一种简易的车牌定位及字符分割方法

摘要：针对车牌识别技术中车牌定位及字符分割所存在各种问题，本文诣在运用数学形态学、radon变换理论，结合现有的车牌识别技术，提出了一种新的算法。一定程度上提高了车牌识别的准确率，加快识别速度。在研究的同时对其中出现的干扰问题进行了具体分析，处理。

关键字：车牌定位；字符分割；二值形态学

Abstract: To solve some problems in vehicle license plate location and character segmentation in the vehicle license plate recognition system, mathematical morphology, radon transform theory and the existing license plate recognition technology were combined and introduced in this paper. This paper presents a new algorithm，to some extent improved the accuracy of license plate recognition, speed up the recognition speed. A variety of interference is a detailed analysis and processing in this algorithm.

Key words: vehicle license plate location; character segmentation; Binary Morphology

中图分类号：C913.32文献标识码：A 文章编号：

1前言

随着社会工业化的快速发展，一些如城市道路、收费站、停车场等场所的交通密度日益增加，这对交通控制、安全管理的要求也日益提高。人工管理方式已经不能满足实际的需要，智能化交通管理已成为当前交通管理发展的主要方向，车牌识别则是整个智能化交通管理的基础，也是最关键的一步。车牌识别技术自然成为了人们研究的热点问题之一。

车牌识别系统可分为车牌定位及字符分割和字符识别二大部分。由于外界环境如天气、光照强度等因素干扰的存在，以及数字图像处理技术的限制，车牌定位往往是最容易出错的部分。近年来国内外学者提出了针对车牌定位及字符分割提出了一些算法，国外比较好的有R.Zunino和S.Rovetta[1]提出的基于矢量量化的牌照定位方法；M.H.TerBrugge[2]等人提出的利用DTCNN和模糊逻辑相结合的方法；。国内的有基于数学形态学的车牌定位方法等；这些算法使得车牌识别应用研究取得了很大的进展。但是目前车牌识别技术仍不够完善，识别的准确率仍不够理想，车牌识别系统一直是一个有解但一直都不能解决得很好的问题。

本文采用二值形态学技术将车牌图象处理为几个连通区域。然后利用车牌特性找出最合理的连通区域即为车牌定位，然后利用求局部极小值的方法确定字符间隙，完成字符分割。经过实验检测可以快速完成车牌定位及字符分割，而且具有较好的准确率。

另外我国国内的车牌具有一些特性，可以很好帮助我们对其进行定位及字符分割，

标准车牌的高为140mm，宽为440mm，高宽比为1：3.2；

在任何相机下所获得的照片中车牌都有一个平行四边行；

车牌字符在垂直方向是连续的，没有断点；

标准车牌的字符宽度为45mm,字符宽度与车牌总宽度的比约为1：10

3 车牌定位

3.1图片的预处理读入车辆图片，进行灰度化处理，将图片转化为一个0~255的数组矩阵。然后进行边缘检测，图像的边缘检测是图像分割，目标识别的基础，车辆边缘检测结果的好坏直接影响到后续车牌定位的结果。经多次试验得到robert算子对车牌特征的边缘检测效果最好。

3.2形态学运算

根据车牌特性，先采用结构元素为，对边缘检测后的图片做腐蚀运算，可以很好的保留车牌区域，并滤除干扰部分，然后再采用结构元素为：

对图像做闭运算，从而达到连通车牌断裂的区域，而且可以将图像分为几个连通区域。去除其中面积较小的块域，设定面积阈值为2000，只保留面积大于阈值的块域。如图1所示

图1

3.3 连通块域处理及车牌定位

利用特性（1）来实现车牌的粗定位。具体算法为：先求出图1中各个连通区域的所有边界点（在matlab7.0中使用bwboundaries函数），分别求出各个连通区域中水平方向的最大值Xmax、最小值Xmin，垂直方向的最大值Ymax、最小值Ymin。令m=3.2*（（Ymax-Ymin）/（Xmax-Xmin）），m的值最接近于1的连通区域，即为要找的车牌区域，按照坐标值在原图中裁剪出这个区域。如图2所示

图2 粗定位车牌区域

4车牌的字符分割

4.1车牌子图片预处理

对上述确定的车牌子图片进行灰度化后，并再次利用robert进行边缘检测，然后利用radon变换对二值图做倾斜矫正。radon变换的原理为图象空间域中的直线在radon变换域中表现为一个点，同时记录下该直线所对应的θ值，图象空间域中象素点多的直线在radon变换域中形成亮点，象素点少的则为暗点。

利用这一原理只要在radon变换域找到最亮的点，与之对应是图象空间域最长的直线段即车牌上下边框以及其所对应的θ值。这个θ即为车牌的倾斜角，从而实现车牌倾斜矫正

4.2裁剪车牌上下边框

采用全局阈值对车牌图像进行二值化处理后得到二值图，但是直接对其做字符分割干扰太大。这里采用一定的处理使得车牌的区域近一步缩小，具体方法为：根据车牌特性（3），利用这一特性可以设定一个阈值threshold，从im的水平投影Y_temp的中间位置，分别向上和向下找出小于这个阈值的点坐标即可使车牌上下边界紧贴字符的。由于车牌的左右边界对字符分割影响不是很大，为了简化计算量，我们不做处理，直接进行字符分割。如图3所示

图3 车牌预处理

4.3车牌字符分割

经过上述处理，各个字符间的空隙可以很清楚的看到如图所示，根据车牌特性（4）只要找出宽度满足一定阈值条件的象素块即可。具体算法见流程图5所示，其中由于一个字符的宽度i_width大概为n/10，从左端开始剔除小于i_width/2的连续字块，以及象素点平均值大于m*0.8的连续字块，这样可以消除车牌左边框的干扰，对于车牌第二个字符和第三个字符之间的黑点处理同样可以通过判断连续字块的宽度剔除。具体流程图如图4所示，字符分割结果如图5所示

图4 字符分割流程图

图5为图3的字符分割结果

5总结

综上所述，本算法总体上比较简易，具有较高的运算速度，对于一些看似复杂的运算（如求图象连通域的面积等）全部可以借助matlab软件中的函数直接实现，而且本算法考虑了各个影响因素，并针对这些因素提出了相应的解决方案，可以很好的实现车牌定位及字符分割，为接下来的字符识别奠定了良好的基础。

参考文献：

[1]冈萨雷斯．数字图像处理（第二版）．电子工业出版社，2007.8

[2] 韩永强，李世祥.汽车牌照子图象的定位算法[J].微型电脑应用，1999（3）：14-16

[3] 卢雅琴，邬凌超.基于数学形态学的车牌定位方法[J].计算机工程 2005（2）：223-224

[4] 江萍.基于数学形态学的图象分割及其在车牌分割中的应用 2002

[5] 崔江，王友仁.车牌自动识别方法中的关键技术研究.计算机测量与控制，2003，（11）：260-262

[6] 王钧铭，赵力.一种基于数学形态学的车牌图象分割方法，视频技术应用与工程，2007，（8）：84-86

[7] 焦婷婷，复杂背景下车牌分割技术研究，山东师范大学，2009，4

注：文章内所有公式及图表请以PDF形式查看。