胡琛，秦實(shí)宏

武漢工程大學(xué)電氣信息學(xué)院，湖北 武漢 430205

基于色彩紋理的車牌定位系統(tǒng)設(shè)計

胡琛，秦實(shí)宏*

武漢工程大學(xué)電氣信息學(xué)院，湖北 武漢 430205

為了提高車牌定位的準(zhǔn)確率，提出了一種基于色彩紋理的車牌定位的分析方法.首先將彩色圖像的色彩空間由RGB轉(zhuǎn)換到HSV，生成HSV色彩模型的三通道圖像，將圖片進(jìn)行濾波調(diào)整之后，并將符合車牌區(qū)域的有效像素的灰度值范圍作為參數(shù)排除圖像中的干擾信息，然后將轉(zhuǎn)換后的圖像車牌背景顏色和車牌字符顏色進(jìn)行二值化處理生成兩幅灰度圖像，采用逐行掃描的方法對兩幅灰度圖像的各個像素點(diǎn)進(jìn)行分析和比對，通過像素灰度值的跳變次數(shù)，判斷是否找出符合車牌紋理的區(qū)域，通過計算確定車牌在圖像上的區(qū)域，并輸出車牌圖像.該方法提高了的車牌識別的準(zhǔn)確性和穩(wěn)定性.

車牌定位；圖像濾波；灰度值跳變

隨著社會經(jīng)濟(jì)的快速發(fā)展，汽車已經(jīng)成為人們?nèi)粘Ｉ钪斜夭豢缮俚慕煌üぞ?，但是隨著汽車數(shù)量近些年呈幾何增長的態(tài)勢，汽車數(shù)量已經(jīng)成為制約城市發(fā)展的一大難題，如何有效的管理數(shù)量巨大的汽車這一問題已經(jīng)迫在眉睫.傳統(tǒng)人工管理車輛的辦法已經(jīng)無法滿足現(xiàn)代追求高效的工作需求，而智能車輛管理系統(tǒng)以其準(zhǔn)確高效的優(yōu)勢而越來越受到人們的青睞，因此作為智能停車管理系統(tǒng)的車牌識別技術(shù)將會進(jìn)一步普及.車牌識別大致分為車牌定位、車牌字符分割以及字符識別三個步驟.車牌定位是汽車牌照識別算法的第一步，后面所有步驟都是在這一步的基礎(chǔ)上進(jìn)行的，本研究的車牌定位方法可應(yīng)用于智能車輛管理系統(tǒng)中門禁的車牌識別.車輛進(jìn)入攝像頭采集圖像區(qū)域后觸發(fā)攝像頭采集圖像，通常一張采集的圖像中只會包含一個車牌的信息.所以本研究中所提到的拍攝下來的圖片都是只包含一個牌照信息的圖片.當(dāng)前比較流行的兩種車牌定位的方法：一種是利用字符紋理來對車牌定位，另一種是利用車牌的色彩來對車牌定位.

基于字符紋理的車牌定位系統(tǒng)的工作方式有以下缺點(diǎn)：對于車牌區(qū)域以外的其他汽車外觀、部件等與文字相似的干擾信息會被認(rèn)為有較多的豎向紋理；對于有些汽車上的車燈、車標(biāo)、散熱片等也有很豐富的豎向紋理，這些會對車牌的定位造成很大程度的干擾.基于色彩信息對車牌進(jìn)行定位的缺陷在于人們追求汽車顏色的個性化，什么樣的顏色都可能出現(xiàn)，必然也有和車牌底色一樣顏色的車體.利用色彩信息也很容易受到外界光源變化的影響，所以僅僅利用車牌的色彩信息的車牌定位算法，識別率也很低.

基于色彩紋理的車牌定位方法是同時基于車牌區(qū)域的彩色信息、灰度圖片的灰度值跳變以及車牌灰度圖片的縱向紋理豐富等特點(diǎn)來實(shí)現(xiàn)的.車牌區(qū)域較為顯著的特點(diǎn)是在藍(lán)色的牌照背景上白色的字符，雖然在藍(lán)色車體上也有白色的字，但是字符組合以及字符間距沒有固定的規(guī)律可循，而且牌照區(qū)域的文字整體縱向紋理豐富.由上面的描述，基于色彩紋理的車牌定位方法是逐行掃描所拍攝的圖片，并統(tǒng)計每行從藍(lán)、白的像素跳變次數(shù)，然后根據(jù)跳變次數(shù)進(jìn)行分析從而確定車牌區(qū)域.車牌區(qū)域的最小像素跳變應(yīng)為14次，且整個區(qū)域的色彩變化次數(shù)不會有巨大差異，最后找出符合要求的位置而得到車牌的位置.

1 車牌圖像的預(yù)處理

車牌定位系統(tǒng)首先通過圖像采集設(shè)備采集到RGB（Red Green Blue）彩色圖像，獲取到圖像之后要對圖像進(jìn)行必要的預(yù)處理.預(yù)處理第一步是需要對原始的采集圖像分辨率進(jìn)行調(diào)整，將圖像調(diào)整到800×600，既能保證圖像中的有用的車牌信息又能減少系統(tǒng)分析處理的速度.對圖像分辨率調(diào)整之后對圖像的色彩模型進(jìn)行轉(zhuǎn)換，將RGB圖像轉(zhuǎn)換到HSV（Hue Saturation Valve）色彩空間，再對各通道圖像進(jìn)行中值濾波消除圖像中噪聲對分析帶來的干擾.圖像濾波后開始對圖像進(jìn)行二值化處理，生成兩幅二值化圖像處理方法的優(yōu)點(diǎn)在于既能突出車牌區(qū)域的有用信息又能消除其他區(qū)域干擾信息，而且對同一幅圖像生成的兩幅二值圖像進(jìn)行掃描分析比生成一幅二值化圖像進(jìn)行車牌區(qū)域分析而言，生成兩幅二值化圖像能最小化分析誤差.一幅將車牌背景顏色設(shè)為白色其他顏色設(shè)為黑色（定義為圖A），一幅將車牌字符顏色設(shè)為白色其他顏色設(shè)為黑色（定義為圖B），通過掃描分析兩幅二值圖像來消除車牌中的干擾信息，并計算符合車牌色彩紋理特征的像素個數(shù)，并將個數(shù)存入h（y）中.對h（y）統(tǒng)計結(jié)果進(jìn)行分析，保留圖像中符合車牌區(qū)域，去除圖像中不符合車牌區(qū)域，最后得到精準(zhǔn)的車牌區(qū)域圖像?；谏始y理的車牌定位系統(tǒng)實(shí)現(xiàn)車牌定位全部步驟如圖1所示.

圖1 實(shí)驗(yàn)流程圖Fig.1Experiment flowchart

1.1 圖像采集

圖2 車牌圖像Fig.2Image of vehicle license plate

1.2 HSV空間模型

圖片由RGB的表示方式變化成HSV的表示方式.H（Hue）是色度，用來取得不同的色彩；S（Satu?ration）是飽和度，用來表示色彩的深淺，該數(shù)值低則色彩淺，數(shù)值高則色彩深；V（Value）是明度，用來表示色彩的明暗程度.HSV表示方法比較符合實(shí)際的情況，也更適用于基于色彩方面的圖像處理.HSV空間錐形模型［1］如圖3所示.

圖3 HSV空間模型Fig.3HSV space model

將圖1變換后H、S、V三個通道灰度圖像分別如圖4所示.

圖4 HSV空間三通道圖像Fig.4Three-channel images of HSV space

1.3 圖像中值濾波

預(yù)處理的最后一步是將取得到的3個通道的灰度圖片進(jìn)行中值濾波處理，并根據(jù)定位的所需要求進(jìn)行二值化［2］處理.在彩色圖像轉(zhuǎn)換為灰度圖像的時候無論用什么方法都會產(chǎn)生一些噪點(diǎn)，中值濾波的作用在于抑制圖像轉(zhuǎn)換色彩空間后產(chǎn)生的噪聲，這樣可以提高識別的準(zhǔn)確度確保定位的有效性，盡量的消除各種干擾信息，并且很好保留了后面分析極其重要的邊沿信息［3］.將圖3經(jīng)過中值濾波處理之后得到圖5～圖7.

圖5 H通道圖像經(jīng)過中值濾波后的圖像Fig.5Image of H-channel in HSV space by median filter

圖6 S通道圖像經(jīng)過中值濾波后的圖像Fig.6Image of S-channel in HSV space by median filter

圖7 V通道圖像經(jīng)過中值濾波處理后的圖像Fig.7Image of V-channel in HSV space by median filter

1.4 圖像二值化

經(jīng)過上面三步之后圖像的預(yù)處理之后開始對車牌圖像進(jìn)行二值化處理，將得到的H、S和V 3個通道的圖像根據(jù)分析的要求進(jìn)行二值化，以方便后續(xù)的分析.二值化是將圖片變換成黑白兩色的圖片，其中的白色顏色的部分設(shè)定為需要突出的顏色部分，黑色的部分設(shè)定為其它干擾色.該算法主要是需要計算有效的藍(lán)色像素點(diǎn)和有效的白色像素點(diǎn)，所以需要兩幅二值化的圖片［4］.一幅是將藍(lán)色設(shè)置為白色，其他顏色轉(zhuǎn)換為黑色的二值化圖片；另一幅是將白色設(shè)置為白色，其他干擾色彩設(shè)置為黑色的二值化圖片.獲取藍(lán)色的二值化圖片，首先在圖片的H通道圖片中將藍(lán)色的像素點(diǎn)的灰度值置成255，即在灰度圖上使其顯示成白色.根據(jù)大量的實(shí)驗(yàn)車牌的藍(lán)色像素點(diǎn)在H通道中取值范圍由90到118之間是較為合適的，經(jīng)過這一步之后得出的圖如圖8所示.

F&EI[9-10]是美國道化學(xué)公司提出的評價化工工藝過程和生產(chǎn)裝置的火災(zāi)、爆炸危險性及采取相應(yīng)安全措施的一種方法，已在國內(nèi)外化工領(lǐng)域得到大量推廣應(yīng)用。

圖8 H通道圖像藍(lán)色進(jìn)行二值化圖像Fig.8Binarized image of the blue interference of H-channel

但是在HSV空間中，如果只對H通道圖像某個范圍內(nèi)的顏色二值化，這個過程會忽略白色和黑色信息的干擾，使得二值化后的圖片包含不需要的信息，所以如果只想二值化藍(lán)色還需要配合S和V通道的信息來除去黑色和白色的信息.把白色和色彩相對較淡的部分信息從圖片中去除，結(jié)果如圖9所示.

圖9 S通道去白色信息后圖像Fig.9Image of eliminating white interference for S-channel

去除黑色和色彩很暗的部分信息如圖10所示.

將3幅圖像的進(jìn)行與運(yùn)算得到最后結(jié)果為藍(lán)色二值化圖片，如圖11所示.

圖10 V通道去黑色信息后的圖像Fig.10Image of eliminating black interference for V-channel

圖11 藍(lán)色二值化圖Fig.11Binarized image of blue color

取白色二值化圖像的原理以及實(shí)現(xiàn)方法同樣是利用上面的過程，只是要將需要處理信息的參數(shù)進(jìn)行調(diào)整，而且每個H值都包含有白色的信息，所以取白色二值化圖片時不需要H通道的信息，得到圖12.

圖12 白色二值化圖Fig.12Binarized image of white color

2 車牌定位

2.1 統(tǒng)計車牌有效像素

得到二值化圖片數(shù)據(jù)之后，對兩張圖片中將符合車牌色彩紋理像素進(jìn)行統(tǒng)計［5］.這一步進(jìn)行之前先定義了一個數(shù)組h（y），數(shù)據(jù)類型為整數(shù)型，逐行統(tǒng)計圖片像素，將得到的結(jié)果保存在數(shù)組中，數(shù)組中的值為每一行有效像素個數(shù)，則數(shù)組中的y值為行的縱坐標(biāo)值.

尋找符合車牌色彩紋理有效像素是通過掃描藍(lán)色二值化圖片（為了分析方便將該圖定義為圖像A）來實(shí)現(xiàn)的，如果檢測到某個位置的像素值為255，則該位置在彩色圖片上為藍(lán)色的點(diǎn)，掃描對應(yīng)白色二值化圖片（將其定義為圖像B）上相應(yīng)的位置和圖像A該點(diǎn)所在行后面的100個像素點(diǎn)，查找這100個像素點(diǎn)內(nèi)是否存在圖像A對應(yīng)的像素值為0的點(diǎn)，而在圖像B相應(yīng)的位置上像素值為255的點(diǎn)，如果條件成立，對應(yīng)行的h（y）的數(shù)值上加1并退出此次的掃描［6］.如果對應(yīng)圖像A的數(shù)值為0則在彩色圖片上對應(yīng)的點(diǎn)的顏色不是藍(lán)色，接下來檢測圖像B對應(yīng)該點(diǎn)值是否為255，不是就跳出循環(huán)進(jìn)入下一次循環(huán)，如果是的話，以該行對應(yīng)點(diǎn)為起點(diǎn)，掃描圖像A、B的起點(diǎn)后面的100個點(diǎn)，查找這100個位置內(nèi)是否有存在圖像B中對應(yīng)的數(shù)值為0的點(diǎn)，圖像A中對應(yīng)的點(diǎn)為255，如果上面的條件滿足，就將對應(yīng)行的h（y）的數(shù)值上加1并退出此次的掃描.

車牌區(qū)域長度不會超過所采集的圖像長度的一半，因此對應(yīng)點(diǎn)掃描范圍為100個像素點(diǎn).由實(shí)驗(yàn)初期的描述可知，采集圖像大小為800×600，所以車牌區(qū)域長度不會超過400像素，車牌上大約有8個相等大小字符，每個字符的長度應(yīng)為50個像素大小.車牌上距離最大的兩個字符應(yīng)該是白點(diǎn)左右的兩個字符，可以近似認(rèn)為車牌字符之間的最大距離為100個像素［7］，圖13是統(tǒng)計有效像素具體流程.

圖13 有效像素統(tǒng)計流程圖Fig.13Statistics flowchart of effective pixel

2.2 車牌縱向定位流程

圖像中每一行的白色像素點(diǎn)越多，則說明有效像素個數(shù)越多.車牌的區(qū)域可以基于以上步驟計算出來.對于7個字符的車牌，掃描每個字符像素值跳變次數(shù)最小為2次，7個字符像素值跳變的次數(shù)最小應(yīng)該為14次，也就是說最少有14個有效的像素點(diǎn)存在.將有效像素個數(shù)小于14的行去除，然后尋找數(shù)值變化頻率平穩(wěn)且最大的連續(xù)區(qū)域［8］，具體算法的流程如圖14所示.

圖14 車牌區(qū)域縱向定位流程圖Fig.14Flowchart of longitudinal location of license plate region

圖14中用當(dāng)前的值作為確定數(shù)組變化比較平緩的條件，大于前一個值的，因?yàn)樵谲嚺茀^(qū)域內(nèi)，有效像素的跳變次數(shù)從最大到最小不會超過這個范圍［9］.

2.3 車牌區(qū)域定位結(jié)果

上述計算可以得出車牌區(qū)域在整個圖像中的縱坐標(biāo).最后截出車牌區(qū)域圖片，如圖15所示.

圖15 車牌縱向定位結(jié)果Fig.15Longitudinal location of license plate

上一步已經(jīng)確定了較為精確的車牌縱向的圖片，確定車牌區(qū)域的縱坐標(biāo)與確定車牌區(qū)域橫坐標(biāo)所用的方法是同一方法，同樣是先生成有效像素的直方圖，并分析直方圖從而得到車牌的區(qū)域，如圖16所示.

圖16 車牌區(qū)域縱向有效像素直方圖Fig.16Histogram of effective longitudinal pixel of license plate region

從圖16中上面的直方圖中可以看出車牌區(qū)域的白色像素點(diǎn)比較多，每個字符都對應(yīng)一個白色的像素塊，每個字符之間的像素塊之間都是不連接但是之間的間隔是比較接近的，其他干擾因素的像素塊間隔是沒規(guī)律的，而且間隔都比較遠(yuǎn)［10］.對該信息進(jìn)行分析就能尋找到車牌的精確位置.

根據(jù)上述的分析，車牌的字符所對應(yīng)的像素塊之間的間隔都比較近，而且僅僅包含車牌的圖像區(qū)域是一個長寬比約為3∶1的長方形，精確定位的車牌區(qū)域是沒有去除邊框以后的，經(jīng)過多次實(shí)驗(yàn)可近似將掉邊框后僅剩車牌字符的圖像區(qū)域長寬比例定為5∶1［11］.上圖14中的圖片車牌區(qū)域確定縱坐標(biāo)后的同時可以將車牌的寬度計算出來，依照長和寬的比例為5∶1，可以得到牌照的長度.結(jié)合上面的信息，可以通過圖15中的直方圖來計算車牌大小的長方形區(qū)域，因?yàn)槟莻€區(qū)域所包含的白色像素點(diǎn)最多，這個區(qū)域就包含車牌區(qū)域［12-13］.只需要把圖15中有規(guī)律的白色像素塊的列作為起點(diǎn)和終點(diǎn)的長方形區(qū)域找到即可［14］，具體程序流程如圖17所示.

圖17 車牌區(qū)域橫向定位流程Fig.17Flowchart of horizontal location of license plate region

車牌選擇的是5∶1的長寬比的比例，而實(shí)際上車牌長度比這個選擇的比例長度稍長一些，這樣完整的車牌的范圍也會包含在內(nèi)，如果車牌區(qū)域橫向終點(diǎn)不是以白色像素的列作為結(jié)尾，那么說明該區(qū)域還不是完全精確的車牌區(qū)域，則需要將作為結(jié)尾的列數(shù)從右往左倒推一列，直到找到白色像素不為0的列作為車牌區(qū)域的結(jié)尾列［15］.

經(jīng)過上面圖17流程可以得出精確的牌照位置，最終定位結(jié)果如圖18所示.

圖18 車牌定位結(jié)果Fig.18Results of license plate location

3 結(jié)語

本文以基于色彩紋理的車牌定位方法實(shí)現(xiàn)了對車牌的精確定位，整個設(shè)計思路明確，詳細(xì)地通過實(shí)驗(yàn)對定位方法進(jìn)行了闡述，通過對比兩張二值化圖像的有效像素和車牌區(qū)域有效像素跳變次數(shù)，確定車牌的位置，該方法能更好的應(yīng)對各種個性化的車身顏色給車牌定位過程帶來的干擾和誤導(dǎo)，具有較好的穩(wěn)定性和準(zhǔn)確性.

［1］黃驥.汽車牌照識別系統(tǒng)中車牌定位與校正及字符分割的研究［D］.南京：南京航空航天大學(xué)，2007.

［2］GOU C，WANG K，YAO Y，et al.Vehicle license platerecognitionbasedonextremalregionsand restricted boltzmann machines［J］.IEEE Transactions on Intelligent Transportation Systems，2016，17（4）：1096-1107.

［3］熊軍，高敦堂，沈慶宏.基于字符紋理特征的快速定位方法［J］.光電工程，2003，30（2）：60-63.

XIONG J，GAO D T，SHEN Q H.A fast localization methodbasedoncharactertexturefeatures［J］. Opto-Electronic Engineering，2003，30（2）：60-63.

［4］楊海廷.基于紋理特征的車牌識別系統(tǒng)的研究與實(shí)現(xiàn)［D］.成都：電子科技大學(xué)，2005.

［5］魏娜，王振臣，張聰，等.一種新型車牌定位算法的研究［J］.激光與紅外，2012，42（8）：936-939.

WEI N，WANG Z C，ZHANG C，et al.Research of a newlicenseplatelocatinalgorithm［J］.Laser& Infrared，2012，42（8）：936-939.

［6］KOMARUDINA，SATRIAAT，ATMADJAW. Designing License Plate Identification through Digital Images with OpenCV［J］.Procedia Computer Science, 2015（59）：468-472.

［7］SMARA G A，KHALEFAH F.Localization of license platenumberusingdynamicimageprocessing techniquesandgeneticalgorithms［J］.IEEE Transactions on Evolutionary Computation，2014，18（2）：244-257.

［8］郭捷，施鵬飛.基于顏色和紋理分析的車牌定位方法［J］.中國圖象圖形學(xué)報，2002，7（5）：472-476.

GUO J，SHI P F.License plate location based on color and texture analysis［J］.Journal of Image and Graphics，2002，7（5）：472-476.

［9］周開軍.復(fù)雜環(huán)境下的車牌識別研究［D］.武漢：武漢理工大學(xué)，2006.

［10］SHI X，ZHAO W，SHEN Y.Automatic license plate recognition system based on color image processing［J］.Lecture Notes on Computer Science，2005，34（83）：1159-1168.

［11］GARY R B.Learning openCV：computer vision with the openCV library［M］.California：O'Reilly Media Inc.，2009.

［12］TIAN Y，SONG J，ZHANG X，et al.An algorithm combinedwithcolordifferentialmodelsfor license-plate location［J］.Neurocomputing，2016（212）：22-35.

［13］張樹波，賴劍煌.車牌定位和分割的一種綜合方法［J］.中山大學(xué)學(xué)報，2004，43（2）：126-128.

ZHANG S B，LAI J H.License plate location and segmentation of an integrated approach［J］.Journal of Sun Yat-sen University，2004，43（2）：126-128.

［14］袁寶民，金一粟，于萬波.基于移差掃描和窗口搜索的車牌定位方法［J］.計算機(jī)工程，2003，29（14）：103-105.

YUAN B M，JIN Y S，YU W B.License plate location method based on shift scan and window search［J］. Computer Engineering，2003，29（14）：103-105.

［15］崔屹.圖像處理與分析——數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用［M］.北京：科學(xué)出版社，2000.

本文編輯：陳小平

Design of Vehicle License Plate Location System Based on Color Texture

HU Chen，QIN Shihong*
School of Electrical and Information Engineering，Wuhan Institute of Technology，Wuhan 430205，China

To improve the accuracy of license plate location，we proposed a new method of license plate location based on color texture.First，we converted the images from red，green and blue space to hue，saturation and value space to generate three component images.Then we selected the gray values of effective pixels matching the license plate region to eliminate the unuseful information in image processing after the images were filtered.Two binary images were generated by using the color of license plate background and characters for image binarization.Scanning and comparing the corresponding pixels progressively in the two binary images，we can judge whether the region matching the license plate texture is found by counting gray level jump times，then determine and display the region of the license plate in the image by calculating the amount of effective pixels.This method can significantly improve the accuracy and stability of the recognition of the vehicle license plate.

license plate location；image filtering；gray level jump

TP23

A

10.3969/j.issn.1674?2869.2017.03.012

1674-2869（2017）03-0273-08

2016-05-20

湖北省自然科學(xué)基金（2014CFB792）

胡琛，碩士研究生.E-mail：hlewdness@163.com

*通訊作者：秦實(shí)宏，博士，教授.E-mail：qinsh@wit.edu.cn

胡琛，秦實(shí)宏.基于色彩紋理的車牌定位系統(tǒng)設(shè)計［J］.武漢工程大學(xué)學(xué)報，2017，39（3）：273-280.

HU C，QIN S H.Design of vehicle license plate location system based on color texture［J］.Journal of Wuhan Institute of Technology，2017，39（3）：273-280.