车牌识别系统是智能交通系统(ITS)关键技术之一，主要由车牌定位、字符分割及字符识别三部分组成。字符分割是下一步字符识别的前提，因此字符分割的好坏将直接影响下一步字符的识别率。

    为了提高字符分割的效果，人们专注研究各种分割方法，提出了许多好的分割字符方法。同时，字符分割前车牌预处理的研究也十分重要，通过预处理可以消除车牌边框、铆钉等噪声的干扰，突出字符，使车牌字符可以方便精确地被分割出来。目前最常用的方法是将车牌区域像素投影并去除边框[1]。但由于该方法对倾斜车牌投影，寻找不到准确的边框分割线，因而容易把字符误切出去，并且车牌边框中经常含有一些厂家、公司等标示字符，投影法不能精确地把边框等完全去除掉。鉴于此，本文提出了一种基于水平垂直结构元素开运算的数学形态学方法，实现字符分割前的车牌预处理。该方法能够在车牌定位不精确的情况下有效去除车牌边框、铆钉及其他噪声，消除干扰突出字符。在此基础上运用传统的水平和垂直投影法以及车牌的先验知识进行字符间的分割，有效地改进了字符分割的效果。
1 车牌倾斜矫正
    通常采集到的车牌往往有一定的倾斜角度，不利于车牌的字符分割，影响最终的识别率。因此，在预处理中首先要对倾斜的车牌进行矫正，采用Hough变换检测直线获得倾斜角度[2]。
    Hough变换的基本思想是利用点-线对偶性，即图像空间共线的点对应在参数空间相交的线。反过来在参数空间中交与同一个点的所有直线在图像空间里都有共线的点与之对应，该交点就对应所要检测的直线。极坐标中直线方程为：
 
其中，ρ为原点距直线的法线距离，θ为该法线与x轴的夹角。找到参数空间中最多直线相交的那个点（ρ，θ），就检测到了图像空间中的对应直线。此时θ即为车牌的倾斜角度。
　    由于通常的Hough变换只适用于黑白二值图片，所以在Hough变换前需要先对车牌进行边缘检测。本文选用Sobel边缘检测算子，利用像素点上下、左右邻点的灰度加权差算法，根据在边缘点处达到极值这一现象进行边缘检测。Sobel算子受噪声的影响较小，对噪声具有平滑作用，可提供较为精确的边缘方向信息，是一种常用的边缘检测方法。Sobel 算子的水平、垂直模板分别为[3]：
  
2 去除边框和铆钉
    从车牌原灰度图1中可以看出，在车牌区域中含有边框和铆钉的存在，影响车牌字符分割的效果。因而，在车牌字符分割前需要对车牌进行预处理，去除边框和铆钉，突出字符[4]。对灰度车牌图像采用水平垂直灰度运算法可以消除车牌周围的边框和铆钉，该算法是一种灰度数学形态学运算。
    数学形态学的基本思想是采用具有一定形态的结构元素量度和提取图像中的对应形状。由一组形态学的代数运算子组成,其基本运算有膨胀、腐蚀、开启和闭合。通过在图像中移动一个结构元素并进行一种类似于卷积运算的方式(只是以逻辑运算代替卷积的乘加元算），以达到对图像分析和识别的目的。
    灰度数学形态学是二值形态学的推广，灰度腐蚀与膨胀的一般定义为：设结构元素S(x,y)，对输入图像f(x,y)进行灰度腐蚀，记为fΘS,灰度膨胀记为f⊕S。

本都可以去除。说明本文采用的水平垂直灰度开运算方法对去除边框等干扰噪声预处理效果明显，能够帮助提高下一步字符分割的效果。
3 分割字符
    本文采用传统的投影法并结合车牌先验知识分割字符[6]。根据统计，通常标准汽车车牌为450 mm×150 mm,车牌字符总长度为409 mm,单个字符的宽度为45 mm,高度为90 mm,二、三字符间的小圆点宽度为10 mm。有了这些先验知识，利用投影法则能较容易、准确地分割出字符，算法步骤如下：
    (1)计算出要处理的车牌宽度，利用标准车牌字符总长度与单个字符宽度的比，估算出每个字符的宽度wide。
    (2)自上而下对车牌进行逐行扫描,直到遇到第一个白像素点,记录此时的位置并标记为字符高度的起始位置。
    (3)继续逐行扫描，直到图像中所有的行没有白像素点为止，记录此时的位置并标记为字符高度的结束位置，去除掉起始位置和结束位置间之外的所有其他行，如图8所示。

    (4)从左到右对车牌逐列扫描，把第一次遇到的白像素点所在的列作为第一个字符的起始位置，接着往后扫描直至没有白像素点为止。此时将像素宽度与wide进行比较，若小于wide，则继续扫描至下一个字符结束点，至此，第一个汉字字符分割完成。由于后面的字母和数字是连通的，所以不需要比较wide，依次往后扫描，分割出每个字符，如图9所示。

    本文的实验环境是在VC++6.0下，程序采用C语言结合Windows自带的API函数编写。从最后的实验结果可以看出，基于水平垂直灰度开运算方法对字符分割前的车牌进行预处理，可以很好地去除边框、铆钉等干扰，明显突出了车牌字符区域，方便下一步字符分割处理，有效提高了字符分割的效果。
参考文献
[1] 黄文杰.基于投影的车牌字符分割方法[J].现代计算机 (专业版)，2009(8)：57-60.
[2] 马腾飞，郑永果，赵卫东.基于边缘检测与Hough变换的车牌字符分割算法[J]. 系统仿真学报(增刊)，2006,18(1)：391-392.
[3] 杨帆.数字图像处理与分析[M].北京：北京航空航天大学出版社，2007.  
[4] 陈涛，杨晨晖，青波.基于投影和固有特征结合的车牌字符分割方法[J].计算机技术与发展，2009，19(5):45-47.
[5] 崔屹. 图象处理与分析——数学形态学方法及应用[M]. 北京：科学出版社，2000.
[6] 刘军，向军，肖宇.基于投影特征和先验知识的车牌字符分割算法[J].公路工程，2011，36(5)：44-46.