MATLAB在數(shù)字圖像處理中的應(yīng)用

張飛鴿，李 凱，翟少康，李梅霞

(寶雞文理學(xué)院 電子電氣工程學(xué)院，陜西 寶雞 721006)

0 引 言

隨著科學(xué)技術(shù)的不斷發(fā)展，智能化的交通管理系統(tǒng)已成為發(fā)展的重要趨勢。人工智能領(lǐng)域仍處于發(fā)展階段。為了在無人操作情況下，對交通和車輛信息進(jìn)行搜集及處理，可結(jié)合現(xiàn)代化技術(shù)，提高交通信息處理效率，如降低事故發(fā)生率，增大交通運(yùn)輸量，減少車輛排放污染量，系統(tǒng)自動查找違規(guī)車輛等。

現(xiàn)代化交通信息系統(tǒng)的發(fā)展離不開圖像處理和計算機(jī)視覺。文中主要針對小型汽車車牌進(jìn)行圖像分析，采用MATLAB軟件對獲得車牌號進(jìn)行相應(yīng)處理，包括圖像預(yù)處理、圖像邊緣檢測和定位，最后進(jìn)行車牌字符識別。

1 車牌識別系統(tǒng)的設(shè)計

車牌識別系統(tǒng)主要對行駛中的小型汽車車牌進(jìn)行識別，首先采集車牌照片，其次進(jìn)行圖像預(yù)處理，以及車牌的定位與切分，最后進(jìn)行字符切分和字符識別[1-3]。利用MATLAB實現(xiàn)的步驟如圖1所示。

圖1 車牌識別步驟

圖像預(yù)處理是將獲取到的車牌照片進(jìn)行亮度和對比度的調(diào)整；車牌定位根據(jù)圖像預(yù)處理的照片對車牌的傾斜角度進(jìn)行糾正；車牌分割是根據(jù)車牌形狀確定車牌邊緣，獲得車牌圖像；字符分割將車牌照片中的文字和數(shù)字切割為單個字符；字符識別是將得到的獨立字符采用識別算法一一識別[4-5]。其中，車牌字符分割算法是通過采集圖形中的樣本獲得顏色數(shù)據(jù)，按照光纖吸收模型對顏色數(shù)值、不透明數(shù)值以及不透明度相互疊加，讓光線穿過圖片的圖形順序，最終可以獲得成像平面上的渲染顏色[6]。結(jié)合車牌定位分析，文中在對車牌照進(jìn)行灰度處理的基礎(chǔ)上更好地對車牌照的字符進(jìn)行分割處理。車牌照圖像處理流程如圖2所示。

圖2 車牌照圖像處理流程

1.1 圖像預(yù)處理

圖像預(yù)處理是使用圖形處理技術(shù)處理拍攝的車輛照片，方便圖像的定位和分割。首先采用加權(quán)平均值法對照片進(jìn)行灰度化，即將算數(shù)平均值轉(zhuǎn)化為像素點的平均值的計算公式如下[7-9]：

H=(0.229R+0.588G+0.144B)/3

(1)

其中，R(紅色)、G(綠色)和B(藍(lán)色)代表三種顏色，按照不同的等級可以構(gòu)成彩色像素點的信息[10]。通過imread函數(shù)讀取圖片，其調(diào)用函數(shù)格式為A=imread('C:UsersacerDesktop豫.JPG')，如圖3所示。

圖3 車牌照片

在MATLAB中，調(diào)用rgb2gray函數(shù)對圖像進(jìn)行灰度化處理。使用加權(quán)平均值法將圖像轉(zhuǎn)化為灰度圖，設(shè)圖3中某點(x,y)的灰度記作f(x,y)，g(x,y)記作該點對應(yīng)的灰度，即可表示為：

g(x,y)=F[f(x,y)]

(2)

假設(shè)，原圖像的灰度f(x,y)范圍為(s1,s2),變換后g(x,y)的范圍為(t1,t2)，可通過(式3)實現(xiàn)具體轉(zhuǎn)換。

g(x,y)=[(t2-t1)/(s2-s1)]f(x,y)+t1

(3)

利用MATLAB編程，其調(diào)用函數(shù)格式為A1=rgb2gray(A)；該語句功能為，將彩色圖像轉(zhuǎn)換為灰度圖像。利用函數(shù)imshow(A1)和imhist(A1)繪制灰度圖和灰度直方圖，結(jié)果如圖4所示。

圖4 灰度圖及直方圖

1.2 邊緣檢測

在對牌照的定位及字符識別之前，需要對車牌照進(jìn)行邊緣檢測處理，提高圖像的質(zhì)量，便于圖像的分割和識別。通過良好的邊緣檢測可以大幅度地降低噪聲，分離出復(fù)雜環(huán)境中的車輛圖像，保留完好的車牌字符信息，便于車牌精確定位與字符識別[11]。

文中采用Roberts算子對圖像進(jìn)行邊緣檢測，它主要是對圖像局部進(jìn)行差分運(yùn)算，通過求取2×2范圍的對角像素點灰度值的差值來求得近似的梯度值。圖像預(yù)處理已經(jīng)對車牌照進(jìn)行了去噪處理，利用Roberts算子求得旋度±45°兩個方向上微分值的和。Roberts邊緣算子定位精度高，在水平和垂直方向效果最好。調(diào)用格式為A2=edge(A1,'roberts',0.09,'both')，如圖5所示。

圖5 Roberts算子邊緣檢測

1.3 車牌精確定位

在車牌圖像處理中，車牌定位是指在復(fù)雜背景下對需要采集信息區(qū)域進(jìn)行處理，便于快速和準(zhǔn)確地提取車牌照信息，主要完成圖像中字符的分割以及字符的識別。車牌識別過程中，車牌照可能拍攝不清晰，如畫面模糊、光線不均勻以及背景較為復(fù)雜等，都可能會使車牌定位的精度下降。因此，車牌識別的關(guān)鍵之一則是快速準(zhǔn)確地定位車牌信息。當(dāng)前車牌定位的算法種類較多，較為典型的有：以檢測車牌邊緣信息為重點來鎖定車牌位置；以數(shù)學(xué)形態(tài)學(xué)為基礎(chǔ)根據(jù)檢測車牌邊緣信息定位。隨后在這兩種方法的基礎(chǔ)上，還提出了以參考神經(jīng)網(wǎng)絡(luò)的特點設(shè)計不同的定位算法，以及提出紋理特征作為重點研究對象進(jìn)行定位區(qū)域的確定等，這些方法在特定環(huán)境中都可實現(xiàn)車牌定位。

文中利用數(shù)學(xué)形態(tài)學(xué)對檢測邊緣后的車牌圖像進(jìn)行定位[12]。為了消除檢測車牌區(qū)域的邊緣信息，利用數(shù)學(xué)形態(tài)學(xué)中的腐蝕運(yùn)算，根據(jù)不同結(jié)構(gòu)元素的矩陣形式，將圖像中的背景斑塊的邊界消除，達(dá)到斑塊邊界變小和面積減小的目的，即通過腐蝕運(yùn)算以有效消除圖像中雜亂的細(xì)小圖像。主要利用imerode()函數(shù)實現(xiàn)圖像腐蝕，調(diào)用語句如下：

se=[1;1;1];

A3=imerode(A2,se);

圖像腐蝕運(yùn)算符號用“?”表示，可記作：

A?B={x|(B)x?A}

(4)

在進(jìn)行腐蝕運(yùn)算時，需要確定結(jié)構(gòu)元素矩陣的形式，同時去除微小雜亂信息，采用[1;1;1]線性陣列便可能保留車牌區(qū)域邊緣。經(jīng)過腐蝕運(yùn)算處理后的圖像如圖6所示。由圖可知，微小而雜亂的元素基本被消除，且最大可能地保留了邊緣信息。

圖6 腐蝕后的圖像

圖像經(jīng)過腐蝕運(yùn)算后使得邊緣變得雜亂，但這些雜亂的邊緣信息是辨別車牌號的重要依據(jù)，所以需要再對圖6進(jìn)行膨脹運(yùn)算，以便填補(bǔ)中斷的邊緣，從而解決邊緣雜亂的現(xiàn)象。但是膨脹之后會出現(xiàn)一部分毛刺和隔斷，隨后需要對毛刺和隔斷采用閉運(yùn)算進(jìn)行消除。經(jīng)過閉運(yùn)算處理后仍然不能完全消除干擾，但是車牌部分的斑塊在經(jīng)過數(shù)學(xué)形態(tài)學(xué)處理后，已經(jīng)連成一片，而且斑塊占據(jù)了很大一塊面積，其他部分的斑塊面積相對較??；根據(jù)面積大小設(shè)定閾值，即如果斑塊的面積小于閾值可刪除。

MATLAB中的bwareaopen()函數(shù)用來刪除小面積斑塊，調(diào)用語句為：

A5=bwareaopen(A4,2000)

經(jīng)過以上處理后的圖像如圖7所示。小面積的干擾部分都已經(jīng)被刪除，而且保留了車牌區(qū)域的面積，且車牌邊緣區(qū)域的毛刺和間隙也被消除，整個斑塊內(nèi)部較光滑，將無法消除的斑塊連接在一起。

圖7 刪除干擾因子后的圖像

利用車牌垂直定位法選取多峰峰值的0.65倍設(shè)置為閾值，采用橫向查找法查找首尾兩個比閾值大的峰值，便可確定車牌的首字和尾字。為確定車牌的左側(cè)邊緣，可從第一個波峰向左查找第一個為零的點，同理，利用最后一個波峰向右查找第一個為零的點，確定為右側(cè)邊緣。具體通過while-end循環(huán)語句實現(xiàn)，調(diào)用格式如下：

while ((Blue_x(1,PX1)<3)&&(PX1

PX1=PX1+1;

end

PX2=x;

while ((Blue_x(1,PX2)<3)&&(PX2>PX1))

PX2=PX2-1;

end

獲得左右邊緣之間的部分，即為車牌圖像。車牌精確定位效果如圖8所示。

圖8 彩色車牌精確定位

根據(jù)圖8可知，車牌存在一定的傾斜，首先利用edge()函數(shù)將圖像轉(zhuǎn)換為二值圖像；隨后調(diào)用radon()函數(shù)對二維矩陣實現(xiàn)Radon變換得到返回的Radon值，再調(diào)用max函數(shù)對返回的Radon值按行求出局部最大值θ和x；根據(jù)θ值，調(diào)用imrotate函數(shù)對二值圖像值進(jìn)行旋轉(zhuǎn)(90°-θ)，即可對略微傾斜的車牌進(jìn)行校正。

其中，Radon變換采用投影技術(shù)，僅對設(shè)定圖畫與某個對應(yīng)夾角射線上的方向進(jìn)行投影，如車牌照片為平行四邊形，采用投影方法，使該四邊形達(dá)到垂直上的邊緣位置，按照投影原則將對應(yīng)參數(shù)一一往左平移，保證投影方法不造成原車牌號的變化，即為將原圖像拉伸校正變換。

1.4 車牌字符分割

采用上述方法，能夠較好地完成車牌號區(qū)域定位，隨后對車牌選中區(qū)域的字符進(jìn)行分割。由于車牌可能沾有泥土或由于其他因素影響車牌照的清晰度，那么給車牌字符的分割增加難度，即通過車牌分割技術(shù)決定了車牌識別的好壞。

在車牌照字符分割之前必須對其進(jìn)行圖像的二值化處理。圖像的二值化處理是為了減少讓圖像中的數(shù)據(jù)信息量，從而可以清晰顯示出車牌號碼的輪廓，降低分割難度。

在分割圖片時主要根據(jù)兩種情況分割，一種是灰度等級相同，如果在圖片內(nèi)部存在一些平衡相等的灰度值，且一些地方的灰度值具有相同的平衡背景，通過設(shè)定適當(dāng)?shù)拈撝?，便可以達(dá)到切割目的；另一種是如果圖片中物體的背景不能通過灰度值區(qū)別，但可以通過一些特性變化將該屬性值轉(zhuǎn)化到灰度值中，便可以結(jié)合設(shè)定閾值方法對圖像進(jìn)行切割。

車牌照通過灰度化處理后可以得到車牌號碼區(qū)域，再利用二值化方法對圖像進(jìn)行處理，之后對車牌照中號碼區(qū)域進(jìn)行分割，便可以準(zhǔn)確提取車牌號碼。

文中采用投影法對車牌字符進(jìn)行分割。在提取到汽車車牌照圖形后，由于車牌單個字符結(jié)構(gòu)簡單且分布均勻，利用投影法切分出來的文字邊緣較準(zhǔn)確，為了對車牌識別更準(zhǔn)確，隨后對文字進(jìn)行歸一化，使文字的大小和位置一致。

文中使用雙線性插值法實現(xiàn)歸一化，根據(jù)歸一化處理之前的文字像素的位置來計算歸一化之后對應(yīng)像素的顏色。設(shè)f(x,y)為原字符圖，歸一化之后的字符圖為g(x,y)，點(x0,y0)為g(x,y)圖像中的點，對應(yīng)于f(x,y)中的點(x1,y1)，其關(guān)系式可表示如下：

g(x,y)=(1-α)(1-β)f(i,j)+α(1-β)f(i+1,j)+(1-α)βf(i,j+1)+αβf(i+1,j+1)

(5)

其中，i,j為點(x1,y1)，α=x1-i，β=y1-j。

利用imresize()函數(shù)對切分結(jié)果進(jìn)行歸一化處理，字符的大小為24×48像素，如圖9所示。

圖9 字符歸一化后的7個字符

1.5 字符識別

字符歸一化處理可得單個文字的圖片，隨后需要對單個圖片進(jìn)行識別，才能得到正確的車牌號[13-14]。評判車牌識別系統(tǒng)性能的唯一標(biāo)準(zhǔn)是該系統(tǒng)能夠正確識別車牌號碼，每一個字符都必須是準(zhǔn)確無誤的。文中采用9宮格模板匹配法進(jìn)行車牌識別，首先根據(jù)文字的特征把字符圖像分區(qū)，主要根據(jù)分布區(qū)域提取文字的特征，同時采用同樣的方法提取模板相同特征，其次比較文字和模板的特征，最后根據(jù)對比結(jié)果獲得相應(yīng)的文字模板。

提取車牌特征時主要把待識別字符劃分為9宮格，先將待識別字符沿水平方向平均分為三塊，每塊高度為16個像素，然后在每一塊設(shè)置一條橫向的掃描線，沿掃描線從左至右依次查找字符特征；同樣再將輸入文字沿垂直方向均分成三塊，每塊寬度為8個像素，在每一塊設(shè)置一條沿縱向的掃描線，從上到下依次查找字符特征。把以上步驟中所有線上的特征作為該待識別圖像的特征。通過這樣的方法，極大地減少了需要進(jìn)行比對的數(shù)據(jù)量，簡化了運(yùn)算[15]。最后，僅需要比較輸入文字圖像的特征數(shù)與模板的特征數(shù)即可，從而大幅減少了對比匹配的運(yùn)算量[16]。

2 實驗仿真與結(jié)果分析

文中采用MATLAB軟件設(shè)計車牌識別系統(tǒng)。首先對車牌照片采用加權(quán)平均法進(jìn)行灰度處理，利用Roberts算法提取車牌邊緣；其次利用腐蝕運(yùn)算和閉運(yùn)算消除部分干擾模塊，結(jié)合車牌垂直定位法選取多峰峰值設(shè)置閾值，可獲得精確車牌位置；再對車牌進(jìn)行字符分割，主要根據(jù)車牌中字符的寬度、高度，字符和字符間隔把車牌分割為單獨的字符；最后采用9宮格模板匹配法進(jìn)行車牌識別，識別字符與車牌號碼一致。由于漢字識別難度較大，為了較好地測試該系統(tǒng)的靈敏度，對不同地域的車牌號進(jìn)行測試，其中車牌采用“京A.88888”,實驗結(jié)果如圖10所示。

圖10 車牌識別結(jié)果

實驗結(jié)果表明，圖10相較于圖8，清晰度和準(zhǔn)確率較高，即采用9宮格模板匹配法進(jìn)行車牌識別，提高了運(yùn)算效率和識別效果。

3 結(jié)束語

采用MATLAB語言進(jìn)行編程，實現(xiàn)了車牌識別系統(tǒng)中圖像預(yù)處理、車牌定位、字符分割和字符識別的具體功能。采用9宮格模板匹配法對車牌識別，根據(jù)文字的特征把字符圖像分區(qū)提取文字特征和模板特征，并將文字和模板的相同特征進(jìn)行對比，從而根據(jù)對比結(jié)果獲得相應(yīng)的文字模板，最終完成車牌識別系統(tǒng)軟件設(shè)計。實驗結(jié)果表明，該方法提高了車牌識別的清晰度和準(zhǔn)確率，并考慮了圖像環(huán)境、光照、色彩和拍攝角度的敏感性，具有廣泛的應(yīng)用價值，基本達(dá)到了預(yù)期目的。