CN105117727B - 一种车牌快速定位方法 - Google Patents

Abstract

车牌快速定位方法，包括：对原彩色车辆图像的颜色通道分量作图像差运算，得到的差值图像；运用最大类间方差法对经过通道分量相减之后的灰度图像Ibr进行二值化操作；对二值化图像Ibw进行水平方向的膨胀运算；对膨胀后的图像Ibw_dilate进行腐蚀运算；对图像Ibw_imerode搜索连通区域；计算Z中每一块区域高度；从Z中剔除那些D_i<11的区域，得到车牌候选区域集合记为Z′；基于上下边界定位进一步过滤车牌候选区域；定位车牌候选区域左右边界；计算最新的Z″中每一个车牌候选区域的宽高比，完成定位。

Description

一种车牌快速定位方法

技术领域

本发明涉及一种车牌快速定位方法，尤其是涉及到基于RGB颜色分量差异性和多特征筛选的用于蓝色车牌的快速定位方法。

背景技术

现有的车牌定位技术方法比较多，如基于边缘检测的方法、基于数学形态学的方法、基于彩色信息的方法、基于小波变换的方法、基于投影特征的方法等，每种方法侧重点不同，其中与本发明最相似或最接近的方法包括：刘同焰(华南理工大学，2012)在《车牌识别系统的相关算法与实现》一文中提出了一种基于改进Isotropic Sobel边缘检测算子的车牌定位算法，该算法通过改进Isotropic Sobel边缘检测算子，实现了车牌图像在水平、垂直以及对角线方向上的纹理特征提取，然后采用Otsu算法阈值化，再对阈值化后的二值图像做数学形态学运算得到车牌的候选区域，最后利用车牌特征去除伪车牌；查志强(南京理工大学，2013年)在《复杂背景下的快速车牌识别技术研究》一文中提出了基于字符边缘特征的车牌定位方法，该方法的基本思路为：利用车牌字符丰富的纹理进行粗定位，获得候选车牌区域，再进行局部的图像增强和噪声滤波处理，利用车牌字符的边缘特征和形态学方法去除伪车牌；申继龙(南京邮电大学，2013)在《车牌定位和倾斜校正的关键技术研究》一文中提出了一种基于HSI彩色模型和彩色边缘的方法定位车牌，该方法首先利用车牌的颜色特征得到车牌的候选区域，通过车牌的几何特征去除不符合条件的候选区域，然后采用彩色边缘算子获得候选区域的二值化图像，结合车牌的固有特征筛选出最终的车牌区域；最后对得到的车牌图像进行垂直投影，从而确定车牌区域的起始点，进而提取出车牌图像。

通过筛选车牌候选区域获得最终车牌区域，可以达到良好的效果，但上述方法依然存在如下的不足：

(1)上述方法主要针对普通像素的车辆图片，而对于较高像素的车辆图片，往往上述方法的定位效率反而偏低，若通过提前压缩图片像素，又会致使定位准确率的下降。

(2)上述车牌定位方法具有一定的场景和像素上的限制，对于不同场景下往往定位准确率就会下降。

因此，如何解决上述不足以提高车牌定位的准确率和效率是现有车牌定位技术需要解决的不容忽视的问题。

发明内容

本发明要克服现有技术的上述缺点，提供一种车牌定位的准确率和效率高的车牌定位方法。

本发明解决上述问题的车牌快速定位方法包括以下步骤：

步骤1：对原彩色车辆图像I的R、G、B颜色通道分量作图像差运算，得到的差值图像记为Ibr，相应的公式如下：

Ibr＝Ib-n×Ir (1)

其中Ib和Ir分别表示原彩色车辆图像I的B通道分量和R通道分量，Ibr表示B通道分量与R通道分量的差值图像，n表示是相关系数，与获取的车牌光照强度有关，并且光照越弱，n的值越大；

步骤2：运用最大类间方差法对经过通道分量相减之后的灰度图像Ibr进行二值化操作，得到二值图像Ibw；

步骤3：对二值化图像Ibw进行水平方向的膨胀运算，得到膨胀后的图像记为Ibw_dilate；

步骤4：对膨胀后的图像Ibw_dilate进行腐蚀运算，得到腐蚀后的图像记为Ibw_imerode；

步骤5：对图像Ibw_imerode搜索连通区域，得到若干个连通区域记为集合Z＝{(T_i,B_i,L_i,R_i)|i＝1,2,…,m}，其中，T_i、B_i、L_i和R_i分别表示第i个连通区域的上下左右边界坐标，m表示搜索到的连通区域的数量；

步骤6：计算Z中每一块区域高度为H_i＝B_i-T_i，通过行扫描方式统计Z中每一块区域在图像Ibw上对应位置的水平方向黑白跳变的次数D_i，其中扫描位置在[T_i+H_i/3,B_i-H_i/3]之间；

步骤7：从Z中剔除那些D_i<11的区域，得到车牌候选区域集合记为Z′；

步骤8：基于上下边界定位进一步过滤车牌候选区域，具体为：

步骤8.1：对Z′中每个车牌候选区域进行水平方向的投影，记录第i个车牌候选区域的第k行在水平方向上白色像素点的数量x_ik，i＝1,2,…,m′,k∈[T_i,B_i]，其中m′表示Z′中的区域个数；

步骤8.2：对Z′中每个车牌候选区域从下往上扫描，当第i个车牌候选区域在第k行的水平投影值x_ik>x₀时，则将该行的纵坐标记为对应的车牌候选区域下边界B′_i；然后继续往上扫描，当遇到第j行的水平投影值x_ij<x₀时，则将该行的前一行即j+1行的纵坐标记为对应车牌候选区域上边界T′_i，其中k,j∈[T_i,B_i]，x₀表示车牌水平投影阈值；

步骤8.3：从Z′中剔除那些满足|B′_i-T′_i|＜H_i/20的区域，得到新的车牌候选区域集合Z″；

步骤9：定位车牌候选区域左右边界，具体为：

步骤9.1：对Z″中每个车牌候选区域进行垂直方向的投影，记录第i个车牌候选区域的第k列在垂直方向上白色像素点的数量y_ik，i＝1,2,…,m″,k∈[L_i,R_i]，其中m″表示Z″中的区域个数；

步骤9.2：对Z″中每个车牌候选区域从左往右扫描，当第i个车牌候选区域的第k列的垂直投影值y_ik>y₀时，则将该列的横坐标记为对应的车牌候选区域左边界L′_i；然后继续往右扫描，当遇到第l列的垂直投影值y_il<y₀时，则将该列的前一列即l-1列的横坐标记为对应车牌候选区域右边界R′_i，其中k,l∈[L_i,R_i]，y₀表示车牌垂直投影阈值；

步骤10：计算最新的Z″中每一个车牌候选区域的宽高比，其中最接近标准车牌宽高比的区域即为车牌区域，从而完成定位。

通过采用上述技术方案，本发明具有以下优点：本发明充分利用蓝色车牌的颜色信息在B通道与R通道差值的特性，快速实现车牌定位，具有计算量小、速度快、定位准确率高等优点。

附图说明

图1为本发明实施例中蓝底车牌通道分量差运算示意图；

图2为本发明实施例中二值化车牌图像；

图3为本发明实施例中二值化车牌图像经过膨胀后的效果图；

图4为本发明实施例中膨胀图像经过腐蚀后的效果图；

图5为本发明实施例中二值化车牌图像图4提取连通区域后在车牌原二值图像图2上的标记；

图6为本发明实施例中图5的车牌候选区域经过灰度跳变特征筛选后的效果图；

图7为本发明实施例中图6的车牌候选区域经过水平投影确定车牌上下边界；

图8为本发明实施例中图7的车牌候选区域经过垂直投影确定车牌左右边界；

图9为本发明实施例中最终定位效果图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的说明：

参照附图，具体实施步骤如下：

步骤1：对原彩色车辆图像I的R、G、B颜色通道分量作图像差运算，得到的差值图像记为Ibr，相应的公式如下：

Ibr＝Ib-n×Ir (1)

其中Ib和Ir分别表示原彩色车辆图像I的B通道分量和R通道分量，Ibr表示B通道分量与R通道分量的差值图像，n表示是相关系数，与获取的车牌光照强度有关，并且光照越弱，n的值越大。在本实施例中，n取1.2，通道作差之后的效果如图1所示；

步骤2：车牌图像二值化，具体为：运用最大类间方差法对经过通道分量相减之后的灰度图像Ibr进行二值化操作，得到二值图像Ibw；在本发明实施例中，相应的二值化效果图如图2所示；

步骤3：对二值化图像Ibw进行水平方向的膨胀运算，得到膨胀后的图像记为Ibw_dilate。在本发明实施例中，膨胀算子为1×10水平方向的全1算子：[1 1 1 1 1 1 1 1 11]，效果如图3所示；

步骤4：对膨胀后的图像Ibw_dilate进行腐蚀运算，得到腐蚀后的图像记为Ibw_imerode。在本发明实施例中，腐蚀算子为1×10水平方向的全1算子：[1 1 1 1 1 1 1 1 11]，图像腐蚀效果如图4所示。

步骤5：对图像Ibw_imerode搜索连通区域，得到若干个连通区域记为集合Z＝{(T_i,B_i,L_i,R_i)|i＝1,2,…,m}，其中，T_i、B_i、L_i和R_i分别表示第i个连通区域的上下左右边界坐标，m表示搜索到的连通区域的数量。在本发明实施例中，提取的连通区域如图5所示。

步骤6：计算Z中每一块区域高度为H_i＝B_i-T_i，通过行扫描方式统计Z中每一块区域在图像Ibw上对应位置的水平方向黑白跳变的次数D_i，其中扫描位置在[T_i+H_i/3,B_i-H_i/3]之间；

步骤7：从Z中剔除那些D_i<11的区域，得到车牌候选区域集合记为Z′。在本发明实施例中，通过灰度跳变特征剔除那些不具备车牌特征的区域之后的效果如图6所示。

步骤8：基于上下边界定位进一步过滤车牌候选区域，具体为：

步骤8.1：对Z′中每个车牌候选区域进行水平方向的投影，记录第i个车牌候选区域的第k行在水平方向上白色像素点的数量x_ik，i＝1,2,…,m′,k∈[T_i,B_i]，其中m′表示Z′中的区域个数；

步骤8.2：对Z′中每个车牌候选区域从下往上扫描，当第i个车牌候选区域在第k行的水平投影值x_ik>x₀时，则将该行的纵坐标记为对应的车牌候选区域下边界B′_i；然后继续往上扫描，当遇到第j行的水平投影值x_ij<x₀时，则将该行的前一行即j+1行的纵坐标记为对应车牌候选区域上边界T′_i，其中k,j∈[T_i,B_i]，x₀表示车牌水平投影阈值；

步骤8.3：从Z′中剔除那些满足|B′_i-T′_i|＜H_i/20的区域，得到新的车牌候选区域集合记为Z″；

在本发明实施例中，车牌上下边界定位并过滤后的效果如图7所示，其中阈值x₀取100。

步骤9：定位车牌候选区域左右边界，具体为：

步骤9.1：对Z″中每个车牌候选区域进行垂直方向的投影，记录第i个车牌候选区域的第k列在垂直方向上白色像素点的数量y_ik，i＝1,2,…,m″,k∈[L_i,R_i]，其中m″表示Z″中的区域个数；

步骤9.2：对Z″中每个车牌候选区域从左往右扫描，当第i个车牌候选区域的第k列的垂直投影值y_ik>y₀时，则将该列的横坐标记为对应的车牌候选区域左边界L′_i；然后继续往右扫描，当遇到第l列的垂直投影值y_il<y₀时，则将该列的前一列即l+1列的横坐标记为对应车牌候选区域右边界R′_i，其中k,l∈[L_i,R_i]，y₀表示车牌垂直投影阈值；

在本发明实施例中，车牌左右边界定位效果如图8所示，其中阈值y₀取20。

步骤10：计算最新的Z″中每一个车牌候选区域的宽高比，其中最接近标准车牌宽高比的区域即为车牌区域，从而完成定位。在本发明实施例中，最终定位的车牌如图9所示。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围的不应当被视为仅限于实施例中所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种车牌快速定位方法，包括以下步骤：

步骤1：对原彩色车辆图像I的R、G、B颜色通道分量作图像差运算，得到的差值图像记为Ibr，相应的公式如下：

Ibr＝Ib-n×Ir

其中Ib和Ir分别表示原彩色车辆图像I的B通道分量和R通道分量，Ibr表示B通道分量与R通道分量的差值图像，n表示是相关系数；

步骤2：运用最大类间方差法对经过通道分量相减之后的灰度图像Ibr进行二值化操作，得到二值图像Ibw；

步骤3：对二值化图像Ibw进行水平方向的膨胀运算，得到膨胀后的图像记为Ibw_dilate；

步骤4：对膨胀后的图像Ibw_dilate进行腐蚀运算，得到腐蚀后的图像记为Ibw_imerode；

步骤5：对图像Ibw_imerode搜索连通区域，得到若干个连通区域记为集合Z＝{(T_i,B_i,L_i,R_i)|i＝1,2,…,m}，其中，T_i、B_i、L_i和R_i分别表示第i个连通区域的上下左右边界坐标，m表示搜索到的连通区域的数量；

步骤6：计算Z中每一块区域高度为H_i＝B_i-T_i，通过行扫描方式统计Z中每一块区域在图像Ibw上对应位置的水平方向黑白跳变的次数D_i，其中扫描位置在[T_i+H_i/3,B_i-H_i/3]之间；

步骤7：从Z中剔除那些D_i<11的区域，得到车牌候选区域集合记为Z′；

步骤8：基于上下边界定位进一步过滤车牌候选区域，具体为：

步骤8.1：对Z′中每个车牌候选区域进行水平方向的投影，记录第i个车牌候选区域的第k行在水平方向上白色像素点的数量x_ik，i＝1,2,…,m′,k∈[T_i,B_i]，其中m′表示Z′中的区域个数；

步骤8.2：对Z′中每个车牌候选区域从下往上扫描，当第i个车牌候选区域在第k行的水平投影值x_ik>x₀时，则将该行的纵坐标记为对应的车牌候选区域下边界B'_i；然后继续往上扫描，当遇到第j行的水平投影值x_ij<x₀时，则将该行的前一行即j+1行的纵坐标记为对应车牌候选区域上边界T'_i，其中k,j∈[T_i,B_i]，x₀表示车牌水平投影阈值；

步骤8.3：从Z′中剔除那些满足|B′_i-T′_i|＜H_i/20的区域，得到新的车牌候选区域集合Z″；

步骤9：定位车牌候选区域左右边界，具体为：

步骤9.1：对Z″中每个车牌候选区域进行垂直方向的投影，记录第i个车牌候选区域的第k列在垂直方向上白色像素点的数量y_ik，i＝1,2,…,m″,k∈[L_i,R_i]，其中m″表示Z″中的区域个数；

步骤9.2：对Z″中每个车牌候选区域从左往右扫描，当第i个车牌候选区域的第k列的垂直投影值y_ik>y₀时，则将该列的横坐标记为对应的车牌候选区域左边界L'_i；然后继续往右扫描，当遇到第l列的垂直投影值y_il<y₀时，则将该列的前一列即l-1列的横坐标记为对应车牌候选区域右边界R′_i，其中

k,l∈[L_i,R_i]，y₀表示车牌垂直投影阈值；

步骤10：计算最新的Z″中每一个车牌候选区域的宽高比，其中最接近标准车牌宽高比的区域即为车牌区域，从而完成定位。