焦蓬蓬,郭依正
(南京师范大学泰州学院,江苏 泰州 225300)
摘 要:本文设计与实现了一种基于数学形态学的车牌定位与分割方法,关键步骤包括:灰度变换、边缘检测、数学形态学处理、基于行列投影的车牌定位、定位后的车牌图像二值化、基于垂直投影的字符分割等。通过在MATLAB上的仿真,验证了方法的有效性。实验结果表明,该方法复杂性低,速度快,适合实时应用。
关键词:车牌定位;数学形态学;字符分割;MATLAB
中图分类号:TP391 文献标识码:A 文章编号:1003-7241(2013)06-0057-03
1 引言
车牌是机动车的唯一标识。车牌识别[1](License Plate Recognition,LPR)是现代智能交通系统(Intelligent Transport System,ITS)的核心。而车牌定位与分割[2]作为车牌识别的关键步骤,其效率高低和准确与否直接决定了整个车牌识别系统的性能。
由于实际采集的车牌图像背景时常复杂多变,再加上天气、光照等自然条件的影响使得采集的图像质量往往差别很大,都增加了车牌定位与分割的难度。对此国内外学者已经作了大量卓有成效的工作[3~5],但目前尚无通用算法适合所有情况。
本文设计实现了一种基于数学形态学的车牌定位与分割方法。首先对灰度变换后的车牌图像进行Robert算子的边缘检测,接着进行数学形态学处理以得到有效连通区域并利用行列投影法进行车牌定位,然后对定位后的图像二值化,最后是基于垂直投影法的字符分割。通过MATLAB的仿真实验,验证了方法的有效性,该方法简单快速。
2 车牌识别流程
车牌识别系统主要功能模块包括五个:图像采集、图像预处理[6]、车牌定位[7]、字符分割[8]和字符识别[9]。车牌图像的采集一般是通过CCD摄像头去捕获;接着要做图像灰度变换、图像增强、滤波去噪、二值化等一系列预处理操作,操作内容往往根据适用场合和实际需要而不同;车牌定位是从预处理后的车牌图像中提取出车牌部分,它直接影响后期字符分割和字符识别的效果,因此非常关键;字符分割是从定位后的车牌中分割出单个字符;字符识别是采用诸如统计识别、句法识别、模糊识别、神经网络、支持向量机等方法将分割后的单字符识别出来。一般为了叙述方便,可以将图像预处理归到车牌定位中。
因识别过程本身又包括特征提取、构造识别方法和学习训练等过程,本文不再述及。本文讨论的重点在车牌定位和字符分割部分,为此设计了一种基于数学形态学的车牌定位与分割方法,流程如图1所示。
3 车牌定位
3.1 灰度变换
3.2 边缘检测
图像的边缘是周围像素灰度发生阶跃变化的那些像素的集合。图像的边缘集中了图像的大量信息,是图像的基本特征。常用的基于一介导数的边缘检测算子有Robert算子、Sobel算子、Prewitt算子等。
文中使用的是Robert算子,其运算相当于运用的模板作为核与图像中的每个像素点做卷积和运算。典型的Robert算子模板如图2所示。
使用Robert算子对变换后的图像做边缘检测,效果如图3所示。
3.3 数学形态学处理
数学形态学是由Matheron G和Serra J在1964年提出的[10],它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状,结构元素的形状就决定了这种运算所提取信号的形状信息。
文中首先用线结构对Robert边缘检测后的图像做了腐蚀运算,因Robert算子定位精度较高,但对噪声的抑制不强,而腐蚀恰恰可以有效消除孤立噪声点。接着用矩形结构做闭运算以获取候选连通区域。效果如图4所示。
由图可见,候选连通区域中有一些伪区域,文中通过设定阈值及利用车牌的先验知识即车牌的宽高比相结合的方法获取有效连通区域,可有效避免了车牌外敏感区域(如车前部的散热器区域,大灯等)的干扰所引起的错误定位。具体是先设定阈值先去掉过小的区域,再利用车牌自身的几何特征进一步获取真正的有效区域。标准车牌宽高比大致在440/140=3.14,这里选取[2.9,3.7]作为判断区间,据此几何特征,可以删除余下的伪车牌区域,最终获取有效连通区域。
3.4 车牌定位剪切
利用行投影检测车牌水平位置,利用列投影检测车牌垂直位置。再做区域裁剪,截取车牌子图像。需要指出的是,如果在数学形态学处理步骤中未去除伪区域,就有可能产生误定位。本步效果如图5所示。
4 字符分割
4.1 车牌图像二值化
4.2 字符分割
最后是基于垂直投影法的字符分割,即将车牌像素灰度值按垂直方向累加,由于字符块的垂直投影必然在字符之间取得局部最小值,所以分割位置应该在局部最小值处。
由于车牌本身的特点,车牌区域中的字符灰度分布有一定的规律,穿过车牌的水平线,其灰度呈现连续的峰、谷、峰的分布,如图7所示。利用这一特征,找到列投影中局部最小值列,以这些列为分界线将车牌分成若干“块”。
5 结束语
本文设计了一种基于数学形态学的车牌定位与分割方法,将Robert算子的边缘检测和数学形态学相结合来确定备选连通区域,再通过阈值和车牌宽高比的结合最终确定有效连通区域。在此基础上,通过行列投影法对车牌做了精确定位。最后将定位后的图像二值化,利用车牌字符灰度分布特征,做了基于垂直投影的字符分割。在Matlab上的仿真实验表明,算法速度快,效果理想。但对更为复杂的车牌如字符有缺损、车牌倾斜、污物干扰等还有待进一步研究。
参考文献:
[1] 姚敏.数字图像处理[M].北京:机械工业出版社.2006.
[2] Shyang-Lih,C.,Automatic license Plate recognition[J].IEEE Transactions on Intelligent Transportation Systems, 2004:l-2.
[3] 谢伟生.车牌定位及字符分割算法的研究与实现[D].成都:西南交通大学.2010.
[4] Fredrik Trobro.Real-time Antomatic License Plate Recognition in Video Streams[D].Lund UniversityｍａｓｔｅｒDegree Thesis.2007.
[5] Zheng D N,Zhao Y N,Wang J X.An efficient method of license plate location[J].Pattern Recognition. 2005,26(15):2431-2438.
[6] 李战明,徐锦钢.车牌号识别系统中的车牌图像预处理研究[J]. 科学技术与工程,2008,8(8):2081-2088.
[7] Danian Zheng,Yannan Zhao,Jiaxin Wang.An efficient method of license plate location[J].Pattern Recognition Letters.2005,26:2431-2438.
[8] 金玲玲,廖芹,汪刘一.汽车牌照的提取方法[J]. 华南理工大学学报(自然科学版),2002,30(7):95~98
[9] 王海姣,李文举,王新年等.基于边缘颜色聚类和神经网络的车牌类型识别[J].计算机工程与应用,2008,44(26):196-198.
[10] 杨帆.数字图像处理与分析[M].北京:航空航天大学出版社.2007.