割出每輛車的車牌號碼，最后對分割出的數(shù)字、字母和漢字進(jìn)行識別，再通過少量后處理技術(shù)就可以廣泛應(yīng)用于停車收費(fèi)、高速公路收費(fèi)、違章檢測中，對城市的交通管理起到明顯的改善作用。因此車牌識別系統(tǒng)的組成部分可以歸納為：車牌定位、字符分割和字符識別。其中車牌定位是第一步，也是最為關(guān)鍵的一步，關(guān)系到后續(xù)其他步驟的處理過程，所以車牌定位是車牌識別系統(tǒng)的基礎(chǔ)。目前車牌定位的方法有許多種，主要包括基于邊緣檢測的方法［1］、基于數(shù)學(xué)形態(tài)學(xué)定位［2］、基于小波分析定位［3-4］以及基于彩色圖像和紋理特征分析［5-6］等方法，這些方法各有所長。其中基于邊緣的方法最簡單也最有效。

基于此，本文提出一種簡單實(shí)用的基于邊緣的快速自動車牌粗定位方法，該方法針對車牌區(qū)域的特點(diǎn)，采用自動閾值分割方法對圖像進(jìn)行二值化，保證車牌區(qū)別能夠被正確閾值分割，然后在此基礎(chǔ)上進(jìn)行邊緣檢測和噪聲邊緣的去除以確定字符區(qū)域，最后采用灰度跳變特征定位出車牌區(qū)域。本文方法在手機(jī)拍攝的車牌圖像上實(shí)驗(yàn)，不僅速度快，可以滿足實(shí)時(shí)處理要求，而且定位準(zhǔn)確率也很高。

1　快速定位方法描述

本文提出的車牌快速自動粗定位方法的流程為：首先，利用攝像設(shè)備獲取包含車牌的車身圖像，然后將數(shù)據(jù)圖像進(jìn)行灰度轉(zhuǎn)換和二值化等處理過程得到二值圖像，再利用梯度算子對二值圖像求取邊緣，根據(jù)車牌區(qū)域特征剔除不符合要求的邊緣信息，最后采用二值邊緣圖的跳變特征進(jìn)行車牌區(qū)域分割定位。

1.1圖像灰度化

彩色圖像包含顏色信息，因此不但信息量大，而且存儲上開銷很大，在處理上也會降低系統(tǒng)的執(zhí)行速度，所以本文采用灰度圖像進(jìn)行處理，這就要求首先將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像。由彩色圖像轉(zhuǎn)換為灰度圖像的過程叫做圖像灰度化。

本文采用較為普遍使用的加權(quán)平均公式進(jìn)行灰度化，如公式（1）所示：

H=0.2989×R+0.5870×G+0.1141×B（1）

其中，R、G、B分別代表紅、綠、藍(lán)三種顏色值，H代表轉(zhuǎn)換后的灰度值。圖1所示是彩色圖像及轉(zhuǎn)換后的灰度圖像。

圖1　原圖像灰度化結(jié)果

1.2圖像二值化

二值化的結(jié)果將直接決定后續(xù)車牌區(qū)域的定位結(jié)果。由于本文針對不同顏色車身圖像進(jìn)行車牌定位，因此二值化過程中十分重要，不能選擇固定的閾值。本文采用自動迭代法進(jìn)行閾值計(jì)算，求出閾值T，然后利用公式（2）進(jìn)行閾值分割，得到了很好的二值化處理效果。圖2（a）為二值化之后的圖像效果圖。

1.3邊緣檢測

邊緣檢測是圖像處理中的重要部分，它可以大幅度減少數(shù)據(jù)量，而且能剔除與問題不相關(guān)的信息，保留圖像的重要特征屬性。常見的邊緣檢測算子有Sobel算子、Robert算子、Prewitt算子、Canny算子等，由于本文的邊緣檢測是在二值圖像上進(jìn)行，不需要如上的邊緣檢測算子，可以直接采用簡單的梯度算子即可求出。

在二值圖像中，像素值為0代表黑色像素，值為255代表白色像素。在二值圖像上求取邊緣相對比較簡單，直接求出值為0和值為255的像素的交界即可。因此本文直接在二值圖像上進(jìn)行水平方向求一階梯度，即可實(shí)現(xiàn)邊緣檢測。公式如式（2）所示：

g（i，j）=|f（i，j）-f（i，j+1）|（2）

其中f（i，j）是原圖像上的像素點(diǎn)，g（i，j）是處理后的圖像像素點(diǎn)，i表示行號，j表示列號。由（2）式可以得出：處理后圖像的每個像素點(diǎn)的值等于原圖像上與之對應(yīng)的像素點(diǎn)與水平相鄰像素點(diǎn)的差的絕對值。因?yàn)樵瓐D像是二值圖像，所以如果相鄰點(diǎn)的值分別為0和255，式（2）的值為255，如果相鄰點(diǎn)值相同，都是0或都是255，則式（2）的值為0，所以處理后為白點(diǎn)處表示原圖像上黑白交界處，就是所求的邊緣點(diǎn)。圖2所示分別為二值圖像和經(jīng)過邊緣求取后的邊緣圖像。

圖2　圖像二值化及邊緣檢測結(jié)果

由圖2的二值圖像與邊緣圖像對比可以看出，原來二值圖像上的車身和其他背景區(qū)域都變成了黑色的背景，而留下的只有有效的邊緣特征。車牌照區(qū)域邊緣信息邊緣分布比較集中，甚至原來車身的一些水平直線都被消除了?？梢娛褂么朔椒ú坏芎芎帽Ａ糗嚺普諈^(qū)域有效信息，而且可以消除大量干擾信息。

1.4車牌區(qū)域定位

由于本文通過求二值圖像中水平相鄰像素差值的方法進(jìn)行邊緣檢測，因此，車牌區(qū)域會含有豐富的垂直邊緣。車牌區(qū)域內(nèi)水平方向由黑到白或者由白到黑都會產(chǎn)生邊緣，因此每個字符至少應(yīng)該含有兩條豎筆畫邊緣，這點(diǎn)從圖2（b）中也可以看出來。

車牌一般由一個漢字后跟一個字母，然后是5位數(shù)字字母組合，基于此，每個車牌區(qū)域水平方向從左到右應(yīng)該有從黑到白和從白到黑至少14次變化，即每行至少有14個跳變的點(diǎn)。在邊緣圖上體現(xiàn)出來就是有14個白色邊緣點(diǎn)?；谶@樣的原理，本文采用的車牌區(qū)域檢測方法如下：

①從邊緣圖像的左上像素點(diǎn)開始掃描，以行優(yōu)先方式；

②找到一個白色像素點(diǎn)，標(biāo)記為開始p（i，j）；

③在開始點(diǎn)所在行連續(xù)向右搜索，對出現(xiàn)的白色像素點(diǎn)進(jìn)行累加lCount++，如果出現(xiàn)10個像素以上連續(xù)黑色像素，則此行停止累加，如果此時(shí)此行白色像素點(diǎn)累加值超過14，則有效列rCount［i］++，轉(zhuǎn)④；否則轉(zhuǎn)②；

④繼續(xù)下一行搜索，如果此行白色像素點(diǎn)數(shù)少于10，則停止搜素；

⑤對搜索到的區(qū)域進(jìn)行長寬比計(jì)算，如果符合長寬比4：1，則認(rèn)為是車牌區(qū)域，結(jié)束搜索；否則，轉(zhuǎn)②，繼續(xù)尋找車牌區(qū)域。

下面的圖3是對圖1中原圖像最終定位分割出的車牌區(qū)域。

圖3　車牌區(qū)域定位分割結(jié)果

2　實(shí)驗(yàn)結(jié)果

本文的定位方法已用VC++編程進(jìn)行了實(shí)驗(yàn)。對于由手機(jī)拍攝下來的幾十幅圖片進(jìn)行了定位，其中只有少量圖像沒有正確定位，雖然本文方法準(zhǔn)確率不是最好的，但是最主要的是基于本文方法的識別系統(tǒng)運(yùn)行速度快。應(yīng)該說是簡單實(shí)用。

但是由于圖片由手機(jī)拍攝，難免會發(fā)生傾斜和模糊現(xiàn)象，本文所用圖片均清晰且傾斜不嚴(yán)重，而且本文所選擇圖片都是只包含車身，其他環(huán)境背景較少，所以定位率相對高，一旦圖片傾斜比較嚴(yán)重或模糊，或者加上其他背景，可以會由于背景干擾而導(dǎo)致準(zhǔn)確性下降。后續(xù)工作中需要對傾斜情況進(jìn)行校正以及進(jìn)一步完善定位算法，降低錯誤定位數(shù)量，使之真正實(shí)現(xiàn)實(shí)用化。

圖4所示為另外一幅圖像的定位過程和結(jié)果。

圖4　部分車牌圖像粗定位結(jié)果

3　結(jié)語

本文在已有的車牌定位方法的基礎(chǔ)上，結(jié)合車牌區(qū)域的特點(diǎn)，實(shí)現(xiàn)了一種快速車牌自動粗定位方法，相對于傳統(tǒng)的模板匹配、BP神經(jīng)網(wǎng)絡(luò)識別算法，提出的算法具有算法簡明、定位準(zhǔn)確率高和識別速度快的特點(diǎn)。然而由于時(shí)間有限，方法還有許多不足之處需要完善，尤其最后一步車牌區(qū)域的確定還需要增加知識才能更加準(zhǔn)確。

［1］程時(shí)虎，文灝.基于紋理及顏色特征的分級車牌定位方法［J］.計(jì)算機(jī)仿真，2009（26）：304-307.

［2］張吉斌，滕青芳.基于多尺度小波邊緣檢測的車牌定位研究［J］.電視技術(shù)，2013（7）：150-151.

［3］李偉，朱偉良，孔祥杰，沈國江.一種新型的基于數(shù)學(xué)形態(tài)學(xué)和顏色特征車牌定位算法［J］.科技通報(bào)，2009（2）：214-219.

［4］許禮武，許倫輝，黃艷國.基于小波分解的車牌定位算法［J］.計(jì)算機(jī)工程，2006（21）：191-193.

［5］劉旭華，周軍，朱田華.基于小波變換和支持向量機(jī)的車牌定位方法研究［J］.遼寧工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2013（2）：75-79.

［6］黃艷國，趙書玲，許倫輝.基于紋理特征和顏色匹配的車牌定位方法［J］，微電子學(xué)與計(jì)算機(jī)，2011（9）：472-476.

License Plate Location；Edge Detection；Gray-hopping

A Fast Automatic Location Method of Vehicle License Plate

LI Wan-xiang1，TIAN Ying2

（1.Anshan No.8 Senior Middle School，Anshan 114000；2.Software college of University of Science and Technology Liaoning，Anshan 114051）

1007-1423（2015）26-0069-04

10.3969/j.issn.1007-1423.2015.26.017

李萬相（1998-），男，遼寧鞍山人，學(xué)生

2015-08-06

2015-09-10

車牌定位是車牌識別系統(tǒng)中最重要的步驟，針對車牌區(qū)域的特點(diǎn)，提出一種簡單快速的車牌粗定位方法。首先對拍攝的包含車牌的彩色車身圖像進(jìn)行灰度化，并采用自動閾值方法進(jìn)行二值化，對于不同顏色車身圖像都能得到理想的二值圖像，然后對二值圖像利用梯度進(jìn)行邊緣檢測，再根據(jù)車牌區(qū)域水平方向具有黑白灰度跳變較為頻繁的特征，采用行掃描圖像的灰度跳變頻率來定位車牌區(qū)域。在拍攝的車牌圖像上進(jìn)行定位實(shí)驗(yàn)表明，方法具有簡單實(shí)用，速度快的特點(diǎn)。

車牌定位；邊緣檢測；灰度跳變

田瑩（1971-），女，遼寧沈陽人，教授，研究方向?yàn)閿?shù)字圖像處理與模式識別等

Automatic license plate location is the most important step in license plate recognition system.According to the characteristics of the license plate area，proposes a simple and fast method for the coarse location of the license plate.First of all，the color image of the license plate is gray，and the automatic threshold method is used to carry on binarization.The method can be used for different color images. Then gradient operator is used to detect the edge of the binary image.And then the gray-hopping frequency is used to locate the license plate area.Experiments on license plate images show that the proposed method is simple，practical，and fast.