王濤　趙磊

【摘 要】隨著計(jì)算機(jī)性能的提高，以及大數(shù)據(jù)的應(yīng)用，智能車(chē)牌識(shí)別系統(tǒng)逐漸得到了廣泛的應(yīng)用。從技術(shù)組成看，智能車(chē)牌識(shí)別系統(tǒng)主要包括三個(gè)部分，分別是：車(chē)牌定位、字符分割以及字符識(shí)別三個(gè)部分。其中，車(chē)牌定位的輸出作為后續(xù)兩個(gè)部分的輸入，車(chē)牌定位部分的定位精度直接影響了后續(xù)處理的結(jié)果。因此，車(chē)牌定位分系統(tǒng)在整個(gè)車(chē)牌識(shí)別系統(tǒng)中占有重要地位。為了提高車(chē)牌定位的精度，本文提出了一種基于邊緣檢測(cè)和號(hào)牌色彩信息的混合定位算法，通過(guò)實(shí)驗(yàn)表明，該算法可以很好地適應(yīng)小型車(chē)號(hào)牌的使用環(huán)境，具有良好的抗噪聲能力。

【關(guān)鍵詞】車(chē)牌定位；邊緣檢測(cè)；色彩空間

0 概述

由攝像頭捕捉的汽車(chē)圖像是彩色圖像，其中包含有大量的色彩信息以及豐富的幾何信息。而車(chē)牌識(shí)別算法的主要工作就是利用圖像中已有的顏色信息、車(chē)輛的幾何信息和車(chē)牌的幾何信息，使用數(shù)字圖像處理的方法來(lái)提取車(chē)牌的位置。

顏色是人的視覺(jué)系統(tǒng)對(duì)光譜中可見(jiàn)區(qū)域的感知效果，為了準(zhǔn)確地描述顏色，必須引入色彩空間的概念。正如幾何上用坐標(biāo)空間來(lái)描述坐標(biāo)集合，色彩空間用數(shù)學(xué)方式來(lái)描述顏色集合。而在車(chē)牌識(shí)別過(guò)程用到的主要圖像處理算法是邊緣檢測(cè)算法。

1 色彩空間

1.1 RGB色彩空間

RGB色彩模型一種加性色彩模型（additive color model），通過(guò)將紅（Red）、綠（Green）和藍(lán)色（Blue）以不同的方式混合在一起，來(lái)獲得多種顏色[1]。RGB色彩模型的名稱(chēng)即來(lái)源于最主要的三種混合色：紅色、綠色以及藍(lán)色。而基于RGB色彩模型的顏色空間即為RGB色彩空間。通過(guò)將R、G和B添加在一起（即所有光線反射回眼睛）可產(chǎn)生白色[2]。加性色彩空間主要應(yīng)用在電子顯示和照明領(lǐng)域，如計(jì)算機(jī)的顯示屏、電視屏幕以及照明燈。以計(jì)算機(jī)顯示器為例，綠色、紅色以及藍(lán)色的液晶由于電壓不同而產(chǎn)生不同的透光率，從而透過(guò)對(duì)應(yīng)的光線。光譜上可視區(qū)域的大多數(shù)色彩都可以通過(guò)RGB的加性色彩空間調(diào)和三原色的比例和強(qiáng)度來(lái)實(shí)現(xiàn)。若三原色分別重合則可以生成三原色對(duì)應(yīng)的補(bǔ)色：青色、洋紅及黃色。

1.2 CMYK色彩空間

印刷四分色模式是彩色印刷時(shí)采用的一種套色模式，利用色料的三原色混色原理，加上黑色油墨，共計(jì)四種顏色混合疊加，形成所謂“全彩印刷”。四種標(biāo)準(zhǔn)顏色是：青色（Cyan，C）、品紅色（Magenta，M）、黃色（Yellow，Y）以及黑色（blacK，K）。CMYK色彩空間是一種減性色彩空間，常用于印刷行業(yè)。相較于加性色彩空間，減性色彩空間的白色是印刷底料的本色，沒(méi)有任何顏色，而白色則是由所有基色的混合產(chǎn)生。同時(shí)為了節(jié)約墨水的開(kāi)支以及獲得更深的暗色調(diào)，黑色直接由黑色墨水獲得，而不是通過(guò)混合平紅色、黃色和青色獲得[3-4]。

1.3 YUV

YUV主要用于優(yōu)化彩色視頻信號(hào)的傳輸，使其向后相容老式黑白電視。與RGB視頻信號(hào)傳輸相比，它最大的優(yōu)點(diǎn)在于只需占用極少的頻寬（RGB要求三個(gè)獨(dú)立的視頻信號(hào)同時(shí)傳輸）。其中“Y”表示明亮度（Luminance或Luma），也就是灰階值；而“U”和“V”表示的則是色度（Chrominance或Chroma），作用是描述影像色彩及飽和度，用于指定像素的顏色。

色度信號(hào)U、V與亮度信號(hào)Y的分離是YUV色彩空間的重要性之所在。如果只有Y信號(hào)分量而沒(méi)有U、V分量，那么這樣表示的圖像就是黑白灰度圖像。彩色的電視信號(hào)正因?yàn)椴捎昧薡UV色彩空間才解決其與黑白電視機(jī)的兼容問(wèn)題，使黑白電視機(jī)也能接收彩色電視信號(hào)[5]。

1.4 HSV

HSV是一種使用圓柱坐標(biāo)來(lái)表示色彩的色彩空間，是一種六角錐體模型。其通過(guò)重排RGB色彩空間的幾何描述以使得HSV色彩空間更加符合人眼的直覺(jué)和更容易被人眼感知到[6]。該色彩空間在20世紀(jì)80年代提出，現(xiàn)在主要用于拾色器、圖像編輯軟件、圖像分析以及計(jì)算機(jī)視覺(jué)領(lǐng)域。HSV色彩空間的三個(gè)字母分別代表：

色調(diào)（Hue，H）：以角度計(jì)算，其取值范圍為在0°～360°之間，從紅色開(kāi)始按逆時(shí)針?lè)较蛴?jì)算，0°位置為紅色，120°位置為綠色，240°位置為藍(lán)色。它們的補(bǔ)色位于60°黃色，180°青色，以及300°品紅；

飽和度（Saturation，S）：取值范圍為0.0～1.0，值越大，顏色越飽和；

亮度（Value，V）：取值范圍在0（黑色）～255（白色），有時(shí)亮度也會(huì)稱(chēng)為Brightness。與RGB和CMYK等色彩空間面向于硬件不同的是，HSV色彩空間面向的是用戶(hù)，更直觀的說(shuō)，面向的是人的眼睛。

2 邊緣檢測(cè)算子

圖像中灰度值或色彩急劇變化之處，即為物體的邊緣，在灰度值變化比較劇烈之處進(jìn)行微分運(yùn)算，就可以得出區(qū)別于其他處的較大值，因此，可以利用各種微分運(yùn)算進(jìn)行邊緣檢測(cè)。邊緣檢測(cè)算子就是通過(guò)檢查每個(gè)像素點(diǎn)的鄰域并對(duì)其灰度變化進(jìn)行量化來(lái)達(dá)到邊界提取的目的，而且大部分的檢測(cè)算子還可以確定邊界變化的方向[7]。

2.1 羅伯特（Robert）邊緣算子

3 混和車(chē)牌定位算法的提出

根據(jù)《中華人民共和國(guó)公共安全行業(yè)標(biāo)準(zhǔn)GA36-2007中華人民共和國(guó)機(jī)動(dòng)車(chē)號(hào)牌》規(guī)定，我國(guó)大型汽車(chē)號(hào)牌以及掛車(chē)號(hào)牌長(zhǎng)度為440mm，前號(hào)牌高度為140mm，后號(hào)牌的高度為220mm，顏色為黃底黑字黑框線；小型汽車(chē)號(hào)牌的外廓尺寸前后一致，均為高度140mm，寬度440mm，顏色為藍(lán)底白字白框線。根據(jù)使用場(chǎng)景來(lái)看，上述兩種類(lèi)型在普通的汽修廠當(dāng)中是比較常見(jiàn)的車(chē)型，因而實(shí)現(xiàn)對(duì)相應(yīng)的號(hào)牌號(hào)碼的識(shí)別是首要的任務(wù)。由此，為了解決該問(wèn)題，本文提出來(lái)一種根據(jù)車(chē)輛號(hào)牌顏色及邊緣檢測(cè)的混合方式來(lái)定位車(chē)輛號(hào)牌在圖像中位置的算法。該算法的主要過(guò)程分為兩步：

（1）根據(jù)號(hào)牌的幾何特征，利用邊緣檢測(cè)的方式去除噪聲，粗略定位車(chē)牌；

（2）根據(jù)號(hào)牌的顏色特征，利用色彩空間的方法去除色彩噪聲；

（3）將上述兩步的輸出圖片進(jìn)行與運(yùn)算得到輸出結(jié)果。

下面分別詳細(xì)說(shuō)明上述3個(gè)步驟的內(nèi)容。

3.1 邊緣檢測(cè)去除噪聲

眾所周知的是，國(guó)內(nèi)的車(chē)牌都是矩形的，而在安放車(chē)牌的位置的周?chē)嬖谥罅康姆侵本€形的曲線噪聲，因此利用一階的邊緣嵴檢測(cè)算子即可去除類(lèi)似的曲線噪聲。同時(shí)，仔細(xì)觀察車(chē)輛號(hào)牌的幾何特征，我們會(huì)發(fā)現(xiàn)：車(chē)輛號(hào)牌上有大量水平方向的干擾，比如車(chē)輛后備箱蓋外緣、引擎蓋外緣以及懸掛車(chē)牌位置的水平方向干擾等。因此，可以利用垂直方向的索貝爾算子進(jìn)行垂直方向的邊緣檢測(cè)以去除水平方向的干擾。如下圖1所示，是使用垂直方向的索貝爾算子進(jìn)行卷積運(yùn)算后的車(chē)輛號(hào)牌圖像：

3.2 利用色彩特征去除噪聲

根據(jù)前述，本文所針對(duì)的應(yīng)用場(chǎng)景中會(huì)出現(xiàn)的車(chē)輛號(hào)牌主要是小型車(chē)的藍(lán)底白字車(chē)牌以及大型車(chē)的黃底黑字車(chē)牌。在HSV的色彩空間中，藍(lán)色在色調(diào)（Hue）空間的角度為240°，而黃色的角度為60°，因此將汽車(chē)好牌的圖像由RGB色彩空間轉(zhuǎn)換至HSV空間后，可以設(shè)定兩個(gè)角度分別為240°和60°，即可從空域當(dāng)中提取出藍(lán)色和黃色的車(chē)牌位置。如果光照強(qiáng)度過(guò)大，比如白熾燈直射或者陽(yáng)光晴好的正午，藍(lán)色會(huì)有向青色便宜的趨勢(shì)，所以為了能夠?qū)?qiáng)光及弱光環(huán)境有一定的適應(yīng)能力，可以分別將藍(lán)色和黃色的色調(diào)分別留有10～20°的裕度，即藍(lán)色的色調(diào)范圍為230～250°，黃色的色調(diào)范圍為50～70°，實(shí)驗(yàn)結(jié)果如下圖2所示：

3.3 圖片與運(yùn)算

經(jīng)過(guò)步驟1和2之后，分別到了邊緣檢測(cè)后和基于色彩空間的降噪后，產(chǎn)生了兩幅車(chē)牌候選區(qū)域的圖像。為了進(jìn)一步去除噪聲，提高車(chē)牌的定位精度，算法的最后一步進(jìn)行圖像的與運(yùn)算：將步驟1和步驟2產(chǎn)生的圖像進(jìn)行與運(yùn)算以提高車(chē)輛號(hào)牌的定位精度。實(shí)驗(yàn)結(jié)果如下圖3所示：

4 結(jié)論及展望

通過(guò)上述的算法作用于實(shí)驗(yàn)樣本中，最終得到的實(shí)驗(yàn)結(jié)果為：在100張圖片中，有96張圖片成功地定位到車(chē)輛號(hào)牌，其中有7幅圖像中含有兩幅號(hào)牌，結(jié)果這7張圖像中的14幅號(hào)牌全部成功地定位。但是，需要注意的是該算法的成功率是基于藍(lán)底白字號(hào)牌和黃底黑字號(hào)牌，適用范圍比較有限，所以在以后的改進(jìn)當(dāng)中需要進(jìn)一步提高該算法的使用范圍。

【參考文獻(xiàn)】

[1]Poynton， Charles A. Digital Video and HDTV： Algorithms and Interfaces[M]. Morgan Kaufmann， 2003.

[2]Hunt， R. W. G. The Reproduction of Colour （6th ed.）[M].Chichester UK： Wiley IS&T Series in Imaging Science and Technology， 2004.

[3]Galer， Mark； Horvat， Les（2003）.Digital Imaging： Essential Skills[J].Focal Press. p.74，2003.

[4]Jennings， Simon（2003）. Artists Color Manual： The Complete Guide to Working with Color[J].Chronicle Books LLC. p. 21， 2003.

[5]邵丹，韓家偉.YUV與RGB之間的轉(zhuǎn)換[J].長(zhǎng)春大學(xué)學(xué)報(bào)， 2004，Vol.14.

[6]李薇，李德仁.基于HSV色彩空間的MODIS云檢測(cè)算法研究[J].中國(guó)圖象圖形學(xué)報(bào)， 2011， Vol.16.

[7]張立.云圖的臺(tái)風(fēng)云系分割與特征提取研究[D].廣州：廣東工業(yè)大學(xué)，2009.

[責(zé)任編輯：王楠]