蘇博妮

（四川文理學(xué)院 智能制造學(xué)院,四川 達(dá)州 635000）

0 引言

近年來(lái)，隨著智能化交通管理系統(tǒng)的發(fā)展需求，現(xiàn)代化的車輛管理諸如交通流量控制、車輛的定位及追蹤、交通行駛中的超速違章等自動(dòng)化監(jiān)控的實(shí)現(xiàn)無(wú)不需要對(duì)汽車牌照進(jìn)行識(shí)別，因此，汽車牌照識(shí)別技術(shù)變得越來(lái)越重要.車輛牌照識(shí)別系統(tǒng)主要包括車牌區(qū)域定位、字符分割和字符識(shí)別三大關(guān)鍵部分，其中車牌定位和字符分割是字符識(shí)別準(zhǔn)確與否的基礎(chǔ)，在牌照識(shí)別中占有重要地位.

根據(jù)車牌特點(diǎn)，常見的車牌定位算法圍繞邊緣檢測(cè)、色彩分割方法來(lái)實(shí)現(xiàn)車牌定位.基于顏色定位主要根據(jù)車牌的藍(lán)底白字特征來(lái)定位，該方法簡(jiǎn)單快捷，定位準(zhǔn)確度較高，而采用邊緣檢測(cè)定位的方式一般包括圖像灰度化、二值化處理、邊緣檢測(cè)定位車倆位置，再利用車牌長(zhǎng)寬比先驗(yàn)知識(shí)進(jìn)行車牌區(qū)域識(shí)別.［1-2］而在字符分割領(lǐng)域，近年來(lái)也出現(xiàn)了許多方法，常見的方法有模板匹配、聚類分析、投影分割等方法.［3-5］由于車牌以及車牌字符具有固定的寬度和字符間距，因此基于投影分割的方法得到了關(guān)注.本文利用HSV顏色空間定位車牌區(qū)域，利用randon變換對(duì)圖像進(jìn)行傾斜矯正，將牌照?qǐng)D像投影后結(jié)合車牌長(zhǎng)度和字符寬度特征完成了字符分割.

1 基于HSV顏色空間的車牌區(qū)域定位

目前采集的車輛圖像大多為彩色圖像，比較普遍的彩色圖像都是采用RGB顏色模式，即圖像的每個(gè)像素顏色都是由紅綠藍(lán)即R、G、B三個(gè)分量構(gòu)成，每個(gè)分量都有256級(jí)灰度，0表示最暗，255表示最亮.在這個(gè)模型當(dāng)中，不同的顏色對(duì)應(yīng)RGB三個(gè)分量在0-255之間的不同取值調(diào)配，這三個(gè)分量之間的相關(guān)性很強(qiáng)，因此，在車牌定位時(shí)RGB空間難度較大.而且RGB空間也不能反映出物體的具體顏色信息，相對(duì)于RGB空間，HSV顏色模型由色度、飽和度和亮度三個(gè)分量來(lái)表示每一個(gè)像素的顏色特征，因此HSV顏色空間更能直觀的表示顏色的色調(diào)、明暗程度等信息，便于顏色對(duì)比.［6］

通過對(duì)大量的車牌圖片分析發(fā)現(xiàn)，對(duì)于具有某種目標(biāo)顏色的一個(gè)像素而言，可以通過直接對(duì)H、S、V分量的一個(gè)具體范圍把這些像素篩選出來(lái)，本文中針對(duì)藍(lán)底白色車牌，就可以通過設(shè)定三分量的具體范圍把藍(lán)色像素過濾出來(lái)，這樣可以節(jié)省大量的時(shí)間.［7］根據(jù)先驗(yàn)知識(shí)，藍(lán)色汽車車牌的HSV三分量值為色調(diào)H:0-180度，飽和度S為：0.4-1，亮度 V為：0.3-1，因此，考慮如果在HSV顏色空間按此范圍設(shè)定三分量的取值，就可以快速篩選出藍(lán)色車牌區(qū)域.

算法基本思想是在HSV顏色空間基于上述范圍查找出藍(lán)色像素點(diǎn)，然后逐行逐列搜索藍(lán)色像素點(diǎn)區(qū)域，該方法對(duì)于大多數(shù)藍(lán)色車牌的識(shí)別效果較好（不包括車身為藍(lán)色的汽車圖片）.具體步驟如下：

（1）讀入圖片，將RGB空間轉(zhuǎn)換為HSV空間；

（2）確定藍(lán)色區(qū)域上下邊界，首先按行統(tǒng)計(jì)藍(lán)色像素點(diǎn)個(gè)數(shù)，找出藍(lán)色像素點(diǎn)最多的行，以及最大的藍(lán)色像素點(diǎn)數(shù)；

（3）通過對(duì)各行藍(lán)色像素點(diǎn)統(tǒng)計(jì)值的分析結(jié)合圖片車牌區(qū)域位置選定閾值5，然后以藍(lán)色像素點(diǎn)最多的行為中心，向上逐個(gè)比較，直到達(dá)到藍(lán)色像素點(diǎn)數(shù)和為5為止確定車牌上邊界，接著按同樣的方法逐個(gè)向下比較，找到車牌下邊界.如圖1所示；

（4）逐列統(tǒng)計(jì)藍(lán)色像素點(diǎn)個(gè)數(shù)，找出藍(lán)色像素點(diǎn)最多的列及其數(shù)值，按步驟（2）方法確定藍(lán)色區(qū)域左右邊界，如圖2所示，最后根據(jù)確定的上下邊界和左右邊界剪切出車牌，定位好的車牌圖片如圖3所示.

圖1 確定上下邊界

圖2 確定左右邊界

圖3 定位好的車牌區(qū)域

2 牌照?qǐng)D像傾斜校正

車輛圖像采集時(shí)，由于攝像角度的不同，通常不能完全保證車牌照的水平方向與整幅圖像的水平方向平行，也很難達(dá)到牌照平面的法線與圖片平面法線在同一水平線上，因此，在采集的圖像中就會(huì)出現(xiàn)牌照傾斜，導(dǎo)致定位截取的圖片出現(xiàn)牌照傾斜的問題，嚴(yán)重的情況表現(xiàn)為牌照既不豎直也不橫平，這對(duì)于后期的字符分割、字符識(shí)別的影響是非常大的，直接影響到車牌識(shí)別的整體性能，因此，在牌照定位之后必須要進(jìn)行傾斜校正.本文中定位到的車牌圖片傾斜雖然不嚴(yán)重，但為了保證后期切割和識(shí)別的準(zhǔn)確性，文中采用randon變換對(duì)牌照?qǐng)D片分別進(jìn)行水平和垂直校正.圖像校正具體步驟如下：

（1）讀取定位好的牌照?qǐng)D片，進(jìn)行灰度化處理；（2）對(duì)圖片進(jìn)行轉(zhuǎn)置變換，逆時(shí)針旋轉(zhuǎn)90度，設(shè)置傾斜矯正范圍，本文算法設(shè)置-20-20度，進(jìn)行randon變換確定傾斜角度；（3）對(duì)于randon變換結(jié)果計(jì)算一階微分并按行求和，查找最大值及其對(duì)應(yīng)角度，就是最大傾斜角；（4）利用旋轉(zhuǎn)變換對(duì)圖像進(jìn)行水平校正.結(jié)果如圖4所示.（5）采用同樣的方法，利用randon變換完成對(duì)豎直角度的調(diào)整，如圖5所示.本文算法中采集的圖片是順時(shí)針旋轉(zhuǎn)，對(duì)應(yīng)逆時(shí)針旋轉(zhuǎn)也是同樣的道理，通過這種變換方式，就可以實(shí)現(xiàn)對(duì)圖像的傾斜校正.牌照區(qū)域校正之后，為了分割更加方便，還需對(duì)車牌去除邊框和鉚釘，排除干擾，減少不必要的運(yùn)算.

圖4 水平調(diào)整后

圖5 水平和垂直調(diào)整后

3 牌照字符分割

在圖像校正、精確定位、去除邊框、鉚釘以及字符分割環(huán)節(jié)中，都要首先對(duì)圖像做灰度化處理以減少信息運(yùn)算量，提高算法的運(yùn)行速度，在字符分割環(huán)節(jié)，為了字符分割的準(zhǔn)確性以及減少信息量，還要進(jìn)行二值化處理，這些都屬于圖像預(yù)處理范疇.

3.1 圖像預(yù)處理

3.1.1 圖像灰度化處理

由于大部分彩色圖像都是RGB顏色模式，因此，處理圖像時(shí)要分別對(duì)三種分量進(jìn)行處理，而RGB顏色并不反映圖像的形態(tài)特征，更側(cè)重于顏色的光學(xué)調(diào)配，這些彩色信息對(duì)于車牌的定位和識(shí)別作用不大，卻造成了大量的信息冗余使得車牌識(shí)別的復(fù)雜度增加，因此，在圖像預(yù)處理時(shí)首先要進(jìn)行圖像灰度化處理，以便于減少后續(xù)處理的計(jì)算量.而且從圖像特征描述角度灰度圖像仍然可以反映出整個(gè)圖像整體和局部的亮度以及色度變化.圖像灰度化處理的方法包括四種：（1）取分量法：將彩色圖像每個(gè)像素的R、G、B值的某一個(gè)作為灰度圖像的灰度值.（2）最大值法：取彩色圖像每個(gè)像素的R、G、B值中最大的一個(gè)作為灰度圖像的灰度值.（3）平均值法：將彩色圖像每個(gè)像素的R、G、B值做平均，取平均值作為所求灰度圖像的灰度值.（4）加權(quán)平均法：將彩色圖像每個(gè)像素的R、G、B值經(jīng)過加權(quán)求和所得結(jié)果作為灰度圖像的灰度值.其中，最常用到的是加權(quán)平均法，因?yàn)槿搜蹖?duì)綠色敏感度最高，紅色次之，藍(lán)色敏感度最低，一般選擇權(quán)值系數(shù)時(shí)滿足G＞R＞B，才能輸出合理的灰度圖像.而且大量的實(shí)驗(yàn)結(jié)果表明，當(dāng)三個(gè)分量的權(quán)值分別取0.587、0.299、0.114時(shí)所得的灰度圖像最符合人眼對(duì)色彩的感知.［8］因此，本文采用加權(quán)平均法進(jìn)行圖像灰度化處理，結(jié)果如圖6所示.

圖6 灰度化處理

3.1.2 二值化處理

為了更好的實(shí)現(xiàn)定位分割，減少信息處理量，提高識(shí)別的效率和準(zhǔn)確性，一般灰度化處理后還要進(jìn)行二值化處理，灰度圖像的灰度值在0-255之間，二值化處理就是將灰度值進(jìn)一步簡(jiǎn)化為0或255，也就是白或黑，經(jīng)過二值化處理后整幅圖像就呈現(xiàn)為黑白兩種顏色.在車牌圖像處理時(shí)，二值化處理的關(guān)鍵就是合理的選擇閾值，閾值的大小直接導(dǎo)致車牌圖像與背景能夠有效的分割.圖像閾值選取有全局閾值，局部閾值、動(dòng)態(tài)閾值三種，全局閾值適用于車牌沒有受到污損的情形，對(duì)于車牌受到污損或者光線亮度不均的情況則選取局部閾值法效果較好，但是如果相鄰塊之間閾值有差異，局部閾值法識(shí)別效率會(huì)大大降低.而動(dòng)態(tài)閾值法閾值隨著圖像中的位置而變化，在不同的區(qū)域選擇不同的閾值，常見的方法就是otsu二值化方法，otsu算法基于聚類思想，根據(jù)圖像灰度值差異最大化將灰度值分為兩部分，通過尋找一個(gè)合適的灰度方差的方法來(lái)劃分，本文算法中采用otsu算法進(jìn)行二值化處理.

圖7 二值化處理

3.2 牌照字符分割

字符分割是把牌照定位的圖像中的車牌號(hào)碼字符提取出來(lái)形成單獨(dú)的字符圖像，單個(gè)字符圖像是后續(xù)牌照識(shí)別的基礎(chǔ)，因此，分割準(zhǔn)確與否直接影響到后續(xù)的識(shí)別效果.標(biāo)準(zhǔn)車牌牌照上的字符之間的間隔具有一定的規(guī)律，一般家用小型汽車牌照首位為省名縮寫的漢字，第二位是英文字母，第三位、第四位為英文字母或者阿拉伯?dāng)?shù)字，末三位為數(shù)字，字符總長(zhǎng)度為440，單個(gè)字符的寬度為45，利用這些先驗(yàn)知識(shí)可以有效的進(jìn)行字符分割.

圖8 垂直投影

將二值化后的車牌圖像進(jìn)行垂直投影，由于車牌圖像字符之間有固定的間距，因此，必然存在字符之間的間隙處垂直投影值最小，同時(shí)在這個(gè)位置處還應(yīng)滿足牌照的尺寸等特征.垂直投影圖如圖8所示，從圖中可以看到，投影中有七個(gè)明顯的波峰和波谷，結(jié)合車牌的特征，我們知道，波峰對(duì)應(yīng)車牌的字符部分，波谷部分對(duì)應(yīng)著字符之間的間距空白部分，根據(jù)垂直投影尋找每一個(gè)波峰和波谷，即字符的中心位置和邊緣，結(jié)合字符寬度，就可以實(shí)現(xiàn)字符分割.

具體思路如下：計(jì)算垂直投影，根據(jù)投影圖的特點(diǎn)，字符部分寬度相同，加上字符部分和邊框整個(gè)車牌圖片長(zhǎng)度近似為十個(gè)字符長(zhǎng)度，因此，結(jié)合投影圖就可以確定7個(gè)字符的位置，刪除多余的邊框，然后根據(jù)寬度分割出車牌字符，分割出的字符如圖9所示，這種方法可以有效避免對(duì)于川字牌的誤分割.

圖9 字符分割

結(jié) 語(yǔ)

本文對(duì)車牌定位和字符分割進(jìn)行了研究，在車牌定位時(shí)，基于HSV顏色空間進(jìn)行了車牌區(qū)域定位；對(duì)應(yīng)傾斜的車牌，利用randon變換實(shí)現(xiàn)牌照?qǐng)D片的矯正；在字符分割時(shí)，對(duì)牌照?qǐng)D像進(jìn)行灰度化、二值化處理，結(jié)合車牌字符比例和垂直投影技術(shù)實(shí)現(xiàn)了字符分割.MATLAB仿真表明，該方法能夠?qū)崿F(xiàn)車牌定位和字符分割，特別是垂直投影技術(shù)對(duì)于字符的分割效果較好，但基于顏色的分割方法在汽車車身顏色為藍(lán)色時(shí)不能有效的定位車牌區(qū)域，仍需改進(jìn).