【文章內(nèi)容簡(jiǎn)介】 ，使圖像的邊界向內(nèi)收縮，具有收縮圖像的作用。簡(jiǎn)單地講就是用結(jié)構(gòu)元素對(duì)一幅圖像進(jìn)行某種操作，通過(guò)這種操作可以消除圖像內(nèi)部不相關(guān)的細(xì)節(jié)。定義結(jié)構(gòu) A 被結(jié)構(gòu) B 腐蝕表示為 AΘ B，數(shù)學(xué)形式可表示為： (23) 10 (3)開運(yùn)算 該運(yùn)算是先進(jìn)行腐蝕運(yùn)算再進(jìn)行膨脹運(yùn)算的結(jié)合過(guò)程，作用是可以消除圖像中一些孤立的毛刺以及小點(diǎn)，同時(shí)可以連通兩塊或幾塊區(qū)域中的小點(diǎn)，使較大物體圖像的邊界得到平滑，同時(shí)，總的位置和形狀沒(méi)有改變。定義結(jié)構(gòu) A 被結(jié)構(gòu) B 腐蝕表示為 A o B，數(shù)學(xué)形式可表示為： BBABA ??? )(? （ 24） (4)閉運(yùn)算 和開運(yùn)算過(guò)程相反，即先膨脹后腐蝕。該運(yùn)算的作用是填平小孔，連接臨近物體圖像，平滑物體圖像邊界，結(jié)果是總的位置和形狀不變。定義結(jié)構(gòu)A 被結(jié)構(gòu) B 腐蝕表示為 A● B，數(shù)學(xué)形式可表示為： BBABA ???? )( （ 25） 邊緣檢測(cè) 邊緣檢測(cè)是一種對(duì)圖像進(jìn)行定位、分割和提取的重要方法，其主要是對(duì)圖像的邊界進(jìn)行分析，可以大幅度地減 少了數(shù)據(jù)的運(yùn)算量，并且可以剔除一些不相關(guān)的信息，這樣子就保留了圖像原本的一些重要的結(jié)構(gòu)屬性。目前廣泛使用的邊緣檢測(cè)的方法有以下幾種： Robert 算子， Sobel 算子， Canny 算子， Prewitt 算子， log 算子等。在本文的仿真中，采用的是： Robert 算子對(duì)圖像進(jìn)行邊緣提取，下圖為 Robert 算子邊緣提取圖像，如圖 25 所示。 圖 25 Robert 算子邊緣檢測(cè)圖 11 車牌定位算法介紹 車牌定位就是將車牌圖像從整個(gè)待處理的圖像中定位分割出來(lái)。由于車牌字符的多樣性以及車牌背景的復(fù)雜性，使得車牌定位 成為車牌識(shí)別過(guò)程中關(guān)鍵的一步，目前還沒(méi)有通用的定位算法?，F(xiàn)在常用的車牌定位算法有基于字符紋理的定位、基于數(shù)學(xué)形態(tài)學(xué)的定位、基于邊緣檢測(cè)的定位、基于顏色空間的定位等方法。下面對(duì)這些算法進(jìn)行比較如表 21 所示。 表 21 字符定位算法比較 方法 復(fù)雜度 穩(wěn)定性 紋理特征定位法 簡(jiǎn)單 定位較精確，應(yīng)用廣，缺點(diǎn)是容易受到車牌圖像質(zhì)量的影響，造成車牌定位失敗 數(shù)學(xué)形態(tài)學(xué)定位法 簡(jiǎn)單 不受噪聲影響，不依賴圖像的狀況，定位較精確，適用于對(duì)車牌區(qū)域進(jìn)行粗定位，缺點(diǎn)是對(duì)車牌圖像的背景環(huán)境有一定要求 邊緣檢測(cè)定位法 簡(jiǎn) 單 不受圖像形態(tài)如傾斜等情況的影響，定位分割較精確，速度快，適合對(duì)車牌進(jìn)行粗定位 顏色空間定位法 較復(fù)雜 根據(jù)車牌字符與背景顏色的差別，進(jìn)行車牌區(qū)域定位，定位準(zhǔn)確度較高，缺點(diǎn)是車牌顏色和車身顏色要有一定的對(duì)比度 12 第三章 汽車牌照字符分割方法研究 車牌字符的一般特征分析 在對(duì)車牌字符進(jìn)行分割之前，先分析一下車牌中字符的一般特征，為后面進(jìn)行字符的分割打下基礎(chǔ)。中國(guó)的車輛牌照一般由三種字符組成：漢字、英文字符、阿拉伯?dāng)?shù)字。牌照的規(guī)格也各不相同，各種字符的組合多種多樣，概括起來(lái)具有以下一些特征： ①車牌 中均為七個(gè)字符，常規(guī)情況第一個(gè)字符為漢字，第二個(gè)字符為字母，第三個(gè)到第七個(gè)字符為字母或者數(shù)字； ②車牌中七個(gè)字符的外接矩形相同，高度和寬度的比例相同（除“ 1”外）； ③車牌的牌照架，以前是根據(jù)車主的要求牌照架有所不同，有的還沒(méi)有安裝牌照架，這不適合利用邊框信息進(jìn)行字符分割。 ④由于多種原因，比如車牌的磨傷和破壞，使得在進(jìn)行二值化處理的時(shí)候，字符不連續(xù)斷裂或者粘連在一起； ⑤攝像機(jī)在采集車牌圖像的時(shí)候，由于曝光、焦距等原因，不是字符的區(qū)域會(huì)成為高亮度區(qū)域； ⑥車牌上面有安裝的柳釘，在處理的時(shí)候也會(huì)受到它的影響 。上述特點(diǎn)只有第一條對(duì)字符分割有所幫助，第二條到第六條都給字符分割增加了困難。 字符分割方法研究 對(duì)字符分割技術(shù)的研究從 20 世紀(jì) 70年代研究目前常用的車牌字符分割算法主要有兩種，分別是垂直投影法和連通域法。 基于垂直投影的字符分割算法 由于字符塊在豎直方向上的投影不僅在字符間取得局部最 小值，而且在字符內(nèi)的間隙處也能取得局部最小值。因此，字符的正確分割位置應(yīng)該在上述局部最小值的附近，并且這個(gè)位置應(yīng)滿足車牌字符的書寫格式、字符的尺寸限制等條件?；诖怪蓖队暗淖址指钏惴ㄊ窃谲嚺普諈^(qū)域垂直投影圖上從左至右檢測(cè)各坐標(biāo)的垂直投影數(shù)值，當(dāng)找到第一個(gè)局部最小點(diǎn)的時(shí)候，認(rèn)為這個(gè)點(diǎn)是最左面字符的邊界；然后，在水平方向上從右至左檢測(cè)坐標(biāo)的 13 垂直投影數(shù)值，當(dāng)找到第一個(gè)局部最小點(diǎn)的時(shí)候，認(rèn)為這個(gè)點(diǎn)是最右面字符的邊界；得到兩邊字符的邊界之后，用同樣方法可以找到每個(gè)字符的邊界。 基于垂直投影法字符分割的步驟為： （ 1）計(jì)算車牌二值圖像的垂直投影圖，并歸一化到合適的范圍。 （ 2）從左到右取投影圖外圍包絡(luò)線的波谷點(diǎn)，并將這些波谷點(diǎn)按照橫坐標(biāo)值升序排列。 （ 3）根據(jù)各波谷點(diǎn)的縱坐標(biāo)以及相鄰波谷點(diǎn)橫坐標(biāo)的差值對(duì)所有的波谷點(diǎn)進(jìn)行取 舍，并將取舍后的波谷點(diǎn)依序重新排列。 （ 4）從波谷點(diǎn)序列中選取最左和最右的波谷點(diǎn)，作為車牌第一和最后一個(gè)字符的分割界限，并計(jì)算兩波谷點(diǎn)的距離作為車牌的長(zhǎng)度。 （ 5）由波谷點(diǎn)序列及評(píng)判函數(shù)來(lái)確定其余各字符最佳的分割點(diǎn)，并對(duì)各字符進(jìn)行分割。 （ 6）輸出分割后的字符圖像。 從計(jì)算過(guò)程可以看出，該算法對(duì)字符因斷裂分成上下兩個(gè)部分的情況有較強(qiáng)的糾錯(cuò)能力。但是，當(dāng)字符因斷裂而形成左右兩個(gè)部分時(shí)，在計(jì)算波谷點(diǎn)時(shí)，該算法就會(huì)出錯(cuò)。因此，可以利用一些先驗(yàn)知識(shí)來(lái)做進(jìn)一步的處理，通過(guò)最左和最右邊兩個(gè)字符的邊界估算出整個(gè)車牌區(qū)域的 寬度，標(biāo)準(zhǔn)車輛牌照由 7 個(gè)字符組成，大約 8 個(gè)字符寬，可以利用這些先驗(yàn)知識(shí)估計(jì)出每個(gè)字符的大概寬度，然后把切分過(guò)度的字符進(jìn)行合并，這樣可以改進(jìn)切分效果。 基于連通域的字符分割算法 車牌上的字符除了第一個(gè)是漢字外，其它的都是字母或數(shù)字，即在理想狀態(tài)下是“全”連通的。因此，可以使用連通域的方法對(duì)車牌進(jìn)行字符分割。連通域算法的思想是：對(duì)車牌圖像的二值化圖像進(jìn)行掃描，標(biāo)記連通域，將不符合車牌字符特征的連通域刪除，對(duì)保留的連通域使用某種評(píng)判函數(shù)進(jìn)行評(píng)判，選取合適的連通塊作為切割后車牌字符。 基于連通域算法的步 驟可描述為： （ 1）找到圖像的所有連通域，然后確定對(duì)每個(gè)連通域的起動(dòng)和結(jié)束位置，構(gòu)成最少矩形區(qū)包含連通域，表示為 A(i) i=1,2? n， n 為連通域總數(shù)。 （ 2）計(jì)算的每矩形地周圍邊境，并分別記為 A(i)l和 A(i)r。 （ 3）按順序從左到右，跟隨每個(gè)矩形，相比矩形左右邊界利用合并、分割算法將過(guò)小區(qū)域合并、過(guò)大區(qū)域分割。然后，依據(jù)每個(gè)區(qū)域的坐標(biāo)位置 14 重新組織所得的區(qū)域。 （ 4）利用評(píng)判函數(shù)將最佳分割位置選取出來(lái)，進(jìn)行字符分割。 （ 5）輸出分割后的字符圖像。 但在實(shí)際情況中，由于實(shí)際車牌圖像通常會(huì)有噪聲，產(chǎn) 生字符的斷裂和交疊等情況，因此，單憑連通域很難取得滿意的結(jié)果。于是提出了許多改進(jìn)方法，例如二值化方法的改進(jìn)，使二值化圖像盡量避免字符的粘連和斷裂。也可以考慮利用車牌本身的先驗(yàn)知識(shí)對(duì)連通域進(jìn)行合并或者切分。另外，對(duì)字符粘連所產(chǎn)生大的連通域可以考慮重新選取閾值再進(jìn)行切分的方法。 基于垂直投影和優(yōu)割字符分割方法 由于垂直投影法對(duì)車牌照字符的切分容易產(chǎn)生過(guò)度切分，將一個(gè)字符切分成兩個(gè)，而連通域法由于受到二值化算法的限制，容易產(chǎn)生字符粘連，產(chǎn)生大的連通域。綜合分析以上算法，本文研究了一種基于垂直投影和優(yōu)割字符的 字符分割算法，該算法綜合了垂直投影法和連通域法的優(yōu)點(diǎn)。首先將圖像二值化，計(jì)算垂直方向上的投影圖；再利用字符的高度信息來(lái)確定優(yōu)割字符；最后由優(yōu)割字符生成各種可能的分割結(jié)果，計(jì)算評(píng)判函數(shù)代價(jià)，選擇代價(jià)最小的組合作為輸出的分割結(jié)果。 圖像預(yù)處理 傾斜校正和水平切割后，需要牌照?qǐng)D像二值化，轉(zhuǎn)化為黑底色白字對(duì)不同顏色的牌照處理，采用 CASDA 算法進(jìn)行二值化處理，然后計(jì)算二值化后的圖像垂直投影，結(jié)果如圖 31 所示。 (a) 水平切割圖像 （ b）二值化圖像 15 （ c）垂直投影圖像 圖 31 二值圖像的 垂直投影圖 字符垂直切分法 從圖 31 可以看出，二值化圖像有嚴(yán)重?cái)嗔选⒄尺B和邊框等干擾噪聲的存在，如果直接采用傳統(tǒng)的垂直投影或者連通域的方法進(jìn)行分割，則很難達(dá)到準(zhǔn)確分割的目的。為此，本文提出一種優(yōu)割字符的方法，并將其用于垂直分割算法。 （ 1）優(yōu)割字符確定 通過(guò)垂直投影法和連通域法可知，連通域法是在車牌的二值化圖像中尋找外接矩形或中心點(diǎn)符合標(biāo)準(zhǔn)車牌的區(qū)域，而投影法是在車牌的二值化圖像的垂直投影圖中尋找投影寬度或“波谷”符合的標(biāo)準(zhǔn)車牌的區(qū)域。假設(shè)車牌圖像在二值化過(guò)程中某一字符有下列某種情況：①如果 發(fā)生字符斷裂，使字符分成上下兩個(gè)部分，那么使用連通域算法進(jìn)行字符分割時(shí)，會(huì)將一個(gè)字符判別為兩個(gè)字符，而使用垂直投影算法則不受此影響。②如果發(fā)生字符斷裂，使字符分成左右兩個(gè)部分，那么，不論使用連通域算法還是使用垂直投影算法都不能準(zhǔn)確確定該字符。③如果發(fā)生字符粘連，使兩個(gè)或兩個(gè)以上字符發(fā)生粘連或字符和邊框發(fā)生粘連形成一個(gè)連通部分，那么使用連通域算法進(jìn)行字符的確定就會(huì)失敗，而使用垂直投影算法則應(yīng)通過(guò)垂直投影圖的閾值來(lái)排除這種情況，而在一般情況下這個(gè)閾值很難確定。⑤對(duì)于外形特殊的字符，例如字符“ 1”，通過(guò)連通域方法 的中心點(diǎn)可以很好的確定出字符的位置，而投影法常常無(wú)能為力。為此，引入優(yōu)割字符的概念。優(yōu)割字符即在車牌的二值圖像的垂直投影圖中，尋找滿足區(qū)域連通，且寬度與車牌高度的比值介于 與 之間的投影區(qū)域。因?yàn)樵谒浇缇_確定以后，圖像的高度即為字符的高度，由理想車牌的先驗(yàn)知識(shí)可知，車牌中字符的高寬比為 2： 1。因此，可以確定字符的寬度約為 倍的車牌圖像寬度。 在確定出優(yōu)割字符寬度之后，在車牌圖像二值化圖像的垂直投影圖中， 16 將符合優(yōu)割字符條件的區(qū)域進(jìn)行標(biāo)注，這些區(qū)域?yàn)樽址指顣r(shí)的優(yōu)先選擇區(qū)域。然后，對(duì)垂直投影圖進(jìn) 行掃描，將位于兩個(gè)優(yōu)割字符之間且寬度大于一個(gè)優(yōu)割字符寬度的空隙進(jìn)行優(yōu)割字符填補(bǔ)，這樣就得到了一系列連續(xù)的優(yōu)割字符。 （ 2）標(biāo)準(zhǔn)模板的生成 在確定了分割的優(yōu)割字符之后，即確定了字符的高度和寬度，可由車牌的先驗(yàn)知識(shí)生成理想的車牌結(jié)構(gòu)，包括各字符的位置以及字符的中心點(diǎn)距離等。 （ 3）字符的試探分割算法 本算法首先從垂直投影圖中的所有優(yōu)割字符出發(fā)進(jìn)行試探分割。由于優(yōu)割字符并不一定就是最后分割出的字符，有時(shí)車牌的邊框等也滿足優(yōu)割字符的條件，但它并不是一個(gè)車牌字符，因此，需要將這些偽字符在后續(xù)處理中剔除。試探法計(jì)算過(guò)程 描述如下：計(jì)算獲得的優(yōu)割字符的平均寬度，以該寬度值作為車牌字符的理想寬度，然后結(jié)合車牌的高度以及車牌的句法特征，構(gòu)造出理想的車牌模板。保證車牌模板在實(shí)際車牌區(qū)域中，依次選取優(yōu)割字符，并以該優(yōu)割字符依次作為實(shí)際車牌的七個(gè)字符，結(jié)合其余的優(yōu)割字符來(lái)構(gòu)造出實(shí)際分割車牌，最后利用前面所構(gòu)造的車牌模板與當(dāng)前構(gòu)造出的實(shí)際分割車牌進(jìn)行覆蓋匹配，試探過(guò)程如圖 32 所示。 圖 32 試探分割對(duì)比 在每次試探分割后由評(píng)判函數(shù)評(píng)判本次的可信度，在全部試探完成后選擇可信度最大的分割作為最終的分割結(jié)果。由于車牌自身?xiàng)l件的約 束，評(píng)判都是在很少的次數(shù)內(nèi)結(jié)束，評(píng)判次數(shù)由車牌粗定位的效果決定，如果車牌定位后的圖像中車牌左右殘留部分較大，那么字符分割的評(píng)判次數(shù)就多，反之次數(shù)很少。一般評(píng)判次數(shù)為 2～ 3 次，最多不超過(guò) 5 次，可以滿足實(shí)時(shí)車牌識(shí)別系統(tǒng)的要求。 17 評(píng)判函數(shù)定義如下： (31) 其中，函數(shù) 表示車牌中除第 3 個(gè)字符的間距是最大的，其它字符間距都是均等這一特征： s2 表示的是第 3 個(gè)字符的間距與其它字符間距的誤差之和； 表示標(biāo)準(zhǔn)模板的字符與車牌各個(gè)字符中心點(diǎn)的匹配情況，其中 y是模板與實(shí)際車牌中各個(gè)字符中心距離的方差； 是表示優(yōu)割字符可能是一個(gè)實(shí)際車牌的字符， M 表示滑動(dòng)匹配過(guò)程中采用的優(yōu)割字符數(shù)量。 字符分割結(jié)果調(diào)整方法 對(duì)于個(gè)別車牌，當(dāng)?shù)谝粋€(gè)或者最后一個(gè)字符不是優(yōu)割字符時(shí)，也就意味著該字符是一個(gè)插入形成的字符，此時(shí)，需要對(duì)該字符進(jìn)行字符空隙及字符寬度的調(diào)整。調(diào)整的方法為：首先計(jì)算除該字符外的其余六個(gè)字符的平均字符寬度及平均字符空隙寬度。然后，判斷該字符距前后一個(gè)或者前一個(gè)字符的空隙的寬度是否等于所計(jì)算的平 均空隙寬度，如果相等則不進(jìn)行調(diào)整，否則將該字符與后一個(gè)或前一個(gè)字符的空隙寬度設(shè)置為所計(jì)算出的平均空隙寬度。同理，如果該字符的寬度不等于計(jì)算出的平均字符寬度，則將該字符寬度設(shè)置為計(jì)算出的字符平均寬度。 在將每個(gè)字符分割出來(lái)之后，還需對(duì)其進(jìn)行大小歸一化和亮度歸一化，以便于下一步的特征提取和神經(jīng)網(wǎng)絡(luò)識(shí)別。本文將所有分割出的字符圖像全部歸一化為 16 32 大小，并采用 POSHE 算法對(duì)字符圖像進(jìn)行亮度歸一化。圖像的分割結(jié)果如圖 33 所示。 圖 33 圖像的分割結(jié)果 從上圖的結(jié)果中可以看出，分割的效果較好，消除了 字符粘連、斷裂和車牌邊框影響，對(duì)下