基于垂直投影與卷積相結合的車牌字符分割算法

摘 要： 字符分割是車牌自動識別系統中的關鍵步驟。提出了一種利用投影和卷積相結合的方法來實現字符分割，先對車牌圖像進行中值濾波，再進行豎直差分，減小左右邊框的影響；根據車牌的先驗知識形成一個可變長的字符模板匹配的脈沖波形，用這個脈沖波形和投影圖對應的數組做卷積，定位出第一個字符位置，隨著模板長度的不斷變大，得出每個字符的坐標。實驗表明，該方法能夠使得字符分割的結果定位更精準，為字符識別創造了良好的條件。

關鍵詞： 字符分割； 垂直投影； 卷積； 模板匹配

中圖分類號：TP391.4 文獻標志碼：A 文章編號：1006-8228（2013）11-49-03

0 引言

汽車牌照識別技術是智能交通系統的重要研究課題，汽車牌照識別是實現交通管理智能化的重要環節。完整的車牌識別系統分為三個部分：車牌定位、字符分割和字符識別。其中字符分割技術是車牌自動識別系統中的關鍵步驟。車牌字符分割就是把所提取出的車牌區域圖像分割成單個字符圖像，字符能否正確地被分割直接決定了字符識別率的高低。

目前主要的車牌字符分割算法有以下三種。

⑴ 投影法[1]是采用最多的一種方法。其優點是速度快，對于質量好的牌照圖像，定位非常準確。但牌照中如果出現字符粘連或斷裂，就很易出錯。

⑵ 模板匹配法[2]。該方法的優點是程序執行時間與水平投影法相近，較好地解決了漢字不連通問題，較好地解決了車牌字符分割中存在的如復雜背景的干擾、車牌尺寸的變化、車牌磨損造成字符粘連等難題。但是該方法邏輯設計復雜，循環掃描執行功能較多，對車牌中的左右邊框的分割有待改進。

⑶ 聚類分析的方法[3]。該方法將去除邊框后的車牌圖像中每個像素按距離進行聚類，首先去掉不符合字符高度特征的噪聲類。它的主要缺點是計算量大，對分裂字符容易產生聚類錯誤。

本文在基于模板匹配思想的基礎上，綜合利用已有算法的優、缺點，采用一種改進的投影方法來實現字符分割，即提出用根據模板生成的脈沖函數與投影圖做卷積取最大值來定位車牌字符，得出每個字符的坐標，分割出每個字符，該方法使分割結果定位更精準。

1 車牌圖像預處理

為了能夠更好地分割出字符，首先對定位好的車牌候選區域進行圖像預處理，包括二值化，中值濾波，豎直差分。因為二值圖像左、右邊框和噪聲的影響比較大，所以先對其使用中值濾波[4]，再使用差分的方法來進一步去除豎直噪聲的影響。實驗效果如圖1所示。

從圖1可以看出車牌區域經過豎直差分處理后，左、右兩邊的噪聲干擾已經去除得差不多了，字符雖然看不清楚，但是輪廓還在，豎直投影后字符的像素比例已經占到了絕對優勢。由于投影的像素數組已經做了歸一化處理，圖形顯示的是像素的比例關系而不是像素的數值。

2 基于垂直投影和卷積相結合的字符分割算法

車牌字符分割就是把所提取出的車牌區域圖像分割成單個字符圖像，字符能否正確地分割直接決定字符識別率的高低。

標準車牌格式[5]是：X1X2·X3X4X5X6X7，其中X1是各省、直轄市和自治區的簡稱，X2是英文字母，X3X4X5、X6、X7是英文字母或阿拉伯數字，且X2和X3之間有1個小圓點。車牌字符總長度為409mm，其中單個字符寬度為45mm，高度為90mm，第2和第3字符間距為34mm，其中中間小圓點寬度為10mm，與第2和3字符間距為12mm，其余字符間距為12mm。根據實際車牌情況（普通車、警車、軍車等），可確定不同類的模板。以普通車為例，其字符寬度和字符串的結構比例關系如圖2所示。

2.1 定位字符的位置

根據車牌先驗知識，把低于平均水平的像素部分削去，為了與模板脈沖做卷積[6]，取最大值可提供更高的可靠性。考慮到要形成的與字符模板匹配的脈沖波形是與另一個數組做卷積，所以形成的脈沖波形應先翻轉過來，做卷積時才能按照先驗知識進行模板匹配。由于前面已經讀出了車牌圖像的寬度，所以字符的寬度上限可以定為車牌寬度的七分之一，這樣會減小計算量而又不會漏掉字符每一個可能的寬度。每個字符的寬度從初始位置開始到字符的寬度上限，步長為1，可以生成一系列模板脈沖來分別對投影圖像做卷積，取每個卷積的峰值和位置，然后在這些卷積的峰值中再取最大值，這樣就可以求出匹配性最好的情況所對應的字符寬度w。再根據卷積的性質，用最大值的位置減去409*w/45（根據先驗知識得到），就可以得到第一個字符的起始位置t0。有了w和t0，可以根據先驗知識定出這七個字符的水平坐標，如圖3所示。

2.2 字符分割

為了分割出每個字符，首先將原車牌圖像向水平方向投影，并進行歸一化。設定一個平均水平的閾值，從兩邊向中間逐個比較，當像素統計值大于這個閾值的時候，記下這兩個位置，這便是字符豎直方向的坐標。這兩個位置的差值就是字符的高度。有了豎直方向的初始位置t0和字符高度height，每個字符的豎直位置也確定了。

得到字符的坐標后還應注意一點，在Matlab二維圖片[7]中坐標原點在左上角，向下為x軸，向右為y軸，在輸入坐標的時候要避免混淆。有了豎直方向的初始位置r0和字符高度height，水平方向的初始位置t0和字符寬度w，可以定位出每個字符的坐標范圍，將它們分別分割出來。車牌字符分割效果如圖4和圖5所示。

3 車牌字符分割的實驗結果及其分析

對于二值圖像進行分割的核心算法雖然已經實現，但是在對大量二值圖像運算的時候，經常出現諸如下標越界、水平方向的初始位置為負等情況，這些都對字符分割的正確率產生了嚴重的影響。圖片太小也會影響字符的分割和識別。

針對圖片太小的問題，根據車牌外輪廓尺寸：440mm×140mm對二值圖像進行放大尺度變換，使其近似于車牌的大小。在字符定位用到的下標進行四舍五入（下標必須為整數），使其更接近于字符的真正邊界，降低“切歪”的概率。采取這個措施針對原圖像進行尺度放大提高了字符的識別率。

當原來的代碼[8]不能處理的時候需要在下標越界、起始位置t0為負的兩種情況下進行下面兩種方法的嘗試。

⑴ 在主代碼之后用if語句，在下標越界或者t0為負的情況下，將字符寬度w取為字符高度的一半（根據先驗知識），然后用此字符寬度w的脈沖和投影圖做卷積，得出的t0t0即為字符水平方向的開始坐標。有了t0和w，便可以框出字符。這種方法在不對原圖進行尺度放大的情況下較為適宜，在一定程度上可以提高分割的正確率，而且在主代碼沒有出現下標越界或者t0為負的時候并不運行。這是其可取之處。

但是這種方案還是有較大的局限性，尤其用在對灰度圖進行尺寸放大的時候幾乎不起作用。這是因為本文進行的放大并不是進行寬高等比例放大，破壞了原有的寬高比例關系，故不適用。由此引出了方案2。

⑵ 在進行調試以后發現，w很容易取值偏大，而且w取值偏大了以后會直接影響t0的值，從而出現下標越界和t0為負的情況。我們放棄if選擇結構轉而采用while循環結構，每當出現下標越界或者t0為負的情況，對w進行減1操作，然后做卷積運算，再進行判斷，若還出現上述情況，則將w繼續減1，直到不出現下標越界和t0為負的情況為止。經過驗證，這是比較可取的方案。

但是此時發現，前面提到的把低于平均水平的像素部分給削去這部分操作會降低分割的準確率，而且這部分操作并非必要條件，權衡利弊，在采用方案2的同時，我們把“削底”這部分去掉。

綜上所述，在對車牌字符進行分割的時候遇到的下標越界、t0為負、圖片太小分割出現誤差等問題，都得到了較好的解決。運行MATLAB出現錯誤提示的幾率大大降低。

另外，把原圖像進行尺度縮放以后效果非常好，如圖6所示，圖6（a）為未進行尺度變換的分割結果，圖6（b）為進行了尺度變換的分割結果。對圖像進行比較發現，經過尺度變換的分割結果定位更精準，給字符的識別創造了良好的條件。

4 結束語

字符分割是車牌識別系統的重要組成部分，字符分割的好壞直接影響到整個系統對車牌字符識別的準確率和識別速度。本文根據車牌識別技術的特點，著重對字符分割這個關鍵模塊進行了研究，把車牌區域的投影和脈沖做卷積以確定各個字符的位置，提取出一個個單獨的字符，該方法能夠使字符分割的結果定位更加精準，給字符識別創造了良好的條件。

參考文獻：

[1] 朱俊梅，陳少平.基于改進的投影方法的車牌圖像字符分割[J].中南民族大學學報，2007.26（4）：58-61

[2]劉明軍，謝宏霖，孫雪松等.車牌字符分割算法的比較研究[J].濟南大學學報，2006.30（3）：246-248

[3] 王興玲.最大類間方差車牌字符分割的模版匹配算法[J].計算機工程，2006.32（19）：193-195

[4] 夏良正，李久賢.數字圖像處理[M].東南大學出版社，2006.

[5] 高勇.車牌識別系統中的字符分割與識別[D].安徽大學，2007.

[6] 鄭君里等.信號與系統[M].高等教育出版社，2000.

[7] 張宏林.Visual C++數字圖像模式識別技術及工程實踐[M].人民郵電出版社，2003.

[8] 董長虹，賴志國，余嘯海.Matlab圖像處理與應用[M].國防工業出版社，2004.