基于车牌识别的二值化算法研究.docVIP

基于车牌识别的二值化算法研究 　　摘要：二值化算法在车牌识别系统中的车牌定位方面有着很重要的作用，但是光照条件的影响，使得二值化算法中的阈值T确定较为困难。该文提出了一种灰度值拉升的改进算法，可以降低二值化算法过程中的阈值的确定难度，并通过实例证明了这种算法的可行性。 　　关键词：车牌识别；车牌定位；二值化算法；灰度值拉升 　　中图分类号：TP301.6文献标识码：A文章编号：1009-3044(2011)14-3429-02 　　Based on the Value of License Plate Recognition an Algorithm Research for Binarization Algorithm 　　ZHU Dong-fang 　　(713 Research Institute of China Shipbuilding Industry Coorporation, Zhengzhou 450015, China) 　　Abstract: Binarization Algorithm plays very important role in license plate location of the License Plate Recognition System, but the impact of light conditions, makes it more difficult to determine the threshold of the binary algorithm. A gray value pulled algorithm is presented which can reduce the difficulty to determine the threshold of the binarization algorithm. 　　Key words: license plate recognition; license plate location; binarization algorithm; gray value pulled 　　车牌识别系统的关键技术之一就是车牌定位，同时也是进行车牌正确识别的第一步，车牌定位的好坏将会直接影响到车牌识别的质量，同时对于车牌识别的速度也会有很大的影响。 　　目前，车牌定位的方法主要是基于边缘检测的定位，根据车牌的字符和背景之间强烈的对比来对车牌进行定位，首先选取一个合适的阈值来对图像进行二值化，然后进行水平投影来定位车牌。但是在车牌定位过程中，由于环境的影响，车牌亮度会随着光照的不同而产生变化，这就给阈值限定的二值化过程产生很大影响。为此，本文通过对车牌图像的特点进行分析，提出一种改进算法，能够实现将不同亮度环境的的车牌进定位。 　　1 已有的二值化算法 　　目前应用较为广泛的二值化算法有以下两类： 　　1.1 阈值限定的二值化算法 　　这种算法的原理和实现都比较简单，首先确定图像的灰度值变换范围，并从中选取一点的灰度值作为阈值T，将图像中的任何一点(i,j)的灰度值u(i,j)与T对比，如果大于或等于T则将这点的灰度值设为255，如果小于T则将这点的灰度值设为0，如式1所示： 　　（1） 　　这种算法虽然原理简单，容易实现，但是由于随着光照的不同，图片曝光情况不同，选取一个合适的阈值非常困难。 　　1.2 阈值自适应的二值化算法 　　阈值自适应的二值化算法与阈值限定的二值化算法类似，只是在阈值T的选取上不同，并不是一直固定不变的，而是通过对全图的迭代分析，来确定T的值，虽然能够一定程度的消除由于曝光不同所带来的影响，但是在阈值T的确定过程中要进行多次迭代才能够找到合适的阈值，因此计算的效率不高。 　　2 一种改进的二值化算法研究 　　2.1 车牌灰度分布特点分析 　　通过对已有的二值化算法的研究，发现问题的关键在于如何快速、有效的找到阈值T。其中阈值限定二值化算法的缺点在于：由于拍摄环境的影响，限定的阈值并不能够适用于所有的拍摄环境；而阈值自适应的二值化算法虽然能够有效的改善这种情况，但是由于阈值T的寻找过程较为繁琐，所以整个算法过程也变得繁琐。为了能够更清晰的了解由于光照等拍摄环境给二值化算法实现带来的问题，首先对车牌的灰度分布特点进行分析。 　　其中图1是三张不通光照情况下的车牌，以及他们的灰度直方图。 　　为了能够更好的观察在不同光照条件下车牌的灰度特征，对第三个直方图的纵坐标进行了缩放，虽然看起来点很少，其实三张车牌号码的图片大小一样，横坐标表示的是0-255的图像灰度值，虽然三张图的纵坐标进行了缩放，而且三张图的灰度值分布明显不同。但是其中也有一个相同的特点就是“虽然由于光照的不同