一种车牌定位与提取方法

A Method of License Plate Location and Extraction

Wu Wenliang

（Nanjing Communications of Institute of Technology，Nanjing 211188，China）

摘要： 本文提出一种基于边缘检测和行扫描相结合的车牌定位与提取算法：主要通过Sobel算子提取原始图像的边缘信息，然后通过水平和垂直扫描进行粗定位，最后根据车牌的特征进行精确定位。

Abstract: An arithmetic is proposed here that it is based on edge detection and license plate location. The edge information can be extracted from a vehicle image by using Sobel arithmetic operator, and a row scan method is used to locate the up and down edges and the left and right edges of the plate. Finally, the precise location is gained on the characteristic of the plate.

关键词： 车牌识别 Sobel算子 车牌定位

Key words: LPR；Sobel Operator；vehicle license plate location

中图分类号：U461 文献标识码：A文章编号：1006-4311（2011）29-0294-01

0引言

车辆牌照识别（License Plate Recognition，LPR）系统是智能交通系统（Intelligent Transport System，ITS）的一个重要分支。它是在不影响车辆行驶状态的情况下，通过摄像机对车辆图像进行捕捉，运用数字图像处理、模式识别、人工智能等技术，对采集到的图像进行处理，从而得到被测车辆的车牌数字、字母以及汉字字符，最后以特定形式给出识别结果，为车辆自动化控制和管理提供重要的基础[1-3]。

Choi[4]提出利用Hough变换寻找垂直边缘提取汽车拍照方法，这种方法主要利用Hough变换检测车牌周围边框直线，由于汽车某些因素导致牌照边框扭曲等，给检测带来很大麻烦。在基于灰度阈值法中，一般通过灰度直方图来确定闭值，再经阈值得到满意的字符和背景分离的二值图像，此方法的缺点是计算时间长，对噪声比较敏感。另一种方法是基于穿线扫描的定位方法[5]，采用水平方法的逐行线扫描法，计算灰度跳变次数，选取阈值，或者计算扫描行离差数据，确定出车牌上下左右边界。此方法主要利用牌照中文字笔画变化频率比较稳定的特点，设定阈值，通过扫描确定上下界位置和左右位置。这样在已缩小的范围内再用上述方法进行递归检测，直到牌照位置比较稳定位置。该方法在拍摄环境有比较大的变化情况下，都能较快速准确地定位出车牌区域。

1本文采用车牌定位与提取的方法

本文针对车牌图像容易受到环境影响等缺点，主要围绕利用图像的灰度信息和梯度信息两类定位方法，结合边缘检测、穿线行扫描和模板匹配法的优缺点[6-7]，在此基础上进行了一些新的探索和尝试，通过大量的实验找出快速有效的定位方案。车牌的粗定位过程就是在车辆图像预处理的基础上，利用车牌区域所特有的边缘信息比较集中的特征，用边缘检测算子提取车辆图像的边缘信息，然后二值化边缘图像，隔行扫描车辆图像，根据跳变次数定位出候选区域，最后利用车牌的特征去除非车牌区域，实现车牌的精确定位。实验表明该方法对图像的适应性强，定位快速、准确。本文方法如图1所示。

1.1 图像预处理图像的预处理主要包括图像的灰度化和图像的增强，主要目的就是突出车牌的最主要特征，以便更好地提取车牌。

边缘检测边缘检测是提取目标和背景的分界线，将目标和背景区分开。主要借助空域微分算子通过卷积完成，本文采用Sobel边缘检测算子，Sobel算子有很好的抑制噪声的能力[8]。

1.2 图像二值化本文采用局部自适应阈值化方法，通过点和附近点平均加权后再和该点比较，如该点灰度值大于均值，置为1；否则为0。

1.3 车牌区域定位车牌区域定位主要分为水平、垂直定位和精确定位。由于车牌中水平分布7个字符，且字符本身的灰度与背景间的灰度值存在较大差异，使得车牌区域中的边缘特性很明显，这个水平定位的参照依据。在垂直定位中，主要计算上述定位区域所有起始点和终止点的方差，当方差小于某个值时，可认为得到了车牌的左右界。最后根据车牌长度和宽度有统一的标准这一特性，从上述中可筛选出车牌位置坐标，从而从原始图像中提取车牌图像。

2实验结果及分析

根据上述步骤，对一些车牌随机做了实验，实验结果表明，该方法结合了边缘检测、穿线行扫描和模板匹配法的优缺点，在大多数情况下能快速、正确地定位车牌。该方法对图像背景干扰滤除效果良好，并且在处理时间上，避免了许多复杂的数学变换运算，使得耗时减少。

3总结

车牌识别（LPR）是ITS应用的最重要方面之一。本文主要根据车牌图像特征，利用Sobel算子提取原始车辆图像的边缘信息，使得车牌区域的特征更明显，然后采用水平和垂直扫描的方法确定出车牌的上下和左右边界，完成车牌的粗定位，最后利用车牌的某些特性进行精确定位。该方法对车牌的适应能力强，定位快速，对某些图像质量不好的车牌也有很好的定位效果。

参考文献：

[1]李爱成，孙卫.车辆牌照自动识别的原理和实现[J].金陵科技学院学报，2005，21（1）：31-35.

[2]冯新宇，庞艳辉.车牌识别技术实现方法初探[J].交通科技与经济，2007，40（2）50-51.

[3]阎建国，高亮等．图像处理技术在车牌识别中的应用．计算机应用，2000，26（1）．

[4]H.j.Choi.A study on the extraction and recognition of a car number plate by image processing.Journal institute of telematics and electronics[J].1987；24: 309-315.

[5]赵启升，李存华.基于VC++的车牌识别系统关键技术研究[J].计算机科学，2006，33（12）：207~213.

[6]骆雪超，刘桂雄，冯云庆．一种基于车牌特征信息的车牌识别方法[J].华南理工大学学报（自然科学版），2003，31（4）：70―72．

[7]应宏微，宋加涛，杨忠秀，任小波.车牌定位算法研究[J].视频技术应用与工程，2006，31（1）：78-82.

[8]朱光忠，黄云龙，余世明.边缘检测算子在汽车牌照区域检测中的应用[J].计算机技术与发展，2006，16（3）：161-164.