欢迎您访问济南岚海机电设备有限公司官方网站!
济南岚海机电设备有限公司 电动门设计、安装、维修一站式服务
当前位置:主页 > 新闻动态 > 公司新闻 >

济南车牌识别系统中字符分割的算法

文章来源:bymzwh.com 作者:岚海机电设备 发布时间:2018-08-17 14:15 浏览次数:

返回:公司新闻

  车牌自动识别技术是智能交通管理的重要组成部分,该技术主要包括图像预处理、车牌定位、字符分割和字符识别.目前,该技术已被广泛应用,如:高速公路出入口、过山隧道、海港等处的智能缴费系统,对在监控路段违章的车辆进行取证、记录和鉴别,严密监视军管区、两国接壤地区、贸易口岸等地的车辆,优化停车场车位安排等.然而,在上述应用中,该技术的缺陷依然明显:对汉字、英文字母和数字的定位效果不是很理想;识别耗时长,难以达到实时监控的目的等.

济南车牌识别系统

  为减少上述缺陷的不利影响,本文针对该技术中的字符分割环节,根据中国车牌字符的特点,考虑倾斜和无倾斜这两种车牌图像,采用投影法并辅之以连通域法,通过图像预处理、车牌定位、字符分割三个主体流程,运用Matlab编程,实时分割车牌字符.

  1、图像预处理

  1.1 图像转化为灰度图

  倾斜车牌原图如图1所示.

图1 倾斜车牌原图


  图1 倾斜车牌原图

  由于字符和车牌底色的色彩差异很大,当彩色图像转化为灰度图像时,字符色和底色的灰度差异也很明显.用式(1)能计算出图像灰度值H:

  H=0.229R+0.589G+0.114B.

  (1)

  式(1)使用加权平均值法来计算灰度值.先给三基色设立不同的权,再进行加权,求出加权平均值,用该值取代三基色的初始值.由于人眼对三基色的感知程度有较大差异,当R、G、B的权分别为0.229,0.587,0.114时,获得的灰度图像是最理想的.

  使彩色图像转化为灰度图,可用函数rgb2gray(),它运用式(1),程序运行得到的灰度图如图2灰度图所示;为确定图像中灰度级的分布,了解各种灰度出现的频数,在图2同时给出灰度图直方图.

  由图2知,车牌区域与周边区域的灰度存在显著差异,蓝底区域与周边区域的差异尤为显著,车牌区域可被轻易辨识.

图2 车牌灰度图及直方图

  图2 车牌灰度图及直方图

  1.2 图像的边缘检测

  边缘是由图像中灰度发生剧变的像素点构成的,常见的图像边缘有房顶形、脉冲形和阶跃形.测定图像边缘的像素灰度变化水平,可利用代数求导实现,经求导可确定图像边缘的像素点的分布区位,通过判决就能得到图像边缘.对图像作边缘检测时通常用到Roberts算子,其原理是在局部运用差分法来搜寻图像边缘.该算子运用对角线上相邻像素的差值类似于阶梯形幅值的特点来检测边缘,竖直边缘检测的结果优于水平边缘,能准确确定像素点的位置.在函数edge()中,利用Roberts算子可进行边缘检测,边缘检测效果如图3所示.

  由图3可知,经边缘检测后的车牌雏形清晰可见,车辆标识的边缘也清晰显现出来,大体实现了边缘检测的目的.然而,车牌周边有一些点状噪声,为消除它们,要通过腐蚀.

  图3 边缘检测效果图 图4 腐蚀效果图

  1.3 灰度图腐蚀

  腐蚀的目的是抹除边界点,让边界向里收缩.通过腐蚀可以抹除微小且无关的物体.腐蚀遵循的法则为:图像输出的像素值是图像输入邻域里的最小值.如果有一个像素值是0,那么对应的像素输出值肯定是0.假设A的原点平移至点(x,y),则A会全部包含在Y里面,符合这个条件的所有点构成了A对Y腐蚀后得到的二值化图像.用imerode()函数可实现腐蚀,腐蚀效果如图4所示. 比较图4和图3可知,图3中微小且无关的物体已被全部抹除,使车牌区域及车辆标识得以保留下来,车牌轮廓很清晰.

  1.4 图像平滑处理

  得到车牌轮廓后,在获取脚点前,应先对图像作平滑处理.如果图像存在统计误差和噪声,会给获取脚点造成困难.图像平滑处理可通过中值滤波法来实现.

  中值滤波法的思路是,先从小到大排列好滑动窗口内全部像素点的灰度值,用这些灰度值里处于居中位置的值来代替居于滑动窗口中部的像素点的初始值.中值滤波法的滤波效果较好,使图像边缘清晰,能有效去除独立小区域噪声和冲击干扰.中值滤波有一个对应的图像平滑处理函数imclose(),它是闭运算,能填补小口子,消除小间隙.图像平滑处理后效果如图5所示.


  图5 平滑处理效果图 图6 移除小对象效果图

  本步骤实际上使用了连通域法.由图5可知,平滑处理实现了预期目的,图像的统计误差得以消除,对获取脚点产生不良效果的噪声也得以去除.

  1.5 移除小对象

  平滑处理结束后,会生成数个大大小小的连通域,因而要设法移除与车牌区域无关的连通域.要移除图像内小于某值的连通域,可用函数bwareaopen(),它一般运用8邻域.本步骤使用了连通域法,小对象被移除后的图像如图6所示.由图中可知,图5中的小物体和车辆标识已被全部移除.

  2、倾斜车牌的定位过程

  2.1 倾斜车牌的定位

  倾斜车牌的定位可采用基于纹理特征的车牌定位法[8].对车牌原始图像作二值化处理,再对车牌轮廓作平滑处理,图像中任意一点只能在两个离散值(关(0)、开(1))里取一个,它们分别代表白和黑的特殊灰度图像,整个图像仅有两个域.全1的域是车牌区域,它和矩形相似,长宽比是4.5∶1.这些特点可被用来检验提取到的车牌区域是否准确.

  车牌区域确定后,采用水平和垂直双向投影法计算车牌的4个边界值.确定水平坐标时,先定义一个1×x的数组(x为车牌原始图像的宽度),把二值化图像垂直投影在x轴上.在直方图中,能看到水平方向上呈现两条分界线,为方便操作,把像素临界值作定量化处理,其取值定为28个像素.从左往右搜寻第一个像素为1值且大于28的x坐标,将其作为水平方向上的左侧分界线;从右往左搜寻第一个像素为1值且大于28的x坐标,将其作为水平方向上的右侧分界线,其程序可利用for循环语句实现.

  垂直方向上的分界线亦可采用上述方法确定出来.确定好分界线后,就能从车牌原图中剪切出一个仅包含车牌区域的图像.定位剪切后得到的彩色车牌图像如图7所示.在保持各字符完整性的同时,尽可能多地切除了无关区域和边框,为后面的倾斜校正和切除边框打下了良好的基础.

  图7 定位剪切后的彩色图像

  图8 倾斜校正后的图像

  2.2 倾斜车牌的校正

  首先,用Sobel算子对车牌图像作边缘检测,搜寻图像和背景的相交线,然后,检测出图像的直线,用Radon变换法计算直线的倾角.Radon变换法属于连通域法,其投影理论为:一条直线在其法线方向上的投影是最长的,而在其平行方向上的投影是最短的.用Radon变换法检测直线倾角的大致思路为:1)用edge()函数计算图像的边缘二值图像,检测出车牌原始图像中的直线;2)计算边缘二值图像的Radon变换,对全部像素值为1的点进行运算(0~179度方向上分别投影);3)检测出Radon变换矩阵的峰值,这些峰值与车牌原始图像中的直线对应,Radon变换矩阵中的全部峰值的列坐标θ就是和车牌原始图像中的直线垂直的直线的倾角,因此图像中直线倾角是(90-θ).倾斜校正后的结果如图8所示,校正后的车牌四方端正,效果良好.图像有些许模糊,这是不可避免的,即使用其他算法作倾斜校正,也有一定的失真度,但由于计算机有强大的识别能力,故不影响后面的步骤.

  2.3 切除边框

  车牌定位有一个条件是,找出一个包含车牌的区域.该区域要比车牌略大,以确保车牌信息的完整.因而提取到的车牌一般都有边框,但边框的存在会造成字符的垂直投影值全大于0,导致各字符间出现不同程度的粘连,分割点难以确定,给字符分割与识别带来很大麻烦,故要先设法去掉车牌边框.

  先切除车牌的上下边框,其步骤为:1)运用Sobel垂直方向算子作垂直边缘检测,使车牌的垂直边缘突出;2)运用膨胀运算突出车牌字符区域,取结构元素为2×2;3)各个字符均匀排列在车牌中心区域,它们与上下边框之间留有一个间隙,使车牌图像在水平方向上投影,这样就能在水平投影图上找出相应规律,并据此确定字符的上下边界;4)参照经验值切除车牌上下边框.切除车牌的左右边框可参照上述方法进行.

  切除上下边框的效果图如图9所示,再切除左右边框的效果图如图10所示.由图10可知,车牌的上下左右边框大部分已被切除干净.由于倾斜校正后的车牌边框并非直线,所以在一定程度上影响了边框的完整切除.但由于残留边框很少,故不影响后面的步骤.

  图9 切除上下边框的效果图

  图10 切除左右边框的效果图

  3、倾斜车牌的字符分割

  3.1 图像去噪处理

  车牌定位后得到的依然是彩色图像,要用投影法对其分割,先把彩色图像转化成灰度图像,再把灰度图像转化成二进制图像.其过程为先定义一个阀值:若比阀值大则取1,若比阀值小则取0.该阀值要求整个图像用统一的阀值T处理,可用于底色和字符有显著差异的图像.虽然不同图像的拍摄条件各异,但不会对去噪过程产生大的影响,也不会影响到计算的准确性.

  由于同步收集到的图像仍有干扰信号,故要用高通滤波法处理图像的低频信号,使图像锐化.

  3.2 图像膨胀或腐蚀处理

  膨胀的运算法则和腐蚀恰好相反,其图像输出的像素值是图像输入邻域里的最大值.在一个图像里,只要一个像素值是1,对应的像素输出值就肯定是1.

  字符面积和车牌面积之比一般介于0.235和0.365之间,故得到字符面积和车牌面积之比后,若该比值比0.235小,就对图像作膨胀处理;若该比值比0.365大,就对图像作腐蚀处理.本文选取的结构元素是一个二阶单位矩阵.对于该车牌图像,经系统判决,决定作膨胀处理.

  图像去噪、膨胀或腐蚀的过程如图11(a~d)所示,由图11(e)的最后一幅图可知,经处理后的车牌边框已不太明显,对后续的字符分割不会造成影响.

  3.3 字符分割

  中国大陆车牌全长为44 cm,车牌的7个字符全长为40.9 cm ,宽为14 cm,每个字符宽为4.5 cm,高为9 cm,字符间距为1 cm.其中,第二个和第三个字符的间距与众不同,为1.55 cm;第一个和最后一个字符距离边界均为2.5 cm.因此,每个字符在车牌中占有的平均宽度就是w/7(w为车牌区域的宽度).但实际情况是,有一个分隔小圆点位于第二个和第三个字符之间,车牌的左右两边和图像的边缘也有一定的宽度,故每个字符的宽度实质上是比w/7小的.鉴于以上情况,每个字符的最小宽度应为w/9,故字符宽度可在w/9 至w/7 间取得.

  图11 图像去噪、膨胀或腐蚀

  运用投影法分割字符应满足:各个字符在竖直方向上的投影在字符间或字符内的间隔处约为局部最小值,并且该位置要符合车牌字符的排列、大小和形状等必要条件.经分割后的字符图像如图12所示.

  图12 字符分割后得到的图像

  由图12可知,切割后该字符串变成了独立的字符,这些字符清晰可辨,效果良好,个别字符在肉眼看来可能有点模糊,但由于计算机是通过像素的排列位置来识别字符的,各个字符的笔画皆有迹可循,故计算机能识别这些字符.另外,从车牌图像读入到字符分割完成,整个算法执行时间仅为1.27 s,速度较快.

  如图13和图14所示,倾斜车牌的整个字符分割方法若应用于无倾斜车牌中,整个算法执行时间为1.14 s,依然能实时、准确地分割出字符,体现了该方法的普适性.

  

  图13 无倾斜车牌原图

  图14 字符分割后得到的图像

  本文是针对济南车牌识别系统中该技术的字符分割环节,根据中国车牌字符的特点,考虑倾斜和无倾斜这两种车牌图像,采用投影法并辅之以连通域法,通过图像预处理、车牌定位、字符分割三个主体流程,实时分割车牌字符,其分割准确性较高.虽然只研究了蓝底白字的车牌,但对于黑底白字的车牌,整个字符分割方法是通用的;对于白底黑字或黄底黑字的车牌,要先调整车牌定位的算法,使图像反转(0变成1、1变成0),这样整个程序仍是通用的.

相关文章: 济南车牌识别系统

友情链接:幸运飞艇开户  幸运飞艇计划软件  幸运飞艇官网  幸运飞艇开奖记录查询  幸运农场开奖视频  幸运飞艇开奖记录查询  幸运农场开奖记录  

免责声明: 本站资料及图片来源互联网文章,本网不承担任何由内容信息所引起的争议和法律责任。所有作品版权归原创作者所有,与本站立场无关,如用户分享不慎侵犯了您的权益,请联系我们告知,我们将做删除处理!