基于HSV色彩空間與數學形態學的車牌定位研究

常巧紅， 高滿屯

（西北工業大學機電學院，陜西 西安 710072）

基于HSV色彩空間與數學形態學的車牌定位研究

常巧紅， 高滿屯

（西北工業大學機電學院，陜西 西安 710072）

車牌識別系統在高速路收費口與住宅小區車庫管理中得到越來越多的應用，車牌定位是整個識別系統實現的前提。基于灰度圖像的定位方法和基于彩色車牌圖像的定位方法，實現效果均不大理想。在充分利用車牌先驗信息的基礎上，提出基于HSV色彩空間與數學形態學的車牌定位方法。先利用色彩信息對可能包含車牌目標的區域進行過濾，再利用數學形態學技術生成連通區域，判斷并生成正確的車牌區域，最后,使用radon變換進行傾斜校正。

車牌定位；HSV色彩空間；數學形態學；radon變換

隨著現代交通的發展，對車輛的現代化管理日趨自動化，對車輛自動檢測、識別系統的需求日益增加，例如高速路收費口、小區自動停車場管理等。為了適應當今交通發展，需要有智能化的交通管理系統，其中一個重要環節就是基于車輛圖像的牌照識別。通常，車牌識別由3個部分組成：車牌定位，字符分割與字符識別。車牌定位是車牌識別的關鍵環節，并且也是最難解決的問題。

常用的車牌定位方法有基于邊緣檢測的方法[1-3]、數學形態學定位法[4,5]、基于彩色圖像分割的方法[6-9]等。彩色圖像分割定位法利用彩色圖像比灰度圖像能得到更多的視覺信息并對各種光照不敏感等特點，可以準確地定位出車牌的邊界，但當車牌區域與附近區域顏色非常相近時，該方法的定位誤差會有所增加；基于數學形態學的車牌定位方法計算量小，復雜度低，可降低噪聲的干擾，且滿足實時定位的要求，但邊緣定位粗糙。

本文在充分利用車牌先驗信息的基礎上，提出基于 HSV色彩空間與數學形態學的車牌定位方法。利用色彩信息對可能包含車牌目標的區域進行過濾，然后利用數學形態學技術生成連通區域，判斷并生成正確的車牌區域，最后使用radon變換進行傾斜校正。實驗表明，該方法能快速精確的檢測出車牌，并進行傾斜校正。

1 色彩空間

我國的車牌按照字符顏色和底色的不同搭配可分為4類：藍底白字、黃底黑字、黑底白字、白底黑字。其中底色占車牌區域70%左右，故車牌區域顏色特征以底色為主。彩色圖像的數據包含亮度信息，也包含顏色信息。為了正確識別顏色，需要建立顏色空間。顏色空間是對彩色的一種描述方法，目前有多種表示數字圖像色彩信息的顏色空間模型，常見的有RGB、HSV、CMYK、Lab等。

一般彩色圖像常用的RGB三原色模型中兩點間的歐氏距離與顏色距離呈非線性關系，不便于進行圖像的彩色分割，可以將這個模型轉化為HSV模型，使車牌定位工作在 HSV空間中進行[10]。

1.1 HSV色彩空間

HSV色彩空間模型是由色調(Hue)，飽和度(Saturation)和亮度(Value) 3個顏色分量組成的一類顏色空間。它是面向用戶的一種復合主觀感覺的顏色空間，通常用于選擇顏色，更接近人對顏色的感知。該色彩空間3個分量的相關性較低。所以在選擇顏色時，通常由RGB色彩空間轉換到HSV色彩空間中，然后再作處理。

1.2 RGB到HSV色彩空間的轉換

進行色彩空間的轉換運算之前，需要在RGB空間將每個一色彩分量值先歸一化，可以通過對每一分量除以255來得到。RGB到HSV色彩空間的轉換關系如下：

需要說明的是得到V分量的過程實際上是對彩色圖像進行灰度化的過程。有時為了在視覺上更接近人的主觀感覺，通常在灰度化時給分量各自增加一個加權系數，然后求和。經常用到的灰度化公式如下：

1.3 HSV空間中車牌色彩區域的分割

一般認為，在 HSV顏色空間中，藍色、黃色的h，s，v分量取值都有一定的范圍。經過大量的彩色圖像的分析，發現對于彩色車牌圖像來說，它的色調、飽和度和亮度值范圍，如表1所示。

表1 HSV的取值范圍

考慮到黑白車牌出現的頻度非常小，本文只研究藍色和黃色車牌。根據上面表格中車牌顏色的取值規律，只需要設定了顏色中心，車牌區域的像素就可以直接通過對H、S、V3個分量設定范圍過濾出來，無需進行較復雜的均值聚類計算，這樣可以在定位彩色車牌時節省大量的時間。

根據表 1，將滿足 200＜h＜255 或 25＜h＜25，0.35＜s＜1，0.3＜v＜1 的像素點認為是車牌底色，置為1，其他像素點置為0，即：

假定原圖中含有藍色或黃色車牌，由此可獲得車牌的背景顏色，如圖1所示。圖1（b）為二值圖，白色表示車牌底色區域，黑色表示非車牌底色區域。

圖1 基于HSV色彩空間的車牌定位結果

由圖1(b)可見，如果僅依據車牌底色來定位車牌位置，由于干擾較多，存在較多的候選區域。因此，僅依據車牌底色尚很難確定車牌區域。本文采用數學形態學方法對候選區域作進一步判斷，以得到正確的車牌區域。

2 數學形態學處理

2.1 開運算和閉運算

開運算：假定A為輸入圖像，B為結構元素，利用B對A作開運算，用符號BA?表示，其定義為：

式中：Θ表示腐蝕運算；

⊕表示膨脹膨脹。開運算實際上是A先被B腐蝕，然后再被B膨脹的結果。開運算一般使對象的輪廓變得光滑，斷開狹窄的間斷和消除細的突出物。

閉運算：閉運算是開運算的對偶運算，定義為先作膨脹然后再作腐蝕。利用B對A作閉運算表示為BA·，其定義為：

閉運算同樣使輪廓變得光滑，但與開運算相反的是，它通常消弭狹窄的間斷和長細的鴻溝，消除小的孔洞，并填補輪廓中的斷裂。

2.2 形態學處理

現將運用形態學方法進行車牌定位的過程描述如下：

1） 噪聲去除。由圖1(b)，經顏色過濾得到的二值圖像含有較多噪聲點，采用均值濾波作為預處理。

2） 圖像平滑。本文選取矩形結構元素對去除噪聲的圖像進行形態學閉運算，使其邊緣輪廓更為光滑，消除圖像中的間斷、細長的鴻溝以及小的孔洞，并填補輪廓線中的斷裂。如圖2(a)所示。

3） 預判斷。首先去除面積較小的噪聲區域，經實驗，閾值設為2000。計算各連通區域的面積，對其按從大到小順序進行長寬比判斷。根據我國車牌的特點，考慮車牌圖像可能存在傾斜以及邊緣的分割誤差，長寬比的范圍值為2～4。對判斷后的區域進行剪裁，如圖2(b)所示。

4） 確定最終目標區域。圖2(b)仍含有大量車牌邊緣信息，需進一步去除。對所得裁剪區域進行形態學閉運算，找出每個連通區域的中心，如果區域中心位于邊緣位置，我們認為該連通區域為車牌邊緣，并置為0。結果如圖2(c)所示。

圖2 確定最終目標區域示意圖

3 傾斜校正

由于道路的坡度、車牌的懸掛、攝像機與車牌之間傾斜角度等的影響，使得拍攝到的車牌圖像產生了不同程度的傾斜，這使后續的字符分割和識別極為困難。因此，需要在字符分割之前進行車牌的傾斜校正。本文采取radon變換法求取傾斜角。

二維圖像f(x,y)的投影是其在某一方向上的線積分，例如f(x,y)在垂直方向上的二維線積分就是f(x,y)在x軸上的投影；f(x,y)在水平方向上的二維線積分就是f(x,y)在y軸上的投影。推而廣之，可以沿任意角度θ計算圖像的投影。也就是說，任意角度上都存在圖像的radon變換。如圖3所示，說明了radon變換的幾何原理[11]。

圖3 Radon變換的幾何原理示意圖

通常情況下，f(x,y)的radon變換是一個平行于y′軸的線積分：

傾斜校正算法可以歸結為以下幾步：首先，選取圖2(c)每一列最下方的1值像素，同時去除圖像上半部分的像素以減少干擾，如圖4(a)所示。然后，使用radon變換對車牌圖像在0～180°內進行投影，取所有角度對應的radon變換值中的最大值，這個值對應的角度即為傾斜校正角度。最后，利用旋轉變換對圖像進行旋轉即可，結果如圖4(b)所示。

圖4 傾斜校正示意圖

4 實驗及結論

算法在 Matlab2012a環境實現，對 90張1536×2048的車輛圖片進行了測試，車牌類型包括不同省市的汽車牌照，定位成功率為96%。

雖然，對于車牌與車輛顏色相近和天氣條件不好的情況，本文方法尚不能很好地解決。但是，相對于灰度定位的方法，本文方法充分利用了車牌的顏色信息，提高了定位準確性；相對于只是用顏色判斷的方法，本文方法能將與車牌顏色相近的要求濾除；而且本方法不受車牌位置、大小和背景顏色的影響，如圖5所示，因此，本文方法在車牌定位方面具有一定優勢。

圖5 檢測結果

[1]吳舟舟, 李樹廣. 基于分級邊緣間距的實時車牌檢測[J]. 中國圖象圖形學報, 2007, 12(2)：315-321.

[2]沈世旻, 盛翊智. 基于邊緣檢測的車牌圖像分割技術[J]. 自動化技術與應用, 2004, 23(3)：24-26.

[3]張玉姣, 史忠科. 一種新的車牌識別預處理算法[J].西北工業大學學報, 2002, 20(1)：83-86.

[4]李 剛, 曾銳利, 林 峰, 等. 基于數學形態學的車牌定位算法[J]. 儀器儀表學報, 2007, 28(27)：1323-1327.

[5]盧雅琴, 鄔凌超. 基于數學形態學的車牌定位方法[J].計算機工程, 2005, 31(3)：224-225.

[6]薄樹奎, 孫新德, 丁 琳. 一種基于彩色圖像分割的車牌檢測方法[J]. 計算機科學, 2009, 36(4)：261-276.

[7]師 文, 杜宇人. 基于數學形態學和顏色的車牌定位[J]. 揚州大學學報(自然科學版), 2010, 13(3)：69-73.

[8]陳鍛生, 謝志鵬, 劉征凱. 復雜背景下彩色圖像車牌提取與字符分割[J]. 小型微型計算機系統, 2002,23 (9)：1144-1148.

[9]高朝暉, 黃 衛. 基于彩色圖像車牌分割研究[J].公路交通科技, 2004, 21(8)：114-117.

[10]李 剛, 黃席樾, 劉 政, 等. 基于字符邊緣顏色多分量信息的車牌定位方法[J]. 計算機工程, 2009,35(18)：176-178.

[11]徐 瑞. Radon變換在車牌傾斜校正中的應用[J].中國科技信息, 2009, 12：146-147.

Research on License Plate Location Based on HSV Color Space and Mathematical Morphology

Chang Qiaohong, Gao Mantun
( School of Mechanical Engineering, Northwestern Polytechnics University, Xi’an shaanxi 710072, China )

The license plate recognition system has been widely used in highway toll gate and garage management of residential quarters, and license plate location is the precondition of the realization of the whole recognition system. The effects of localization methods based on gray-scale image and color-plate image are not ideal. By making full use of the license plate of a priori information, a method of license plate location based on the HSV color space and mathematical morphology is proposed. First, get the possible objects by using color information as a filter, then generate connected regions by using mathematical morphology techniques and generate the final correct license plate region, and last use radon transform to tilt correction.

license plate location; HSV color space; mathematical morphology; radon transform

TP 391.41

A

2095-302X (2013)04-0159-04

2013-05-27；定稿日期：2013-06-14

常巧紅（1989-），女，河南靈寶人，碩士研究生，主要研究方向為計算機圖形學。E-mail：18392079140@163.com

高滿屯（1962-），男，山西襄汾人，教授，主要研究方向為理論圖學、計算機視覺等。E-mail：gaomant@nwpu.edu.cn