一种CIELab颜色空间中的车牌定位方法new上课讲义

1、Good is good, but better carries it.精益求精，善益求善。一种CIELab颜色空间中的车牌定位方法new-一种CIELab颜色空间中的车牌定位方法郑成勇(五邑大学数学物理系广东江门529020)摘要：提出在CIELab颜色空间中对车牌照进行分离，利用数学形态学及图像连通体态分析提取出矩形区域，通过分析矩形区域的面积、宽高比及灰度阶跃次数来确认真实的车牌区域。对不同尺寸、白天和夜晚等多种条件下拍摄的图像进行黄底黑字和蓝底白字车牌的定位实验表明，本文给出的各具体参数不因图像尺寸而改变；算法对光照条件不敏感；车牌的准确定位率较高。关键词：车牌定位，CIELab，数学

2、形态学中图分类号：TP391文献标识码：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、引言车牌定位就是将车牌从复杂的背景中分割出来，其准确度直接决定后续车牌字符的分割与识别的准确性，是车牌识别系统(LPR)的关键。目前，国内外已有许多的学者在这方面进行大量的研究，大致可以分为：基于车牌颜色属性的车牌定位方法1-4、基于车牌自身结构和纹理特征的车牌定位方法5-8以及综合结构特征及颜色属性的车牌定位方法9。本文属于基于颜色提取的方法。文献5-8直接对灰度图像进行垂直边缘检测，再进行形态学连通处理，并对各连通区域进行包括宽高比、灰度跳变次数、密度等分析，以确定车牌区域。这种方法在形态学连

6、通处理中容易形成无效粘连或断裂，区域定位精度较低，对结构算子比较敏感。基于颜色的车牌定位方法目前主要以在RGB颜色空间1和HSV（或HIS）颜色空间为主2-4。但RGB颜色空间不具有进行彩色图像处理所需的独立性和均匀性指标，光照的变化对车牌定位精度影响较大；HSV（或HIS）颜色空间通过分离亮度、色度、饱和度，车牌的颜色特征以色度和饱和度表示，受光照条件的影响相对较小，但要用色度和饱和度来分离出特定颜色的车牌，阈值的选取仍然比较困难。CIELab（具体应为CIE1976L*a*b*，以下简写为Lab）颜色空间是由CIE(国际照明委员会)于1976年制定的一种色彩模式，现在已成为世界各国正式采纳

7、、作为国际通用的测色标准。它的三个基本坐标分别表示颜色的亮度（L*,L*=0生成黑色而L*=100指示白色）、它在红色品红色和绿色之间的位置（a*负值指示绿色而正值指示品红）以及它在黄色和蓝色之间的位置（b*负值指示蓝色而正值指示黄色）11。Lab颜色空间具有感知上的均匀性，与人们对颜色的感知非常接近10。我国的标准车牌由蓝底白字、黄底黑字、白底黑字和黑底白字四种车牌组成，而其中又以蓝底白字的最多，其次为黄底黑字。在Lab颜色空间中，由于蓝色和黄色分居SKIPIF10分量的两头，从SKIPIF10分量的值就可以比较容易判断出蓝色还是黄色。实验表明，对SKIPIF1=1N2=1T35NoYesY

8、esYesNoNo满足宽高比及面积检验区域数N1满足灰度阶跃次数检验区域数N2定位失败结束图1车牌定位流程图2.2RGB颜色空间到Lab颜色空间的转换由于无法直接从RGB颜色空间转换到Lab颜色空间，需要先将RGB颜色空间转换到XYZ颜色空间，然后再转换到Lab颜色空间。从RGB颜色空间到XYZ颜色空间的转换公式如下12：SKIPIF10从XYZ颜色空间到Lab颜色空间的转换公式如下11：L=116f(Y/Yw)-16a=500f(X/Xw)-f(Y/Yw)b=200f(Y/Yw)-f(Z/Zw)其中SKIPIF10、SKIPIF10、SKIPIF10为CIE标准照明体的三刺激值（本文选取的标

9、准照明体为D65，相应的SKIPIF10、SKIPIF10、SKIPIF10分别为95.04、100.00、108.8813），SKIPIF10。2.3Lab颜色空间的阈值分割将RGB图像转化为Lab图像后，其b分量的数值从-127过渡到+127，代表颜色从纯蓝色过渡至纯黄色。而我国使用最多的两种车牌底色即为蓝色和黄色。实验表明，黄色点对应的b分量一般会大于某一阈值SKIPIF10，而蓝色点对应的b分量则一般会小于-SKIPIF10，因而以SKIPIF10即可同时将图像中的黄色和蓝色区域分离出来。一般情况下，取阈值SKIPIF10=10即可较好地将蓝色或黄色车牌区域分离出来，为提高定位精度，降

10、低漏检率，本文采取多阈值试探的方法。取初始阈值SKIPIF10=10对b分量进行阈值处理，若定位成功，则输出车牌，否则令SKIPIF10，再次阈值分割，直到SKIPIF10为止。图1为针对蓝底白字车牌照在Lab颜色空间中对b分量进行阈值分割的效果，从左至右分别为原图、B(x,y)-10的二值化效果、B(x,y)10的二值化效果。图2中黄色的前灯会对车牌提取造成一定的干扰，但只需通过候选区域的宽高比检验即可检测出真实的车牌区域。图1蓝底白字牌阈值分割效果图2黄底黑字牌牌阈值分割2.4二值图像形态学处理及连通标记SKIPIF10设SKIPIF10为大小为SKIPIF10的全一结构算子，SKIPIF

11、10为灰度图像或元素为0，1的二值图像，和SKIPIF10分别表示数学形态学中的腐蚀和膨胀运算，以结构算子SKIPIF10对图像SKIPIF10进行开运算和闭运算分别定义为：开运算：SKIPIF10SKIPIF10；闭运算：SKIPIF10=(SKIPIF10SKIPIF10)SKIPIF10SKIPIF10.利用水平结构算子SKIPIF10对二值图像SKIPIF10进行形态学闭运算，以融合图像中的孔洞，设SKIPIF10；先后利用水平结构算子SKIPIF10和垂直结构算子SKIPIF10，对SKIPIF10进行形态学开运算，以去除车牌区域中的背景噪声，设为：SKIPIF10，SKIPIF10

12、。对二值图像SKIPIF10中的各连通部分进行8-连通标记处理，标记结果保存为SKIPIF10，设共有SKIPIF10个独立的连通体，则SKIPIF102.5面积、宽高比检验文献7和文献8均针对特定尺寸的图像给出了车牌图像宽高比的范围估计，分别为2，5和3，15；实验发现，许多图像中的车牌宽高比都会超出二者的范围。本文通过对10多种不同尺寸的图像的实验表明，车牌宽高比范围约为SKIPIF10，其中SKIPIF10为原始图像的宽高比。而图像中车牌区域的宽度至少超过10个像素，因而其面积应大于SKIPIF10。以SKIPIF10和SKIPIF10对候选区域进行面积和宽高比检验能淘汰绝大多数的伪车牌

13、区域。以SKIPIF10表示当前已经通过检验的连通区域个数，SKIPIF10保存通过检验的区域，若SKIPIF10，则表示点SKIPIF10属于第SKIPIF10个通过检验的区域。初始化SKIPIF10ForSKIPIF10ToSKIPIF10对第SKIPIF10个连通体进行分析，确定其最小外接矩形块的坐标位置SKIPIF10；计算矩形块的宽高比SKIPIF10=SKIPIF10及面积SKIPIF10；若SKIPIF10且SKIPIF10，则SKIPIF10；SKIPIF10EndFor2.6灰度阶跃次数检验通过2.4节面积及宽高比检验，绝大多数伪车牌区域已经被去除。实验表明，这一步大多数情况

14、下可以省略，对定位的准确率影响不大。算法大致如下：1）在原始灰度图象SKIPIF10中提取2.4节获得通过的矩形区域SKIPIF10，记为SKIPIF10（SKIPIF10，SKIPIF10），以Sobel算子对SKIPIF10进行垂直边缘检测，结果记为SKIPIF10。2）令SKIPIF10，求出SKIPIF10中间三行的灰度阶跃次数的平均值，作为矩形区域SKIPIF10的阶跃次数，记为SKIPIF1J，则通过检验，否则检验失败。其中J为阶跃次数的下界，一般而言，车牌7个字符产生的阶跃次数应大于等于7，所以本文取J=6。2.7结果输出利用通过最后检验的矩形区域将原始图像中的车牌截取出来，并将

15、图像存盘。车牌的颜色可以通过2.2节中B(x,y)T还是B(x,y)-T来确定，前者对应黄底黑子车牌，后者对应蓝底白字车牌。3、实验结果及分析本文的实验开发工具为Matlab2006a，测试图像包含220SKIPIF10100、320SKIPIF10240、352SKIPIF10288、640SKIPIF10480、800SKIPIF10600、2024SKIPIF10768、1280SKIPIF10960、1632SKIPIF101224等近10余种不同尺寸的图像，共计185幅，其中黄底黑字车牌图像45幅，蓝底白字车牌图像140余幅，部分车牌来自网络，部分来自收费站视频截图，部分来自作者数码

16、相机拍摄所得。实验对45幅黄底黑字车牌图像均实现准确定位，准确率达100%；140幅蓝底白字车牌图像的定位有2幅未能精确定位，有3幅漏检。总的准确定位率超过97%。部分测试效果如图2至图9所示。图3-图9分别列出的是部分典型的车牌定位效果图，包含不同的图像尺寸、不同的光照条件、不同的目标背景对比度条件下的原始图像、阈值分割图像、形态学处理结果及最后的车牌提取图像。图3给出的是车牌退色时的定位效果，图像大小220SKIPIF10100，分割阈值T=10，；图5给出的是夜晚图像及车牌定位效果，分割阈值T=15尺寸为352SKIPIF10288。对所有不同尺寸、不同条件下的图像的车牌定位实验均采用2

17、.2节算法给出的参数。实验结果说明，实际的分割阈值大多情况下取10即可，最大不超过30。图3图像大小220SKIPIF10100，分割阈值T=10图4图像大小320SKIPIF10240，分割阈值为T=10图5夜晚图像，分割阈值T=15尺寸为352SKIPIF10288图6图像大小366SKIPIF10271，分割阈值T=10图7图像大小640SKIPIF10480，分割阈值为T=-10图8图像大小1632SKIPIF101224，分割阈值T=15图9图像大小288SKIPIF10267，分割阈值T=254结论本文提出在Lab颜色空间中利用b分量进行颜色分割，实现黄色车牌和蓝色车牌的粗定位；利

18、用数学形态学及图像连通体态分析提取矩形区域，通过分析矩形区域的面积、宽高比及灰度阶跃次数来检验真实的车牌区域；指出车牌的宽高比范围约介于待处理图像的宽高比的二到四倍之间，其面积应大于待处理图像宽高比的200倍；同时指出图像中的车牌宽度和高度因图像尺寸的不同并没有明确的范围。对多种不同尺寸、不同条件下的图像的车牌定位实验结果表明了本文算法的有效性。针对在RGB颜色空间进行车牌定位对光照变化敏感，在HSI颜色空间则需同时阈值化H、S分量且阈值难以确定等缺点，提出在CIELab颜色空间进行车牌定位的新方法，该方法只需对CIELab颜色空间中的b分量进行颜色分割，即可分理出蓝色和黄色，方法简单有效。对不同尺寸、不同关照条件下的多种车牌图像的定位实验证实了算法的有效性。参考文献1陈斌,游志胜.车牌号码颜色提取搜索方法.计算机应用.2001,21(4):74-75.2王夏黎,周明全,耿国华.一种基于HSV颜色空间的车牌照提取方法.计算机工程.2004,30(17):133-135.3周泽华,潘保昌等.基于多颜色模型的车牌定位方法.微计算机信息.2007,23(1:,283-285.4傅一平,李志能,袁丁.基HSI空间的颜色算法提牌照识别的性能.计算机工程与设计.2004,25(5):703-707.5J.Hsieh,S.YuandY.Chen,“Morphology-basedlicense