基于圖像處理的車牌識別研究

李玲　賈磊磊　張旭

摘 要：該文對基于圖像處理的車牌識別算法進行了研究。首先，采用灰度化和閾值法進行圖像預處理，消除一部分背景信息；其次，采用Canny邊緣檢測算法提取車牌邊緣，采用開運算和閉運算等形態學操作來改善邊緣提取的效果，使車牌區域盡量互相連通，進一步消除干擾，準確定位車牌；第三，采用垂直投影法對車牌進行字符分割；最后，采用模板匹配的算法對車牌字符進行識別。Matlab仿真分析表明，該文設計的車牌識別算法可有效地實現車牌識別。

關鍵詞：圖像處理 車牌定位 字符分割 字符識別

中圖分類號：TN91 文獻標識碼：A 文章編號：1674-098X（2015）06（a）-0020-02

Abstract：Algorithms of License plate recognition are researched in this paper.Firstly，Canny operator and morphological operation are employed on image after graying and threshold to locate the license plate.Secondly，vertical projection is used for character segmentation.Thirdly，the template matching algorithm is carried out for character recognition.Simulation results in Matlab show that the algorithm here can identify the license plate effectively.

Key Words：Image Processing License Plate Location Character Segmentation Character Recognition；

車牌識別不僅可用于公路布控、高速公路上的事故自動測報、小區車輛管理等，還是智能交通的核心環節。國內外學者對基于圖像的車牌識別進行了很多研究，但目前還沒有一種車牌識別算法可以獲得非常理想的識別效果。車牌識別的流程一般是車輛圖像的預處理、車牌定位、字符分割和字符識別。該文針對靜態圖像的車牌識別，研究了基于邊緣檢測和形態學濾波的車牌定位，基于投影算法的車牌字符分割和基于模板匹配算法進行車牌字符識別，并進行了仿真分析。

1 車牌圖像預處理

車牌顏色種類較多，不同顏色的車牌灰度化后可以統一處理。閾值分割可以將目標區域和背景分割開來，方便后續定位和識別。該文首先采用加權平均值法對圖像進行灰度化，然后采用otsu算法進行閾值分割，得到的灰度圖和二值圖如圖1和圖2所示。

可見，灰度化后的圖像沒有丟失主要信息；二值圖消除了大部分背景信息，較準確的分割出了車牌區域，有利于后續的車牌定位和提取。

2 車牌定位與提取

2.1 車牌定位

該文采用邊緣檢測和形態學操作進行車牌定位。邊緣檢測能顯示圖像的大體輪廓，但檢測后的車牌邊緣是不連續的。形態學處理中閉運算可以使圖像的輪廓線更為光滑，消除狹窄的間隙和細長的鴻溝，消除小的孔洞，彌補輪廓線中的斷裂，開運算能消除細小部分[1]。

對灰度化和二值化后的圖像進行Canny邊緣檢測，如圖3所示。可見，目標邊緣被比較完整的檢測出來了，但邊緣連續、不完整的情況依然嚴重，很多背景邊緣信息也被保留了。為改善效果，對邊緣檢測后的圖像進行形態學操作。進行一次閉運算和兩次開運算，結果如圖4所示。形態學操作較準確的定位了車牌區域，并消除了部分干擾和小連通域。

2.2 車牌提取

車牌具有一定的長度和寬度，因此車牌定位后的圖像上，非零像素點集中在某些行和列上，可以根據這一特點進行車牌提取。對形態濾波后圖像進行行、列方向上的像素點掃描，統計得到像素值和，據此確定車牌的起始位置和終止位置[2]。圖5和圖6為車牌在行、列方向上的像素值和，車牌行方向像素集中在900～1200區域，車牌列方向像素集中在1600～2300區域，其它區域的像素則為干擾。

車牌具有一定的寬高比，可以排除干擾。最后可分割出車牌圖像如圖7所示。

3 車牌字符分割

車牌字符之間存在均勻的間隔，在垂直方向上的投影峰谷交替，因此可以利用垂直投影法提取字符[3]。垂直投影如圖8所示，垂直投影共八個區域，其中在300～400列間的區域對應園點。可根據垂直投影方便的分割出每個獨立字符。為了字符識別的準確性，將分割出的字符圖像進行歸一化處理[4]，如圖9所示。

4 車牌字符識別

該文使用的是模板匹配法實現的字符識別，其基本思想是將歸一化的字符與預先建立的模板庫中的字符進行匹配，模板庫中的字符與車牌字符相似程度最高的就是匹配結果。模板匹配法實現簡單且識別率高，是車牌字符識別的主要方法[5]。

該文采用了一種快速匹配方法，將車牌字符與模板庫中的各字符圖像相減，得到差值圖像，計算差值圖像的像素的絕對值和，該值表示了車牌字符和模板庫字符之間的誤差。最小誤差所對應的模板庫字符就是匹配字符。以數字“6”的模板識別為例進行說明。表1所示為數字6的模板匹配情況，可見最小誤差對應的模板庫字符為“6”，該方法可正確識別。

5 結語

該文采用灰度化和閾值法進行了圖像預處理，采用Canny緣檢測和形態學操作進行了車牌定位，采用基于垂直投影的垂直切分算法對車牌進行了字符分割，采用模板匹配的算法對車牌字符進行了識別。仿真結果表明，設計的車牌識別算法可有效地實現車牌識別。

參考文獻

[1] 閆敬文.圖形圖像處理（MATLAB版） [M].北京：國防工業出版社，2007：79-82.

[2] 袁卉平.基于MATLAB的車牌識別系統的設計與研究[J].工業控制計算機， 2010，23（10）：73-74.

[3] 陳寧寧，蘇坤.基于MATLAB的車牌識別系統研究與實現[J].電子測試，2013， 22（2）：67-68.

[4] 劉忠杰，宋小波，何鋒，等.基于MATLAB的車牌識別系統設計與實現[J].微型機與應用， 2011，30（14）：37-40.

[5] 仇成群.基于MATLAB圖像處理的汽車牌照識別系統[J].機械工程師， 2008，20（8）：87-89.