打开文本图片集

摘要：随着科技的发展和社会经济水平的提高，社会中的车流量越来越大，带来的问题就是人工管理车辆困难，且速度缓慢，而车牌识别技术能够很好地解决人工管理所存在的问题，车牌识别系统应运而生。车牌识别系统对于社会的高速发展有着重要意义。

关键词：图像检测；车牌识别；形态学方法

中图分类号：A 文献标识码：A 文章编号：（2023）-16-

一、车牌识别的概述

目前，车辆的普及程度已经相当的高，所以车牌识别技术对于现代社会来说至关重要，车牌识别技术涉及多种技术，其中包括计算机视觉，数字图像处理技术。车牌识别技术最主要的功能就是把车牌中代表省份的汉字以及数字识别出来。图像轮廓检测算法可以对摄像机返回的某一帧画面进行处理，通过提取车牌特征，识别出图片中是否含有车牌的信息。本文基于opencv-python完成图像轮廓检测算法。

二、灰度处理

图像设备采样时，不同的光照环境会导致采样到的图像颜色与真实的颜色存在一定程度的偏差，需要选用合适的颜色平衡算法去消除光照环境对颜色显示的影响。灰度处理可以突出图片的哪些颜色更深，哪些颜色更浅，利于提取图片的特征。对摄像机器件返回的车牌RGB图片利用cv.cvtColor函数进行灰度处理，可以突出车牌的边框信息。

三、形态学处理

形态学图像处理是指一系列处理图像形状和特征的图像处理技术，其基本原理是利用结构元来提取输入图像中所相应的形状或特征，从而进行图像分析与目标识别，其基础为集合论。常见的形态学方法有腐蚀，膨胀，闭运算，开运算，白色顶帽变换和黑色顶帽变换等等。本次图像轮廓检测算法采用白色顶帽算法，通过cv.morphologyEx实现。使用白色顶帽变换算法可以得到图像中那些面积小于结构元且比周围亮的区域。车牌的边框，汉字和数字的图像部分比图像的其他部分要亮。

四、边缘检测处理

图像边缘是图像的基本特征。灰度或结构等信息的突变处可以称之为边缘。在数字图像中，灰度图像的值是0到255，最暗的黑色像素值为 0，最亮的白色像素值是 255。对于边缘而言，灰度级的突变就是边缘。边缘可以通过一阶导数或者二阶导数检测得到。我们可以通过边缘检测算子来完成边缘检测处理，边缘检测算子分为一阶导数的边缘算子和二阶导数的边缘算子。一阶导数的边缘算子通过模板作为核与图像的每一个像素点做卷积和运算，然后选取合适的阈值来提取图像的边缘。常见的是Roberts算子、Sobel算子。二阶导数的边缘算子常见的是Laplacian 算子。本文选择一阶导数的边缘算子中的Sobel算子作为边缘检测算子。使用cv. Sobel函数对图像进行边缘检测处理，Sobel算子做边缘检测算子。

五、自适应二值化

二值图像是指将图像上的每一个像素仅有两种可能的取值或灰度等级状态，把经过上述多种处理的灰度图像进行二值化处理，可以更加强化图片中的边缘信息，使得后续的检测操作更加的精准，使用二值化函数cv.threshold对边缘检测后的图像进行二值化。

六、分割二值化图像

对二值化图像进行纵向分割，使二值化图中的纵向信息保留，图中的非纵向信息去除，该方法的可行性在于车牌的边框和车牌内的汉字及数字都有纵向的信息，对图像进行形态学方法中的开运算，并且使用合理的结构元进行分割。使用cv.morphologyEx函数对二值化图像进行开运算。

七、缝合寻找车牌区域

通过形态学方法中的闭运算对分割图进行合并，把图像闭合、揉团，使图像区域化，以便于找到车牌区域。使用合理的结构元对分割图进行合并揉团，使得原本被分割的图像信息重新合并。被分割的图像信息在该处理中会被自动归类到属于它自己的区域，符合我们想要寻找车牌区域的要求。使用cv.morphologyEx函数对开运算分割图像进行闭运算。

八、图像降噪

通过闭运算合并后，图像中还有比较多的噪点，此时则需要我们把噪点消除。使用形态学方法中的腐蚀和膨胀，将图像中的噪点消除。原理是先对图像进行腐蚀，把一些零星且不属于车牌信息的噪点消除，再对图像进行膨胀，把属于车牌信息的点进行缝合，使得信息变得圆滑；然后使用不同的结构元进行先膨胀后腐蚀，这样既可以防止属于车牌的信息丢失，也可以再次对图像进行降噪；最后再进行一次先腐蚀后膨胀，对车牌信息进行细节处理。

利用cv.findContours函数和cv.drawContours函数给图像画框，在原图中查看选中了哪些区域，如图2所示。

九、寻找并获取车牌轮廓

根据国家规定，各类机动车的车牌标准如下：

1.小型汽车的车牌标准：44cm×14cm，蓝底白字白框线，除大型汽车外的各种汽车;

2.教练汽车的车牌标准：44cm×14cm，黄底黑字黑框线，教练用车及其他机动车;

……

在寻找车牌轮廓时，必须根据各类机动车的车牌标准来编写算法，从而正确的获取到车牌轮廓，如图3所示。

在车牌识别中的应用图像轮廓检测算法需要多个领域技术的相互结合，包括形态学方法和数字图像处理等等。通过多次形态学方法运算，完成了对图像实现车牌轮廓识别。

参考文献

[1]刘艳华.基于MATLAB的车牌图像的计算机识别系统设计[J].科技视界，2021（21）：78-79.DOI：10.19694/j.cnki.issn2095-2457.2021.21.31.

[2]雷得超，任守华.基于OpenCV图像处理车牌识别系统分析研究[J].电脑与信息技术，2022，30（04）：15-17.DOI：10.19414/j.cnki.1005-1228.2022.04.010.

[3]刘馨茹，易博文，李玲香，江华.基于Python的车牌识别系统实现[J].大众科技，2022，24（11）：16-20.

本文的研究是在2022-2023学年广州工商学院大学生创新创业训练计划项目，编号（xj202313714103）的基础上进行研究探讨的，后续会再进一步对这方面提出改进措施。