CN102043959B - 车牌字符分割方法 - Google Patents

Abstract

本发明公开了一种车牌字符分割方法，包括：图像预处理，得到预处理图像；将预处理图像二值化，得到车牌字符和背景分开的二值图；根据所述的二值图的字符特性确定模板，并将所述模板在二值图上滑动进行模板匹配，确定前2个字符；采用简化聚类法分割出车牌中其他字符。采用本发明的字符分割方法可以适用于各种复杂环境下图像中字符的分割，减小计算量的同时提高方法的抗干扰能力。

Description

车牌字符分割方法

技术领域

本发明属于车牌识别技术，具体地说，是涉及一种车牌图像中字符分割方法。

背景技术

在交通领域车牌识别系统中，目前大部分的车牌字符分割算法采用投影分析法，这种字符分割方法字符分割不准确，对不同光照条件下所拍摄图像中字符分割效果差，抗干扰能力差，而且对于宽边距车牌图像具有很强的鲁棒性。

另外一种常用车牌字符分割方法是聚类法，这种方法图像分割的抗干扰能力比投影分析法的抗干扰能力强，但是对于边界污损的字符或者边界不清晰的字符难以分割清楚，造成字符粘连，而且聚类法计算量大，较耗时，对于宽边距车牌图像，容易将边距分割成字符，造成误判。

基于此，如何发明一种车牌字符分割方法，可以适用于不同光照强度下所拍出的图像，对于边界污损或边界不清晰的字符同样可以准确的分割出，减小计算量的同时提高方法的抗干扰能力，十分必要。

发明内容

本发明为了解决现有车牌字符分割算法中分割不准确，环境适应能力差的问题，提供了一种车牌字符分割方法，可以精准的分割出不同字符，并且可以适用于多种车牌图像环境。

为了解决上述技术问题，本发明采用以下技术方案予以实现：

一种车牌字符分割方法，包括：

图像预处理，得到预处理图像；

将预处理图像二值化，得到车牌字符和背景分开的二值图；

根据所述的二值图的字符特性确定模板，并将所述模板在二值图上滑动进行模板匹配法分割，确定前2个字符；

采用简化聚类法分割出车牌中其他字符。

进一步的，为了防止由于拍摄问题而造成的图像倾斜以及车牌定位时上下边距问题，在将图像二值化之前还包括将预处理图像进行倾斜校正及水平分割处理。

优选的，所述的图像二值化方法为最大类间方差法。

又进一步的，为了除去图像中的孤立噪声点，在进行模版匹配之前还包括将所述的二值图进行形态滤波。

所述的图像预处理包括将图像灰度拉伸或者灰度滤波。

再进一步的，所述的倾斜校正包括：

在所述预处理图像所在平面内将预处理图像分别按顺时针、逆时针方向各旋转n°，每次旋转1°，得到2n个旋转图像，其中n为小于90的正整数；

统计各旋转图像的水平差分投影，得到水平差分值，并计算每幅图像水平差分值的平均值，得到水平差分均值，比较出水平差分均值最大的图像为不倾斜图像；

所述的水平分割为将所述不倾斜图像的水平差分值大于其水平差分均值的所有区域作为字符区域。

更进一步的，模板通过以下方式确定：

对二值图进行按列垂直投影，统计出车牌字符的像素数，并对统计结果进行高斯滤波；

根据字符区域高度确定理论字符宽度W，在以图像的列标为横坐标的坐标轴中将所述垂直投影统计结果做一条曲线，统计出曲线中相邻两波谷间的间距介于(80％～120％)W之间的所有宽度值，且所述的相邻两波谷中至少有一个波谷值大于预设的阈值，将符合上述条件的所有宽度值按照升序或者降序进行排序，取位置居中的宽度值作为标准字符宽度，并根据标准字符宽度确定字符间距宽度；

根据标准字符宽度制作模板，优选的，模板总宽度＝7个标准字符宽度+6个字符间距宽度。

再进一步的，模板匹配过程为：

根据车牌字符前2个字母特性确定模板有效区；

将模板在图像上滑动，统计模板有效区中落在字符区域内字符像素数与落在其相邻的字符间距区域内字符像素数的差，获得差值最大的模板位置作为匹配位置，得到车牌前2个字符。

又进一步的，所述的简化聚类法分割其他车牌字符过程为：

从第2个字符后再加2个字符间距的位置起，遍历图像中的字符像素，若果该字符像素的右上、右侧、或者右下也为字符像素，则认为这2列为一块列，以同样的方式遍历下一列，直至完成所有列，分割出车牌其他字符。

更进一步的，还包括判断图像块是否大于标准字符宽度，对于大于标准字符宽度的图像块，则采用投影的方式将所述图像块中的字符分割。

与现有技术相比，本发明的优点和积极效果是：本发明的车牌字符分割方法，根据前2个字符和其他字符不同特性分别处理，利用模板匹配方法分割出前2个字符，采用本方法尤其对于宽边距车牌图像提高了字符分割的准确度，对于其他字符采用简化聚类方法，以块列为单位遍历图像，克服了现有的聚类方法中以像素为单位进行遍历计算量大的问题，缩短运行时间，同时提供了抗干扰能力。

结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。

附图说明

图1是本发明车牌字符分割方法实施例一的流程图；

图2是本发明车牌字符分割方法实施例二的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步详细地说明。

实施例一，参见图1所示，为本实施例的流程图。

本实施例的一种车牌字符分割方法，包括：

步骤101，图像预处理，得到预处理图像；

具体的，图像预处理包括将图像灰度拉伸或者灰度滤波，或者两者结合，以提高车牌图像灰度级的动态范围，增强车牌字符和背景的对比度。

步骤102，将预处理图像二值化，得到车牌字符和背景分开的二值图；

具体的，图像二值化的方式有多种，本实施例中目的是使二值化后的图像将字符和背景大致可以分开，优选采用最大类间方差法，本实施例中将二值化后的图像背景像素值设为0，即显示为黑色，字符像素值设为255，即显示为白色。

步骤103，根据所述的二值图的字符特性确定模板，并使用所述模板在二值图上滑动进行模板匹配，确定前2个字符；

具体的，模板通过以下方式确定：

a1、对二值图进行按列垂直投影，统计出像素值为255的个数，为了除去小波峰波谷带来的影响，对统计结果进行高斯滤波；

a2、根据车牌字符特性，即宽∶高＝1∶2，确定车牌理论字符宽度值W，在以图像的列标为横坐标的坐标轴中将所述垂直投影统计结果做一条曲线，统计出曲线中相邻两波谷间的间距介于(80％～120％)W之间的所有宽度值，并且相邻两个波谷中至少有一个波谷值大于预设的阈值，将符合所述两个条件的所有宽度值按照升序进行排序，根据概率论统计特性，位置居中的宽度值最接近实际宽度值，因此，取位置居中的宽度值作为标准字符宽度，并根据字符特性确定字符间距宽度，当然字符宽度值也可以按照降序进行排序，并以同前面所述的方式确定标准字符宽度和字符间距宽度；

a3、根据标准字符宽度制作模板，由于本步骤主要为了确定车牌中前两个字符，而且第一个字符与第二个字符之间存在一个字符间距，第二个字符与第三个字符之间存在2个字符间距，因此，模板中至少包括2个字符区域和3个字符间距区域，假设车牌共由7个字符和6个字符间距，为了防止车牌字符越界，本实施例中优选设置模板总宽度＝7个标准字符宽度+6个字符间距宽度。

根据车牌字符前2个字母特性确定模板有效区，即有效区＝1个字符区域+1个字符间距+1个字符区域+2个字符间距。

将模板在二值图上以像素为单位平行滑动，并且每滑动一个像素，统计出模板有效区内落在字符区域的像素值为255的个数以及落在字符间距区域中的像素值为255的个数，并计算字符区域与其相邻字符间距区域中白色像素数的差值，如果字符刚好落在字符区域中的话，则字符区域中白色像素个数最多，且与其相邻的字符间距区域中落入的白色像素个数最少，因此两者之间的差值也就最大，因此，比较出差值最大的模板位置即为匹配位置，即认为匹配到了前两个字符。

步骤104，采用简化聚类法分割出车牌中其他字符。

具体的，采用聚类的思想，遍历图像中的字符像素。由于步骤103已经前2个字符已经分割出来，因此从第2个字符再加2个字符间距宽度起，即：在总的字符区间中从2个标准字符宽度+3个字符间距宽度的位置开始进行遍历，查找出值为255的像素，若果该像素的右上侧、右侧、或者右下侧也为255，则认为这2列为一块列，然后以同样的方式遍历下一列，直至完成所有列，然后分割出车牌其他字符。

本实施例的车牌字符分割方法，根据车牌字符不同特性，将前2个字符和其他字符分开处理，首先将车牌图像预处理和二值化，根据字符特点确定模板，在模板匹配过程中，通过统计的方式获得标准字符宽度进行分割指导，完成前2个字符的分割，提高了字符分割的准确度，对于宽边距车牌图像，采用模板匹配的方法分割成字符，不会出现将边距误判成为字符的情况，然后采用简化聚类方法，以块列为单位遍历图像，克服了现有的聚类方法中以像素为单位进行遍历计算量大的问题，分割出车牌中的其他字符，运行时间比正常聚类方法有效降低。

实施例二、参见图2所示，为本实施例的流程图。

本实施例车牌字符分割方法，基于本发明车牌字符分割方法实施例一，包括步骤101、步骤102、步骤103和步骤104，其区别在于，在步骤102之前还包括：

步骤102a，为了克服摄像机拍照角度带来的车牌图像倾斜的问题，以及车牌定位时造成的车牌上下边距较大的问题，在将图像二值化之前还包括将预处理图像进行倾斜校正及水平分割处理。

具体的，所述的倾斜校正包括：

在所述预处理图像所在平面内将预处理图像分别按顺时针、逆时针方向各旋转n°，每次旋转1°，得到2n个旋转图像，其中n为小于90的正整数，在本实施例中设置n＝10°，因此得到20幅旋转图像，再加上原始图像，共获得21幅图像。

统计各旋转图像的水平差分投影，即逐行后面像素值减去前面像素值，并取差值的绝对值，得到水平差分值，然后计算每幅图像水平差分值的平均值，得到水平差分均值，比较所述的21个旋转图像中水平差分均值最大的，该图像即被视为不倾斜图像；

所述的水平分割为：找出所述不倾斜图像的水平差分值大于其水平差分均值的所有区域作为字符区域。

在步骤103之前还包括：

步骤103a，为了去除孤立噪声点，在进行模版匹配之前还包括将所述的二值图进行形态滤波。

步骤104之后还包括：

步骤104b，若遍历图像后如果出现大于真实标准宽度的图像块，将所述图像块投影，采用寻找波谷的方式将图像块中的字符分割。

具体的，如果简化聚类法分割的字符出现了粘连，即体现为字符图像块的宽度大于标准字符宽度，将该图像块进行每列垂直投影，并统计像素值为255的个数，在以该图像块的列标为横坐标的坐标轴中将所述垂直投影统计结果做一条曲线，找出所述曲线的波谷，即为两字符之间的背景，在波谷的位置进行分割，从而分割出车牌中所有的字符。

本实施例的车牌字符分割方法，对于简化聚类法分割的字符出现粘连问题，则将粘连的字符通过投影的方法分割，最终分割出车牌除前2个字符外的其他字符，提高的车牌字符分割整体的准确度，可以实现复杂光照环境下及车牌污损情况下单个字符分割功能，克服了宽边框车牌分割时容易出现的鲁棒性，从而满足交通系统中对车牌识别功能的需要。

当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (7)

1.一种车牌字符分割方法，其特征在于，包括：

图像预处理，得到预处理图像；

将预处理图像二值化，得到车牌字符和背景分开的二值图；

根据所述的二值图中字符特性确定模板，并将所述模板在二值图上滑动进行模板匹配分割，确定前2个字符；

模板通过以下方式确定：

对二值图进行按列垂直投影，统计出车牌字符的像素数，并对统计结果进行高斯滤波；

根据字符区域高度确定理论字符宽度，在以图像的列标为横坐标的坐标轴中将所述垂直投影统计结果做一条曲线，统计出曲线中相邻两波谷间的间距介于理论字符宽度的80％到120％之间的所有宽度值，且所述的相邻两波谷中至少有一个波谷值大于预设的阈值，将符合上述条件的所有宽度值按照升序或者降序进行排序，取位置居中的宽度值作为标准字符宽度，并根据标准字符宽度确定字符间距宽度；

根据标准字符宽度制作模板，模板总宽度至少包括2个标准字符宽度和3个字符间距宽度；

采用简化聚类法分割出车牌中其他字符。

2.根据权利要求1所述的车牌字符分割方法，其特征在于：在将图像二值化之前还包括将预处理图像进行倾斜校正及水平分割处理，所述的图像二值化方法为最大类间方差法。

3.根据权利要求1所述的车牌字符分割方法，其特征在于：在进行模版匹配之前还包括将所述的二值图进行形态滤波。

4.根据权利要求1所述的车牌字符分割方法，其特在在于：所述的图像预处理包括将图像灰度拉伸或者灰度滤波。

5.根据权利要求2所述的车牌字符分割方法，其特征在于：所述的倾斜校正包 括：

在所述预处理图像所在平面内将预处理图像分别按顺时针、逆时针方向各旋转n°，每次旋转1°，得到2n个旋转图像，其中n为小于90的正整数；

统计各旋转图像的水平差分投影，即逐行后面像素值减去前面像素值，并取差值的绝对值，得到水平差分值，并计算每幅图像水平差分值的平均值，得到水平差分均值，比较出水平差分均值最大的图像为不倾斜图像；

所述的水平分割为将所述不倾斜图像的水平差分值大于其水平差分均值的所有区域作为字符区域。

6.根据权利要求5所述的车牌字符分割方法，其特征在于：模板匹配通过以下方式获得：

根据车牌字符前2个字符特性确定模板有效区；

将模板在图像上滑动，统计模板有效区中落在字符区域内字符像素数与落在其相邻的字符间距区域内字符像素数的差，获得差值最大的模板位置作为匹配位置，得到车牌前2个字符。

7.根据权利要求1-5任一项权利要求所述的车牌字符分割方法，其特征在于：所述的简化聚类法分割其他车牌字符过程为：

从第2个字符后再加2个字符间距的位置起，遍历图像中的字符像素，如果该字符像素的右上、右侧、或者右下也为字符像素，则认为这2列为一块列，以同样的方式遍历下一列，直至完成所有列，分割出车牌其他字符。 

Images