【導(dǎo)讀】車輛牌照作為行駛車輛的唯一標(biāo)志，在車輛的控制和管理方面有著無可替代的作用。路、城市道路、停車場等項目管理中起著重要的作用。本文著重于研究車牌識別系統(tǒng)中。直投影，去除牌照邊框，分割字符，最后對字符進(jìn)行歸一化處理。

　　

【正文】 濾波在處理二值噪聲時效果更好。但是選取的窗口內(nèi)噪聲點的個數(shù)大于窗口寬度的一半時，中值濾波的效果不好，因此，正確選擇窗口尺寸的大小是用好中值濾波的重要環(huán)節(jié)?？紤]到實際處理的車輛圖像大小為 360*240，而實際可能存在的噪聲點一般都是比較孤立的點噪聲，偶爾的脈沖亮線噪聲比較少，點噪聲的寬度一般都是集中在幾個像素寬度的大小 (車牌出現(xiàn)大范圍面積內(nèi)連續(xù)的污損除外 )，通過試驗對比，本文采用 7*1 的窗口，去噪的效果比較明顯，實際處理的效果也比 較理想。 圖是中值濾波前后的對比圖，運用的 7*1 的窗口模板，從圖中可以看出，處理過后圖像牌照區(qū)域的白色噪聲點被濾除了，依舊保持了牌照的邊緣特性。 車牌定位 在含有汽車牌照 的圖像中，紋理特征是牌照圖像的最基本特征。所謂紋理是指其周圍像 灰度有規(guī)律性階躍變化的那些像素的集合，這個主要是由于牌照區(qū)域內(nèi)背景與字符的顏色差異引起的，車牌底色與牌照字符一般來講是近似反色，在灰度圖像中，兩種顏色的灰度差異相差很大，因此，在牌照區(qū)域內(nèi)會形成明顯的水平方向的明暗相間的紋理特征。所有這些紋理特征就成為牌照定位的主要依據(jù)， 因為牌照區(qū)域的明暗紋理特征一般情況下都是比較明顯的，即使受光照變化的影響，車體某些部位的顏色變化可能比較大的情況下，車牌區(qū)域內(nèi)的字符與背景的顏色差異依然存在，紋理特征依然比較明顯。 本文采用的牌照定位方法充分考慮上述的紋理特征進(jìn)行，主要分為兩個步驟 :基于紋理特征的粗定位和基于二值灰度圖像投影法的細(xì)定位。 紋理特征粗定位 牌照粗定位通過掃描線檢測掃描灰度圖像中灰度跳變點，記錄掃描各行中的灰度跳變點的個數(shù)，當(dāng)掃描行跳變點的個數(shù)滿足一定的條件時，可以判斷為可能的牌照區(qū)域。具體步驟如下所示 : 一、確定 掃描行跳變點 采集到的圖像是一幅二維圖像，可以設(shè)圖像數(shù)據(jù)為 f(x,y)，其中 x, y 為像素點在圖像中橫、縱坐標(biāo)，函數(shù)值表示此坐標(biāo)像素點的灰度值，所以 f(x,y)在點 (x,y) 處的明暗 25 變換率為??????????????????yfxfyxfG )],([ ,其實這個就是圖像中 (x,y)處的梯度。梯度有兩個重要的性質(zhì) : ● 梯度的方向在函數(shù) f(x,y)最大變化率方向上 。 ● 梯度的幅度用 )],([ yxfG 表示， 22 )()()],([yfxfyxfG ?????? 對于離散型的數(shù)字圖像，上市可以寫成 22 )]1,(),([)],1(),([)],([ ?????? jifjifjifjifjifG 在實際的計算中一般簡化為 )1,(),(),1(),()],([ ?????? jifjifjifjifjifG 因為車輛牌照中主要考慮水平方向上面的車輛紋理特征，上式表示在水平和垂直兩個方向上面的梯度變化，在實際的車輛圖像處理中只要考慮水平方向灰度的階躍變化，因此經(jīng)過梯度運算的圖像灰度可以表示為 : 車輛圖像中存在灰度跳變點的部分主要有車前頭燈、車輛牌照區(qū)、車輛標(biāo)志以及由車體本身的顏色差異以及環(huán)境光線變化引起的部位。各個部位灰度跳變的 大小可能不同，一般情況下，牌照區(qū)域灰度跳變還是很明顯的，取一個閥 值 可以有效的減少灰度跳變小的點，進(jìn)而突出牌照區(qū)域。給定一個適當(dāng)?shù)拈y 值△，在 G[f(x,y)]小于閥 值△時賦值為255，大于閥 值△時賦值為 0，這樣在處理后的圖像中灰度跳變點將成為醒目的黑色，其它區(qū)域為白色。圖像轉(zhuǎn)換為二值圖像，即 這樣只要選擇合適的閥值就可以得到相關(guān)紋理邊緣的點，選擇的閥 值應(yīng)該滿足保證處于車輛牌照字符與背景的灰度區(qū)域之間。考慮幾種常見的字符與背景的搭配 :黃底黑字、黑底白字、藍(lán)底白字、白底紅字，按照 RGB 顏色與 YIQ 顏色之間的轉(zhuǎn)換關(guān)系 :Gray=*R+ * G+ *B，其中的白色應(yīng)該為 255，黑色為 0，紅色為255*=77，藍(lán)為 *255=37，黃色為 0. 299*255+0. 587*255+0. 114* 128 =240，所以為了分別上述 的幾種顏色搭配的牌照區(qū)域，可以選擇它們之間的灰度值。黃底黑字 26 的閥 值可以在 [0, 240]區(qū)域內(nèi)，黑底白字在 [0, 255]內(nèi)，藍(lán)底白字在 [37, 255]內(nèi)，白底紅字在 [77, 255]內(nèi)，在這些區(qū)域內(nèi)取交集可以得到分割顏色和背景的閥 值，可以求出此時的交集在 [77,240]之間，為了克服光線變化而造成顏色的 失真，可以把閥 值范圍進(jìn)一步縮小在 [100, 200]之間，這樣仍然有廣闊的閥 值空間可以供選擇。經(jīng)過對于近百幅各種顏色牌照的實驗證明，取這一空間的最小值 100 效果不錯。 圖 42 車牌灰度圖像的粗邊緣檢測 經(jīng)過上面的梯度運算取閥 值方法處理以后，可以看到上面幾幅圖像的處理效果，前兩 幅由于車輛圖像可能的跳變點比較少，處理過后牌照區(qū)域比較明顯 。后面兩幅由于車輛 27 圖像中存在牌照區(qū)域以外的字符跳變區(qū)域，跳變點增多，造成牌照區(qū)域不是很明顯，以下進(jìn)行相關(guān)的紋理分析，以減少非牌照區(qū)域的跳變點個數(shù)。 二、突變點 的紋理特征分析 要分析突變離散點的特征，首先要記錄并統(tǒng)計這些點。位圖文件的數(shù)據(jù)在計算機中是按照從下到上，從左到右的方式排列的。也就是說，從文件中最先讀到的是圖像最下面一行的最左邊第一個像素，然后是左邊第二個像素??接下來是倒數(shù)第二行左邊第一個像素，左邊第二個像素??依次類推，最后得到的是最上面一行的最右邊一個像素。因此在掃描突變點時，可以以行為單位，按照以上的原則進(jìn)行掃描。記錄各行的突變點的個數(shù)以及每一個跳變點所在的行、列以及附近相關(guān)跳變點相應(yīng)的數(shù)據(jù)信息。為此可以將定義行內(nèi)跳變點鏈表如下 : typeddf struct { int ColNum。 //列號 int distance。 //與前一節(jié)點的距離 }LNode。 Typedef CListLnode,LnodeNodeList。 //行內(nèi)節(jié)點鏈表 該數(shù)據(jù)結(jié)構(gòu)可以記錄該行內(nèi)所有突變點所在的列好號以及與前后節(jié)點之間的距離關(guān)系。 行頭節(jié)點鏈表定義如下： typedef struct { int LineNum。 //行號 int distance； //該行內(nèi)突變點的數(shù)量 NodeList*nextPoint。 //指向該行行內(nèi)節(jié)點鏈表首節(jié)點的指針 }LineHead； 該數(shù)據(jù)結(jié)構(gòu)可以記錄該行的行號以及該行內(nèi)的所有突變點的數(shù)量。這樣統(tǒng)計以后，可以充分記錄圖像中跳變點的相關(guān)信息，得到突變點的二值灰度圖像。如上面兩幅圖像突變點過多，為了突出牌照區(qū)域的突變點，可以通過行內(nèi)跳變點鏈表結(jié)構(gòu)的 distant。元素記錄行內(nèi)跳變節(jié)點之間的距離。在 360*240 寬度的圖像中，牌照區(qū)域筆畫的寬度基本是一定的 (實際上以一定角度和高度放置攝像機拍攝到的車輛圖像也一樣 )，大概在 45 28 個像素之間，所以可以取略小于此值的數(shù)值 3。檢測剛 才得到的突變點的圖像，如果行內(nèi)跳變點的距離小于此值的跳變點則可以忽略不計，這樣一來牌照區(qū)域的紋理跳變點將更加突出，為以后的牌照細(xì)定位提供了方便。 引入筆畫的寬度信息后，有效的減少了非牌照區(qū)域跳變點的個數(shù)，增強了牌照區(qū)域的特征信息。第一幅圖中存在 VECO 的標(biāo)志信息，引入了車牌字符寬度信息后，由于此標(biāo)志信息字母筆畫寬度明顯小于車輛區(qū)域牌照字符的寬度，所以跳變點的個數(shù)明顯減少。第二幅中由于光線反射的作用，車牌的號碼反射到車頭的防撞金屬裝置上面，但是由于筆畫寬度相對于牌照區(qū)域字符的寬度較小，突變點個數(shù)較少，突出了牌 照區(qū)域。 三、確定可能的牌照區(qū)域 根據(jù)上述算法統(tǒng)計車輛圖像中各行內(nèi)的突變點個數(shù)。牌照區(qū)域內(nèi)的字符一般為 7 個(有些特殊的車輛牌照除外 )，通過車牌區(qū)域字符的行掃描線在字符的左右邊緣都應(yīng)該至少有一個突變點，所以車牌字符區(qū)域內(nèi)的行內(nèi)突變點的個數(shù)至少為 14 個，考慮漢字字符的筆畫數(shù)較多，字母以及數(shù)字有的也不只兩個突變點，所以通常的情況下，實際行內(nèi)的突變點的個數(shù)往往大于 14 個。設(shè)定行內(nèi)突變點個數(shù)閥 值為 14，掃描這些行，如果出現(xiàn)連續(xù)的行的突變點的個數(shù)大于 14，則記下這些行作為可能的牌照區(qū)域。 29 圖 43 粗定位算法流程圖 牌照細(xì)定位 圖像數(shù)據(jù)賦為 255 輸入 256 色灰度圖 掃描圖像進(jìn)行水平梯度運算 保存原數(shù)據(jù)以及運算后圖像數(shù)據(jù) 圖像數(shù)據(jù)＞設(shè)定閥值 遍歷新圖像 圖像數(shù)據(jù)賦為 0 否 是 存儲二值圖像數(shù)據(jù)并且保存原圖像數(shù)據(jù) 記錄突變點的個數(shù)，行列號，以及突變點之間的距離等信息 節(jié)點距離＜設(shè)定值 保留此突變點 否 是 取消此突變點 保存源圖像數(shù)據(jù)以及新圖像數(shù)據(jù) 并且重新記錄突變點信息 30 經(jīng)過上述的牌照粗定位以后，可能的牌照輪廓已經(jīng)比較容易辨識出來了。這時可以采用水平和垂直的投影方法，精確定位牌照區(qū)域。精確定位可以分為兩個步驟 :牌照水平分割和垂直分割，水平分割截取牌照區(qū)域的所有行，垂直分割在水平分割的基礎(chǔ)上面截取行內(nèi)牌照區(qū)域的所有列，進(jìn)而完成整個牌照的定位分割。 (1)水平分割 粗定位后，車輛的牌照區(qū)域在整個車輛圖像中已經(jīng)是比較容易辨識了，現(xiàn)在對整個二值圖像進(jìn)行水平投影，所謂水平投影就是統(tǒng)計各行內(nèi)黑色像素 點的個數(shù)，然后在水平方向上顯示出來，由于車輛牌照區(qū)域的突變像素點比較多，所以在投影圖中反映的就是這一區(qū)域內(nèi)的對應(yīng)投影直線較長，而且投影直線的長度基本上相當(dāng)。如圖中所示的，牌照區(qū)域的字符投影由于其跳變點 (白色像素 )個數(shù)較多，行內(nèi)突變點個數(shù)變化不大，反映在水平投影圖中就是圖下部的投影，投影的寬度跟字符的寬度相當(dāng)。對于 360*240 大小的灰度圖像，如果攝像機拍攝的角度和安置的高度一定的話，牌照區(qū)域內(nèi)的字符高度基本上不變，在我所拍攝的 100 多幅車輛圖像中，牌照區(qū)域字符的高度一般在 [30， 40]，取 35 掃描水平投影圖 ，檢測到的掃描區(qū)域的投影寬度在 35 士 10 之間，則可以認(rèn)為是真實的牌照區(qū)域，截取此區(qū)域。為了不至于損壞字符，在水平分割過程中將牌照的上下邊界增加 2 個像素的大小。具體的算法流程圖如下 : 31 圖 44 水平分割算法流程 (2)垂直分割 經(jīng)過水平分割后的圖像如上圖所示，垂直分割就是從牌照區(qū)域左右兩端截取該圖像，為此需要確定截取的左右邊界。先對水平分割后的圖像進(jìn)行二值化處理，得到二值化圖像，然后對此二值化圖像進(jìn)行垂直投影，垂直投影就是統(tǒng)計圖像各列的黑色像素的個數(shù) ，在垂直方向上顯示出來，它反映的是黑色像素點在水平方向上面的分布統(tǒng)計。為了確定牌照區(qū)域的左右邊界，可以對投影圖像進(jìn)行逐行掃描。因為牌照區(qū)域中字符的寬度一定，而且字符之間的間距也基本一定。因此牌照區(qū)域投影在投影圖中就是連續(xù)的黑色像素段和白色像素段交替出現(xiàn)。在 360*240 的車輛圖像中，我所拍攝的圖像照片中字符的寬度基本一定，一般大概在 12 士 4個像素的大小，檢測投影圖像的最下面一行，如果黑線段的長度在這個范圍內(nèi)則可以判斷為字符的邊界，從左向右開始搜索，對于 7 個字符的牌照可以找到 7 個這樣的連續(xù)黑線段，記下最左邊一 個黑線段的左邊界和最右邊一個的右邊屆。為了不損壞牌照區(qū)域可以將左邊界減 2個像素單位，右邊界增加 2 個像素單位。 垂直投影后，牌照區(qū)域的字符垂直投影的寬度跟圖像其它部分的投影的寬度相差很多，通過掃描線掃描字符投影的寬度，濾除投影寬度過大或者過小的區(qū)域，得到牌照區(qū)截取圖像并且保存圖像 水平截取失敗 統(tǒng)計水平投影中可能的牌照區(qū)域的寬度 保存原圖像和水平投影后的圖像 掃描圖像進(jìn)行水平投影 輸入粗定位的車牌 寬度在設(shè)定的范圍內(nèi) ？ 是 否 32 域。 具體的算法流程如下所示 : 圖 45 垂直投影分割流程圖 投影分割后的圖像如圖所示： 圖 46 以同樣尺寸截取的 256 色灰度圖： 圖 47 本章小結(jié) 本章在分析了國內(nèi)外多種 牌照定位方法的基礎(chǔ)上，提出了一種基于車牌區(qū)域紋理的輸入水平分割后的圖像 對此圖像進(jìn)行垂直投影 保存原圖像和垂直投影后的圖像 掃描垂直投影圖像，記錄各個投影的寬度 投影的寬度在設(shè)定范圍之內(nèi) 確定為非字符投影 確定為字符投影 否 是 搜索所有的字符投影，確定車牌的右邊界 截取并保存圖像 33 牌照定位方法，對車輛圖像進(jìn)行梯度銳化處理，檢測梯度銳化圖像的突變點，最后對圖像進(jìn)行投影，并結(jié)合牌照字符尺寸特征最終確定了牌照的位置，收到了比較好的定位效果。 34 5 字符分割 與字符識別 車牌的字符分割是在車牌定位的基礎(chǔ)上，對找出的牌照區(qū)域做下一步的處理，定出牌照上每個字符的上下左右邊界，將牌照上的字符完整、準(zhǔn)確地分割下來，作為下一步字符識別的數(shù)據(jù)來源。車牌字符分割是在二值化圖像的基礎(chǔ)上進(jìn)行的，分割過程分兩步 ，先進(jìn)行字符的垂直分割定出每個字符的左、右邊界，后進(jìn)行字符的水平分割定出每個字符的上、下邊界。本論文采用的是