基于藍(lán)色車牌背景的車牌精確定位實(shí)現(xiàn)方法

李 強(qiáng)，汪 洋，李偉博，孫瑞杰

（重慶郵電大學(xué) 信號(hào)與信息處理重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 400065）

0 引言

車牌識(shí)別是智能運(yùn)輸系統(tǒng)的核心技術(shù)，已廣泛應(yīng)用于車輛登記與驗(yàn)證、公路收費(fèi)、停車場(chǎng)車輛管理、車輛統(tǒng)計(jì)與違章監(jiān)控等方面。車輛識(shí)別主要由車牌定位、字符分割和字符識(shí)別三部分組成。車牌定位技術(shù)可分為基于灰度圖像和基于彩色圖像兩種方式?；诨叶葓D像的定位方法主要有基于車牌形態(tài)特征的Hough變換法、基于車牌灰度變化特征的灰度投影直方圖法和基于矢量量化的車牌定位法等[1-3]，這些方法技術(shù)成熟，但存在定位精度不高、受環(huán)境因素影響較大的缺點(diǎn)。而彩色圖像具有豐富的顏色信息，可大大改善車牌定位的效果。隨著數(shù)字圖像處理技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展，對(duì)圖像處理速度的提高，彩色圖像的車牌定位[4-5]已成為目前研究的重點(diǎn)。

現(xiàn)在汽車車牌區(qū)域的背景基本上都是藍(lán)色的，而字符是白色的，因此可從彩色圖像中查找藍(lán)色區(qū)域來(lái)確定車牌位置。當(dāng)車牌區(qū)域的顏色與其附近區(qū)域顏色相近，這種利用顏色來(lái)定位車牌區(qū)域方法的誤差有所增加。針對(duì)這個(gè)缺點(diǎn)，筆者在定位方法上做了改進(jìn)，采用兩次定位方法，先對(duì)彩色圖像做車牌粗定位、圖像增強(qiáng)和濾波處理[6]，轉(zhuǎn)化為灰度圖像，然后進(jìn)行二值化處理，從而精確定位出車牌的位置。針對(duì)抓拍車牌彩色圖像時(shí)，因光照不足的原因，造成垂直粗定位不準(zhǔn)的問(wèn)題，提出了改進(jìn)算法，提高了定位的準(zhǔn)確率。

1 車牌精確定位方法

車牌定位系統(tǒng)由圖1所示的圖像采集、圖像預(yù)處理和車牌定位三部分組成。

車輛圖像的采集主要是通過(guò)CCD攝像機(jī)或數(shù)碼相機(jī)等將運(yùn)動(dòng)或靜止的車輛圖像抓拍下來(lái)，并經(jīng)過(guò)圖像采集卡轉(zhuǎn)換成JPEG的格式。由于圖像采集或傳輸過(guò)程中不可避免地受到各種因素的影響，使拍攝到的圖像效果并不理想，因此需要對(duì)車牌圖像進(jìn)行預(yù)處理。預(yù)處理包括圖像的除噪、圖像的傾斜校正等。對(duì)預(yù)處理后的彩色圖像，選擇合適的顏色空間和方法，對(duì)車牌進(jìn)行定位分割。

1.1 彩色車牌粗定位

攝像頭抓拍下來(lái)的彩色車牌圖像是24位RGB格式的圖像，圖像中每個(gè)像素的紅（R）、綠（G）、藍(lán)（B）三個(gè)分量均用1個(gè)字節(jié)表示，每個(gè)分量的取值范圍是0～255。因此，根據(jù)每個(gè)像素的三個(gè)分量的取值可以用來(lái)查找車牌區(qū)域，對(duì)車牌進(jìn)行粗定位。圖2是用于測(cè)試的4幅彩色車牌圖像，在圖像預(yù)處理時(shí)，均調(diào)整為640×480像素。

1）確定藍(lán)色車牌區(qū)域中藍(lán)色像素點(diǎn)三個(gè)分量的閾值區(qū)間

經(jīng)過(guò)對(duì)大量彩色車牌圖像的處理和統(tǒng)計(jì)，可預(yù)先確定出藍(lán)色車牌區(qū)域中藍(lán)色像素點(diǎn)的三個(gè)分量的閾值區(qū)間[7]。這三個(gè)閾值分量區(qū)間分別為R（0，55）、G（60，125）和B（100，225）。當(dāng)某個(gè)像素點(diǎn)的三個(gè)分量都處于上述的閾值區(qū)間時(shí)，則認(rèn)為這個(gè)點(diǎn)是車牌區(qū)域藍(lán)色像素點(diǎn)。

2）藍(lán)色車牌區(qū)域水平粗定位

對(duì)預(yù)處理后的彩色車輛圖像進(jìn)行逐行掃描，對(duì)滿足顏色閾值條件的像素進(jìn)行統(tǒng)計(jì)[8]。當(dāng)某行滿足閾值條件的像素個(gè)數(shù)處于（N1，N2）范圍時(shí)，認(rèn)為該行是車牌區(qū)域所在行，當(dāng)連續(xù)M行滿足上述條件，該M行的區(qū)域則認(rèn)為是車牌所在的區(qū)域。根據(jù)對(duì)大量采集的車牌圖像處理統(tǒng)計(jì)后，N1和N2合適的值為10和200，M的值為10～100，車牌粗定位流程如圖3所示，流程圖中的T取為10。圖2中的四幅測(cè)試圖像經(jīng)水平粗定位后切割出來(lái)的車牌區(qū)域如圖4所示。

圖4 水平粗定位切割出的彩色車牌圖像

3）藍(lán)色車牌區(qū)域垂直粗定位

與水平粗定位相似，對(duì)水平粗定位切割后的車牌圖像進(jìn)行逐列掃描，對(duì)滿足顏色閾值條件的像素進(jìn)行統(tǒng)計(jì)[8]，當(dāng)某列滿足閾值條件的像素個(gè)數(shù)在（，）范圍內(nèi)時(shí)，判斷該列是車牌區(qū)域所在列，當(dāng)連續(xù)M′列滿足上述條件，該M′列所在的區(qū)域則認(rèn)為是車牌所在的區(qū)域。此處的和由前面水平粗定位出來(lái)的圖像高度決定，和合適的取值為M/10和M，M′的值為20～300。車牌粗定位流程如圖5所示，流程圖中的T取為20。

4）垂直粗定位算法的改進(jìn)

對(duì)彩色車牌進(jìn)行粗定位時(shí)，還必須考慮光照條件的影響。在光照充足的情況下，圖像中車牌區(qū)域的每一列至少有一個(gè)像素點(diǎn)是滿足藍(lán)顏色閾值條件。當(dāng)光照不足時(shí)，車牌進(jìn)行垂直粗切割就有可能得到不正確的結(jié)果。如圖4測(cè)試圖像中的渝A.TD001的車牌，在抓拍圖像時(shí)，因光照的原因，字母“T”的豎筆畫的那幾列像素不滿足藍(lán)顏色閾值條件，車牌分割的結(jié)果如圖6所示，這樣就得不到完整的車牌區(qū)域。通過(guò)對(duì)這種車牌區(qū)域逐列掃描并統(tǒng)計(jì)每列滿足藍(lán)顏色閾值條件的像素?cái)?shù)發(fā)現(xiàn)，車牌中的某些字母和數(shù)字，如B，D，E，F(xiàn)，H，1，4等，其豎筆畫可能存在不滿足藍(lán)顏色閾值條件的1列或連續(xù)幾列，把整個(gè)車牌區(qū)域分割為幾個(gè)小區(qū)間。如圖7所示，渝A.TD001的T，D和1就把車牌區(qū)域分割為三個(gè)小區(qū)間。針對(duì)這種情況，提出下面的改進(jìn)算法：（1）對(duì)水平粗定位后的車牌區(qū)域逐列掃描，確定車牌的起始區(qū)域；（2）當(dāng)出現(xiàn)不滿足藍(lán)顏色閾值條件的某列時(shí)（設(shè)為第A列），繼續(xù)逐列掃描，當(dāng)連續(xù)出現(xiàn)P列不滿足藍(lán)顏色閾值條件，則認(rèn)為第A列為車牌的垂直結(jié)束區(qū)域。經(jīng)測(cè)試，P的合適取值為6。采用改進(jìn)后的垂直粗定位算法，切割出來(lái)的渝A·TD001車牌區(qū)域如圖8所示。

1.2 車牌區(qū)域精確定位

由于粗定位出來(lái)的車牌區(qū)域包括了車牌的邊框，為了便于后續(xù)的字符分割，還必須對(duì)車牌區(qū)域進(jìn)行精確定位[9]，去除車牌的邊框。

1）車牌圖像的二值化

將粗定位出來(lái)的彩色車牌圖像先轉(zhuǎn)化為灰度圖像，對(duì)圖像進(jìn)行增強(qiáng)和中值濾波處理，再將處理后的圖像轉(zhuǎn)化為二值圖像。采用OSTU算法對(duì)圖像進(jìn)行二值化處理，圖9是四幅測(cè)試的彩色車牌圖像粗定位后二值化圖像。

2）確定車牌區(qū)域的上下邊框[10]

因?yàn)檐嚺浦凶址幕叶戎蹬c背景的灰度值是不同的，當(dāng)對(duì)二值化后的車牌做行掃描時(shí)，會(huì)產(chǎn)生灰度值的跳變。穿過(guò)一個(gè)字符至少黑白跳變2次，我國(guó)的車牌一般包含7個(gè)字符，因此，這種黑白跳變至少有14次。從車牌區(qū)域中間行開(kāi)始向上和向下逐行掃描，記錄每一行的跳變次數(shù)，當(dāng)發(fā)現(xiàn)跳變的次數(shù)小于10次時(shí)，將這一行的行號(hào)錄下來(lái)。兩個(gè)行號(hào)之外的區(qū)域就是車牌的上下邊框，去除車牌的上下邊框，剩下區(qū)域的高度就是車牌水平精確高度。

3）確定車牌區(qū)域的左右邊框

對(duì)二值圖像進(jìn)行投影，并結(jié)合車牌圖像的先驗(yàn)知識(shí)來(lái)確定車牌區(qū)域的左右邊框。我國(guó)機(jī)動(dòng)車牌號(hào)的標(biāo)準(zhǔn)尺寸是440 mm×140 mm，所以車牌的長(zhǎng)寬比是22∶7。根據(jù)這個(gè)長(zhǎng)寬比以及1.1節(jié)計(jì)算出來(lái)的車牌的高度，可以得到車牌的準(zhǔn)確寬度。再對(duì)二值化圖像進(jìn)行垂直方向投影，7個(gè)字符在垂直方向投影后是7個(gè)波峰，就可以確定車牌區(qū)域的左右邊框。圖10是車牌精確定位后的圖像。

2 小結(jié)

筆者對(duì)彩色車牌圖像分兩步進(jìn)行定位：在彩色背景下的粗定位和在灰度背景下的精確定位。為了克服因光照不足對(duì)車牌區(qū)域定位的影響，對(duì)藍(lán)色背景的垂直定位算法進(jìn)行了改進(jìn)。通過(guò)對(duì)具有不同復(fù)雜背景的200幅藍(lán)底車牌進(jìn)行檢測(cè)，定位的成功率在93.7%以上。實(shí)驗(yàn)證明這種車牌定位方法簡(jiǎn)單、高效、定位準(zhǔn)確，尤其在光照不足的條件下也能夠得到較理想的定位效果。因此，本文車牌定位方法也是一種實(shí)用的車牌定位方法，可用于公路收費(fèi)、停車場(chǎng)車輛管理、車輛統(tǒng)計(jì)等應(yīng)用中。

[1] RAHMAN A，BADAWY W，RADMANESH A.A real time vehicle's license plate recogiti-on system[C]//Proc.IEEE Conf.Advanced Video Signal Based Surveillance.[S.l.]：IEEE Press，2003：163.

[2] ZUNINO R,ROVETTA S.Vector quantization for licenseplate location and image coding[J].IEEE Transactions on Industrial Electronics，2000，47（1）：159-167.

[3] KIM S，KIM D，RYU Y，et al.A robust license-plate extraction method under complex image conditions[C]//Proc.16th International Conference on Pattern Recognition.[S.l.]：IEEE Press，2002：216-219.

[4] 竇育強(qiáng)，劉艷芳.基于HSV空間與數(shù)學(xué)形態(tài)學(xué)的車牌定位方法[J].電視技術(shù)，2009，33（6）：99-101.

[5] 周澤華.車牌定位與分割算法的研究及實(shí)現(xiàn)[D].廣東：廣東工業(yè)大學(xué)，2007.

[6] 朱虹.數(shù)字圖像處理基礎(chǔ)[M].北京：科學(xué)出版社，2005.

[7] 沈全鵬，林德杰，何爽，等.基于像素分類的彩色車牌定位[J].自動(dòng)化與信息工程式，2007，28（2）：32-34.

[8] 沈全鵬.基于數(shù)字圖像處理的車牌定位研究[D].廣東：廣東工業(yè)大學(xué)，2007.

[9] 劉曉芳，程丹松，劉家鋒，等.采用改進(jìn)HIS模型的車牌區(qū)域檢測(cè)和定位方法[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2008，40（1）：85-89.

[10] 劉雙才.一種精確高效車牌定位算法[J].計(jì)算機(jī)與現(xiàn)代化，2010，178（6）：21-22.