一种快速的车牌定位及字符分割方法

2015-07-18闫怀平张涵张骁艳

电脑知识与技术 2015年12期

闫怀平　张涵　张骁艳

摘要：该文提出一种快速的车牌定位及字符分割方法。首先对采集的图像进行降分辨率，在降分辨率后的图像中进行车牌区域粗定位，在进行字符分割时再将车牌位置映射回原图中，提高算法的时间效率。车牌定位时基于颜色信息进行定位，最后基于垂直投影和排序方法对车牌中的字符进行分割。

关键词：车牌定位；分辨率；字符分割。

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2015）12-0199-02

A Rapid Method of License Plate Location and Character Segmentation

YAN Huai-ping1，ZHANG Han1，ZHANG Xiao-yan2

（1.Anyang Institute of Technology， Anyang 455000，China； 2.Anyang NO.37 High School ， Anyang 455000， China）

Abstract： This paper presents a rapid method of license plate location and character segmentation. First， The resolution of the acquired image is reduced. Subsequently， the license plate location is performed roughly.When character segmentation we map to the original location， so this method can improve the time efficiency of the algorithm. The method is based on the color information for license plate location. Finally， The characters of the license plate is divided by the method based on the vertical projection and sorting.

Key words： License Plate Location； Resolution； character segmentation

车牌识别问题作为智能交通领域中研究的重点和热点问题之一，受到越来越多人们的关注。车牌定位是车牌识别中首要环节，定位的准确与否直接影响后续的字符分割与字符识别，因此车牌定位是整个车牌识别中很关键的一环。

近年来，国内外提出许多车牌定位方法。主要包括基于边缘检测的方法，基于数学形态学的方法，基于颜色特征的方法，基于纹理特征的方法等等。有些学者将这些方法与其他方法相结合，提出了一些新的方法。有些将传统的RGB分量转换到HSV颜色空间[1]和YIQ颜色空间[2]再进行定位的方法。胡峰松[3]提出一种基于HSI颜色空间和行扫描的车牌定位算法，利用颜色信息进行颜色分割，并辅以后续行扫描及形态学处理完成车牌定位。信曦[4]分析了不同光照下的车牌图像在HSV空间的分布特性与图像亮度等参数关系，提出了一种能适应光照环境的快速车牌定位算法。这些方法为基于颜色特征的定位方法提供了新的思路，但是利用多个颜色空间的数据进行运算，会使得计算量增加。本文提出一种快速的车牌定位方法，使用降采样及将分辨率后各层图像之间的对应关系提高算法的时间效率，利用Lab颜色空间b分量中车牌区域的特征，设计了一种自适应阈值的二值化处理方法，即可完成车牌的粗定位。后续通过统计车牌区域黑白跳变数对车牌精确定位。字符分割时采用了投影法获得车牌区域中的若干连续区域，通过对连续区域特征的分析及排序，剔除边界和车牌中间白点的干扰，完成各个字符的精确分割。

1 基于颜色的车牌定位方法

我国汽车车牌中有多种特定颜色的组合，而使用普遍的是蓝色车牌。Lab空间的b分量刚好代表蓝色到黄色的光谱变化，因此将传统的RGB彩色空间转换到Lab彩色空间，通过b分量的信息可将蓝色区域突出显现出来。在b分量中，蓝色车牌区域呈现出突出的暗区域或黑色特征。

为了满足车牌识别应用系统自动化要求，设计一个自适应的图像二值化方法。二值化主要目的是把车牌区域分割出来，因此从低灰度区（直方图的最左面）开始，第一个波峰后的波谷应该是理想的二值化的阈值，如图1所示。它可以将车牌区呈现出局部黑色区域从大面积的灰色区域中分割出来。为了排除个别值的干扰，可设置合适阈值保证从直方图中找出的波峰波谷是合理的，本文采用的阈值为3。

2 快速车牌定位

当前图像采集设备采集到的图像多是高清图像，这使得图像包含了更丰富的信息，但同时也对图像处理的时间带来较大影响，使得原本可直接对图像进行处理的算法其执行时间变的不可以接受。因此，在对图像细节信息要求不是特别严格时，降分辨率的方法经常被用来缩小图像的尺寸。降分辨率的方法有很多，本文采用直接降采样处理方法，该方法高效，而又不影响基于颜色的定位方法的定位效果。降分辨率时记录降低的层数k，在满足尺寸要求的最底层图像中进行车牌定位。采用基于颜色的定位方法，不用考虑图像的边缘等细节信息，而只考虑区域的颜色信息，这使得在低分辨率的图像中也能较好的将车牌的大致区域定位出来。假设记录车牌的区域为x1行到x2行，y1列到y2列，则在原高清图像中车牌的大致区域为x1*2k行到x2*2k行，y1*2k列到y2*2k列，算法的执行时间是直接在原图执行时间的1/22k，因此该方法可实现车牌的快速定位。

粗定位后的车牌区域受外边缘的影响，对后期的字符分割有较大影响。因此在字符分割前再对车牌区域进行精确定位。在水平方向上可通过统计每一行的黑白跳变次数，设置合适阈值，可对车牌区域在进行精确定位。在车牌上的字符有7个，因此有字符的水平区域对应的每一行的黑白跳变数至少应该大于或等于14。因此根据该阈值可对车牌区域进行精确定位，剔除外边框的影响。

3 字符分割

字符分割时，车牌前两个字符后的白色实心点经常被错误的分割为字符，对字符分割的结果造成影响。而传统的设置阈值的方法又不能满足自适应的要求，降低算法的通用性。对车牌区域采用投影法统计出车牌区域的垂直投影，如图2。通过设置合适阈值，可从垂直投影图中找出连续的若干区域，把每一个连续的区域看成一个图像块，白色实心点对应的块的投影高度低于任何一个字符块的投影高度。本文对车牌区域连续的图像块按照投影高度进行降序排列，可精确地将白色实心点、车牌左侧及车牌右侧的干扰剔除，找出每个字符的起始位置及每个字符的宽度。按照每个字符的起始位置及字符的宽度可完成字符的精确分割，为后续的字符识别带来便利。

4 算法步骤与结果分析

综上所述，本文算法流程如下：

1）规定标准尺寸，若图像尺寸大于该标准，则对图像进行降采样处理，并记录降低的层数k；

2）对待处理图像进行彩色空间转换，转换为Lab彩色空间；

3）对Lab空间中b分量进行二值化处理；

4）投影法确定车牌区域的粗略边界，按照文中所述对应关系确定原图中车牌区域；

5）对车牌中连续区域的按投影高度进行降序排列，前7个连续区域即为7个字符区域，将每个字符分割出来。

最后通过Matlab编程实现，实验结果如图3、图4所示，由图中可看出本文方法得到了较准确的定位区域和较理想的字符分割效果，从而验证了该方法的有效性。

5 结论

本文提出一种快速的车牌定位方法，利用车牌区域的颜色信息对车牌定位，并通过降采样的方法提高算法的时间效率。字符分割时通过投影法，找出车牌区域中若干连续区域，并按照排序的方法剔除干扰，得到较好的字符分割效果。

参考文献：

[1] 周泽华，潘保昌. 基于多颜色模型的车牌定位方法[J].微计算机信息，2007，23（1）： 283-285.