基于MATLAB的車(chē)牌識(shí)別關(guān)鍵技術(shù)研究

鄧運(yùn)生，宋玉璽，朱先勇,，劉　潤(rùn)

(1.蚌埠學(xué)院 機(jī)械與電子工程系，安徽 蚌埠 233030；2.吉林大學(xué) 機(jī)械科學(xué)與工程學(xué)院，吉林 長(zhǎng)春 130022；3.吉林大學(xué) 工程訓(xùn)練中心，吉林 長(zhǎng)春 130025)

?

基于MATLAB的車(chē)牌識(shí)別關(guān)鍵技術(shù)研究

鄧運(yùn)生1，宋玉璽2，朱先勇2,3，劉潤(rùn)3

(1.蚌埠學(xué)院 機(jī)械與電子工程系，安徽 蚌埠 233030；2.吉林大學(xué) 機(jī)械科學(xué)與工程學(xué)院，吉林 長(zhǎng)春 130022；3.吉林大學(xué) 工程訓(xùn)練中心，吉林 長(zhǎng)春 130025)

摘要：車(chē)牌自動(dòng)識(shí)別是智能交通應(yīng)用領(lǐng)域中重要的技術(shù)之一，其融合了圖像處理和模式識(shí)別技術(shù)，在停車(chē)場(chǎng)、不停車(chē)收費(fèi)站等場(chǎng)合有著廣泛的應(yīng)用。車(chē)牌自動(dòng)識(shí)別大致可以分為車(chē)牌圖像預(yù)處理、車(chē)牌定位、車(chē)牌分割和車(chē)牌識(shí)別等4個(gè)過(guò)程，而圖像預(yù)處理和車(chē)牌定位作為車(chē)牌識(shí)別系統(tǒng)中的核心前端處理技術(shù)廣受研究開(kāi)發(fā)者的重視。重點(diǎn)研究了車(chē)牌圖像的預(yù)處理和車(chē)牌定位技術(shù)，并在MATLAB環(huán)境下實(shí)現(xiàn)了車(chē)牌圖像的仿真。提出了圖像灰度化后直接剪切車(chē)牌圖像的方法，能夠快速確定車(chē)牌區(qū)域。在二值化處理過(guò)程中提出了動(dòng)態(tài)閾值選取法。試驗(yàn)表明該方法有效地提高了二值化效果。

關(guān)鍵詞：圖像預(yù)處理；車(chē)牌定位；灰度選擇；MATLAB

車(chē)牌牌照作為各種車(chē)輛唯一的“身份證”備受廣大駕乘人員和交管部門(mén)的關(guān)注。隨著技術(shù)的不斷發(fā)展和完善，車(chē)牌自動(dòng)識(shí)別技術(shù)已經(jīng)進(jìn)入了人們的視野，并已被廣泛應(yīng)用在道路交通管理中。一個(gè)完整的車(chē)牌識(shí)別系統(tǒng)包括車(chē)牌圖像采集、圖像預(yù)處理、圖像分割和圖像識(shí)別等重要典型的過(guò)程。當(dāng)有車(chē)輛通過(guò)時(shí)，圖像采集單元就會(huì)自動(dòng)工作，完成當(dāng)前車(chē)輛視頻圖像的采集；然后車(chē)牌識(shí)別系統(tǒng)對(duì)采集到的車(chē)輛圖像進(jìn)行預(yù)處理，定位出車(chē)牌照所在的區(qū)域；最后進(jìn)行車(chē)牌字符分割、識(shí)別。其中，車(chē)牌圖像的預(yù)處理是整個(gè)過(guò)程中至關(guān)重要的一個(gè)環(huán)節(jié)，車(chē)牌圖像預(yù)處理的好壞直接關(guān)系到系統(tǒng)能否對(duì)車(chē)牌進(jìn)行精準(zhǔn)地分割和圖像識(shí)別。本文在MATLAB環(huán)境下，根據(jù)計(jì)算機(jī)圖像識(shí)別和處理的相關(guān)原理[1-3]，研究了一種新型車(chē)牌圖像預(yù)處理方法，在對(duì)圖像進(jìn)行灰度化處理之后直接剪切車(chē)牌圖像，能夠提高車(chē)牌定位的效率，免去了二值化之后再進(jìn)行剪切所要的繁雜圖像信息；同時(shí)提出了一種動(dòng)態(tài)閾值選取法，提升了二值化的效果。

1車(chē)牌圖像預(yù)處理的必要性

在實(shí)際應(yīng)用環(huán)境中，車(chē)牌識(shí)別系統(tǒng)所采集的圖像主要有如下幾個(gè)方面的限制。

1)獲取圖像質(zhì)量不高。受限于前段硬件、照明條件、天氣條件和運(yùn)動(dòng)失真等方面的限制，采集到的圖像會(huì)出現(xiàn)噪點(diǎn)過(guò)多、模糊等現(xiàn)象，影響了后期的定位。

2)牌照多樣性。我國(guó)根據(jù)不同車(chē)型、用途，規(guī)定了多種牌照格式，例如分為軍車(chē)、警車(chē)和貨車(chē)等。汽車(chē)牌照僅底色就有藍(lán)、黃、白和黑等多種顏色，字符顏色也有黑、紅和白等若干種顏色[4]。

3)我國(guó)標(biāo)準(zhǔn)車(chē)牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組合而成的。不同于國(guó)外車(chē)牌只有字母與數(shù)字，漢字的結(jié)構(gòu)復(fù)雜，本身的字劃比較多，而且漢字間有很多的相似性，這使得車(chē)牌識(shí)別的難度有很大提升。

4)環(huán)境或人為因素造成汽車(chē)牌照污染嚴(yán)重。這些因素造成的牌照污染使得車(chē)牌的對(duì)比度降低，字符特征不是很明顯，即使在定位準(zhǔn)確的情況下，字符的識(shí)別也會(huì)受到很大影響[5]。

5)車(chē)牌安裝位置的不同帶來(lái)的識(shí)別困難。在我國(guó)境內(nèi)銷(xiāo)售的汽車(chē)種類繁多(微型車(chē)、中型車(chē)、貨車(chē)和越野車(chē)等)，不同的車(chē)型車(chē)牌安裝的位置也不同，再加之不同車(chē)型的顏色差異(有可能和車(chē)牌的顏色相對(duì)較接近)，這些會(huì)給車(chē)牌的定位、分割和識(shí)別帶來(lái)一定的難度[6]。

上述種種因素會(huì)給后期車(chē)牌的識(shí)別帶來(lái)諸多不便，因此，有必要對(duì)采集到的車(chē)牌圖像進(jìn)行預(yù)處理，以提升車(chē)牌識(shí)別的準(zhǔn)確度和效率。

2車(chē)牌圖像的灰度化

預(yù)處理過(guò)程一般包括圖像灰度化、圖像濾波、圖像增強(qiáng)以及圖像的二值化處理[7]。在對(duì)車(chē)牌的識(shí)別中，數(shù)字圖像的灰度是進(jìn)行圖像識(shí)別與處理的基礎(chǔ)。因?yàn)樗璧男畔⒅挥熊?chē)牌上的字母、數(shù)字和漢字，所以在車(chē)牌識(shí)別技術(shù)中將圖像進(jìn)行灰度化處理，不僅不會(huì)大量損失車(chē)牌信息，而且由于灰度圖像包含的信息量比彩色圖像小很多，在處理過(guò)程中不需要考慮車(chē)牌顏色不同的情況，既簡(jiǎn)化了處理過(guò)程，又不會(huì)影響識(shí)別精度[8]。灰度化就是使彩色圖像的R、G、B分量相等的過(guò)程。灰度值大的像素點(diǎn)比較亮(像素值最大為255，為白色)，反之比較暗(像素值最小為0，是黑色)。

車(chē)牌原始圖像和灰度化后的圖像分別如圖1和圖2所示。

圖1　原始圖像　　　　　圖2　灰度化的圖像

通過(guò)車(chē)牌圖像的灰度化處理，得到了灰度化的圖像。圖像中最重要的部分是車(chē)牌信息，如果對(duì)整個(gè)圖像進(jìn)行后續(xù)的處理，勢(shì)必造成時(shí)間上的浪費(fèi)，而且圖像上的其他部分有可能會(huì)影響到最后的處理結(jié)果；因此，本文從這一步開(kāi)始對(duì)此圖像進(jìn)行剪切處理，以此來(lái)獲得所需要部分的圖像，從而大大提高了圖像處理效率。圖像剪切的主要程序如下：I2=imcrop(I1,rect);其中，矩形框rect為剪切圖像的四元素向量[ymin,ymax,length,width]，分別表示矩形的左下角縱坐標(biāo)、左上角縱坐標(biāo)、長(zhǎng)度及其寬度，并且這些值在空間坐標(biāo)中被指定。通過(guò)若干次的試驗(yàn)，本次試驗(yàn)選取的四元素向量為[20,80,7000,60]。通過(guò)圖像剪切，獲得了車(chē)牌圖像(見(jiàn)圖3)。

圖3剪切化后的車(chē)牌圖像

為了獲得更好的車(chē)牌圖像，應(yīng)對(duì)剪切化的圖像進(jìn)行下一步處理。眾所周知，一個(gè)車(chē)牌圖像分為背景部分和圖像部分，往往背景和圖像兩部分的灰度值分布狀況存在著很大的區(qū)別，因此，接下來(lái)應(yīng)對(duì)上述圖像進(jìn)行繪制直方圖，其主要程序?yàn)椋篿mhist(I)。得到的車(chē)牌圖像灰度直方圖如圖4所示。

圖4　灰度直方圖

通過(guò)此車(chē)牌的灰度直方圖，可以大體判斷出車(chē)牌圖像灰度分布的范圍，這將為進(jìn)一步提取車(chē)牌區(qū)域提供基礎(chǔ)和依據(jù)。其調(diào)用有如下幾種方法。

1)BW=roicolor(A,low,high)。色圖范圍為[low high]，返回這些像素選擇區(qū)域，BW為大小和A相同的數(shù)組，若A中元素值在[low high]范圍內(nèi)，則返回值1，否則返回0。

2)BW=(A≥low)&(A≤high)。BW為內(nèi)部區(qū)域值為1，外邊值為0的矩陣。

3)BW=roicolor(A,v)。A中像素與向量v相匹配的區(qū)域，BW為二值圖像，1值為A中與v相匹配的地方。

通過(guò)此函數(shù)的應(yīng)用，選擇了車(chē)牌圖像所在的大致灰度范圍。到這一步處理結(jié)束，獲得了車(chē)牌灰度選擇圖像(見(jiàn)圖5)。

圖5灰度選擇圖像

3二值化處理

3.1動(dòng)態(tài)閾值選取法

在圖像預(yù)處理中有一個(gè)重要步驟——圖像的二值化處理。由于當(dāng)前車(chē)牌主要分為黑底白字、藍(lán)底白字和黃底黑字，其灰度圖像主要有黑底白字和白底黑字兩類。由于各種外部因素導(dǎo)致車(chē)牌照?qǐng)D像存在著圖像灰度分布不均勻、偽影和車(chē)牌照本身的污垢、灰塵等，導(dǎo)致車(chē)牌圖像的二值化效果不好。二值化過(guò)程中閾值的選取非常重要，本文提出了一種動(dòng)態(tài)閾值選取法，試驗(yàn)結(jié)果表明，具備了良好的二值化效果，其主要思想如下。

假設(shè)車(chē)牌圖像為理想情況下無(wú)噪聲、無(wú)干擾并且光照均勻，那么圖像中的灰度變化相對(duì)平緩，假定字符灰度為g1，背景灰度為g2，都滿足條件：0≤g1≤255，0≤g2≤255；此牌照中假設(shè)字符像素點(diǎn)所占的比例為r1，背景像素點(diǎn)所在的比例為r2，那么可知0

設(shè)該車(chē)牌照灰度圖像的均值為N，則：

N=r1g1+r2g2,g1

(1)

于是方差C為：

(2)

由式1和式2聯(lián)合可以推出下式。

字符灰度：

(3)

背景灰度：

(4)

對(duì)于白底黑字牌照，為把黑字從白底中分割出來(lái)，按下式選取閾值T1：

(5)

對(duì)于黑底白字牌照，為把白字從黑底中分割出來(lái)，按下式選取閾值T2：

(6)

3.2試驗(yàn)驗(yàn)證

對(duì)本文提出的動(dòng)態(tài)閾值選取法進(jìn)行試驗(yàn)驗(yàn)證，具體步驟如下。

l)首先假定為白底黑字牌照，以T1為閾值，對(duì)牌照?qǐng)D像進(jìn)行二值化處理。

2)對(duì)以T1為閾值的二值化圖像進(jìn)行紋理分析，判定并分析字符筆劃邊緣，同時(shí)計(jì)算黑點(diǎn)所占比例關(guān)系，以此確定二值化圖像效果及步驟1中的假定(為白底黑字牌照)是否正確(若為黑底白字牌照，以T1為閾值的二值化圖像鮮有筆劃邊緣，并且黑點(diǎn)比例遠(yuǎn)小于r1)。若假定錯(cuò)誤，則轉(zhuǎn)步驟3；若假定正確，則轉(zhuǎn)步驟4。

3)說(shuō)明步驟1假定錯(cuò)誤，應(yīng)為黑底白字牌照，以T2為閾值對(duì)牌照?qǐng)D像二值化，同時(shí)進(jìn)行紋理分析，判定并分析字符筆劃邊緣。

4)根據(jù)筆劃邊緣的分析結(jié)果對(duì)T1(T2)作微調(diào)，最終得到筆劃清晰連續(xù)的二值化圖像。二值化后的圖像如圖6所示。

圖6二值化后的圖像

經(jīng)過(guò)上述幾個(gè)重要步驟后，車(chē)牌圖像應(yīng)該比較清晰了。最后，對(duì)二值圖像進(jìn)行濾波平滑處理。通過(guò)試驗(yàn)和比較，本文選取了一款掩模濾波器，處理結(jié)果如圖7所示。

圖7　平滑后的圖像

4結(jié)語(yǔ)

本文重點(diǎn)探討了車(chē)牌識(shí)別過(guò)程的預(yù)處理方法和定位技術(shù)，面對(duì)環(huán)境影響不確定、車(chē)牌自身的缺點(diǎn)導(dǎo)致的負(fù)面影響，提出了圖像灰度化后直接剪切車(chē)牌圖像的方法，該方法有助于快速確定車(chē)牌區(qū)域；同時(shí)，本文在二值化處理過(guò)程中提出了動(dòng)態(tài)閾值選取法，試驗(yàn)表明該方法有效地提高了二值化效果。

參考文獻(xiàn)

[1] 賈永紅.計(jì)算機(jī)圖像處理與分析[M].武漢：武漢大學(xué)出版社，2001.

[2] 周品，李曉東.MATLAB 數(shù)字圖像處理[M].北京：清華大學(xué)出版社，2012.

[3] 阮秋琦. 實(shí)現(xiàn)數(shù)字圖像處理[M]. 北京：電子工業(yè)出版社，2001.

[4] 王璐. 基于MATLAB的車(chē)輛識(shí)別系統(tǒng)研究[D]. 上海：上海交通大學(xué)，2009.

[5] 賀興華，周緩緩，王繼陽(yáng)，等.MATLAB 7.X圖像處理[M].北京：清華大學(xué)出版社，2008.

[6] 康健新. 基于圖像的車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D]. 長(zhǎng)春：吉林大學(xué)，2014.

[7] 黃山. 車(chē)牌識(shí)別技術(shù)的研究和實(shí)現(xiàn)[D]. 成都：四川大學(xué)，2005.

[8] 孟濤. 車(chē)牌識(shí)別關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[D]. 武漢：華中科技大學(xué)，2006.

責(zé)任編輯鄭練

Research on Key Technology of License Plate Recognition based on MATLAB

DENG Yunsheng1, SONG Yuxi2, ZHU Xianyong2,3, LIU Run3

(1.Department of Mechanical and Electronic Engineering, Bengbu College, Bengbu 233030, China; 2.School of Machinery Science and Engineering, Jilin University, Changchun 130022, China; 3.Engineering Training Center, Jilin University, Changchun 130025, China)

Abstract：Automatic license plate recognition is one of the important technologies in intelligent traffic system. It has been widely used with image processing and pattern recognition. It can be divided into four processes: license plate image preprocessing, license plate location, license plate segmentation and license plate recognition. This paper focuses on the license plate image preprocessing and license plate location technology, and realizs the simulation with MATLAB. Propose a method for image grayscale image directly after cutting the plate, it is possible to quickly determine the license plate area. Present a dynamic threshold selection method in the binarization process, the experiments show that this method can effectively improve the binarization results.

Key words:image pre-processing, license plate location, gray level selection, MATLAB

收稿日期：2015-10-09

作者簡(jiǎn)介：鄧運(yùn)生(1983-)，男，碩士研究生，主要從事電子技術(shù)、數(shù)字圖像處理和車(chē)牌識(shí)別等方面的研究。

中圖分類號(hào)：TP 391.41

文獻(xiàn)標(biāo)志碼:A