基于數(shù)學(xué)形態(tài)學(xué)和Hough變換的車牌圖像檢測(cè)及定位算法解析

　車牌識(shí)別系統(tǒng)（LPR）在現(xiàn)代交通檢測(cè)和管理部門中發(fā)揮著舉足輕重的作用。車牌識(shí)別系統(tǒng)主要包括車牌定位、字符分割和字符識(shí)別三部分［1］。由于車牌定位的準(zhǔn)確與否將會(huì)直接影響到車牌識(shí)別的結(jié)果，因此，車牌定位是LPR的一項(xiàng)關(guān)鍵技術(shù)。常見的車牌定位技術(shù)主要有：邊緣檢測(cè)法［2］、投影法［3］、神經(jīng)網(wǎng)絡(luò)法［4］、數(shù)學(xué)形態(tài)學(xué)法［5］、基于彩色圖像的定位算法［6］。邊緣檢測(cè)法對(duì)車牌圖像邊框的連續(xù)性要求較高；神經(jīng)網(wǎng)絡(luò)方法計(jì)算量大，且要求車牌尺寸基本不變，否則必須對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行重新訓(xùn)練；基于形態(tài)學(xué)的方法受噪聲影響比較大；基于彩色圖像的定位算法適應(yīng)性差，對(duì)于偏色以及背景顏色干擾等情況無法做出有效處理。
　　由于存在許多外在的干擾，背景信息往往比車牌信息更加復(fù)雜，給目標(biāo)搜索帶來巨大的困難，單一的定位方法已經(jīng)無法保證其有效性。為此，本文提出了一種綜合的定位算法，對(duì)預(yù)處理的圖像進(jìn)行形態(tài)學(xué)的高帽變換后，利用邊緣檢測(cè)得到連通區(qū)域進(jìn)行粗定位，然后結(jié)合Hough變換和車牌的先驗(yàn)知識(shí)進(jìn)行車牌的精定位，該算法充分利用了車牌的字符信息，能夠快速而準(zhǔn)確地提取出車牌區(qū)域。
　　1 車牌的固有特征
　　車牌識(shí)別是一種特定對(duì)象的識(shí)別，是一種在先驗(yàn)知識(shí)指導(dǎo)下的識(shí)別。我國(guó)現(xiàn)在使用的車牌主要執(zhí)行中華人民共和國(guó)機(jī)動(dòng)車牌號(hào)標(biāo)準(zhǔn)［7］，其具有以下的特征：
　?。?）形狀特征：汽車車牌區(qū)域的每個(gè)字符寬度為45 mm，字符高度為90 mm，間隔符寬10 mm，字符間隔為12 mm，整個(gè)車牌區(qū)域的寬高比為44/14。這部分特征在車牌的定位分割方面具有重要的意義。
　?。?）紋理特征：車牌有一個(gè)連續(xù)或因磨損而不連續(xù)的邊框；標(biāo)準(zhǔn)車牌（軍車、警車、教練車、外交車除外）模塊包含7個(gè)字符，它們基本呈水平排列；在矩形的車牌區(qū)域內(nèi)部有著較豐富的邊緣信息，呈現(xiàn)出規(guī)則的紋理特征。
　?。?）灰度跳變特征：車牌的邊緣顏色、車牌底色以及車牌文本顏色各不相同，表現(xiàn)在圖像中就是灰度級(jí)互不相同，這樣，在車牌邊緣就形成了灰度突變邊界。在車牌區(qū)域內(nèi)部，由于字符和車牌底的內(nèi)部灰度較均勻，因此，穿過車牌的水平直線呈現(xiàn)出波峰波谷的特點(diǎn)。
　　2 圖像預(yù)處理
　　車牌圖像的采集大都是通過攝像機(jī)、數(shù)碼相機(jī)等設(shè)備拍攝獲取的彩色圖像，因此首先要對(duì)圖像進(jìn)行灰度化處理。
　　牌照?qǐng)D像在拍攝時(shí)受各種條件的限制和干擾，圖像的灰度值往往與實(shí)際景物不完全匹配，直方圖均衡化［8］處理能增加圖像灰度值的動(dòng)態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。
　　經(jīng)過灰度增強(qiáng)后的圖像還存在各種噪聲，中值濾波是一種非線性濾波，它很適合于椒鹽噪聲（即通常拍攝的圖片帶有的噪聲類型）。
　　圖1顯示了本文設(shè)計(jì)中圖像預(yù)處理部分的實(shí)驗(yàn)效果圖，車牌區(qū)域的特征被明顯增強(qiáng)。大量實(shí)驗(yàn)表明，本文采用的圖像預(yù)處理方法能獲得較好的效果，滿足實(shí)驗(yàn)的要求。