基于数学形态学的车牌定位与倾斜校正的方法

程　磊　程　伟

（沈阳理工大学，辽宁 沈阳 110168）

【摘　要】为了准确定位车牌的位置与车牌的倾斜校正，提出一种基于数学形态学的车牌定位与基于hough变换和radon变换车牌校正的方法，主要步骤包括：灰度变换，边缘检测，形态学处理，基于行列投影的车牌定位，利用hough变换的车牌水平校正，radon变换的字符垂直校正。实验表明，这一方法能够准确的实现车牌的定位与倾斜校正。

教育期刊网 http://www.jyqkw.com
关键词 车牌定位；数学形态学；水平校正；垂直校正

0　引言

车牌识别是现代智能交通系统中的重要组成部分之一，主要包括图像处理，车牌定位，字符分割，字符识别四个关键步骤，车牌定位的准确与否直接影响后面的字符分割与字符识别。

要进行车辆牌照的提取与分割，必须了解车辆牌照与车体本身相区别的特征：（1）一个省份的简称加上6个数字与字母的组合。（2）车牌的背景与字符的颜色对比比较大，具有丰富的边缘信息。（3）车牌长宽比例一定。

由于摄像机摆放的位置造成捕捉到的图像有一定的倾斜角度。对以后的字符分割造成一定的干扰。所以我们首先对定位后的车牌图像进行倾斜校正。目前倾斜校正的方法主要有：（1）hough变换校正，通过hough变换检测车牌边缘直线并计算水平倾斜角度，进行校正。（2）通过模板匹配寻找牌照区域的四个顶点再通过双线性空间变换对畸变图像进行校正。

基于以上的车牌特点，本文提出了一种基于数学形态学的车牌定位和基于hough与radon变换的车牌倾斜校正，通过VC++的实验表明该方法的可行并且快速简单。

1　算法流程介绍

本文提出的车牌定位与倾斜校正方法，具体分为5个步骤：（1）图像预处理，将彩色图像灰度化，利用canny算子进行边缘检测。（2）车牌粗定位，利用数学形态学对边缘检测后的图像进行若干次开闭运算，可以得到几个车牌的候选区域，利用车牌的长宽比例，删除干扰区域，得到粗定位。（3）车牌水平方向倾斜校正，利用hough变换检测车牌边缘进行校正，并对校正后的图像去除车牌的边框与铆钉。（4）字符的垂直校正，对水平校正的图像在（-30，30）度方向上做radon变换，从而得出字符倾斜角度，利双线性插值对字符进行校正。

2　车牌定位算法

2.1　图像预处理

为了加快程序的运行速度，减小运算量，我们先对采集的图像灰度化。

边缘是指图像中灰度发生突变或不连续的细小区域（一组相连的像素集合），即两个具有相对不同灰度值特性的区域的边界线。本文采用了Sobel算子，因为Sobel算子对于像素位置的影响做了加权，因此效果更好，对噪声具有平滑的作用，提供较为精确地边缘方向信息。

2.2　车牌粗定位

数学形态学是一组形态学的代数运算子组成。用这些算子及其组合进行图像形状和结构的分析处理包括图像分割、特征抽取、边缘检测等方面的工作。

形态学中最基本的操作时膨胀，腐蚀。开闭运算是腐蚀与膨胀的组合，开运算是先腐蚀后膨胀，闭运算是先膨胀后腐蚀。

膨胀会扩大一幅图像的组成部分，而腐蚀则会缩小一幅图像中的组成部分。开运算一般会平滑物体的轮廓，断开较小的连接并消除细的突出物。闭运算同样也会平滑轮廓的一部分，它通常会弥合较窄的间断和细长的沟壑，消除小的空洞，填补轮廓线中的断裂。由于闭运算的特点，本实验中我们对边缘检测图像进行3次闭操作。对于形态学操作后的图像，根据联通区域面积的大小，删除过大或者过小的区域，并根据车牌的长宽比确定车牌的大体位置，实现粗定。

3　车牌倾斜校正

3.1　hough变换水平校正

由于车牌悬挂，摄像机放置的问题导致采集到的车牌图像是倾斜的，通常情况下既有水平方向的倾斜又有垂直方向的倾斜，导致车牌看起来是一个平行四边形，实际上是一种透视变换。这种情况下无法正确的分割字符，应先对其进行校，首先对粗定位后的车牌图像进行边缘检测，然后利用hough变换对其进行直线检测，提取出最长的直线并计算其水平方向的倾斜角度，进行旋转校正。粗定位与水平校正效果如图所示。

3.2　利用行扫描去除铆钉与边框

采用行扫描的方法对车牌进行精确定位，达到去除车牌边框跟铆钉的效果，只保留车牌的字符区域，为后面的字符分割和字符识别排除干扰。首先对倾斜校正的车牌图像进行平滑滤波和Sobel边缘检测，然后进行行扫描统计跳变点。二值车牌图像区域当中水平方向跳变（两个黑白像素变化为跳变一次）频繁，由于车牌区域由七个字符排列组成，通过大量的实验经验我们设置跳变阈值T为20，首先对边缘检测后的图像从上往下统计每一行的跳变数，如果跳变数大于阈值T，把此行标记为可疑行，如果可疑行连续，并且达到一定高度，我们就把此可疑行标记为字符区域的上边界，同理对边缘检测后的图像从下往上进行统计每一行的跳变次数，确定字符区域的下边界。

通过行扫描精确定位了车牌并分割出了车牌的字符区域，效果如图所示：

3.3　radon变换与倾斜角度的计算

由于水平方向校正后的车牌图像，字符在垂直方向还存在倾斜，对车牌进行垂直方向投影分割无法完成。本文提出一种利用radon变换对字符进行垂直方向的倾斜校正。

radon变换就是将图像在某一方向上做线性积分（或理解为累加求和），假设f（x，y）为二维函数，radon公式及原理图为：

通过大量实验，车牌字符在垂直方向的倾斜角度在一定的范围内，本文采用对水平矫正的图像在（-30，30）度范围内做radon变换，间隔为1度，并统计每次在投影轴上值为0的宽度，值最大即为字符的倾斜角度，这里给出图像在0度，10度，20度效果图作比较，20度效果最好，基本上每个字符都可以区分开。因此我们把20度作为字符在垂直方向的倾斜角度进行校正。

3.4　双线性插值进行字符校正

在对车牌图像校正时目标图像常被映射到与源图像的非整数位置，一般情况下是在四个像素之间，这时就需要插值运算。目前主要有三种插值算法，最邻近插值，双线性插值，高阶插值。双线性插值介于最邻近插值与高阶插值之间，可以满足我们的需要，目标像素一般是由源图像位置在它附近2*2区域4个邻域的值，通过加权平均计算得出。原理图，公式如下：

X方向的线性插值

先对倾斜字符进行校正，假设车牌高度为h，倾斜角度为，车牌内任意像素的坐标为（x，y），校正后的新坐标为（x，y0），那么

y0=y+（x-1）tanθ　（θ＞0）（4）

y0=y+（h-x）tan（-θ）　（θ＜0）（5）

确定校正后的坐标以后，再利用双线性插值，即可得到像素的灰度值，校正后的效果图如下：

图4　校正图

4　总结

本文设计了一种基于数学形态学的车牌定位与车牌校正的方法，首先经过边缘检测与形态学操作找到连通域，并通过车牌的长宽比去除干扰连通域，通过hough变换域radon变换实现车牌的倾斜校正。实验表明，该方法速度快，准确性高，但对更为复杂的车牌受损，车牌有污染物等情况，有待进一步研究。

教育期刊网 http://www.jyqkw.com
参考文献

［1］富煜清，沈巍，黄心晔.汽车牌照的提取方法研究[J].模式识别与人工智能，2000，43（3）：345-348.

［2］左奇，史忠科.一种基于数学形态学的实时车牌图像分割方法[J].中国图像图形学报，2003，8A（3）：281-285.

［3］陆建华.基于数学形态学和行扫描行的车牌定位算法[J].计算机时代，2009（11）：51-52.

［4］葛海江，方江江，张翔.车牌识别系统中车牌定位及倾斜校正算法研究[J].杭州电子科技大学学报，2007，27（2）：49-52.

［5］潘武模，焦阳，王庆人.Hough变换在中文名片图像倾斜校正中的应用[J].中文信息学报，2001，15（3）：50-56.

［6］汤井田，黄国祥，朱德兵.一种基于Radon变换的车牌图像分割和识别方法 [J].中南工业大学学报，2002，33（1）：5-7.

［责任编辑：刘展］