基于数学形态学的车牌定位算法

董加英

(温州大学数学与信息科学学院，浙江温州 325035)

基于数学形态学的车牌定位算法

董加英

(温州大学数学与信息科学学院，浙江温州 325035)

在汽车牌照识别系统中，车牌定位是整个识别模块实现的前提，为了能对汽车牌照精确定位，提出了一种基于数学形态学的车牌定位方法．首先利用中值滤波方法对汽车图像进行消噪处理，然后用迭代阈值选择法将图像进行二值化，并运用数学形态学的膨胀、腐蚀对二值图像进行处理，得到几个车牌候选区，然后利用面积、长宽比以及垂直投影特征值等进行综合分析，准确定位车牌区域．实验结果表明，该方法简单易行、准确率高、并且具有一定实效性，可用于对实际车牌图像的准确定位．

数学形态学；结构元素；车牌定位

车牌识别技术是智能交通系统ITS（Intelligent Traffic System）的重要组成部分．车牌识别过程需要从复杂的图片中准确定位、提取、识别出感兴趣的目标文字，车牌定位是技术核心，也是判别系统性能的重要依据之一．目前车牌定位方法主要有边缘检测法[1]、投影法[2]、灰度特征法[3]、神经网络法[4]、遗传算法[5]等，这些方法各有所长，但存在着计算量大或定位准确率不高等问题．近年来形态学图像处理这门特殊的技术，已经发展成为图像处理的一个主要研究领域，国内外已有较多的学者将数学形态学应用到图像处理中的研究．本文提出了一种基于数学形态学先选定若干个候选区域，再从候选区域中选出车牌区域的定位算法．

1 数学形态学原理

数字形态学图像处理是图像处理的一个重要领域，其基本思想是利用一个结构元素来探测图像，当结构元素在图像中不断移动时，可以利用数学形态学基本运算构造出许多非常有效的图像处理与分析方法．数学形态学[6-7]最常见的基本运算有以下几种：腐蚀、膨胀、开运算和闭运算，它们是全部形态学的基础．用这些运算及其组合可以进行图像形状和结构的分析及处理，包括图像分割、特征抽取、边界检测、图像滤波、图像增强和恢复等方面的工作．

腐蚀运算的作用是消除物体的边界点，是边界向内部收缩的过程，可以去除小于结构元素的物体．腐蚀运算定义为：

其中，S表示腐蚀后的二值图像集合，B表示用来进行腐蚀的结构元素，X表示二值图像，结构元素内的每一个元素取值为0或1，它可以组成任何一种形式的图形，在B图形中有一个中心点，此式的含义是用B来腐蚀X得到的集合S，S是由B完全包括在X中时B的当前位置的集合．

膨胀的作用与腐蚀的作用正好相反，它是基于二值化以后对图像物体边界点进行扩充，将与物体接触的所有背景点合并到该物体中，使边界向外的过程．如果两物体之间的距离比较近，则膨胀运算[8]可能会把两个物体连通到一起，膨胀对填补图像分割后物体中的空洞很有用．

膨胀运算定义为：

其中X表示二值图像，B表示结构元素，S表示二值图像X经结构元素B膨胀后的图像．

一般情况下，腐蚀与膨胀是不可恢复的运算，但通过腐蚀与膨胀可以构成开运算和闭运算．先腐蚀后膨胀的过程称为开运算，它具有消除图像上细小物体，并在物体影像纤细处（目标狭窄区）分离物体和平滑较大物体边界的作用；先膨胀后腐蚀的过程称为闭运算，它具有填充物体影像内细小空洞，连接邻近物体和平滑边界的作用．

开运算和闭运算定义分别为式（3）和式（4）：

2 基于数学形态学车牌定位算法

由于天气变化、光线强弱、车辆洁度等室外条件的影响，在实际场景中得到的汽车图像背景很复杂并且存在噪声，因此在进行车牌定位识别之前需要对图像进行预处理[9-10]．预处理环节包括图像增强和去噪滤波等环节．在预处理之后对图像进行形态学处理，首先利用腐蚀运算进行滤波，再进行开运算，确定出目标区域[11]．

根据上述思想，本文采用的车牌定位流程如图所示：

3 车牌定位算法的实现

3.1 预处理

为了消除摄像头拍摄过程中带来的噪声，应对图像进行去噪处理．目前常用的消噪方法主要有邻域平均法[12]和中值滤波法[12]．邻域平均法对抑制噪声是有效的，但它选择的是低通滤波器，而通常图像中的边缘信息里含有大量的高频信息，所以在去噪的同时也使边界变得模糊．中值滤波法采用一种非线性平滑滤波器，它与邻域平均法的不同之处在于，中值滤波器的输出像素值是由邻域像素的中间值决定而不是平均值决定的．中值滤波法运算简单、运算速度快，并且在滤除噪声的同时能很好地保护信号的细节信息，在一定条件下，可以克服线性滤波器所带来的图像细节模糊．因此，本文选用中值滤波的方法[12-13]对图像进行消噪处理．

摄像头拍摄到的图像光照条件不够理想，而且车牌位于车身下部，对比度较差，加上车身上部的一些反光等诸多因素的影响，如果直接对图像进行扫描定位会有很大困难，为了获得较好的扫描、分割效果，有必要对车辆图像进行增强处理．图像增强是指对图像的某些特征，如边缘、轮廓、对比度等进行强调或锐化，以便于显示、观察或进一步分析与处理．图像增强不会考虑引起图像质量下降的原因，而是将图像中感兴趣的特征有选择地突出，并衰减不需要的特征．

根据汽车图像的特点，本文选用灰度变换增强，变换公式如式如下所示：

其中Rmax,Rmin分别为原始图像直方图中的的最大灰度值和最小灰度值；Smax,Smin分别为变换后图像直方图中的的最大灰度值和最小灰度值．

3.2 二值化处理

在作形态学处理之前，必须对输入的包含车牌的图像作背景去除处理．去除背景即把目标与背景分开形成二值图像①Yang F, Ma Z. Vehicle license plate location based on histogramming and mathematical morphology [C]. Proceedings of IEEE Fouth IEEE Workshopon Automatic Identification Advanced Technologies, 2005: 89-94．，以便进行后期的车牌定位．精确地分开目标与背景的关键是选取合适阈值．由于不同的图像其分割阈值不尽相同，因此必须针对不同图像进行计算求得阈值，为了使算法具有自适应性和较快的运算速度采用迭代阈值选择法计算阈值．

算法步骤如下：

3.3 形态学处理

可用下式表示：

3.4 车牌定位

经数学形态学处理之后的图像，最终还要进行车牌定位[15]．根据我国车牌的特征，分别采用面积、长宽比以及垂直投影特征值进行加权综合来确定车牌区域．

实际处理如式（5）所示：

其中：iλ表示各自不同的权值；Ci表示集中特征置信度，包括面积S、长宽比P以及垂直投影特征值H．面积（S）指各矩形区域内非零像素的数目，在二值图像上面积越大，是车牌的可能性越大，因此面积越大，特征置信度Ci就越大．

长宽比（P）是车牌的一个明显特征，虽然车牌反映在图像中的大小不同，由于我国车牌长宽比相对固定，一般在0.30 – 0.34之间，因此在图像中车牌区域的长宽比也相对固定，所以越接近真实车牌长宽比的区域的置信度Ci就越大．

垂直投影特征值（H）是根据在二值图像上车牌字符呈明暗交替变化来确定的．特征值的计算方法如式（6）所示，其中特征值越大就越接近真实车牌，因此置信度Ci就越大．

式中：LU为垂直投影直方图中所有从波谷到波峰的路径总长度；LD为直方图中所有从波峰到波谷的路径总长度；bW为图像的宽度，可消除图像大小不同对特征值的影响；1 000为规范化因子．

综合面积、长宽比以及垂直投影特征值三个因素进行综合分析来定位车牌区域，可以消除仅用某一参数来进行评价所带来的误差．

4 仿真结果

选取一幅像素240×340的汽车图像进行仿真实验，仿真结果图1所示：

本实验是在matlab 2012a上实现的，实验结果表明，经图像增强处理后能明显增强目标区域，经二值化消除噪声之后用形态学处理得到目标区域比较明显，根据车牌特性能准确定位出车牌．

5 结 论

车牌定位是车牌自动识别的关键环节，直接关系车牌自动识别的准确率．本文针对车牌图像的特点，提出一种基于数学形态学的车牌定位方法．该算法针对去除背景后的汽车图像中仍然存在噪声，采用不同的结构元素对图像进行形态学运算，以进一步消除噪声，大大提高了车牌定位的精确度．实验表明，该方法可以从复杂背景中分离出待识别的车牌部分，使进一步的车牌字符识别成为可能．上述基于形态学处理的车牌定位方法，可以较好地确定图像中车牌的位置，且算法简单、实时性好，具有较好的实际运用前景．

图1 汽车图像仿真实验

[1] 梅林, 刘峰. 基于边缘检测与垂直投影相结合的车牌定位方法[J]. 甘肃科技, 2009, 25(3): 15-17.

[2] 刘军, 向军, 刘银生. 一种基于纹理分析和投影法的车牌定位方法[J]. 公路工程, 2011, 36(4): 29-32.

[3] 王钰淞. 基于灰度边缘和车牌颜色对的车牌定位[J]. 信息与电脑, 2012, 1(1): 42-43.

[4] Li G, Zeng R L, Lin L. Research on vehicle license plate location based on neural networks [J]. Innovative Computing, Information and Control, 2006, 3(6): 174-177.

[5] 张玲, 刘勇, 何伟. 自适应遗传算法在车牌定位中的应用[J]. 计算机应用, 2008, 28(1): 184-186.

[6] 李伟, 朱伟良, 孔祥杰, 等. 一种新型的基于数学形态学和颜色特征车牌定位算法[J]. 科技通报, 2009, 25(2): 214-219.

[7] 王钧铭, 赵力. 一种基于数学形态学的车牌图像分割方法[J]. 电视技术, 2007, 31(10): 84-86.

[8] 宾西川, 裘正定, 章春娥, 等. 一种基于数学形态学膨胀运算的文本数字水印[J]. 计算机安全, 2009, (11): 4-6.

[9] 邹攀红, 孙晓燕, 张雄伟, 等. 一种基于数学形态学的二值图像去噪算法[J]. 微计算机信息, 2010, 26(32): 200-203.

[10] 王玉军, 董增寿. 利用数学形态学与图像二值化进行车牌定位[J]. 太原科技大学学报, 2011, 32(2): 89-92.

[11] 鹿晓亮, 陈继荣. 复杂背景下快速车牌定位方法研究[J]. 计算机仿真, 2006, 23(7): 256-259.

[12] 赛地瓦尔地•买买提. 基于Matlab的几种图像去噪方法研究[J]. 河南科学, 2013, 31(9): 1388-1390.

[13] 张立国, 杨瑾, 李晶, 等. 基于小波包和数学形态学结合的图像特征提取方法[J]. 仪器仪表学报, 2010, 31(10): 2285-2290.

[14] 左琦, 史忠科. 一种基于数学形态学的实时车牌图象分割方法[J]. 中国图象图形学报, 2003, 8(3): 281-285.

[15] 李刚, 曾锐利. 基于数学形态学的车牌定位算法[J]. 仪器仪表学报, 2007, 28(7): 1323-1327.

License Plate Location Algorithm Based on Mathematical Morphology

DONG Jiaying
(Mathematics and Information Science College, Wenzhou University, Wenzhou, China 325035)

License plate location is the premise of the whole recognition module in the system of license plate recognitions. In order to be able to pinpoint the car license plate, this paper proposes a license plate location method based on mathematical morphology. Firstly, utilizing the median filter to eliminate noise of the car image, then using iterative threshold selection method to binarize the image, and the binary image is processed by means of mathematical morphology expansion and corrosion to get the license plate numbers of the candidate area. The comprehensive analysis of license plate area and aspect ratio and vertical projection eigenvaluesis applied to accurate positioning plate area. The experiment turns out that the method is simple and easy with high accuracy and effectiveness, which can be used to accurately locate the actual license plate image.

Mathematical Morphology; Structural Element; License Plate Location

TP391.41

A

1674-3563(2014)04-0037-06

10.3875/j.issn.1674-3563.2014.04.006 本文的PDF文件可以从xuebao.wzu.edu.cn获得

(编辑：封毅)

2014-04-22

董加英(1988- )，女，河南信阳人，硕士研究生，研究方向：计算机数学与复杂系统控制