一种基于灰值形态学的汽车牌照提取方法

线性的关系：
　　
　　n=Integer{(w/k)+b}
　　
　　式中的Integer（）表示对括号内的值取整。w、b都为整数。根据经验令w、b分别为25和0，则：
　　
　　n=Integer(w/25)
　　
　　
　　
　　
　　由上式可知，当牌照的宽度w变化25个象素时，结构元素的大小n才变化1个单位，也就是说n对w不是很敏感。
　　
　　牌照区域提取算法包括以下几步：
　　
　　（1）缩小图像：对输入的灰值汽车图像进行隔行隔列抽样，得到一幅大小为四分之一原因的新图像。接下列抽样，得到一幅大小为四分之一原图的新图像。接下来的处理均在新图像上进行，这样可以大大减少处理时间，提高算法的效率。根据形态学的尺度变换兼容性原理，对图像缩小（放大）后再进行形态学变换，只要对结构元素做相应的变换，结果不变。
　　
　　(2)水平分割：对汽车图像进行水平分割，得到几个可能含牌照的水平区域。
　　
　　（3）垂直分割：对第（2）步所得到的每一个水平区域进行垂直分割，得到一些牌照的候选区域。
　　
　　（4）牌照区域甄别：分析各个候选区域得出真正的牌照区域。
　　
　　2.1水平分割
　　
　　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，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
　　
　　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

《一种基于灰值形态学的汽车牌照提取方法(第3页)》