城市执法拍摄图像中的汽车牌照定位方法

李聪 管庶安

摘要：该文针对快速、准确定位出图像中车牌区域提供了一种实用的算法，根据车牌区域中的字符特征进行多尺度栅格化及其栅格标记，利用数学形态学方法进行栅格操作，实现图像中车牌的快速定位。

关键词：车牌定位；栅格；图像处理；数学形态学

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2018）04-0179-02

1 概述

在图像中定位汽车牌照是汽车牌照自动识别中的关键环节。在城市街道等场合对车辆违法取证拍摄的图像背景复杂，车牌在图像中的位置和尺寸任意，定位难度很大。目前定位方法中，主要有基于边缘检测、模糊逻辑定位、彩色纹理特征等多种方法，这些方法在相机移动拍摄下，背景复杂，存在定位错误或不准确的问题。

本文采用的方法为将预处理后的图像进行多尺度栅格化，然后按照车牌的字符特征进行栅格标记，再利用数学形态学中的腐蚀、膨胀方法对栅格进行删除、分离、合并操作，实现车牌的快速和正确定位。

2 栅格划分及其标记

将预处理后的图像划分为一块块矩形格，也就是将图像栅格化，可以避免对图像全部像素进行点、域运算，耗费大量的机器时间。之后对栅格进行数学形态学的腐蚀或膨胀操作，使定位的速度和正确性大大提高。

图1和图2是对同一幅图像进行水平方向上的灰度扫描，图1中是经过车牌区域的灰度变化图，而图2是经过非车牌区域的变化图。图中下方各有一条变化曲线，表示图像某行扫描的灰度通过观察比较两图，可以明显看出，通过车牌区域的灰度变化曲线有很明显的特征：1）灰度变化在车牌区变化很快，有很明显的灰度曲线变动；2）车牌区灰度曲线有规律性的变化；3）车牌区灰度变化在一定范围内[4]。

现在，研究图1的灰度变化曲线图。观察发现通过车牌上的字符，曲线会大幅度上跳再下跳，这一段之间的距离定义为水平白游程。反之，通过背景区域的距离定义为水平黑游程。

综合以上特征，将图像划分为m×n个栅格。由于移动拍摄的图像中，车牌相对于图像的大小不固定，可能存在栅格过大或者过小的问题，导致无法准确的定位车牌。因此这里采用多尺度栅格划分：

1） 建立数组LH[Height]，Height表示图像的高度，然后逐行对图像进行水平方向的扫描。当某一行i的白游程数大于7时，将该行LH[i-1]赋值为1.否则赋值为0.

2） 统计数组LH中，连续出现1的个数，定义为H。H可以表示为候选车牌区域的高度。

3） 根据H/Height的比值，也就是车牌区域相对于整个图像的大小比值。若比值大于1/2，则将图像划分为10×10个栅格；若比值小于1/2并且大于1/4时，将图像划分为20×20个栅格；若比值小于1/4时，则划分为30×30个栅格。

4） 根据划分的栅格数，定义对应的数组byte 。对整幅图像进行每隔n行的水平扫描，当某格的黑、白游程个数达到3个以上时，则将该格定义为标记格，并赋值为1.否则，赋值为0。

统计完成后，标记为“1”的栅格所形成的区域可能存在车牌的候选区。

3 基于数学形态学的栅格操作

显然，在标记为1的栅格中，部分是不在车牌区域的。因此为了要最终得到准确的车牌区域，将利用数学形态学的方法，在确保车牌区域标记不被删除的前提下，对栅格进行腐蚀、膨胀等变形操作，提取到准确完整的车牌区域。

操作1： 腐蚀

由于大部分车牌的形状为矩形，长宽比在2─4之间，这里建立3×3的结构元素模板。设为，如表 1。为了便于操作，将D按8位组织来表示，从高位到低位分别表示D7，D6……D1，D0，。并用2位16進制数表示D的模板取值。

操作2：膨胀

为了避免落在车牌区域的栅格未被标记，这里将采用膨胀法来对这样的栅格进行标记操作。由于经过腐蚀操作之后，标记为1的栅格基本都落在车牌区域。所以这里仅考虑Ty[i][j]为0且该栅格的邻域值为1的栅格。

与腐蚀运算类似，同样的建立3×3的结构元素模板，设为Q[m][n]，m=0，1，2；n=0，1，2，将满足上述条件的栅格的3×3邻域分别与所有模板Q作膨胀运算，若存在任一模板Q有TyQ运算为1，则==1；否则，继续保持为0。

4 实验结果

用上述方法对46幅车牌图象进行实验，结果见表4：

其中两幅图像的实验结果如图3所示：

实验是在基于栅格分层的基础上进行操作的，相对于传统的对上百万个像素点的操作转移到对约1000个栅格的操作上来，使定位速度大大提高。利用字符特征来进行栅格标识时，一般采集来的汽车图像都存在各种干扰，但主要是图像噪声、天气环境原因的影响，而这些干扰是不具有连续笔画特征，因此这些干扰对栅格的标识没有很大影响，从而在复杂环境背景下，能够大大提高其定位的准确性。

参考文献：

[1] 王永杰，裴明涛，贾云得.多信息融合的快速车牌定位[J].中国图象图形学报，2014，19（3）：471-475.

[2] 钟彩. 基于灰度值的车牌图像预处理研究[J].电子技术与软件工程，2016（4）：76.

[3] 郭捷，施鹏飞. 基于亮度和纹理分析的车牌定位方法.中国图像图形学报，2002，7（5）：472-476.

[4] 闫建国，高亮. 图像处理技术在车牌识别中的应用[J].电子计算机应用，2000（5）：576-578.

[5] 钟彩. 基于灰度值的车牌图像预处理研究[J].电子技术与软件工程，2016（4）：76.

[6] 杨丽萍. 基于数学形态学的车牌定位研究[J].信息通信，2016（2）：64-66.

[7] 马永慧，薛丹丹.基于数学形态学和投影法的车牌定位方法[J].电视技术，2013，37（7）：147-149.