一種CIELab顏色空間中的車牌定位方法new上課講義

1、Good is good, but better carries it.精益求精，善益求善。一種CIELab顏色空間中的車牌定位方法new-一種CIELab顏色空間中的車牌定位方法鄭成勇(五邑大學(xué)數(shù)學(xué)物理系廣東江門529020)摘要：提出在CIELab顏色空間中對車牌照進(jìn)行分離，利用數(shù)學(xué)形態(tài)學(xué)及圖像連通體態(tài)分析提取出矩形區(qū)域，通過分析矩形區(qū)域的面積、寬高比及灰度階躍次數(shù)來確認(rèn)真實的車牌區(qū)域。對不同尺寸、白天和夜晚等多種條件下拍攝的圖像進(jìn)行黃底黑字和藍(lán)底白字車牌的定位實驗表明，本文給出的各具體參數(shù)不因圖像尺寸而改變；算法對光照條件不敏感；車牌的準(zhǔn)確定位率較高。關(guān)鍵詞：車牌定位，CIELab，數(shù)學(xué)

2、形態(tài)學(xué)中圖分類號：TP391文獻(xiàn)標(biāo)識碼：AVehicleLicensePlateLocationinCIELabColorSpaceZhengChengyongCaoWensheng(Dept.ofMathematics&Physics,WuyiUniversity,Jiangmen,Guangdong,529020)Abstract:Thispaperattemptstoputforwardavehiclelicenseplatelocationtechniquewhichindependentofimagesizeandilluminationcondition.Wethresholdin

3、gsegmentethelicenseplateinCIELabcolorspace,andextractedcandidaterectangularregionsbymorphologyanalysisandimageconnectedcomponentsanalysis,whichwillbeverifiedbyitsarear,ratioofwidthtoheightandnumberofgrayleveljump.Experimentsarecarriedoutontwotypicallicenseplates:whitecharacterwithbluebackgroundandbl

4、ackcharacterwithyellowbackground,bothofwhichhavedifferentsizeandareshootedunderdaytonightcondition;theirresultsshowthatthespecificparameterspresentinthispaperwillnotbechangedwithimagesofdifferentsize,andthealgorithmisrobusttodifferientilluminationcondition,theaccuracyrateoflicenseplatelocationishigh

5、.Keyword:LicensePlateLocation,CIELab,Morphology1、引言車牌定位就是將車牌從復(fù)雜的背景中分割出來，其準(zhǔn)確度直接決定后續(xù)車牌字符的分割與識別的準(zhǔn)確性，是車牌識別系統(tǒng)(LPR)的關(guān)鍵。目前，國內(nèi)外已有許多的學(xué)者在這方面進(jìn)行大量的研究，大致可以分為：基于車牌顏色屬性的車牌定位方法1-4、基于車牌自身結(jié)構(gòu)和紋理特征的車牌定位方法5-8以及綜合結(jié)構(gòu)特征及顏色屬性的車牌定位方法9。本文屬于基于顏色提取的方法。文獻(xiàn)5-8直接對灰度圖像進(jìn)行垂直邊緣檢測，再進(jìn)行形態(tài)學(xué)連通處理，并對各連通區(qū)域進(jìn)行包括寬高比、灰度跳變次數(shù)、密度等分析，以確定車牌區(qū)域。這種方法在形態(tài)學(xué)連

6、通處理中容易形成無效粘連或斷裂，區(qū)域定位精度較低，對結(jié)構(gòu)算子比較敏感?；陬伾能嚺贫ㄎ环椒壳爸饕栽赗GB顏色空間1和HSV（或HIS）顏色空間為主2-4。但RGB顏色空間不具有進(jìn)行彩色圖像處理所需的獨立性和均勻性指標(biāo)，光照的變化對車牌定位精度影響較大；HSV（或HIS）顏色空間通過分離亮度、色度、飽和度，車牌的顏色特征以色度和飽和度表示，受光照條件的影響相對較小，但要用色度和飽和度來分離出特定顏色的車牌，閾值的選取仍然比較困難。CIELab（具體應(yīng)為CIE1976L*a*b*，以下簡寫為Lab）顏色空間是由CIE(國際照明委員會)于1976年制定的一種色彩模式，現(xiàn)在已成為世界各國正式采納

7、、作為國際通用的測色標(biāo)準(zhǔn)。它的三個基本坐標(biāo)分別表示顏色的亮度（L*,L*=0生成黑色而L*=100指示白色）、它在紅色品紅色和綠色之間的位置（a*負(fù)值指示綠色而正值指示品紅）以及它在黃色和藍(lán)色之間的位置（b*負(fù)值指示藍(lán)色而正值指示黃色）11。Lab顏色空間具有感知上的均勻性，與人們對顏色的感知非常接近10。我國的標(biāo)準(zhǔn)車牌由藍(lán)底白字、黃底黑字、白底黑字和黑底白字四種車牌組成，而其中又以藍(lán)底白字的最多，其次為黃底黑字。在Lab顏色空間中，由于藍(lán)色和黃色分居SKIPIF10分量的兩頭，從SKIPIF10分量的值就可以比較容易判斷出藍(lán)色還是黃色。實驗表明，對SKIPIF1=1N2=1T35NoYesY

8、esYesNoNo滿足寬高比及面積檢驗區(qū)域數(shù)N1滿足灰度階躍次數(shù)檢驗區(qū)域數(shù)N2定位失敗結(jié)束圖1車牌定位流程圖2.2RGB顏色空間到Lab顏色空間的轉(zhuǎn)換由于無法直接從RGB顏色空間轉(zhuǎn)換到Lab顏色空間，需要先將RGB顏色空間轉(zhuǎn)換到XYZ顏色空間，然后再轉(zhuǎn)換到Lab顏色空間。從RGB顏色空間到XYZ顏色空間的轉(zhuǎn)換公式如下12：SKIPIF10從XYZ顏色空間到Lab顏色空間的轉(zhuǎn)換公式如下11：L=116f(Y/Yw)-16a=500f(X/Xw)-f(Y/Yw)b=200f(Y/Yw)-f(Z/Zw)其中SKIPIF10、SKIPIF10、SKIPIF10為CIE標(biāo)準(zhǔn)照明體的三刺激值（本文選取的標(biāo)

9、準(zhǔn)照明體為D65，相應(yīng)的SKIPIF10、SKIPIF10、SKIPIF10分別為95.04、100.00、108.8813），SKIPIF10。2.3Lab顏色空間的閾值分割將RGB圖像轉(zhuǎn)化為Lab圖像后，其b分量的數(shù)值從-127過渡到+127，代表顏色從純藍(lán)色過渡至純黃色。而我國使用最多的兩種車牌底色即為藍(lán)色和黃色。實驗表明，黃色點對應(yīng)的b分量一般會大于某一閾值SKIPIF10，而藍(lán)色點對應(yīng)的b分量則一般會小于-SKIPIF10，因而以SKIPIF10即可同時將圖像中的黃色和藍(lán)色區(qū)域分離出來。一般情況下，取閾值SKIPIF10=10即可較好地將藍(lán)色或黃色車牌區(qū)域分離出來，為提高定位精度，降

10、低漏檢率，本文采取多閾值試探的方法。取初始閾值SKIPIF10=10對b分量進(jìn)行閾值處理，若定位成功，則輸出車牌，否則令SKIPIF10，再次閾值分割，直到SKIPIF10為止。圖1為針對藍(lán)底白字車牌照在Lab顏色空間中對b分量進(jìn)行閾值分割的效果，從左至右分別為原圖、B(x,y)-10的二值化效果、B(x,y)10的二值化效果。圖2中黃色的前燈會對車牌提取造成一定的干擾，但只需通過候選區(qū)域的寬高比檢驗即可檢測出真實的車牌區(qū)域。圖1藍(lán)底白字牌閾值分割效果圖2黃底黑字牌牌閾值分割2.4二值圖像形態(tài)學(xué)處理及連通標(biāo)記SKIPIF10設(shè)SKIPIF10為大小為SKIPIF10的全一結(jié)構(gòu)算子，SKIPIF

11、10為灰度圖像或元素為0，1的二值圖像，和SKIPIF10分別表示數(shù)學(xué)形態(tài)學(xué)中的腐蝕和膨脹運算，以結(jié)構(gòu)算子SKIPIF10對圖像SKIPIF10進(jìn)行開運算和閉運算分別定義為：開運算：SKIPIF10SKIPIF10；閉運算：SKIPIF10=(SKIPIF10SKIPIF10)SKIPIF10SKIPIF10.利用水平結(jié)構(gòu)算子SKIPIF10對二值圖像SKIPIF10進(jìn)行形態(tài)學(xué)閉運算，以融合圖像中的孔洞，設(shè)SKIPIF10；先后利用水平結(jié)構(gòu)算子SKIPIF10和垂直結(jié)構(gòu)算子SKIPIF10，對SKIPIF10進(jìn)行形態(tài)學(xué)開運算，以去除車牌區(qū)域中的背景噪聲，設(shè)為：SKIPIF10，SKIPIF10

12、。對二值圖像SKIPIF10中的各連通部分進(jìn)行8-連通標(biāo)記處理，標(biāo)記結(jié)果保存為SKIPIF10，設(shè)共有SKIPIF10個獨立的連通體，則SKIPIF102.5面積、寬高比檢驗文獻(xiàn)7和文獻(xiàn)8均針對特定尺寸的圖像給出了車牌圖像寬高比的范圍估計，分別為2，5和3，15；實驗發(fā)現(xiàn)，許多圖像中的車牌寬高比都會超出二者的范圍。本文通過對10多種不同尺寸的圖像的實驗表明，車牌寬高比范圍約為SKIPIF10，其中SKIPIF10為原始圖像的寬高比。而圖像中車牌區(qū)域的寬度至少超過10個像素，因而其面積應(yīng)大于SKIPIF10。以SKIPIF10和SKIPIF10對候選區(qū)域進(jìn)行面積和寬高比檢驗?zāi)芴蕴^大多數(shù)的偽車牌

13、區(qū)域。以SKIPIF10表示當(dāng)前已經(jīng)通過檢驗的連通區(qū)域個數(shù)，SKIPIF10保存通過檢驗的區(qū)域，若SKIPIF10，則表示點SKIPIF10屬于第SKIPIF10個通過檢驗的區(qū)域。初始化SKIPIF10ForSKIPIF10ToSKIPIF10對第SKIPIF10個連通體進(jìn)行分析，確定其最小外接矩形塊的坐標(biāo)位置SKIPIF10；計算矩形塊的寬高比SKIPIF10=SKIPIF10及面積SKIPIF10；若SKIPIF10且SKIPIF10，則SKIPIF10；SKIPIF10EndFor2.6灰度階躍次數(shù)檢驗通過2.4節(jié)面積及寬高比檢驗，絕大多數(shù)偽車牌區(qū)域已經(jīng)被去除。實驗表明，這一步大多數(shù)情況

14、下可以省略，對定位的準(zhǔn)確率影響不大。算法大致如下：1）在原始灰度圖象SKIPIF10中提取2.4節(jié)獲得通過的矩形區(qū)域SKIPIF10，記為SKIPIF10（SKIPIF10，SKIPIF10），以Sobel算子對SKIPIF10進(jìn)行垂直邊緣檢測，結(jié)果記為SKIPIF10。2）令SKIPIF10，求出SKIPIF10中間三行的灰度階躍次數(shù)的平均值，作為矩形區(qū)域SKIPIF10的階躍次數(shù)，記為SKIPIF1J，則通過檢驗，否則檢驗失敗。其中J為階躍次數(shù)的下界，一般而言，車牌7個字符產(chǎn)生的階躍次數(shù)應(yīng)大于等于7，所以本文取J=6。2.7結(jié)果輸出利用通過最后檢驗的矩形區(qū)域?qū)⒃紙D像中的車牌截取出來，并將

15、圖像存盤。車牌的顏色可以通過2.2節(jié)中B(x,y)T還是B(x,y)-T來確定，前者對應(yīng)黃底黑子車牌，后者對應(yīng)藍(lán)底白字車牌。3、實驗結(jié)果及分析本文的實驗開發(fā)工具為Matlab2006a，測試圖像包含220SKIPIF10100、320SKIPIF10240、352SKIPIF10288、640SKIPIF10480、800SKIPIF10600、2024SKIPIF10768、1280SKIPIF10960、1632SKIPIF101224等近10余種不同尺寸的圖像，共計185幅，其中黃底黑字車牌圖像45幅，藍(lán)底白字車牌圖像140余幅，部分車牌來自網(wǎng)絡(luò)，部分來自收費站視頻截圖，部分來自作者數(shù)碼

16、相機(jī)拍攝所得。實驗對45幅黃底黑字車牌圖像均實現(xiàn)準(zhǔn)確定位，準(zhǔn)確率達(dá)100%；140幅藍(lán)底白字車牌圖像的定位有2幅未能精確定位，有3幅漏檢?？偟臏?zhǔn)確定位率超過97%。部分測試效果如圖2至圖9所示。圖3-圖9分別列出的是部分典型的車牌定位效果圖，包含不同的圖像尺寸、不同的光照條件、不同的目標(biāo)背景對比度條件下的原始圖像、閾值分割圖像、形態(tài)學(xué)處理結(jié)果及最后的車牌提取圖像。圖3給出的是車牌退色時的定位效果，圖像大小220SKIPIF10100，分割閾值T=10，；圖5給出的是夜晚圖像及車牌定位效果，分割閾值T=15尺寸為352SKIPIF10288。對所有不同尺寸、不同條件下的圖像的車牌定位實驗均采用2

17、.2節(jié)算法給出的參數(shù)。實驗結(jié)果說明，實際的分割閾值大多情況下取10即可，最大不超過30。圖3圖像大小220SKIPIF10100，分割閾值T=10圖4圖像大小320SKIPIF10240，分割閾值為T=10圖5夜晚圖像，分割閾值T=15尺寸為352SKIPIF10288圖6圖像大小366SKIPIF10271，分割閾值T=10圖7圖像大小640SKIPIF10480，分割閾值為T=-10圖8圖像大小1632SKIPIF101224，分割閾值T=15圖9圖像大小288SKIPIF10267，分割閾值T=254結(jié)論本文提出在Lab顏色空間中利用b分量進(jìn)行顏色分割，實現(xiàn)黃色車牌和藍(lán)色車牌的粗定位；利

18、用數(shù)學(xué)形態(tài)學(xué)及圖像連通體態(tài)分析提取矩形區(qū)域，通過分析矩形區(qū)域的面積、寬高比及灰度階躍次數(shù)來檢驗真實的車牌區(qū)域；指出車牌的寬高比范圍約介于待處理圖像的寬高比的二到四倍之間，其面積應(yīng)大于待處理圖像寬高比的200倍；同時指出圖像中的車牌寬度和高度因圖像尺寸的不同并沒有明確的范圍。對多種不同尺寸、不同條件下的圖像的車牌定位實驗結(jié)果表明了本文算法的有效性。針對在RGB顏色空間進(jìn)行車牌定位對光照變化敏感，在HSI顏色空間則需同時閾值化H、S分量且閾值難以確定等缺點，提出在CIELab顏色空間進(jìn)行車牌定位的新方法，該方法只需對CIELab顏色空間中的b分量進(jìn)行顏色分割，即可分理出藍(lán)色和黃色，方法簡單有效。對不同尺寸、不同關(guān)照條件下的多種車牌圖像的定位實驗證實了算法的有效性。參考文獻(xiàn)1陳斌,游志勝.車牌號碼顏色提取搜索方法.計算機(jī)應(yīng)用.2001,21(4):74-75.2王夏黎,周明全,耿國華.一種基于HSV顏色空間的車牌照提取方法.計算機(jī)工程.2004,30(17):133-135.3周澤華,潘保昌等.基于多顏色模型的車牌定位方法.微計算機(jī)信息.2007,23(1:,283-285.4傅一平,李志能,袁丁.基HSI空間的顏色算法提牌照識別的性能.計算機(jī)工程與設(shè)計.2004,25(5):703-707.5J.Hsieh,S.YuandY.Chen,“Morphology-basedlicense