【文章內(nèi)容簡介】 定位的工 作就是在形態(tài)學(xué)開運(yùn)算處理完畢的圖像中尋找封閉的黑色區(qū)。由于汽車牌照一般安裝在汽車車體下部，所以尋找過程在圖像中由下而上進(jìn)行。 這一過程分為 3 步，即橫坐標(biāo)第一次定位，縱坐標(biāo)粗定位和橫坐標(biāo)第二次定位。假設(shè)汽車圖像由 M 行 N 列點陣集組成， p(i,j)為點陣集中第 i 行 j 列點值。則橫坐標(biāo)（ x1,x2）第一次定位的過程如下所示： 步驟 1：設(shè) j=0，計算第 j 列黑色點個數(shù)，是否超過閾值 1T 。是則 x1=j，轉(zhuǎn)至步驟 2；不是則 j=j+1，若 j=N1，則未找到汽車牌照，轉(zhuǎn)至步驟 3，否則重復(fù) 本步驟。 步驟 2： j=j+1，計算第 j 列黑色點個數(shù)，是否超過閾值 1T 。是則 x2=j，若 j=N1，轉(zhuǎn)至步驟 3，否則重復(fù)本步驟。 步驟 3：退出程序。 縱坐標(biāo)（ y1,y2）定位的過程如下所示： 步驟 1：設(shè) i=M1，計算第 i行 x1x2 間連續(xù)黑色點個數(shù)，并判斷是否超過閾值 2T 。是則 y1=i，轉(zhuǎn)至步驟 2；不是則 i=i1。若 i=0，則未找到 汽車牌照，轉(zhuǎn)至步驟 3，否則重復(fù)本步驟。 步驟 2： i=i1，計算第 i 行 x1x2 間連續(xù)黑色點 個數(shù)，并判斷是否超過閾值 2T 。是則y2=i，若 i=0，則轉(zhuǎn)至步驟 3，否則重復(fù)本步驟。 步驟 3：退出程序。 橫坐標(biāo)（ x1,x2）第二次定位的過程如下所示： 步驟 1：設(shè) j=x1，計算第 j 列 y1y2 間連續(xù)黑色點個數(shù)，并判斷是否超過閾值 3T 。是武漢理工大學(xué)畢業(yè)設(shè)計（論文） 14 則 x1=j，轉(zhuǎn)至步驟 2；不是則 j=j+1。 若 j=x2，則未找到汽車牌照，轉(zhuǎn)至步驟 3，否則重復(fù)本步驟。 步驟 2： j=j+1，計算第 j 列 y1y2 間連續(xù)黑色點個數(shù)，并判斷是否超過閾值 3T 。是則x2=j，若 j=x2，則轉(zhuǎn)至步驟 3，否則重復(fù)本步驟。 步驟 3：退出程序。 上述 1T ， 2T ， 3T 可根據(jù)汽車牌照的大小預(yù)設(shè)，但 1T 3T 。最后，得到汽車牌照區(qū)域 4 個頂 點坐標(biāo)（ x1,y1），（ x1,y2），（ x2,y1） 和 （ x2,y2） 。 武漢理工大學(xué)畢業(yè)設(shè)計（論文） 15 3 汽車牌照區(qū)域精定位 汽車牌照區(qū)域粗定位完畢后，該汽車牌照區(qū)域是否為真，還需要進(jìn)一步甄別。有時，可能會找到多個疑似汽車牌照區(qū)域，這就需要進(jìn)行排查。由此，粗定位后還需要進(jìn)一步精定位。精定位過程由兩部分組成，即形狀識別和紋理識別。 汽車牌照區(qū)形狀識別 一般，汽車牌照區(qū)域應(yīng)在汽車圖像的最下方，所以甄別順序是由下而上。若一旦甄別出來某一個疑似汽車牌照區(qū)域為真，則可以直接退出汽車牌照定位環(huán)節(jié)，轉(zhuǎn)入汽車牌照分割及字符識別環(huán)節(jié)，以提高系統(tǒng)整體識別速度。 按照我國交通管理部門的規(guī)定，汽車牌照寬度為 440mm， 高度為 140mm，寬高比為 。汽車牌照中字符寬度為 45mm，高度為 90mm，寬高比為 。那么，疑似汽車牌照區(qū)的形狀滿足式 (4)： 3? ?12 xx? /? ?12 yy? (4) 則 就可以認(rèn)為通過形狀識別的要求。否則疑似汽車牌照區(qū)域為假。另外，考慮汽車圖像中 的汽車牌照可能由于攝取角度不同而發(fā)生形變，故 式 (4)可修正為如下： ? ?12 xx? /? ?12 yy? 4 (5) 形狀識別環(huán)節(jié)通過后，即可進(jìn)行紋理識別環(huán)節(jié)。 汽車牌照區(qū)紋理識別 汽車牌照區(qū)域紋理識別主要依據(jù)是汽車牌照區(qū)內(nèi)存在 7 個類字符區(qū)，從而在紋理上存在高頻的灰度變化特征。 為了提高識別速度，應(yīng)選用黑白二值圖，因為其比 256 階灰度圖或彩色圖進(jìn)行字符紋理識別更合適，為此，本系統(tǒng)選用圖 7 所示的圖像進(jìn)行識別。 算法如下： (a) 設(shè) ? ? ? ? 6/,8/ 1212 yytxxt yx ???? ； (b) 在 ytyy ?? 1 行，從 1x + xt 到 2x xt 搜索黑白值交替的次數(shù)，記為 0n ； (c) 1??yy ，從 1x + xt 到 2x xt 搜索黑白值交替的次 數(shù)，記為 1n ； (d)重復(fù)步驟 (c)，得到 in ， (i=2,3,… , ytyy 212 ?? )； (e)若 20 in 50， i=0,1,… , ytyy 212 ?? ，則認(rèn)為通過紋理識別要求，疑似汽車牌照區(qū)域為真。否則，疑似汽車牌照區(qū)域為假。 武漢理工大學(xué)畢業(yè)設(shè)計（論文） 16 汽車牌照定位結(jié)果圖如圖 9 所示： 圖 10 汽車牌照定位 汽車牌照傾斜校正 由于汽車圖像的 攝制角度問題可能導(dǎo)致攝取的汽車牌照發(fā)生傾斜，這對后續(xù)的汽車牌照字符分割和字符識別都將造成困難，因此需要對汽車圖像進(jìn)行校正，這里可通過圖像旋轉(zhuǎn)進(jìn)行校正。 常用的汽車牌照旋轉(zhuǎn)算法是先通過圖像預(yù)處理 尋找汽車牌照邊框。一旦找到汽車牌照邊框，就可以計算出汽車牌照傾斜的角度，并對圖像進(jìn)行旋轉(zhuǎn)。常用的算法是 Hough 變換算法。 （ 1） Hough 變換 Hough 變換是利用圖像全局特性而將邊緣像素連接起來組成區(qū)域封閉邊界的一種方法。 Hough 變換是將平面坐標(biāo)用極坐標(biāo)來表示，如直線方程 bmxy ?? 表示為：?? sinco s yxr ?? ，使得 x y 平面的任意一直線的 Hough 變換是 r ? 空間量化成許多小方格，根據(jù)每一個 ( x ,y )點代入 ? 的量化值，算出各個 r 值（經(jīng)量化），落在某個小方格內(nèi)，此小方格計數(shù)加 1，統(tǒng)計所有點后，則有大的計數(shù)值 的小方格對應(yīng)于共線點，其 (r ,? )可作為直線擬合參數(shù)。 Hough 變換算法雖然是尋找圖像中直線的經(jīng)典算法，但其計算精度并不是很高。另外，汽車牌照圖像由于天氣、背景、光線、拍攝角度以及本身虧損等原因，汽車牌照邊框經(jīng)常不是很清晰和連續(xù)。如果僅靠尋找汽車牌照邊框所形成的直線來判定汽車牌照傾斜角度的話，并不是很可靠。為此，還應(yīng)尋找精 度更高的識別算法。 （ 2）形態(tài)學(xué)變換 考慮到汽車牌照內(nèi)字符本身也含有汽車牌照傾斜角度的信息，而其，汽車牌照定位算法中也已找到并復(fù)現(xiàn)了汽車牌照字符圖像。由此，本文采用一種形態(tài)學(xué)的算法來確定汽車牌照傾斜角度。 圖 9 所示即為在汽車牌照定位過程中找到并復(fù)現(xiàn)的汽車牌照字符圖像。 可見，汽車牌照內(nèi)字符和汽車牌照發(fā)生了相一致的傾斜。在此基礎(chǔ)上，進(jìn)行形態(tài)學(xué)開運(yùn)算(Open)： ? ? SSXSX ???? (6) 武漢理工大學(xué)畢業(yè)設(shè)計（論文） 17 式中，目標(biāo)位 X ，結(jié)構(gòu)元素為 S 。這里結(jié)構(gòu)元素為一個 33 的矩形。 先用 S 對 X 進(jìn)行腐蝕處理 ? ?SX? ，黑色點將腐蝕周圍的白色點，并和附近的黑色點融合成黑色區(qū)。當(dāng)腐蝕的次數(shù)足夠大時，所有的黑色點可以最終增長融合為一個密封的黑色區(qū)。本系統(tǒng)中腐蝕的次數(shù)取為 10 次。腐蝕后，由于黑色區(qū)外沿也將隨之?dāng)U大，為了保證黑色區(qū)域不超過汽車牌照區(qū)域，再進(jìn)行 10 次腐蝕的逆運(yùn)算，即膨脹 ? ?SX? ，把最終的黑色區(qū)縮為實際汽車牌照區(qū)大小。 （ 3）傾斜角度計算 在汽車牌照傾斜角度中，由于高低角很小，故可以忽略不計 ，但水平角需要準(zhǔn)確得到。由于汽車牌照內(nèi)字符都是標(biāo)準(zhǔn)字符，因而，在形態(tài)學(xué)變換完畢后，形成的矩形區(qū)比較規(guī)整。為此，本文采用如下算法： (a) 對汽車牌照矩形區(qū)在水平方向上進(jìn)行選擇，只取全部的（ 1/6,5/6）一段進(jìn)行分析，以避免受到矩形區(qū)兩側(cè)形變的干擾。 (b) 在縱向進(jìn)行統(tǒng)計學(xué)均值處理，即求得各列的黑色像素點的統(tǒng)計均值。 (c) 將各列的均值連成一條直線。 (d) 計算該條直線的斜率，即可得到矩形區(qū)的水 平傾斜角。 通過計算，得到汽車牌照傾斜角度為 度。將圖 1 經(jīng)過幾何變換中的旋轉(zhuǎn)后，得到的汽車牌照圖像如圖 10 所示。 圖 11 汽車牌照傾斜校正 對校正后的彩色汽車牌照進(jìn)行灰度化和有色點對搜索，其結(jié)果圖如圖 11 和圖 12 所示。 武漢理工大學(xué)畢業(yè)設(shè)計（論文） 18 圖 12 校正后汽車牌照灰度化圖 圖 13 校正后汽車牌照有色點對搜索 對校正后的汽車牌照灰度化圖像（圖 11）和校正后的汽車牌照有色點對搜索圖像（圖12）進(jìn)行 汽車牌照再定位，定位算法如前面粗定位一樣。然后根據(jù)汽車牌照定位結(jié)果進(jìn)行汽車牌照提取。汽車牌照再定位圖像和車牌提取圖像如圖 13 和 14 所示。 圖 14 汽車牌照再定位圖像 圖 15 汽車牌照提取圖像 武漢理工大學(xué)畢業(yè)設(shè)計（論文） 19 4 汽車牌照字符分割 汽車牌照分割的目的是把汽車牌照內(nèi)的 7 個字符彼此分割開來，以用于字符識別。分割算法比較簡單，即以識別汽車牌照內(nèi)字符間存在的距離為依據(jù)進(jìn)行分割。在汽車牌照旋轉(zhuǎn)前，這個距離不是垂直可查的，因而難以準(zhǔn)確確定。但是，旋轉(zhuǎn)校正后，字符間的距離就很容易確定了。 由于字符分割及后面的字符識別都是基于二值圖像的。因此，在分割前，還需對汽車牌照區(qū)進(jìn)行圖像閾值處理。 汽車牌照二值化 對圖 14 所示汽車牌照提取圖像進(jìn)行二值化處理 ，以突出汽車牌照字符。汽車牌照字符區(qū)域中，灰度分布呈明顯的雙峰形態(tài)，而且雙峰所對應(yīng)的字符前景和背景具有明顯的灰度差別， 因此，這里的二值化閾值采用整個汽車牌照區(qū)域的灰度均值。汽車牌照二值化圖像如圖 15 所示。 圖 16 汽車牌照二值化圖像 去除邊框 為防止汽車牌照的邊框?qū)ψ址崛?gòu)成干擾，這里通過橫向和縱向投影的方式去除邊框。去除邊框的代碼如下： int pixels=0,curpixels=0,yy1,yy2,xx1,xx2,flag=0。 yy1=0。 yy2=。 for(j=0。j。j++){ if(*(dibNewm_pImgData+j)==255) curpixels++。 } pixels=curpixels。 for(i=1。i。i++){ curpixels=0。 for(j=0。j。j++){ if(*(dibNewm_pImgData+i*lineByte+j)==255) curpixels++。 } if(flag==0){ 武漢理工大學(xué)畢業(yè)設(shè)計（論文） 20 if(curpixelspixels) pixels=curpixels。 if(pixelscurpixels*pixels){ flag=1。 pixels=curpixels。 } } else{ if(curpixelspixels) pixels=curpixels。 if(curpixelspixels*curpixels){ yy1=i。 flag=0。 } } } flag=0。 for(j=0。j。j++){ if(*(dibNewm_pImgData+()*lineByte+j)==255) curpixels++。 } pixels=curpixels。 for(i=。i。i){ curpixels=0。 for(j=0。j。j++){ if(*(dibNewm_pImgData+i*lineByte+j)==255) curpixels++。 } if(flag==0){ if(curpixelspixels) pixels=curpixels。 if(pixelscurpixels*pixels){ flag=1。 pixels=curpixels。 } } else{ if(curpixelspixels) pixels=curpixels。 if(curpixelspixels*curpixels){ yy2=i。 flag=0。 武漢理工大學(xué)畢業(yè)設(shè)計（論文） 21 } } } flag=0。 for(i=yy1。iyy2。i++){ if(*(dibNewm_pImgData+i*lineByte)==255) curpixels++。 } pixels=curpixels。 for(j=1。j。j++){ curpixels=0。 for(i=yy1。iyy2。i++){ if(*(dibNewm_pImgData+i*lineByte+j)==255) curpixels++。 } if(flag==0){ if(curpixelspixels) pixels=curpixels。 if(pixelscurpixels*pixels){ flag=1。 pixels=curpixels。 } } else{ if(curpixelspixels) pixels=curpixels。 if(curpixelspixels*curpixels){