【文章內(nèi)容簡(jiǎn)介】 圖 32 運(yùn)用該算法對(duì)圖 31(f)的垂直紋理圖進(jìn)行兩次形態(tài)學(xué)處理的結(jié)果 其中，由圖 d 可看出除了目標(biāo)車牌外，還有三個(gè)疑似車牌區(qū)，只實(shí)現(xiàn)了車牌的粗定位，因此還需要后續(xù)處理。 基于車牌恒定寬高比的 后續(xù)處理 精確定位 運(yùn)用數(shù)學(xué)形態(tài)學(xué) 對(duì)該圖進(jìn)行處理后 ， 得到多個(gè)車牌可能區(qū)域 。 然后合并鄰近區(qū)域 ， 再根據(jù)車牌的長(zhǎng)寬比 k固定等特征 ， 提取出車牌區(qū)域 。其中 ， k值與許多實(shí)際因素有關(guān) ， 比如攝像機(jī)的物距、拍攝的角度等。 此處 ， 我們采用 標(biāo)注連接分量法 ， 即將一幅圖像中不同的區(qū)域標(biāo)注上不同的數(shù)值 ， 并依次取出計(jì)算其寬高比是否符合要求。 MTALAB為我們提供了函數(shù) bwlabel用于計(jì)算一幅二值圖像中的所有連接分量 ， 調(diào)用語(yǔ)法為： [L,num]=bwlabel(f,conn) 其中 ， f是一幅輸入二值圖像 ， conn用于指定期望的連接 ， 輸出 L為標(biāo)記矩陣 ， 參數(shù) num為所找 到的連接分量的總數(shù)。 1 算法描述 （ 1） 根據(jù)實(shí)際情況確定寬高比。對(duì)于上述圖像的車牌 ， 確定 k值范圍為 4~5 （ 2） 運(yùn)用 bwlabel 函數(shù)對(duì)上述結(jié)果進(jìn)行標(biāo)注連接分量。 （ 3） 依次取出各分量 ， 并將其轉(zhuǎn)換為稀疏矩陣（ sparse 函數(shù)） ， 據(jù)此算出各分量夠的寬高比 ， 判斷其是否符合確定的 k值范圍。 圖 33是運(yùn)用該算法所得到的車牌的精確定位和分割結(jié)果。 14 圖 33 運(yùn)用該算法所得到的車牌的精確定位和分割結(jié)果 （ 1） 算法缺點(diǎn) 圖 34是運(yùn)用該算法對(duì)另一幅圖的處理結(jié)果。 15 圖 34 對(duì)圖 a 車牌的精確定位 由圖中可以看出 ， 由于車牌字符最后三個(gè)字符為 111， 在形態(tài)學(xué)處理后所得的相應(yīng)區(qū)域與前面的四個(gè)字符斷開(kāi)了 ， 從而被當(dāng)做疑似車牌被該算法舍去了。 （ 2） 改進(jìn)方法 ① 合并鄰近區(qū)域。即在形態(tài)處理時(shí) ， 根據(jù)字符間最大間距等先驗(yàn)知識(shí)對(duì)心態(tài)處理所得個(gè)疑似區(qū)域進(jìn)行必要 的合并。圖 35顯示合并鄰近區(qū)域的結(jié)果。 圖 35 合并鄰近區(qū)域的結(jié)果 ② 即 在該法的基礎(chǔ)上結(jié)合 下面將要講到的基于 車牌顏色的車牌定位 基于車牌顏色的車牌定位 （ 3） 概述 基于顏色的圖 像處理經(jīng)常用到 RGB和 HSV兩種顏色模型 。 RGB模型中各像素 值 由紅色 (R)、 綠色 (G)和藍(lán)色 (B)3 種顏色的亮度值疊加來(lái)表示 ， 各顏色的亮度 值 隨光照強(qiáng)度的不同而改變 ， 而汽車圖像的光照條件是不定的 ， 所以在 RGB 空間中進(jìn)行車牌識(shí)別問(wèn)題較多 。 16 HSV 模型用色度 (H)、 飽和度 (S)和亮度 (V)3個(gè)分量表示每一個(gè)像素的顏色特性 ， 分量 V 表示亮度信息 ， 即光照條件方面的信息 ， H 和 S 兩個(gè)分量包含了圖像的色彩信息 。 如果只考慮 H 和 S 分量 ,就排除了光照條件的影響 ,這對(duì)于光照條件不確定的彩色汽車圖像分割具有重要 的意義 。 在該模型下 ,僅用 H 和 S 兩個(gè)分量就可以將藍(lán)色和黃色兩種顏色區(qū)域找出來(lái) ， 同時(shí)只用 V 分量就能將白色和黑色兩種顏色識(shí)別出來(lái) ,因此 HSV 模型特別適合于車牌區(qū)域的分割 。 圖 36是 HSV彩色空間模型。 圖 36 HSV 彩色空間模型 （ 4） 算法描述 下面對(duì)藍(lán)底白字的車牌圖像 （圖 ）進(jìn)行顏色分割?；陬伾能嚺贫ㄎ坏乃惴ㄈ缦拢? （ 1） 將 RGB顏色模型轉(zhuǎn)換為 HSV 顏色模型。 （ 2） H、 S分量表示的是色彩信息 ， 所以根據(jù)二者的值來(lái)判斷各像素的色彩 ，先設(shè)定該藍(lán)色的 H、 S 閾值范圍（歸一化后） ， 把落在該 區(qū)域內(nèi)的點(diǎn)設(shè)為白色 ， 其余區(qū)域設(shè)為黑色。 （ 3） 形態(tài)學(xué)處理上述結(jié)果 ， 必要時(shí)也可進(jìn)行二次形態(tài)處理。 圖 37顯示了該算法的結(jié)果。 17 圖 37 基于顏色的車牌定位 （ 5） 缺點(diǎn)及改進(jìn) 由圖 d可知該法只定位了車牌顏色較明顯的后面五個(gè)字符 ， 而舍去了顏色不明顯的首個(gè)字符。所以基于顏色的算法存在以下缺點(diǎn)： 車牌有藍(lán)底白字、黃底黑字、黑底白字等多種顏色格式 ， 其中藍(lán)底黑字牌照中的藍(lán)色在各個(gè)省之間還有所不同。而受天氣、光照等影響 ， 即便是同種顏色也容易幻化成各種不同的顏色。因此 ， 彩色信息可靠性較差 ， 如作為主要 的定位手段會(huì)導(dǎo)致車牌識(shí)別系統(tǒng)容易受外界干擾 ， 穩(wěn)定性較差。 不過(guò) ， 一些地方還可以結(jié)合上述基于車牌紋理的定位法達(dá)到更好的效果。比如此處 ， 圖 與圖 相或就可得到完整的車牌。 （ 6） 多車牌定位 及其意義 由 可知本文設(shè)計(jì)的車牌 定位算法同樣可以用來(lái)定位多車牌圖像 ， 但要對(duì)真?zhèn)诬嚺茀^(qū)域作更為細(xì)致的判別。 有 時(shí)攝像機(jī)拍攝下的圖像不止一輛汽車 ， 雖然這種情況不多 ， 因?yàn)橛行﹫?chǎng)合 攝像機(jī)只對(duì)準(zhǔn)一個(gè)車道或是攝像機(jī)只對(duì)車輛行駛到某個(gè)位置才進(jìn)行拍攝。但一次 只拍攝一幅車牌圖像首先會(huì)造成資源的浪費(fèi) ， 在城市道路這種復(fù)雜的行車環(huán)境下 也有可能會(huì)漏拍某些黑名單車 ， 所以研究多車牌圖像的識(shí)別問(wèn)題是很有意義的。 第四章 字符分割 車牌的預(yù)處理 （ 7） 對(duì)比度的提升 對(duì)于光照很強(qiáng)或很弱的時(shí)候拍攝的照片 , 牌照中字符串邊界與背景差別 不大 , 為了加強(qiáng)圖像中的對(duì)比度 , 凸顯文字信息 ， 從而 提高分割的成功率 ， 可采用。 傾斜校正 將 所分割車牌 歸一化 ， 二值化 后 ， 為提高邊緣的準(zhǔn)確性以及抗干擾能 力 ， 采用最優(yōu)的動(dòng)態(tài)閾值 canny邊緣檢測(cè)算子。其邊緣檢測(cè)速度很快 ， 不會(huì)影響到系統(tǒng)的實(shí)時(shí)性 。結(jié)果如圖 41所示。 18 canny所得的邊緣圖像 圖 41 車牌的二值化及邊緣檢測(cè) 1 基于 Hough 變換的傾斜校正 該法可以準(zhǔn)確地檢測(cè)出二值圖像中的 直線 ， 而字符的上下邊沿一般是在同一直線上 ， 根據(jù)其所得角度可算得車牌偏離水平線的角度 ， 再調(diào)用 imrotate函數(shù)進(jìn)行傾斜校正 。其結(jié)果如圖 42所示。 圖 42 基于 Hough 的傾斜校正 發(fā)現(xiàn) ， Hough 變換 過(guò)分依賴于二值圖像中存在直線 ， 且計(jì)算量較大。由于經(jīng)邊緣檢測(cè) 得到的二值牌照?qǐng)D像不一定存在明顯的邊沿線 ， 有的甚至沒(méi)有 ， 此時(shí)牌照二值圖像并不存在明顯直線 ， 所以變換法將無(wú)法滿足應(yīng)用的要求。 2 基于 radon 變換的傾斜校正 在有邊框的情況下 ， 它可以利用 Radon 變換檢測(cè)到 接近于水平方向的直線 并確定其傾斜角 ； 在沒(méi)有檢測(cè)到接近于水平方向的直線的情況下 ， 它可以利用牌照字符區(qū)沿著某一接近水平方向投影均值取得極大值來(lái)確定其傾斜角 。其結(jié)果如圖43。 19 圖 43 基于 Radon 的傾斜校正 可見(jiàn) ， Radon 的效果和準(zhǔn)確度明顯高于 Hough， 所以我們采用基于 Radon 變換的傾斜校正。 藍(lán)底白字和黃底黑字的判定 我國(guó)的牌照存在不同的車牌顏色類型 ， 主要是藍(lán)底白字和黃底黑字兩種。藍(lán)底白字的車牌區(qū)域經(jīng)二值化后 ， 字符顏色是白色 ， 背景是黑色 。黃底黑字經(jīng)二值化后 ， 字符顏色是黑色 ， 背景則是白色。 這就為上述的傾斜校正帶來(lái)困難。 一般存在判定的兩種方法： 法一： 盡管存在由于光照造成字符顏色偏差 ， 但字符的 RGB各分量的比例大體上維持在 1:1:1 的水平 ， 所以 ， 兩種車牌的字符顏色對(duì)于整個(gè)車牌的顏色比例的影響不大 ， 主要影響是車牌的底色。根據(jù)大量車牌的統(tǒng)計(jì) ， 可 以發(fā)現(xiàn) ， 黃底車牌 G 對(duì) B 比例在 ~ 之