基于数学形态学的车牌分割算法

摘要:该文提出一种基于数学形态学的车牌图像分割算法。首先,对原始车牌图像进行预处理;然后,利用一种抗噪型数学形态学边缘检测算子进行车牌边缘检测;最后,去除图像水平噪声,结合水平、垂直投影进行定位。实验表明,该方法不仅算法简单、准确度高,且适于对有噪声及背景复杂的车牌图像进行分割。

关键词:车牌分割;数学形态学;结构元素;边缘检测

中图分类号:TP18文献标识码:A文章编号:1009-3044(2009)24-6859-03

An Algorithm of License Plate Segmentation Based on Mathematical Morphology

XIONG Chun-rong, XIE Miao

(Yulin Normal University,Yulin 537000, China)

Abstract: In this paper, a algorithm of license plate segmentation based on mathematical morphology is proposed. First, we carry on the pretreatment to the original license plate image; Then,detect the car licence edge with one anti-chirp mathematics morphology edge detection operator; Finally, remove the horizontal noise of car licence mage and union horizontal, vertical positioning projection for locating the car licence. During the experiment, This method is not only a simple algorithm、high accuracy, and suitable for license plate segmentation to the car license image which have the noise and complex background.

Key words: license plate segmentation; mathematical morphology; structure element; edge detection

车牌识别(car license plates recognition,CLPR)系统作为智能交通系统(Intelligent Transport System,ITS)的重要组成部分,已广泛应用于交通流量检测,公路不停车收费,闯红灯违章车辆监控等领域。其目标是在无人参与的情况下,提取和识别汽车牌照上的字符。它是计算机视觉、图像处理和模式识别技术在智能交通领域的应用。完整的CLPR系统由车牌定位、字符分割与字符识别三部分组成[1]。

在CLPR系统中,车牌定位是十分关键的一步,车牌定位是整个识别模块实现的前提,其定位准确率将大大影响整个系统的最终识别性能,而车牌定位历来是车牌识别系统中的难点问题。车牌定位的实质是图像分割,其目标是从原图像中提取牌照区域,以供下一步字符分割与识别。在实际环境下,由于天气变化,光照不均匀,摄像机畸变和电子噪声,以及车牌污迹磨损等客观原因对车牌定位准确率造成影响,因此有必要采取合理的有效的车牌定位算法来克服这些客观因素的不利影响。国内外对于车牌的定位进行了深入的研究,定位的方法多种多样,归纳起来主要有纹理分析法、边缘检测法、神经网络法等,然而由于牌照存在着各种干扰情况,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,形态学图像处理己发展成为图像处理的一个重要研究领域,本文将一种抗噪型数学形态学边缘提取算子应用于车牌图像边缘提取,使得车牌定位不仅效果好,且适于对有噪声及复杂背景的车牌图像进行分割。

1 数学形态学的基本原理

数学形态学是分析几何形状和结构的数学方法,是建立在集合代数基础上,用集合论方法定量描述几何结构的科学。其基本思想是用一个结构元素作为基本工具来探测和提取图像特征,看这个结构元素是否能够适当有效地放入图像内部[2]。数学形态学的基本运算有:腐蚀,膨胀,开启和闭合四种。

1.1 腐蚀

腐蚀的运算符为“",对于一个给定的图像A,用结构元素B来腐蚀,可以定义为:

AB={x:B+x?奂A}

由于腐蚀表示某个结构元素对一个图像进行探测,以便找出在图像内部可以放下结构元素的区域,则腐蚀是一种消除边界点的过程,结果是使目标缩小,空洞增大,可以有效消除孤立噪声点。

1.2 膨胀

膨胀的运算符为“?茌”,对于一个给定图像集合A,用结构元素B来膨胀。可以定义为:

A?茌B=Y{A+b:b?奂B}

因而,膨胀的结果使目标增大,空洞缩小,可填补目标物体中空洞,形成连通域。如果结构元素为一个圆盘,那么膨胀可以填允图像中的孔。值得注意的是,结构元素的大小和形状对膨胀的结果会产生不同的影响。

1.3 开启和闭合

开启和闭合运算是膨胀和腐蚀的代数运算、集合操作组成的。开启运算是先对图像进行腐蚀然后再进行膨胀,闭合运算是先对图像进行膨胀再进行腐蚀。若结构元素为B,图像为A,则:

开运算定义为:AB=(AB}?茌B

闭运算定义为:AB=(A?茌B}B

因而,开启运算通过消除边缘的突起可以使图像的边界得以平滑,具有滤去小于结构元素的细节的功能。而闭合运算则是通过先膨胀后腐蚀的处理方法填充图像内部空隙并连接邻近的物体,具有填补小于结构元素的细节的功能。

2 基于数学形态学的车牌分割算法

车牌分割算法的处理过程如图1所示。

2.1 图像预处理

车牌原始图像的采集大多是通过摄像机、数码相机等设备来拍摄获取的,一般情况下都是彩色图像,由于彩色图像表示的信息较多,用函数表示复杂,且运算速度慢,则在预处理过程中,本文首先将彩色图像转换为灰度图像,便于处理;由于车牌图像受各种客观因素的影响,使得质量较差,所以对其进行灰度拉伸,使图像明暗更加清晰,增强对比度;再用典型的全局阈值法Ostu对图像进行二值化处理,使图像变为只有黑白二色的二值图像,使得车牌纹理特征更加清晰地突显出来,为后续处理做好准备。预处理过程如图2所示。

2.2 形态学边缘检测

图像的边缘是图像最基本的特征。所谓边缘是指其周围像素灰度值呈阶跃变化或“屋顶”状变化的那些像素的集合。它广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。因此它是图像分割所依赖的重要特征[3]。

在车牌图像中,车牌区域内有多个(一般为7个)基本成水平排列的字符,则在水平方向上会形成一系列的明暗交替,存在丰富的边缘,且笔划中的纵向笔划丰富,而非车牌区域,边缘相对要少得多。这样就可以把边缘作为区分目标与背景的标志,通过对图像进行边缘检测的处理以后,车牌区域得到了加强,非车牌区域在很大程度上被削弱。

物体的边缘是由灰度不连续性所形成的。常用的边缘检测算子有Roberts、Sobel、Prewitt等,它们是在求解二维灰度函数的梯度之后,选取合适的阈值以提取边缘,通常称之为梯度阈值法。这种微分算子运算简单,但抗噪能力差。

在数学形态学中,结构元素对图像作膨胀运算会使二值图像中目标扩大,背景缩小,而腐蚀运算会使二值图像中目标缩小,而背景扩大,形态学膨胀和开运算可以抑制信号中的峰值噪声,而形态学腐蚀和闭运算可以抑制信号中的底谷噪声[4],利用这种特性可得到一种抗噪图像边缘提取算子:(AB)-(AB) 。为了检验其边缘检测的效果,本文选取3×3结构元素,用此算子与传统的边缘检测算子对加噪车牌图像进行边缘提取,经对比,表明此形态学抗噪算子,检测出的边缘不但清晰、连续,而且能很好地滤除噪声(如图3)。

2.3 形态学腐蚀去水平噪

由于车牌区域的字符笔划中的纵向笔划丰富,相对于背景图像而言,其具有大量纵向纹理特征。因此,车牌区域中纵向边缘出现概率要比横向边缘出现概率大得多。这样,若加强纵向边缘提取,能够初步消除掉大部分非汽车牌照区域。本文采用纵向线形结构元素3×1,通过形态学腐蚀操作处理,能够有效剔除水平边缘噪声影响(如图4)。虽然在去除水平噪声的同时剔除了车牌区域字符的水平边缘,但能够很好保持车牌区域垂直边缘,对车牌区域定位比较适用。

2.4 车牌分割

车牌的分割就是从车牌图像中提取车牌区域,它是对车牌进行识别的前提。分割的方法多种多样,而车牌原图像经过上述一系列的处理后,其中车牌区域的图像白点较为集中,则本文最后用一种投影积分法[5-7]来完成分割。利用水平投影法检测车牌水平位置,即定位车牌的上下边界,然后利用垂直投影法检测车牌垂直位置,定位车牌的左右边界(如图5)。能够实现比较快速而准确的定位。

3 实验结果及结论

以上算法的具体操作是在MATLAB 6.5中仿真实现的,经过各种图像预处理后,先用抗噪型形态学边缘检测算子对图像进行边缘检测,然后,在滤除水平噪声后结合水平垂直投影法来定位车牌区域(如图6,列出三张不同车型车牌分割效果)。为了验证算法的定位效果,把上述讨论的方法应用在150个样本的汽车图片中,这些图片包含了不同尺寸、各种背景,光照条件,和对比度,经测试,准确定位146张,定位率达97%。实验结果表明,此方法,可以在有噪声或背景比较复杂地情况下准确定位车牌的位置,算法简单,具有较好的运用前景。

参考文献:

[1] 俞伟广.复杂背景下的车牌识别技术研究[D].浙江师范大学,2007:1-3.

[2] 王爱玲,叶明生,邓秋香,等.Matlab R2007图像处理技术与应用[M].北京:电子工业出版社,2008.

[3] 史长琼等.颗粒图象边缘检测中边界闭合性的研究[J].自动化技术与应用,2003,22(6):28-30.

[4] 方磊.基于数学形态学的边缘检测[D].昆明理工大学硕士学位论文.2006:16-28.

[5] 周亮,刘云.基于数学形态学的汽车牌照提取算法[J].青岛科技大学学报:自然科学版,2007:70.

[6] 周波,李剑锋,王绪本.复杂环境下的汽车图像牌照定位方法[J].电脑与信息技术,2002(4):10-14.

[7] 沈世昊,盛翊智.基于边缘检测的车牌图像分割技术[J].自动化技术与应用,2004,23(3):24-26.