毕业论文
图5.10 原图2 图5.11 位移矢量图2
图5.12 切分出的车牌2
图5.13 原图3 图5.14 位移矢量图3
图5.15 切分出的车牌3
图5.16 原图4 图5.17 位移矢量图4
图5.18 切分出的车牌4
16
毕业论文
5.2.4利用颜色的车牌定位的方法
第三种方法是一种利用颜色的车牌定位方法，该方法不同于大多数的车牌定位方法，由于其对车牌的大小、汽车在图像中的位置以及图像背景的限制很少，而且，综合特征定位要比单一特征定位更符合人的视觉要求，因而定位效果更好，应用范围更广。这方面有许多前人作了大量的工作，在前面已有分析和论述。
有关车牌的模型化知识,主要是根据中华人民共和国机动车牌号GA36292标准。车牌底色和字符颜色搭配为黄底黑字黑框线,蓝底白字白框线,黑底白字红“使”、“领”字白框线,黑底白字白框线,黑底红字红框线,如表1所示。另外还有采集到白底黑字和红字的军警车牌。
表1 车牌的颜色组合
根据不同的应用场合，图像颜色表示方式各不一样。印刷输出是使用CMYK颜色模型即使用青(Cyan)、品红(Magenta)、黄(Yellow)和黑(Black)4种基本色，用减色法混合出各种颜色。显示器、电视机、扫描仪等装置使用的是RGB颜色模型，即利用红(Red)、蓝(Blue)、绿(Green)3种基本颜色，用加色法配置出大部分人眼所能看到的颜色。在视频及电视广播中则广泛使用了HSV颜色模型。H、S、V分别代表颜色的色调(Hue)、饱和度(Saturation)和亮度(Value)分量值，其与人眼能够感知的颜色特性一一对应。这种颜色模型用Munsell三维空间坐标系统表示，由于坐标之间具有心理感知独立性，它可以独立感知各颜色分量的变化，而且由于这种颜色具有线性伸缩性，其可感知的颜色差是与颜色分量相应样值上的欧几里德距离成比例的，因此适合用户的肉眼判断。同时也由于HSV模型对应于画家配色模型，其能较好反映人对色彩的感知和鉴别能力，非常适合基于色彩的图像相似比较，因此本算法中，采用该颜色模型来进行彩色图像分割。
由于图像一般是RGB格式，因此需要进行格式转化。HSV颜色模型各分量h、s、v与RGB颜色模型各分量r、g、b的关系如下；
设
17
毕业论文
其中，Hmax代表色调的个数，通常取为60。色度(H)是由颜色名称来辨别的，如红、绿、蓝等，它用角度-180o～180o或0o～360o来度量，其对应于颜色轮上的角度。亮度(V)是指颜色的明暗程度，通常用百分比度量，从黑0％到白100％；饱和度(S)指颜色的深浅，也用百分比来度量，从0％到完全饱和的100％。
下面介绍一下颜色空间距离，在HSV空间中，两种色彩 C1=（h1,s1,v1）,C2=(h2,s2,v2)之间的距离为:
两色彩之间的相似度为
这样，在HSV颜色空间中，利用颜色空间距离和相似度计算，就可以从图像中找到所需的颜色，从而实现图像的颜色分割。
鉴于中国车辆牌照主要有蓝底白字、黄底黑字、黑底白字和白底黑字红字4种类型，因此基于HSV颜色模型，根据车牌底色，利用颜色空间距离及相似度计算，就可以从图像中分割出想要的颜色区域，再采用投影法来找到该颜色区域。下面说明一下车牌颜色分割算法：
(1)将RGB颜色模型的图像转化为HSV颜色模型；
(2)利用颜色空间距离及相似度计算，进行图像颜色分割。分割时，将图像中蓝色区域设为前景白色，其余区域设为背景黑色。
(3)把经过颜色分割后的图像按行或列计算前景像素的个数和，再进行直方图水平投影和纵向投影，以确定所要颜色区域的坐标值，就可将所要区域从原图中分割出来。
另外还有一种利用检测彩色图像中汽车牌照区域的彩色边界的车牌定位算法步骤如下:(1)输入彩色汽车图像I；(2)用ColorPrewitt计算二值边缘图像Ie；(3)选择结构元素S,对Ie采用形态学方法来生成连通区域图像Iarea；(4)进行轮廓跟踪,通过标记候选牌照区域,得到n个候选牌照区域；(5)对侯选字符块进行分析与分解,以确定真正的字符块,进而提取牌照区域。
传统的彩色图像边缘检测方法往往是通过颜色空间各个分量的作用而得到检测结果,
18
毕业论文
由于由亮度与色度等反映的图像边缘并非一直重合,因此会出现多边缘和宽边缘情况,将影响边缘检测效果,在汽车牌照定位中,牌照字符相当于一种场景字符,由于牌照字符具有纵向纹理特性,为了将牌照图像与汽车和背景图像分离,必须增强图像的纵向边缘,为此提出彩色Prewitt边缘检测算子ColorPrewitt,现描述如下:
(1)输入彩色图像I,其中像素点(i,j)的彩色分量为I(i,j,k),k=1,2,3；
(2)I经Pc处理后得到灰度边缘图像I 1,其彩色Prewitt梯度算子Pc定义如下:
其中,e(i1,j 1;i2,j 2)定义为像素点(i1,j 1)与(i2,j 2) 之间的彩色值欧氏距离:
(3)对I 1采用LO G算子做二次边缘提取,得到I 1的二值边缘图像I 2； (4)计算I 2图像密度
其中,#(·)为像素总数求和算子；
(5)计算灰度边缘图像I 1的灰度直方图H(i)，i=0,.,255.在灰度直方图上,根据D(I 2)确定灰度边缘图像I 1的二值化图像阈值T,使得
其中,λ为密度因子,1.2<λ<1.5;
(6)根据T对灰度边缘图像I1做二值化处理,得到二值边缘图像I e,I e即为彩色图像I1的二值边缘提取图像。
用ColorPrewitt算子获得的汽车图像边缘检测图,牌照区域得到了增强,且牌照区域完整,与背景易于分割,能满足后续工作提取牌照区域的要求。提取出的边缘图像滤除掉背景中细节少、变化缓慢的区域,而突出细节丰富、边缘变化剧烈的牌照区域和背景区域。
上面介绍了多种利用颜色进行车牌定位的方法，接下来进行一些试验，先假设要寻找的是一蓝色车牌，实验分割算法如下：(1)将RGB格式的图像转化为HSV格式；(2)颜色分割，在HSV颜色空间中，利用颜色空间距离及相似性计算，将所要颜色区域设为前景白色,其余区域设为背景黑色。(3)把经过颜色分割后的图像按行或列计算前景像素的个数和，再进行直方图水平投影和纵向投影，以确定所要颜色区域的坐标值，就可以将所要区域从原图像中分割出来。
(4)提取最大前景颜色区域进行车牌特征及纹理分析，分析时，根据车牌长宽比及车牌纹理分布特征来判断说得颜色区域是否包含车牌区域，若包含，则继续以下步骤；若不包含，则返回颜色分割步骤，再提取下一块前景颜色区域进行车牌特征及纹理分析，重复以上过程。(5)对包含车牌的颜色区域进行车牌界户特征及纹理分析，判断是否就是车牌，若是，直接输出结果；若不是，则进行纹理分割，得到车牌定位结果。
19
毕业论文
RGB和HSV的关系：
在HSV空间中，两种色彩
之间的距离为
两色彩之间的相似度为
图5.19为原图，图5.20为一过程图像，图5.21为最后的结果。
图5.19 原图5
图5.20 变换成HSV后分割出的图片
20