以模板为基础之车牌辨识系统之研究-2012工业工程学会年会暨学术.doc

2014年海峽兩岸大學校長論壇暨科學技術研討以模板為基礎之車牌辨識系統之研究 施琬婕1* 陳文儉2 1大葉大學資訊工程學系（彰化縣大村鄉學府路168號） 2大葉大學資訊工程學系（彰化縣大村鄉學府路168號） *r0106006@.tw 摘要 本文研究以半自動化的方式來執行車牌辨識系統，先以人工方式拍攝車牌影像，再將影像配合電腦和車牌辨識系統進行車牌辨識。整個系統包含了車牌定位、字元切割和字元辨識。 車牌定位部份，先將RGB彩色車牌影像首先轉換成灰階影像，再以Prewitt遮罩處理，找出影像內明顯的垂直邊緣點，再經過二值化處理，為了消除雜訊使用中值濾波器處理，之後對影像做型態學處理(膨脹與侵蝕)，再使用物件聯通法標籤影像裡白色區塊，最後設定條件篩選含有車牌的區塊，將車牌定位並且擷取。 字元切割與辨識都是以二值化影像為前提處理，本文以投影法切割取得車牌字元，辨識部分先將字元正規化統一規格，再對字元影像做細線化處理，以金字塔模型為概念取得特徵值進行模板比對，以達到辨識效果。實驗結果顯示，本方法有不錯的辨識結果。 關鍵字：型態學、車牌辨識、金字塔模型。 緒論 隨著科技的推陳出新和經濟的蓬勃發展，交通工具的數量也因此增加，然而車輛數量快速成長，幾乎家家戶戶至少都有一輛汽車。自然而然許多的交通問題也逐漸地衍生出來，例如車輛失竊、停車場管理、道路監控、違規取締等方面，這些都顯示出車輛管理之重要性。 台灣人口也趨向高齡社會，這也強調了傳統式的人工管理，已經不符合經濟成本且效率過低，因此期望藉由車牌辨識系統不僅可以提升執行的效率，而且可以節省管理人員的成本花費。 相關研究 車牌辨識系統包含了三大部份，分別為車牌定位、車牌字元切割與辨識，然而隨著影像處理技術的提升，不同的研究技術也被提出或改善。 邊緣偵測 邊緣是影像中最基本的特徵，所謂邊緣就是指周圍色度與強度有著顯著的變化像素集合，也就是影像中鄰近像素值不平滑與不連續的區域。因此，可利用遮罩邊緣檢測法。Prewitt[1]是具有方向性的運算子，作用在大小3×3的遮罩(Mask)，一個為水平，一個為垂直。圖1為Prewitt運算子的遮罩。Prewitt運算子的分別為Gx和Gy，Gx 是求Prewitt遮罩的水平運算，Gy是求垂直運算，如公式(1)及公式(2)。本文只使用Gy運算子。 圖  SEQ 圖 \* ARABIC 1 Prewitt運算子遮罩  QUOTE Gx＝（Z7＋Z8＋Z9）－（Z1＋Z2＋Z3）　 　　(1) Gy＝（Z3＋Z6＋Z9）－（Z1＋Z4＋Z7）　　 (2) 型態學 數學型態學(Mathematical Morphology)，簡稱型態學，主要用途是處理、分析影像中的形狀。型態學[2,3]分為膨脹(Dilation)和侵蝕(Erosion)兩種運算，膨脹目的是利用運算將二值化影像中的破碎物件連結，侵蝕的功能是將影像裡多餘的消除雜訊。 膨脹 膨脹作用主要是利用OR邏輯運算，當A和B為Z中的兩個集合，A藉由B的膨脹以A⊕B QUOTE A⊕B 表示，如公式(3)所示。 A⊕B={Z|(B)z∩A≠ HYPERLINK /blog/post/1902735-%C3%98%E2%86%92%E7%A9%BA%E9%9B%86%E5%90%88 ?} (3) A為待處理之影像，B為3×3的9方格遮罩元素，Z為二維影像所處理的整數空間。其中的B為結構元素(structuring element)，整個式子是表示我們將B這集合不斷的位移Z 單位元，只要B集合和A集合有重疊至少一個元素，這樣所形成的新集合即為A 被B 所膨脹的集合。 假設影像背景為像素值0黑色、物件為像素值255白色，以3×3的遮罩由上而下、有左到右掃描影像，判別遮罩中心外的八個鄰點像素，若八鄰點像素中含有一個以上的白點，則中心點像素值改為255，依序對整張影像做運算，以達到膨脹物件的效果。 而膨脹運算的目的，就是希望將物體的邊緣結構往外擴張，使目標物輪廓較為平滑，如圖2所示，原始物件為物件A，經由元素B膨脹後影像為物件C。 圖  SEQ 圖 \* ARABIC 2 膨脹運算示意圖 侵蝕 相異於膨脹運算的便是侵蝕運算，主要是利用XOR邏輯運算，考慮空間中Z的集合A和B，A被B侵蝕以A?B QUOTE A?B 表示，如公式(4)所示。 A?B={Z|(B)z∩A??} (4) 其中A、B與Z的定義與膨脹相同。整個式子是表示將B 這集合不斷的位移Z單位，但是B 位移Z 後