圖像處理在車牌識別中的運用

姚兆楠

(長安大學 理學院，陜西 西安 710064)

0 緒言

隨著公路逐漸普及，我國的公路交通事業發展迅速。 人工管理方式已經不能滿足實際的需要，智能交通管理系統成為道路交通管理的發展趨勢， 其中汽車牌照的自動識別技術得到了廣泛應用。 本文用MATLAB 軟件編程來實現汽車牌照的識別[1]。

1 設計原理

車牌識別系統的基本工作原理是將包含車輛牌照的圖像輸入計算機進行預處理，再對牌照進行搜索、檢測、定位，并分割出包含牌照字符的巨型區域， 然后對牌照字符進行二值化并將其分割為單個字符，歸一化處理后輸入字符識別系統進行識別。

車牌識別分為車牌定位、字符分割、字符識別三大部分。其中車牌定位是進行車牌識別的一個重要部分，只有正確的獲取整個圖像中的車牌部分，才能正確的對車牌進行文字識別，此系統用到了大量圖像處理中的相關技術，其中重要的處理過程有灰度化、削弱背景干擾、二值化、邊緣檢測、形態學處理、牌照搜索以及區域剪裁等；字符分割包括字符的分割和歸一化；字符識別包括字符提取和單子識別[2]。

2 車牌定位

車牌定位就是在車牌圖像中定位牌照區域的位置。目前車牌定位主要采用以下三種方法：（1）基于邊緣檢測的方法；（2）基于水平灰度變化特征的方法；（3）基于車牌顏色特征的方法。車牌區域在整幅圖像中所占的比例較小，要從整幅圖像中定位車牌區域必然要在大量的背景信息中搜而，而且要求快速、準確地完成車牌定位。 因此，必須對車牌特征進行綜合分析，抓住車牌區別于背景的顯著特征，從而找到定位的有效方法，從圖像中迅速分割出車牌[3]。 具體流程如下：

2.1 預處理及邊緣檢測

首先將彩色圖像輸入計算機，為了能夠方便進行后期的數字圖像處理，需要將24 位真彩色圖都轉化成256 色的灰度圖。由于牌照圖象在拍攝時受到種種條件的限制和干擾，圖象的灰度值往往與實際景物不完全匹配，這將直接影響到圖象的后續處理。 這時就可以采用灰度校正的方法來處理，增強灰度的變化范圍、豐富灰度層次，以達到增強圖象的對比度和分辨率。 觀察車輛牌照的灰度圖像可以發現，背景對于牌照的干擾較大，因此先對灰度圖像進行開運算，再將開運算后的圖像與灰度圖像進行代數減法，從而的到一個新的圖像B。 為了能夠更好地提取邊緣，我們要對圖像進行二值化處理。用一最佳閾值對圖像B 進行二值化得到圖像C。 數字圖像的邊緣檢測是圖像分割、目標區域的識別、區域形狀提取等圖像分析領域中十分重要的基礎。 常用的邊緣檢測算子有微分算子、log 算子和canny 算子。本系統采用的是canny 算子來進行邊緣檢測，此方法不容易受噪聲的干擾，能檢測到真正的弱邊緣。

2.2 牌照的定位與分割

牌照圖象經過了預處理和邊緣檢測以后， 牌照區域已經十分明顯，而且其邊緣得到了勾勒和加強。 此時可進一步確定牌照在整幅圖象中的準確位置。 首先對圖像就行腐蝕和平滑處理， 并用了bwareaopen 來去除對象中不相干的小對象。接著通過計算尋找X 和Y方向車牌的區域，并定位剪切出車牌。 最后對分割出的車牌做進一步處理，即轉化為灰度圖像并進行二值化處理。 經過上述流程得到的汽車牌照見圖2。

3 字符的分割與歸一化

字符分割時將牌照中的單個字符分割出來，以供下一步字符識別使用。在汽車牌照自動識別過程中，字符分割有承前啟后的作用。此處采用的方法為尋找連續有文字的塊，若長度大于某閾值，則認為該塊有兩個字符組成，需要分割。首先逐排檢查有沒有白色像素點，若圖像兩邊像素為零，則切割去除圖像左右兩邊多余的部分，然后切割去除圖像上下多余部分，接著根據圖像的大小，設置一閾值，檢測圖像的X軸，若寬度等于這一閾值則切割，分離出七個字符，最后使用商用系統程序中歸一化大小40*20 對字符進行了歸一化處理，與模板中字符圖像的大小相匹配。 經過上述流程，得到的字符圖像見圖3。

4 字符的識別

字符的識別目前用于車牌字符識別中的算法主要有基于模板匹配的算法以及基于人工神經網絡的算法[4]。 模板匹配的主要特點是實現簡單，當字符較規整時對字符圖像的缺損、污跡干擾適應力強且識別率相當高。 本文采用模板匹配方法。

模板匹配是圖象識別方法中最具代表性的基本方法之一，它是將從待識別的圖象或圖象區域f(i,j)中提取的若干特征量與模板T(i,j)相應的特征量逐個進行比較，計算它們之間規格化的互相關量，其中互相關量最大的一個就表示期間相似程度最高， 可將圖象歸于相應的類。 也可以計算圖象與模板特征量之間的距離，用最小距離法判定所屬類。 本系統采用相減的方法來求得字符與模板中哪一個字符最相似，即其與模板中字符相減的誤差最小，然后找到誤差最小的輸出。汽車牌照的字符一般有七個，大部分車牌第一位是漢字，通常代表車輛所屬省份，緊接其后的為字母與數字。 車牌字符識別與一般文字識別在于它的字符數有限，漢字共約50 多個，大寫英文字母26 個，數字10 個。 所以建立字符模板庫也極為方便。

首先取字符模板，接著依次取待識別字符與模板進行匹配，將其與模板字符相減，尋找不為0 的像素點。 把每一幅相減后的圖中不為0 的像素點個數保存，然后找數值最小的，即為識別出來的結果。

識別過程及識別結果見圖1。

圖1 字符識別過程和識別結果

5 結論

系統基于數字圖像處理的算法，通過MATLB 語言編程，較理想地完成了對車牌的識別。 其主要實現過程是：一是，在背景的圖象中定位分割牌照區域；二是，對分割下來的牌照進行字符分割與歸一化處理；是，設計識別程序進行字符識別。 但是，在設計的過程中發現，使用另一幅圖像后，識別效果始終沒有那么理想。 需要做一定的設置后才能識別出相應的字符。 所以本系統本身還存在許多不足，有待后續改進。

［1］高成.MATLAB 圖像處理與應用[M].2 版.北京：國防工業出版社,2007.

［2］章毓晉.圖像工程.上冊,圖像處理[M].北京:清華大學出版社,2006.

［3］Gonzalez,R.C., Woods,R.E.數字圖像處理[M].3 版.阮秋奇,等,譯.北京:電子工業出版社,2011.

［4］劉陽,尹鐵源,葛震,等.數字圖像處理應用于車輛牌照識別的研究[J].遼寧大學學報:自然科學版,2004(1).