基于融合梯度算子和數(shù)學(xué)形態(tài)學(xué)的車牌識別算法

唐瑜梅

（1.四川文理學(xué)院智能制造學(xué)院 四川省達(dá)州市 635000 2.四川文理學(xué)院達(dá)州智能制造產(chǎn)業(yè)技術(shù)研究院 四川省達(dá)州市 635000）

1 引言

圖像邊緣實(shí)際上是像素的集合，而這些像素所處的圖像位置，灰度會突然變化或者是在梯度方向突然變化。邊緣對人類視覺系統(tǒng)和數(shù)字圖像處理技術(shù)的影響都很重要，它被認(rèn)為是最重要的圖像基本特征之一。圖像的邊緣含有重要的信息，在圖像分割、圖像模式識別和特征描述等領(lǐng)域得到了廣泛的應(yīng)用，邊緣提取結(jié)果的精確度和細(xì)節(jié)信息的完整度將直接決定圖像的后續(xù)處理情況。

經(jīng)典邊緣探測算法操作簡單、可靠，而且非常成熟，但有不同程度的缺陷，因此對經(jīng)典算法進(jìn)行改善成為一個(gè)重點(diǎn)研究的方向。目前，利用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行圖像處理得到了廣泛的研究和應(yīng)用，在圖像的分析和檢測中發(fā)揮著重要的作用，主要處理方法是將結(jié)構(gòu)元素作用于輸入圖像，得到輸出圖像。

雖然各種邊緣探測方法相繼出現(xiàn)，但是一直沒有找到能夠在各種情況下通用的圖像處理方法。本研究旨在通過對比各種圖像邊緣算子檢測技術(shù)，得出各種邊緣檢測算法優(yōu)缺點(diǎn)和應(yīng)用環(huán)境，為新的邊緣檢測方法的產(chǎn)生提供依據(jù)。圖像的邊緣檢測在不同條件下，應(yīng)根據(jù)實(shí)際情況，選擇合適的邊緣檢測算子對圖像進(jìn)行處理，才能得到理想的最佳效果。若單一一種邊緣檢測算法不能達(dá)到理想的效果，可采取兩種或者多種方法結(jié)合。因此，可以將各種邊緣探測方法進(jìn)行融合，得到的檢測效果比以前單個(gè)檢測算法實(shí)驗(yàn)結(jié)果更好。

2 Prewitt算子、Sobel算子

經(jīng)典的邊緣檢測算子可以分為以一階導(dǎo)數(shù)為基礎(chǔ)的算子和以二階導(dǎo)數(shù)為基礎(chǔ)的算子兩類。本文對該研究使用的Prewitt 算子和Robert 算子進(jìn)行簡單介紹，他們以一階導(dǎo)數(shù)為基礎(chǔ)。

一階導(dǎo)數(shù)算子的梯度算子，位置(x,y)的梯度在一個(gè)連續(xù)的圖像f(x,y)中可以用矢量表示。沿x 方向的梯度用Gx表示，y 方向的梯度用Gy表示，則梯度矢量表達(dá)式如公式1所示。

δg和g(x,y)分別表示梯度方向和梯度幅度，其表達(dá)如公式2、3所示。

圖1：Robert 算子的模板

圖2：Prewitt 算子的模板

圖3：腐蝕示意圖

圖4：膨脹示意圖

對于離散的數(shù)字圖像處理，為了方便通常使用差分運(yùn)算，公式如下：

梯度算子可以由Gx和Gy兩個(gè)模版組成。不同模板的大小，元素值不同。Roberts 算子使用兩個(gè)2×2 模板，Prewitt 算子使用兩個(gè)3×3 模板。

2.1 Robert算子

Robert 算子利用圖像中鄰近的四個(gè)像素，將像素灰度值與模板中的值進(jìn)行乘法運(yùn)算，再進(jìn)行加法操作后得到。本研究選用模版如圖1所示。

圖5：原始圖片

圖6：Prewitt 邊緣檢測

圖7：Robert 邊緣檢測

圖8：融合處理邊緣檢測

2.2 Prewitt算子

Prewitt 邊緣檢測算子兩個(gè)卷積核分別與圖像中的各個(gè)像素點(diǎn)進(jìn)行卷積運(yùn)算，在水平方向和垂直方向取得最大值。針對高斯噪聲，該算子有較好的抑制效果并且具有較高運(yùn)算速度。本研究選擇的模版如圖2所示。

3 基于形態(tài)學(xué)基本原理及其邊緣提取算法

數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算是腐蝕、膨脹、閉合、開啟。運(yùn)用這四種基本運(yùn)算可推導(dǎo)出各種組合運(yùn)算，還可以構(gòu)成各種進(jìn)行圖像處理和分析的實(shí)用算法。

3.1 腐蝕、膨脹運(yùn)算

腐蝕運(yùn)算是消除目標(biāo)圖像連通的邊緣，使其向內(nèi)收縮，其目的是使連接的目標(biāo)圖像分離，達(dá)到降低噪聲的目的。腐蝕運(yùn)算是通過去除邊界點(diǎn)達(dá)到縮小目標(biāo)、增大孔洞的效果，有效剔除噪聲點(diǎn)影響。膨脹是將目標(biāo)融合到背景當(dāng)中，進(jìn)行填充，向外部擴(kuò)展，達(dá)到將斷裂開的目標(biāo)物進(jìn)行連通的目的，便于對其目標(biāo)邊界的提取。腐蝕運(yùn)算和膨脹運(yùn)算如公式（5）、（6）所示。其結(jié)構(gòu)示意圖如圖3、4所示。

3.2 開運(yùn)算和閉運(yùn)算

開運(yùn)算的方法是先對目標(biāo)圖像進(jìn)行腐蝕操作再進(jìn)行膨脹的運(yùn)算方法，閉運(yùn)算與之相反。通常被用來消除圖像中的小孔，填補(bǔ)輪廓破裂使它更光滑。針對車牌，閉運(yùn)算可以填充車牌內(nèi)部空洞，使車牌內(nèi)部連通，從而進(jìn)行車牌定位；開運(yùn)算可以消除小的噪聲，平滑形狀邊界。開運(yùn)算公式如公示（7）所示，閉運(yùn)算公式如公式（8）所示。

4 算法改進(jìn)

本研究利用Prewitt 和Robert 兩種算子檢測得到的圖像進(jìn)行融合疊加處理，再將處理結(jié)果進(jìn)行數(shù)學(xué)形態(tài)學(xué)基本運(yùn)算。通過圖像融合可以將兩種Prewitt 算子和Robert 算子有效結(jié)合，得到更為完善的邊緣信息。最后將融合后的邊緣檢測結(jié)果進(jìn)行閉運(yùn)算，通過對圖像的膨脹與腐蝕補(bǔ)充缺損輪廓，填充邊緣信息，使得邊緣圖像更為平滑。

首先，利用Prewitt 和Robert 兩種算子，利用圖1、圖2 給出的模板進(jìn)行局部運(yùn)算，分別得到兩種算子邊緣檢測圖像，通過Matlab 仿真后，如圖6、圖7所示。隨后，分別求取兩個(gè)邊緣檢測圖像各像素點(diǎn)的像素值，并將同一位置的像素值進(jìn)行加權(quán)平均計(jì)算，這里將通過Prewitt 邊緣檢測圖像得到的像素加權(quán)值設(shè)定為0.6，對通過Robert 邊緣檢測圖像得到的像素值加權(quán)設(shè)定為0.4。以此進(jìn)行加權(quán)計(jì)算得到融合疊加圖像。最后對圖像進(jìn)行先膨脹后腐蝕的閉運(yùn)算。最終得到更為清晰的邊緣檢測圖像，如圖8所示。

Roberts 算子對圖像邊緣處理的精確度較高，但是連續(xù)性較差，容易失去一部分邊緣信息，對噪聲的抑制作用較差，適用于低噪聲圖像；Prewitt 算子對噪聲有一定的抑制效果，邊緣定位效果好，但連續(xù)性差，適用于噪聲圖像和灰度漸變圖像。經(jīng)過融合加權(quán)平均處理后的邊緣比較清晰，并且通過閉運(yùn)算后可以得到更為平滑的車牌輪廓，本文研究方法對傳統(tǒng)邊緣檢測算法具有一定的改進(jìn)。