基于圖像處理和投影的車牌定位方法 - 全文

　　車牌的定位在車牌識別系統(tǒng)中有著重要的地位,是后續(xù)車牌字符識別的前提條件。但是由于車牌定位的車牌圖片采集于戶外，圖像背景復雜、噪聲干擾嚴重，圖像質(zhì)量較低，因此車牌定位往往受到影響而不能準確定位。所以在車牌定位算法中，關鍵是尋找某種圖像處理方法，使原始圖像經(jīng)過該算法的處理后能夠清楚地顯示出車牌區(qū)域，同時使圖像中的非車牌區(qū)域消失或者減弱，從而能準確有效地定位出車牌在圖像中的位置。文中主要針對的是藍底白字車牌，首先利用車牌藍色特征和圖像處理的方法進行初次定位，減少了車牌候選區(qū)域，然后對初次定位的車牌圖片進行投影，最終完成車牌定位。

　　1. 車牌初步定位

　　1.1. RGB 空間向HSI空間轉化后的車牌

　　彩色圖像包含豐富的顏色信息，給人良好的視覺效果，根據(jù)這一特點進行初次定位。但在一般情況下，彩色圖片都在RGB 模型下，而HSI模型較適合人的視覺系統(tǒng)，所以需進行顏色空間轉換，將RGB模型轉化為HSI模型，從RGB 空間到H SI空間的轉換公式為：

?

　　當B <=G 時，H = θ;當B > G 時，H = 360°- θ.。

　　藍底白字車牌中，藍色的色度H 約為240°，飽和度S 值較大。通過這兩個量，可以將輸入圖像中的藍色部分全部過濾，從而去除了大量的背景噪音。

　　經(jīng)實驗測試藍色車牌的色度>=0.75，飽和度>=0.51。由此可見利用HS I空間的色度和飽和度的范圍值可以得到粗定位車牌區(qū)域，結果如圖1所示。

?

　　1.2. 車牌定位的預處理過程

　　經(jīng)過初步定位后，車牌范圍減小，將車牌圖像進行灰度處理，灰度圖像的紋理分布主要在車燈、車牌、散熱器，而且車牌位置的灰度值也與其他部位的不同，非車牌區(qū)域大部分灰度變化都比較平緩。

　　( 1)去除孤立亮點

　　一般情況下，車牌圖像的采集過程，受到各種因素的影響，如背景，光照以及車本身的一些特征因素,容易造成圖片存在噪音，由于初定位已經(jīng)將大部分的車牌圖片背景去除，因此減少了噪音點。為了縮小車牌的可能區(qū)域，采用M atlab工具箱中的bwmorph函數(shù),可以有效地將孤立點去除，結果如圖3所示。

?

　　( 2)移差掃描與邊緣檢測

　　移差掃描就是從左到右掃過整個圖像，以相鄰的像素作為消弱水平紋理的灰度級，保留并增多縱向跳變處的灰度級，如式( 4)所示。

?

　　式中，f (xj，yi) 是原圖像，g (xj，y i) 是掃描后的圖像，經(jīng)過處理，圖像的垂直紋理和線條變得比較明顯，從而消弱了其他區(qū)域突出了車牌區(qū)域。如圖4所示。再利用邊緣檢測，將車牌所在區(qū)域的邊界從整個圖片中加以突出，使車牌區(qū)域的特征更加明顯。效果如圖5所示。

?

　　圖5邊緣檢測圖

　　2. 車牌的精確定位

　　經(jīng)過移差掃描后的圖片，灰度圖像中的車牌區(qū)域變得紋理和線條比較明顯，而且整個圖片的噪音較少，可以進行車牌水平和垂直方向的邊界確定。

　　本文利用水平投影和垂直投影分別確定車牌的邊界。

　　通過對圖像的邊緣檢測處理，清楚地將車牌區(qū)域劃分出來，非車牌區(qū)域的噪音點減少，所以采用水平投影的方法確定垂直方向的車牌邊界。

　　水平投影是先自上而下對圖像f (xj，yi) 進逐行掃描，將每一列的值相加，得到一維函數(shù)f (yi) 。使二維函數(shù)轉變?yōu)橐痪S函數(shù)，如式( 5)所示。

?

　　得到的一維函數(shù)是對圖像每一列的白色像素的統(tǒng)計。當f( yi) 值較大時，對應車牌區(qū)域; f (yi) 值較小或者為0時，對應非車牌區(qū)域噪音，利用這一特點將車牌水平方向的邊界確定。對函數(shù)f yi 繪制圖像,可以發(fā)現(xiàn)當f (yi) 不為0時，該點的對應的f (xj，yi )豎直方向上存在白色像素點。當f yi 為0時，對應的f (xj ，yi) 豎直方向不存在白色像素，可以確定為非車牌區(qū)域。

　　在車牌左右邊界確定時，垂直方向的定位相對噪音減少，垂直投影是先從左到右對圖像f (xj，yi) 進逐行掃描，將每一行的值相加，得到一維函數(shù)f (xj )。

　　如式( 6)。

?

　　水平投影和垂直投影的投影圖如圖6 和圖7所示。

?

　　在這個過程中，閾值的選取是根據(jù)投影圖的圖像確定的。因為在投影圖中，代表的是每一列或一行的白色像素點的累加。所以當投影圖的值較大時，代表該列或者該行的白色像素點較多，從而為車牌區(qū)域;當投影圖的值較小時，為噪音點，所以必須確定一個閾值將噪音去除。本文之前采用的圖像處理方式已將大部分噪音點去除，所以在此先設定好閾值，大于該值的為車牌區(qū)域，同時由于車牌本身有長寬比例的特征，一般車牌的比例為22 ：7，根據(jù)這一特點最終定位。

　　在車牌定位中，定位方法主要考慮的是對噪聲的抗干擾性是否良好，文中初步定位車牌區(qū)域是通過顏色模型的轉換，利用色度和飽和度的范圍大致確定車牌位置。去除了大量的背景噪音，對二次定位的準確性提供了可靠依據(jù)。在精確定位中，考慮到車本身存在噪音,例如散熱器、車燈等，但由于車牌位置紋理突出，車身噪音相對較小，所以利用移差掃描將車牌位置更加突出，非車牌區(qū)域只剩下單獨的孤立亮點。在精確定位中采用投影，所以就必須去除孤立亮點。文中采用 Matlab工具箱，有效去除了大量的孤立亮點。采用水平投影和垂直投影確定水平和垂直方向的邊界，同時利用車牌本身長寬比例的特點最終定位，實驗證明，對車牌圖片噪音抗干擾性好，定位效果較好。

　　3. 結束語

　　本文利用基于顏色和投影的車牌定位方法，分兩步將車牌區(qū)域確定，通過對320 張分辨率為1 024 %768具有不同背景的汽車圖片進行測試，定位成功率達到8*% 以上。