数字图像处理之车牌边缘提取

车牌边缘提取

---------------------前言-------------------

我国的公路交通事业正步入信息化、数字化时代。智能交通系统是近年来国际上最引人注目、研究发展速度最快的领域之一，而车牌自动识别则是随之发展起来的一门高新技术。随着交通现代化的发展要求，汽车牌照的自动识别技术在公共安全、交通管理及有关军事部门有着重要的应用价值，它不仅可以提高管理部门的工作效率，节省大量的人力、资金、甚至能够降低与汽车有关的犯罪率，为维护社会治安发挥独特的作用。

一个典型的车牌识别系统大体分为四个模块：车牌图像预处理和车牌定位模块、车牌字符分割和字符识别模块。车牌准确定位分割是车牌识别的第一步，直接影响系统的识别速度和精度，是整个系统的核心技术。

-----------------------相关理论介绍---------------------

一、车辆牌照识别系统主要应用于：

(1)交通流量检测

(2)交通控制

(3)机场、港口等出入口车辆的管理

(4)小区、停车场管理

(5)压黄线、逆行等违章车辆的监控

(6)车辆安全防盗、查堵指定车辆等

LPR应用于这些系统，可以解决通缉车辆的自动稽查、交通堵塞、高速公路和停车场的自动收费等问题，大大简化人的劳动，消除人为干扰，减少乃至杜绝出错的可能，同时能通过交通联网实现车辆数据的统计、传输以及模糊查询等问题，具体应用可概括为；

1．车辆身份的识别

在道路交通检测部门，每天都有大量的违规车辆，通常的人工识别车牌及输入信息的方法，因为工作作量过大，容易引起工作人员的疲劳误判，采用LPR系统能自动对车辆牌照进行识别处理，节约大量人力、物力，减轻工作强度，并且显著提高工作效率。

2．车辆的自动检测报警

对于列入“黑名单”的车辆，如肇事后逃逸的车辆、被公安部门通缉或挂失的车辆、欠费的车辆等，一旦将这些车辆的相关资料输入应用系统中，系统就会处于自动检测状态，对所有过往的车辆进行识别、比较，一旦发现上述车辆经过，立刻发出报警信号，达到车辆自动稽查的目的。通常运用于监控卡口、路桥收费卡口、停车场入口等。

3．在无人看守情况下车辆的出入

主要用于停车场管理系统中，利用系统能在不停车状态下自动识别车辆牌照和车型的特点，在车辆经过卡口的一瞬间，得到识别结果并通过通信网络将识别出的车辆信息传送到各个出口。既不需要工作人员的操作又可保证车辆信息准确无误地传送到各个出口，从而节省了人力和物力。

4．数据的自动统计及模糊查询

主要用于路桥卡口、停车场的内部管理和交通公安管理部门的监控。通过通信网络，出入卡口的车辆数据可以实时在线和互相通信，随时可用于统计流量和进行模糊查询，找到待查车辆目前的大致位置。因此车辆牌照识别系统具有广泛的应用前景，虽然许多国家都致力

于汽车牌照系统的研究和开发，但仍未达到完全实用化的要求，并且每个国家研制的车辆牌照识别系统大都只适用于本国的车辆牌照，所以研制和开发出符合我国车牌特点的高效、实用的车辆牌照识别系统，具有深远的意义。

二、车牌提取算法：

为了准确、快速地定位出车辆牌照，人们已经研究了很多算法，这些算法都或多或少地利用了车牌的先验知识，即车牌的自身特征。当然这些特征对于不同国家是不同的，从人的视觉角度出发，我国车牌具有以下的可用于定位的特征：

1．形状特征：车辆牌照在图像中是一个近似长方形或近似平行四边形。虽然真实的汽车牌照是一个矩形，但由于摄像头的安装位置和拍摄角度，拍摄的车牌可能不是矩形，而是一个平行四边形。因为国家统一的车牌大小是标准的，宽高比是一定的，即使有所变形也在一定范围内，因此车牌在原始图像中的相对位置比较集中，偏差不会很大。

2．颜色特征：现有的车牌有4种颜色类型：小型汽车的蓝底白字车牌、大型汽车的黄底黑字车牌、白底黑字的军警车、黑底白字的国外驻华使馆用车。由颜色对比度知道，蓝底自字和黑底白字的车牌二值化的结果是黑底白字，而黄底黑字和白底黑字的车牌二值化后是白底黑字。

3．灰度跳变特征：车牌的底色、边缘颜色和车身的颜色是各不相同的，表现在图像中就是灰度级互不相同，这样在车牌边缘形成灰度突变边界。事实上，车牌的边缘在灰度上的表现就是一种屋顶状边缘。在车牌区域内部，由于字符本身和牌照底色的灰度是均匀的，所以穿过车牌的水平直线呈连续的峰、谷、峰的分布。

4．纹理特征：车牌内有多个字符，而且大小统一、基本水平排列，一般数目确定，由于拍摄原因有一定程度倾斜，文字和背景之间有明显灰度对比。

三、国内外研究现状：

从20世纪90年代初，国外的研究人员就已经开始了对车辆牌照识别系统的研究，其主要方法就是对车牌的图像进行分析，自动提取车牌，进行车牌字符的分割和识别，确定车辆牌号。在车牌识别过程中，虽然运用了很多的技术方法，但由于外界环境光线变化以及车牌本身由于污点或字符断裂等原因，使得车辆牌照识别系统一直得不到很好的应用，而且很多方法需要大量的数值运算，没有考虑到实时处理的要求。为了解决上述由于环境影响而造成的图像恶化的问题，国内外许多研究机构和公司企业采取的办法是主动红外照明摄像或使用特殊的传感器采集图像等方法来提高图像的质量，继而提高识别率，但这样做也造成了系统的投资成本过大，应用领域变小而不适合推广应用。

国外现在有一些公司在这方面有一些比较成功的产品系列：以色列Hi—Tcch公司的See ／CarSystem一系列产品，香港AsiaVisionTeclmology公司的VECON产品，新加坡Optasia公司的VLPRS产品等，其中VECON和VLPRS产品主要适合于香港和新加坡的车牌，Hi—Tech 公司的See／Car System有多种变形产品来分别适应某一个国家的车牌，See／Car Chinese系统可以对中国大陆的车牌进行识别，但也有很大的缺陷，而且不能识别车牌中的汉字。另外同本、加拿大、德国、意大利、英国等各个西方发达国家都有适合于本国车牌的识别系统。各个国家的产品虽然不同，但基本上都是基于车辆探测器的系统，因此设备投资巨大。

中国大陆做得较好的产品有中科院自动化研究所汉王公司的“汉王跟”，除此之外国内的亚洲视觉科技有限公司、深圳市吉通电子有限公司、中国信息产业部下属的中智交通电子系统有限公司等也都有自己的产品。另外西安交大的图像处理与识别研究室、上海交大的计算机科学与工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等也都做过类似的研究。

四、车牌定位的研究：

从车辆牌照识别系统的关键技术：车牌定位、字符分割、字符识别来看，车牌定位是第

一步，它的准确与否对后续工作影响很大，在这方面的研究国外起步较早，现有的比较好的牌照定位方法主要有J．Baffoso等提出的基于水平线搜寻的定位方法，R．Parisi等提出的基于DFT变换的频率域分析方法以及J．Bulas．CrueTM等人提出的基于扫描行的车牌提取方法和Charl Coetzee提出的基于Niblack二值化算法及自适应边界搜索算法的定位方法。

上述方法，尽管在一定条件下能够提取出车牌，但车牌识别系统大多是利用摄像机于室外拍摄车辆图像进行处理，因此存在许多客观的干扰，如天气和光线的变化、车牌磨损、图像的倾斜等因素，所以定位并不十分理想，而且对于其他国家的车牌也不能很好地识别，甚至产生拒识或误识等现象。90年代以来，由于交通现代化的需要，我国也开始对车牌定位进行深入的研究，许多学者和研究人员经过不断地探索提出了许多定位算法，如基于车牌文字变化特点的自动扫描识别算法，基于特征的车辆牌照定位算法，基于变换函数提取车牌的算法，基于视觉的车辆牌照检测方法等。这些算法或方法都是基于车牌的特征来研究车牌的定位和识别，因此具有一定的针对性和局限性。

车牌定位是解决图像处理中的实际问题，方法多种多样。对一些复杂图像应用某些数学工具不仅可以加快处理速度还可以改善和优化处理结果。如机动车辆自动识别收费系统中提出的一种基于局部阙值二值化与自适应形态滤波相结合进行车牌定位的算法，此算法对于文字区域水平且其周围干扰较少的情况下定位较准确，但此算法二值化所得结果中各种尺寸的干扰区域都保留下来，对于倾斜度的正确估计十分不利。还有一种算法，利用牌照边框为一灰度值高于背景灰度的平行四边形，通过边缘提取，再利用Hough变换检测出平行造成参数空间峰值的点扩散甚至消失，这些都影响直线识别的准确性。经检验，它只在文字区域集中于某一范围且水平时比较准确，使用范围较为狭窄。

另外，一些传统的定位技术在复杂背景、图像变形、噪声污染严重的情况下也无从准确定位。因此，也有些学者从一些数学工具着手，利用数学形态学、小波分析、遗传算法等方法对一些传统定位方法进行改进。数学形态学的基础是腐蚀和膨胀以及由此产生的开、闭运算。传统的灰度图像中的开、闭运算具有“削峰添谷”的功能，可以将目标区域显示出来，但同时也将大量非目标区域显示出来。

上海交通大学的宴建华、赵正校提出了基于属于开运算的汽车牌照区域定位算法，通过对灰度图像采用开运算，削去满足特定属性的峰部，确定出目标及少量非目标区域，然后计算出图像的倾斜角及目标区域所在范围；华南理工大学的戴青云和广东工业大学的余英林提出了基于小波和形态学的车牌图像分割方法，这种方法通过小波多尺度分解提取出纹理清晰，具有不同分辨率、不同方向的边缘子图像，其中水平方向低频、垂直方向高频的这一分量，主要代表车牌的目标区域。然后用数学形态学方法对小波分解后的细节图像进行一系列的形态运算，进一步消除无用信息和噪声，以找准车牌位置；南京理工大学的是湘全等人提出了利用遗传算法对图像进行优化搜索，结合区域特征矢量构造的适应度函数，寻找到牌照区域的最佳定位参量。

以上介绍的方法是基于灰度图像的车牌定位方法，也是传统的图像处理技术与车牌特征的有机结合，但是无论是摄像机还是扫描仪，给人最深印像的还是丰富多彩的彩色图像。人类视觉系统对彩色非常敏感，能够很好地区分出上万种不同的颜色，而且彩色图像不仅令人在视觉感受上比灰度图像好，更重要的是它能够提供更多的图像信息。由于牌照一般具有不同的色彩，并且多与牌号、车身、车辆背景不同，因此考虑基于颜色来研究车牌的定位也是车牌识别邻域的一种新思路。

近年来，在这方面进行研究的有上海交通大学的赵雪春、旋鹏飞等人，前者提出了一种采用色彩分割及多级混合集成分类器的车牌自动识别方法，这种方法的主要思想是通过三层MLPN网络将具有均匀色度空间的彩色图像进行色彩分割，再利用投影法分割出潜在的各种底色的车牌区域；后者提出了基于颜色和纹理相结合的车牌定位方法，基本思想是利用车牌

的颜色和纹理特征，先转换颜色空间为HSV模型，在HSV模型进行距离和相似度的计算，然后对输入的图像进行颜色分割，选择满足车牌颜色特征的区域，最后对所选择的区域利用纹理及结构特征进行分析和判断，最终确定车牌的区域。浙江大学的张日、潘云鹤也对彩色汽车图像牌照定位方法进行了研究，提出了针对车牌颜色的彩色边缘检测算子和彩色边缘检测与区域生长相结合的牌照定位方法。这种方法通过彩色边缘检测算子对彩色图像的边缘进行检测，增强牌照区域，并借助数学形态学的膨胀运算实现区域的连通，采用区域生长方法标记候选区域，最后利用车牌的先验知识，剔除虚假的车牌区域，得到真实的汽车牌照区域。实验表明该方法定位准确率高，通用性好。

上述各种车牌定位方法都具有一定的实用性和参考价值，然而也都具有不完善的一面，一般是对某一类或某种情况下效果较好，因此有必要对车牌的定位方法作进一步的研究。

------------------------处理方法----------------------- 要想提取出一幅图像中的车牌位置，要先对图像进行预处理．包括RGB图像的灰度化、灰度图像的线性变换、灰度图像的二值化等，然后基于边缘提取的方式定位到车牌所在区域，不论在实时性还是在准确率上都可以满足要求。

车牌定位方法是在图像处理的基础上，对图像进行分析、总结并经过大量的实验确定的，定位方法的研究与车牌特征和图像处理技术是分不开的。同时在车牌识别系统中，牌照的定位准确与否直接影响到字符分割和字符识别的准确率。车牌定位的主要工作是从摄入的车辆图像中找到车辆牌照所在的位置，并把车牌从该区域中准确地提取出来，供后续的字符分割使用。

一、图像预处理

图像预处理是车牌定位的第一步，因为用摄像头采集的是RGB彩色图像，而车牌识别系统处理的是灰度图像或二值图像，因此首先要把原图转化为灰度图像。

另外，在景物成像的过程中，由于季节的更替、自然光照度的昼夜变化等原因会引起牌照图像的退化，会使图像的灰度值与实际景物不完全匹配。造成这种影响的原因主要是由于被摄物体的远近不同，使得图像中央区域和边缘区域的灰度失衡，或是由于CCD摄像头在扫描时各点的灵敏度有较大的差异而产生图像灰度失真，或是由于曝光不足而使得图像的灰度变化范围很窄。这时就可以采用灰度校正的方法来处理，增强灰度的变化范围、丰富灰度层次。

最后为便于处理，我们对灰度图进行阈值分割，把它变换为二值图像。

二、图像锐化

图像锐化可以使图像灰度反差增强，使图像更有利于轮廓抽取。因为轮廓或边缘是图像中变化率最大的地方，所以抽取图像的轮廓，就是寻找图像的最大灰度变化处。在抽取边缘之前，利用图像处理技术使图像边缘灰度反差增大，边缘更加清晰，以利于下一步提取，这就是图像锐化。

为了突出图像各不同走向的边缘和线条，可采用各向同性且具有旋转不变性的梯度算子。与平滑运算一样，一般取一个阈值T作为门限。

Roberts梯度有一个阈值作为门限T才有较好处理效果。这完全以抽取轮廓为目的，使原图像消失而成为一极暗背景中有最亮轮廓线的图像，此方法对目标的识别和跟踪等领域十分重要。

三、确定车牌区域

首先利用函数来放大车牌的边缘特征：

车牌图像经过函数进行处理后，突出了图像中的边缘信息，方便准确地提取车牌。虽然放大特征的同时，噪声也会放大，但是由于车牌区域的直线密集，信息较为丰富，“放大”的特

征倍数远大于噪声，原来的水平定位车牌图像经过处理后得到了预期的目标：放大了边缘的特征。

四、车牌定位：

上述处理后，车牌照的边缘信息得到加强，下一步可以对边缘特征信息方法后的图像进行投影，对这个投影图进行分析可知车牌区域在投影图中的均值较大，并且宽度与车牌的宽度差不多一致。此时我们可以充分利用车牌的先验知识，如车牌宽度大概是高度的3倍，利用这一点，对投影图从左向右搜索一个具有相应宽度并且投影值连续的区域，把此区域的起始和终止坐标记录下来并分别储存。这个区域就是车牌部分。

五、存在的问题

实验证明对不同背景和光照条件下的车辆图像进行上述处理，可以有效和可靠地对图像中的车牌照进行识别，同时针对具体研究要求，得到如下结论：

1．车牌图像的定位算法能比较好地对图像中的车牌区域进行定位。其影响牌照垂直和水平方向不能准确定位的两个因素为：

A．图像中车牌大小差异较大，不能找到满足所有牌照大小的定位阈值

B．图像中车前和车牌附近的车辆背景细节过多，容易导致错误定位。

由于在牌照定位的实际应用过程中，汽车原始图像中牌照的大小相对稳定，车辆周围也不会出现过多的背景干扰，故上述两个因素可以尽量避免，从而可以进一步提高车牌的准确定位率。

2．在车牌自动识别过程中，在光照差或摄像时曝光不足的条件下所摄的图像都会影响到车牌定位和车牌字符分割算法的可靠性，由此可见要提高车牌识别系统的可靠性，应该尽可能地提高原始图像的质量。

----------------------实验结果-------------------

·灰度图

·二值化

·提取车牌边缘

·定位车牌

--------------------------结论-------------------------- 你就写感谢老师吧