蔣文燕
摘要:車牌識別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一,其對汽車防盜、緩解交通緊張等起到了積極的作用,并具有廣泛的應(yīng)用前景。本文研究了有關(guān)于車牌識別技術(shù)的基本原理。首先,對一幅車輛圖片進行預(yù)處理,包括灰度化、邊緣檢測、腐蝕、填充、形態(tài)濾波;其次,將車牌中的字符分割出來;然后,將分割出的字符與數(shù)據(jù)庫中存儲的字符進行模板匹配;最后,將所匹配的字符依次組合,完成整個車牌的識別。
關(guān)鍵詞:圖像預(yù)處理;車牌定位;字符分割;字符識別;MATLAB;
第一章圖像讀取及車牌區(qū)域提取
1.1圖像的采集與轉(zhuǎn)換
考慮到現(xiàn)有牌照的字符與背景的顏色搭配一般有藍底白字、黃底黑字等,利用不同的色彩通道就可以將區(qū)域與背景明顯地區(qū)分出來。例如,對藍底白字這種最常見的牌照,采用藍色B通道時牌照區(qū)域為一亮的矩形,而牌照字符在區(qū)域中并不呈現(xiàn)。因為藍色(255,0,0)與白色(255,255,255)在B通道中并無區(qū)分,而在G、R通道或是灰度圖像中并無此便利。灰度圖見圖1-1。對于將彩色圖像轉(zhuǎn)換成灰度圖像時,圖像灰度值可由下面的公式[1.2]
計算:G=0.110B+0.588G+0.302R
G=B+G+R3
1.2邊緣檢測。兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣。所謂邊緣,是指其周圍像素灰度有變化的那些像素的集合,它是圖像分割、目標區(qū)域識別等圖像分析領(lǐng)域十分重要的基礎(chǔ),而且在車牌識別系統(tǒng)中提取車牌位置占了很重要的地位。
Roberts算子是一種最簡單的算子,是一種利用局部差分算子尋找邊緣的算子,其采用對角線方向相鄰兩象素之差近似梯度幅值檢測邊緣。檢測垂直邊緣的效果好于斜向邊緣,因此本文使用了Robert算子[3]。
1.3圖像形態(tài)學(xué)的基本原理。(1)圖像形態(tài)學(xué)處理的概念[3]。數(shù)字圖像處理中的形態(tài)學(xué)處理是指將數(shù)字形態(tài)學(xué)作為工具從圖像中提取對于表達和描繪區(qū)域形狀有用處的圖像分量,包括用于預(yù)處理或后處理的形態(tài)學(xué)過濾、細化和修剪等。圖像形態(tài)學(xué)處理中我們感興趣的主要是二值圖像。
在二值圖像中,所有黑色像素的集合是圖像完整的形態(tài)學(xué)描述,二值圖像的各個分量是Z2的元素。假定二值圖像A和形態(tài)學(xué)處理的結(jié)構(gòu)元素B是定義在笛卡兒網(wǎng)格上的集合,網(wǎng)格中值為1的點是集合的元素,當(dāng)結(jié)構(gòu)元素的原點移到點(x,y)時,記為Sxy,為簡單起見,結(jié)構(gòu)元素為3x3,且全都為1,在這種限制下,決定輸出結(jié)果的是邏輯運算,即與,或,非。對Z中的集合A和B,B對A進行腐蝕,腐蝕處理的結(jié)果是使原來的二值圖像減小一圈。
1.4圖像平滑處理。圖像在生成和傳輸過程中會受到各種噪聲源的干擾。抑制或消除這些噪聲稱為圖像的平滑。本文用的是領(lǐng)域平均法消除噪聲。此方法主要缺點是在降低噪聲的同時使圖像產(chǎn)生模糊,特別在邊沿和細節(jié)處,領(lǐng)域越大,模糊越厲害。
為了克服這種平均化引起的圖象模糊現(xiàn)象,我們給中心點像素值與其鄰域平均值的差值設(shè)置一固定的閾值,只有大于該閾值的點才能替換為鄰域平均值,而差值不大于閾值時,仍保留原來的值。從而減少由于平均化引起的圖象模糊1.5牌照區(qū)域的分割。對車牌的分割可以有很多種方法,本程序是利用車牌的彩色信息的彩色分割方法。采用彩色像素點統(tǒng)計的方法分割出合理的車牌區(qū)域,確定車牌底色藍色RGB對應(yīng)的各自灰度范圍,然后行方向統(tǒng)計在此顏色范圍內(nèi)的像素點數(shù)量,設(shè)定合理的閾值,確定車牌在行方向的合理區(qū)域。然后,在分割出的行區(qū)域內(nèi),統(tǒng)計列方向藍色像素點的數(shù)量,最終確定完整的車牌區(qū)域。
第二章車牌字符分割和識別
2.1字符的分割原理。在汽車牌照自動識別過程中,字符分割有承前啟后的作用。它在前期牌照定位的基礎(chǔ)上進行字符的分割,然后再利用分割的結(jié)果進行字符識別。此處采用的方法為尋找連續(xù)有文字的塊,若長度大于某閾值,則認為該塊有兩個字符組成,需要分割。
2.2字符識別與模板匹配法。模板匹配的主要特點是實現(xiàn)簡單,當(dāng)字符較規(guī)整時對字符圖像的缺損、污跡干擾適應(yīng)力強且識別率相當(dāng)高。綜合模板匹配的這些優(yōu)點我們將其用為車牌字符識別的主要方法。
2.3自動識別。本文采用的方法是:用模板庫中的字符圖像矩陣與待識字符圖像矩陣作減法,求最小誤差,即其相似度,將最相似的模板庫中的字符圖像矩陣的代碼作為識別結(jié)果,并顯示出來。
首先取字符模板,接著依次提取待識別字符與模板進行匹配,將其與模板字符相減,得到的0越多那么就越匹配。把每一幅相減后的圖的0值個數(shù)保存,然后找數(shù)值最大的,即為識別出來的結(jié)果。
總結(jié)
本文主要分別從圖像預(yù)處理、車牌定位、字符分割以及字符識別幾個方面對系統(tǒng)進行分析。主要工作內(nèi)容及結(jié)論如下:(1)本文在區(qū)域定位中采用的是邊緣檢測定位算法,具有廣泛的適用性能。(2)本文在字符分割階段采用最常用的基于模板匹配的字符分割,主要是針對在車牌定位,圖像預(yù)處理后比較規(guī)則的車牌圖像。(3)本文在字符識別階段采用的是模板匹配法,即是將要識別的字符與事先構(gòu)造好的模板進行比對,根據(jù)與模板的相似度的大小來確定最終的識別結(jié)果。