基于垂直投影的車牌字符分割方法

冉令峰

（中國空空導(dǎo)彈研究院，河南 洛陽 471009）

0 引言

車牌識(shí)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(yīng)用前景和研究價(jià)值。

車牌識(shí)別系統(tǒng)通常分為3部分:車牌定位[2]、字符分割和字符識(shí)別[3]。字符分割準(zhǔn)確與否直接決定最終識(shí)別的結(jié)果，因此車牌字符分割是車牌識(shí)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(duì)車牌字符進(jìn)行分割，進(jìn)而可以完成對(duì)車牌識(shí)別的后續(xù)處理。

1 車牌圖像預(yù)處理

實(shí)際生活中車牌難免會(huì)受到噪聲、褪色或者污漬的影響，這樣對(duì)車牌字符分割影響很大，進(jìn)而車牌識(shí)別率也會(huì)相應(yīng)下降。因此要對(duì)車牌圖像進(jìn)行預(yù)處理[4]，主要包括對(duì)車牌圖像的灰度化、灰度拉伸和中值濾波等。

1.1 灰度化

圖像灰度化[5]處理是將彩色 RGB圖像轉(zhuǎn)化為只有黑白2個(gè)顏色的灰度圖像，便于對(duì)圖像進(jìn)一步處理。這里采用加權(quán)平均值法進(jìn)行車牌圖像的灰度轉(zhuǎn)化處理，如圖1所示。

加權(quán)平均值法[6]是根據(jù)實(shí)際圖像來分配的像素點(diǎn)紅色R、綠色G、藍(lán)色B值的權(quán)值[7]，然后將3個(gè)值進(jìn)行相加處理，如式(1)所示：

式中，Wr、Wg、Wb分別為R、G、B的權(quán)值。權(quán)值的選取不同，會(huì)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(zhuǎn)化

1.2 灰度拉伸

灰度拉伸變換是指依據(jù)圖像灰度直方圖的分布趨勢(shì)，將某一段灰度區(qū)間進(jìn)行拉伸，即線性變換處理，增強(qiáng)圖像的對(duì)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(gè)變換點(diǎn)的坐標(biāo)。通過灰度拉伸變換將[x1，y1]線性變換到[x2，y2]，增強(qiáng)圖像對(duì)比度，其他部分進(jìn)行壓縮處理。

圖2 灰度拉伸原理

由圖3可以看出，對(duì)灰度圖像進(jìn)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(duì)比度更強(qiáng)，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

1.3 中值濾波

在實(shí)際路況中，車牌圖像難免會(huì)受到一些噪聲的影響，如果不對(duì)噪聲進(jìn)行處理，對(duì)后續(xù)的字符分割將有很大影響。

對(duì)車牌灰度圖像進(jìn)行中值濾波處理的目的是降低噪聲對(duì)車牌圖像的影響，去除對(duì)圖像影響較大的椒鹽噪聲，同時(shí)也將灰度圖像的邊緣信息得到進(jìn)一步的增強(qiáng)。

中值濾波是用把灰度圖像中的一個(gè)像素點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)的中值來代替，從而消去孤立的噪聲像素點(diǎn)。中值濾波效果如圖4所示。

圖4 中值濾波后的效果

2 字符分割

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(gè)字符，它們的高、寬、高寬比在一定的范圍內(nèi)，每個(gè)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(duì)車牌字符進(jìn)行分割。

2.1 垂直投影法原理

對(duì)車牌灰度圖像進(jìn)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(gè)區(qū)域，即車牌的7個(gè)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(zhuǎn)化為只需得到每個(gè)區(qū)域的左右邊界即可。

圖5 車牌垂直投影

2.2 垂直投影法的具體算法

算法是在車牌字符的垂直投影圖上的橫向從左側(cè)到右側(cè)依次檢測每1個(gè)坐標(biāo)的投影數(shù)值，將檢測到的投影數(shù)值出現(xiàn)第1個(gè)不為零時(shí)，那么將這個(gè)投影數(shù)值所屬的像素點(diǎn)即看做是第1個(gè)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(gè)為零時(shí)，那么將這個(gè)投影數(shù)值所屬的像素點(diǎn)即看做是第1個(gè)投影區(qū)域的右邊界限。根據(jù)此算法可以得出其余6個(gè)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(huì)使車牌受到污漬的影響，字符也會(huì)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(shí)每個(gè)字符投影塊都在標(biāo)準(zhǔn)字符寬度的閾值范圍內(nèi)，那么即可進(jìn)行分割車牌字符；若當(dāng)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(jìn)一步分割投影塊，直至投影塊數(shù)目為 7，同時(shí)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(jìn)一步對(duì)投影塊進(jìn)行合并處理，直至投影塊數(shù)目為 7，同時(shí)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

2.3 粘連字符的分割

根據(jù)實(shí)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(duì)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(shè)置區(qū)域閾值來得到投影圖中的最小值，進(jìn)而可得到投影圖中出現(xiàn)粘連的部位。算法如下3步：

1)計(jì)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(gè)，那么計(jì)算每一個(gè)投影塊的寬度Kn，若Kn大于一定閾值，那么在第n個(gè)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(jìn)一步分割該投影塊。

3)重復(fù)進(jìn)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(shí)每個(gè)投影塊的寬度Kn均滿足字符寬度的閾值范圍。

2.4 斷裂字符的分割

當(dāng)車牌處于非理想狀態(tài)時(shí)，通常也會(huì)有的字符斷裂或者連續(xù)性不好，加之一些左右結(jié)構(gòu)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(gè)字符寬度是 45 mm，每相鄰兩個(gè)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(gè)投影塊之間的間距。若間距小于一定閾值，那么說明這兩個(gè)投影塊分別為一個(gè)字符投影圖的左右兩個(gè)部分，即這個(gè)字符出現(xiàn)了斷裂，執(zhí)行塊合并過程。算法如下3步：

1)計(jì)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(gè)，那么計(jì)算每一個(gè)塊的中線坐標(biāo)，進(jìn)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(jìn)行合并，同時(shí)將投影塊的個(gè)數(shù)減少一個(gè)。

3)重復(fù)進(jìn)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(shí)每個(gè)投影塊的寬度Kn均滿足字符寬度的閾值范圍。

3 實(shí)驗(yàn)與分析

隨機(jī)選取100幅車牌圖像，運(yùn)用程序?qū)嚺祁A(yù)處理和字符分割，有效分割出93幅車牌字符，有效率達(dá)到93%。

在對(duì)圖像做灰度拉伸處理時(shí)，兩個(gè)變換坐標(biāo)分別選取(50,30)和(200,220)，如圖8所示，依據(jù)實(shí)際情況也可對(duì)界面坐標(biāo)參數(shù)進(jìn)行調(diào)整，達(dá)到圖像增強(qiáng)的效果。

圖8 灰度拉伸參數(shù)坐標(biāo)

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(gè)字符或者某幾個(gè)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(shí)遇到了雨雪天氣，這樣車牌難免會(huì)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

4 結(jié)語

首先對(duì)車牌圖像進(jìn)行預(yù)處理，通過灰度化、灰度拉伸和中值濾波將彩色圖像轉(zhuǎn)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(duì)車牌字符進(jìn)行分割，其他研究者主要研究了識(shí)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(guān)鍵算法，解決了粘連字符和斷裂字符的問題。通過實(shí)驗(yàn)可知，該算法可以根據(jù)實(shí)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(shí)別系統(tǒng)彌補(bǔ)了車牌字符分割的不足。結(jié)合車牌出現(xiàn)更復(fù)雜的狀態(tài)如字符受到光或噪聲的嚴(yán)重污染，還需要做進(jìn)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(shù),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(yù)處理研究[J].中國科技信息,2009,5(02):264-265.

[5]周波,王緒本.復(fù)雜環(huán)境下的汽車牌照的定位方法[J].電腦與信息技術(shù)，2002,4(03):10-11.

[6]何捷.基于圖像處理對(duì)汽車牌照識(shí)別系統(tǒng)的研究[D].四川:四川大學(xué), 2004:18-19.

[7]張怡，馮飛，宋冠群.基于 FPGA的圖像預(yù)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(luò)動(dòng)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(shí)別研究[J].通信技術(shù),2009,42(03):220-222.

[10]閆兵,張海朝.改進(jìn)的基于投影的車牌字符分割算法[J].通信技術(shù),2010,43(05):184-186.