RGB与HSV图像转换在车牌定位中应用.docVIP

RGB与HSV图像转换在车牌定位中应用 　　【摘要】针对复杂背景下的车牌定位问题,提出了一种基于车牌色彩变化特征的车牌定位方法。该定位方法将RGB彩色空间中的车牌图像转换到HSV彩色空间中进行颜色识别,分割出车牌底色及字符颜色相对应的颜色区域,同时通过边缘提取、二值化处理、与运算找到对应颜色边缘特征点,最后经纹理分析来定位车牌。 　　【关键词】车牌;色彩变化特征;纹理分析;定位 　　 　　一、引言 　　 　　车牌识别是计算机视觉与模式识别技术在智能交通领域的重要研究课题之一。在车牌自动识别过程中,车牌定位、字符切割、字符识别是其关键技术,车牌定位技术则是整个车牌识别技术的基础和前提,车牌定位准确与否,是后续工作能否顺利进行的关键。由于图像背景复杂,各种车牌颜色变化多端,加之不同气候条件、不同光照条件的影响,造成车牌定位难度较大。汽车车牌的正确定位是车牌识别技术中的关键技术和难点所在。 　　目前,常用的车牌定位算法主要有两类:a)基于车牌纹理特征的定位算法[1-3]。纹理特征法对于车牌图片干扰较大时,特别是汽车散热栏干扰、环境干扰,或有文字图案干扰时,识别较困难。b)基于车牌颜色特征的定位算法。光照、车牌褪色、污损等原因会给颜色的准确分类带来很大困难。文献[4―7]提出的基于车牌颜色特征的定位算法,要么未充分利用车牌独特的颜色变化特征,要么定位算法过于复杂,造成车牌定位分割的局限性。 　　 　　二、车牌色彩变化特征 　　 　　根据《中华人民共和国机动车号牌》(GA36―2007)标准,目前我国所使用的汽车标准车牌由七个字符组成,它们呈水平排列,在牌照的矩形区域内存在较丰富的边缘,呈现出规则的纹理特征。车牌字符颜色和底色主要限于特定的几种组合:蓝底白字车牌、黄底黑字车牌、白底黑字车牌、黑底白字车牌。在复杂车辆图像中,可能会存在一些其他的非车牌区域具有车牌的某一特征,如车身上张贴的广告字符、汽车散热栏等。如果仅仅使用车牌的单一特征来定位车牌,效果往往不好,需要综合利用车牌的多个特征,特别是车牌的颜色变化特征,才能更为有效地排除伪车牌区域,获得目标车牌的准确位置。例如对于蓝底白字车牌,由于车牌底色为蓝色,字符为白色,即会在车牌的矩形区域内形成多条蓝白交界条纹;黄底黑字车牌会在车牌的矩形区域内形成多条黄黑交界条纹;白底黑字车牌会在车牌的矩形区域内形成多条黑白交界条纹。这是车牌区域与其他的非车牌区域(如车身上张贴广告字符、汽车散热栏等)最明显的区别。因此,可以充分利用车牌这一独特的颜色变化特征,实现车牌的快速准确定位。 　　 　　三、颜色模型转换及颜色分割 　　 　　从数码相机或数码摄像机输入的彩色图像大多数是以RGB位图格式存储的。由于RGB模型三原色空间中两点间的欧氏距离与颜色距离不成线性比例,很难进行彩色图像颜色分割处理。而HSV模型不大容易受明暗影响,类似于人眼视察彩色的方式,能较好反映人对色彩的感知和鉴别能力。在HSV颜色空间上进行距离和相似度计算,可以实现车牌图像的颜色分割。因此,为了对彩色车牌照进行彩色分割,笔者将彩色像素点从RGB空间转换到HSV颜色空间。对实际中收集的样本车牌的颜色值进行统计,通过在HSV空间中设定各种车牌颜色的阈值范围来判断像素的颜色。为了适应车牌褪色、光线、灰尘等各种不良因素的影响,适当放宽了各种颜色的阈值范围。在HSV颜色空间中分别对蓝色、白色、黄色、黑色、红色进行判别。之所以对红色点也进行判别,是因为在白底黑字的车牌中会出现红色字符,不能忽略,二值化时将它作白色像素点处理。在判别条件中,黑色和蓝色的取值范围要有重合的部分,这是因为在光线较暗的条件下,蓝色和黑色的亮度分量比较接近;白色和蓝色的取值范围要有重合的部分,这是因为在光线较亮的条件下,蓝色和白色的亮度分量比较接近。 　　 　　四、基于车牌色彩变化特征的车牌定位方法 　　 　　对于通常的基于颜色的车牌定位方法,当车体颜色与车牌底色相近时,车牌定位较为困难。现以蓝色小轿车车牌图片为例,采用基于车牌色彩变化特征的车牌定位算法实现车牌的准确定位。 　　1.将车辆RGB彩色图像根据转换公式转换为HSV彩色图像。 　　2.根据像素点颜色将HSV彩色图像进行二值化,得到蓝色、白色像素区域。如果一个像素点满足蓝色条件,则作为蓝色像素点,将图像中的蓝色像素点设为前景白色,其余区域设为背景黑色,得到蓝色像素区域。如果一个像素点满足白色条件,则作为白色像素点,将图像中的白色像素点设为前景白色,其余区域设为背景黑色,得到白色像素区域。原始图片经处理后得到的蓝色像素区域,白色像素区域。 　　3.将RGB彩色图像灰度化,进行边缘检测并二值化,得到二值化边缘图。将车辆原始RGB彩色图像灰度化,得到灰度化图像。对灰度图像用So