一种基于灰值形态学的汽车牌照提取方法
分别对汽车图像进行灰值形态学的梯度变换、Top-Hat变换和Valley变换,如图2。一般来说,在大多数汽车车牌照自动识别系统应用中,CCD摄取的汽车图像中牌照的大致宽度和高度是已知的。如果牌照的宽度为w∈(a,b),则取水平模板m×1,其中m=(a+b)/2。用模板分别对图像的梯度图、Top-Hat变换图和Valley变换图进行水平模板卷积。对每帧变换图取每一行模板水平卷积的最大值,得到1个一维数组,3幅变换图共得到3个一维数组g1,ti和vi,其中i大于等于1,而小于等于图像的高度,其曲线如图2的b、c、d。观察图2可以发现,由于受车体上其它字符和车前灯等因素的影响,仅仅依靠梯度图较难对牌照进行水平定位,而结合Top-Hat变换图和Valley变换图,能更好地对牌照进行水平定位。据此,构成了1个一维数组pi。
pi=gi×ti×vi
其曲线如图3。取图3中最高峰的位置作为牌照的水平中线,为了确保不会出错,把次高峰也作为牌照的另一备选位置。了高峰和次高峰的位置,javascript:window.open(this.src);" style="cursor:pointer;"/>分割出2个宽为汽车图像宽度,高为牌照的最大可能高度b的区域,如图4中的a和b。
2.2 垂直分割
对图4中的a和b二个区域分别进行灰值形态学的梯度变换、Top-Hat变换和Valley变换,并在垂直方向对变换图进行卷积得到3个一维数组gi、ti和vi,其中i大于等于1,而小于等于图像的宽度w,其曲线如图5和图6。qi=gi×ti×vi
的曲线如图7。利用下面的公式分别对图4中的a和b进行垂直分割。
{(m,n)qi>kT,i=m...n,n-m+1∈(a,b)}
其中:T=Max(qi),k为一经验值,(a,b)为牌照的宽度范围。
i=l...w
分割结果如图8所示。
2.3 牌照区域甄别javascript:window.open(this.src);" style="cursor:pointer;"/>
分别标注牌照二候选区的水平峰值(或谷值)点,如图9(a)中的白点,标注的峰值点要求峰高与峰宽的比大于一经验阀值;分别把牌照二候选区二值化,如图9(b);然后把候选区峰值(或谷值)点图与二值化图作与运算得到有效峰点(或谷点)图,如图9(c)。在有效峰点(或谷点图中统计有效行数。如果一行内有效峰点(或谷点)数大于T1而小于T2,为有效行,则认为有效行数多者为真正的牌照区域。其中T1和T2为经验值。
从复杂的汽车图像中如何把牌照区域分离出来,是汽车牌照自动识别系统必须解决的问题。本文提出了一种利用灰度形态变换快速提取汽车牌照区域的信号。针对牌照区域内空间频率变化大和牌照区域内字符笔划具有高曲率的特性,笔者利用灰值形态学的梯度变换、Top-Hat变换和Valley变换,对输入的图像进行滤波,接着根据牌照的大致尺寸得到几个牌照的候选区域,最后分析候选区域内水平方向的波峰的高宽比和波峰数据得到真正的牌照区域。实验表明本文提出的方法定位准确率高,抗噪能力强,且耗时较少,能够满足实时性要求。