基于MALTAB的车牌定位技术研究

2013-07-19叶高扬毕冉肖晴箐

中国科技信息 2013年21期

关键词：二值彩色图像车牌

叶高扬毕冉肖晴箐

1.中国矿业大学（北京）电气工程与自动化，北京 10083

2.合肥工业大学信号与信息处理，安徽合肥 230009

3.北京邮电大学软件工程，北京 10083

1. 概述

车牌字符识别已成为智能交通系统的重要组成部分，它可以从复杂的背景中准确地提取、识别汽车牌照、车辆类型等信息，在交通控制和监视中占有很重要的地位。汽车牌照识别的第一步就在于车牌定位，其快速性与准确性直接决定了车牌识别的成功率。针对车辆图像的特征，本文提出了一种车辆图像增强的车牌定位的方法。实验证明，这种方法具有简单、快速、准确的特点。

2. 系统流程图

设计的系统流程图如图1所示。将采集到的彩色图像转化为灰度图像，减少数据量，从而提高整个系统的处理效率，是实时处理的必然要求。图像的增强通过提取灰度图的无效部分，将灰度图与无效部分做差分，从而增强有效部分并且去除很多无用信息。图像的二值化是将图像信息进一步缩减，加快后续处理的速度。取图像边缘和滤波是将图像的轮廓提取出来再将其填充成为连通域。车牌提取从之前形成的连通域中通过条件筛选，确定车牌的位置。去边框和字符分割则是对提取出来的车牌进行进一步处理，得到车牌中的每个字符。

图1 系统流程图

3. 各模块的实现

3.1 输入原始图像

将给定的JPG等格式图像读入系统，并装入内存中等待处理。采集的图像格式很复杂，常用的图像格式有JPEG和BMP，所以必须对图像同时进行格式化处理，将JPEG图像或者BMP图像转换成支持计算机处理的DIB(Device Independent Bitmap)格式的图像。如图2所示。

图2 原始图像

图3 原始灰度图像

3.2 图像灰度化

所有通过摄像头和图像采集卡采集的车辆图像都是彩色图像，彩色图像包含大量对车牌识别而言用处不大的颜色信息，保留这些无用信息不仅在存储上开销很大，而且在处理上会降低系统的处理速度，因此在对图像进行识别等处理的过程中经常首先将彩色图像转变为灰度图像，以加快处理速度。图像灰度化处理方案选择的标准是经过灰度变换后，像素的动态范围变大，图像的对比度扩展，使图像变得更加清晰、容易识别。如图3所示。

3.3 开操作得图像背景

通过将图像模糊化处理得到含有大部分无用低频信息的背景图像，以便之后将其去除。此次开操作即为本次设计的一个重要的创新点，即将往往应用于二值图的开操作应用在灰度图上。其将夜晚车辆牌照的大量影响定位效果的车牌反光所造成的大量杂光所滤去，使其后续操作更加便利，定位效果相对于以前更好。其输出如图4所示。

图4 背景图像

图5 增强灰度图像

3.4 增强灰度图像

原始灰度图像与背景图像作减法，去除一些低频无用信息，保留含有像素跳变的高频信息，从而对灰度图像进行增强处理，方便之后提取出车牌信息。如图5所示。

3.5 图像二值化

对于搜索目标来说，总是希望尽可能地减少背景的像素干扰。图像的二值化处理是将256个灰度级划分为2级，分别表示黑色或白色，图像像素特征值只有0或1。在实用的图像处理系统中，二值图像处理速度高、成本低，在后续的处理中，数据量明显减小，利于用几何学中的概念进行分析和特征描述。在实际的处理系统中，进行图像二值变换的关键是要确定合适的阀值，其是先由用户指定或通过特定算法生成一个阈值，如果图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为0或255，否则灰度值设置为255或0。其输出图像如图6所示。

图6 二值图像

图7 边缘提取后图像

3.6 边缘检测

边缘即目标物体的轮廓，能较清晰地反映目标的形状特征。本质上说，边缘是图像局部特征性不连续点的集合，标志着一个区域的终结和另一个区域的开始。可以通过求梯度在局部最大值对应的点的方法来确定边缘点，去除不是局部最大值的点，从而检测出精确的边缘。获取图像边缘的方法有很多，本程序采用Canny算子提取边缘特征信息。其输出图像如图7所示。

3.7 开闭运算

开运算是一种先腐蚀后膨胀的操作，可消除细小图像块，并在纤细处分离图像块和平滑较大图像块边界；闭运算是一种先膨胀后腐蚀的操作，可填充图像块内细小空洞，连接邻近图像块和平滑边界。对图像做闭运算和开运算，从而滤除图像中与车牌无关的部分，为后续提取车牌提供了方便。其输出的闭运算，及两次的开运算图像分别如图8、图9及图10所示：