陳海霞++崔茜

摘 要： 車牌的顏色特征是車牌定位的一個(gè)關(guān)鍵信息。復(fù)雜背景下，直接對(duì)車牌邊緣進(jìn)行分割以達(dá)到車牌的定位比較困難。為解決上述問題，提出了一種復(fù)雜背景下基于顏色的車牌定位方法。此方法通過顏色空間變換，將復(fù)雜背景下與車牌顏色相近的顏色全部保留，濾除其他不符顏色。實(shí)驗(yàn)結(jié)果表明，基于顏色的車牌定位方法，去除了背景顏色及不相干區(qū)域的干擾，可以簡化后續(xù)車牌處理算法，提高車牌定位的精度和速度。

關(guān)鍵詞： 車牌顏色； 復(fù)雜背景； 色彩空間變換； 車牌定位

中圖分類號(hào)： TN911.73?34； TP391.1 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2016）23?0052?03

Research on color?based vehicle license plate location method under complex background

CHEN Haixia1， CUI Qian2

（1. Tonghua Normal University， Tonghua 134002， China； 2. Patent Examination Cooperation Tianjin Center of the Patent Office， SIPO， Tianjin 300304， China）

Abstract： The color feature of vehicle license plate is the key information of vehicle license plate location. Under complex background， it is difficult to locate the license plate by separating the license plate edge directly. In order to solve the above problem， a color?based vehicle license plate location method under complex background is proposed. The color space transformation is used to reserve the color similar to the vehicle license plate color under complex background， and filter out other unmatched colors. The experimental results show that the color?based vehicle license plate location method can eliminate the background color and interference in incoherent area， simplify the subsequent vehicle license plate processing algorithm， and improve the vehicle license plate positioning accuracy and speed.

Keywords： vehicle license plate color； complex background； color space transformation； vehicle license plate location

0 引 言

車輛牌照的精準(zhǔn)定位是車牌識(shí)別的關(guān)鍵。目前對(duì)于車牌的定位方法多種多樣，較常見的方法包括車牌邊緣檢測(cè)[1?5]、紋理特征提取[6?7]、基于灰度跳變的定位方法[8]等?；谶吘墮z測(cè)的方法僅僅靠提取當(dāng)前圖片的邊緣，查找矩形區(qū)域定位車牌[1?3，5]，提取特征單一。復(fù)雜背景下，存在多種形狀區(qū)域，與車牌形狀相似區(qū)域會(huì)干擾車牌邊緣提取，使提取效果不佳，從而產(chǎn)生錯(cuò)誤?；诩y理特征的車牌定位方式[7]，對(duì)于車牌紋理不清晰的圖片來說，無法達(dá)到定位效果，而且這種定位方式對(duì)光照等外界因素要求較高。而基于灰度跳變的定位方法，當(dāng)背景相對(duì)復(fù)雜時(shí)灰度值跳變不明顯，定位效果也會(huì)受到影響[9]。

基于顏色空間的車牌定位是近幾年研究比較多的定位方法。以往研究的定位方法都是對(duì)灰度或二值圖像[9]的處理。先將原始圖片轉(zhuǎn)換到不同空間，例如HSV[8，10]，CIE[11]，YUV[12]等空間，或直接在RGB空間根據(jù)轉(zhuǎn)換后顏色差異呈現(xiàn)的灰度差異，設(shè)定不同顏色所對(duì)應(yīng)灰度的閾值[8，10]，對(duì)灰度圖片進(jìn)行相應(yīng)的處理。這種算法計(jì)算過程復(fù)雜，劃分的灰度級(jí)不明顯，而且灰度圖片不如彩色圖片直觀清晰。

復(fù)雜圖像中存在不同顏色和形狀的物體，這些都會(huì)干擾其中車牌區(qū)域的定位。為了更好地在復(fù)雜背景中定位出車牌信息，本文提出一種通過直接拾取車牌內(nèi)部的彩色信息，將與車牌顏色相同的區(qū)域全部保留，從而完成車牌區(qū)域初步定位的方法。提取出來的部分可以經(jīng)過后續(xù)的邊緣檢測(cè)等其他方法提取車牌邊框，或者分割車牌內(nèi)部字符，準(zhǔn)確識(shí)別車牌內(nèi)部字符信息。這種車牌定位的方法減少了僅用邊緣提取車牌時(shí)，提取的其他相近圖形區(qū)域的干擾。

1 車牌定位過程

本文提出的基于顏色的車牌定位方法，首先采用統(tǒng)計(jì)法確定車牌特征顏色的閾值范圍，再將整幅圖片做HSV空間變換，保存提取出來的顏色區(qū)域，去除其他不相干顏色區(qū)域，然后再通過邊緣檢測(cè)方法進(jìn)行定位。其方法流程如圖1所示。

2 HSV色彩空間

對(duì)于彩色圖片的處理，首先要選擇適當(dāng)?shù)念伾臻g。最常見的顏色空間有RGB空間、CMY空間、HSV空間、YUV空間等。RGB和CMY分別是加法原色和減法原色模型，以原色組合的方式定義顏色。這兩種顏色空間中各自的三個(gè)分量相互影響，一個(gè)分量變化即影響整個(gè)顏色，從而導(dǎo)致人眼對(duì)顏色的識(shí)別改變[13]。因此需要找到一種更好的顏色空間，使其內(nèi)部的分量各自分離，并且對(duì)于每一個(gè)分量來說，相同的處理改變量在不同的取值處引起相同的視覺變化。

本文采用HSV顏色空間，對(duì)顏色進(jìn)行識(shí)別。HSV顏色空間有三個(gè)分量，分別是H（色調(diào)）、S（飽和度）、V（亮度）。色調(diào)H：用角度度量，取值范圍為0°～360°，從紅色開始按逆時(shí)針方向計(jì)算，紅色為0°，綠色為120°，藍(lán)色為240°。它們的補(bǔ)色是：黃色為60°，青色為180°，品紅為300°；飽和度S：是指色彩的純度，越高則色彩越純，低則逐漸變灰，取值范圍為0.0～1.0；亮度V：取值范圍為0.0（黑色）～1.0（白色）。HSV色彩空間示意圖如圖2所示。

RGB到HSV的轉(zhuǎn)換公式[8]為：

[H=未定義，max=min60°×g-bmax-min+0°，max=r并且g≥b60°×g-bmax-min+360°，max=r并且g

式中：[r，g，b]分別表示顏色的[R，G，B]分量；max表示取[r，g，b]中的最大值；min表示[r，g，b]中的最小值。

3 特征顏色提取與車牌定位實(shí)驗(yàn)

取如圖3所示的圖像進(jìn)行顏色提取與車牌定位。

圖片中背景顏色復(fù)雜，形狀、顏色較多，若直接采用邊緣檢測(cè)的方法會(huì)產(chǎn)生許多邊緣干擾，影響車牌定位。同時(shí)出現(xiàn)的兩個(gè)矩形區(qū)域（車牌和路標(biāo)）也會(huì)影響基于形狀的車牌定位方法。圖3中車牌和路標(biāo)的顏色雖然都為藍(lán)色，但是藍(lán)色差別還是比較明顯，采用基于顏色車牌定位方法，可以將與車牌顏色相差較大的藍(lán)色部分濾掉，保留車牌區(qū)域顏色信息。

本文采用統(tǒng)計(jì)方法確定保留區(qū)域的顏色閾值。通過對(duì)同一環(huán)境下50幅不同新舊程度的藍(lán)底白字車牌圖片進(jìn)行車牌底色拾取，發(fā)現(xiàn)藍(lán)色[H]值分布在221～240之間，平均值為227.75，90%藍(lán)色的[H]值與平均值的差值在6以內(nèi)，呈高斯分布。因此，取特征顏色的[H]值以227.75作為閾值。

圖4是對(duì)整幅圖片做HSV變換后，保留閾值范圍內(nèi)的像素點(diǎn)，而將其余像素點(diǎn)均變換為黑色，即[H=0，][S=0，][V=0]的結(jié)果。由圖4可見，與車牌顏色區(qū)域相同的部分被突顯出來，而其余部分被濾除。

對(duì)變換后的圖片進(jìn)行二值化處理[14]，將像素點(diǎn)不為黑色的區(qū)域（[H，S，V]的值不全是0）處理成白色，其他區(qū)域?yàn)楹谏?，二值化后的圖片如圖5所示。以從上至下的順序掃描像素得到的第一個(gè)不為0的行坐標(biāo)和從左至右第一個(gè)不為0的列坐標(biāo)為一個(gè)點(diǎn)的坐標(biāo)；以從下至上掃描像素得到的第一個(gè)不為0的行坐標(biāo)和從右至左第一個(gè)不為0的列坐標(biāo)為另一個(gè)點(diǎn)的坐標(biāo)，以這兩個(gè)點(diǎn)為對(duì)角線做矩形，該矩形區(qū)域即為包含車牌的有效區(qū)域。后續(xù)處理只針對(duì)有效區(qū)域內(nèi)的像素，因此，可以大量節(jié)省運(yùn)算時(shí)間，提高定位速度。在有效區(qū)域中首先用Sobel算子進(jìn)行邊緣檢測(cè)結(jié)果如圖6所示。然后進(jìn)行兩次閉運(yùn)算和兩次開運(yùn)算的數(shù)學(xué)形態(tài)學(xué)處理，使圖像形成一個(gè)個(gè)大小不同的連通域。最后，通過判斷各個(gè)連通域的長寬比，定位出車牌的位置。定位到原圖的圖片如圖7所示。

當(dāng)車牌顏色與車體顏色相差較大時(shí)，此種方法提取的車牌顏色將更加精準(zhǔn)，并且實(shí)現(xiàn)步驟簡單。圖8為車牌顏色與車體顏色相差較大時(shí)的提取效果。

4 結(jié) 論

本文提出了一種復(fù)雜背景下基于顏色的車牌定位方法。首先，通過統(tǒng)計(jì)方法得到車牌區(qū)域顏色特征值。然后，對(duì)圖像進(jìn)行RGB空間到HSV空間的轉(zhuǎn)換，保留特征顏色范圍內(nèi)部分，將非車牌顏色區(qū)域?yàn)V除，獲取有效區(qū)域。最后，在有效區(qū)域中，通過邊緣檢測(cè)和形態(tài)學(xué)處理定位車牌。

通過上述方法進(jìn)行車牌定位可以通過顏色特征快速消除復(fù)雜背景中的無效區(qū)域，去除影響車牌定位的大量干擾因素，從而簡化后續(xù)處理算法并提高車牌定位的速度和準(zhǔn)確度。

參考文獻(xiàn)

[1] 王鈺淞.基于灰度邊緣和車輛顏色對(duì)的車牌定位[J].信息與電腦（理論版），2012（1）：42?43.

[2] 劉小飛.基于邊緣檢測(cè)和形態(tài)學(xué)的車牌定位[J].硅谷，2012（12）：24.

[3] 卓煒，齊春.基于邊緣信息的車牌定位[J].中國科技論文在線，2011，6（4）：305?309.

[4] LALIMI M A， GHOFRANI S， MCLERNON D. A vehicle license plate detection method using region and edge based methods [J]. Computers and electrical engineering， 2013， 39（3）： 834?845.

[5] ZHENG Danian， ZHAO Yannan， WANG Jiaxin. An efficient method of license plate location [J]. Pattern recognition letters， 2005， 26（15）： 2433?2437.

[6] 王曉健.車牌定位與字符分割算法[D].北京：北京郵電大學(xué)，2009：40?51.

[7] 楊海廷.基于紋理特征的車牌識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2005：22?31.

[8] 劉瑞林，楊晨暉.HSV色彩空間中的多閾值車牌定位分割方法[J].福建電腦，2008（1）：14.

[9] 沈勇武，張專.基于特征顏色邊緣檢測(cè)的車牌定位方法[J].儀器儀表學(xué)報(bào)，2008，29（12）：2673?2674.

[10] 王枚，王國宏，潘國華.基于HSV空間的車牌定位方法[J].煙臺(tái)大學(xué)學(xué)報(bào)（自然科學(xué)與工程版），2007，20（1）：49?50.

[11] 鄭成勇.一種CIElab顏色空間中的車牌定位方法[J].五邑大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，24（1）：22?24.

[12] 程增會(huì)，戴祥，唐大鵬，等.一種基于HSI和YUV顏色模型的車牌定位方法[J].計(jì)算機(jī)應(yīng)用與軟件，2011，28（12）：132?134.

[13] 王夏黎，周明全，耿國華.一種基于HSV顏色空間的車輛牌照提取方法[J].計(jì)算機(jī)工程，2004，30（17）：133?135.

[14] 李蘊(yùn)齊.基于小波變換的圖像閾值去噪及其效果評(píng)估[J].東北師大學(xué)報(bào)（自然科學(xué)版），2012，44（1）：60?66.