焦蓬蓬,郭依正
(南京師范大學泰州學院,江蘇 泰州 225300)
摘 要:本文設計與實現了一種基于數學形態學的車牌定位與分割方法,關鍵步驟包括:灰度變換、邊緣檢測、數學形態學處理、基于行列投影的車牌定位、定位后的車牌圖像二值化、基于垂直投影的字符分割等。通過在MATLAB上的仿真,驗證了方法的有效性。實驗結果表明,該方法復雜性低,速度快,適合實時應用。
關鍵詞:車牌定位;數學形態學;字符分割;MATLAB
中圖分類號:TP391 文獻標識碼:A 文章編號:1003-7241(2013)06-0057-03
1 引言
車牌是機動車的唯一標識。車牌識別[1](License Plate Recognition,LPR)是現代智能交通系統(Intelligent Transport System,ITS)的核心。而車牌定位與分割[2]作為車牌識別的關鍵步驟,其效率高低和準確與否直接決定了整個車牌識別系統的性能。
由于實際采集的車牌圖像背景時常復雜多變,再加上天氣、光照等自然條件的影響使得采集的圖像質量往往差別很大,都增加了車牌定位與分割的難度。對此國內外學者已經作了大量卓有成效的工作[3~5],但目前尚無通用算法適合所有情況。
本文設計實現了一種基于數學形態學的車牌定位與分割方法。首先對灰度變換后的車牌圖像進行Robert算子的邊緣檢測,接著進行數學形態學處理以得到有效連通區域并利用行列投影法進行車牌定位,然后對定位后的圖像二值化,最后是基于垂直投影法的字符分割。通過MATLAB的仿真實驗,驗證了方法的有效性,該方法簡單快速。
2 車牌識別流程
車牌識別系統主要功能模塊包括五個:圖像采集、圖像預處理[6]、車牌定位[7]、字符分割[8]和字符識別[9]。車牌圖像的采集一般是通過CCD攝像頭去捕獲;接著要做圖像灰度變換、圖像增強、濾波去噪、二值化等一系列預處理操作,操作內容往往根據適用場合和實際需要而不同;車牌定位是從預處理后的車牌圖像中提取出車牌部分,它直接影響后期字符分割和字符識別的效果,因此非常關鍵;字符分割是從定位后的車牌中分割出單個字符;字符識別是采用諸如統計識別、句法識別、模糊識別、神經網絡、支持向量機等方法將分割后的單字符識別出來。一般為了敘述方便,可以將圖像預處理歸到車牌定位中。
因識別過程本身又包括特征提取、構造識別方法和學習訓練等過程,本文不再述及。本文討論的重點在車牌定位和字符分割部分,為此設計了一種基于數學形態學的車牌定位與分割方法,流程如圖1所示。
3 車牌定位
3.1 灰度變換
3.2 邊緣檢測
圖像的邊緣是周圍像素灰度發生階躍變化的那些像素的集合。圖像的邊緣集中了圖像的大量信息,是圖像的基本特征。常用的基于一介導數的邊緣檢測算子有Robert算子、Sobel算子、Prewitt算子等。
文中使用的是Robert算子,其運算相當于運用的模板作為核與圖像中的每個像素點做卷積和運算。典型的Robert算子模板如圖2所示。
使用Robert算子對變換后的圖像做邊緣檢測,效果如圖3所示。
3.3 數學形態學處理
數學形態學是由Matheron G和Serra J在1964年提出的[10],它的基本思想是用具有一定形態的結構元素去度量和提取圖像中的對應形狀,結構元素的形狀就決定了這種運算所提取信號的形狀信息。
文中首先用線結構對Robert邊緣檢測后的圖像做了腐蝕運算,因Robert算子定位精度較高,但對噪聲的抑制不強,而腐蝕恰恰可以有效消除孤立噪聲點。接著用矩形結構做閉運算以獲取候選連通區域。效果如圖4所示。
由圖可見,候選連通區域中有一些偽區域,文中通過設定閾值及利用車牌的先驗知識即車牌的寬高比相結合的方法獲取有效連通區域,可有效避免了車牌外敏感區域(如車前部的散熱器區域,大燈等)的干擾所引起的錯誤定位。具體是先設定閾值先去掉過小的區域,再利用車牌自身的幾何特征進一步獲取真正的有效區域。標準車牌寬高比大致在440/140=3.14,這里選取[2.9,3.7]作為判斷區間,據此幾何特征,可以刪除余下的偽車牌區域,最終獲取有效連通區域。
3.4 車牌定位剪切
利用行投影檢測車牌水平位置,利用列投影檢測車牌垂直位置。再做區域裁剪,截取車牌子圖像。需要指出的是,如果在數學形態學處理步驟中未去除偽區域,就有可能產生誤定位。本步效果如圖5所示。
4 字符分割
4.1 車牌圖像二值化
4.2 字符分割
最后是基于垂直投影法的字符分割,即將車牌像素灰度值按垂直方向累加,由于字符塊的垂直投影必然在字符之間取得局部最小值,所以分割位置應該在局部最小值處。
由于車牌本身的特點,車牌區域中的字符灰度分布有一定的規律,穿過車牌的水平線,其灰度呈現連續的峰、谷、峰的分布,如圖7所示。利用這一特征,找到列投影中局部最小值列,以這些列為分界線將車牌分成若干“塊”。
5 結束語
本文設計了一種基于數學形態學的車牌定位與分割方法,將Robert算子的邊緣檢測和數學形態學相結合來確定備選連通區域,再通過閾值和車牌寬高比的結合最終確定有效連通區域。在此基礎上,通過行列投影法對車牌做了精確定位。最后將定位后的圖像二值化,利用車牌字符灰度分布特征,做了基于垂直投影的字符分割。在Matlab上的仿真實驗表明,算法速度快,效果理想。但對更為復雜的車牌如字符有缺損、車牌傾斜、污物干擾等還有待進一步研究。
參考文獻:
[1] 姚敏.數字圖像處理[M].北京:機械工業出版社.2006.
[2] Shyang-Lih,C.,Automatic license Plate recognition[J].IEEE Transactions on Intelligent Transportation Systems, 2004:l-2.
[3] 謝偉生.車牌定位及字符分割算法的研究與實現[D].成都:西南交通大學.2010.
[4] Fredrik Trobro.Real-time Antomatic License Plate Recognition in Video Streams[D].Lund UniversityｍａｓｔｅｒDegree Thesis.2007.
[5] Zheng D N,Zhao Y N,Wang J X.An efficient method of license plate location[J].Pattern Recognition. 2005,26(15):2431-2438.
[6] 李戰明,徐錦鋼.車牌號識別系統中的車牌圖像預處理研究[J]. 科學技術與工程,2008,8(8):2081-2088.
[7] Danian Zheng,Yannan Zhao,Jiaxin Wang.An efficient method of license plate location[J].Pattern Recognition Letters.2005,26:2431-2438.
[8] 金玲玲,廖芹,汪劉一.汽車牌照的提取方法[J]. 華南理工大學學報(自然科學版),2002,30(7):95~98
[9] 王海姣,李文舉,王新年等.基于邊緣顏色聚類和神經網絡的車牌類型識別[J].計算機工程與應用,2008,44(26):196-198.
[10] 楊帆.數字圖像處理與分析[M].北京:航空航天大學出版社.2007.