基于边缘检测和形态学的车牌定位 |
| 2012-08-05 14:40 作者：刘小飞 来源：硅谷网 HV： 编辑： 【搜索试试】
|
|
硅谷网8月5日消息 《硅谷》杂志2012年第12期刊文称,提出一种基于边缘检测和形态学的新的车牌定位方法。该方法首先对车牌图像进行预处理，然后用Sobel算子进行边缘检测，再用数学形态学进行图像处理，进而根据车牌的先验知识，得到长宽比精确定位的车牌号码，最后使用水平投影和垂直投影来准确定位车牌号码。仿真结果表明该算法速度快、精度高，达到预期效果。
随着社会经济的发展，汽车急剧增加，对交通控制、安全管理、收费管理的数字化要求日益提高，利用电子信息技术，实现安全且高智能的交通管理成为发展的主要方向。汽车车牌号码是标志车辆的唯一“身份”。车牌号码识别技术在实现汽车“身份”登记、核查时不可以作任何改动，该技术已经应用于公路收费，停车场管理、交通诱导、交通行政执法、公路稽查、车辆调度、车辆检测等各种场合[1]。
1车牌定位
根据车牌的不同特点，可以使用不同的定位方法。最常见的定位方法主要有基于边缘检测的方法[1]，基于色彩分割的方法[2、3]，基于遗传算法方法[4]，基于神经网络的方法，基于数学形态学的方法等。但是仅使用数学形态学的定位方法，车牌的边界区域不能准确地定位，因此它必须结合其他定位方法才能准确地定位。分析了各种定位方法的优点和缺点，本文提出的方法是基于边缘检测和数学形态学的车牌定位方法。
2图像灰度化处理
由于彩色图像中包含着大量的色彩信息，在储存和处理时它们会降低系统的执行速度，所以在识别彩色图像时通常先将它转化为灰度图像，以加快处理速度。这种将彩色图像转换为灰度图像的过程称为灰度化。灰度变换后的图像，其动态范围扩大，从而使得图像变得更加清晰，图像细节更为丰富。在色彩图像中，每个像素的颜色由R、G和B三个元素组成，每个像素占24个字节。而在灰度图像中，每个像素用8个比特来表示，每一个像素是介于黑色和白色之间的256种色度中的一种。对灰度图像的这种描述同样适用于彩色图像，它反映了整个图像中背景颜色及亮度的分布的特点。灰度转换，常用的处理方法是以下三种：
最大的方法：R=G=B=Max(R，G，B)
平均法：R=G=B=(R+G+B)/3
加权平均法：R=G=B=(0.299R+0.588G+0.113B)/3
采用加权平均法进行的灰度图像处理，灰度处理后的图像细节更多，因此本文采用加权平均法。
1）二值图像
灰度处理后，在图像中有256个独立的颜色，为了减少像素的干扰，进一步提高处理速度，应将灰度图像转化为二值图像，二值图像只有黑白两种颜色像素，因此车牌区域的特点可以和背景清楚的区分。本文采用一种全局阈值二值化方法。设原始灰度图像f(x，y)，二值化后的图像是g(x，y)。二值化处理如下：
在这里，T被称为二值化阈值（最低限度），在灰度图像中，黑色是0，白色是1。二值化处理后，最显著地位置和背景颜色被黑色和白色分离开，选择不同的阈值可以得到不同的分离结果。
2）边缘检测
有许多边缘特征提取的方法，常用边缘检测算法可分为一阶微分、二阶微分算法。一阶微分算法主要有梯度算子，Roberts子，Sobel算子，prewitt算子，Krisch算子等，二阶微分算法主要以拉普拉斯算子和Wallisd算子。在若干经典的边缘检测算子中，Sobel算子简单，处理速度快，加工后的边缘光滑且是连续的。本文选择Sobel算子进行边缘检测，用Sobel算子滤波器进行边缘提取时，使用快速卷积函数，这种方法简单而有效，故被广泛的应用。
3）形态学处理
数学形态学中有四个基本操作：膨胀、腐蚀、开和闭运算。开运算使得目标的轮廓变得光滑，断开狭窄的部分，消除细节区域。闭运算的目的是消除目标中狭窄的不连续和细长的部分，消除小洞，填满框架的轮廓。
选择算子结构是数学形态学操作的关键，图像形态学操作中，大小和形状不同的结构要素产生的结果也不同。一般常见的结构元素是圆形，或近乎圆和矩形。该算法选择2×1的长方形结构元素。首先，对二值图像进行腐蚀操作，消噪处理。在二值图像去噪后，它还包含许多车牌以外的其它地区，此时用25×25构建元素对图像进行闭开运算以提取车牌。
4）车牌定位
根据先验知识，分析形态学处理后的图像，比较出那部分比例与实际车牌比例相近，然后提取和显示它。处理后，车牌的位置可以初步判定，然后用车牌图像定位的基本方法来分析，以进一步确定变化的范围，本文用霍夫变换对车牌倾斜进行校正，然后使用水平和垂直投影来处理图像以减少车牌左，右和底部的边缘部分，来确定特定位置的一辆汽车的车牌，最终实现车牌的准确定位。
3实验结果
在本文实验中，实验条件采用英特尔酷睿双核处理器2.0GHZ，利用Matlab软件在计算机上进行算法仿真。结果表明，针对多种环境下的不同车牌进行定位，该方法均能实现正确定位。如图1所示。
图1车牌定位结果
4结论
本文提出一种新的基于边缘检测和数学形态学的车牌定位方法，对汽车图像进行MATLAB仿真，实验结果表明该方法的运算速度和识别率都很高。（原文载于《硅谷》杂志2012年第12期，硅谷网及《硅谷》杂志版权所有，未经允许禁止转载）
|
|
|
|
【对“基于边缘检测和形态学的车牌定位”发布评论】 |
版权及免责声明：
① 本网站部分投稿来源于“网友”，涉及投资、理财、消费等内容，请亲们反复甄别，切勿轻信。本网站部分由赞助商提供的内容属于【广告】性质，仅供阅读，不构成具体实施建议，请谨慎对待。据此操作，风险自担。
② 内容来源注明“硅谷网”及其相关称谓的文字、图片和音视频，版权均属本网站所有，任何媒体、网站或个人需经本网站许可方可复制或转载，并在使用时必须注明来源【硅谷网】或对应来源，违者本网站将依法追究责任。
③ 注明来源为各大报纸、杂志、网站及其他媒体的文章，文章原作者享有著作权，本网站转载其他媒体稿件是为传播更多的信息，并不代表赞同其观点和对其真实性负责，本网站不承担此类稿件侵权行为的连带责任。
④ 本网站不对非自身发布内容的真实性、合法性、准确性作担保。若硅谷网因为自身和转载内容，涉及到侵权、违法等问题，请有关单位或个人速与本网站取得联系（联系电话：01057255600），我们将第一时间核实处理。
|
|
|
|
