万方数据
传■
图像，从而得到图像边缘，腐蚀型算子是原始图像减去腐蚀后的图像得到的图像边缘。膨胀腐蚀型算子计算的是一定区域内最大灰度值和最小灰度值之差，所以形态学差分算子是非线性的算子。形态开、闭运算都可以平滑信号，滤除图像中小于结构元素的噪声点，形态开运算可以抑制信号中的峰值（正脉冲）噪声，而形态闭运算可以抑制信号中的底谷（负脉冲）噪声。根据这些特点可以定义基本抗噪型形态梯度开运算型：ＥＤ４一ｆ—ｆＯｂ（４）
闭运算型：ＥＤｓ＝ｆ?ｂ一厂（５）
开闭运算型：肥；＝ｆ?ｂ—ｆＯｂ（６）
以上三种算子可以用于检测噪声污染图像中的边缘，虽然其抗噪性能较前三种基本形态梯度要好，但检测效果并不是十分理想。因此针对以上特点，还需要进一步改进形态边缘检测运算的形式。利用形态膨胀、腐蚀和开、闭运算的特性，对上述基本算子进行改进，得到抗噪型形态边缘检测算子如下：
ＥＤ７＝（厂ｏｈ）①ｂ一（厂?ｂ）ｅｂ（７）
ＥＤｓ一（／ｏｈ）ｏｂ—ｆ?ｂ（８）
图２原始车牌加椒盐噪声图像
图３各形态算子对车牌加噪图像边缘检测的结果
考虑实际情况，抗噪型边缘检测算子ＥＤ７对含噪车牌边缘检测效果较好，对噪声不敏感，检测到的图像清晰准确。
９０中国交通储悔化２０１０．１０
ＷＷＷＣＨＩＮＡＩＴＳＣＮ
形态学车牌图像处理
运用车牌抗噪算子ＥＤ７进行边缘检测后，基于光照条件和车辆周围环境因素的影响，有些区域并未形成封闭的区域，这里采用二值图像填充处理，经处理后形成了几个封闭的候选区域，如图３（ａ）。上述运算后的图像还存在一些噪点和毛刺，可以利用形态学的腐蚀加开运算对图像进行降噪处理。腐蚀的定义如式（９）。将二值图像Ａ用结构元素Ｂ进行腐蚀，其结果是所有满足Ｂ平移ａ后，Ｂ仍全部包含在Ａ中的ａ的集合，直观看Ｂ是经过平移后全部包含在Ａ中的Ｂ的原点组成的集合，腐蚀收缩图像。如图３（ｂ）所示，经过腐蚀开运算，去掉了图像中的孤立的点和毛刺并缩小了原图像。膨胀运算定义如式（１０）。膨胀扩大图像。另外两个重要的形态运算是开运算和闭运算。开运算定义如式（１１）。开运算一般能平滑图像的轮廓，削弱狭窄的部分，去掉细的突出。最后再将腐蚀后的图像开运算后膨胀，膨胀处理后得到几个明显的车牌候选区域如图３（ｃ）所示。膨胀运算可以填平小孔和弥合小裂缝，扩大面积区域。
ＡｅＢ＝扣ｌ（Ｂ）％∈么）
＾
彳０曰＝川［（功］。ＩＡ≠ｆ２ｊ）
ＡＯＢ＝（ＡｅＢ）ｏＢ
（９）
（１０）
（１１）
图４形态学处理结果
候选区域筛选车牌图像
经过上述的数学形态学的处理后，得到一组车牌候选区域，其中包括一些伪区域如车灯、车标等。为了将那些非牌照区域除掉，可以利用牌照区域的几何特征进行滤除，在众多车牌候选区中，若只采用某单一的评价指标，很难准确地确定车牌区域，这里采用二值周长面积比与车牌长宽比基本固定和及垂直投影特征值等几何特征综合考虑的方法来确定车牌区域。
车牌图像二值化之后，形成了许多大小不相同的连通区域，其中包括车牌区域和各类噪声区域。由车牌的特点可知，车牌区域周长，面积大小范围可以确定，长与宽比基本
是一定值，在实际处理时，给每个特征值设定一个匹配度万方数据
ｉｎ，０＜ｍ＜１。
长宽比是车牌的一个明显特征，虽然车牌反映在图像中的大小不同，由于我国车牌长宽比相对固定，常见的标准汽车牌照的大小为长４４０１ｍｍ，宽１４０ｍｍ，因此在图像中车牌区域的长宽比也相对固定。其中弘为权值。
其面积和周长存在关系：
（３．２×Ｌ×Ｌ）／（２×（３．２＋１）×Ｌ）２—１／２２，以此为特征，计算连通域的匹配度，它越接近１，说明对应的连通域越有可能是车牌区域。
Ｚ（ｃ：ｓ）：ｌｍｍ弘ｌ啊（１２）
垂直投影特征值是根据在二值图像上车牌字符呈明暗交替变化来确定的。其中特征值越大就越接近真实车牌，因此赋予匹配度就越接近于１。
五（１，）＝Ｊ【１２鸭（１３）
Ｆ一∑肫慨（１４）
上述方法中综合了面积周长比以及垂直投影特征值个因素进行综合分析来定位车牌区域，可以消除仅用某一参数进行评价所带来的误差。车灯区域的面积与真实车牌区域面积比较相似，在车牌区域确定事，用面积周长比这一特征无法准确定位车牌区域，而垂直投影特征值来看，车灯区域不符，因此可以正确定位车牌。如该车牌图像倾斜，则垂直投影方法便不能准确获取车牌图像，那么就可以用面积周长比也能准确定位车牌。
实验结果
本文选用３００张大小为６４０×４８０像素加椒盐噪声车牌照片进行定位实验，实验取得了良好的效果，汽车颜色各不相同，车牌颜色各不相同，光照情况不同分别为阴天和晴天光照条件较好的情况。在主频为２．０ＧＨｚ的计算机上进行实验处理，部分实验结果如图５所示。
从仿真实验结果可以得出：在加有椒盐噪声的车牌图像中，采用形态学方法边缘检测图像较清晰，容易提取车牌区域，对噪声不敏感。考虑到白天光线较强和周围环境的影响，以往算法对车牌定位时会产生误差。相比之下对于不同车型，以及一些在图像中位置与大小各不相同的车牌，本文车牌定位的准确率９５％以上，定位时间在０．３ｓ左右，能够满足实际车牌定位的要求。
图５车牌定位结果
结束语
车牌定位是车牌识别系统完成图像采集后对图像进行处理的第一步，它的定位效果直接关系到整个系统最终识别率的高低，并且对系统的识别速度也有很大的影响。在车牌定位中采用形态学抗噪算子进行边缘检测，用形态学填充，腐蚀开运算后膨胀得到车牌候选区域，可以消除因车牌颜色不同以及环境因素给车牌定位造成的不利影响，得到较好的车牌候选区图像；针对车牌候选区图像，采用面积周长以及垂直投影特征值综合分析的方式，可以准确地定位出真实车牌区，完成车牌定位。匝
参考文献
【１】Ｒ．Ｃ．Ｇｏｎｚａｌｅｚ，Ｒ．Ｅ．Ｗｏｏｄｓ，ＤｉｇｉｔａｌＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ，Ａｄｄｉｓｏｎ－－Ｗｅｓｌｅｙ，１９９３。
［２】唐常青，吕宏伯，黄铮等．数学形态学方法及其应用【Ｍ】．北京：科学出版社，１９９０。
【５】邹福挥，李忠科．图像边缘检测算法的对比分析【Ｊ】．计算机应用．２００８。
【４】侯志强，韩祟昭，左东广．基于局部多结构元素数学形态学的灰度图像边缘检测算法【Ｊ】．西安交通大学学报，２００３，３７（４）：３８９—３９３。
［５】５Ｎ．Ｏｔｓｕ，”Ａｔｈｒｅｓｈｏｌｄｓｅｃｔｉｏｎｍｅｔｈｏｄｆｒｏｍｇｒｅｙ—ｌｅｖｅｌｈｉｓｔｏｇｒａｍｓ，”ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓＯｎＳｙｓｔｅｍｓ，Ｍａｎ，ａｎｄＣｙｂｅｒ∞ｔｉｃ８，ｖ０１．ＳＭＣ－８。印。６２－６６，
１９７９。
【６】路小波，张光华．基于二值图像的车牌精确定位方法【Ｊ】，东南大学学报．２００５年１１月。
【７】李波，曾致远，付祥胜．基于数学形态学和边缘特征的车牌定位算法【Ｊ】．视频技术应用与工程．２００５。
【８】白洪亮，娄正良，邹明福等．复杂背景下基于形态学的车牌识别系统［Ｊ】．公路交通科技．２００４。
［９】章毓晋．图像图形科学丛书图像分割【Ｍ】．北京：科学出版社．２００１。
万方数据
数学形态学边缘检测抗噪车牌定位系统
作者：刘文博， 封志宏， 王涛
作者单位：兰州交通大学电子与信息工程学院
刊名：
中国交通信息化
英文刊名：TRANSPORTATION INFORMATION INDUSTRY
年，卷(期)：2010(10)
参考文献(9条)
1.章毓晋图像图形科学丛书图像分割 2001
2.白洪亮;娄正良;邹明福复杂背景下基于形态学的车牌识别系统[期刊论文]-公路交通科技 2004(10)
3.李波;曾致远;付祥胜基于数学形态学和边缘特征的车牌定位算法 2005
4.路小波;张光华基于二值图像的车牌精确定位方法 2005
5.N.Otsu A threshold selection method from grey-level histograms 1979
6.侯志强;韩祟昭;左东广基于局部多结构元素数学形态学的灰度图像边缘检测算法[期刊论文]-西安交通大学学报 2003(04)
7.邹福挥;李忠科图像边缘检测算法的对比分析 2008
8.唐常青;吕宏伯;黄铮数学形态学方法及其应用 1990
9.R.C.Gonzalez;R.E.Woods Digital Image Processing 1993
本文链接：https://www.doczj.com/doc/3012786790.html,/Periodical_zgjtxxcy201010013.aspx