一种基于直方图的车牌定位方法

开篇：润墨网以专业的文秘视角，为您筛选了一篇一种基于直方图的车牌定位方法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：将车辆图像的颜色转换到HSV颜色空间，依据H，S，V值对图像进行二值化处理。在此基础上，对车牌图像进行均值分割，对分割后的子图像通过统计x轴投影直方图，提取车牌特征，完成车牌配准和定位。实验结果表明，在较复杂的环境中，该方法能够快速的对车牌进行准确定位。

关键词：HSV颜色空间；投影直方图；车牌定位

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2012）30-7335-04

车牌、车标识别技术是现代交通工程领域中研究的热点问题，对于交通监视、收费管理等多种服务具有广泛的应用价值。车牌的定位，是对车牌实施识别的前期工作，对于车标的定位也是很重要的参考依据。当前已经提出很多关于车牌定位的方法，主要有通过聚类分析对彩色图像进行分割[1][2]；利用检测牌照4条直线边界的Hough变换方法[3]；通过数学形态学和小波分析对车牌及字符纹理和形状特征进行处理[4][5]等实现定位。以上方法由于实现复杂度问题往往给车牌实时定位造成影响。比如，FCM聚类方法要求预先确定聚类中心，在迭代过程中需要反复计算迭代中心和隶属度矩阵，随着样本量的增加运算极为耗时。Hough变换需要对边缘图像或二值化图像中的所有考察点在0-180度区间中进行统计，并结合车牌形状特征进行逐一匹配。

本文依据车牌的颜色信息及车牌字符的分布特征，借助HSV颜色空间对车牌图像进行二值化处理，并通过对二值图像的投影直方图进行处理，给出了一种基于直方图的车牌定位方法。

1 车牌图像预处理

我国现行的九二式机动车号牌国标尺寸是440×140，大车牌：黄底黑字；小型民用汽车：蓝底白字；武警专用汽车：白底红“WJ”、黑字；外籍汽车：黑底白字；使、领馆外籍汽车：黑底白字及空心“使”字标志；试车牌照：白底红字，数字前有“试”字标志； 临时牌照：白底红字，数字前有“临时”二字； 蓝底和黄底车牌出现率比较高.。在定位过程中可以结合这些特征作为判断车牌的重要依据。其中，颜色信息是进行车牌定位的主要特征之一，已有的车牌定位方法很多都利用了这一特征[6][7]， HSV颜色空间比RGB颜色空间在表达颜色的方式上更符合人的视觉心理，所以在基于颜色信息的图像处理方法研究中，有较RGB颜色空间更为广泛的应用，本文方法仍以HSV颜色模型为基础。该颜色空间中H表示色度，S表示饱和度，V表示亮度，图像中的每一像素对应的hsv值可以通过构成该像素的RGB分量计算得到。

研究表明：蓝、黄、白、黑等颜色对应的HSV值如表1所示。

将车牌图像转换到HSV颜色空间表示后， 依据表一给定的区间，完成车牌图像二值化处理。具体效果如图1，图2所示。

2 车牌定位

由以上处理结果可以看出，采用表1给出的区间对图像进行二值化处理后能够将不同颜色的车牌凸显出来，但受周围环境的影响，对部分图像，车牌信息仍无法直接提取。分析车牌结构及字符分布规律可知，车牌中的文字或数字（不计点隔符）数目一般为7个，间距基本相等，则车牌的二值化图像在X轴（水平方向）的投影直方图中应有7-8个连续的波峰或波谷，其宽度满足[Wid

设图像在x轴上的投影直方图为[xhist（i），i=1，2，…M]，直方图波谷上限值为[Lbound=i=0255xhist（i）3×M]，直方图量化后包含m段，表示为[Lx1，Lx2，…Lxk…Lxm]，[k-1]段的起点为[P（Lxk-提取效果如下图示：

起点为[Gjd]的上边界，则根据[Gjd]的坐标信息从[Gj-1]中分割子图像[Gj-1d]，如果[Gj-1d]在y轴的投影直方图波峰终点为该子图像下边界且x轴投影直方图宽度与[Gjd]相符则合并两幅子图像，合并后的图像就是车牌的二值图像。如果波峰终点位于[Gjd]的下边界，则应对[Gj+1]进行考察，处理过程与上述步骤相似。图6给出了最终处理后的效果：

3 结论及比较

本文方法对车牌图像的二值化效果依赖性较强，对污染较严重的车牌图像定位能力较差，而对一般的车牌图像具有较高的准确率，实验过程中我们使用了76张不同情况的车牌图像，其中一部分是从网络上随机下载的，有三张图像分别因锈蚀和断裂情况严重而无法定位，其余都可以准确定位。

本文方法可以同步完成车牌的定位及字符分割，在实际应用中，定位和车牌识别可以相互验证，同步进行。另外，对依靠车牌信息进行车标定位，进而完成车标识别的应用，也具有较好的参考价值。

本文方法具有较快的实现速度，我们采用FCM聚类算法对[1024×768]大小的图像进行实验，并与本文方法进行了对比。

FCM算法的主要思想是最小化总的类内距离，聚类准则为：

参考文献[8]，实现过程中在图像的hsv空间中确定8个聚类中心，对图像进行聚类，依据聚类区间进行二值化后的结果如图7，图8所示。

可以看出，采用FCM聚类算法处理后的图像比直接依据HSV值进行二值化的效果好，但完成二值化处理需要157ms，而本文方法得到最终结果用时为6.74ms。

参考文献：

[1] 陈黎，黄心汉.基于聚类分析的车牌字符切分方法[J].计算机工程与应用，2002，38（6）：221-222.

[2] 张爱华.基于模糊聚类分析的图像分割技术研究[D].武汉：华中科技大学，2004.

[3] Kamat V，Ganesan S .An efficient implementation of the Hough transform for detecting vehicle license plates using DSP’S.In proceedings of Real-Time Technology and Applications Symposium ，CA，USA； IEEE Computer Society Press，1995：58-59.

[4] Barroso J， Rafacl A， Dagless E L， et al. Number Plate Reading Using Computer Vision. IEEE International Symposium on Industrial Electronics，ISIE'97，1997：761-766.

[5] 谢鸣.基于形态学的车牌自动识别系统的研究[D].武汉：武汉理工大学通信与信息系统，2002.

[6] 王夏黎，周明全，耿国华.一种基于HsV颜色空间的车辆牌照提取方法[J].计算机工程，2004，30（17）：133-135.

[7] 张全海，施鹏飞.基于HSV空间彩色图像的边缘提取方法[J].计算机仿真，2000，17（6）：25-27.

[8] 胡博.彩色图像分割算法研究[D].电子科技大学，2009.

[9] Bezdek J C A. Convergence Theorem for The Fuzzy ISODATA Clustring Algorithm[J].IEEE PAMI，1980，1（2）：1-8.