【文章內(nèi)容簡介】 以提取出車牌邊緣，因而難以準確定位車牌。為了增強牌照部位圖像和其他部位圖像的對比度，使其明暗鮮明，有利于提高識別率，需要將車輛圖像進行灰度拉伸。 所謂灰度拉伸，是指根據(jù)灰度直方圖的分布有選擇地對灰度區(qū)間進行分段拉伸以增強對比度。如圖 7 所示。它將輸入圖像中某點 ),( yx 的灰度 ),( yxf ，通過映射函數(shù) T，映射成輸出圖像中的灰度 ),( yxg ，即： ( )],([),( yxfTyxg ? （ 4） 假定原圖像 ),( yxf 的灰度范圍為 [s1,s2] 希望變換后圖像 ),( yxf 的灰度范圍擴 展至 [t1,t2] ，可采用下述線性變換來實現(xiàn)。 1),()]12/()12[(),( tyxfssttyxg ???? （ 5） 圖像平滑 車牌圖像往往存在一些孤立的噪點。在汽車牌照圖像處理初期，若不能有效抑制或者去除這些噪點，將影響車牌定位的準確性或者造成無法定位。通常采用圖像平滑的方法去除噪點。圖像平滑包括空域濾波和頻域濾波。其中空域濾波中采用平滑濾波器的中值濾波去除噪點的效果最好。中值濾波的主要原理是：首先確定一個以某個像素為中心點的鄰域，一般為方形鄰域；然后將 jkF 鄰域中的各個像素的灰度值進行排序，取其中間值作為中心點像素灰度的新值，這里的鄰域通常被稱為窗口；當窗口在圖像 中上下左右進行移動后，利用中值濾波算法可以很好地對圖像進行平滑處理。 但實際中為了簡化算法也可以直接在空域中用求鄰域平均值的方法萊削弱噪聲的影響，這種方法稱為圖象平滑處理。例如，某一象素點的鄰域 S 有兩種表示方法： 8 鄰域和 4 鄰域分別對應(yīng)的鄰域平均值為： 9 表 2 8領(lǐng)域 表 3 4領(lǐng)域 ? ?? sji jifMjig ),( ),(1),( （ 6） 其中， M 為鄰域中除中心象素點 f(i,j) 之外包括的其它象素總數(shù)，對于 4 鄰域 M=4， 8 鄰域 M=8。然而，鄰域平均值的平滑處理會使得圖象灰度急劇變化的地方，尤其是物體邊緣區(qū)域和字符輪廓等部分產(chǎn)生模糊作用。為了克服這種平均化引起的圖象模糊現(xiàn)象，我們給中心點象素值與其鄰域平均值的差值設(shè)置一固定的閾值，只有大于該閾值的點才能替換為鄰域平均值，而差值不大于閾值時，仍保留原來的值，從而減少由于平均化引起的圖象模糊。 邊緣提取 邊緣主要存在于目 標與目標、目標與背景、區(qū)域與區(qū)域（包括不同色彩）之間，邊緣檢測主要是精確定位邊緣和抑制噪點，其基本思想是首先利用邊緣增強算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強度”，通過設(shè)置門限的方法提取邊緣點集。 圖像中車輛牌照是具有比較顯著特征的一塊圖象區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列的；在整體圖象中的位置較為固定。正是由于牌照圖象的這些特點，再經(jīng)過適當?shù)膱D象變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣。 邊緣提取是較經(jīng)典的算法， 能夠進行檢測的方法有多種 ， 如 Roberts 邊 緣算子、 Prewitt 算子、 Sobel 算子以及拉普拉斯邊緣檢測 ； Robert算子定位比較精確，但由于不包括平滑，所以對于噪聲比較敏感。 Prewitt算子和 Sobel算子都是一階的微分算子，而前者是平均濾波，后者是加權(quán)平均濾波且檢測的圖像邊緣可能大于 2個像素。這兩者對灰度漸變低噪聲的圖像有較好的檢測效果，但是對于混合多復(fù)雜噪聲的圖像，處理效果就不理想了。 LOG濾波器方法通過檢測二階導(dǎo)數(shù)過零點來判斷邊緣點。 LOG濾波器中的 a正比于低通濾波器的寬度， a越大，平滑作用越顯著，去除噪聲越好，但圖像的細節(jié)也損失越大 ，邊緣精度也就越低。 2 3 i,j 1 4 4 3 2 5 i,j 1 6 7 8 10 4 車牌 定位 車牌圖像往往是在復(fù)雜的環(huán)境中拍攝得到的 ， 車牌由于與復(fù)雜的車身背景融為一體 ， 由于車牌在使用中磨損與灰塵及拍攝儀器的影響以及由于拍攝角度的不同 ， 車牌在圖像中往往有很大的形變 ， 如何在復(fù)雜背景中準確、快速找出車牌的位置成為車牌識別中的難點。 目前已有不少學者在這方面進行了研究 。 總結(jié)起來主要有如下幾類方法 [2]： (1) 基于水平灰度變化特征的方法 ， 這種方法主要在車牌定位以前 ， 需要對圖像進行預(yù)處理 ， 將彩色圖像轉(zhuǎn)換為灰度圖像 ， 利用車牌區(qū)域水平方向的紋理特征進行車牌定位 ； (2) 基于邊緣檢測的定位方法 ， 這種方法是利用車牌區(qū)域豐富的邊緣特征進行車牌定位 ， 能夠進行檢測的方法有多種 ， 如 Roberts 邊緣算子、 Prewitt 算子、Sobel 算子以及拉普拉斯邊緣檢測 ； (3) 基于車牌顏色特征的定位方法 ， 這種方法主要是應(yīng)用車牌的紋理特征、形狀特征和顏色特征即利用車牌字符和車牌底色具有明顯的反差特征來排除干擾進行車牌的定位 ； (4) 基于 Hough 變換的車牌定位方法 ， 這種方法是利用車牌邊框的幾何特征 ， 采取尋找車牌邊框直線的方法進行車牌定位 ； (5) 基于變換域的車牌定位方法 ， 這種 方法是將圖像從空域變換到頻域進行分析 ， 例如采用小波變換等 ； (6) 基于數(shù)學形態(tài)學的車牌定位方法 ， 這種方法是利用數(shù)學形態(tài)學圖像處理的基本思想 ， 利用一個結(jié)構(gòu)元素來探測一個圖像 ， 看是否能將這個結(jié)構(gòu)元素很好的填放在圖像內(nèi)部 ， 同時驗證填放元素的方法是否有效。腐蝕、膨脹、開啟和關(guān)閉是數(shù)學形態(tài)學的基本運算。 這些方法各有優(yōu)缺點，要實現(xiàn)快速、準確地定位車牌 ， 應(yīng)該綜合利用車牌的各種特征 ， 僅靠單一特征很難奏效。本文結(jié)合車牌紋 顏色與數(shù)學形態(tài)學 兩方面的特征對車牌進行定位 ， 對于提高車牌定位準確率提供更有利的保障 。 該方法包括牌照區(qū) 域的粗定位和細定位兩個步驟。在粗定位階段中采用了基于數(shù)學形態(tài)學的定位方法 ， 在得到定位圖像后進行細定位 ， 在細定位中采用車牌顏色特征的方法以獲得最后定位圖像。本方法對在多種光照條件下采集的車輛牌照圖像、車牌本身不潔、或者牌照存在傾斜和扭曲等情形 ， 均能取得較好的定位效果 。 11 車牌特征的信息分析 車牌特征的信息分析 機動車牌照作為機動車的“身份證”，制造和使用都有嚴格的規(guī)范加以明確規(guī)定。根據(jù)中華人名共和國公共安全行業(yè)標準 GA3692，汽車車牌有 10 種。這10 種汽車車牌的幾何外形大小和顏 色信息如下表所示（均、警車牌這里暫時不考慮）。 表 1 車牌特征信息統(tǒng)計 編號 分類 外廊尺寸（ mm） 顏色 1 大型汽車 前： 440 140 黃底黑字黑框線 后： 440 220 藍底白字白框線 2 小型汽車 440 140 藍底白字白框線 3 使館汽車 440 140 黑底白字紅“使”字白框線 4 領(lǐng)館汽車 440 140 黑底白字紅“領(lǐng)”字白框線 5 境外汽車 440 140 黑底白字白框線，或黑底紅字紅框線 6 外籍汽車 440 140 黑底白字白框線 7 教練汽車 440 140 黃底黑字黑框線 8 試驗汽車 440 140 黃底黑字黑框線 9 臨時入境汽車 300 165 白底紅字黑“臨時入境”字紅框線（字有金色輪廓線） 10 臨時行駛汽車 440 140 白底（有哦藍色暗紋）黑字黑框線 另外，民用汽車的好牌上有省、直轄市、自治區(qū)的名稱和發(fā)證及監(jiān)督機關(guān)的代號，編號是英文大寫字母。后面的編號一般 5 位編號，從 0000199999，編號超過 10萬就由 A， B， C 等字母代替。即“ A”代表 10 萬，“ B”代表 11 萬，“ C”代表12 萬，最后一個字母代表 33 萬。英文字母中的 I 和 O 不用，避 免和數(shù)字中的 1和 0 沖突。使館的外籍車牌上的是建交國家的代號，與所在地區(qū)的監(jiān)管機關(guān)編號無關(guān)。 12 在這 10 種汽車中，編號為 9 和 10 的臨時入境和臨近行駛汽車以及使領(lǐng)館汽車由于數(shù)量很少、出現(xiàn)的概率極小，為了簡化算法和節(jié)省時間，忽略這幾種車型的特殊性，認為它們與其他的 7 種汽車車型一致，采用相同的方法進行識別。由于編號為 1 的大型汽車，由于系統(tǒng)的 CCD 攝像頭收集的是汽車頭部的牌照圖像，因此對于大型汽車后車牌的特殊性也可以忽略不計。 本論文中，不考慮車牌在背景色和前景色上的差異，在這些車牌中，大型汽車（前）、 小型汽車、使領(lǐng)館汽車、境外汽車、外籍汽車、教練車和試驗汽車的號牌格式完全一樣，同時，由于小型車數(shù)量最多，出現(xiàn)概率最大，牌照規(guī)范與其它幾種車牌很相似，算法的識別對象最終設(shè)定為小型車。 常見車牌顏色特征的信息 對目前 8種常見車牌（對大型車輛取前置車牌）的顏色分布和格式分布進行分析，可以得出如下結(jié)論： ? 工存在 5 種顏色：黃石、黑色、藍色、白色和紅色； ? 存在 5中前景和背景的顏色組合；黃底黑字黑框線、藍底白字白框線、黑底白字紅“使”（或“領(lǐng)”）字白框線、黑底白字白框線，黑底紅字紅框線； ? 字符顏 色與背景顏色的亮度相差很大：要么亮度高于背景顏色的亮度（藍底白字白框線、黑底白字紅“使”（或“領(lǐng)”）字白框線、黑底白字白框線、黑底紅字紅框線；要么字符顏色低于背景顏色亮度（黃底黑字黑框線），對于這種車牌，其二值化結(jié)果顏色相反，前景字符為黑色，背景為白色，需要進行處理； ? 牌照上的文字由 7 個字符和一個分隔符橫向水平排列組成，字符高度為 90mm，寬度為 45mm，分割符的直徑為 10mm（實際上，每個字符是劇中分布在一個高位 90mm，寬為 45mm 的矩形區(qū)域。） ? 字符和字符之間或字符和分割符之間的距離為 12mm； ? 使館 牌照的間隔符在第 4 和第 5 個字符之間，其余的車牌的間隔符在第 ? 2個和第 3個字符之間。由于使館牌照出現(xiàn)的概率很小，將之視為小型車牌照一種變形情況，不單獨處理，后面提出的車牌格式均值后一種格式情況； ? 從左到右，車牌中每一位的可能字符如下：第 1 位， 30 個省份的簡稱和“使”字，共有 31 個字符（暫時不考慮軍警車）；第 2 位，除去字 13 母“ I”之外的 25個英文大寫字母；第 3位，除去字母“ I”和字母“ O”之外的 24 個英文大寫字母和 10個數(shù)字，共有 34個字符；第 4~6位，10個數(shù)字字符；第 7位， 10個數(shù)字字符和“領(lǐng)”“學”“試”“ 境”，共有 14個字符。字符總數(shù)共有 70個。 ? 觀測和分析車牌外形特點，無論哪種車牌，外輪廓都有一個寬度不大的輪廓線，輪廓線的顏色和字符顏色一致，與背景的亮度差異很大?，F(xiàn)實環(huán)境下，車牌有時安裝后，車輛廠商的商標會遮擋牌照外輪廓線，但商標本身又是一個輪廓線，其亮度與背景的亮度差異也很大，同樣可以利用之。 車牌特征分析結(jié)論 首先，結(jié)合車牌分析結(jié)論，利用其中的特征 6 點可以構(gòu)造牌照字符的格式模型，這個模型在其后的用來指導(dǎo)牌照定位后、字符識別前的字符分割。結(jié)合 GA3692 標準，牌照圖像 的實際大小可能隨著 CCD 攝像頭采集的時機不同而產(chǎn)生一定的縮放，但是總體比例不會發(fā)生大的變化。設(shè)第 1 個字符中心和第 2個字符的中心間距為一個長度單位，以第 1 個字符中心為原點，那么非使館車牌的其余字符中心的橫向位置應(yīng)分別為： 1， ， ， ， 和 ，字符的寬度同樣為 。 其次，利用分析結(jié)論 7，可以利用字符在牌照的排列縮小候選字符的集合規(guī)模，加快識別速度或進行識別后結(jié)果的糾正判別。如果不知道字符在牌照中的排列位置，那么每個位置的候選字符可以達到 70 個，如果知道了它的位置，那 么該位置的候選字符至多有 34 個，尤其是對牌照的第 6 位，候選字符只有10 個數(shù)字。 車牌號碼初定位 牌照的定位 [6]和分割是牌照識別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖象預(yù)處理后的原始灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個圖象中分割出來，供字符識別子系統(tǒng)識別之用，分割的準確與否直接關(guān)系到整個牌照字符識別系統(tǒng)的識別率。由于牌照圖象在原始圖象中是很有特征的一個子區(qū)域，確切說是水平度較高的橫向近似的長方形，它在原始圖象中的相對位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不 同，因而在其邊緣形成了灰度突變的邊界，這樣就便于通過邊緣檢測來對圖象進行分