基于圖像處理和投影的車牌定位方法

　　1. 車牌初步定位

　　1.1. RGB 空間向HSI空間轉(zhuǎn)化后的車牌

　　彩色圖像包含豐富的顏色信息，給人良好的視覺(jué)效果，根據(jù)這一特點(diǎn)進(jìn)行初次定位。但在一般情況下，彩色圖片都在RGB 模型下，而HSI模型較適合人的視覺(jué)系統(tǒng)，所以需進(jìn)行顏色空間轉(zhuǎn)換，將RGB模型轉(zhuǎn)化為HSI模型，從RGB 空間到H SI空間的轉(zhuǎn)換公式為：

　　當(dāng)B =G 時(shí)，H = θ;當(dāng)B > G 時(shí)，H = 360°- θ.。

　　藍(lán)底白字車牌中，藍(lán)色的色度H 約為240°，飽和度S 值較大。通過(guò)這兩個(gè)量，可以將輸入圖像中的藍(lán)色部分全部過(guò)濾，從而去除了大量的背景噪音。

　　經(jīng)實(shí)驗(yàn)測(cè)試藍(lán)色車牌的色度>=0.75，飽和度>=0.51。由此可見利用HS I空間的色度和飽和度的范圍值可以得到粗定位車牌區(qū)域，結(jié)果如圖1所示。

　　1.2. 車牌定位的預(yù)處理過(guò)程

　　經(jīng)過(guò)初步定位后，車牌范圍減小，將車牌圖像進(jìn)行灰度處理，灰度圖像的紋理分布主要在車燈、車牌、散熱器，而且車牌位置的灰度值也與其他部位的不同，非車牌區(qū)域大部分灰度變化都比較平緩。

　　( 1)去除孤立亮點(diǎn)

　　一般情況下，車牌圖像的采集過(guò)程，受到各種因素的影響，如背景，光照以及車本身的一些特征因素,容易造成圖片存在噪音，由于初定位已經(jīng)將大部分的車牌圖片背景去除，因此減少了噪音點(diǎn)。為了縮小車牌的可能區(qū)域，采用M atlab工具箱中的bwmorph函數(shù),可以有效地將孤立點(diǎn)去除，結(jié)果如圖3所示。

　　( 2)移差掃描與邊緣檢測(cè)

　　移差掃描就是從左到右掃過(guò)整個(gè)圖像，以相鄰的像素作為消弱水平紋理的灰度級(jí)，保留并增多縱向跳變處的灰度級(jí)，如式( 4)所示。

　　式中，f (xj，yi) 是原圖像，g (xj，y i) 是掃描后的圖像，經(jīng)過(guò)處理，圖像的垂直紋理和線條變得比較明顯，從而消弱了其他區(qū)域突出了車牌區(qū)域。如圖4所示。再利用邊緣檢測(cè)，將車牌所在區(qū)域的邊界從整個(gè)圖片中加以突出，使車牌區(qū)域的特征更加明顯。效果如圖5所示。

　　圖5邊緣檢測(cè)圖

2. 車牌的精確定位

　　經(jīng)過(guò)移差掃描后的圖片，灰度圖像中的車牌區(qū)域變得紋理和線條比較明顯，而且整個(gè)圖片的噪音較少，可以進(jìn)行車牌水平和垂直方向的邊界確定。

　　本文利用水平投影和垂直投影分別確定車牌的邊界。

　　通過(guò)對(duì)圖像的邊緣檢測(cè)處理，清楚地將車牌區(qū)域劃分出來(lái)，非車牌區(qū)域的噪音點(diǎn)減少，所以采用水平投影的方法確定垂直方向的車牌邊界。

　　水平投影是先自上而下對(duì)圖像f (xj，yi) 進(jìn)逐行掃描，將每一列的值相加，得到一維函數(shù)f (yi) 。使二維函數(shù)轉(zhuǎn)變?yōu)橐痪S函數(shù)，如式( 5)所示。

　　得到的一維函數(shù)是對(duì)圖像每一列的白色像素的統(tǒng)計(jì)。當(dāng)f( yi) 值較大時(shí)，對(duì)應(yīng)車牌區(qū)域; f (yi) 值較小或者為0時(shí)，對(duì)應(yīng)非車牌區(qū)域噪音，利用這一特點(diǎn)將車牌水平方向的邊界確定。對(duì)函數(shù)f yi 繪制圖像,可以發(fā)現(xiàn)當(dāng)f (yi) 不為0時(shí)，該點(diǎn)的對(duì)應(yīng)的f (xj，yi )豎直方向上存在白色像素點(diǎn)。當(dāng)f yi 為0時(shí)，對(duì)應(yīng)的f (xj ，yi) 豎直方向不存在白色像素，可以確定為非車牌區(qū)域。

　　在車牌左右邊界確定時(shí)，垂直方向的定位相對(duì)噪音減少，垂直投影是先從左到右對(duì)圖像f (xj，yi) 進(jìn)逐行掃描，將每一行的值相加，得到一維函數(shù)f (xj )。

　　如式( 6)。

　　水平投影和垂直投影的投影圖如圖6 和圖7所示。

　　在這個(gè)過(guò)程中，閾值的選取是根據(jù)投影圖的圖像確定的。因?yàn)樵谕队皥D中，代表的是每一列或一行的白色像素點(diǎn)的累加。所以當(dāng)投影圖的值較大時(shí)，代表該列或者該行的白色像素點(diǎn)較多，從而為車牌區(qū)域;當(dāng)投影圖的值較小時(shí)，為噪音點(diǎn)，所以必須確定一個(gè)閾值將噪音去除。本文之前采用的圖像處理方式已將大部分噪音點(diǎn)去除，所以在此先設(shè)定好閾值，大于該值的為車牌區(qū)域，同時(shí)由于車牌本身有長(zhǎng)寬比例的特征，一般車牌的比例為22 ：7，根據(jù)這一特點(diǎn)最終定位。

　　在車牌定位中，定位方法主要考慮的是對(duì)噪聲的抗干擾性是否良好，文中初步定位車牌區(qū)域是通過(guò)顏色模型的轉(zhuǎn)換，利用色度和飽和度的范圍大致確定車牌位置。去除了大量的背景噪音，對(duì)二次定位的準(zhǔn)確性提供了可靠依據(jù)。在精確定位中，考慮到車本身存在噪音,例如散熱器、車燈等，但由于車牌位置紋理突出，車身噪音相對(duì)較小，所以利用移差掃描將車牌位置更加突出，非車牌區(qū)域只剩下單獨(dú)的孤立亮點(diǎn)。在精確定位中采用投影，所以就必須去除孤立亮點(diǎn)。文中采用 Matlab工具箱，有效去除了大量的孤立亮點(diǎn)。采用水平投影和垂直投影確定水平和垂直方向的邊界，同時(shí)利用車牌本身長(zhǎng)寬比例的特點(diǎn)最終定位，實(shí)驗(yàn)證明，對(duì)車牌圖片噪音抗干擾性好，定位效果較好。

　　3. 結(jié)束語(yǔ)

　　本文利用基于顏色和投影的車牌定位方法，分兩步將車牌區(qū)域確定，通過(guò)對(duì)320 張分辨率為1 024 %768具有不同背景的汽車圖片進(jìn)行測(cè)試，定位成功率達(dá)到8*% 以上。