基于彩色二值化的车牌定位方法

第23卷　第4期2006年4月 公　路　交　通　科　技Journal of Highway and T ransportation Research and DevelopmentV ol 123　N o 14 Apr 12006文章编号:1002Ο0268(2006)04Ο0135Ο04收稿日期:2004Ο12Ο31作者简介:吴进军(1980-),男,湖北天门人,硕士研究生,研究方向为图像识别1(jjwu11325@hotmail 1com )基于彩色二值化的车牌定位方法吴进军,杜树新(浙江大学　工业控制技术国家重点实验室,浙江　杭州　310027)摘要:提出了一种基于彩色二值化的车牌定位方法。

首先将彩色图像从RG B 颜色空间转换到HSI 颜色空间,同时生成一个与彩色图像大小相同的二值化状态特征矩阵,根据车牌的色彩特征,调整状态特征矩阵;再用数学形态学方法对状态特征矩阵进行填充空洞和滤除噪声的处理,并根据车牌的几何特征除去伪牌照区。

该方法将图像的色彩特征与状态特征分离,充分利用车牌的色彩特征调整彩色图像的状态特征,并融合了数学形态学方法;而且将车牌的色彩特征和几何特征进行了有机的结合。

实验结果表明该方法是一种有效的车牌定位方法。

关键词:车牌定位;彩色二值化;数学形态学;几何特征中图分类号:TP39114 文献标识码:AVehicle License Plate Locating Ba sed on Binary Color ImageWU Jin Οjun ,DU Shu Οxin(National Laboratory for Industrial C ontrol T echnology ,Zhejiang University ,Zhejiang Hangzhou 310027,China )Abstract :A new approach for locating vehicle license plate based on binary color image is proposed 1Firstly ,the color image in RG B color format is converted to HSI color format ,and a binary state feature matrix about the color image is brought up which has the same size as the color image 1The state feature matrix is adjusted according to color features of the plate in HSI color format 1Secondly ,math 2ematical m orphology is used for processing the state feature matrix s o that its holes are filled and its noises are erased 1And then the false regions will be eliminated according to the geometrical features of the plate 1In the proposed method ,color features and state features are separated from each other and color features of the plate are adequately used to adjust the corresponding state features 1And color features and geometrical features of the plate are combined 1The experimental result shows that the approach is g ood for vehicle license plate locat 2ing 1K ey words :Vehicle license plate locating ;Binary color image ;Mathematical m orphology ;G eometrical features 汽车牌照识别(License Plate Recognition 简称LPR )是计算机视觉与模式识别技术在智能交通系统(ITS )中的重要研究课题之一,可以应用于交叉路口监控、车库管理和高速公路超速车辆检测等场合,是实现交通管理智能化的关键技术之一。

车牌识别系统按顺序分为车辆图像的获取、车牌的定位与分割、车牌字符的识别3大部分,其中以车牌定位为其核心技术,正确又可靠地检测出车牌区域是提高系统识别率的关键。

对此提出了许多车牌定位方法,但多数是用灰度定位的方法,忽略了车牌所固有的色彩信息,并且很多参数需要人为设置[1]。

尽管在车牌的彩色定位方面的研究还不十分成熟,但也做出了一些有益的探索,如Zhu 等提出了一种计算图像颜色特征的方法来实行颜色分割[1];K im 等将图像从RG B 颜色模型转换到H LS 颜色模型,再在H LS 空间计算图像的特征用于车牌的定位[2];张引提出了彩色图像边缘检测算子C olorPrewitt 和彩色边缘检测与区域生长相结合的牌照定位算法C olorLP[3];任仙怡等将图像从RG B颜色模型转换到HSI颜色模型,再结合区域融合的方法定位车牌区域[4];郭婕将图像从RG B颜色模型转换到HS V颜色模型,再结合颜色空间距离和图像的纹理特征定位车牌区域[5]。

这些方法只用到了车牌色彩的色调特征,忽略了车牌色彩的饱和度特征和亮度特征,没有充分利用车牌所有的色彩特征。

本文提出了基于彩色二值化的车牌定位方法,它充分利用了车牌的色彩特征,并融合了二值图像数学形态学处理的方法,将车牌的色彩特征和几何特征进行了有机结合,是一种效果非常好的定位方法。

1　颜色模型[6]根据人眼的结构,所有的颜色都可以看作是RG B三种基色的不同组合。

一般彩色图像常采用RG B颜色模型,由于RG B三原色空间中两点的欧氏距离与颜色距离不成线性比例。

因此,需要将RG B 颜色空间转换到另外一个颜色空间去。

根据应用的要求不同,图像的颜色模型是不一样的,如应用于印刷和打印场合的C MY(Cyan,Magenta,Y ellow)和C MYK(Cyan,Magenta,Y ellow,Black)颜色模型,在视频及电视广播中广泛使用HS V颜色模型等等。

其中,HSI颜色模型是与人描述颜色的方式相一致的。

因此,本文将彩色图像从RG B颜色模型转换到HSI颜色模型。

HSI颜色模型中,H(Hue)表示色调,用于区分颜色的种类;S(Saturation)表示饱和度,表示颜色的鲜艳程度,与物体的表面粗糙程度有关,物体表面越粗糙,光线漫反射越厉害,S越小;I(Intensi2 ty)表示强度或亮度,与光线的强度有关,物体发出或反射的光线越强,I越大[7]。

RG B颜色模型到HSI颜色模型的转换公式如下H=θ B≤G360-θ　B>G(1)θ=cos-112[(R-G)+(R-B)][(R-G)2+(R-B)(G-B)]1Π2(2)S=1-3(R+G+B)[min(R,G,B)](3) I=13(R+G+B)(4)人们所看到的颜色是光在物体表面被选择性吸收和反射的总的效果。

为了区分各种颜色,物理学家用色彩的3个主要特征来进行描述,即色别、饱和度、明度。

色别用来区分颜色的种类,即色调H;饱和度表示颜色的鲜艳程度,即饱和度S;明度表示颜色的深浅程度,由光线的能量决定,即由光线的强度I决定[7]。

该颜色模型将彩色图像的色调信息、饱和度信息、亮度信息等3种色彩信息分离,就能利用车牌区在HSI颜色模型3个颜色通道的色彩特征来对彩色图像进行分割。

这对车牌的定位是非常有利的。

2　车牌特征和彩色二值化目前我国的汽车牌照有黄底黑字、蓝底白字、黑底白字、白底黑字红字、黑底红字等5种颜色的车牌,常见的是民用的黄底黑字和蓝底白字两种车牌,大型汽车前后均为黄底黑字的车牌,小型汽车前后均为蓝底白字的车牌;汽车前面的牌照大小均为440mm ×140mm,后面的多为440mm×140mm,大型汽车为440mm×220mm。

根据车牌的底色,车牌区域的饱和度和亮度,生成一个彩色图像的二值化状态特征矩阵。

该矩阵大小与彩色图像一样,每个元素只有两个值,即0或1,与彩色图像的像素一一对应,两者有相同的坐标。

当彩色图像上某个像素被判断为车牌区域的像素时,与该像素对应的状态特征矩阵上的元素为1,否则为0。

该方法很好地将彩色图像的状态特征和图像本身分离开,使车牌的多种色彩特征可以被充分利用;同时还可以对彩色图像的状态特征矩阵进行二值图像的处理,根据车牌区域的一些几何特征,调整彩色图像的状态特征矩阵。

3　车牌定位算法311　车牌色彩信息的利用由于车牌底色不一样,同时白天和晚上的光照情况不一样,彩色图像的色彩特征也不一样。

本文选用了黄底黑字和蓝底白字的彩色图像各一张来说明本算法,分别为白天和晚上的图像,见图1。

图1　原始彩色图像Fig11　Original color image对色彩信息特征的算法如下:(1)彩色图像从RG B颜色模型转换到HSI模型,同时生成一个与彩色图像大小一样的彩色图像二值化状态特征矩阵,并将所有的元素设为1。

631 公　路　交　通　科　技 第23卷(2)由于环境光线的影响,牌照的背景区域也会呈现与牌照区域相同的色调特征,可以先利用饱和度和强度将大部分的背景区域滤除。

对于白天的彩色图像,路面和车轮等部分表面很粗糙,其饱和度很小,可以设一个饱和度的阈值来滤除彩色图像的路面和车轮等表面很粗糙的部分。

M i ,j =1　S i ,j >ThresholdS0　S i ,j αThresholdS (5)其中,i 和j 是像素的坐标;M i ,j 为彩色图像状态特征矩阵的元素;S i ,j 为彩色图像中对应像素的S 值。

运算结果如图2(a )所示。

根据所得到的状态特征矩阵,将状态特征矩阵中值为0的元素对应的彩色图像的像素变为白点,值为1的元素对应的彩色图像的像素保持不变。

对于晚上的彩色图像,背景光线很弱而汽车前面的两个车灯会发出耀眼的光芒,其光线很强。

因此,可以设置光线强度的阈值来滤除这两部分。

M i ,j =1　ThresholdIMin ≤I i ,j ≤ThresholdIMax 0 其他(6)其中,i 和j 是像素的坐标;M i ,j 为彩色图像状态特征矩阵的元素;I i ,j 为彩色图像对应像素的I 值。