车牌字元切割和辨识之研究 - 2012工业工程学会年会暨学术研讨会.DOCVIP

車牌字元切割和辨識之研究 蕭伊伶1* 陳文儉2 1大葉大學資訊工程學系（） 2（） * 摘要 本文利用影像處理之技術找出車牌的位置，並將字元做擷取，以樣板為基準辨識字元。 一開始，對影像做前處理為彩色車牌影像轉為灰階圖片，以中值濾波器降低雜訊，再利用Sobel水平與垂直的遮罩作運算，去偵測影像的邊緣點，經由二值化得到較佳的邊緣，接著把邊緣點作串連，以利於線段群聚分類，再依斷開運算濾除圖像中的小物體，並在纖細處分離物體使影像得到更完整的區塊，連通物件法會將相同集合的區塊給予統一的編號，找到車牌位置後，分割影像中的字元與背景，以利於車牌字元辨識。實驗結果顯示，本方法有不錯的辨識結果。 關鍵字：。 現今的社會隨著科技與經濟的發展，不僅交通運輸工具日漸頻繁，提升了人們的生活上的品質，且因交通的便利，造成了諸多的交通事故等等。因此，車輛的管理問題漸漸地受到政府的重視。政府為了降低交通亂象的發生，採取了多項措施，譬如警察臨檢、超速照相、贓車取締或停車場管理等等，這都耗費過多的人力來管制車輛，但這些方法實施的成效非常有限，若能即時的取得車牌影像，就能解決上述的問題。因此，本文利用電腦與影像處理之技術，來達成車牌辨識系統，利於管理者方便取得車牌資訊，不僅可以防範違規事件的產生，還能減少人力成本的支出。 相關研究 從過去以來，探討車牌辨識之相關文章到現今，還是有不少人投入此研究，而科技時代的迅速地發展，不管是硬體或軟體設備都提昇了不少，使得車牌辨識系統進而達到改善。 車牌辨識系統主要分為三大流程，一是車牌定位、二為擷取影像之字元，最後是字元辨識。 通常拍攝車牌的環境，無法在固定的光源或背景等因素來取得車牌影像，所以此系統的程序都不易處理，讓此項研究富有挑戰性。 影像二值化 影像處理與車牌辨識系統中，二值化[1]總是扮演重要角色，一般在拍攝之影像通常為彩色資訊，文中介紹車牌辨識系統擷取之車牌影像場景，通常不統一，若要將影像中複雜地資訊量有效地降低，都會將影像做二值化，使得影像在處理時，成功率可以提昇。 二值化主要是將物體與背景簡化為黑(0)、白(255)兩個像素值，此步驟為辨識物體的基底工作，若無法扎實地做好，此方法的優劣會間接地影響到是否能正確地找到物體的邊緣和線條。而車牌影像的背景通常為複雜的，使得雜訊量非常的多，所以利用二值化將拍攝影像中的車牌區域與背景作區分。 但二值化取得門檻值方式，通常使用的方法都不太固定，有Otsu[2]的方法、固定門檻值、平均門檻值[3,4]等等，作為將影像之臨界值分為黑與白。 車牌定位之研究 一般拍攝之車牌影像，背景通常在複雜環境，而車牌定位目的在於透夠硬體設備所擷取之影像，利用許多影像處理的技術，以及針對車牌的篩選條件，來找出影像中車牌的位置。 在車牌定位[5-8]中，使用的方法又有不同，主要分為兩大類，一為車牌顏色特徵偵測，另一種方式是針對空間域中的像素點去作運算，又稱為邊緣點偵測。由拍攝影像中，觀察到車牌區域，會產生劇烈的灰階值變化，利用此特性，可從這些像素點利用不同的影像處理之技術，進而將車牌位置框選出，達成車牌定位。 擷取車牌位置之字元 字元切割通常使用的方式有連通物件法[9]和投影法[10-14]，若以連通物件法來切割字元，較不易受拍攝環境因素造成歪斜，使得擷取影像之車牌區域傾斜，方法是以像素點中的四鄰點或八鄰點將相連的點區分為同一物件，而投影法是利用累計影像中的水平軸的像素值及垂直軸上的像素值，找出影像中的最低門檻值，最後可以切割出車牌影像上下左右之邊界，來達成字元擷取。 字元辨識 辨識字元的方法又有許多不同的方法，如類神經網路法[15-18]、統計法與結構法[19]等等，從車牌影像，觀察到車牌影像之字元，並非手寫字型，而字元尺寸與字體都是統一不變的，因此多數的研究都會以樣板來對字元作辨識。 在使用樣板比對[20]時，必須先建立一組字元的資料庫，包含數字0-9、字母A-Z，當中0和O不做分別，利用此樣板資料庫與字元影像進行比對，從中會計算出一個差異值，然後會找到一個跟字元最相似的值。 研究方法及架構 車牌辨識分為靜態與即時動態辨識兩大部份，本文採用靜態的車牌影像為一般數位相機所拍攝，影像存入電腦硬碟，經由辨識系統讀取欲辨識之車牌影像，以完成車牌辨識。主要流程圖如圖1所示。 圖1 圖 影像前處理的方法跟一般車牌辨識程序相似，是將彩色影像轉換灰階、中值濾波、二值化等等，使測試影像能夠迅速地找到車牌位置。主要是RGB影像轉化為灰