CN104504744A - 一种合成车牌图像的拟真方法及装置 - Google Patents

Abstract

本发明公开了一种合成车牌图像的拟真方法及装置，包括合成车牌图像；在预定车牌图像拟真类型中选择合成车牌图像的拟真类型；确定所述车牌图像拟真类型对应的拟真方法，根据所述拟真方法对所述合成车牌图像进行拟真。该方法能够获取拟真度高的车牌图像样本。

Description

一种合成车牌图像的拟真方法及装置

技术领域

本发明涉及模式识别领域，特别是涉及一种合成车牌图像的拟真方法及装置。

背景技术

车牌识别设备在停车场管理、公路交通监测等场所有广泛的应用，而车牌识别设备对车牌的识别能力，与车牌识别设备中所用的车牌识别模型的准确程度有关。

车牌识别模型的准确程度与训练该车牌识别模型的车牌图像的样本的数量、种类以及车牌图像的质量有关。现有技术中，车牌图像样本是通过工作人员摄像后再手工选取，这一传统的车牌图像的采集方法需大量人工，周期长、成本高且难以保证样本多样性(多成像条件的多样性，多种类型车牌)与多类型车牌样本的覆盖广度，因此，传统方法获取的车牌样本集，往往会影响基于此训练的车牌识别模型的性能，最终导致车牌检测、识别的准确率降低。因此寻找一种效率高、成本低，且能保证样本多样性的图像样本采集技术很有必要。

发明内容

本发明的目的是提供一种合成车牌图像的拟真方法，该方法能够获取拟真度高的车牌图像样本，提高工作效率；本发明的另一目的是提供一种合成车牌图像的拟真装置。

为解决上述技术问题，本发明提供一种合成车牌图像的拟真方法包括：

合成车牌图像；

在预定车牌图像拟真类型中选择合成车牌图像的拟真类型；

确定所述车牌图像拟真类型对应的拟真方法，根据所述拟真方法对所述合成车牌图像进行拟真。

其中，所述合成车牌图像包括：

响应用户操作选定车牌类型；

从车牌样式数据库中确定所述车牌类型的车牌底色、车牌大小以及车牌框线条的数据参数；

从车牌字体库中确定所述车牌类型的字符串，并产生相应的字符串以及该字符串中每个字符相对应的位图；

从车牌类型数据库中确定所述车牌类型的每个字符的坐标位置以及字符颜色；

根据获得的所述车牌类型的信息，合成相对应的车牌图像。

其中，所述预定车牌图像拟真类型包括：电路噪声拟真，运动拟真，相机参数变换拟真，透镜成像拟真，背景融合拟真或光照拟真。

其中，所述电路噪声拟真包括：

对所述合成车牌图像按照公式I(x,y)＝I₀(x,y)+N+P进行电路噪声拟真；

其中，N为符合高斯分布的随机变量，P为符合泊松分布的椒盐噪声。

其中，所述运动拟真包括：

获取用户输入的点运动轨迹函数s(x,y)；

根据预定的点扩散函数f(x,y)＝A×ss(x,y)(x,y)×T(x,y)对所述合成车牌图像进行运动拟真；

其中，s(x,y)为点运动轨迹函数，T(x,y)为在点(x,y)停留时间，A为单位时间内，该点的照射能量积分。

其中，所述相机参数变换拟真包括：

选择相机参数；

将所述合成车牌图像在所述相机参数下进行同构变换拟真。

其中，所述透镜成像拟真包括：

对所述合成车牌图像利用线性滤波器进行透镜成像拟真。

其中，所述背景融合拟真包括：

获取合成车牌图像以及背景图像；

提取所述合成车牌图像的边缘；

将每个边缘点根据所述合成车牌图像以及背景图像的位置关系放置在所述背景图像的相对应的位置；

遍历背景图像中每一个像素点，计算每个像素点到所有边缘点的距离数据，确定每个像素点的所述距离数据中的最小的距离数据；

将每个像素点的所述最小的距离数据输入背景融合器中，利用背景融合器得到背景融合拟真后图像。

其中，所述光照拟真包括：

将所述合成车牌图像从三原色RGB模型转换为六角椎体HSV模型；

对转换后的车牌图像提取饱和度与亮度通道；

遍历饱和度与亮度通道中的每个像素点，并将每个像素点乘车牌散射函数以及光源能量分布函数进行光照拟真；

将光照拟真后的车牌图像从HSV模型转换为RGB模型。

本发明所提供的一种合成车牌图像的拟真装置，其特征在于，包括：

合成模块，用于合成车牌图像；

选择模块，用于在预定车牌图像拟真类型中选择合成车牌图像的拟真类型；

拟真模块，用于确定所述车牌图像拟真类型对应的拟真方法，根据所述拟真方法对所述合成车牌图像进行拟真。

基于上述技术方案，本发明所提供的合成车牌图像的拟真方法，合成车牌图像；在预定车牌图像拟真类型中选择合成车牌图像的拟真类型；确定所述车牌图像拟真类型对应的拟真方法，根据所述拟真方法对所述合成车牌图像进行拟真；由于通过车牌图像合成装置得到的车牌图像与真实的车牌图像还是有一定差距的，直接利用该合成的车牌图像进行后续的处理(例如进行车牌识别设备的训练)则会影响所述设备的识别性能；甚至是不能够进行正确的识别。因此需要对通过车牌图像合成装置得到的车牌图像进行拟真处理，这样可以获得与图像采集设备获得的真实车牌样本非常相近，可以将通过拟真处理的车牌图像作为车牌识别设备的样本。这样可以获取拟真度高的车牌图像样本，提高工作效率。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的合成车牌图像的拟真方法的流程图；

图2为本发明实施例提供的运动拟真的结果示意图；

图3为本发明实施例提供的相机参数变换拟真的结果示意图；

图4为本发明实施例提供的透镜成像拟真的结果示意图；

图5为本发明实施例提供的背景融合拟真方法的流程图；

图6为本发明实施例提供的背景融合拟真方法的具体实施过程示意图；

图7为本发明实施例提供的背景融合拟真的结果示意图；

图8为本发明实施例提供的光照拟真方法的流程图；

图9为本发明实施例提供的光照拟真方法的具体实施过程示意图；

图10为本发明实施例提供的光照拟真的结果示意图；

图11为本发明实施例提供的合成车牌图像的拟真装置的结构框图；

图12为本发明实施例提供的合成模块的结构框图；

图13为本发明实施例提供的拟真模块的结构框图。

具体实施方式

本发明的目的是提供一种合成车牌图像的拟真方法，该方法能够获取拟真度高的车牌图像样本，提高工作效率；本发明的另一目的是提供一种合成车牌图像的拟真装置。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

采集车牌图像样本数据是很多人工智能、模式识别系统的一个基础工作。有了车牌图像样本集，才能够训练、测试一个模式识别系统。车牌识别器也不例外，采集车牌图像样本是一个基础性的重要工作。车牌图像样本集的覆盖的广度与多样性，决定了使用该样本集训练的车牌识别器的性能以及对于多种环境的适应性。通常的车牌图像样本的采集是在指定位置(如马路边、停车场闸口)使用图像采集设备对待识别物体拍照、摄像，然后再手工挑选照片、视频中合适的图片作为样本。这一传统的方法有以下的局限性：(1)需在特定位置安装硬件，周期长、成本高；(2)挑选样本需要大量人力；(3)成像环境的多样性的不充分，如白天、黑夜、春夏秋冬、雨雪雾天气；(4)某些特殊类型样本的获取困难，如军车、武警车、使馆车等等平常很少在视频中出现。

因为传统车牌图像采样方法的局限性，其获取车牌图像样本的质量会严重影响基于此样本训练的车牌识别模型的性能；若获取的车牌图像样本的质量不高则会使车牌检测设备检测出的效果不佳。车牌种类的多样性以及不同环境下的车牌周围信息都将直接或间接影响车牌图像的特征提取以及训练模型的生成。由于传统方法获取的车牌图像样本的局限性，最终会导致车牌检测与识别错误。因此寻找一种效率高，成本低，且能保证样本多样性的车牌图像样本采集技术很有必要。

本发明实施例通过对合成车牌图像进行拟真处理，可以解决由车牌图像合成装置得到的车牌图像与真实的车牌图像具有一定差距的问题，即可以解决现有方式的四个局限性，特别是第三个局限性。

请参考图1，图1本发明实施例提供的合成车牌图像的拟真方法的流程图；该方法可以包括：

步骤s100、合成车牌图像；

其中，这里的合成车牌图像可以通过下述方法进行：选取所需车牌类型；从车牌样式数据库中确定所述车牌类型的车牌底色、车牌大小以及车牌框线条的数据参数；从车牌字体库中确定所述车牌类型的字符串，并产生相应的字符串以及该字符串中每个字符相对应的位图；从车牌类型数据库中确定所述车牌类型的每个字符的坐标位置以及字符颜色；根据获得的所述车牌类型的信息，合成相对应的车牌图像。也可以用其他图像合成模型进行车牌图像的合成。

这样可以大量生产出所需类型的车牌图像，即可以解决现有技术中需在特定位置安装硬件，周期长、成本高；挑选样本需要大量人力；某些特殊类型样本获取困难(例如军车、武警车、使馆车等)的问题。通过该合成方法可以方便的获取所需车牌图像。方便快捷，且样本可以按照需求进行分布。

步骤s110、在预定车牌图像拟真类型中选择合成车牌图像的拟真类型；

其中，由于对图像进行拟真的方式可以有很多种，每种拟真方法所着重解决的问题不一样，因此，需要根据具体的情况，由用户确定其所处的环境应该进行什么样的拟真处理，才能够达到最好的拟真效果。

这样可以解决成像环境的多样性的不充分的问题，如白天、黑夜、春夏秋冬、雨雪雾天气；

例如黑夜较多，则需要进行光照拟真，由于图像采集设备一直处于比较黑的状态下，因此若该车牌识别设备是利用在正常光照下拍摄的车牌图像进行训练的，则在该应用场景下的识别效率会很低。因此需要对车牌图像进行光照拟真，以适应该应用环境，从而可以提高车牌识别设备在该应用场景下的识别效率。

因此，用户可以根据自己的需要选择拟真类型。

步骤s120、确定所述车牌图像拟真类型对应的拟真方法，根据所述拟真方法对所述合成车牌图像进行拟真；

其中，根据用户的选择，确定所述拟真类型对应的拟真方法，可以通过用户的选择操作通过链表找到所对应的拟真方法，根据预先设置好的拟真方式进行拟真，得到拟真合成车牌图像。

基于上述技术方案，本发明所提供的合成车牌图像的拟真方法，由于通过车牌图像合成装置得到的车牌图像与真实的车牌图像还是有一定差距的，直接利用该合成的车牌图像进行后续的处理(例如进行车牌识别设备的训练)则会影响所述设备的识别性能；甚至是不能够进行正确的识别。因此需要对通过车牌图像合成装置得到的车牌图像进行拟真处理，这样可以获得与图像采集设备获得的真实车牌样本非常相近，可以将通过拟真处理的车牌图像作为车牌识别设备的样本。这样可以更加真实、准确的获取车牌图像样本，提高工作效率。

可选的，所述合成车牌图像包括：

响应用户操作选定车牌类型；

其中，可以根据用户的需要进行车牌类型的选择，例如若只需要获得大型车的车牌类型，或者是只需要获取警车的车牌类型，那么就可以按照需要进行车牌类型的选择，例如可以通过在各个车牌类型前的方框选定，或者各个车牌类型具有序号标记，通过序号进行车牌类型的选择；其中，不仅仅可以对车牌类型进行选择，也可以对所选择的各个车牌类型的数量进行确定，例如选定大型车的车牌且生成500个车牌。也可以是在车牌类型确定以及要生成的总数确定后，可以指定各个车牌类型数量所占的比例；也可以是用户不进行车牌类型选择，即默认进行随机生产，用户只需要确定生产数量；或者是用户只需要指定车牌类型，生成数量可以随机指定。

从车牌样式数据库中确定所述车牌类型的车牌底色、车牌大小以及车牌框线条的数据参数；

其中，车牌样式数据库中包括了各个车牌类型的车牌底色数据，车牌的大小数据，车牌框的线条的粗细，类型等线条数据。通过车牌类型的确定，则可以在车牌样式数据库中确定所述车牌类型的车牌底色、车牌大小以及车牌框线条的数据参数；

通过上述参数的确定，会有一个车牌框架生成，例如根据车牌大小以及车牌框线条的数据参数可以绘制出车牌外框的框线。通过车牌底色可以在该框线内填充相应的颜色。

从车牌字体库中确定所述车牌类型的字符串，并产生相应的字符串以及该字符串中每个字符相对应的位图；

其中，车牌字体库中包含了各个类型车牌的字符串的类型，例如应该有几个数字几个汉字几个英文，及字符应该具有什么样的顺序，例如豫R7A800，第一个是省会简称，代表车辆是哪个省的，第二个是英文字符，代表车辆是那个地区的，后边是字符例如第三个是数字第四个是英文等这样的规则，可以确定每种车牌类型的字符串的对应规则，根据该规则就可以生产出相应的字符串。

且由于每个车牌类型的框架的大小是确定值，因此内部的字符串中的每个字符就一定会有一个相应的位置及大小，本发明中可以用每个字符的相对应的位图来表示。

通过上述字符串数据就可以知道在车牌框架内部放置什么字符串以及各个字符串的大小、位置等信息。

当然这里的字符也可由用户自己选择字符串的内容。

从车牌类型数据库中确定所述车牌类型的每个字符的坐标位置以及字符颜色；

其中，车牌类型数据库中可以得到各个车牌类型的各个位置的各个字符的位置坐标，以及各个字符应该有的颜色。

通过这些数据就可以将各个确定的字符放置在框架内的相对应的位置。

根据获得的所述车牌类型的信息，合成相对应的车牌图像。

其中，根据获得的所述车牌类型的信息，合成相对应的车牌图像，这里可以在每次获得数据后就可以进行绘制合成，也可以在所有数据得到后再进行绘制，也可以一边获得数据一边绘制。

总之，利用上述数据可以合成所指定的车牌类型。

基于上述方法，用户可以通过该方法选取所需要的车牌类型，然后可以按照所选择的车牌类型的数据，例如车牌的颜色、大小、字符串类型以及颜色等数据，进行合成得到合成车牌图像。因此，不需要工作人员手动的从图像采集设备中去获取车牌图像，可以直接合成所需要的样本以及样本量。能够获取拟真度高的车牌图像样本。

可选的，所述响应用户操作选择车牌类型或响应用户操作随机选定车牌类型包括：

当用户操作选择车牌类型时，确定每种车牌类型合成的数量；

当用户操作随机选定车牌类型，确定车牌合成总数以及每种车牌类型所占的比例。

可选的，所述并产生相应的字符串包括：

随机产生符合所述车牌类型的字符串或响应用户操作生产符合所述车牌类型的字符串。

其中，例如在车牌字体库中确定所述车牌类型的字符串，并产生相应的字符串，这里用户可以根据符合标准的字符串类型，自己输入想合成的字符串，处理器也可以根据确定所述车牌类型的字符串，随机生成符合规则的字符串。

可选的，所述合成相对应的车牌图像包括：

根据所述车牌类型的车牌底色、车牌大小以及车牌框线条的数据参数，得到所述车牌的框图；

根据获得的所述车牌类型的字符串的相对应的信息，在所述车牌的框图上每个字符相对应的位置绘制字符位图。

因此，该合成车牌的方法用户可以自主选择合成所需要的车牌，即可以自己创建新的车牌类型以及选择字符串内容等，也可以自动合成。

可选的，所述拟真类型包括：电路噪声拟真，运动拟真，相机参数变换拟真，透镜成像拟真，背景融合拟真或光照拟真。

其中，拟真方式还有很多，本发明以上述六种为例进行说明。

可选的，所述电路噪声拟真包括：

对所述合成车牌图像按照公式I(x,y)＝I₀(x,y)+N+P进行电路噪声拟真；

其中，N为符合高斯分布的随机变量，P为符合泊松分布的椒盐噪声。

其中，由于图像传感器，包括电荷耦合器CCD(Charge-coupledDevice)或互补金属氧化物半导体CMOS(Complementary Metal OxideSemiconductor)，等电路噪声有很多种，主要包括暗电流噪声、转移损失噪声、复位噪声、散粒噪声等。对于数字图像处理来说，影响比较大的是CCD的暗电流噪声，它会导致暗白点、白色损伤、或者颗粒。暗电流噪声对图像的影响可以用椒盐(Pepper and Salt)噪声来模拟。其他的噪声源可以作为符合高斯分布的白噪声。基于这一点，可以通过对原始图像加噪的方法来进行模拟，加噪公式可以为I(x,y)＝I₀(x,y)+N+P，可以利用其进行电路噪声拟真；其中的噪声可以根据实际情况进行设置。

可选的，所述运动拟真包括：

获取用户输入的点运动轨迹函数s(x,y)；

根据预定的点扩散函数f(x,y)＝A×ss(x,y)(x,y)×T(x,y)对所述合成车牌图像进行运动拟真；

其中，s(x,y)为点运动轨迹函数，T(x,y)为在点(x,y)停留时间，A为单位时间内，该点的照射能量积分。

其中，因为相机相对于物体的运动以及快门的开关运动会造成图像的模糊。通常快门运动造成的模糊影响比较小，可以忽略不计，运动模糊的过程可以简化为原图像卷积一个点扩散函数PSF(PointSpread Function)。单点成像过程可以看作是该点在成像面上积分的过程，其积分轨迹同相机与物体的相对运动息息相关。因此可以通过模拟相机相对该点的运动轨迹、速度来合成该PSF。

首先，获取用户输入的点运动轨迹函数s(x,y)；将该点运动轨迹函数s(x,y)带入点扩散函数中；可以得到f(x,y)＝A×ss(x,y)(x,y)×T(x,y)，对所述合成车牌图像进行运动拟真；可以参考图2，图2为本发明实施例提供的运动拟真的结果示意图；可以通过该结果看到运动拟真的效果。其中点扩散函数可以为线性运动也可以为非线性运动。

可选的，所述相机参数变换拟真包括：

选择相机参数；

将所述合成车牌图像在所述相机参数下进行同构变换拟真。

其中，车牌在相机平面的投影是一个平面到平面的映射，可以看作是一个透视投影，在计算机图形学中该车牌平面的透视投影可以用一个包含8个自由度的同构变换(Homography Tranform)来表达。设该变换可以表示为 $H=\left[\begin{array}{ccc}{a}_0& a_1& a_2\\ a_3& a_4& a_5\\ a_6& a_7& a_8\end{array}\right],$ 则原车牌上点p(x,y)投射到成像平面的q(x_q,y_q)公式可以表达如下： $q(x_q,y_q)=\left(\begin{array}{c}{x}_q\\ y_q\end{array}\right)=\left(\begin{array}{c}\frac{a_{0}x+a_{1}y+a_2}{a_6+a_7+a_8}\\ \frac{a_{3}x+a_{4}y+a_5}{a_6+a_7+a_8}\end{array}\right),$ 通过选择合适的相机参数，就可以模拟不同摄像机参数下车牌成像的透视变换。请参考图3，图3为本发明实施例提供的相机参数变换拟真的结果示意图；通过该示意图可以看到拟真后的效果。

可选的，所述透镜成像拟真包括：

对所述合成车牌图像利用线性滤波器进行透镜成像拟真。

其中，由于大部分光学系统可以看作是一个线性系统。利用线性的传输函数就可以模拟这些光学系统的特性。因为制造、安装工艺的原因，会造成相机一定程度的失焦。该种情况可以用原图形卷积一个线性滤波函数比如高斯核函数g(x,y,σ)来模拟。通过调整高斯核函数的参数σ可以调整失焦的程度。

其中，高斯函数可以为请参考图4，图4为本发明实施例提供的透镜成像拟真的结果示意图；通过该示意图可以看到拟真后的效果；其中，最左边的为原图，中间的车牌是σ＝1.0的拟真图，最右边车牌是σ＝2.0的拟真图。

可选的，请参考图5，图5为本发明实施例提供的背景融合拟真方法的流程图；该方法可以包括：

步骤s500、获取合成车牌图像以及背景图像；

步骤s510、提取所述合成车牌图像的边缘；

步骤s520、将每个边缘点根据所述合成车牌图像以及背景图像的位置关系放置在所述背景图像的相对应的位置；

步骤s530、遍历背景图像中每一个像素点，计算每个像素点到所有边缘点的距离数据，确定每个像素点的所述距离数据中的最小的距离数据；

步骤s540、将每个像素点的所述最小的距离数据输入背景融合器中，利用背景融合器得到背景融合拟真后图像。

其中，下面举例说明背景融合拟真的过程。由于车牌的背景多种多样。为进一步增加合成的车牌的真实性，本发明可以采用图像融合的方法融合背景图与合成的车牌图；新生成图像I与原图像I₀，I₁的关系可以用下式来表达：

I(x,y)＝w₀(x,y)I₀(x,y)+w₁(x,y)I₁(x,y)

其中， $w_0(x,y)=\left\{\begin{array}{c}1-a\&CenterDot;d_0(x,y),d_0(x,y)<\mathrm{\&tau;}\\ 0,d_0(x,y)\&GreaterEqual;\mathrm{\&tau;}\end{array}\right.,w_1(x,y)=1{-w}_0(x,y),$

根据上述公式和背景融合拟真方法的流程图可以得到图6的具体实施过程。请参考图6，图6为本发明实施例提供的背景融合拟真方法的具体实施过程示意图。按照上述具体实施过程示意图可以得到如图7为本发明实施例提供的背景融合拟真的结果示意图。通过该示意图可以看到拟真后的效果。

可选的，请参考图8，图8为本发明实施例提供的光照拟真方法的流程图；该方法可以包括：

步骤s800、将所述合成车牌图像从三原色RGB模型转换为六角椎体HSV模型；

步骤s810、对转换后的车牌图像提取饱和度与亮度通道；

步骤s820、遍历饱和度与亮度通道中的每个像素点，并将每个像素点乘车牌散射函数以及光源能量分布函数进行光照拟真；

步骤s830、将光照拟真后的车牌图像从HSV模型转换为RGB模型。

其中，可以进行举例说明光照拟真过程。其中，由于环境光照的变化会引起图像亮度、对比度的变化。本发明分别模拟均匀光照以及非均匀光照对图片的影响；其原理是假设入射灯光为白光的情况下，光照变化主要影响图像的饱和度与亮度，因此对图像的饱和度与亮度结合入射光的分布变换就可以模拟光照变化。一般的输入图像都为RGB空间，可以先将其转换到HSV空间，其中S,V通道分别代表饱和度与亮度。在S,V通道中的每个像素值乘以车牌散射函数d(x,y)以及光源能量分布函数p(x,y)就可以模拟出车牌在不同光照情况下的成像情况。其中车牌散射函数d(x,y)，光源能量分布函数p(x,y)可以由用户指定。通常情况下，假设d(x,y)为均匀分布函数，而p(x,y)为二维线性面函数或多高斯核函数的组合，就可以取得不错的模拟效果。

请参考图9，图9为本发明实施例提供的光照拟真方法的具体实施过程示意图；通过该具体过程可以得到图10所示效果，图10为本发明实施例提供的光照拟真的结果示意图；通过该示意图可以看到拟真后的效果。

基于上述技术方案，本发明所提供的合成车牌图像的拟真方法，由于通过车牌图像合成装置得到的车牌图像与真实的车牌图像还是有一定差距的，直接利用该合成的车牌图像进行后续的处理(例如进行车牌识别设备的训练)则会影响所述设备的识别性能；甚至是不能够进行正确的识别。因此需要对通过车牌图像合成装置得到的车牌图像进行拟真处理，这样可以获得与图像采集设备获得的真实车牌样本非常相近，可以将该通过拟真处理的车牌图像作为车牌识别设备的样本。这样可以更加真实、准确的获取拟真度高的车牌图像样本，提高工作效率。

本发明实施例提供了合成车牌图像的拟真方法，可以通过上述方法能够获取拟真度高的车牌图像样本，提高工作效率。

下面对本发明实施例提供的合成车牌图像的拟真装置进行介绍，下文描述的合成车牌图像的拟真装置与上文描述的合成车牌图像的拟真方法可相互对应参照。

请参考图11，图11为本发明实施例提供的合成车牌图像的拟真装置的结构框图；该装置可以包括：

合成模块100，用于合成车牌图像；

选择模块200，用于在预定车牌图像拟真类型中选择合成车牌图像的拟真类型；

拟真模块300，用于确定所述车牌图像拟真类型对应的拟真方法，根据所述拟真方法对所述合成车牌图像进行拟真。

可选的，请参考图12，图12为本发明实施例提供的合成模块100的结构框图；该模块可以包括：

响应单元110，用于响应用户操作选定车牌类型；

第一确定单元120，用于从车牌样式数据库中确定所述车牌类型的车牌底色、车牌大小以及车牌框线条的数据参数；

第二确定单元130，用于从车牌字体库中确定所述车牌类型的字符串，并产生相应的字符串以及该字符串中每个字符相对应的位图；

第三确定单元140，用于从车牌类型数据库中确定所述车牌类型的每个字符的坐标位置以及字符颜色；

合成单元150，用于根据获得的所述车牌类型的信息，合成相对应的车牌图像。

可选的，请参考图13，图13为本发明实施例提供的拟真模块300的结构框图；该模块可以包括：

第四确定单元310，用于确定所述车牌图像拟真类型对应的拟真方法；

拟真单元320，用于根据所述拟真方法对所述合成车牌图像进行拟真。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的合成车牌图像的拟真方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种合成车牌图像的拟真方法，其特征在于，包括：

合成车牌图像；

在预定车牌图像拟真类型中选择合成车牌图像的拟真类型；

确定所述车牌图像拟真类型对应的拟真方法，根据所述拟真方法对所述合成车牌图像进行拟真。

2.如权利要求1所述的合成车牌图像的拟真方法，其特征在于，所述合成车牌图像包括：

响应用户操作选定车牌类型；

从车牌样式数据库中确定所述车牌类型的车牌底色、车牌大小以及车牌框线条的数据参数；

从车牌字体库中确定所述车牌类型的字符串，并产生相应的字符串以及该字符串中每个字符相对应的位图；

从车牌类型数据库中确定所述车牌类型的每个字符的坐标位置以及字符颜色；

根据获得的所述车牌类型的信息，合成相对应的车牌图像。

3.如权利要求1所述的合成车牌图像的拟真方法，其特征在于，所述预定车牌图像拟真类型包括：电路噪声拟真，运动拟真，相机参数变换拟真，透镜成像拟真，背景融合拟真或光照拟真。

4.如权利要求3所述的合成车牌图像的拟真方法，其特征在于，所述电路噪声拟真包括：

对所述合成车牌图像按照公式I(x,y)＝I₀(x,y)+N+P进行电路噪声拟真；

其中，N为符合高斯分布的随机变量，P为符合泊松分布的椒盐噪声。

5.如权利要求3所述的合成车牌图像的拟真方法，其特征在于，所述运动拟真包括：

获取用户输入的点运动轨迹函数s(x,y)；

根据预定的点扩散函数f(x,y)＝A×ss(x,y)(x,y)×T(x,y)对所述合成车牌图像进行运动拟真；

其中，s(x,y)为点运动轨迹函数，T(x,y)为在点(x,y)停留时间，A为单位时间内，该点的照射能量积分。

6.如权利要求3所述的合成车牌图像的拟真方法，其特征在于，所述相机参数变换拟真包括：

选择相机参数；

将所述合成车牌图像在所述相机参数下进行同构变换拟真。

7.如权利要求3所述的合成车牌图像的拟真方法，其特征在于，所述透镜成像拟真包括：

对所述合成车牌图像利用线性滤波器进行透镜成像拟真。

8.如权利要求3所述的合成车牌图像的拟真方法，其特征在于，所述背景融合拟真包括：

获取合成车牌图像以及背景图像；

提取所述合成车牌图像的边缘；

将每个边缘点根据所述合成车牌图像以及背景图像的位置关系放置在所述背景图像的相对应的位置；

遍历背景图像中每一个像素点，计算每个像素点到所有边缘点的距离数据，确定每个像素点的所述距离数据中的最小的距离数据；

将每个像素点的所述最小的距离数据输入背景融合器中，利用背景融合器得到背景融合拟真后图像。

9.如权利要求3所述的合成车牌图像的拟真方法，其特征在于，所述光照拟真包括：

将所述合成车牌图像从三原色RGB模型转换为六角椎体HSV模型；

对转换后的车牌图像提取饱和度与亮度通道；

遍历饱和度与亮度通道中的每个像素点，并将每个像素点乘车牌散射函数以及光源能量分布函数进行光照拟真；

将光照拟真后的车牌图像从HSV模型转换为RGB模型。

10.一种合成车牌图像的拟真装置，其特征在于，包括：

合成模块，用于合成车牌图像；

选择模块，用于在预定车牌图像拟真类型中选择合成车牌图像的拟真类型；

拟真模块，用于确定所述车牌图像拟真类型对应的拟真方法，根据所述拟真方法对所述合成车牌图像进行拟真。