冉令峰
(中國空空導彈研究院,河南 洛陽 471009)
車牌識別系統(tǒng)[1]是現(xiàn)代化智能交通系統(tǒng)中重要的部分,有較好的應用前景和研究價值。
車牌識別系統(tǒng)通常分為3部分:車牌定位[2]、字符分割和字符識別[3]。字符分割準確與否直接決定最終識別的結果,因此車牌字符分割是車牌識別系統(tǒng)中的重要環(huán)節(jié)。
在此利用車牌字符的垂直投影來對車牌字符進行分割,進而可以完成對車牌識別的后續(xù)處理。
實際生活中車牌難免會受到噪聲、褪色或者污漬的影響,這樣對車牌字符分割影響很大,進而車牌識別率也會相應下降。因此要對車牌圖像進行預處理[4],主要包括對車牌圖像的灰度化、灰度拉伸和中值濾波等。
圖像灰度化[5]處理是將彩色 RGB圖像轉化為只有黑白2個顏色的灰度圖像,便于對圖像進一步處理。這里采用加權平均值法進行車牌圖像的灰度轉化處理,如圖1所示。
加權平均值法[6]是根據(jù)實際圖像來分配的像素點紅色R、綠色G、藍色B值的權值[7],然后將3個值進行相加處理,如式(1)所示:
式中,Wr、Wg、Wb分別為R、G、B的權值。權值的選取不同,會產(chǎn)生不同的效果。根據(jù)式(2)得到灰度化圖像。
圖1 彩色圖像灰度轉化
灰度拉伸變換是指依據(jù)圖像灰度直方圖的分布趨勢,將某一段灰度區(qū)間進行拉伸,即線性變換處理,增強圖像的對比度,變換函數(shù)如式(3)所示。
由圖2可以看出,(x1,y1)和(x2,y2)是灰度直方圖中2個變換點的坐標。通過灰度拉伸變換將[x1,y1]線性變換到[x2,y2],增強圖像對比度,其他部分進行壓縮處理。
圖2 灰度拉伸原理
由圖3可以看出,對灰度圖像進行灰度拉伸處理可以使原灰度圖像的黑白色彩更加突出,更容易區(qū)分,圖像對比度更強,更加便于后續(xù)車牌字符分割處理。
圖3 灰度圖像和灰度拉伸
在實際路況中,車牌圖像難免會受到一些噪聲的影響,如果不對噪聲進行處理,對后續(xù)的字符分割將有很大影響。
對車牌灰度圖像進行中值濾波處理的目的是降低噪聲對車牌圖像的影響,去除對圖像影響較大的椒鹽噪聲,同時也將灰度圖像的邊緣信息得到進一步的增強。
中值濾波是用把灰度圖像中的一個像素點的值用該點的一個鄰域中各點的中值來代替,從而消去孤立的噪聲像素點。中值濾波效果如圖4所示。
圖4 中值濾波后的效果
車牌的主要信息除了邊框,就剩下的數(shù)字、漢字和字母共同組成的7個字符,它們的高、寬、高寬比在一定的范圍內(nèi),每個字寬45 mm,字高90 mm,間隔符寬10 mm[8-10]。根據(jù)以上車牌的固有特征,這里提出垂直投影法對車牌字符進行分割。
對車牌灰度圖像進行灰度垂直投影,可知車牌區(qū)域的垂直投影可以清晰地看出7個區(qū)域,即車牌的7個字符灰度圖像的垂直投影,如圖5所示。通過垂直投影圖的特征,分割字符就轉化為只需得到每個區(qū)域的左右邊界即可。
圖5 車牌垂直投影
算法是在車牌字符的垂直投影圖上的橫向從左側到右側依次檢測每1個坐標的投影數(shù)值,將檢測到的投影數(shù)值出現(xiàn)第1個不為零時,那么將這個投影數(shù)值所屬的像素點即看做是第1個投影區(qū)域的左邊界限。然后繼續(xù)向右檢測,將檢測到的投影數(shù)值出現(xiàn)第1個為零時,那么將這個投影數(shù)值所屬的像素點即看做是第1個投影區(qū)域的右邊界限。根據(jù)此算法可以得出其余6個投影區(qū)域的左右界限。垂直投影算法流程圖如圖6所示。
由于雨雪污泥等會使車牌受到污漬的影響,字符也會出現(xiàn)粘連或者斷裂的情況。
依據(jù)算法經(jīng)過處理得到的字符投影塊數(shù)目等于7,同時每個字符投影塊都在標準字符寬度的閾值范圍內(nèi),那么即可進行分割車牌字符;若當檢測到的投影塊數(shù)目小于 7,可知車牌的字符有粘連,則需進一步分割投影塊,直至投影塊數(shù)目為 7,同時滿足字符寬度的閾值范圍;如果投影塊數(shù)目大于 7,可知車牌的字符有斷裂,則需進一步對投影塊進行合并處理,直至投影塊數(shù)目為 7,同時滿足字符寬度的閾值范圍。圖7為無粘連和斷裂字符的分割圖。
圖6 算法流程
圖7 無粘連和斷裂字符分割
根據(jù)實際情況可知,一般車牌字符的通常在投影塊中心區(qū)域出現(xiàn)粘連。通過對投影圖的投影值檢測,可知在出現(xiàn)粘連處的投影值比其他部分小,因此可設置區(qū)域閾值來得到投影圖中的最小值,進而可得到投影圖中出現(xiàn)粘連的部位。算法如下3步:
1)計算出投影圖中投影塊的數(shù)目。
2)若投影塊數(shù)目小于字符數(shù)目7個,那么計算每一個投影塊的寬度Kn,若Kn大于一定閾值,那么在第n個投影塊的中心區(qū)域可以檢測出投影值的最小值,并在此進一步分割該投影塊。
3)重復進行步驟 1)和步驟 2)直至投影圖中的投影塊的數(shù)目等于7,同時每個投影塊的寬度Kn均滿足字符寬度的閾值范圍。
當車牌處于非理想狀態(tài)時,通常也會有的字符斷裂或者連續(xù)性不好,加之一些左右結構的漢字如遼、浙和川等連續(xù)的不好,易受到影響出現(xiàn)字符斷裂的情況,這樣無疑增加了字符分割的難度。
參考車牌每個字符寬度是 45 mm,每相鄰兩個字符的中心線之間的間距也是不變的值,可先檢測出投影圖中每相鄰兩個投影塊之間的間距。若間距小于一定閾值,那么說明這兩個投影塊分別為一個字符投影圖的左右兩個部分,即這個字符出現(xiàn)了斷裂,執(zhí)行塊合并過程。算法如下3步:
1)計算出投影圖中投影塊的數(shù)目。
2)若投影塊數(shù)目大于字符數(shù)目7個,那么計算每一個塊的中線坐標,進而算出每相鄰兩投影塊中線之間的最小距離 Lm。若 Lm小于字符的寬度,那么將第m和m+1投影塊進行合并,同時將投影塊的個數(shù)減少一個。
3)重復進行步驟 1)和步驟 2)直至投影圖中的投影塊的數(shù)目等于7,同時每個投影塊的寬度Kn均滿足字符寬度的閾值范圍。
隨機選取100幅車牌圖像,運用程序對車牌預處理和字符分割,有效分割出93幅車牌字符,有效率達到93%。
在對圖像做灰度拉伸處理時,兩個變換坐標分別選取(50,30)和(200,220),如圖8所示,依據(jù)實際情況也可對界面坐標參數(shù)進行調(diào)整,達到圖像增強的效果。
圖8 灰度拉伸參數(shù)坐標
選取的100幅車牌圖像中有15幅車牌部分受污泥的影響較大,出現(xiàn)某個字符或者某幾個字符的筆畫被遮擋的現(xiàn)象,通過算法處理提高了字符分割的效率。由于部分車牌采集時遇到了雨雪天氣,這樣車牌難免會受到惡劣天氣的影響,如圖9所示車牌中“黑”和“5”字符的部分受到污泥影響,通過處理已經(jīng)可以將其與相鄰字符分割出來。
圖9 斷裂字符的分割效果
首先對車牌圖像進行預處理,通過灰度化、灰度拉伸和中值濾波將彩色圖像轉化為便于處理的灰度化圖像,這是數(shù)字圖像處理的首要步驟。然后用垂直投影圖法對車牌字符進行分割,其他研究者主要研究了識別理想狀態(tài)車牌,但文中卻處理非理想狀態(tài)車牌即字符出現(xiàn)粘連或斷裂情況,提出了關鍵算法,解決了粘連字符和斷裂字符的問題。通過實驗可知,該算法可以根據(jù)實際車牌字符的狀態(tài),有效地分割了車牌字符,為未來的智能車牌識別系統(tǒng)彌補了車牌字符分割的不足。結合車牌出現(xiàn)更復雜的狀態(tài)如字符受到光或噪聲的嚴重污染,還需要做進一步的研究,提出更完善的解決辦法。
[1]SIRTHINAPHONG T.The Recognition of the License plate for Automatic System[J].Processing of the Fifth International Symposium on Signal Processing and Its Applications.1999,23(01):455-457.
[2]劉曉薇.基于聚類分析的車牌定位算法研究[J].通信技術,2008,41(12):265-267.
[3]PARISI R.Car Plate Recognition By Neural Networks And Image Processing[J].Proceedings of the IEEE International Symposium on Circuits and Systems.1998,30(05):195-198.
[4]江少梅.車牌圖像預處理研究[J].中國科技信息,2009,5(02):264-265.
[5]周波,王緒本.復雜環(huán)境下的汽車牌照的定位方法[J].電腦與信息技術,2002,4(03):10-11.
[6]何捷.基于圖像處理對汽車牌照識別系統(tǒng)的研究[D].四川:四川大學, 2004:18-19.
[7]張怡,馮飛,宋冠群.基于 FPGA的圖像預處理縮放算法[J].信息安全與通信保密,2007(01):77-78,81.
[8]羅洪剛,王士林,倪佑生,等.一種用于網(wǎng)絡動畫過濾的文字提取方法[J].信息安全與通信保密,2007(11):66-67,70.
[9]顧晨勤,葛萬成.基于模板匹配算法的字符識別研究[J].通信技術,2009,42(03):220-222.
[10]閆兵,張海朝.改進的基于投影的車牌字符分割算法[J].通信技術,2010,43(05):184-186.