CN106127206B - 一种车牌的竖直角度检测方法及装置 - Google Patents

一种车牌的竖直角度检测方法及装置 Download PDF

Info

Publication number
CN106127206B
CN106127206B CN201610491063.0A CN201610491063A CN106127206B CN 106127206 B CN106127206 B CN 106127206B CN 201610491063 A CN201610491063 A CN 201610491063A CN 106127206 B CN106127206 B CN 106127206B
Authority
CN
China
Prior art keywords
license plate
character zone
vertical angles
plate area
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610491063.0A
Other languages
English (en)
Other versions
CN106127206A (zh
Inventor
班华忠
王正
李志国
李党
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zhi Xinyuandong Science And Technology Ltd
Original Assignee
Beijing Zhi Xinyuandong Science And Technology Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Zhi Xinyuandong Science And Technology Ltd filed Critical Beijing Zhi Xinyuandong Science And Technology Ltd
Priority to CN201610491063.0A priority Critical patent/CN106127206B/zh
Publication of CN106127206A publication Critical patent/CN106127206A/zh
Application granted granted Critical
Publication of CN106127206B publication Critical patent/CN106127206B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Character Input (AREA)

Abstract

本发明提供了一种车牌的竖直角度检测的方法，该方法包括：输入已经标示出车牌区域、字符区域的图像，若输入图像是彩色图像，对输入图像进行灰度化处理；获取车牌区域的颜色，计算车牌区域的变换灰度值；计算车牌区域的所有像素点的变换灰度的平均值，并将其作为分割阈值，获得二值车牌区域；采用连通区域法对二值车牌区域进行连通区域处理，获得连通字符区域；采用角度变换法对每个连通字符区域进行处理，获取每个连通字符区域的竖直角度；对每个连通字符区域的竖直角度进行融合，获取最佳竖直角度。与现有技术相比，本发明检测的竖直角度即为倾斜角度，其准确率高，适用于车牌矫正领域。

Description

一种车牌的竖直角度检测方法及装置
技术领域
本发明涉及图像处理、视频监控以及安防，特别涉及智能交通领域内的车牌识别方法及装置。
背景技术
中国的汽车工业发展迅速，进入21世纪后，发展势头更加强劲，中国已连续多年卫冕全球最大的汽车消费国，目前机动车保有量超过5000万辆。然而随着我国汽车保有量和公路里程的增加，多重问题也随之出现：车辆管理难度加大，各种违章问题显现。为了缓解上述问题，诞生了智能交通系统。车牌作为一部车辆的身份识别，可以根据车牌追踪到车型、驾驶员、违章记录等，因此车牌识别成为智能交通系统的关键。
然而，由于实际拍摄角度等原因，图像中车牌会出现角度倾斜的问题，如果角度倾斜不做矫正则会影响后期的字符识别。
目前，车牌角度矫正的方法主要包括：(1)基于直线检测的方法，该方法通过检测边框直线获取倾斜角度，但无法对车牌干扰、车牌模糊等进行角度矫正，且计算量较大；(2)基于特征分析的方法，例如主成分分析，但是该方法易受非字符区域的干扰；(3)基于遍历查找的方法，该方法首先通过将车牌旋转到每一个允许的角度位置，然后进行投影获取相应的特征值，通过比较，获取最佳特征值对应的角度，该角度即为倾斜角度，该算法鲁棒性较好，但普遍计算量较大。
综上所述，目前迫切需要提出一种车牌的竖直角度检测方法及装置。
发明内容
有鉴于此，本发明的主要目的在于实现快速的车牌竖直角度矫正。
为达到上述目的，按照本发明的第一个方面，提供了一种车牌的竖直角度检测方法，该方法包括：
第一步骤，输入已经标示出车牌区域、车牌区域内分割的字符区域的图像，若输入图像是彩色图像，对输入图像进行灰度化处理；
第二步骤，采用车牌颜色识别算法获取车牌区域的颜色，计算车牌区域的变换灰度值；
第三步骤，计算车牌区域的所有像素点的变换灰度的平均值，并将其作为分割阈值对车牌区域进行二值化处理，获得二值车牌区域；
第四步骤，采用连通区域法对二值车牌区域进行连通区域处理，获得的连通区域标记为连通字符区域；
第五步骤，采用角度变换法对每个连通字符区域进行处理，获取每个连通字符区域的竖直角度；
第六步骤，对每个连通字符区域的竖直角度进行融合，获取最佳竖直角度。
所述第二步骤中计算车牌区域的变换灰度值进一步包括：对于车牌区域内任意的像素点(x,y)，该像素点(x,y)对应的灰度值为I1(x,y)，以像素点(x,y)为中心，做一个λ1*λ1的矩形窗口，计算该矩形窗口内除去点(x,y)的所有像素点的灰度值的平均值Ia(x,y)，计算像素点(x,y)的变换灰度值I2(x,y)，若车牌区域为蓝色车牌，则若车牌区域为黄色车牌，则
所述第三步骤进一步包括：
变换灰度平均值计算步骤，计算车牌区域内所有像素点的变换灰度值的和的平均值GAve，即I2(xi,yi)为车牌区域内第i个像素点(xi,yi)的变换灰度值，N1为车牌区域内所有像素点的数量；
二值化处理步骤，对于车牌区域内的第i个像素点(xi,yi)，i＝1，2，…，N1，其对应的变换灰度值为I2(xi,yi)，若I2(xi,yi)≥GAve，则将该像素点(xi,yi)标记为前景点，否则将该像素点(xi,yi)标记为背景点，以获得标记前景点和背景点的二值车牌区域。
所述第五步骤中角度变换法进一步包括：
中心点获取步骤，扫描连通字符区域，统计连通字符区域内的像素点在x方向上的最小值xmin和最大值xmax、在y方向上的最小值ymin和最大值ymax，根据上边界y＝ymin、下边界y＝ymax、左边界x＝xmin、右边界x＝xmax，计算连通字符区域的中心点O(x0,y0)，即
角度变换步骤，以连通字符区域的中心点O(x0,y0)为中心，对连通字符区域R内所有像素点分别以角度θk进行旋转，旋转后得到一系列旋转连通字符区域Rk，其中θk表示第k次旋转的角度，θk＝-Th_θ+λ2*k，λ为旋转角度步长，Th_θ为旋转最大角度，k＝1，2，…，N2，且为整数；
旋转连通字符区域宽度计算步骤，分别对旋转连通字符区域Rk进行扫描，统计旋转连通字符区域Rk内的像素点在x方向上的最小值xkmin和最大值xkmax，计算旋转连通字符区域Rk的宽度Wk＝xkmax-xkmin；
竖直角度获取步骤，统计Wk的最小值，将最小值Wk对应的θk作为连通字符区域的竖直角度φ。
所述第六步骤进一步包括：
竖直角度平均值和方差计算步骤，计算所有连通字符区域的竖直角度的平均值即φj表示第j个连通字符区域Rj的竖直角度，j＝1，2，…，N3，N3表示连通字符区域的数量，计算所有连通字符区域的竖直角度的方差σ，即
竖直角度筛选步骤，计算每个连通字符区域Rj的竖直角度φj与竖直角度平均值之间的绝对差值若将该连通字符区域Rj标记为不计算竖直角度的连通字符区域；
竖直角度判断步骤，若存在不计算竖直角度的连通字符区域，则重新计算剩余的连通字符区域的竖直角度的平均值将作为最佳竖直角度并输出，否则直接将竖直角度的平均值作为最佳竖直角度并输出。
按照本发明的另一个方面，提供了一种车牌的竖直角度检测装置，该装置包括：
图像输入及灰度化处理模块，用于输入已经标示出车牌区域、车牌区域内分割的字符区域的图像，若输入图像是彩色图像，对输入图像进行灰度化处理；
变换灰度值计算模块，用于采用车牌颜色识别算法获取车牌区域的颜色，计算车牌区域的变换灰度值；
二值车牌区域获取模块，用于计算车牌区域的所有像素点的变换灰度的平均值，并将其作为分割阈值对车牌区域进行二值化处理，获得二值车牌区域；
连通字符区域获取模块，用于采用连通区域法对二值车牌区域进行连通区域处理，获得的连通区域标记为连通字符区域；
角度变换模块，用于采用角度变换模块对每个连通字符区域进行处理，获取每个连通字符区域的竖直角度；
最佳竖直角度获取模块，用于对每个连通字符区域的竖直角度进行融合，获取最佳竖直角度。
所述变换灰度值计算模块中计算车牌区域的变换灰度值进一步包括：对于车牌区域内任意的像素点(x,y)，该像素点(x,y)对应的灰度值为I1(x,y)，以像素点(x,y)为中心，做一个λ1*λ1的矩形窗口，计算该矩形窗口内除去点(x,y)的所有像素点的灰度值的平均值Ia(x,y)，计算像素点(x,y)的变换灰度值I2(x,y)，若车牌区域为蓝色车牌，则
若车牌区域为黄色车牌，则
所述二值车牌区域获取模块进一步包括：
变换灰度平均值计算模块，用于计算车牌区域内所有像素点的变换灰度值的和的平均值GAve，即I2(xi,yi)为车牌区域内第i个像素点(xi,yi)的变换灰度值，N1为车牌区域内所有像素点的数量；
二值化处理模块，用于对于车牌区域内的第i个像素点(xi,yi)，i＝1，2，…，N1，其对应的变换灰度值为I2(xi,yi)，若I2(xi,yi)≥GAve，则将该像素点(xi,yi)标记为前景点，否则将该像素点(xi,yi)标记为背景点，以获得标记前景点和背景点的二值车牌区域。
所述角度变换模块中角度变换模块进一步包括：
中心点获取模块，用于扫描连通字符区域，统计连通字符区域内的像素点在x方向上的最小值xmin和最大值xmax、在y方向上的最小值ymin和最大值ymax，根据上边界y＝ymin、下边界y＝ymax、左边界x＝xmin、右边界x＝xmax，计算连通字符区域的中心点O(x0,y0)，即
角度变换模块，用于以连通字符区域的中心点O(x0,y0)为中心，对连通字符区域R内所有像素点分别以角度θk进行旋转，旋转后得到一系列旋转连通字符区域Rk，其中θk表示第k次旋转的角度，θk＝-Th_θ+λ2*k，λ为旋转角度步长，Th_θ为旋转最大角度，k＝1，2，…，N2，且为整数；
旋转连通字符区域宽度计算模块，用于分别对旋转连通字符区域Rk进行扫描，统计旋转连通字符区域Rk内的像素点在x方向上的最小值xkmin和最大值xkmax，计算旋转连通字符区域Rk的宽度Wk＝xkmax-xkmin；
竖直角度获取模块，用于统计Wk的最小值，将最小值Wk对应的θk作为连通字符区域的竖直角度φ。
所述最佳竖直角度获取模块进一步包括：
竖直角度平均值和方差计算模块，用于计算所有连通字符区域的竖直角度的平均值即φj表示第j个连通字符区域Rj的竖直角度，j＝1，2，…，N3，N3表示连通字符区域的数量，计算所有连通字符区域的竖直角度的方差σ，即
竖直角度筛选模块，用于计算每个连通字符区域Rj的竖直角度φj与竖直角度平均值之间的绝对差值若将该连通字符区域Rj标记为不计算竖直角度的连通字符区域；
竖直角度判断模块，用于若存在不计算竖直角度的连通字符区域，则重新计算剩余的连通字符区域的竖直角度的平均值将作为最佳竖直角度并输出，否则直接将竖直角度的平均值作为最佳竖直角度并输出。
与现有的车牌角度矫正技术相比，本发明的一种车牌的竖直角度检测方法及装置可以快速地检测车牌的最佳竖直角度，且鲁棒性较好。根据本发明的一种车牌的竖直角度检测方法及装置获得的最佳竖直角度可以对车牌进行角度矫正，因此适用于车牌识别领域。
附图说明
图1示出了按照本发明的一种车牌的竖直角度检测方法的流程图。
图2示出了按照本发明的一种车牌的竖直角度检测装置的框架图。
具体实施方式
为使贵审查员能进一步了解本发明的结构、特征及其他目的，现结合所附较佳实施例详细说明如下，所说明的较佳实施例仅用于说明本发明的技术方案，并非限定本发明。
图1给出了按照本发明的本发明的一种车牌的竖直角度检测方法的流程图。如图1所示，按照本发明的一种车牌的竖直角度检测方法包括：
第一步骤S1，输入已经标示出车牌区域、车牌区域内分割的字符区域的图像，若输入图像是彩色图像，对输入图像进行灰度化处理；
第二步骤S2，采用车牌颜色识别算法获取车牌区域的颜色，计算车牌区域的变换灰度值；
第三步骤S3，计算车牌区域的所有像素点的变换灰度的平均值，并将其作为分割阈值对车牌区域进行二值化处理，获得二值车牌区域；
第四步骤S4，采用连通区域法对二值车牌区域进行连通区域处理，获得的连通区域标记为连通字符区域；
第五步骤S5，采用角度变换法对每个连通字符区域进行处理，获取每个连通字符区域的竖直角度；
第六步骤S6，对每个连通字符区域的竖直角度进行融合，获取最佳竖直角度。
其中，所述第一步骤S1中车牌区域是指通过现有的车牌检测或者定位技术获取的车牌区域。例如，“胡峰松，朱浩.基于HSI颜色空间和行扫描的车牌定位算法.《计算机工程与设计》,2015(4):977-982”。所述车牌区域内分割的字符区域是指通过现有的经过字符分割技术获取的字符区域。例如，“崔文学，崔义川，王朝晖，巩亮琴，刘明等.基于模板匹配和垂直投影的车牌字符分割算法.《齐齐哈尔大学学报:自然科学版》,2015,31(6):12-16”。
所述第二步骤S2中车牌颜色识别算法可以通过现有的车牌颜色识别方法实现。例如，“王峰，刘直芳，曼丽春.模糊逻辑与学习方法的车牌颜色识别算法.《光电子:激光》,2009(1):84-88”。
所述第二步骤S2中计算车牌区域的变换灰度值进一步包括：对于车牌区域内任意的像素点(x,y)，该像素点(x,y)对应的灰度值为I1(x,y)，以像素点(x,y)为中心，做一个λ1*λ1的矩形窗口，计算该矩形窗口内除去点(x,y)的所有像素点的灰度值的平均值Ia(x,y)，计算像素点(x,y)的变换灰度值I2(x,y)，若车牌区域为蓝色车牌，则若车牌区域为黄色车牌，则
所述λ1∈[10,20]。优选地，λ1选为15。
所述第三步骤S3进一步包括：
变换灰度平均值计算步骤S31，计算车牌区域内所有像素点的变换灰度值的和的平均值GAve，即I2(xi,yi)为车牌区域内第i个像素点(xi,yi)的变换灰度值，N1为车牌区域内所有像素点的数量；
二值化处理步骤S32，对于车牌区域内的第i个像素点(xi,yi)，i＝1，2，…，N1，其对应的变换灰度值为I2(xi,yi)，若I2(xi,yi)≥GAve，则将该像素点(xi,yi)标记为前景点，否则将该像素点(xi,yi)标记为背景点，以获得标记前景点和背景点的二值车牌区域。
所述第四步骤S4中连通区域法通过现有的技术实现。
所述第五步骤S5中角度变换法进一步包括：
中心点获取步骤S51，扫描连通字符区域，统计连通字符区域内的像素点在x方向上的最小值xmin和最大值xmax、在y方向上的最小值ymin和最大值ymax，根据上边界y＝ymin、下边界y＝ymax、左边界x＝xmin、右边界x＝xmax，计算连通字符区域的中心点O(x0,y0)，即
角度变换步骤S52，以连通字符区域的中心点O(x0,y0)为中心，对连通字符区域R内所有像素点分别以角度θk进行旋转，旋转后得到一系列旋转连通字符区域Rk，其中θk表示第k次旋转的角度，θk＝-Th_θ+λ2*k，λ为旋转角度步长，Th_θ为旋转最大角度，k＝1，2，…，N2，且为整数；
旋转连通字符区域宽度计算步骤S53，分别对旋转连通字符区域Rk进行扫描，统计旋转连通字符区域Rk内的像素点在x方向上的最小值xkmin和最大值xkmax，计算旋转连通字符区域Rk的宽度Wk＝xkmax-xkmin；
竖直角度获取步骤S54，统计Wk的最小值，将最小值Wk对应的θk作为连通字符区域的竖直角度φ。
所述角度变换步骤S52中Th_θ∈[20°,40°]，λ2∈[1°,3°]。优选地，Th_θ选为32°，λ2选为1°。
所述对连通字符区域R内所有像素点分别以角度θk进行旋转进一步包括：对于连通字符区域R内任意一个像素点P(xp,yp)，p表示连通字符区域内扫描到的第p个点，p＝1，2，…，RNum，RNum为连通字符区域内的像素点的数量，以角度θk旋转后像素点P(xp,yp)变为Pk(x′p,yp)，x′p＝x0+(yp-y0)*tan(θk)，O(x0,y0)为连通字符区域的中心点。
所述第六步骤S6进一步包括：
竖直角度平均值和方差计算步骤S61，计算所有连通字符区域的竖直角度的平均值即φj表示第j个连通字符区域Rj的竖直角度，j＝1，2，…，N3，N3表示连通字符区域的数量，计算所有连通字符区域的竖直角度的方差σ，即
竖直角度筛选步骤S62，计算每个连通字符区域Rj的竖直角度φj与竖直角度平均值之间的绝对差值j＝1，2，…，N3，若将该连通字符区域Rj标记为不计算竖直角度的连通字符区域；
竖直角度判断步骤S63，若存在不计算竖直角度的连通字符区域，则重新计算剩余的连通字符区域的竖直角度的平均值将作为最佳竖直角度并输出，否则直接将竖直角度的平均值作为最佳竖直角度并输出。
其中，所述η∈[1.5,2.1]。优选地，η选为1.8。
图2给出了按照本发明的一种车牌的竖直角度检测装置的框架图。如图2所示，按照本发明的一种车牌的竖直角度检测装置包括：
图像输入及灰度化处理模块1，用于输入已经标示出车牌区域、车牌区域内分割的字符区域的图像，若输入图像是彩色图像，对输入图像进行灰度化处理；
变换灰度值计算模块2，用于采用车牌颜色识别算法获取车牌区域的颜色，计算车牌区域的变换灰度值；
二值车牌区域获取模块3，用于计算车牌区域的所有像素点的变换灰度的平均值，并将其作为分割阈值对车牌区域进行二值化处理，获得二值车牌区域；
连通字符区域获取模块4，用于采用连通区域法对二值车牌区域进行连通区域处理，获得的连通区域标记为连通字符区域；
角度变换模块5，用于采用角度变换模块50对每个连通字符区域进行处理，获取每个连通字符区域的竖直角度；
最佳竖直角度获取模块6，用于对每个连通字符区域的竖直角度进行融合，获取最佳竖直角度。
其中，所述图像输入及灰度化处理模块1中车牌区域是指通过现有的车牌检测或者定位技术获取的车牌区域。例如，“胡峰松，朱浩.基于HSI颜色空间和行扫描的车牌定位算法.《计算机工程与设计》,2015(4):977-982”。所述车牌区域内分割的字符区域是指通过现有的经过字符分割技术获取的字符区域。例如，“崔文学，崔义川，王朝晖，巩亮琴，刘明等.基于模板匹配和垂直投影的车牌字符分割算法.《齐齐哈尔大学学报:自然科学版》,2015,31(6):12-16”。
所述变换灰度值计算模块2中车牌颜色识别算法可以通过现有的车牌颜色识别方法实现。例如，“王峰，刘直芳，曼丽春.模糊逻辑与学习方法的车牌颜色识别算法.《光电子:激光》,2009(1):84-88”。
所述变换灰度值计算模块2中计算车牌区域的变换灰度值进一步包括：对于车牌区域内任意的像素点(x,y)，该像素点(x,y)对应的灰度值为I1(x,y)，以像素点(x,y)为中心，做一个λ1*λ1的矩形窗口，计算该矩形窗口内除去点(x,y)的所有像素点的灰度值的平均值Ia(x,y)，计算像素点(x,y)的变换灰度值I2(x,y)，若车牌区域为蓝色车牌，则
若车牌区域为黄色车牌，则
所述λ1∈[10,20]。优选地，λ1选为15。
所述二值车牌区域获取模块3进一步包括：
变换灰度平均值计算模块31，用于计算车牌区域内所有像素点的变换灰度值的和的平均值GAve，即I2(xi,yi)为车牌区域内第i个像素点(xi,yi)的变换灰度值，N1为车牌区域内所有像素点的数量；
二值化处理模块32，用于对于车牌区域内的第i个像素点(xi,yi)，i＝1，2，…，N1，其对应的变换灰度值为I2(xi,yi)，若I2(xi,yi)≥GAve，则将该像素点(xi,yi)标记为前景点，否则将该像素点(xi,yi)标记为背景点，以获得标记前景点和背景点的二值车牌区域。
所述连通字符区域获取模块4中连通区域法通过现有的技术实现。
所述角度变换模块5中角度变换模块50进一步包括：
中心点获取模块51，用于扫描连通字符区域，统计连通字符区域内的像素点在x方向上的最小值xmin和最大值xmax、在y方向上的最小值ymin和最大值ymax，根据上边界y＝ymin、下边界y＝ymax、左边界x＝xmin、右边界x＝xmax，计算连通字符区域的中心点O(x0,y0)，即
角度变换模块52，用于以连通字符区域的中心点O(x0,y0)为中心，对连通字符区域R内所有像素点分别以角度θk进行旋转，旋转后得到一系列旋转连通字符区域Rk，其中θk表示第k次旋转的角度，θk＝-Th_θ+λ2*k，λ为旋转角度步长，Th_θ为旋转最大角度，k=1，2，…，N2，且为整数；
旋转连通字符区域宽度计算模块53，用于分别对旋转连通字符区域Rk进行扫描，统计旋转连通字符区域Rk内的像素点在x方向上的最小值xkmin和最大值xkmax，计算旋转连通字符区域Rk的宽度Wk＝xkmax-xkmin；
竖直角度获取模块54，用于统计Wk的最小值，将最小值Wk对应的θk作为连通字符区域的竖直角度φ。
所述角度变换模块52中Th_θ∈[20°,40°]，λ2∈[1°,3°]。优选地，Th_θ选为32°，λ2选为1°。
所述对连通字符区域R内所有像素点分别以角度θk进行旋转进一步包括：对于连通字符区域R内任意一个像素点P(xp,yp)，p表示连通字符区域内扫描到的第p个点，p＝1，2，…，RNum，RNum为连通字符区域内的像素点的数量，以角度θk旋转后像素点P(xp,yp)变为Pk(x′p,yp)，x′p＝x0+(yp-y0)*tan(θk)，O(x0,y0)为连通字符区域的中心点。
所述最佳竖直角度获取模块6进一步包括：
竖直角度平均值和方差计算模块61，用于计算所有连通字符区域的竖直角度的平均值即φj表示第j个连通字符区域Rj的竖直角度，j＝1，2，…，N3，N3表示连通字符区域的数量，计算所有连通字符区域的竖直角度的方差σ，即
竖直角度筛选模块62，用于计算每个连通字符区域Rj的竖直角度φj与竖直角度平均值之间的绝对差值若将该连通字符区域Rj标记为不计算竖直角度的连通字符区域；
竖直角度判断模块63，用于若存在不计算竖直角度的连通字符区域，则重新计算剩余的连通字符区域的竖直角度的平均值将作为最佳竖直角度并输出，否则直接将竖直角度的平均值作为最佳竖直角度并输出。
其中，所述η∈[1.5,2.1]。优选地，η选为1.8。
与现有的车牌角度矫正技术相比，本发明的一种车牌的竖直角度检测方法及装置可以快速地检测车牌的最佳竖直角度，且鲁棒性较好。根据本发明的一种车牌的竖直角度检测方法及装置获得的最佳竖直角度可以对车牌进行角度矫正，因此适用于车牌识别领域。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，应当理解，本发明并不限于这里所描述的实现方案，这些实现方案描述的目的在于帮助本领域中的技术人员实践本发明。任何本领域中的技术人员很容易在不脱离本发明精神和范围的情况下进行进一步的改进和完善，因此本发明只受到本发明权利要求的内容和范围的限制，其意图涵盖所有包括在由所附权利要求所限定的本发明精神和范围内的备选方案和等同方案。

Claims (12)

1.一种车牌的竖直角度检测方法，其特征在于，该方法包括：
第一步骤，输入已经标示出车牌区域、车牌区域内分割的字符区域的图像，若输入图像是彩色图像，对输入图像进行灰度化处理；
第二步骤，采用车牌颜色识别算法获取车牌区域的颜色，计算车牌区域的变换灰度值；
第三步骤，计算车牌区域的所有像素点的变换灰度的平均值，并将其作为分割阈值对车牌区域进行二值化处理，获得二值车牌区域；
第四步骤，采用连通区域法对二值车牌区域进行连通区域处理，获得的连通区域标记为连通字符区域；
第五步骤，采用角度变换法对每个连通字符区域进行处理，获取每个连通字符区域的竖直角度；
第六步骤，对每个连通字符区域的竖直角度进行融合，获取最佳竖直角度；
其中，所述角度变换法包括：
中心点获取步骤，扫描连通字符区域，统计连通字符区域内的像素点在x方向上的最小值xmin和最大值xmax、在y方向上的最小值ymin和最大值ymax，根据上边界y＝ymin、下边界y＝ymax、左边界x＝xmin、右边界x＝xmax，计算连通字符区域的中心点O(x0,y0)，即
角度变换步骤，以连通字符区域的中心点O(x0,y0)为中心，对连通字符区域R内所有像素点分别以角度θk进行旋转，旋转后得到一系列旋转连通字符区域Rk，其中θk表示第k次旋转的角度，θk＝-Th_θ+λ2*k，λ2为旋转角度步长，Th_θ为旋转最大角度，k＝1，2，…，N2，且为整数；
旋转连通字符区域宽度计算步骤，分别对旋转连通字符区域Rk进行扫描，统计旋转连通字符区域Rk内的像素点在x方向上的最小值xkmin和最大值xkmax，计算旋转连通字符区域Rk的宽度Wk＝xkmax-xkmin；
竖直角度获取步骤，统计Wk的最小值，将最小值Wk对应的θk作为连通字符区域的竖直角度φ。
2.如权利要求1所述的方法，其特征在于，所述第二步骤中计算车牌区域的变换灰度值进一步包括：对于车牌区域内任意的像素点(x,y)，该像素点(x,y)对应的灰度值为I1(x,y)，以像素点(x,y)为中心，做一个λ1*λ1的矩形窗口，计算该矩形窗口内除去点(x,y)的所有像素点的灰度值的平均值Ia(x,y)，计算像素点(x,y)的变换灰度值I2(x，y)，若车牌区域为蓝色车牌，则若车牌区域为黄色车牌，则
其中，所述λ1∈[10,20]。
3.如权利要求1所述的方法，其特征在于，所述第三步骤包括：
变换灰度平均值计算步骤，计算车牌区域内所有像素点的变换灰度值的和的平均值GAve，即I2(xi,yi)为车牌区域内第i个像素点(xi,yi)的变换灰度值，N1为车牌区域内所有像素点的数量；
二值化处理步骤，对于车牌区域内的第i个像素点(xi,yi)，i＝1，2，…，N1，其对应的变换灰度值为I2(xi,yi)，若I2(xi,yi)≥GAve，则将该像素点(xi,yi)标记为前景点，否则将该像素点(xi,yi)标记为背景点，以获得标记前景点和背景点的二值车牌区域。
4.如权利要求1所述的方法，其特征在于，所述第五步骤中对连通字符区域R内所有像素点分别以角度θk进行旋转进一步包括：对于连通字符区域R内任意一个像素点P(xp,yp)，p表示连通字符区域内扫描到的第p个点，p＝1，2，…，RNum，RNum为连通字符区域内的像素点的数量，以角度θk旋转后像素点P(xp,yp)变为Pk(x′p,yp)，x′p＝x0+(yp-y0)*tan(θk)，O(x0,y0)为连通字符区域的中心点。
5.如权利要求1所述的方法，所述Th_θ∈[20°,40°]，λ2∈[1°,3°]。
6.如权利要求1所述的方法，其特征在于，所述第六步骤包括：
竖直角度平均值和方差计算步骤，计算所有连通字符区域的竖直角度的平均值即φj表示第j个连通字符区域Rj的竖直角度，j＝1，2，…，N3，N3表示连通字符区域的数量，计算所有连通字符区域的竖直角度的方差σ，即
竖直角度筛选步骤，计算每个连通字符区域Rj的竖直角度φj与竖直角度平均值之间的绝对差值若将该连通字符区域Rj标记为不计算竖直角度的连通字符区域；
竖直角度判断步骤，若存在不计算竖直角度的连通字符区域，则重新计算剩余的连通字符区域的竖直角度的平均值将作为最佳竖直角度并输出，否则直接将竖直角度的平均值作为最佳竖直角度并输出；
其中，所述η∈[1.5,2.1]。
7.一种车牌的竖直角度检测装置，其特征在于，该装置包括：
图像输入及灰度化处理模块，用于输入已经标示出车牌区域、车牌区域内分割的字符区域的图像，若输入图像是彩色图像，对输入图像进行灰度化处理；
变换灰度值计算模块，用于采用车牌颜色识别算法获取车牌区域的颜色，计算车牌区域的变换灰度值；
二值车牌区域获取模块，用于计算车牌区域的所有像素点的变换灰度的平均值，并将其作为分割阈值对车牌区域进行二值化处理，获得二值车牌区域；
连通字符区域获取模块，用于采用连通区域法对二值车牌区域进行连通区域处理，获得的连通区域标记为连通字符区域；
角度变换模块，用于采用角度变换模块对每个连通字符区域进行处理，获取每个连通字符区域的竖直角度；
最佳竖直角度获取模块，用于对每个连通字符区域的竖直角度进行融合，获取最佳竖直角度；
其中，所述角度变换模块包括：
中心点获取模块，用于扫描连通字符区域，统计连通字符区域内的像素点在x方向上的最小值xmin和最大值xmax、在y方向上的最小值ymin和最大值ymax，根据上边界y＝ymin、下边界y＝ymax、左边界x＝xmin、右边界x＝xmax，计算连通字符区域的中心点O(x0,y0)，即
角度变换模块，用于以连通字符区域的中心点O(x0,y0)为中心，对连通字符区域R内所有像素点分别以角度θk进行旋转，旋转后得到一系列旋转连通字符区域Rk，其中θk表示第k次旋转的角度，θk＝-Th_θ+λ2*k，λ2为旋转角度步长，Th_θ为旋转最大角度，k＝1，2，…，N2，且为整数；
旋转连通字符区域宽度计算模块，用于分别对旋转连通字符区域Rk进行扫描，统计旋转连通字符区域Rk内的像素点在x方向上的最小值xkmin和最大值xkmax，计算旋转连通字符区域Rk的宽度Wk＝xkmax-xkmin；
竖直角度获取模块，用于统计Wk的最小值，将最小值Wk对应的θk作为连通字符区域的竖直角度φ。
8.如权利要求7所述的装置，其特征在于，所述变换灰度值计算模块中计算车牌区域的变换灰度值包括：对于车牌区域内任意的像素点(x,y)，该像素点(x,y)对应的灰度值为I1(x,y)，以像素点(x,y)为中心，做一个λ1*λ1的矩形窗口，计算该矩形窗口内除去点(x,y)的所有像素点的灰度值的平均值Ia(x,y)，计算像素点(x,y)的变换灰度值I2(x,y)，若车牌区域为蓝色车牌，则若车牌区域为黄色车牌，则
其中，所述λ1∈[10,20]。
9.如权利要求7所述的装置，其特征在于，所述二值车牌区域获取模块包括：变换灰度平均值计算模块，用于计算车牌区域内所有像素点的变换灰度值的和的平均值GAve，即I2(xi，yi)为车牌区域内第i个像素点(xi,yi)的变换灰度值，N1为车牌区域内所有像素点的数量；
二值化处理模块，用于对于车牌区域内的第i个像素点(xi,yi)，i＝1，2，…，N1，其对应的变换灰度值为I2(xi,yi)，若I2(xi,yi)≥GAve，则将该像素点(xi,yi)标记为前景点，否则将该像素点(xi,yi)标记为背景点，以获得标记前景点和背景点的二值车牌区域。
10.如权利要求7所述的装置，其特征在于，所述角度变换模块中对连通字符区域R内所有像素点分别以角度θk进行旋转进一步包括：对于连通字符区域R内任意一个像素点P(xp,yp)，p表示连通字符区域内扫描到的第p个点，p＝1，2，…，RNum，RNum为连通字符区域内的像素点的数量，以角度θk旋转后像素点P(xp,yp)变为Pk(x′p,yp)，x′p＝x0+(yp-y0)*tan(θk)，O(x0,y0)为连通字符区域的中心点。
11.如权利要求7所述的装置，所述Th_θ∈[20°,40°]，λ2∈[1°,3°]。
12.如权利要求7所述的装置，其特征在于，所述最佳竖直角度获取模块包括：竖直角度平均值和方差计算模块，用于计算所有连通字符区域的竖直角度的平均值即φj表示第j个连通字符区域Rj的竖直角度，j＝1，2，…，N3，N3表示连通字符区域的数量，计算所有连通字符区域的竖直角度的方差σ，即
竖直角度筛选模块，用于计算每个连通字符区域Rj的竖直角度φj与竖直角度平均值之间的绝对差值若将该连通字符区域Rj标记为不计算竖直角度的连通字符区域；
竖直角度判断模块，用于若存在不计算竖直角度的连通字符区域，则重新计算剩余的连通字符区域的竖直角度的平均值将作为最佳竖直角度并输出，否则直接将竖直角度的平均值作为最佳竖直角度并输出；
其中，所述η∈[1.5,2.1]。
CN201610491063.0A 2016-06-28 2016-06-28 一种车牌的竖直角度检测方法及装置 Active CN106127206B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610491063.0A CN106127206B (zh) 2016-06-28 2016-06-28 一种车牌的竖直角度检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610491063.0A CN106127206B (zh) 2016-06-28 2016-06-28 一种车牌的竖直角度检测方法及装置

Publications (2)

Publication Number Publication Date
CN106127206A CN106127206A (zh) 2016-11-16
CN106127206B true CN106127206B (zh) 2019-04-05

Family

ID=57284436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610491063.0A Active CN106127206B (zh) 2016-06-28 2016-06-28 一种车牌的竖直角度检测方法及装置

Country Status (1)

Country Link
CN (1) CN106127206B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106874904A (zh) * 2017-01-09 2017-06-20 北京大学深圳研究生院 一种车牌图片矫正方法及装置
CN107680108B (zh) * 2017-07-28 2019-06-21 平安科技（深圳）有限公司 倾斜图像的倾斜值获取方法、装置、终端及存储介质
CN107944449B (zh) * 2017-10-26 2020-08-18 福建网龙计算机网络信息技术有限公司 一种缩放字符的方法及终端
CN108171238B (zh) * 2017-12-22 2021-10-26 北京智芯原动科技有限公司 一种车牌的倾斜角度检测方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4878248A (en) * 1988-04-18 1989-10-31 Industrial Technology Research Institute Method and apparatus for automatically recognizing license plate characters
CN102184399A (zh) * 2011-03-31 2011-09-14 上海名图信息技术有限公司 基于水平投影和连通域分析的字符分割方法
CN103065138A (zh) * 2012-12-06 2013-04-24 新疆公众信息产业股份有限公司 一种机动车牌号的识别方法
CN103116751A (zh) * 2013-01-24 2013-05-22 河海大学 一种车牌字符自动识别方法
CN104318233A (zh) * 2014-10-19 2015-01-28 温州大学 车牌图像水平倾斜校正方法
CN104408451A (zh) * 2014-10-30 2015-03-11 安徽清新互联信息科技有限公司 一种基于最小二乘法的车牌校正方法
CN105279512A (zh) * 2015-10-22 2016-01-27 东方网力科技股份有限公司 一种倾斜车牌识别方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9020200B2 (en) * 2012-06-12 2015-04-28 Xerox Corporation Geometric pre-correction for automatic license plate recognition

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4878248A (en) * 1988-04-18 1989-10-31 Industrial Technology Research Institute Method and apparatus for automatically recognizing license plate characters
CN102184399A (zh) * 2011-03-31 2011-09-14 上海名图信息技术有限公司 基于水平投影和连通域分析的字符分割方法
CN103065138A (zh) * 2012-12-06 2013-04-24 新疆公众信息产业股份有限公司 一种机动车牌号的识别方法
CN103116751A (zh) * 2013-01-24 2013-05-22 河海大学 一种车牌字符自动识别方法
CN104318233A (zh) * 2014-10-19 2015-01-28 温州大学 车牌图像水平倾斜校正方法
CN104408451A (zh) * 2014-10-30 2015-03-11 安徽清新互联信息科技有限公司 一种基于最小二乘法的车牌校正方法
CN105279512A (zh) * 2015-10-22 2016-01-27 东方网力科技股份有限公司 一种倾斜车牌识别方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《融合Hough与Ｒadon变换的车牌倾斜校正算法》;于明 等；;《控制工程》;20131130;第20卷(第6期);第1014-1017页；

Also Published As

Publication number Publication date
CN106127206A (zh) 2016-11-16

Similar Documents

Publication Publication Date Title
CN106127206B (zh) 一种车牌的竖直角度检测方法及装置
CN109145915B (zh) 一种复杂场景下车牌快速畸变矫正方法
TWI384408B (zh) 影像辨識以及輸出方法與其系統
TWI381321B (zh) 重組多張影像與辨識方法以及影像擷取與辨識系統
Lu et al. Perspective rectification of document images using fuzzy set and morphological operations
CN106557764B (zh) 一种基于二进制编码字符水尺和图像处理的水位识别方法
CN109886896A (zh) 一种蓝色车牌分割与矫正方法
CN103824091B (zh) 一种用于智能交通系统的车牌识别方法
CN106156684B (zh) 一种二维码识别方法及装置
CN108319958A (zh) 一种基于特征融合匹配的行驶证检测和识别方法
CN107563330B (zh) 一种监控视频中的水平倾斜车牌矫正方法
CN108734235A (zh) 一种用于电子处方的身份识别方法及系统
CN102147867B (zh) 一种基于主体的国画图像和书法图像的识别方法
TWI522934B (zh) 智慧型手機之陀螺儀感測器車牌辨識系統及其方法
CN109409158B (zh) 一种基于二维码边缘粗糙度的防伪方法
Adam et al. Automatic road sign detecion and classification based on support vector machines and HOG descriptos
CN104156701A (zh) 一种基于决策树和svm的车牌相似字符识别方法
CN108549890A (zh) 基于图像识别的发票倾斜检测及几何校正方法
CN114612980A (zh) 基于多方位交融注意力的变形人脸检测
Salahshoor et al. Application of intelligent systems for iranian license plate recognition
Coronado et al. Detection and classification of road signs for automatic inventory systems using computer vision
CN103680145A (zh) 一种基于局部图像特征的人车自动识别方法
Fitriyah et al. Traffic sign recognition using edge detection and eigen-face: Comparison between with and without color pre-classification based on Hue
CN110569801B (zh) 一种行驶证关键内容识别方法
CN109325487B (zh) 一种基于目标检测的全种类车牌识别方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant