基于形態學邊緣檢測的超速車輛牌照定位方法

摘 要：在復雜背景下，實現牌照的快速定位是目前車牌識別領域亟待解決的問題。針對超速車輛抓拍圖像的特點，以數學形態學為理論基礎，進行邊緣檢測區域選取。通過實際工程運用，表明該方法具有穩定和適應性好的優點，能夠精確定位牌照區域。

關鍵詞：車牌識別; 超速; 數學形態學; 邊緣檢測

中圖分類號：TP391.41 文獻標識碼：A

ASpeedingvehicle Plate Localization Method Based on the Morphological Edge Detection

JIA Yuzhen， XIAO Fei， JIN Bing

(Software School， NanYang Institute of Technology， NanYang 473004， China)

Abstract:Under complex background， a problem need to be solved urgently is to realize fast license plate locating. According to the characteristics of vehicle image speeding， with tapes of mathematical morphology based on edge detection， regional selection.Through the practical engineering application， indicate that this method is stable and good adaptability， can accurate positioning licence.

Key words:license plate recognition；speeding;mathematical morphology; edge examination

1 引 言

車輛牌照定位是車牌識別技術的重要組成部分，目的是在原始的車輛圖像上盡量準確的確定一個包圍車牌區域的盡量小的子圖像，對后續的各種處理有助于排除非車牌區域圖像信息的干擾，可以說車輛牌照定位準確與否直接關系到后續工作能否順利進行。許多文獻^［1-4］給出了多種定位方法，但在實際工程項目中還要根據應用情況進行改進。

本文根據公路上復雜的自然環境中超速車輛抓拍圖像的特點，提出了基于形態學的車輛牌照定位算法，并用VC++編程語言進行實現，給出相應的結論。

2 數學形態學基礎及邊緣檢測

2.1 數學形態學基礎

數學形態學是一種非線性濾波方法，有完備的數學基礎，對圖像處理具有直觀上的簡明性和數學上的嚴謹性，能定量描述和分析圖像的幾何結構，因此非常適合抑制噪聲、特征提取、邊緣檢測等圖像處理問題，在圖像處理領域得到了越來越廣泛的應用。

形態學的基本運算主要有膨脹、腐蝕、開運算和閉運算^［4-6］。基于這些基本運算可以推導和組合成各種形態學運算。二值形態學中的運算對象是集合，通常給出一個圖像集合和一個結構元素集合，利用結構元對圖像進行操作，假設f是圖像集合，B是結構元素，數學形態學運算將使用B對f進行操作。

利用結構元素B對圖像f作開運算，表示為γB(f)，其定義為利用結構元素B腐蝕f，然后利用結構元素B的反射B⌒作膨脹：

γB(f)=f°B=(fΘB)B=δB⌒［εB(f)］ (1)

利用結構元素B對圖像f作閉運算，表示為φB(f)，其定義為利用結構元素B膨脹f，然后利用結構元素B的反射B⌒作腐蝕：

φB(f)=fB=(fB)ΘB=εB⌒［δB(f)］ (2)

結構元是一個用來定義形態操作所用到的鄰域的形狀和大小的矩陣，該矩陣由O和1組成，可以有任意的大小和維數，數值1代表鄰域內的象素，形態學是對數值為1的區域進行的運算。

從幾何角度來看，膨脹是目標肢體的擴張過程。腐蝕運算使目標肢體收縮，消除圖像中小的部分。開運算能對圖像輪廓進行平滑，去掉圖像的凸角。閉運算也能平滑圖像的輪廓，與開運算相反，通過去掉小洞，填充圖像的凹角點來平滑圖像。開、閉運算都可以除去比結構元素小的特定圖像細節。

2.2 形態學邊緣檢測

邊緣檢測是灰度圖像分割廣泛使用的一種技術，由于區域邊緣上的像素灰度變化比較劇烈，基于此來檢測不同區域的邊緣，進而實現圖像的分割。邊緣檢測方法是利用圖像一階導數的極值或二階導數的過零點信息來提供判斷邊緣點的基本依據。經典的邊緣檢測方法是構造對圖像灰度階躍變化敏感的差分算子來進行圖像分割，例如Robert算子、Sobel算子、Prewitt算子、Laplacian算子等，這些算子大都是基于鄰域計算方法，對邊界信息的獲取有一定的適用性，但誤差率較高，不能很好的反映出真實的邊界信息。

數學形態學應用于邊緣檢測的基本思想是對圖像用一定的結構元素進行操作后與原圖像相減。如果圖像的像素原點在結構元素的內部，那么腐蝕后的圖像為輸入圖像的一個子集，也就是對圖像的內部作濾波處理。在邊緣檢測的過程中，還要考慮邊緣的連通性，因此，在選取結構元素的同時，應考慮到這一點。兩個像素如果在豎直方向或水平方向相鄰，則稱之為強鄰接像素，例如常用的菱形結構元素。如果在對角線方向上相鄰，則稱為弱鄰接像素。如果一些像素之間既存在強鄰接元素也存在弱鄰接像素，則可簡單地稱其為鄰接像素，例如常用的方形結構元素。

3 基于形態學邊緣檢測的車輛牌照定位

方法

3.1 車輛牌照區域搜索預處理

車輛牌照一般情況下都掛在車輪高度附近，處于車輛圖像的下半部分，預處理的主要意圖是縮小車輛牌照區域搜索范圍，大致確定車輛牌照的基本位置。首先對超速車輛抓拍圖像進行垂直方向上的選取，高度壓縮原高度的一半，選取下半部分；然后進行水平方向上的選取，因超速車輛抓拍圖像都是在車輛進入抓拍相機鏡頭視線范圍內，檢測超速時高速相機抓拍的，所以車輛牌照基本都處在圖像寬度的右半部分。在實際應用中，為了保障車輛牌照的完整性，寬度選取原寬度的2/3。對圖1所示的原始抓拍圖像，進行垂直方向上的選取和水平方向上的選取，得到如圖2所示的垂直選取圖像和圖3所示的水平選取圖像。

圖1 原始抓拍圖像

圖 2 垂直選取圖像

圖 3 水平選取圖像

3.2 彩色圖像灰度處理

在公路上復雜的自然環境中采集的超速車輛抓拍圖像是彩色圖像，不但存儲開銷很大，處理上也會影響系統的處理速度，因此，對圖像進行定位前先將圖像轉化為灰度圖像，以加快處理速度。并進行圖像增強，提高圖像質量，精確定位。

步驟一：利用灰度值和RGB顏色對應關系，灰度值=0.299R+0.587G+0.114B將圖3彩色圖像轉換成灰度圖像，即實現灰度化，如圖4所示。

圖4 圖像灰度化圖

圖5 圖像灰度拉伸

圖6 圖像梯度圖

步驟二：對灰度化后的圖像進行灰度拉伸來增強圖像的對比度，使其明暗鮮明，有利于車牌定位識別。灰度拉伸是將灰度分段線性變換，它將輸入圖像中某點(x，y)的灰度f(x，y)，通過映射函數T映射成輸出圖像中的灰度g(x，y)，即g(x，y)=T［f(x，y)］，對圖4進行灰度拉伸效果如圖5所示。

步驟三：對圖5求梯度，增強圖像中邊緣信息，效果如圖6所示。

3.3 形態學圖像濾波

形態學開運算可以消除散點和毛刺，實現對信號的平滑，有效去除了噪聲；閉運算可將兩個臨近目標連接起來，使外部輪廓線更連續。開運算增大了谷值，實現極大值濾波；閉運算減少了峰值，實現了極小值濾波。通過選擇適當的結構元素，開閉運算能很好地實現圖像的極值濾波^［7］。

假設f為梯度圖像，B為結構元素。結合式(1)和式(21)，開閉運算的定義如式(3)所示，利用開閉運算對梯度圖進行平滑處理得到圖像P，能有效減少偽極小值，抑制過分割現象。

P=(f°B)B(3)

對圖6進行開閉運算，效果如圖7所示。

圖7 圖像形態圖

3.4 區域選取

于車牌包含多個字符，因此車牌區域的邊緣信息比較豐富，邊緣的密度較大，形態學開閉運算減少孤立點和小邊界的干擾，因此根據車牌字符紋理采用文獻［3］可快速精確定位。效果如圖8、圖9所示。

圖8 區域鎖定圖

圖9 定位圖

4 結束語

本文作者創新點是針對超速車輛抓拍圖像的特點，結合形態學的理論基礎，用形態學來處理車牌的邊緣檢測定位方法。此方法定位速度快，精確度高，具有穩定和適應性好的優點，具有很強的實用性。

參考文獻

［1］ 朱衛健，夏良正.一種實用快速的車牌字符分割方法［J］.南京理工大學學報：自然科學版，2005，29(z1):26-28.

［2］ 陳智麗， 趙薇.一種快速有效的動態車輛牌照定位算法［J］.機械設計與制造，2008，11:11-13.

［3］ 周妮娜，王敏，黃心漢，等.車牌字符識別的預處理算法［J］．計算機工程與應用，2003，15：220-221．

［4］ 馬永力，夏秋華. 基于數學形態學的車牌精定位算法的研究［J］.微計算機信息，2008，24(1):227-228.

［5］ 王大海，黃學雨，劉琮等.顯微圖像粒度檢測系統研究［J］.礦冶，2008，17(2):114-116.

［6］ JIANG M Y，YUAN D F.A multigrade mean morphologic edge detection［A］.2002 6th International Conference on Signal Processing，Beijing，China，2002.

［7］ 尹星云， 王峻. 彩色圖像形態學的研究及其應用［J］. 計算機工程， 2008，34(17): 271-273.

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文