基于蓝色车牌背景的车牌精确定位实现方法

李 强，汪 洋，李伟博，孙瑞杰

（重庆邮电大学 信号与信息处理重庆市重点实验室，重庆 400065）

0 引言

车牌识别是智能运输系统的核心技术，已广泛应用于车辆登记与验证、公路收费、停车场车辆管理、车辆统计与违章监控等方面。车辆识别主要由车牌定位、字符分割和字符识别三部分组成。车牌定位技术可分为基于灰度图像和基于彩色图像两种方式。基于灰度图像的定位方法主要有基于车牌形态特征的Hough变换法、基于车牌灰度变化特征的灰度投影直方图法和基于矢量量化的车牌定位法等[1-3]，这些方法技术成熟，但存在定位精度不高、受环境因素影响较大的缺点。而彩色图像具有丰富的颜色信息，可大大改善车牌定位的效果。随着数字图像处理技术和计算机技术的发展，对图像处理速度的提高，彩色图像的车牌定位[4-5]已成为目前研究的重点。

现在汽车车牌区域的背景基本上都是蓝色的，而字符是白色的，因此可从彩色图像中查找蓝色区域来确定车牌位置。当车牌区域的颜色与其附近区域颜色相近，这种利用颜色来定位车牌区域方法的误差有所增加。针对这个缺点，笔者在定位方法上做了改进，采用两次定位方法，先对彩色图像做车牌粗定位、图像增强和滤波处理[6]，转化为灰度图像，然后进行二值化处理，从而精确定位出车牌的位置。针对抓拍车牌彩色图像时，因光照不足的原因，造成垂直粗定位不准的问题，提出了改进算法，提高了定位的准确率。

1 车牌精确定位方法

车牌定位系统由图1所示的图像采集、图像预处理和车牌定位三部分组成。

车辆图像的采集主要是通过CCD摄像机或数码相机等将运动或静止的车辆图像抓拍下来，并经过图像采集卡转换成JPEG的格式。由于图像采集或传输过程中不可避免地受到各种因素的影响，使拍摄到的图像效果并不理想，因此需要对车牌图像进行预处理。预处理包括图像的除噪、图像的倾斜校正等。对预处理后的彩色图像，选择合适的颜色空间和方法，对车牌进行定位分割。

1.1 彩色车牌粗定位

摄像头抓拍下来的彩色车牌图像是24位RGB格式的图像，图像中每个像素的红（R）、绿（G）、蓝（B）三个分量均用1个字节表示，每个分量的取值范围是0～255。因此，根据每个像素的三个分量的取值可以用来查找车牌区域，对车牌进行粗定位。图2是用于测试的4幅彩色车牌图像，在图像预处理时，均调整为640×480像素。

1）确定蓝色车牌区域中蓝色像素点三个分量的阈值区间

经过对大量彩色车牌图像的处理和统计，可预先确定出蓝色车牌区域中蓝色像素点的三个分量的阈值区间[7]。这三个阈值分量区间分别为R（0，55）、G（60，125）和B（100，225）。当某个像素点的三个分量都处于上述的阈值区间时，则认为这个点是车牌区域蓝色像素点。

2）蓝色车牌区域水平粗定位

对预处理后的彩色车辆图像进行逐行扫描，对满足颜色阈值条件的像素进行统计[8]。当某行满足阈值条件的像素个数处于（N1，N2）范围时，认为该行是车牌区域所在行，当连续M行满足上述条件，该M行的区域则认为是车牌所在的区域。根据对大量采集的车牌图像处理统计后，N1和N2合适的值为10和200，M的值为10～100，车牌粗定位流程如图3所示，流程图中的T取为10。图2中的四幅测试图像经水平粗定位后切割出来的车牌区域如图4所示。

图4 水平粗定位切割出的彩色车牌图像

3）蓝色车牌区域垂直粗定位

与水平粗定位相似，对水平粗定位切割后的车牌图像进行逐列扫描，对满足颜色阈值条件的像素进行统计[8]，当某列满足阈值条件的像素个数在（，）范围内时，判断该列是车牌区域所在列，当连续M′列满足上述条件，该M′列所在的区域则认为是车牌所在的区域。此处的和由前面水平粗定位出来的图像高度决定，和合适的取值为M/10和M，M′的值为20～300。车牌粗定位流程如图5所示，流程图中的T取为20。

4）垂直粗定位算法的改进

对彩色车牌进行粗定位时，还必须考虑光照条件的影响。在光照充足的情况下，图像中车牌区域的每一列至少有一个像素点是满足蓝颜色阈值条件。当光照不足时，车牌进行垂直粗切割就有可能得到不正确的结果。如图4测试图像中的渝A.TD001的车牌，在抓拍图像时，因光照的原因，字母“T”的竖笔画的那几列像素不满足蓝颜色阈值条件，车牌分割的结果如图6所示，这样就得不到完整的车牌区域。通过对这种车牌区域逐列扫描并统计每列满足蓝颜色阈值条件的像素数发现，车牌中的某些字母和数字，如B，D，E，F，H，1，4等，其竖笔画可能存在不满足蓝颜色阈值条件的1列或连续几列，把整个车牌区域分割为几个小区间。如图7所示，渝A.TD001的T，D和1就把车牌区域分割为三个小区间。针对这种情况，提出下面的改进算法：（1）对水平粗定位后的车牌区域逐列扫描，确定车牌的起始区域；（2）当出现不满足蓝颜色阈值条件的某列时（设为第A列），继续逐列扫描，当连续出现P列不满足蓝颜色阈值条件，则认为第A列为车牌的垂直结束区域。经测试，P的合适取值为6。采用改进后的垂直粗定位算法，切割出来的渝A·TD001车牌区域如图8所示。

1.2 车牌区域精确定位

由于粗定位出来的车牌区域包括了车牌的边框，为了便于后续的字符分割，还必须对车牌区域进行精确定位[9]，去除车牌的边框。

1）车牌图像的二值化

将粗定位出来的彩色车牌图像先转化为灰度图像，对图像进行增强和中值滤波处理，再将处理后的图像转化为二值图像。采用OSTU算法对图像进行二值化处理，图9是四幅测试的彩色车牌图像粗定位后二值化图像。

2）确定车牌区域的上下边框[10]

因为车牌中字符的灰度值与背景的灰度值是不同的，当对二值化后的车牌做行扫描时，会产生灰度值的跳变。穿过一个字符至少黑白跳变2次，我国的车牌一般包含7个字符，因此，这种黑白跳变至少有14次。从车牌区域中间行开始向上和向下逐行扫描，记录每一行的跳变次数，当发现跳变的次数小于10次时，将这一行的行号录下来。两个行号之外的区域就是车牌的上下边框，去除车牌的上下边框，剩下区域的高度就是车牌水平精确高度。

3）确定车牌区域的左右边框

对二值图像进行投影，并结合车牌图像的先验知识来确定车牌区域的左右边框。我国机动车牌号的标准尺寸是440 mm×140 mm，所以车牌的长宽比是22∶7。根据这个长宽比以及1.1节计算出来的车牌的高度，可以得到车牌的准确宽度。再对二值化图像进行垂直方向投影，7个字符在垂直方向投影后是7个波峰，就可以确定车牌区域的左右边框。图10是车牌精确定位后的图像。

2 小结

笔者对彩色车牌图像分两步进行定位：在彩色背景下的粗定位和在灰度背景下的精确定位。为了克服因光照不足对车牌区域定位的影响，对蓝色背景的垂直定位算法进行了改进。通过对具有不同复杂背景的200幅蓝底车牌进行检测，定位的成功率在93.7%以上。实验证明这种车牌定位方法简单、高效、定位准确，尤其在光照不足的条件下也能够得到较理想的定位效果。因此，本文车牌定位方法也是一种实用的车牌定位方法，可用于公路收费、停车场车辆管理、车辆统计等应用中。

[1] RAHMAN A，BADAWY W，RADMANESH A.A real time vehicle's license plate recogiti-on system[C]//Proc.IEEE Conf.Advanced Video Signal Based Surveillance.[S.l.]：IEEE Press，2003：163.

[2] ZUNINO R,ROVETTA S.Vector quantization for licenseplate location and image coding[J].IEEE Transactions on Industrial Electronics，2000，47（1）：159-167.

[3] KIM S，KIM D，RYU Y，et al.A robust license-plate extraction method under complex image conditions[C]//Proc.16th International Conference on Pattern Recognition.[S.l.]：IEEE Press，2002：216-219.

[4] 窦育强，刘艳芳.基于HSV空间与数学形态学的车牌定位方法[J].电视技术，2009，33（6）：99-101.

[5] 周泽华.车牌定位与分割算法的研究及实现[D].广东：广东工业大学，2007.

[6] 朱虹.数字图像处理基础[M].北京：科学出版社，2005.

[7] 沈全鹏，林德杰，何爽，等.基于像素分类的彩色车牌定位[J].自动化与信息工程式，2007，28（2）：32-34.

[8] 沈全鹏.基于数字图像处理的车牌定位研究[D].广东：广东工业大学，2007.

[9] 刘晓芳，程丹松，刘家锋，等.采用改进HIS模型的车牌区域检测和定位方法[J].哈尔滨工业大学学报，2008，40（1）：85-89.

[10] 刘双才.一种精确高效车牌定位算法[J].计算机与现代化，2010，178（6）：21-22.