【文章內(nèi)容簡(jiǎn)介】 邊緣，因而難以準(zhǔn)確定位車牌。為了增強(qiáng)牌照部位圖像和其他部位圖像的對(duì)比度，使其明暗鮮明，有利于提高識(shí)別率，需要將車輛圖像進(jìn)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(duì)灰度區(qū)間進(jìn)行分段拉伸以增強(qiáng)對(duì)比度。如 圖 7 所示。它將輸入圖像中某點(diǎn) ),( 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(kuò) 展至 [t1,t2] ，可采用下述線性變換來(lái)實(shí)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(diǎn)。在汽車牌照?qǐng)D像處理初期，若不能有效抑制或者去除這些噪點(diǎn)，將影響車牌定位的準(zhǔn)確性或者造成無(wú)法定位。通常采用圖像平滑的方法去除噪點(diǎn)。圖像平滑包括空域?yàn)V波和頻域?yàn)V波。其中空域?yàn)V波中采用平滑濾波器的中值濾波去除噪點(diǎn)的效果最好。中值濾波的主要原理是：首先確定一個(gè)以某個(gè)像素為中心點(diǎn)的鄰域，一般為方形鄰域；然后將 jkF 鄰域中的各個(gè)像素的灰度值進(jìn)行排序，取其中間值作為中心點(diǎn)像素灰度的新值，這里的鄰域通常被稱為窗口；當(dāng)窗口在圖像中上下左 右進(jìn)行移動(dòng)后，利用中值濾波算法可以很好地對(duì)圖像進(jìn)行平滑處理。 但實(shí)際中為了簡(jiǎn)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(diǎn)的鄰域 S 有兩種表示方法： 8 鄰域和 4 鄰域分別對(duì)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(diǎn) f(i,j) 之外包括的其它象素總數(shù)，對(duì)于 4 鄰域 M=4， 8 鄰域 M=8。然而，鄰域平均值的平滑處理會(huì)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(diǎn)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(diǎn)才能替換為鄰域平均值，而差值不大于閾值時(shí)，仍保留原來(lái)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(biāo)與目標(biāo) 、目標(biāo)與背景、區(qū)域與區(qū)域（包括不同色彩）之間，邊緣檢測(cè)主要是精確定位邊緣和抑制噪點(diǎn)，其基本思想是首先利用邊緣增強(qiáng)算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強(qiáng)度”，通過設(shè)置門限的方法提取邊緣點(diǎn)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?qǐng)D象的這些特點(diǎn)，再經(jīng)過適當(dāng)?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(jìn)行檢測(cè)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(cè) ； Robert算子定位比較精確，但由于不包括平滑，所以對(duì)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(cè)的圖像邊緣可能大于 2個(gè)像素。這兩者對(duì)灰度漸變低噪聲的圖像有較好的檢測(cè)效果，但是對(duì)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(cè)二階導(dǎo)數(shù)過零點(diǎn)來(lái)判斷邊緣點(diǎn)。 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(xì)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(zhǔn)確、快速找出車牌的位置成為車牌識(shí)別中的難點(diǎn)。 目前已有不少學(xué)者在這方面進(jìn)行了研究 。 總結(jié)起來(lái)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(duì)圖像進(jìn)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(jìn)行車牌定位 ； (2) 基 于邊緣檢測(cè)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(jìn)行車牌定位 ， 能夠進(jìn)行檢測(cè)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(cè) ； (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(lái)排除干擾進(jìn)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(jìn)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(jìn)行分析 ， 例如采用小波變換等 ； (6) 基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法 ， 這種方法是利用數(shù)學(xué)形態(tài)學(xué)圖像處理的基本思想 ， 利用一個(gè)結(jié)構(gòu)元素來(lái)探測(cè)一個(gè)圖像 ， 看是否能將這個(gè)結(jié)構(gòu)元素很好的填放在圖像內(nèi)部 ， 同時(shí)驗(yàn)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(xué)形態(tài)學(xué)的基本運(yùn)算。 這些方法各有優(yōu)缺點(diǎn)，要實(shí)現(xiàn)快速、準(zhǔn)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(xué)形態(tài)學(xué) 兩方面的特征對(duì)車牌進(jìn)行定位 ， 對(duì)于提高車牌定位準(zhǔn)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(xì)定位兩個(gè)步驟。在粗定位階段中采用了基于數(shù)學(xué)形態(tài)學(xué)的定位方法 ， 在得到定位圖像后進(jìn)行細(xì)定位 ， 在細(xì)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(duì)在多種光照條件下采集的車輛牌照?qǐng)D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(jī)動(dòng)車牌照作為機(jī)動(dòng)車的“身份證”，制造和使用都有嚴(yán)格的規(guī)范加以明確規(guī)定。根據(jù)中華人名共和國(guó)公共安全行業(yè)標(biāo)準(zhǔn) 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(shí)不考慮）。 表 1 車牌特征信息統(tǒng)計(jì) 編號(hào) 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(lán)底白字白框線 2 小型汽車 440 140 藍(lán)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(yàn)汽車 440 140 黃底黑字黑框線 9 臨時(shí)入境汽車 300 165 白底紅字黑“臨時(shí)入境”字紅框線（字有金色輪廓線） 10 臨時(shí)行駛汽車 440 140 白底（有哦藍(lán)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(jī)關(guān)的代號(hào)，編號(hào)是英文大寫字母。后面的編號(hào)一般 5 位編號(hào)，從 0000199999，編號(hào)超過 10萬(wàn)就由 A， B， C 等字母代替。即“ A”代表 10 萬(wàn)，“ B”代表 11 萬(wàn)，“ C”代表12 萬(wàn)，最后一個(gè)字母代表 33 萬(wàn)。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(guó)家的代號(hào)，與所在地區(qū)的監(jiān)管機(jī)關(guān)編號(hào)無(wú)關(guān)。 12 在這 10 種汽車中，編號(hào)為 9 和 10 的臨時(shí)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(jiǎn)化算法和節(jié)省時(shí)間，忽略這幾種車型的特殊性，認(rèn)為它們與其他的 7 種汽車車型一致，采用相同的方法進(jìn)行識(shí)別。由于編號(hào)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?qǐng)D像，因此對(duì)于大型汽車后車牌的特殊性也可以忽略不計(jì)。 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(yàn)汽車的號(hào)牌格式完全一樣，同時(shí)，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(shí)別對(duì)象最終設(shè)定為小型車。 常見車牌顏色特征的信息 對(duì)目前 8 種常見車牌（對(duì)大型車輛取前置車牌）的顏色分布和格式分布進(jìn)行分析，可以得出如下結(jié)論： ? 工存在 5 種顏色：黃石、黑色、藍(lán)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(lán)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(lán)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(duì)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(jìn)行處理； ? 牌照上的文字由 7 個(gè)字符和一個(gè)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(shí)際上，每個(gè)字符是劇中分布在一個(gè)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(gè)字符之間，其余的車牌的間隔符在第 ? 2個(gè)和第 3個(gè)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(dú)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(gè)省份的簡(jiǎn)稱和“使”字，共有 31 個(gè)字符（暫時(shí)不考慮軍警車）；第 2 位，除去字 13 母“ I”之外的 25 個(gè)英文大寫字母；第 3 位，除去字母“ I”和字母“ O”之外的 24 個(gè)英文大寫字母和 10 個(gè)數(shù)字，共有 34個(gè)字符；第 4~6 位，10個(gè)數(shù)字字符；第 7位， 10 個(gè)數(shù)字字符和“領(lǐng)”“學(xué)”“試”“境”，共有 14 個(gè)字符。字符總數(shù)共有 70 個(gè)。 ? 觀測(cè)和分析車牌外形特點(diǎn)，無(wú)論哪種車牌，外輪廓都有一個(gè)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(shí)環(huán)境下，車牌有時(shí)安裝后，車輛廠商的商標(biāo)會(huì)遮擋牌照外輪廓線，但商標(biāo)本身又是一個(gè)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(diǎn)可以構(gòu)造牌照字符的格式模型，這個(gè)模型在其后的用來(lái)指導(dǎo)牌照定位后、字符識(shí)別前的字符分割。結(jié)合 GA3692 標(biāo)準(zhǔn)，牌照?qǐng)D像的實(shí)際大 小可能隨著 CCD 攝像頭采集的時(shí)機(jī)不同而產(chǎn)生一定的縮放，但是總體比例不會(huì)發(fā)生大的變化。設(shè)第 1 個(gè)字符中心和第 2個(gè)字符的中心間距為一個(gè)長(zhǎng)度單位，以第 1 個(gè)字符中心為原點(diǎn)，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(shí)別速度或進(jìn)行識(shí)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(gè)位置的候選字符可以達(dá)到 70 個(gè)，如果知道了它的位置，那么該位置 的候選字符至多有 34 個(gè)，尤其是對(duì)牌照的第 6 位，候選字符只有10 個(gè)數(shù)字。 車牌號(hào)碼初定位 牌照的定位 [6]和分割是牌照識(shí)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(gè)圖象中分割出來(lái)，供字符識(shí)別子系統(tǒng)識(shí)別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識(shí)別系統(tǒng)的識(shí)別率。由于牌照?qǐng)D象在原始圖象中是很有特征的一個(gè)子區(qū)域，確切說是水平度較高的橫向近似的長(zhǎng)方形，它在原始圖象中的相對(duì)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(cè)來(lái)對(duì)圖象進(jìn)行分割。