中国科技论文在线 http://www.paper.edu.cn 基于 Matlab 的车牌图像提取方法 陈薇，阳媛 中国矿业大学信电学院，江苏徐州（221008） E-mail：chenweicumt@163.com 摘 要：本文使用 MATLAB 工具箱对车辆图像的车牌进行提取，通过对车辆图像进行预处 理后，主要利用对图像边缘检测、数学形态学的腐蚀运算和闭运算形成连通区域，即车牌候 选区域，然后基于车牌形状特性的方法提取车牌区域。仿真结果表明，所述方法能够定位和 提取车牌区域，达到了预期的目的。 关键词：图像预处理；边缘检测；连通区域；车牌提取 中图分类号：TP391.41 文献标识码：A 1 车牌图像处理系统简介 随着汽车的普及，交通运输问题日益严重：车辆拥挤，事故频发，交通环境不断恶化。 在这种背景下，运用各种高新技术解决交通问题，就显得很有必要，由此产生了新的研究和 应用领域：智能交通系统(Intelligent Transportation System，ITS)。智能交通系统是以缓和道 路堵塞和减少交通事故，提高交通利用者的方便、舒适为目的，利用交通信息系统、通讯网 络、定位系统和智能化分析与选线的交通系统的总称。智能交通系统己成为被普遍认可的改 善交通状况的最为有效的途径。 车辆牌照图像处理系统是智能交通系统 ITS 的一个重要组成部分，是计算机视觉与模式 识别在智能交通领域应用的重要研究课题之一，本文根据图像特征设计了车辆牌照图像提取 系统，并在 Matlab 中实现。用 Matlab 作车牌提取比用其他工具有许多优势，因为 Matlab 的函数隐藏了傅立叶变换等复杂的计算，并且在图像的灰度化、二值化和滤波等方面都有很 大的优势[1]。 2 算法描述及流程 车辆牌照图像提取系统处理流程如图 1 所示，先对图像进行预处理，然后对图像进行边 缘检测，并借助数学形态学生成连通区域，最后基于车牌形状特性提取候选车牌区域，从而 得到清晰的车牌部分。 图 1 图像处理流程 Fig 1 image processing flow 3 图像预处理 车牌图像通常是在各种复杂的背景、环境条件下采集得到，图像质量难以保证，因此在 进行车牌定位前，通常要进行图像的预处理工作。图像预处理主要是对系统获取的原始图像 基本特征的信息进行相应的、有针对性的处理，以滤去干扰、噪声，作几何校正、色彩校正， 以便于计算机的分析计算，一般包括滤波、图像增强、图像二值化等[2]。 图像处理技术大多基于灰度图，以先将彩色图像灰度化，然后进行图像对比度增强处理。 图像对比度增强的方法可以分成两类：一类是直接对比度增强方法；另一类是间接对比度增 强方法。直方图拉伸和直方图均衡化是两种最常见的间接接对比度增强方法。直方图拉伸是 -1- 

中国科技论文在线 通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度 的目的，这种方法可以利用线性或非线性的方法来实现；直方图均衡化则通过使用累积函数 对灰度值进行“调整”实现对比度的增强。效果如图 3 所示，可见图像增强可以有效调节图像 对比度和亮度。 4 连通区域的生成 http://www.paper.edu.cn 车牌图像往往是在复杂的环境中拍摄得到的，车牌由于与复杂的车身背景融为一体，由 于车牌在使用中磨损与灰尘及拍摄仪器的影响以及由于拍摄角度的不同，车牌在图像中往往 有很大的形变，如何在复杂背景中准确、快速找出车牌的位置成为车牌识别中的难点。 本文采用了一种基于数学形态学的连通区域的生成方法[3]。数学形态学的应用几乎覆盖 了图像处理的每个领域，包括抑制噪声、特征提取、边缘检测等等。这种方法是利用数学形 态学图像处理的基本思想，利用一个结构元素来探测一个图像，看是否能将这个结构元素很 好的填放在图像内部，同时验证填放元素的方法是否有效。腐蚀、膨胀、开启和关闭是数学 形态学的基本运算。连通区域生成的步骤如下[5]： （1）边缘指图像像素灰度急剧变化的那些象素的集合[4]，是图像最基本的特征。边缘 存在于目标、背景和区域之间，所以它是图像分割的最重要的依据。形态学边缘检测相对于 边缘检测算子如 Sobel 算子、Prewitt 算子和 Roberts 算子等，具有算法简单，速度快、定位 准确和抗噪声能力强的优点。其中，Sobel 边缘算子的模板是 2 个 3×3 的卷积核： -1 0 1 -2 0 -2 -1 0 1           ， -1 -2 1     0 0 0   1 2 1     图像中每个点都用这两个核做卷积运算。其中一个核对垂直边缘响应最大，而另一个核 对水平边缘响应最大。以两个卷积的最大值作为该点的输出值。运算结果是一幅边缘幅度图 像。它是有方向性的，在水平和垂直方向上形成了最强烈的边缘，即 Sobel 算子对水平边缘 和垂直边缘响应最大，而且对灰度渐变和噪声较多的图像处理较好，结合实际处理情况，本 文采用 Sobel 算子完成边缘检测，direction=’both’，如图 4 所示。 （2）用 imerode 函数腐蚀边缘检测过的图像，即收缩图像中白色的检测到的边缘，如 图 5 所示。 （3）用 imclose 函数对腐蚀过的图像边缘进行闭运算，即使用同样的结构元素先对图 像进行膨胀操作后进行腐蚀操作。结构元素采用 rectangle，使形成连通区域为方形，更符合 车牌的长方形区域特性。相比普通的闭运算，这里是有条件的运算，并不是任何白象素点都 会进行处理，而是指在前面检测的边缘周围的象素进行运算，如图 6 所示。 （4）对车牌图像进行滤波去噪处理，由图 6 可知图像中的连通域较多，不能区分车牌 部分，需要滤波去除干扰：先用 bwareaopen 函数留下图像中面积最大的，再用 imabsdiff 函 数取得与原图像的差的绝对值，最后去除小面积的点域，对这些小区域进行删除\合并等处 理后，得到的的图像如图 7 所示。 图像经过边缘检测和数学形态学中的腐蚀、闭运算、滤波之后的连通域即为车牌候选区 域，可见车牌候选区域为车牌区域所在的像素，有利于下一步车牌提取。 -2- 

中国科技论文在线 http://www.paper.edu.cn 图 2 载入图像 Fig 2 Loading image 图 3 图像增强 Fig 3 Image enhancement 图 4 边缘检测 Fig 4 Edge detection 图 5 腐蚀 Fig 5 Corrosion 图 6 连通 Fig 6 Connection 5 车牌提取 图 7 连通区域提取 Fig 7 Connected region extraction 经过以上步骤处理后，我们得到了若干车牌候选区[6]，其中可能包括车牌、车灯、商标 以及其他一些标志等。在对候选区作进一步分析时，通过单一的评价指标，很难准确地去判 定真正的车牌区域，因此应该根据我国车牌的几个特征一起进行综合分析。本文是针对我国 车牌面积和长宽比的特征来准确实现定位。 将得到的车牌候选区域进行白色象素点统计，候选区域的 x、y 方向白象素点的起止坐 标即车牌区域的起止点，完成车牌定位，分割车牌区域如图 8 所示。再对车牌进行二值化， 经过图像增强、滤波、缩放、填充统一车牌底色处理等就可以提取清晰的车牌图像，如图 9 所示。车牌提取后，即可进行下一步的车牌校正、字符分割、字符识别等工作。 -3- 

中国科技论文在线 http://www.paper.edu.cn 图 8 车牌区域分割 Fig 8 License plate region segmentation 图 9 车牌提取 Fig 9 License plate extraction 6 总结 基于 MATLAB 仿真，本文首先对采集到的彩色图像转化为灰度图像，并对图像进行降 噪声、对比度增强等图像预处理，然后利用 Sobel 算子对图像进行边缘检测，对边缘检测后 的二值图像进行腐蚀、闭运算数学形态学操作，得到若干车牌候选区域，最后通过标记候选 区和对候选区域的面积、长宽比特征进行综合性的比较分析，完成车牌提取。实验结果证明， 本文提出的方法能准确的提取车牌区域，而且算法复杂度低，具有一定的鲁棒性，能够满足 实时定位的要求，也便于进行后续的车牌处理工作。 参考文献 [1] 徐飞，施晓红. MATLAB 应用图像处理[M]. 西安：西安电子科技大学出版社，2002:101-124. [2] 廖明，张金林，甄树新等. 一种实用车牌定位算法及实现[J]. 系统仿真学报，2005,17(10): 2349-2351. [3] 曹洁，赵振华. 基于形态学原理的车牌定位方法[J]. 科技资讯，2007，22：28-29. [4] 沈世，盛翊智. 基于边缘检测的车牌图像分割技术[J]. 自动化技术与应用，2004（3）：25-26. [5] Shyang-Lih Chang, Li-Shien Chen, Yun-Chung Chung, Sei-Wan Chen. Automatic license plate recognition [J]. IEEE Transactions on Intelligent Transportation Systems, 2004, 5(1): 42-53. [6] Wenjing Jia, Huaifeng Zhang, Xiangjian He. Region-based license plate detection[J]. Journal of Network and Computer Application, 2007, 30(4): 1324-1333. Extraction method of license plate image based on MATLAB Department of Information and Electrical Engineering, China University of Mining and Technology, Xuzhou, Jiangsu (221008) Chen Wei, Yang Yuan Abstract This paper uses MATLAB toolbox to extract license plate of car image.After car image preprocessing, it mainly utilizes image edge detection、erosion operation and close operation of mathematical morphology to form connected region， i.e. license plate candidate region. Then the license plate is extracted based on its shape feature. Simulation results indicate that this method is able to locate and extract license plate region, and its expected goal is achieved. Keywords: Image preprocessing; Edge detection; Connected region; License plate extraction 作者简介：陈薇，女，1983 年生，硕士研究生，中国矿业大学。地址：江苏徐州中国矿业 大学文昌校区教 4 楼 501 室，邮编：221008。 -4-