数字图像处理之车牌提取

车牌提取

本文介绍了车牌定位的各种算法及发展，并利用matlab软件对一幅车头照片进行了车牌区域的定位。

一、前言

数字图像处理技术的发展十分迅速，最初应用在空间探索及医学领域，如今，它已经成为工程学、计算机科学、信息科学、统计学、物理学、化学、生物学甚至社会科学等领域学习和研究的对象。同时，随着我国经济的高速发展，交通变得日益繁忙，对智能交通系统的研究变得十分迫切。利用了图像处理技术的车牌自动识别系统己成为智能交通系统的重要组成部分。

要实现交通智能化，首先要能获得道路交通状况和车辆情况的相关数据，因此车辆牌照的识别智能交通领域的一个重要研究课题之一，是实现交通智能化的一个重要环节。要想准确识别出车牌的数字，首先必须要能在含有车牌的图像中定位出车牌的位置，才能进行进一步的数字分析识别，所以，车牌的定位技术是车牌识别的基础。

二、相关理论介绍

（一）车辆牌照的特点

现在我国车牌有4种类型：

（1）小功率汽车使用的蓝底白字牌照；

（2）大功率汽车使用的黄底黑字牌照；

（3）军、警用的白底黑字、红字牌照；

（4）国外驻华机构使用黑底白字牌照。

这些牌照的长度均为45cm，宽为15cm，共有字符7个。一般民用牌照第一个字符为汉字，且是各省市的简称；第二个字符为大写英文字母，如“E”；第三个字符是英文字母或阿拉伯数字，第四至第七个字符为阿拉伯数字，如“沪E 30265”就是最典型的车牌符号。车牌的位置一般在汽车的下方。

（二）车牌定位算法的发展现状

车牌定位算法分为图像的预处理、车牌的搜索和车牌鉴别定位三部分。

图像预处理就是要获得有用的图像的边缘，并将其二值化；车牌搜索则是搜索整幅图像以得到有可能包含车牌的若干感兴趣区域；车牌定位则是根据车牌的特征对提取出的感兴趣的区域进行鉴别和剔除假的车牌, 从而提取到真正的车牌。

相较于车身其他位置，车牌区域有其自身特点，主要有车牌底色与车身颜色，字符颜色有较大差异；车牌的矩形区域内存在较丰富的边缘，呈现出规则的纹理特征；车牌内字符之间的间隔比较均匀，字符和牌照底色在灰度上存在跳变；图像中牌照长宽比的变化有一定范围等。这些都为车牌定位分割提供了先验知识。但是，摄像机获得的图像含有丰富的自然背景及车身背景信息，易受照明、天气条件及运动失真和模糊的影响，同时由于在野外环境下使用，车牌会有不同程度的磨损、污迹干扰、变形等，这些问题给车牌定位带来了难度。

目前较为成熟的车牌区域定位算法有自适应边界搜索法、区域生长法、灰度图像数学形态学运算法、基于纹理或颜色的分割方法以及模糊聚类法等。

这些方法都有各自的优点，但是在实际应用中也存在着一些不足之处。例如，对于基于纹理的分割方法，图像中很可能不止一个区域具有车牌区域类似的纹理特征，难以准确找到

车牌位置。这些方法对图像也有各种不同的条件限制，如对车牌倾斜度的要求。一旦条件发生变化，车牌定位效果明显下降。应用边缘检测的分割方法时，由于许多汽车前部散热器产生的垂直边缘和某些牌照边框的扭曲或某些汽车牌照没有边框而存在鲁棒性较差的问题。因此，这些算法仍然需要做进一步的改进或与其他技术联合使用。

（三）车牌定位分割算法介绍

通常拍摄的车辆照片是比较大的，车牌部分只是其中很小的一块，因此为了准确的识别车牌，首先要进行车牌定位。自动识别系统是智能交通控制系统的一个重要组成部分，车牌定位是车牌自动识别系统中的较为关键的步骤之一，设计出对车牌大小自适应性强、速度快、准确率较高的车牌定位方法对于整个自动识别系统性能指标有至关重要的影响。车牌定位与分割是车牌识别的前提和准备，其分割效果对后面的识别率有较大的影响。车牌定位与分割又是图像分割中的一个应用。

车牌定位是智能交通车牌识别中的一个很重要的部分，对它的研究一直比较多。目前已有不少学者在这方面进行了研究，提出了各自的车牌定位和分割方法，总结起来主要有如下几类方法：

1、基于颜色的分割方法

这种方法主要利用彩色空间的信息，实现车牌分割。近年来随着计算机技术的飞速发展，很多学者已开始应用彩色图像处理技术进行车牌定位。这些研究改善了车牌的定位效果，但当车牌底色与其周围颜色近似、车牌底色褪色或图像中存在与车牌相似的几何和纹理特征的伪车牌时，有效定位率下降。要想提高车牌定位的可靠性，应充分利用车牌提供的信息，突出车牌区域抑制非车牌区域。已有的车牌定位方法虽考虑了车牌底色的颜色信息，却没有考虑车牌颜色特征的一个重要特点，即车牌背景与字符具有固定的颜色搭配，也就是说车牌字符边缘两侧像素的颜色具有固定的搭配，而如果抓住了这一重要信息，不仅能剥离不符合车牌底色的非车牌区域，而且能够将车牌底色褪色或虽具有和车牌相似的几何及纹理特征但不符合颜色特征的伪车牌剔除。

2、基于纹理的分割方法

这种方法主要利用车牌区域水平方向的纹理特征进行分割。对于基于纹理或边缘的算法来说，车牌图像中很可能不止一个区域具有车牌区域的纹理特征，难以准确找到车牌位置，而且这些方法对图像有各种不同的条件限制,尤其是对车牌倾斜度的要求，一旦条件发生变化，车牌定位效果明显下降。基于颜色空间的分割方法中，彩色边缘算法实际上也是一种边缘检测算法，没有摆脱其局限性，而颜色距离和相似度算法中，没能排除光照强度的干扰。

3、基于边缘检测的分割方法

基于边缘检测和多特征扫描的车牌快速定位方法的特点是首先对图像进行边缘检测，然后对检测出来的图像进行最大类间方差二值化，减少干扰并引入位置信息。随后采用粗定位扫描，获得大致2-3 个候选车牌区域，最后通过细定位方法，即对各个候选区域的一系列左右边界求平均值，再求方差，验证区域是否符合矩形区域这一条件，并加上验证矩形长宽比是否符合条件得到最终的结果。该算法具有运算简便、精度较高的优点。

基于小波分解和亮度矩的车牌定位方法，小波分解及较好的保留了字符边缘信息，又加强了字符与其周围信号的对比度，而亮度矩函数方法对图像进行计算可以更加突出字符与背景灰度值之差，减少误定位分割的可能。

4、基于数学形态学的分割方法

数学形态学的方法主要是用来对二值图像进行一些预处理，它往往要结合其它方法使用，不能单独用来分割车牌。该方法是在HSV 彩色空间中，充分利用车牌图像提供的彩色信息,构造出5 级灰度图，然后采用数学形态学、字频统计方法进行分析和判断,确定并分割出汽车牌照。该方法不受车牌大小、位置以及车牌的背景和光照条件等方面的限制，适用