【文章內容簡介】 難以提取出車牌 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 (x， y) 的灰 度 f(x， y) ， 通過 映射函數(shù) T， 映射成輸出圖像中的灰 度 g(x ， y) ， 即 : ( g(x， y) = T[f(x， y)] (4) 假定原圖像 f(x， y) 的灰度范圍 為 [sl， s2] 希望變換后圖像 f(x， y) 的灰度范圍擴 展 至 [t1，叫 ， 可采 用 下 述線性變換來實現(xiàn)。 g( 耳 ， y) = [(t 2 t1) I( s 2 s1)]f (x， y) + t1 (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 F jk 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 鄰域分別對應的鄰域平均值 為 : 9 2 3 1， J l 4 表 2 8領 域 表 3 4領 域 4 3 2 5 1， J 1 6 7 8 g(i， j)= 一一 ) :f (i， j) M (杰 s (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 值設置一固 定的閥 值 ， 只有 大 于 該闕值的點才能替換為鄰域平均值， 而 差 值不 大 于 闕值 肘 ， 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 。 Prewi tt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 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。 10 4 車牌定位 車牌圖像往往是在復雜的環(huán)境 中拍攝得到的，車牌 由 于 與復雜的車身背景融 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?？偨Y起來主要有如下幾類方法 問 : (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 圖像進行預處 理 ， 將彩色圖像轉換為灰度圖 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 結構元素來探測一個圖 像 ， 看是 否 能將這個結構元素很 好的填放在圖像內 部 ， 同時驗證填放元素的方法是否有效。腐蝕、膨脹、開啟和 關閉是數(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 4. 1 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 幸牌特征信息統(tǒng)計 編號 分類 外廊 尺 寸 (mm) 顏色 大型汽車 前 : 440X 140 黃底黑字黑框線 后 : 440X220 藍底臼字臼框線 2 小型汽車 440X 140 藍底臼字臼框線 3 使館汽車 440X 140 黑底臼字紅 使 字臼框線 4 領館汽車 440X 140 黑底臼字紅 領 字臼框線 5 境外汽車 440X 140 黑底白字自框線，或黑底紅字 紅框線 6 外籍汽車 440X 140 黑底白字臼框線 7 教練汽車 440X 140 黃底黑字黑框線 8 試驗汽車 440X 140 黃底黑字黑框線 9 臨時入境汽車 300X 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 440X 140 自底 (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 UA 代表 10 萬 ， u B 代表 11 萬 ， uC 代表 12 萬 ， 最后一個字母代表 33 萬。英文字母中的 I 和 0 不 用 ， 避免和數(shù)字中的 1 和 O 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)管機關編號 無關。 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，忽略這兒種車型 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 它兒種車牌很相 似 ，算法的識別對象最終設定為小型 車 。 常 見 牢 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、藍底白字自框線、 黑底白字紅 使 (或 領 )字臼框 線 、 黑底白字臼框 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 (藍底臼字自框線、黑底白字紅 使 (或 領 )字臼框線、黑底臼 字 臼 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 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 45阻，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 90陽 ， 寬 為 45陽的矩形區(qū)域。 ) ? 字符和字符之間或字符和分割符之 間 的距離為 12mm。 ? 使館牌照的問隔符在第 4 和第 5 個 字符之 間 ， 其余的車牌的問隔符在 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 母 1 之 外的 25 個英文大 寫 字 母 : 第 3 位 ， 除去字母 1 和字母 0 13 之外的 24 個英文大寫字母和 10 個數(shù) 字 ， 共有 34 個字 符 。 第 46 位， 10 個數(shù)字字符 :第 7 位 ， 10 個數(shù)字字符和 領 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。 現(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 牌特征分析結論 首 先 ， 結合車牌分析結論，利用其中的特征 王 6 點可以構造牌照字符的 格 式模 型 ， 這個模型在其后的用來 指 導 牌照定位后 、 字符 識 別前 的 字 符 分割。結 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 產生一定的縮 放 ， 但是總體比例不會發(fā)生大 的 變 化。設第 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 分別為 : 1， ， ， ， 和 ， 字符 的寬度同樣為