淺析車牌定位系統(tǒng)中二值濾波處理

劉敏

摘要：隨著社會水平發(fā)展以及城市生活節(jié)奏的加快，城市交通的各類問題越來越突出，政府急需運(yùn)用各種高科技手段解決道路交通擁堵問題，提高交通管理效率，因此對自動化車牌定位系統(tǒng)需求很急切。車牌定位系統(tǒng)主要以圖像處理為基礎(chǔ)最終達(dá)到車牌準(zhǔn)確定位的，該文主要對圖像處理中的圖像灰度線性變換、二值化處理、削弱背景干擾、自定義模板中值濾波做進(jìn)一步分析。

關(guān)鍵詞：車牌定位；車牌自動識別；濾波；圖像

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2017）03-0175-02

1 概述

車牌自動識別可以大幅度提高交通效率，在很多領(lǐng)域有廣泛的應(yīng)用場景，比如：高速收費(fèi)站不停車自動識別收費(fèi)、停車場管理自動化、查尋失竊車輛、控制車輛限行、抓拍交通違章等等，然而，車牌的定位技術(shù)卻是車牌自動識別的重要技術(shù)基礎(chǔ)和環(huán)節(jié)，準(zhǔn)確、快速的車牌定位是提高車牌自動識別準(zhǔn)確率和可應(yīng)用性的主要保證和技術(shù)基礎(chǔ)。

車牌定位系統(tǒng)可采用灰度閾值法進(jìn)行車牌定位，主要以圖像處理為基礎(chǔ)，依據(jù)車牌尺寸、文字等的特征，對圖像做空間域處理，像素處理方式包括點(diǎn)處理和區(qū)域處理，最終達(dá)到車牌準(zhǔn)確定位的目的，這種方法簡單、快速、準(zhǔn)確、易行，在多次、反復(fù)的試驗(yàn)中證明了其在實(shí)踐上的可用性。

車輛牌照的定位系統(tǒng)可由三個部分構(gòu)成，第一部分預(yù)處理：把彩色圖（Color Image）轉(zhuǎn)換成比較方便處理的灰度圖（Gray Image）；第二部分濾波并進(jìn)行二值化：把灰度圖（Gray Image）做一系列處理、濾波等得到二值化圖（Binary Image），其中主要內(nèi)容已經(jīng)是車輛牌照目標(biāo)信息圖像；第三部分分割：將含有車輛牌照目標(biāo)信息的二值化圖（Binary Image）進(jìn)行定位、分割、截取，得到車輛牌照目標(biāo)信息的區(qū)域分割圖。

2 灰度線性變換處理

在做圖像灰度前，如果采集設(shè)備采集到的目標(biāo)圖像圖像模糊不清，主要原因是圖像的對比度不夠，導(dǎo)致視覺效果不理想，這時還必須使用圖像效果增強(qiáng)方法來改善圖像，使圖像的顯示效果更加理想，保證定位準(zhǔn)確率?；叶忍幚磉@里將采用灰度線性變換的方法。

灰度線性變換如下述所示：

若g（i，j）=A[f（i，j）]是一個線性單值函數(shù)，則稱g（i，j）是f（i，j）經(jīng)過A后的線性變換。設(shè)輸入圖像f（i，j）的灰度值域?yàn)閇m，n]，經(jīng)過變換后目標(biāo)圖像g（i，j）的灰度值域?yàn)閇e，f]，如圖1所示：

圖1 灰度線性變換示意圖

g（i，j）和f（i，j）之間的變換關(guān)系為：

g（i，j）=（f-e）/（n-m）*f（i，j）+e

設(shè)k=（f-e）/（n-m），則g（i，j）=k*f（i，j）+e

參數(shù)k為線性函數(shù)斜率，e為截距，f（i，j）為輸入灰度，g（i，j）為輸出灰度。當(dāng)k>1時，增加圖像對比度；當(dāng)k<1時，減小圖對比度；當(dāng)k=1，e！=0時，改變圖像亮度；如果k=1，e=0時，輸出圖像保持原樣；當(dāng)k=-1，e=255時，輸出灰度反轉(zhuǎn)。

3 圖像的二值化處理

由灰度線性變換得到的灰度圖像的黑白效果是由像素的灰度值高低決定的，為了得到更清晰的圖片，需要將灰度圖中的像素按照特定的方法分為兩種顏色值，即圖像二值化。圖像二值化有一些較成熟的算法，例如自適應(yīng)閾值法。在自適應(yīng)閥值法中閥值選取主要是根據(jù)車牌顏色特征——車牌文字為白色（只考慮小型汽車1992式車牌），閥值選取為：

threshold =Gmax-（Gmax-Gmin）/3

其中Gmax是最高灰度值，Gmin是最低灰度值，該閥值對不一樣的車牌有對應(yīng)的適應(yīng)性，能夠使背景基本被置為0，以突出車牌的區(qū)域。事實(shí)上二值化實(shí)現(xiàn)了目標(biāo)車牌與背景分割，將大部分背景像素置為0（黑色），而將車牌文字置為255（白色）。核心算法如下：

for（i=0；i

{

for（j=0；j

{

lpSrc=（unsigned char*）lpDIBBits+lLineBytes*（lHeight-1-i）+j；

if（（*lpSrc）< threshold）

*lpSrc=0；

else

*lpSrc=255；

}

}

4 削弱背景干擾處理

通過上述的閥值二值化處理后我們的圖像會有大部分白色連通區(qū)域，但仍然有背景干擾，這是由于部分背景灰度值與車牌字符灰度值相近，在閥值分割時將這部分背景灰度值也置為255造成的，這里采用橫向相鄰像素灰度值相減法削弱這種背景干擾，其公式表示為：

f（i，j）=f（i，j）-f（i，j+1）

原圖像亮度變化率可有其公式中相減的結(jié)果反映出來：像素灰度值差的大小和得到的像素值高低成正比。像素灰度值差大的對應(yīng)的像素點(diǎn)值為255，反之，沒有改變的區(qū)域減后像素值是0。這種方法使得圖像的垂直邊緣得到了加強(qiáng)，符合車牌文字基本上為短豎線的特征（之所以沒有采用縱向相鄰像素灰度值相減法就因?yàn)榇耍?，事?shí)上是對灰度圖像用差分近似計算進(jìn)行橫向微分。左邊緣的一列像素值不予處理，整體效果沒有受到影響。削弱背景干擾的處理核心算法如下：

for（i=0；i

{for（j=0；j

{lpDst=（unsigned char*）lpNewDIBBits+lLineBytes*（lHeight-1-i）+j；

lpSrc=（unsigned char*）lpDIBBits+lLineBytes*（lHeight-1-i）+j；

fResult=（*lpSrc）-（*（lpSrc+1））；

if（fResult<0）

fResult=-fResult；

if（fResult>255）

*lpDst=255；

else

*lpDst=（unsigned char）fResult； }}

通過上次此處理后，我們得到的圖像車牌信息更清晰，車牌之外的區(qū)域更模糊。這時的圖像中有很多和車牌文字不相干的孤立噪聲白點(diǎn)，需要濾波處理。后面將采用模板為（1，1，1，1，1）T的中值濾波進(jìn)一步處理。

5 中值濾波處理

中值濾波技術(shù)是一種非線性濾波技術(shù)，由于圖像噪聲有比真實(shí)圖像的像素數(shù)少、面積小特征，在一定條件下，可以克服線性濾波器所帶來的圖像邊緣細(xì)節(jié)模糊，而且車牌文字基本上為短豎線的特征。綜上所述，我們可知沒有采用其他的濾波方式如均值濾波而采用模板為（1，1，1，1，1）T的中值濾波來濾出噪聲點(diǎn)的原因。

6總結(jié)

通過對256級灰度圖像做灰度線性變換、圖像二值化、削弱背景干擾處理、中值濾波處理，最終得到包含車牌信息的目標(biāo)圖像（即除去了大部分干擾的二值化圖像），最后再經(jīng)過區(qū)域分割技術(shù)把包含有車牌信息的區(qū)域部分截取出來，從而提取出車牌號信息。

參考文獻(xiàn)：

[1] 廖金周，宣國榮.車輛牌照的自動分割[J].微型電腦應(yīng)用，1997（4）.

[2] 楊冬衛(wèi).汽車車牌定位技術(shù)方法的探討[J].南方農(nóng)機(jī)，2015（3）.

[3] 常江.車輛圖像局部識別[J].信息網(wǎng)絡(luò)安全，2013（11）.

[4] 姜柏軍，鐘明霞.改進(jìn)的直方圖均衡化算法在圖像增強(qiáng)中的應(yīng)用[J].激光與紅外，2014（6）.

[5] 彭靜.一種改進(jìn)的中值濾波去噪算法[J].中國科技博覽，2011（1）.