基于颜色和垂直投影的车牌定位与字符分割

苏博妮

（四川文理学院 智能制造学院,四川 达州 635000）

0 引言

近年来，随着智能化交通管理系统的发展需求，现代化的车辆管理诸如交通流量控制、车辆的定位及追踪、交通行驶中的超速违章等自动化监控的实现无不需要对汽车牌照进行识别，因此，汽车牌照识别技术变得越来越重要.车辆牌照识别系统主要包括车牌区域定位、字符分割和字符识别三大关键部分，其中车牌定位和字符分割是字符识别准确与否的基础，在牌照识别中占有重要地位.

根据车牌特点，常见的车牌定位算法围绕边缘检测、色彩分割方法来实现车牌定位.基于颜色定位主要根据车牌的蓝底白字特征来定位，该方法简单快捷，定位准确度较高，而采用边缘检测定位的方式一般包括图像灰度化、二值化处理、边缘检测定位车俩位置，再利用车牌长宽比先验知识进行车牌区域识别.［1-2］而在字符分割领域，近年来也出现了许多方法，常见的方法有模板匹配、聚类分析、投影分割等方法.［3-5］由于车牌以及车牌字符具有固定的宽度和字符间距，因此基于投影分割的方法得到了关注.本文利用HSV颜色空间定位车牌区域，利用randon变换对图像进行倾斜矫正，将牌照图像投影后结合车牌长度和字符宽度特征完成了字符分割.

1 基于HSV颜色空间的车牌区域定位

目前采集的车辆图像大多为彩色图像，比较普遍的彩色图像都是采用RGB颜色模式，即图像的每个像素颜色都是由红绿蓝即R、G、B三个分量构成，每个分量都有256级灰度，0表示最暗，255表示最亮.在这个模型当中，不同的颜色对应RGB三个分量在0-255之间的不同取值调配，这三个分量之间的相关性很强，因此，在车牌定位时RGB空间难度较大.而且RGB空间也不能反映出物体的具体颜色信息，相对于RGB空间，HSV颜色模型由色度、饱和度和亮度三个分量来表示每一个像素的颜色特征，因此HSV颜色空间更能直观的表示颜色的色调、明暗程度等信息，便于颜色对比.［6］

通过对大量的车牌图片分析发现，对于具有某种目标颜色的一个像素而言，可以通过直接对H、S、V分量的一个具体范围把这些像素筛选出来，本文中针对蓝底白色车牌，就可以通过设定三分量的具体范围把蓝色像素过滤出来，这样可以节省大量的时间.［7］根据先验知识，蓝色汽车车牌的HSV三分量值为色调H:0-180度，饱和度S为：0.4-1，亮度 V为：0.3-1，因此，考虑如果在HSV颜色空间按此范围设定三分量的取值，就可以快速筛选出蓝色车牌区域.

算法基本思想是在HSV颜色空间基于上述范围查找出蓝色像素点，然后逐行逐列搜索蓝色像素点区域，该方法对于大多数蓝色车牌的识别效果较好（不包括车身为蓝色的汽车图片）.具体步骤如下：

（1）读入图片，将RGB空间转换为HSV空间；

（2）确定蓝色区域上下边界，首先按行统计蓝色像素点个数，找出蓝色像素点最多的行，以及最大的蓝色像素点数；

（3）通过对各行蓝色像素点统计值的分析结合图片车牌区域位置选定阈值5，然后以蓝色像素点最多的行为中心，向上逐个比较，直到达到蓝色像素点数和为5为止确定车牌上边界，接着按同样的方法逐个向下比较，找到车牌下边界.如图1所示；

（4）逐列统计蓝色像素点个数，找出蓝色像素点最多的列及其数值，按步骤（2）方法确定蓝色区域左右边界，如图2所示，最后根据确定的上下边界和左右边界剪切出车牌，定位好的车牌图片如图3所示.

图1 确定上下边界

图2 确定左右边界

图3 定位好的车牌区域

2 牌照图像倾斜校正

车辆图像采集时，由于摄像角度的不同，通常不能完全保证车牌照的水平方向与整幅图像的水平方向平行，也很难达到牌照平面的法线与图片平面法线在同一水平线上，因此，在采集的图像中就会出现牌照倾斜，导致定位截取的图片出现牌照倾斜的问题，严重的情况表现为牌照既不竖直也不横平，这对于后期的字符分割、字符识别的影响是非常大的，直接影响到车牌识别的整体性能，因此，在牌照定位之后必须要进行倾斜校正.本文中定位到的车牌图片倾斜虽然不严重，但为了保证后期切割和识别的准确性，文中采用randon变换对牌照图片分别进行水平和垂直校正.图像校正具体步骤如下：

（1）读取定位好的牌照图片，进行灰度化处理；（2）对图片进行转置变换，逆时针旋转90度，设置倾斜矫正范围，本文算法设置-20-20度，进行randon变换确定倾斜角度；（3）对于randon变换结果计算一阶微分并按行求和，查找最大值及其对应角度，就是最大倾斜角；（4）利用旋转变换对图像进行水平校正.结果如图4所示.（5）采用同样的方法，利用randon变换完成对竖直角度的调整，如图5所示.本文算法中采集的图片是顺时针旋转，对应逆时针旋转也是同样的道理，通过这种变换方式，就可以实现对图像的倾斜校正.牌照区域校正之后，为了分割更加方便，还需对车牌去除边框和铆钉，排除干扰，减少不必要的运算.

图4 水平调整后

图5 水平和垂直调整后

3 牌照字符分割

在图像校正、精确定位、去除边框、铆钉以及字符分割环节中，都要首先对图像做灰度化处理以减少信息运算量，提高算法的运行速度，在字符分割环节，为了字符分割的准确性以及减少信息量，还要进行二值化处理，这些都属于图像预处理范畴.

3.1 图像预处理

3.1.1 图像灰度化处理

由于大部分彩色图像都是RGB颜色模式，因此，处理图像时要分别对三种分量进行处理，而RGB颜色并不反映图像的形态特征，更侧重于颜色的光学调配，这些彩色信息对于车牌的定位和识别作用不大，却造成了大量的信息冗余使得车牌识别的复杂度增加，因此，在图像预处理时首先要进行图像灰度化处理，以便于减少后续处理的计算量.而且从图像特征描述角度灰度图像仍然可以反映出整个图像整体和局部的亮度以及色度变化.图像灰度化处理的方法包括四种：（1）取分量法：将彩色图像每个像素的R、G、B值的某一个作为灰度图像的灰度值.（2）最大值法：取彩色图像每个像素的R、G、B值中最大的一个作为灰度图像的灰度值.（3）平均值法：将彩色图像每个像素的R、G、B值做平均，取平均值作为所求灰度图像的灰度值.（4）加权平均法：将彩色图像每个像素的R、G、B值经过加权求和所得结果作为灰度图像的灰度值.其中，最常用到的是加权平均法，因为人眼对绿色敏感度最高，红色次之，蓝色敏感度最低，一般选择权值系数时满足G＞R＞B，才能输出合理的灰度图像.而且大量的实验结果表明，当三个分量的权值分别取0.587、0.299、0.114时所得的灰度图像最符合人眼对色彩的感知.［8］因此，本文采用加权平均法进行图像灰度化处理，结果如图6所示.

图6 灰度化处理

3.1.2 二值化处理

为了更好的实现定位分割，减少信息处理量，提高识别的效率和准确性，一般灰度化处理后还要进行二值化处理，灰度图像的灰度值在0-255之间，二值化处理就是将灰度值进一步简化为0或255，也就是白或黑，经过二值化处理后整幅图像就呈现为黑白两种颜色.在车牌图像处理时，二值化处理的关键就是合理的选择阈值，阈值的大小直接导致车牌图像与背景能够有效的分割.图像阈值选取有全局阈值，局部阈值、动态阈值三种，全局阈值适用于车牌没有受到污损的情形，对于车牌受到污损或者光线亮度不均的情况则选取局部阈值法效果较好，但是如果相邻块之间阈值有差异，局部阈值法识别效率会大大降低.而动态阈值法阈值随着图像中的位置而变化，在不同的区域选择不同的阈值，常见的方法就是otsu二值化方法，otsu算法基于聚类思想，根据图像灰度值差异最大化将灰度值分为两部分，通过寻找一个合适的灰度方差的方法来划分，本文算法中采用otsu算法进行二值化处理.

图7 二值化处理

3.2 牌照字符分割

字符分割是把牌照定位的图像中的车牌号码字符提取出来形成单独的字符图像，单个字符图像是后续牌照识别的基础，因此，分割准确与否直接影响到后续的识别效果.标准车牌牌照上的字符之间的间隔具有一定的规律，一般家用小型汽车牌照首位为省名缩写的汉字，第二位是英文字母，第三位、第四位为英文字母或者阿拉伯数字，末三位为数字，字符总长度为440，单个字符的宽度为45，利用这些先验知识可以有效的进行字符分割.

图8 垂直投影

将二值化后的车牌图像进行垂直投影，由于车牌图像字符之间有固定的间距，因此，必然存在字符之间的间隙处垂直投影值最小，同时在这个位置处还应满足牌照的尺寸等特征.垂直投影图如图8所示，从图中可以看到，投影中有七个明显的波峰和波谷，结合车牌的特征，我们知道，波峰对应车牌的字符部分，波谷部分对应着字符之间的间距空白部分，根据垂直投影寻找每一个波峰和波谷，即字符的中心位置和边缘，结合字符宽度，就可以实现字符分割.

具体思路如下：计算垂直投影，根据投影图的特点，字符部分宽度相同，加上字符部分和边框整个车牌图片长度近似为十个字符长度，因此，结合投影图就可以确定7个字符的位置，删除多余的边框，然后根据宽度分割出车牌字符，分割出的字符如图9所示，这种方法可以有效避免对于川字牌的误分割.

图9 字符分割

结 语

本文对车牌定位和字符分割进行了研究，在车牌定位时，基于HSV颜色空间进行了车牌区域定位；对应倾斜的车牌，利用randon变换实现牌照图片的矫正；在字符分割时，对牌照图像进行灰度化、二值化处理，结合车牌字符比例和垂直投影技术实现了字符分割.MATLAB仿真表明，该方法能够实现车牌定位和字符分割，特别是垂直投影技术对于字符的分割效果较好，但基于颜色的分割方法在汽车车身颜色为蓝色时不能有效的定位车牌区域，仍需改进.