圖像處理在車牌識(shí)別中的運(yùn)用

姚兆楠

(長(zhǎng)安大學(xué) 理學(xué)院，陜西 西安 710064)

0 緒言

隨著公路逐漸普及，我國(guó)的公路交通事業(yè)發(fā)展迅速。 人工管理方式已經(jīng)不能滿足實(shí)際的需要，智能交通管理系統(tǒng)成為道路交通管理的發(fā)展趨勢(shì)， 其中汽車牌照的自動(dòng)識(shí)別技術(shù)得到了廣泛應(yīng)用。 本文用MATLAB 軟件編程來(lái)實(shí)現(xiàn)汽車牌照的識(shí)別[1]。

1 設(shè)計(jì)原理

車牌識(shí)別系統(tǒng)的基本工作原理是將包含車輛牌照的圖像輸入計(jì)算機(jī)進(jìn)行預(yù)處理，再對(duì)牌照進(jìn)行搜索、檢測(cè)、定位，并分割出包含牌照字符的巨型區(qū)域， 然后對(duì)牌照字符進(jìn)行二值化并將其分割為單個(gè)字符，歸一化處理后輸入字符識(shí)別系統(tǒng)進(jìn)行識(shí)別。

車牌識(shí)別分為車牌定位、字符分割、字符識(shí)別三大部分。其中車牌定位是進(jìn)行車牌識(shí)別的一個(gè)重要部分，只有正確的獲取整個(gè)圖像中的車牌部分，才能正確的對(duì)車牌進(jìn)行文字識(shí)別，此系統(tǒng)用到了大量圖像處理中的相關(guān)技術(shù)，其中重要的處理過(guò)程有灰度化、削弱背景干擾、二值化、邊緣檢測(cè)、形態(tài)學(xué)處理、牌照搜索以及區(qū)域剪裁等；字符分割包括字符的分割和歸一化；字符識(shí)別包括字符提取和單子識(shí)別[2]。

2 車牌定位

車牌定位就是在車牌圖像中定位牌照區(qū)域的位置。目前車牌定位主要采用以下三種方法：（1）基于邊緣檢測(cè)的方法；（2）基于水平灰度變化特征的方法；（3）基于車牌顏色特征的方法。車牌區(qū)域在整幅圖像中所占的比例較小，要從整幅圖像中定位車牌區(qū)域必然要在大量的背景信息中搜而，而且要求快速、準(zhǔn)確地完成車牌定位。 因此，必須對(duì)車牌特征進(jìn)行綜合分析，抓住車牌區(qū)別于背景的顯著特征，從而找到定位的有效方法，從圖像中迅速分割出車牌[3]。 具體流程如下：

2.1 預(yù)處理及邊緣檢測(cè)

首先將彩色圖像輸入計(jì)算機(jī)，為了能夠方便進(jìn)行后期的數(shù)字圖像處理，需要將24 位真彩色圖都轉(zhuǎn)化成256 色的灰度圖。由于牌照?qǐng)D象在拍攝時(shí)受到種種條件的限制和干擾，圖象的灰度值往往與實(shí)際景物不完全匹配，這將直接影響到圖象的后續(xù)處理。 這時(shí)就可以采用灰度校正的方法來(lái)處理，增強(qiáng)灰度的變化范圍、豐富灰度層次，以達(dá)到增強(qiáng)圖象的對(duì)比度和分辨率。 觀察車輛牌照的灰度圖像可以發(fā)現(xiàn)，背景對(duì)于牌照的干擾較大，因此先對(duì)灰度圖像進(jìn)行開運(yùn)算，再將開運(yùn)算后的圖像與灰度圖像進(jìn)行代數(shù)減法，從而的到一個(gè)新的圖像B。 為了能夠更好地提取邊緣，我們要對(duì)圖像進(jìn)行二值化處理。用一最佳閾值對(duì)圖像B 進(jìn)行二值化得到圖像C。 數(shù)字圖像的邊緣檢測(cè)是圖像分割、目標(biāo)區(qū)域的識(shí)別、區(qū)域形狀提取等圖像分析領(lǐng)域中十分重要的基礎(chǔ)。 常用的邊緣檢測(cè)算子有微分算子、log 算子和canny 算子。本系統(tǒng)采用的是canny 算子來(lái)進(jìn)行邊緣檢測(cè)，此方法不容易受噪聲的干擾，能檢測(cè)到真正的弱邊緣。

2.2 牌照的定位與分割

牌照?qǐng)D象經(jīng)過(guò)了預(yù)處理和邊緣檢測(cè)以后， 牌照區(qū)域已經(jīng)十分明顯，而且其邊緣得到了勾勒和加強(qiáng)。 此時(shí)可進(jìn)一步確定牌照在整幅圖象中的準(zhǔn)確位置。 首先對(duì)圖像就行腐蝕和平滑處理， 并用了bwareaopen 來(lái)去除對(duì)象中不相干的小對(duì)象。接著通過(guò)計(jì)算尋找X 和Y方向車牌的區(qū)域，并定位剪切出車牌。 最后對(duì)分割出的車牌做進(jìn)一步處理，即轉(zhuǎn)化為灰度圖像并進(jìn)行二值化處理。 經(jīng)過(guò)上述流程得到的汽車牌照見圖2。

3 字符的分割與歸一化

字符分割時(shí)將牌照中的單個(gè)字符分割出來(lái)，以供下一步字符識(shí)別使用。在汽車牌照自動(dòng)識(shí)別過(guò)程中，字符分割有承前啟后的作用。此處采用的方法為尋找連續(xù)有文字的塊，若長(zhǎng)度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。首先逐排檢查有沒有白色像素點(diǎn)，若圖像兩邊像素為零，則切割去除圖像左右兩邊多余的部分，然后切割去除圖像上下多余部分，接著根據(jù)圖像的大小，設(shè)置一閾值，檢測(cè)圖像的X軸，若寬度等于這一閾值則切割，分離出七個(gè)字符，最后使用商用系統(tǒng)程序中歸一化大小40*20 對(duì)字符進(jìn)行了歸一化處理，與模板中字符圖像的大小相匹配。 經(jīng)過(guò)上述流程，得到的字符圖像見圖3。

4 字符的識(shí)別

字符的識(shí)別目前用于車牌字符識(shí)別中的算法主要有基于模板匹配的算法以及基于人工神經(jīng)網(wǎng)絡(luò)的算法[4]。 模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，當(dāng)字符較規(guī)整時(shí)對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率相當(dāng)高。 本文采用模板匹配方法。

模板匹配是圖象識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高， 可將圖象歸于相應(yīng)的類。 也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類。 本系統(tǒng)采用相減的方法來(lái)求得字符與模板中哪一個(gè)字符最相似，即其與模板中字符相減的誤差最小，然后找到誤差最小的輸出。汽車牌照的字符一般有七個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，緊接其后的為字母與數(shù)字。 車牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約50 多個(gè)，大寫英文字母26 個(gè)，數(shù)字10 個(gè)。 所以建立字符模板庫(kù)也極為方便。

首先取字符模板，接著依次取待識(shí)別字符與模板進(jìn)行匹配，將其與模板字符相減，尋找不為0 的像素點(diǎn)。 把每一幅相減后的圖中不為0 的像素點(diǎn)個(gè)數(shù)保存，然后找數(shù)值最小的，即為識(shí)別出來(lái)的結(jié)果。

識(shí)別過(guò)程及識(shí)別結(jié)果見圖1。

圖1 字符識(shí)別過(guò)程和識(shí)別結(jié)果

5 結(jié)論

系統(tǒng)基于數(shù)字圖像處理的算法，通過(guò)MATLB 語(yǔ)言編程，較理想地完成了對(duì)車牌的識(shí)別。 其主要實(shí)現(xiàn)過(guò)程是：一是，在背景的圖象中定位分割牌照區(qū)域；二是，對(duì)分割下來(lái)的牌照進(jìn)行字符分割與歸一化處理；是，設(shè)計(jì)識(shí)別程序進(jìn)行字符識(shí)別。 但是，在設(shè)計(jì)的過(guò)程中發(fā)現(xiàn)，使用另一幅圖像后，識(shí)別效果始終沒有那么理想。 需要做一定的設(shè)置后才能識(shí)別出相應(yīng)的字符。 所以本系統(tǒng)本身還存在許多不足，有待后續(xù)改進(jìn)。

［1］高成.MATLAB 圖像處理與應(yīng)用[M].2 版.北京：國(guó)防工業(yè)出版社,2007.

［2］章毓晉.圖像工程.上冊(cè),圖像處理[M].北京:清華大學(xué)出版社,2006.

［3］Gonzalez,R.C., Woods,R.E.數(shù)字圖像處理[M].3 版.阮秋奇,等,譯.北京:電子工業(yè)出版社,2011.

［4］劉陽(yáng),尹鐵源,葛震,等.數(shù)字圖像處理應(yīng)用于車輛牌照識(shí)別的研究[J].遼寧大學(xué)學(xué)報(bào):自然科學(xué)版,2004(1).