車(chē)牌識(shí)別中的二值化及快速傾斜校正算法概要.doc

車(chē)牌識(shí)別中的二值化及快速傾斜校正算法史 燕, 呂永戰(zhàn), 張 帆(中國(guó)空空導(dǎo)彈研究院 河南洛陽(yáng) 471009摘 要:根據(jù)車(chē)牌幾何形狀和紋理的特點(diǎn), 提出了基于圖像的特征線確定二值化閾值的方法。為了解決車(chē)牌圖像傾斜對(duì)字符分割與識(shí)別帶來(lái)的不良影響, 對(duì)一種基于字符間投影距離的傾斜校正方法做了研究。在該方法中, 根據(jù)傾斜車(chē)牌與非傾斜車(chē)牌字符的投影距離大小比較來(lái)確定車(chē)牌圖像的傾斜角度, 再用基于雙線性插值的旋轉(zhuǎn)方法進(jìn)行矯正。針對(duì)該方法的不足之處, 提出了該算法的改進(jìn)算法。試驗(yàn)結(jié)果表明, 該算法是快速而有效的。關(guān)鍵詞:車(chē)牌識(shí)別; 特征線; 二值化; 投影間距; 傾斜校正中圖分類(lèi)號(hào):T P391. 4 文獻(xiàn)標(biāo)識(shí)碼:B 文章編號(hào):1004-373X (2009 05-149-04Binary Conversion and Slant C orrection Algorithm in Preprocessing ofLicense Plate RecognitionSHI Y an, L V Yong zhan, ZH A N G Fan(Chi na A i rborne Missile Academ y, Luoyang , 471009, Chi naAbstract :A cco rding t o plate shape and char tex ture, an algo rit hm applied to license plate binar y conver sion of vehicle image based on feature line is intr oduced. In o rder to resolve the difficulties in character segmentatio n and adver se impact to the final recog nitio n r ate, a new metho d is presented based on char acters vert ical project ion distance. T he metho d first analyses the change o f distance betw een t wo character s which comes fr om the vert ical project ion tow ards lean image and hor izo nt al imag e, the lean ang le o f image is found out, and then, a ho rizo ntal image is gained by the ro tatio n based o n bilinear interpolatio n. Co n -sidering the defects of this method, an optimum alg or ithm is intr oduced. Ex per imenta l r esults ar e pr ov ided to demonstrate the per for mance of the pro po sed alg or ithm.Keywords :license plate recog nitio n; feature line; binar y conver sion; v ertical projection distance; slant co rr ect ion收稿日期:2008-08-120 引 言車(chē)牌識(shí)別技術(shù)(License Plate Recog nition, LPR 是計(jì)算機(jī)視覺(jué)與模式識(shí)別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題, 是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。車(chē)牌自動(dòng)識(shí)別系統(tǒng)是對(duì)經(jīng)攝像頭拍攝的圖片利用圖像處理的分析方法, 提取出車(chē)牌區(qū)域, 進(jìn)而對(duì)車(chē)牌區(qū)域進(jìn)行字符分割和識(shí)別。車(chē)牌圖像的傾斜校正是車(chē)牌定位和字符分割間的一個(gè)重要處理過(guò)程。在圖像采集系統(tǒng)中, 由于拍攝條件的多樣性和實(shí)際情況的差異性, 采集到的圖像質(zhì)量差別很大, 難免會(huì)造成了圖像的傾斜, 這種傾斜會(huì)給字符分割帶來(lái)困難, 進(jìn)而影響到字符識(shí)別的準(zhǔn)確率。因此為確保系統(tǒng)的識(shí)別率, 有必要在字符分割前對(duì)圖像進(jìn)行傾斜校正。目前, 針對(duì)機(jī)動(dòng)車(chē)牌圖像進(jìn)行校正的研究已經(jīng)取得了一定的成果, 比如H oug h 變換法和旋轉(zhuǎn)投影法。H ough 變換法是先采用輪廓跟蹤的方法去除牌照?qǐng)D像中和校正無(wú)關(guān)的所有冗余信息, 然后對(duì)圖像進(jìn)行H ough 變換檢測(cè)出邊框直線的傾斜角度, 最后對(duì)圖像進(jìn)行旋轉(zhuǎn)校正。此方法對(duì)于圖像中車(chē)牌的邊框受噪聲, 污跡等干擾影響較大, 又或者由于二值化等原因造成粘連和斷裂現(xiàn)象的車(chē)牌圖像校正效果并不理想。通過(guò)旋轉(zhuǎn)車(chē)牌圖像在坐標(biāo)軸上的投影求取傾斜角度是一種抗干擾能力較強(qiáng)的方法。但是該方法中的最佳傾斜角的求取是一個(gè)尋優(yōu)過(guò)程, 要進(jìn)行多次投影逐步搜尋最佳傾斜角, 計(jì)算復(fù)雜度高。由于字符是車(chē)牌圖像中最為明顯的特征, 因此本文把基于字符間的垂直投影距離比較的方法引入圖像傾斜校正中, 并且提出了該算法的改進(jìn)算法。該方法不僅避免了H ough 變換法對(duì)圖像邊框的特殊要求, 而且減少了H oug h 變換法和旋轉(zhuǎn)投影法的計(jì)算量。實(shí)驗(yàn)表明, 該算法是快速而有效的。1 車(chē)牌圖像的預(yù)處理1. 1 圖像的二值化二值化算法又稱(chēng)為閾值算法, 其目的就是找出一個(gè)149合適的閾值, 將待研究的區(qū)域劃分為前景和背景兩部分。本文中將字符像素稱(chēng)為目標(biāo)像素, 將非字符像素稱(chēng)為背景像素。針對(duì)灰度圖像, 其二值化過(guò)程用公式表示為:B(i, j =1, if G(i, j T 0, else(1式中:T 為閾值, G (i, j 表示坐標(biāo)值為(i, j 像素點(diǎn)的灰度值。圖像的二值化關(guān)鍵是閾值的選取。常用的閾值法分為全局閾值法和局部閾值法。全局閾值法是指在二值化過(guò)程中只使用一個(gè)閾值T 的方法, 從整個(gè)灰度圖像的像素分布出發(fā)尋找一個(gè)最佳的門(mén)限值。局部閾值法具體就是首先將圖像分解為一系列子圖像, 然后對(duì)每一個(gè)子圖像計(jì)算一個(gè)閾值, 通過(guò)對(duì)這些子圖像所得的閾值的插值即可得到對(duì)整幅圖像目標(biāo)和背景進(jìn)行分割所需的閾值。全局閾值法優(yōu)點(diǎn)在于算法簡(jiǎn)單, 但對(duì)輸入圖像存在量化噪聲或在不均勻光照等情況下抵抗能力差。局部閾值法相對(duì)來(lái)說(shuō)可以獲得較好效果, 但存在實(shí)現(xiàn)速度慢、不能保證圖像連通性、以及容易出現(xiàn)偽影現(xiàn)象(即在背景區(qū)域受噪聲干擾得到圖像結(jié)果 等問(wèn)題?；谲?chē)牌圖像的幾何形狀和字符紋理的特點(diǎn), 可以通過(guò)提取一條穿過(guò)車(chē)牌中所有字符的水平線作為特征線, 統(tǒng)計(jì)該線上的像素點(diǎn)的灰度平均值作為閾值。圖1(a 和圖1(b 分別為整幅圖像的灰度統(tǒng)計(jì)直方圖和一條特征線上的灰度直方圖。通過(guò)對(duì)比可以看出, 在特征線的統(tǒng)計(jì)直方圖中, 目標(biāo)背景的雙峰分布相對(duì)平均, 且波峰波谷值更為平穩(wěn), 整幅圖像的灰度直方圖中波谷值的毛刺現(xiàn)象比較嚴(yán)重。因此可以利用該原理簡(jiǎn)單的統(tǒng)計(jì)平均值方法來(lái)確定閾值進(jìn)行二值化。由于車(chē)牌圖像的傾斜, 特征線有時(shí)不能確保穿過(guò)所有的字符, 為了提高閾值的準(zhǔn)確性, 可以取多根特征線求取平均值來(lái)減小誤差。T =nnp =1NNk=1G (J -N , k (2式中:T 為閾值, M, N 分別表示圖像的行數(shù)和列數(shù), G(J -N , k 表示該點(diǎn)的灰度值, n 為特征線的數(shù)目, 通常取J =M /2, 圍繞J 上下取35根特征線。其結(jié)果見(jiàn)圖1(d ?？梢?jiàn)基于特征線的二值化方法相對(duì)傳統(tǒng)的方法更簡(jiǎn)單, 運(yùn)算量小且易行可靠, 其效果也很好, 能夠滿足后繼處理的要求。1. 2 數(shù)學(xué)形態(tài)學(xué)處理由于光照影響、攝像機(jī)曝光不足、車(chē)牌污損等客觀原因的干擾, 使所獲得的圖像在二值化后會(huì)有一些缺損或模糊, 在圖像進(jìn)行分割識(shí)別前需要進(jìn)行處理。數(shù)學(xué)形態(tài)學(xué)是由一組形態(tài)學(xué)的代數(shù)運(yùn)算子組成, 利用形態(tài)學(xué)進(jìn)行圖像處理的基本思想是:兩個(gè)運(yùn)算對(duì)象都是集合, 假設(shè)A 為圖像集合, B 為結(jié)構(gòu)元素, 則兩個(gè)集合不是互相對(duì)等的, 而是利用結(jié)構(gòu)元素B 去探測(cè)圖像A , 看能否將這個(gè)結(jié)構(gòu)元素很好地填放到圖像內(nèi)部, 同時(shí)驗(yàn)證填放結(jié)構(gòu)元素的方法是否有效。數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算有四個(gè):膨脹(或擴(kuò)大dilation 、腐蝕(或侵蝕ero sion 、 開(kāi)啟(open 和閉合(close 。由這四種基本運(yùn)算可以推導(dǎo)和組成各種數(shù)學(xué)形態(tài)學(xué)實(shí)用算法。用這些運(yùn)算子及其組合來(lái)進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理, 包括圖像分割、特征抽取、邊界檢測(cè)、圖像濾波、圖像增強(qiáng)和恢復(fù)等方面的工作。圖1 基于特征線的車(chē)牌圖像二值化在對(duì)圖像進(jìn)行形態(tài)學(xué)處理時(shí), 通過(guò)選擇適當(dāng)?shù)慕Y(jié)構(gòu)元素, 開(kāi)運(yùn)算具有平滑功能, 能夠清除毛刺, 切斷細(xì)長(zhǎng)搭接而起到分離作用; 閉合運(yùn)算具有過(guò)濾功能, 可以填平缺口、孔洞和裂縫, 搭接短的間斷而起到連通作用。在實(shí)際應(yīng)用中, 對(duì)二值化后的圖像采用了開(kāi)運(yùn)算, 可以根據(jù)需求進(jìn)行多次重復(fù)運(yùn)算, 運(yùn)算后圖像的位置和大小形狀不變。2 車(chē)牌圖像的傾斜校正2. 1 基本原理及算法過(guò)程通常圖像的旋轉(zhuǎn)是以圖像的中心為原點(diǎn), 旋轉(zhuǎn)一定的角度, 若要保持原有圖像的大小需要將轉(zhuǎn)出顯示區(qū)域的圖像截除。假設(shè)圖像圍繞坐標(biāo)軸原點(diǎn)旋轉(zhuǎn), 旋轉(zhuǎn)前坐標(biāo)表示為:x =r co sy =r sin(3旋轉(zhuǎn) 后其坐標(biāo)表示為:x =r cos ( - y =r sin ( - (4智能交通史 燕等:車(chē)牌識(shí)別中的二值化及快速傾斜校正算法對(duì)經(jīng)過(guò)預(yù)處理的車(chē)牌圖像, 對(duì)其作垂直方向上的投影, 對(duì)圖像上的任意一列白色像素的投影值, 如果小于一個(gè)自然數(shù), 則判斷該列屬于字符間的距離?？梢詫?duì)每一列的投影值都與該自然數(shù)比較, 即可計(jì)算出相鄰字符的間距。圖2, 圖3所示分別為無(wú)傾斜, 有傾斜車(chē)牌圖像及垂直投影圖。通過(guò)比較分析可以發(fā)現(xiàn):對(duì)于沒(méi)有傾斜的車(chē)牌圖像, 字符間的投影距離是最大的; 而對(duì)于傾斜的車(chē)牌圖像, 由于字符傾斜使得其投影寬度變大, 導(dǎo)致字符間得距離變小。所以對(duì)于同一車(chē)牌的不同傾斜角度的圖像而言, 用L 1和L 2表示兩個(gè)圖像的字符間的投影距離, 如果L 1L 2, 那么圖像1的傾斜角度要比圖像2 的傾斜角度小。圖2 無(wú)傾斜車(chē)牌圖 像及其投影圖3 傾斜車(chē)牌圖像及其投影在我國(guó), 最常見(jiàn)的標(biāo)準(zhǔn)的汽車(chē)牌照的長(zhǎng)度和寬度是固定的, 牌照上的字符個(gè)數(shù), 單個(gè)字符的寬度、高度及字符間的間隔都是統(tǒng)一規(guī)定的。因此, 對(duì)于同一系統(tǒng)采集到的車(chē)牌圖像中, 雖然車(chē)牌的大小、位置不固定, 但是牌照大小的變化比例是一定的。對(duì)于大量的無(wú)傾斜車(chē)牌圖像作歸一化處理后, 進(jìn)行垂直投影, 可以統(tǒng)計(jì)平均出一個(gè)字符間的距離作為待識(shí)別圖像中的最大字符間投影距離。根據(jù)上述原理, 可以給出圖像傾斜校正的算法過(guò)程:(1 計(jì)算二值圖像初始時(shí)字符間的投影距離L k , k =0;(2 如果L k -L L k , k =k +1, = /2, 則返回(2 , 否則繼續(xù)執(zhí)行(4 ;(4 將圖像逆時(shí)針旋轉(zhuǎn) 角, 計(jì)算旋轉(zhuǎn)后的圖像的字符間投影距離L k+1, 如果L k -L L k , k =k+1, = /2, 則返回(4 。其中:L 為統(tǒng)計(jì)平均出的最大字符間投影距離, 角為一個(gè)固定較小的角度, 為一極小的正數(shù)。 , 都可以根據(jù)實(shí)際的要求來(lái)確定。2. 2 改進(jìn)算法從上述的算法可以看出, 需要對(duì)車(chē)牌圖像進(jìn)行多次的旋轉(zhuǎn)。圖像的旋轉(zhuǎn)過(guò)程實(shí)際是坐標(biāo)變換后進(jìn)行插值操作的過(guò)程。有插值操作就會(huì)有一定程度的失真, 旋轉(zhuǎn)的次數(shù)越多, 圖像的失真度越大, 而且圖像旋轉(zhuǎn)時(shí)系統(tǒng)花銷(xiāo)較大, 耗時(shí)較長(zhǎng)。通過(guò)對(duì)上述算法的分析, 采用了坐標(biāo)軸旋轉(zhuǎn)的方法進(jìn)行改進(jìn)。該方法不直接旋轉(zhuǎn)圖像, 而是旋轉(zhuǎn)坐標(biāo)軸 角后再進(jìn)行車(chē)牌圖像在坐標(biāo)軸上的投影, 然后計(jì)算字符間的投影距離, 接下來(lái)作和上述算法同樣的處理, 并記錄下所有旋轉(zhuǎn)角度的總和, 最后對(duì)原圖旋轉(zhuǎn)一次即可校正角度。如圖4所示, 坐標(biāo)軸x 逆時(shí)針旋轉(zhuǎn) 角后為x 。此時(shí)圖像f (x , y 在x 上的投影通過(guò)下式計(jì)算:R (x =-f (x cos -y sin , x sin -y co s d y(5其中:x y=cos sin -sin co s xy。采用改進(jìn)算法后, 圖像只需旋轉(zhuǎn)一次就可以完成校 正, 在最大程度上降低了圖像的失真度, 算法花費(fèi)的時(shí)間也明顯減少, 為車(chē)牌字符的準(zhǔn)確分割和識(shí)別打下了良好的基礎(chǔ)。圖4 坐標(biāo)軸旋轉(zhuǎn)及圖像投影3 試驗(yàn)仿真實(shí)驗(yàn)算法在M atlab 6 5平臺(tái)下實(shí)現(xiàn), 所用的機(jī)器為賽揚(yáng)1 0GH z, 256M B SDRAM 配置。首先對(duì)現(xiàn)場(chǎng)采集到的100多幅具有不同傾斜角度的車(chē)牌圖像進(jìn)行定位, 然后對(duì)定位后的車(chē)牌圖像進(jìn)行圖像增強(qiáng), 二值化,151形態(tài)學(xué)運(yùn)算處理, 歸一化后再按照上述算法進(jìn)行校正,均收到了良好的效果。如圖5所示。對(duì)圖5所示的圖像, 采用未改進(jìn)的算法校正的圖像整體比較模糊, 失真程度比較嚴(yán)重, 而采用改進(jìn)后的算法較之原圖像變化不大, 失真情況得到很大的改善。圖5 傾斜車(chē)牌圖像校正結(jié)果4 結(jié) 語(yǔ)本文給出了基于車(chē)牌圖像特征線的二值化閾值確定的方法和針對(duì)車(chē)牌圖像字符間的投影距離的傾斜校正改進(jìn)算法。無(wú)論從理論上還是試驗(yàn)結(jié)果, 均表明該方法是行之有效的。與傳統(tǒng)的H ough 變換法及投影法相比較, 該算法原理簡(jiǎn)單, 計(jì)算速度也得到一定程度的提高, 為圖像的快速傾斜校正提供了一種新方法, 新思路。但是該算法對(duì)于傾斜角度過(guò)大, 受噪聲污染嚴(yán)重或畸變的車(chē)牌圖像的校正效果不明顯, 有待進(jìn)一步的研究。參 考 文 獻(xiàn)1龔聲蓉, 劉純平, 王強(qiáng). 數(shù)字圖像處理與分析M .北京:清華大學(xué)出版社, 2006.2張永宜. 智能交通系統(tǒng)中多目標(biāo)檢測(cè)、識(shí)別有關(guān)問(wèn)題的研究D. 西安:西北大學(xué), 2006.3萵挺, 沈春林, 張金林. 車(chē)牌識(shí)別中傾斜牌照的快速矯正算法J.計(jì)算機(jī)工程, 2004(7 :122-124.4李文舉, 梁德群. 一種新的車(chē)牌傾斜校正方法J.信息與控制, 2004, 33(2 :231-235.5Randen T , H uso y J H. F iltering fo r T extur e Classification:A Co mpar ativ e StudyJ. IEEE T rans. on Pattern A nalysis and M achine Intelligence, 1999, 21(4 :291-310.6張昆, 顧國(guó)慶. 二值圖像的一種傾斜調(diào)整算法J.計(jì)算機(jī)與現(xiàn)代化, 1999(2 :24-27.7路小波, 包明, 黃衛(wèi). 基于投影的車(chē)牌傾斜檢測(cè)方法J. 交通運(yùn)輸工程與信息學(xué)報(bào), 2004, 2(4 :10-15.8李碩明, 付仲良, 彭彬惠. 基于字符行特征的車(chē)牌傾斜矯正算法J.江漢大學(xué)學(xué)報(bào):自然科學(xué)版, 2006, 34(1 :35-37. 9楊俊, 戚飛虎. 一種基于形狀和紋理特征的車(chē)牌定