陕 西 理 工 学 院 毕 业 设 计
经典的边缘提取方法是考察图像的每个像素在某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，用简单的方法检测边缘。这种方法为边缘检测局部算子法。边缘检测算子检查每个像素点的邻域并对灰度变化率进行量化，也包括方向的确定。大多数使用基于方向导数的掩模求卷积的方法。 2.3.1 梯度算子
图像f(x，y)的罗伯特梯度公式为
(2-2)
为了计算方便，也可用下面的近似公式表示：
(2-3)
对式(2-3)可以通过两个卷积之和来表示：
(2-4)
其中，对
和
各用一个模板，所以需要2个模板组合起来以构成1个梯度算子，可以采用如下模
板：
1 -1 1 0
-1 0 0 0 对梯度进行近似计算还可以采取很多种不同的方法，根据它们所采用模板的大小，其中元素取值的不同，提出了许多种不同的边缘检测算子。这里用到的是边缘检测算子是Roberts算子。
Roberts边缘检测算子是一种利用局部差分寻找边缘的算子。常用的Roberts算模板为： 1 0 0 1 -1 0 0 -1 2.3.2 车牌图像的边缘检测
由于车牌图像是边缘丰富的子区域，所以边缘检测对于车牌区域的分割有着十分重要的作用。
在车牌识别系统中，可以采用如下的自定义算子来提取边缘：
0 0 0 0 1 0 0 -1 0
对车牌二值图像做简单的相邻像素灰度值相减，左侧边缘直接赋初值，不影响整体效果。
经过实验比较可以发现，采用该算子具有运算简单(只有简单的加减运算)、计算速度快的特点，经运算后边缘图像轮廓清晰，尤其适合具有比较密集笔画的间距小的图像边缘。经过该算子运算后的图像，车辆牌照于图像区域就完全凸现出来，车牌的笔画轮廓清晰，而车体上其它部份的轮廓线
第7 页 共 37 页
陕 西 理 工 学 院 毕 业 设 计
特征并不突出。实验结果如图2.2。
图2.1 车牌的灰度图像 图2.2 图像的边缘检测
第8 页 共 37 页
陕 西 理 工 学 院 毕 业 设 计
3 车牌定位
3.1 车牌定位概述
牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。由于牌照图象在原始图象中是很有特征的一个子区域，确切说是水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘形成了灰度突变的边界，这样就便于通过边缘检测来对图象进行分割。
本章主要的研究工作是对汽车二值图像中的车辆牌照进行定位，即从汽车图像中找到牌照区域在整幅图像中的坐标，然后分割出包含车牌区域的尽可能小的图像，即车牌区域，并为车辆牌照字符分割提供准确的参数值。
对图像进行腐蚀
去除杂质
通过计算寻找X,Y
方向车牌的区域
完成车牌定位 对分割出的车牌 做进一步处理
图3.1 车牌定位流程图
3.2 车牌定位的原理
车牌定位算法的出发点是通过车牌区域的特征来判断牌照，可利用的车牌特征有： 1．车牌区域内的边缘灰度直方图统计特征车牌区域内的边缘灰度直方图具有两个明显且分离的分布中心。
2．车牌的几何特征即车牌的高、宽、高宽比在一定的范围内。
3．车牌区域的灰度分布特征穿过车牌的水平直线其灰度呈现连续的峰、谷、峰的分布。 4．车牌区域的水平或垂直投影特征车牌区域水平或垂直投影呈现连续的峰、谷、峰的分布。 5．车牌形状特征和字符排列格式特征车牌有矩形边框，车牌字符位于矩形边框中且有间隔。 6．车牌的频谱特征即对图像做行或列的DFT变换，其频谱图中包含了车牌的位置信息。
第9 页 共 37 页
陕 西 理 工 学 院 毕 业 设 计
3.3 车牌定位的算法
车牌牌照图像能否正确地从车辆图像中提取是车牌自动识别的前提，所以图像定位、提取需要极高的正确性。根据待处理车牌的类型和特点，有多种车牌定位方法，常用的定位算法有：
(1)．自适应边界搜索法利用倒L型、水平直线、垂直直线等结构元素搜索、定位字符， 然后找出符合一定格式的字符群，即认为是车牌。
(2)．区域生长法对边缘图像进行均匀性区域生长，以获得潜在的车牌区域，然后利用车牌的几何特征以及车牌区域内的边缘灰度直方图统计特征删除伪车牌，即是真实的车牌。
(3)．灰度图像数学形态学运算法利用车牌形状特征、字符排列格式特征，对预处理后的灰度图像进行一系列的形态学运算，得到直线与一定数目的字符相邻的区域即认为是车牌。
(4)．基于字符串特征增强的分割法采用一种线性滤波器突出牌照区域的纹理，再采用阀值的方法来分割车牌区域。
(5)．模糊类聚法利用模糊逻辑系统，根据一些分类参量判别由粗分割得到的图像中不确定部分是隶属于背景还是目标，从而分割出车牌。
(6)．基于灰度图的车牌定位和分割法首先选取适当的阈值用迭代法得N-值图，再根据车牌中文字笔画的垂直边缘特征实现车牌定位。
(7)．DFT变换法先对图像逐行做DFT变换，然后把频率系数逐行累加平均并根据这些平均值做出频谱曲线，根据频谱曲线中的“峰”的起始点位置确定车牌水平位置，对这一水平区域逐行做DFT变换可确定车牌竖直位置。 3.3.1 车牌定位算法分析
一般在复杂环境下采集的彩色汽车图像都包含有大量的边缘信息，尤其是车身正面边缘信息往往比较多。如果采用常规的灰度跳变统计的方法，很难排除干扰边缘，从而导致不能准确定位车牌区域。本文给出的是一种基于色彩过滤的定位算法，该算法不用对整幅图像进行边缘检测，而是直接寻找图像中颜色、形状及纹理符合车牌特征的连通区域。已有大量实验表明，该算法定位效果良好。在我国，挂蓝色牌照的车辆是最多的，各种车牌的出现频率由高到低依次为蓝、黄、白、黑，其中出现最频繁的两种车牌都是彩色的。经过对大量彩色图像的分析我们发现对于车牌图像而言，其色度、饱和度和亮度值范围如表3.1。
表3.1 HSV的取值范围
蓝色 黄色 白色 黑色
色度 200-255 25—55 / / 饱和度 0.4-1 0.4-1 0-0.1 / 亮度 0.3-1 0.3-1 0.9-1 0-0.35
注：“／’’表示不予考虑的项目。
通过对大量车牌图像的分析，可以发现对于具有某种目标色的像素，可以直接通过对H、S、V三分量设定一个范围来把它们过滤出来，无需进行较复杂的色彩距离计算，这样可以在色彩分割时节省大量的时间。这种过滤对蓝色和黄色车牌尤为有效，并且蓝色和黄色的饱和度及亮度分量取值范围相同，可以同时对它们进行过滤。但对于黑色和白色，色彩过滤的效果不是很理想，考虑到我国蓝色和黄色车牌在所有车辆中所占比例大，其出现频率相当高。本文采用两种定位算法：一种用于定位彩色车牌，另一种用于定位黑白车牌。彩色车牌的定位算法步骤为：
第一步:假设原始采集图像中的车牌为蓝色或黄色，根据表3-1中车牌颜色的取值规律，车牌区
第10 页 共 37 页
陕 西 理 工 学 院 毕 业 设 计
域的像素就可以直接通过对H、S、V三分量设定一个范围来把它们过滤出来。实际操作时可以经过反复试验，进一步缩小表3．1中的取值范围。过滤后的图像存在许多符合色彩取值范围但不可能是车牌区域的孤立点，必须删除这些孤立点。
第二步:进行数学形态运算，从而得到包含车牌的目标色连通区域和背景色连通区域。接着对目标色连通区域进行分析，考察其面积、形状、最大和最小宽度、长宽比以及区域中单位面积内的边缘点数目等，排除与标准车牌特征差别较大的区域。
第三步:对符合车牌区域特征的连通区域进行纹理分析，从而最终确定正确的车牌区域。如果最后所有的连通区域都不符合车牌区域的特征，则可以确定彩色车牌不存在，需要转入黑白车牌处理程序。
通过色彩过滤以及色彩连通域形状分析，可以将与车牌底色不符合的区域归并至背景色，并能过滤掉与车牌底色相似的大面积车身区域及该区域所包含的干扰文字。同时也可以滤除掉那些与车牌临近区域的干扰纹理，因为这些纹理颜色与车牌底色一般有较大的区别。根据车牌区域内字符的纹理特征，通过利用纹理分析可以剔除掉那些颜色、形状与车牌基本吻合，但内部纹理特征与车牌差异明显的区域。当发现蓝色或黄色车牌不存在时，就认定需要定位的车牌为黑色或白色车牌。对于黑色或白色车牌有一条重要的规律，即在车牌区域的灰度跳变值非常大，这样就解决了求取灰度图像边缘时阀值选择困难的问题。在排除了蓝色和黄色车牌后，我们可以根据车牌出现频率的高低，首先认定车牌是白色的。白色车牌的定位算法步骤为：
第一步:用饱和度和亮度取值范围过滤出符合该范围的像素，再进行数学形态学运算形成连通区域。取一个较大的边缘阀值在这些连通区域内进行边缘检测。
第二步:进行边缘点统计，根据其在水平方向和垂直方向的投影，从而确定多个连通区域中可能存在车牌的区域。
第三步:采取形态分析和纹理分析，检查是否为正确的车牌区域。如果白色车牌也不存在，就只能按黑色车牌的亮度信息进行色彩过滤，然后重复对白色车牌的处理过程即可。 3.3.2 车牌定位算法流程
1．彩色车牌定位算法的具体流程
(1)色彩空间转换在RGB空间将每一个色彩分量值先归一化，通过除以255得到。然后将原始图像从RGB色彩空间转换到HSV色彩空间。
(2)设置颜色取值范围根据表3．1中蓝色和黄色的取值规律对H、S、V三个分量分别设定过滤范围。对于色度分量要首先进行归一化，通过除以360度得到。
(3)色彩过滤以设定的取值范围对图像进行色彩过滤，将所有像素归并至目标色与背景色中。得N-值图像，该图像中蓝色和黄色像素取值为1，其它颜色像素均为0。
(4)进行孤立点删除用具有一定大小的结构元素对图像进行开启运算，我们认为面积小于该结构元素的图像块是孤立点，将其删除。
(5)连通区域的形成用一个矩形区域对图像进行形态闭合运算，形成连通的区域。
(6)干扰区域的滤除对每个连通区域的面积、形状等特征进行分析，对干扰区域进行滤除。 (7)纹理特征分析对符合车牌形状特征的区域做纹理特征分析，根据车牌内字符区域的纹理特征进行再次过滤，最终定位有效的车牌区域。
(8)结束或跳转定位流程对上一步的结果进行判断，检查是否存在有效车牌区域，若是，定位成功，结束车牌定位流程；否则，跳转至黑白车牌定位程序。
2．黑白车牌定位算法的具体流程 (1)色彩空间转换；
(2)设置白色S分量和V分量的取值范围； (3)以设定的取值范围对图像进行色彩过滤； (4)删除孤立点，进行形态闭合运算；
第11 页 共 37 页