一种基于数学形态学和Hough变换的车牌图像检测及定

车牌识别系统(LPR)在现代交通检测和管理部门中发挥着举足轻重的作用。车牌识别系统主要包括车牌定位、字符分割和字符识别三部分[1]。由于车牌定位的准确与否将会直接影响到车牌识别的结果，因此，车牌定位是LPR的一项关键技术。常见的车牌定位技术主要有：边缘检测法[2]、投影法[3]、神经网络法[4]、数学形态学法[5]、基于彩色图像的定位算法[6]。边缘检测法对车牌图像边框的连续性要求较高；神经网络方法计算量大，且要求车牌尺寸基本不变，否则必须对神经网络进行重新训练；基于形态学的方法受噪声影响比较大；基于彩色图像的定位算法适应性差，对于偏色以及背景颜色干扰等情况无法做出有效处理。

由于存在许多外在的干扰，背景信息往往比车牌信息更加复杂，给目标搜索带来巨大的困难，单一的定位方法已经无法保证其有效性。为此，本文提出了一种综合的定位算法，对预处理的图像进行形态学的高帽变换后，利用边缘检测得到连通区域进行粗定位，然后结合Hough变换和车牌的先验知识进行车牌的精定位，该算法充分利用了车牌的字符信息，能够快速而准确地提取出车牌区域。

1 车牌的固有特征

车牌识别是一种特定对象的识别，是一种在先验知识指导下的识别。我国现在使用的车牌主要执行中华人民共和国机动车牌号标准[7]，其具有以下的特征：

(1)形状特征：汽车车牌区域的每个字符宽度为45 mm，字符高度为90 mm，间隔符宽10 mm，字符间隔为12 mm，整个车牌区域的宽高比为44/14。这部分特征在车牌的定位分割方面具有重要的意义。

(2)纹理特征：车牌有一个连续或因磨损而不连续的边框；标准车牌(军车、警车、教练车、外交车除外)模块包含7个字符，它们基本呈水平排列；在矩形的车牌区域内部有着较丰富的边缘信息，呈现出规则的纹理特征。

(3)灰度跳变特征：车牌的边缘颜色、车牌底色以及车牌文本颜色各不相同，表现在图像中就是灰度级互不相同，这样，在车牌边缘就形成了灰度突变边界。在车牌区域内部，由于字符和车牌底的内部灰度较均匀，因此，穿过车牌的水平直线呈现出波峰波谷的特点。

2 图像预处理

车牌图像的采集大都是通过摄像机、数码相机等设备拍摄获取的彩色图像，因此首先要对图像进行灰度化处理。

牌照图像在拍摄时受各种条件的限制和干扰，图像的灰度值往往与实际景物不完全匹配，直方图均衡化[8]处理能增加图像灰度值的动态范围，从而达到增强图像整体对比度的效果。

经过灰度增强后的图像还存在各种噪声，中值滤波是一种非线性滤波，它很适合于椒盐噪声(即通常拍摄的图片带有的噪声类型)。

图1显示了本文设计中图像预处理部分的实验效果图，车牌区域的特征被明显增强。大量实验表明，本文采用的图像预处理方法能获得较好的效果，满足实验的要求。


3 车牌定位算法

3.1 车牌区域粗定位

3.1.1 形态学处理

按照牌照底色和字符的颜色对比，可以将车牌分为深色底浅色字的车牌和浅色底深色字的车牌两大类，数学形态学的高帽变换和低帽变换就是分别针对这两类车牌设计的。在本文研究的系统中，全部选用的是蓝底白字的车牌，即深色底浅色字车牌。

高帽变换是基于膨胀和腐蚀操作的一种形态学的应用，对图像进行形态学高帽变换(Top-hat)，用Top表示，定义为

高帽变换是原始图像与其开运算之差，开运算用来去除比结构元更小的亮点，同时保持灰度级和较大亮区特性的相对不变。因此，只要选择合适的结构元素，高帽变换就能将亮目标从背景中有效分离出来[9]。如图2(a)所示，经过高帽变换后，对于深色底浅色字的车牌，其车牌字符的区域的特征会得到增强，车牌文本部分变得更加清晰突出，便于让后续的检测处理过程更加简单和省时。

3.1.2 边缘检测

车牌区域的字符与背景有十分明显的边缘而且边缘的个数也很多。Sobel算子对噪声有抑制作用，它对灰度渐变和噪声较多的图像值处理效果较好，对边缘定位比较准确且速度快[10]。采用Sobel边缘检测算子进行边缘检测的效果如图2(b)所示，各个字符都形成了相对独立的区域，当然也有一些非字符形成的干扰区域。对边缘检测后的图像采用全局阈值OSTU算法进行二值化处理，并采用行程码方法标记连通区域，可以得到一系列特定的连通域，同时也可以得到包围各个连通区域的最小外接矩形(bounding-box)和各连通区域的面积。为了方便观察及后续分析，将标记的连通区域表现在原始图像上，如图2(c)所示。

由图2看出，高帽变换使得蓝底白字车牌的字符更加明显，经过了边缘检测，各个字符形成独立的连通区域。

3.1.3 连通区域分析

由于采集到的车牌图像车牌字符的像素个数是在一定范围内的，因此设定最小外接矩形框的面积为S，当S≤500像素或S≥2 000像素时，就认为该连通区域不是车牌字符区域，并将之去除。留下的连通区域包含了牌照的文本区域以及少量的非车牌文本区域，这将有利于在后续的操作中减小搜索范围，提高定位的准确率。

3.2 精定位


3.2.1 Hough变换
根据车牌先验知识，车牌字符一般排成一行，且大小相仿。利用Hough变换检测直线的原理[11]来找出在同一方向上的bounding-box，主要的设计思想是将每个连通成分的中心点通过Hough变换转换到参数空间，通过寻找参数空间的最大值来确定字符组的中心线。

本文的Hough变换算法如下：