車(chē)牌的定位在車(chē)牌識(shí)別系統(tǒng)中有著重要的地位,是后續(xù)車(chē)牌字符識(shí)別的前提條件。但是由于車(chē)牌定位的車(chē)牌圖片采集于戶(hù)外，圖像背景復(fù)雜、噪聲干擾嚴(yán)重，圖像質(zhì)量較低，因此車(chē)牌定位往往受到影響而不能準(zhǔn)確定位。所以在車(chē)牌定位算法中，關(guān)鍵是尋找某種圖像處理方法，使原始圖像經(jīng)過(guò)該算法的處理后能夠清楚地顯示出車(chē)牌區(qū)域，同時(shí)使圖像中的非車(chē)牌區(qū)域消失或者減弱，從而能準(zhǔn)確有效地定位出車(chē)牌在圖像中的位置。文中主要針對(duì)的是藍(lán)底白字車(chē)牌，首先利用車(chē)牌藍(lán)色特征和圖像處理的方法進(jìn)行初次定位，減少了車(chē)牌候選區(qū)域，然后對(duì)初次定位的車(chē)牌圖片進(jìn)行投影，最終完成車(chē)牌定位。

　　1. 車(chē)牌初步定位

　　1.1. RGB 空間向HSI空間轉(zhuǎn)化后的車(chē)牌

　　彩色圖像包含豐富的顏色信息，給人良好的視覺(jué)效果，根據(jù)這一特點(diǎn)進(jìn)行初次定位。但在一般情況下，彩色圖片都在RGB 模型下，而HSI模型較適合人的視覺(jué)系統(tǒng)，所以需進(jìn)行顏色空間轉(zhuǎn)換，將RGB模型轉(zhuǎn)化為HSI模型，從RGB 空間到H SI空間的轉(zhuǎn)換公式為：

?

　　當(dāng)B <=G 時(shí)，H = θ;當(dāng)B > G 時(shí)，H = 360°- θ.。

　　藍(lán)底白字車(chē)牌中，藍(lán)色的色度H 約為240°，飽和度S 值較大。通過(guò)這兩個(gè)量，可以將輸入圖像中的藍(lán)色部分全部過(guò)濾，從而去除了大量的背景噪音。

　　經(jīng)實(shí)驗(yàn)測(cè)試藍(lán)色車(chē)牌的色度>=0.75，飽和度>=0.51。由此可見(jiàn)利用HS I空間的色度和飽和度的范圍值可以得到粗定位車(chē)牌區(qū)域，結(jié)果如圖1所示。

?

　　1.2. 車(chē)牌定位的預(yù)處理過(guò)程

　　經(jīng)過(guò)初步定位后，車(chē)牌范圍減小，將車(chē)牌圖像進(jìn)行灰度處理，灰度圖像的紋理分布主要在車(chē)燈、車(chē)牌、散熱器，而且車(chē)牌位置的灰度值也與其他部位的不同，非車(chē)牌區(qū)域大部分灰度變化都比較平緩。

　　( 1)去除孤立亮點(diǎn)

　　一般情況下，車(chē)牌圖像的采集過(guò)程，受到各種因素的影響，如背景，光照以及車(chē)本身的一些特征因素,容易造成圖片存在噪音，由于初定位已經(jīng)將大部分的車(chē)牌圖片背景去除，因此減少了噪音點(diǎn)。為了縮小車(chē)牌的可能區(qū)域，采用M atlab工具箱中的bwmorph函數(shù),可以有效地將孤立點(diǎn)去除，結(jié)果如圖3所示。

?

　　( 2)移差掃描與邊緣檢測(cè)

　　移差掃描就是從左到右掃過(guò)整個(gè)圖像，以相鄰的像素作為消弱水平紋理的灰度級(jí)，保留并增多縱向跳變處的灰度級(jí)，如式( 4)所示。

?

　　式中，f (xj，yi) 是原圖像，g (xj，y i) 是掃描后的圖像，經(jīng)過(guò)處理，圖像的垂直紋理和線條變得比較明顯，從而消弱了其他區(qū)域突出了車(chē)牌區(qū)域。如圖4所示。再利用邊緣檢測(cè)，將車(chē)牌所在區(qū)域的邊界從整個(gè)圖片中加以突出，使車(chē)牌區(qū)域的特征更加明顯。效果如圖5所示。

?

　　圖5邊緣檢測(cè)圖