計算機圖像處理技術在車牌識別系統(tǒng)中的應用

張旭東

摘 要：隨著人們生活水平的持續(xù)提高，機動車的保有量居高不下，城市的交通問題日益凸顯。如何高效的管理機動車成為人們關注的焦點。智能交通系統(tǒng)應運而生，它把人們從低效、復雜的人工管理中解脫出來，而車牌識別系統(tǒng)作為智能交通的重要組成部分，它被廣泛應用于公路的布控、高速公路的自動收費系統(tǒng)、重要場所的出入管理等。本文應用計算機圖像處理技術，提出了車牌識別系統(tǒng)的總體方案，有效解決了車牌識別的問題。

關鍵詞：圖像處理； 智能交通； 車牌識別

中圖分類號：TP391.41 文獻標志碼：A 文章編號：1006-3315（2014）12-163-002

1.車牌識別系統(tǒng)的工作原理

通常情況下，車牌識別系統(tǒng)由以下幾個部分組成：

（1）圖像的預處理：由照相機或攝像機采集到的車牌圖像由于是在露天的環(huán)境下采集的，由于外部因素，比如不同的光照時間或者角度以及硬件采集的問題，使得圖像的質量不高，其噪聲會影響到后續(xù)的車牌定位和字符分割，因此需要在前期對圖像進行預處理。

（2車牌的定位：其目的是要從整幅圖像中獲得車牌所在圖像的位置，并把它提取出來。車牌定位是系統(tǒng)中比較重要的環(huán)節(jié)，定位的準確程度直接影響著后續(xù)的處理。

（3）車牌字符的分割：其目的是要從定位后的車牌圖像中把單個的字符一個個分割提取出來。現實中由于攝像頭拍攝的角度問題，定位后的車牌圖像可能存在一定角度的傾斜，如果有傾斜，還需先對圖像進行傾斜校正。

（4）車牌字符的識別：其目的是要把已經分割的單個字符能夠顯示出來。

2.圖像的預處理

2.1彩色圖像灰度化

攝像頭采集到的圖像為彩色圖像，在RGB模型中，每個分量有255種取值可能，一個像素點就是1600萬種取值，這個處理量是巨大的。因此需要對彩色圖像進行處理。灰度圖像是指R=G=B的特殊圖像，R=G=B的值叫做灰度值。這樣一個像素點只有255種取值，存儲的空間也大大降低了。常見的灰度化方法有取分量最大值的最大值法、取三個分量平均值的平均值法、根據現實要求進行加權平均的加權平均法。

2.2圖像的濾波

圖像濾波的目的是在盡可能的保留圖像信息的前提下，將圖像進行去噪處理。由于圖像在采集的過程中或是傳輸的過程中會受到噪聲的干擾，有些噪聲會表現為比較強烈的孤立點或是像素塊，極大的降低了圖像的質量。常見的濾波方法有：（1）中值濾波：它的思想是用濾波窗口的中值來代替窗口中心位置像素的灰度值，這樣能夠去除窗口中灰度值最大或者是最小的點，達到了抑制噪聲的目的。（2）均值濾波：它的思想是用均值來代替原圖像中像素點的灰度值。但它不能保護好圖像的細節(jié)，容易使圖像變的模糊。

2.3二值化

彩色圖像在進行灰度化后，其數據量大大減少，處理速度得到很大的提升。為了進一步的圖像處理，使圖像變的更簡單，數據量變的更少，同時又能凸顯出價值目標，可以對圖像進行二值化處理。圖像的二值化，簡單的說就是將圖像上的像素點的灰度值設置為0或255兩種值，使整個圖像呈現出明顯的只有黑和白的視覺效果。在二值化時，需要通過一個閾值把圖像分為兩部分，將大于閾值的點設為白色或黑色，小于閾值的點設為相反的顏色。可以看出，二值化的關鍵就是閾值的選擇。根據閾值選取的不同，可分為固定閾值和自適應閾值。固定閾值指的是在二值化過程中只有一固定的閾值T，把每個點的灰度值與閾值T進行比較來生成二值化圖像。自適應閾值指的是二值化過程中，閾值不是固定的，根據圖像的局部特征，如像素之間的均方根值，像素之間的差平方，窗口像素的平均值等來實現動態(tài)閾值。動態(tài)閾值可以通過參數方程來求得：

2.4邊緣檢測

圖像的邊緣是圖像的基本特征。所謂邊緣是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。邊緣廣泛地存在于物體與背景之間、物體與物體之間、基元與基元之間。它的存在是灰度不連續(xù)造成的。經典的邊緣檢測方法是考察圖像的每個像素的某個鄰域內灰度的變化，利用邊緣鄰近一階或二階導數變化規(guī)律，用簡單的方法檢測邊緣，這種方法稱為邊緣檢測局部算子法。本文采用的是Sobel算子，這種算子對噪聲有抑制作用。

2.5數學形態(tài)學

數學形態(tài)是一種非線性濾波方法，可以用于抑制噪聲，進行特征提取、邊緣檢測、圖像分割等圖像處理操作。形態(tài)學濾波有四種基礎操作：腐蝕、膨脹、開操作和閉操作。本文先采用腐蝕的操作使得圖像縮小，然后進行閉運算填補縫隙，使得圖像可以成為一塊整體。

3.車牌的定位

汽車牌照的定位是指從拍攝的車輛圖像中得到車牌照所在的位置，并把含有車牌的子區(qū)域提取出來。從編程實現的角度來看，就是針對某汽車圖像，通過運行某個定位算法，確定車牌子區(qū)域的對角坐標。顯然在汽車牌照識別系統(tǒng)中，車牌定位準確與否直接影響字符識別的準確率。

本文在實現車牌定位的時候充分利用車牌的先驗知識，如車牌長450mm，寬150mm。由于前面的運算已經使車牌圖像連成一片，可以參照車牌標準尺寸來進行區(qū)域比對，得到最接近車牌長寬比的那個區(qū)域并提取出來。

4.車牌傾斜的校正

在實際使用過程中，由于拍攝鏡頭與車牌之間存在距離和角度以及車輛的顛簸等影響，拍攝到的車牌會有不同程度的傾斜變形。當變形比較嚴重時，會影響字符分割的準確性，因此需要在對字符進行分割之前對車牌的傾斜進行校正。

本文使用了一種基于Hough變換的方法：通過Hough變換來求取車牌的邊框，從而確定車牌的傾斜角度，然后通過雙線性空間變換對畸變的圖形進行校正。大量的實驗表明，該方法效果好，抗干擾能力強。

5.車牌字符的分割

車牌字符分割是車牌識別系統(tǒng)的重要組成部分。字符分割就是從定位后的車牌圖像中把單個的字符精確分割出來。本文采用的是基于投影的方法。

本方法的具體實現步驟如下：

（1）對二值化后的車牌圖像進行豎直方向上的投影，如圖3所示，字符之間空白處會把字符分割成了7塊。

（a） 原車牌圖像

（b）二值化圖像的投影

圖3二值化后車牌圖像在豎直方向的投影

（2）對投影值進行處理，如果存在連續(xù)X個投影值不為零的片段，則記錄下這個片段的長度、起始位置和結束位置，即可得到字符在車牌中的位置信息。

（3）對分割后的字符進行歸一化的處理，方便后續(xù)的字符識別。

6.車牌字符的識別

字符的識別就是把分割得到的字符與庫中的字符進行一一比對，看是否匹配，本文采用的就是模板匹配的方法。

首先需要自己建立字符庫，車牌的字符一共有數字0-9，字母A-Z，還有各個省市的簡稱，需要繪制每個字符固定大小的圖像并保存。然后把分割后的字符與庫中的字符比較，求出相似度，相似度最高的即是匹配的字符，并把它顯示出來。實驗表明，該方法可以有效的識別車牌的字符。

7.結束語

本文針對車牌識別中的問題，通過綜合采用計算機圖像處理技術，實現了車牌的定位、傾斜校正、字符分割和識別功能，實驗結果也證明了本文所提出的車牌識別方法是準確、可行的，達到了預期的效果。

參考文獻：

[1]黃山.車牌識別技術的研究與實現，四川大學博士學位論文，2005

[2]胡旺.基于雙窗口和極值壓縮的自適應中值濾波，中國圖像圖形學報，2007

[3]Charl Coetzee. PC based number plate recongnition system. IEEE Inernational Symposium on Industrial Electronics. 1998