中国工业工程学会九十五年年会暨学术研讨会论文格式.DOC

以模板為基礎之車牌辨識系統之研究 施琬婕1* 陳文儉2 1大葉大學資訊工程學系（） 2（） *mail.dyu.edu.tw 摘要 本文研究以半自動化的方式來執行車牌辨識系統，先以人工方式拍攝車牌影像，再將影像配合電腦和車牌辨識系統進行車牌辨識。整個系統包含了車牌定位、字元切割和字元辨識。 車牌定位RGB彩色車牌影像首先轉換成灰階影像，再以Prewitt遮罩處理，找出影像內明顯的垂直邊緣點，再經過二值化處理，為了消除雜訊使用中值濾波器處理，之後對影像做型態學處理(膨脹與侵蝕)，再使用物件聯通法標籤影像裡白色區塊，最後設定條件篩選含有車牌的區塊，將車牌定位並且擷取。 字元切割與辨識都是以二值化影像為前提處理，本文以投影法切割取得車牌字元，辨識部分先將字元正規化統一規格，再對字元影像做細線化處理，以金字塔模型為概念取得特徵值進行模板比對，以達到辨識效果。 關鍵字：型態學金字塔模型。 隨著科技的推陳出新和經濟的蓬勃發展，交通工具的數量也因此增加，然而車輛數量快速成長，幾乎家家戶戶至少都有一輛汽車。自然而然許多的交通問題也逐漸地衍生出來，例如車輛失竊、停車場管理、道路監控、違規取締等方面，這些都顯示出車輛管理之重要性。 台灣人口也趨向高齡社會，這也強調了傳統式的人工管理，已經不符合經濟成本且效率過低，因此期望藉由車牌辨識系統不僅可以提升執行的效率，而且可以節省管理人員的成本花費。 車牌辨識系統包含了三大部份，分別為車牌定位、車牌字元切割與辨識，然而隨著影像處理技術的提升，不同的研究技術也被提出或改善。 邊緣偵測 邊緣是影像中最基本的特徵，所謂邊緣就是指周圍色度與強度有著顯著的變化像素集合，也就是影像中鄰近像素值不平滑與不連續的區域。Prewitt[1]是具有方向性的運算子，作用在大小3×3的遮罩(Mask)，一個為水平，一個為垂直。圖1為Prewitt運算子的遮罩。Prewitt運算子的Gx和Gy，Gx 是求Prewitt遮罩的水平運算，Gy是求垂直運算本只使用Gy運算子。 1 Prewitt運算子遮罩 Gx＝（Z7＋Z8＋Z9）－（Z1＋Z2＋Z3）　 　　(1) Gy＝（Z3＋Z6＋Z9）－（Z1＋Z4＋Z7）　　 (2) 型態學 數學型態學Mathematical Morphology)，簡稱型態學，主要用途是處理、分析影像中的形狀。型態學[,3]分為膨脹(Dilation)和侵蝕(Erosion)兩種運算，膨脹目的是利用運算將二值化影像中的破碎物件連結，侵蝕的功能是影像裡多餘的消除雜訊。 膨脹作用主要是利用OR邏輯運算，當A和B為Z中的兩個集合，A藉由B的膨脹以AB表示，如公式(3)所示。 (3) A為待處理之影像，B為3×3的9方格遮罩元素，Z為二維影像所處理的整數空間。其中的B為結構元素(structuring element)，整個式子是表示我們將B這集合不斷的位移Z 單位元，只要B集合和A集合有重疊至少一個元素，這樣所形成的新集合即為A 被B 所膨脹的集合。 假設影像背景為像素值0黑色、物件為像素值255白色，以3×3的遮罩由上而下、有左到右掃描影像，判別遮罩中心外的八個鄰點像素，若八鄰點像素中含有一個以上的白點，則中心點像素值改為255，依序對整張影像做運算，以達到膨脹物件的效果。 而膨脹運算的目的，就是希望將物體的邊緣結構往外擴張，使目標物輪廓較為平滑，如圖2所示，原始物件為物件A，經由元素B膨脹後影像為物件C。 2 膨脹運算示意圖 侵蝕 相異於膨脹運算的便是侵蝕運算，主要是利用XOR邏輯運算，考慮空間中Z的集合A和B，A被B侵蝕以A?B表示，如公式()所示。 (4) 其中A、B與Z的定義與膨脹相同。整個式子是表示將B 這集合不斷的位移Z單位，但是B 位移Z 後仍然包含在A集合中，符合這情形得所有Z 點的集合。 侵蝕的做法同樣將影像背景為像素值0黑色、物件為像素值255白色，以3×3的遮罩掃描影像，判斷遮罩中心外的八個鄰點像素，其中含有一個以上的背景黑點，則中心點像素值改為0，依序對整張影像做侵蝕運算，即可得到侵蝕影像。 而侵蝕運算的目的，是希望將物體的邊緣結構往內收縮，使細長狹窄的部分被截斷，如圖所示，原始物件為物件A，經由元素B侵蝕後影像為物件C。 3 侵蝕運算示意圖 利用車牌定位的方法有很多種，常見的有使用車牌特徵，例如車牌長寬比、顏色和邊緣等特徵，或是利用車牌字元特徵來尋找車牌位置。 連接物件法[]可分為4連通(4-connected)和8連通(8-connected)，將灰階影像轉換成二值化後，再進行型態學處理後，利用連通物