叢露微，沈星星

(南京郵電大學(xué)自動(dòng)化學(xué)院 210003)

0 引言

在當(dāng)今社會(huì)，機(jī)動(dòng)車牌號(hào)碼的識(shí)別有著廣泛的應(yīng)用前景，目前這方面的研究很多[1]。車牌號(hào)碼識(shí)別的過程基本可以劃分成3個(gè)環(huán)節(jié)：車牌定位、車牌前景背景分割[2]、車牌識(shí)別[3]。而車牌前景背景分割是車牌識(shí)別系統(tǒng)中較為重要的一個(gè)步驟，分割結(jié)果的優(yōu)良決定了車牌識(shí)別結(jié)果的正確率。

在以往常用的車牌前景背景分割的算法是Otsu算法[4]，該算法在區(qū)分前景背景的步驟中，常用方法是基于前景即字符的面積是小于車牌背景面積。但是在定位面積偏小，或者圖像比較模糊的情況下，該假設(shè)不成立。因此，本文中提出了一種新的基于筆畫特征的區(qū)分車牌前景背景的方法，應(yīng)用在Otsu算法中，以獲得更加準(zhǔn)確的分割效果。

1 圖像分割算法分析

圖1所示為一幅靜態(tài)的車牌圖像其包含特征還是較多的，從顏色來看我國(guó)的車牌號(hào)碼類型，依據(jù)法律規(guī)定有藍(lán)底白字、黃底黑字、黑底黃字等，從形狀來看，一般是長(zhǎng)方形，經(jīng)統(tǒng)計(jì)，長(zhǎng)寬比例符合1:4,因此本文提及的實(shí)驗(yàn)圖像都是歸一化到60×240的灰度車牌圖像。

圖1 靜態(tài)車牌圖像

為了在車牌圖像分割的過程中充分利用車牌圖像中包含的信息。本方法利用了車牌字符寬度信息，即假設(shè)在一幅圖像中的字符寬度是一致的，且其字符筆畫寬度是小于字符間間隙寬度的。

基于上述的假設(shè)，本文中方法基本分為如圖2所示的步驟：

圖2 車牌圖像分割流程圖

1.1 圖像預(yù)處理

在求解圖像邊緣之前，需要對(duì)圖像進(jìn)行預(yù)處理[5]。通過多次實(shí)驗(yàn)，發(fā)現(xiàn)由于漢字字符[6]結(jié)構(gòu)復(fù)雜，其筆畫寬度統(tǒng)計(jì)值對(duì)于總體統(tǒng)計(jì)結(jié)果有較大的影響，因此，首先對(duì)于原圖像計(jì)算垂直灰度，粗略分割，去除漢字字符。處理圖片如圖3所示。

圖3 處理初部圖像

1.2 求解圖像邊緣

為了求解出車牌圖像中的字符筆畫寬度，首先要計(jì)算出圖像邊緣，本方法中使用canny算子[7]計(jì)算圖像邊緣,并細(xì)化，計(jì)算結(jié)果如圖4所示。

圖4 綜合處理后的結(jié)果圖像

1.3 根據(jù)法線方向距離計(jì)算出平均字符寬度

獲得邊緣圖像后，統(tǒng)計(jì)每個(gè)邊緣沿法線方向到達(dá)另一邊緣的寬度，即為筆畫寬度，并計(jì)算筆畫寬度內(nèi)的灰度均值，作為字符平均灰度的標(biāo)示,具體的算法步驟如下：

首先根據(jù)1.2中求得的邊緣圖像[8]，求解法線方向theta。

再根據(jù)起始點(diǎn)和法線方向theta，求解筆畫寬度算法：

令法線方向路徑中的像素為xn；Count 為法線方向上的所有像素綜合；

whilexn不是邊緣

建立xn的下一步矩陣，即xn像素的8-近鄰定義為xni(i=1...8)，如圖5所示。

圖5 邊緣圖像

2 實(shí)驗(yàn)結(jié)果與比較

根據(jù)如上介紹的方法結(jié)合Otsu算法，對(duì)于車牌圖像進(jìn)行分割，并取像素均值接近于筆畫內(nèi)像素均值的為字符區(qū)域。

本文實(shí)驗(yàn)中選擇白底黑字，黑底白字的圖片各50張。使用本文所述方法（記為方法一）與以往常用的按照面積區(qū)分前景背景的方法（記為方法二）相比較其正確率如表1所示。

表1 算法正確率對(duì)比

區(qū)分前景背景算法計(jì)算時(shí)間比較（雙cpu:Core T5600；內(nèi)存：1.5G ），如表2所示。

表2 算法時(shí)效對(duì)比

以上結(jié)論可以看出本方法有效地提高了區(qū)分前景背景的正確率，但是該方法計(jì)算步驟比價(jià)繁瑣,時(shí)間消耗較大，適合對(duì)于實(shí)時(shí)性要求不高的系統(tǒng)。

3 發(fā)展前景和展望

采用本文提出的基于筆畫特征的車牌前景背景分割的方法，對(duì)大量實(shí)際圖像進(jìn)行實(shí)驗(yàn)都得到了較好的分割效果。文中表述的基于筆畫特征區(qū)分車牌前景背景的新方法，其在區(qū)分前景背景的正確率上較以往傳統(tǒng)算法有所提高。但是其計(jì)算運(yùn)行時(shí)間仍然無(wú)法符合系統(tǒng)實(shí)時(shí)性的要求。在以后的研究過程中，可以在算法計(jì)算量上著手，進(jìn)一步改進(jìn)算法，使其適用于實(shí)時(shí)性較高的系統(tǒng)。

[1] 王剛，冀小平.基于MATLAB的車牌識(shí)別系統(tǒng)的研究[J].電子設(shè)計(jì)工程，2009（11）.

[2] 熊春榮，謝妙.基于數(shù)學(xué)形態(tài)學(xué)的車牌分割算法[J].電腦知識(shí)與技術(shù)，2009（24）.

[3] 韓立明，王波濤.車牌識(shí)別中關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2010(17).

[4] 杜亞勤，郭雷.一種遺傳優(yōu)化和Ostu的圖像模糊邊緣特征提取方法[J].計(jì)算機(jī)工程與應(yīng)用，2009(19).[5] 章毓晉.圖像工程（上冊(cè)）：圖像處理[M].北京：清華大學(xué)出版社，2006.

[6] 陳容紅，劉玉娟.車牌識(shí)別系統(tǒng)中字符分割技術(shù)研究[J].制造業(yè)自動(dòng)化，2010（5）.

[7] 陳強(qiáng)，朱立新.結(jié)合Canny算子的圖像二值化[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2005(6).

[8] 熊哲源，樊曉平，黎燕.基于數(shù)學(xué)形態(tài)學(xué)邊緣檢測(cè)的車牌字符分割算法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2010（9）.