CN107016389A - 一种车牌定位的方法以及装置 - Google Patents
一种车牌定位的方法以及装置 Download PDFInfo
- Publication number
- CN107016389A CN107016389A CN201710224323.2A CN201710224323A CN107016389A CN 107016389 A CN107016389 A CN 107016389A CN 201710224323 A CN201710224323 A CN 201710224323A CN 107016389 A CN107016389 A CN 107016389A
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- license plate
- gray
- scale map
- 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.)
- Granted
Links
Classifications
-
- 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
-
- 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)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种车牌定位的方法以及装置,通过获取待定位图像;计算上述待定位图像的每个像素点和相邻像素点的像素差异值,根据上述像素差异值,选取出车牌候选区域;将上述车牌候选区域进行R通道和G通道灰度化操作,得出上述车牌候选区域的灰度图;对上述灰度图进行全局均值二值化,得出二值灰度图;根据车牌字符分布特征以及上述二值灰度图,判断上述二值灰度图对应的上述车牌候选区域是否为车牌区域。通过相邻像素差异值来筛选车牌候选区域,可以提高干扰因素被提取的门槛,有效地减少干扰因素的影响,同时使得伪候选区域数量减少,进而提高了车牌定位的效率以及准确率。可见,本申请使得车牌定位的效率较高且准确率较高。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种车牌定位的方法以及装置。
背景技术
随着图像处理技术的发展进步,基于图像处理技术的车牌定位技术也在不断地进步。
车牌定位技术是车牌识别的前提,在车辆管理中扮演的角色举足轻重。车牌定位技术可以将包含有车牌的图像进行处理,以得到仅包含车牌的图像部分。而车牌定位一般首先将待定位图像进行处理,获取一个或者多个车牌候选区域,该车牌候选区域可以是指有可能包含车牌的区域;然后对车牌候选区域进行筛选,判断该车牌候选区域是否包含有车牌。
在现有的车牌定位技术中,当采集车牌图像的环境过于复杂时,基于颜色特征进行车牌定位,容易被大量的背景颜色干扰,而基于灰度图像进行车牌定位,则会被大量的背景元素的边缘干扰。车牌定位时,存在大量的干扰因素,会使得高效率和高准确率两者不可兼得,即提高准确率必然会降低效率,而提高效率则会因为忽略掉过多的特征降低了准确率。基于上述情况,如何使得车牌定位的效率较高且准确率较高是本领域亟待解决的问题。
发明内容
本发明的目的是提供一种车牌定位的方法以及装置,目的在于解决现有技术中车牌定位中高效率和高准确率两者不可兼得的问题。
为解决上述技术问题,本发明提供一种车牌定位的方法,该方法包括:
获取待定位图像;
计算所述待定位图像的每个像素点和相邻像素点的像素差异值,根据所述像素差异值,选取出车牌候选区域;
将所述车牌候选区域进行R通道和G通道灰度化操作,得出所述车牌候选区域的灰度图;
对所述灰度图进行全局均值二值化,得出二值灰度图;
根据车牌字符分布特征以及所述二值灰度图,判断所述二值灰度图对应的所述车牌候选区域是否为车牌区域。
可选地,所述计算所述待定位图像的每个像素点和相邻像素点的像素差异值,根据所述像素差异值,选取出车牌候选区域包括:
利用分别计算每个所述像素点与水平向右相邻像素点、每个所述像素点与垂直向下相邻像素点之间的差异值,得出水平像素差异值和垂直像素差异值;
分别判断所述水平像素差异值和所述垂直像素差异值是否等于预设差异值;
当所述水平像素差异值和所述垂直像素差异值中至少有一个等于所述预设差异值时,将所述像素点标记为目标像素点;
选取预设面积的区域,判断所述区域内所包含的所述目标像素点的个数是否大于或等于第一预设阈值;
当所述个数大于或等于所述第一预设阈值时,将所述区域作为所述车牌候选区域;
其中,所述像素点的RGB值为(x1,y1,z1),所述水平向右相邻像素点或垂直向下相邻像素点的RGB值为(x2,y2,z2),Value(x1,y1,z1)表示所述像素点与所述水平向右相邻像素点或所述垂直向下相邻像素点之间的像素差异值。
可选地,所述将所述车牌候选区域进行R通道和G通道灰度化操作,得出所述车牌候选区域的灰度图包括:
利用grayMapi(x,y)=0.5*Ri(x,y)+0.5*Gi(x,y),对所述车牌候选区域进行灰度化,得出所述灰度图;
其中,grayMapi(x,y)为第i个所述车牌候选区域的所述灰度图,Ri(x,y)与Gi(x,y)分别为第i个所述车牌候选区域在位置(x,y)的R通道值与G通道值。
可选地,所述对所述灰度图进行全局均值二值化,得出二值灰度图包括:
将所述灰度图中的所有像素点的像素值进行相加,得出像素总值;
将所述像素总值与所述灰度图内所包含的像素点个数作商,得出所述灰度图的像素均值;
分别将所述灰度图中的每一个像素点的像素值与所述像素均值作比较;
将大于所述像素均值的像素点的像素值记为1,小于所述像素均值记的像素点的像素值记为0,得出所述二值灰度图。
可选地,所述根据车牌字符分布特征以及所述二值灰度图,判断所述二值灰度图对应的所述车牌候选区域是否为车牌区域包括:
统计所述二值灰度图的每一行像素点的0-1跳变数;
统计所述跳变数大于第二预设阈值的行数;
当所述行数大于第三预设阈值时,则判断所述二值灰度图对应的所述车牌候选区域为车牌区域;
当所述行数小于所述第三预设阈值时,则判断所述二值灰度图对应的所述车牌候选区域为非车牌区域。
可选地,在所述计算所述待定位图像的像素点和相邻像素点的像素差异值,根据所述像素差异值,选取出车牌候选区域之前还包括:
利用圆弧函数对所述待定位图像进行图像增强;
其中,所述圆弧函数为I_After(i,j,k)为进行图像增强之后的待定位图像,I(i,j,k)为待定位图像的三维数组。
此外,本发明还提供了一种车牌定位的装置,该装置包括:
获取模块,用于获取待定位图像;
计算选取模块,用于计算所述待定位图像的每个像素点和相邻像素点的像素差异值,根据所述像素差异值,选取出车牌候选区域;
灰度化模块,用于将所述车牌候选区域进行R通道和G通道灰度化操作,得出所述车牌候选区域的灰度图;
二值化模块,用于对所述灰度图进行全局均值二值化,得出二值灰度图;
判断模块,用于根据车牌字符分布特征以及所述二值灰度图,判断所述二值灰度图对应的所述车牌候选区域是否为车牌区域。
可选地,所述计算选取模块包括:
差异值计算单元,用于利用分别计算每个所述像素点与水平向右相邻像素点、每个所述像素点与垂直向下相邻像素点之间的差异值,得出水平像素差异值和垂直像素差异值;
第一判断单元,用于分别判断所述水平像素差异值和所述垂直像素差异值是否等于预设差异值;
标记单元,用于当所述水平像素差异值和所述垂直像素差异值中至少有一个等于所述预设差异值时,将所述像素点标记为目标像素点;
第二判断单元,用于选取预设面积的区域,判断所述区域内所包含的所述目标像素点的个数是否大于或等于第一预设阈值;
确定单元,用于当所述个数大于或等于所述第一预设阈值时,将所述区域作为所述车牌候选区域;
其中,所述像素点的RGB值为(x1,y1,z1),所述水平向右相邻像素点或垂直向下相邻像素点的RGB值为(x2,y2,z2),Value(x1,y1,z1)表示所述像素点与所述水平向右相邻像素点或所述垂直向下相邻像素点之间的像素差异值。
可选地,所述灰度化模块包括:
灰度化单元,用于利用grayMapi(x,y)=0.5*Ri(x,y)+0.5*Gi(x,y),对所述车牌候选区域进行灰度化,得出所述灰度图;
其中,grayMapi(x,y)为第i个所述车牌候选区域的所述灰度图,Ri(x,y)与Gi(x,y)分别为第i个所述车牌候选区域在位置(x,y)的R通道值与G通道值。
可选地,所述判断模块包括:
跳变数统计单元,用于统计所述二值灰度图的每一行像素点的0-1跳变数;
行数统计单元,用于统计所述跳变数大于第二预设阈值的行数;
第三判断单元,用于当所述行数大于第三预设阈值时,则判断所述二值灰度图对应的所述车牌候选区域为车牌区域;
第四判断单元,用于当所述行数小于所述第三预设阈值时,则判断所述二值灰度图对应的所述车牌候选区域为非车牌区域。
本发明所提供的一种车牌定位的方法以及装置,通过获取待定位图像;计算上述待定位图像的每个像素点和相邻像素点的像素差异值,根据上述像素差异值,选取出车牌候选区域;将上述车牌候选区域进行R通道和G通道灰度化操作,得出上述车牌候选区域的灰度图;对上述灰度图进行全局均值二值化,得出二值灰度图;根据车牌字符分布特征以及上述二值灰度图,判断上述二值灰度图对应的上述车牌候选区域是否为车牌区域。通过相邻像素差异值来筛选车牌候选区域,可以提高干扰因素被提取的门槛,有效地减少干扰因素的影响,同时使得伪候选区域数量减少,进而提高了车牌定位的效率以及准确率。可见,本申请使得车牌定位的效率较高且准确率较高。
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,显而易见地,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为本发明实施例所提供的车牌定位方法的一种具体实施方式的流程示意图;
图2为本发明实施例所提供的车牌定位装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅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。
请参见图1,图1为本发明实施例所提供的车牌定位方法的一种具体实施方式的流程示意图,该方法包括以下步骤:
步骤101:获取待定位图像;
需要说明的是,上述待定位图像可以是指包含车牌的图像,也可以是指不包含车牌的图像。而该待定位图像的背景可以是公路、小区以及校道等,同时,该待定位图像的干扰因素可以包括倾斜、阴影以及警示牌等。
步骤102:计算所述待定位图像的每个像素点和相邻像素点的像素差异值,根据所述像素差异值,选取出车牌候选区域;
需要说明的是,上述相邻像素点可以是指与当前像素点上下左右相邻的像素点,可以将左右相邻的像素点成为水平相邻像素点,上下相邻的像素点成为垂直相邻像素点。而水平相邻像素点又可以包括水平向右相邻像素点,即位于该像素点右方的相邻像素点,以及水平向左相邻像素点,即位于该像素点左方的相邻像素点。垂直相邻像素点可以包括垂直向下相邻像素点,即即位于该像素点下方的相邻像素点,以及垂直向上相邻像素点,即位于该像素点上方的相邻像素点。
上述像素差异值可以是指当前像素点与相邻的像素点之间的像素值之差。上述车牌候选区域可以是指某一个可能为车牌区域的小区域,该车牌候选区域的面积可以是任意的。
由于车牌区域和其它区域之间的像素值差异较大,故可以根据像素值差异来筛选可能为车牌区域的小区域,并将小区域作为车牌候选区域。
作为一种具体实施方式,上述计算所述待定位图像的每个像素点和相邻像素点的像素差异值,根据所述像素差异值,选取出车牌候选区域过程可以具体为:利用分别计算每个所述像素点与水平向右相邻像素点、每个所述像素点与垂直向下相邻像素点之间的差异值,得出水平像素差异值和垂直像素差异值;分别判断所述水平像素差异值和所述垂直像素差异值是否等于预设差异值;当所述水平像素差异值和所述垂直像素差异值中至少有一个等于所述预设差异值时,将所述像素点标记为目标像素点;选取预设面积的区域,判断所述区域内所包含的所述目标像素点的个数是否大于或等于第一预设阈值;当所述个数大于或等于所述第一预设阈值时,将所述区域作为所述车牌候选区域;其中,所述像素点的RGB值为(x1,y1,z1),所述水平向右相邻像素点或垂直向下相邻像素点的RGB值为(x2,y2,z2),Value(x1,y1,z1)表示所述像素点与所述水平向右相邻像素点或所述垂直向下相邻像素点之间的像素差异值。
需要说明的是,上述水平像素差异值指的是像素点和水平向右相邻像素点之间的像素差异值,而垂直像素差异值指的是像素点和垂直向下相邻像素点之间的像素值差异。
显而易见地,最后一行像素点只有水平向右相邻像素点,而最后一列像素点只有垂直向下相邻像素点。
利用公式来计算像素差异值,其中,所述水平向右相邻像素点或垂直向下相邻像素点的RGB值为(x2,y2,z2),即(x2,y2,z2)可以表示水平向右相邻像素点的RGB值,也可以表示垂直向下相邻像素点的RGB值,即利用上述公式可以计算所需的像素差异值。
上述预设差异值可以为2,此时,分别判断水平像素差异值是否等于2,以及垂直像素差异值是否等于2。当水平像素差异值和垂直像素差异值中的任意一个等于2,或者两者都等于2时,标记该像素点为目标像素点,具体地可以通过记录该像素点的位置来完成标记。
可以理解的是,可以只计算水平像素差异值,也可以只计算垂直像素差异值,当然,也可以同时计算水平像素差异值和垂直像素差异值,在此不作限定。
上述第一预设阈值可以是根据区域内所包含的总像素点个数的确定,其可以表示目标像素点占区域内的总像素点个数的百分比。
在对所有的像素点进行标记之后,可以根据标记之后的目标像素点密度来选取车牌候选区域,即所选取的区域内所包含的目标像素点的个数应大于等于第一预设阈值。例如,对于一个选取的某一个区域,该区域的总像素点为100个,当该区域内的目标像素点的个数大于或等于60个时,即目标像素点占该区域的总像素点的60%以上,此时,可以将该区域选为车牌候选区域。
根据像素点密度来筛选车牌候选区域的具体实现可以如下:通过一定面积大小(例如为10*10)的小矩阵,对像素点进行扫描,将目标像素点分布较密集的区域进行截取,判断所截取的区域内的像素点密度是否大于或等于某个阈值(例如为60%左右),若是,则将该区域作为车牌候选区域。
需要说明的是,假如当前所选取的区域和之前选取的某一个或几个区域是相邻区域,可以将相邻的区域进行合并,并将合并后的区域作为车牌候选区域。
可以看出,利用像素差异值来筛选车牌候选区域,其效率较高,准确率也较高。
在对待定位图像进行定位之前,为了突出图像中的有用信息,可以先进行图像增强操作。
作为一种具体实施方式,在上述计算所述待定位图像的像素点和相邻像素点的像素差异值,根据所述像素差异值,选取出车牌候选区域之前还可以包括:利用圆弧函数对所述待定位图像进行图像增强;
其中,所述圆弧函数为其中,I_After(i,j,k)为进行图像增强之后的待定位图像,I(i,j,k)为三维数组,用于表示待定位图像。
可以看出,利用圆弧函数对图像进行增强处理,可以突出各个像素点之间的差异。
步骤103:将所述车牌候选区域进行R通道和G通道灰度化操作,得出所述车牌候选区域的灰度图;
可以理解的是,对车牌候选区域的R通道和G通道进行灰度化操作时,可以将B通道的数值设为0。
作为一种具体实施方式,上述将所述车牌候选区域进行R通道和G通道灰度化操作,得出所述车牌候选区域的灰度图的过程可以具体为:利用grayMapi(x,y)=0.5*Ri(x,y)+0.5*Gi(x,y),对所述车牌候选区域进行灰度化,得出所述灰度图;其中,grayMapi(x,y)为第i个所述车牌候选区域的所述灰度图,Ri(x,y)与Gi(x,y)分别为第i个所述车牌候选区域在位置(x,y)的R通道值与G通道值。
可以看出,利用上述灰度化方法,可以突出灰度图中车牌字符颜色和车牌本身的颜色,使得后续步骤的二值分类更加准确高效。
步骤104:对所述灰度图进行全局均值二值化,得出二值灰度图;
可以理解的是,上述二值灰度图可以是指像素点为0或1的灰度图。
作为一种具体实施方式,上述对所述灰度图进行全局均值二值化,得出二值灰度图的过程可以具体为:将所述灰度图中的所有像素点的像素值进行相加,得出像素总值;将所述像素总值与所述灰度图内所包含的像素点个数作商,得出所述灰度图的像素均值;分别将所述灰度图中的每一个像素点的像素值与所述像素均值作比较;将大于所述像素均值的像素点的像素值记为1,小于所述像素均值记的像素点的像素值记为0,得出所述二值灰度图。
显而易见地,也可以将大于像素均值的像素点的像素值记为0,小于像素均值的像素点的像素值记为1。
可以看出,将灰度图进行二值化,可以有效地将车牌字符与车牌本身进行分类,使得后续车牌区域定位的效率更高。
步骤105:根据车牌字符分布特征以及所述二值灰度图,判断所述二值灰度图对应的所述车牌候选区域是否为车牌区域。
需要说明的是,上述车牌字符分布特征指的是车牌有7个字符,而在二值灰度图中,每个字符与车牌之间至少有两次0-1跳变。即在该车牌候选区域对应的灰度图中,由于每个字符与车牌之间至少有2次跳变,故假如车牌候选区域为车牌区域,则应该至少有14次0-1跳变。基于上述车牌的字符分布特点,判断二值灰度图的跳变数,根据跳变数来判断车牌候选区域是否为车牌区域。
作为一种具体实施方式,上述根据车牌字符分布特征以及所述二值灰度图,判断所述二值灰度图对应的所述车牌候选区域是否为车牌区域的过程可以具体为:统计所述二值灰度图的每一行像素点的0-1跳变数;统计所述跳变数大于第二预设阈值的行数;当所述行数大于第三预设阈值时,则判断所述二值灰度图对应的所述车牌候选区域为车牌区域;当所述行数小于所述第三预设阈值时,则判断所述二值灰度图对应的所述车牌候选区域为非车牌区域。
需要说明的是,对于二值化灰度图中的某一行像素点,像素点和相邻像素点的像素值不同,则为一次跳变,例如,对应某一行像素点,其包含5个像素点,像素值分别为01101,此时,第一个像素点为0,,相邻的第二像素点为1,故发生了一次0-1跳变;而第二个像素点为1,相邻的第三个像素点为1,则没有发生0-1跳变,同理,第三个像素点和第四个像素点之间发生一次0-1跳变,第四个像素点和第五个像素点发生了一次0-1跳变,故该行像素点一共发生了3次跳变,跳变数为3。
上述第二预设阈值可以是为14,该预设阈值是基于车牌的字符分布特征确定的。
上述行数可以是指车牌候选区域内跳变数大于14的总行数,例如,对于某一个车牌候选区域,总共有n(n为正整数)行像素点,其中,有n/2行像素点的跳变数大于14时,此时,行数则为n/2。
上述第三预设阈值可以具体为总行数的一半,即当车牌候选区域内有n行像素点时,第三预设阈值则为n/2。此时,当某个车牌候选区域内有超过或等于n/2行像素点的跳变数大于14,则将该车牌候选区域识别为车牌区域。显而易见地,上述第三预设阈值具体为总行数的一半只是一种优选的方式,其还可以具体为其它数值,在此不作限定。
为了更好地介绍本发明实施例的具体实现过程,下面将提供具体实现算法的部,该为代码如下:
FindLicense(I){
[m,n,h]=size(I);//获取图片大小,长宽高分别为m,n,h
I_After=Pretreat(I);//对I进行圆弧函数预处理,预处理后的结果为I_After
for(i=1;i<m;i++){//利用for循环向I2存储那些相邻像素差异值满足要求的像素
if(Value(x,y,z)vertucal==2){//Value(x,y,z)vertical为位置(x,y,z)的像素垂直向下的相邻像素差异值
I2(x,y)=1;
}
else if(Value(x,y,z)horizontal==2){//Value(x,y,z)horizontall为位置(x,y,z)的像素水平向右的相邻像素差异值
I2(x,y)=1;
}
else{I2(x,y)=0;}
}
//I2为0-1集合,标记为1的表示该位置的像素满足相邻像素差异值要求的像素,即可以认为该位置有可能为字符边缘
Is=getCandidates(I2);//利用边缘密度获取候选区域,Is为候选区域集合
if(Is==null)return-1;
Is_I=getBefore(Is);//通过Is中的区域截取原图像中位置相对应的图像
foreach(X in Is_I){//对每个候选区域进行验证
Y=grayWithRG(X);//利用R+G算法对X进行灰度化
Y=binary(Y);//利用全局均值二值化算法进行二值化Y
counts=count(Y);//统计满足跳变数要求的行数
rows=getRow(Y);//rows为Y的行数
If(counts/rows>0.5)
return X;//输出X为车牌区域,得到验证
}
//如果没有满足要求,认为该候选区域为伪区域,接着对下一个候选区域进行验证,如果最后没有输出,则判定该图片没有车牌
本发明实施例所提供的车牌定位的方法,通过获取待定位图像;计算上述待定位图像的每个像素点和相邻像素点的像素差异值,根据像素差异值,选取出车牌候选区域;将车牌候选区域进行R通道和G通道灰度化操作,得出车牌候选区域的灰度图;对灰度图进行全局均值二值化,得出二值灰度图;根据车牌字符分布特征以及上述二值灰度图,判断二值灰度图对应的车牌候选区域是否为车牌区域。通过相邻像素差异值来筛选车牌候选区域,可以提高干扰因素被提取的门槛,有效地减少干扰因素的影响,同时使得伪候选区域数量减少,进而提高了车牌定位的效率以及准确率。可以看出,该方法可以使得车牌定位的效率较高且准确率较高。
下面对本发明实施例提供的车牌定位装置进行介绍,下文描述的车牌定位装置与上文描述的车牌定位方法可相互对应参照。
图2为本发明实施例所提供的车牌定位装置的结构框图,参照图2车牌定位装置可以包括:
获取模块201,用于获取待定位图像;
计算选取模块202,用于计算所述待定位图像的每个像素点和相邻像素点的像素差异值,根据所述像素差异值,选取出车牌候选区域;
灰度化模块203,用于将所述车牌候选区域进行R通道和G通道灰度化操作,得出所述车牌候选区域的灰度图;
二值化模块204,用于对所述灰度图进行全局均值二值化,得出二值灰度图;
判断模块205,用于根据车牌字符分布特征以及所述二值灰度图,判断所述二值灰度图对应的所述车牌候选区域是否为车牌区域。
可选地,所述计算选取模块包括:
差异值计算单元,用于利用分别计算每个所述像素点与水平向右相邻像素点、每个所述像素点与垂直向下相邻像素点之间的差异值,得出水平像素差异值和垂直像素差异值;
第一判断单元,用于分别判断所述水平像素差异值和所述垂直像素差异值是否等于预设差异值;
标记单元,用于当所述水平像素差异值和所述垂直像素差异值中至少有一个等于所述预设差异值时,将所述像素点标记为目标像素点;
第二判断单元,用于选取预设面积的区域,判断所述区域内所包含的所述目标像素点的个数是否大于或等于第一预设阈值;
确定单元,用于当所述个数大于或等于所述第一预设阈值时,将所述区域作为所述车牌候选区域;
其中,所述像素点的RGB值为(x1,y1,z1),所述水平向右相邻像素点或垂直向下相邻像素点的RGB值为(x2,y2,z2),Value(x1,y1,z1)表示所述像素点与所述水平向右相邻像素点或所述垂直向下相邻像素点之间的像素差异值。
可选地,所述灰度化模块包括:
灰度化单元,用于利用grayMapi(x,y)=0.5*Ri(x,y)+0.5*Gi(x,y),对所述车牌候选区域进行灰度化,得出所述灰度图;
其中,grayMapi(x,y)为第i个所述车牌候选区域的所述灰度图,Ri(x,y)与Gi(x,y)分别为第i个所述车牌候选区域在位置(x,y)的R通道值与G通道值。
可选地,所述判断模块包括:
跳变数统计单元,用于统计所述二值灰度图的每一行像素点的0-1跳变数;
行数统计单元,用于统计所述跳变数大于第二预设阈值的行数;
第三判断单元,用于当所述行数大于第三预设阈值时,则判断所述二值灰度图对应的所述车牌候选区域为车牌区域;
第四判断单元,用于当所述行数小于所述第三预设阈值时,则判断所述二值灰度图对应的所述车牌候选区域为非车牌区域。
本发明实施例所提供的车牌定位的装置,通过获取待定位图像;计算待定位图像的每个像素点和相邻像素点的像素差异值,根据像素差异值,选取出车牌候选区域;将车牌候选区域进行R通道和G通道灰度化操作,得出车牌候选区域的灰度图;对灰度图进行全局均值二值化,得出二值灰度图;根据车牌字符分布特征以及二值灰度图,判断二值灰度图对应的车牌候选区域是否为车牌区域。通过相邻像素差异值来筛选车牌候选区域,可以提高干扰因素被提取的门槛,有效地减少干扰因素的影响,同时使得伪候选区域数量减少,进而提高了车牌定位的效率以及准确率。可以看出,该装置使得车牌定位的效率较高且准确率较高。
本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它实施例的不同之处,各个实施例之间相同或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来实现所描述的功能,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车牌定位的方法以及装置进行了详细介绍。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)
1.一种车牌定位的方法,其特征在于,包括:
获取待定位图像;
计算所述待定位图像的每个像素点和相邻像素点的像素差异值,根据所述像素差异值,选取出车牌候选区域;
将所述车牌候选区域进行R通道和G通道灰度化操作,得出所述车牌候选区域的灰度图;
对所述灰度图进行全局均值二值化,得出二值灰度图;
根据车牌字符分布特征以及所述二值灰度图,判断所述二值灰度图对应的所述车牌候选区域是否为车牌区域。
2.如权利要求1所述的方法,其特征在于,所述计算所述待定位图像的每个像素点和相邻像素点的像素差异值,根据所述像素差异值,选取出车牌候选区域包括:
利用分别计算每个所述像素点与水平向右相邻像素点、每个所述像素点与垂直向下相邻像素点之间的差异值,得出水平像素差异值和垂直像素差异值;
分别判断所述水平像素差异值和所述垂直像素差异值是否等于预设差异值;
当所述水平像素差异值和所述垂直像素差异值中至少有一个等于所述预设差异值时,将所述像素点标记为目标像素点;
选取预设面积的区域,判断所述区域内所包含的所述目标像素点的个数是否大于或等于第一预设阈值;
当所述个数大于或等于所述第一预设阈值时,将所述区域作为所述车牌候选区域;
其中,所述像素点的RGB值为(x1,y1,z1),所述水平向右相邻像素点或垂直向下相邻像素点的RGB值为(x2,y2,z2),Value(x1,y1,z1)表示所述像素点与所述水平向右相邻像素点或所述垂直向下相邻像素点之间的像素差异值。
3.如权利要求1所述的方法,其特征在于,所述将所述车牌候选区域进行R通道和G通道灰度化操作,得出所述车牌候选区域的灰度图包括:
利用grayMapi(x,y)=0.5*Ri(x,y)+0.5*Gi(x,y),对所述车牌候选区域进行灰度化,得出所述灰度图;
其中,grayMapi(x,y)为第i个所述车牌候选区域的所述灰度图,Ri(x,y)与Gi(x,y)分别为第i个所述车牌候选区域在位置(x,y)的R通道值与G通道值。
4.如权利要求1所述的方法,其特征在于,所述对所述灰度图进行全局均值二值化,得出二值灰度图包括:
将所述灰度图中的所有像素点的像素值进行相加,得出像素总值;
将所述像素总值与所述灰度图内所包含的像素点个数作商,得出所述灰度图的像素均值;
分别将所述灰度图中的每一个像素点的像素值与所述像素均值作比较;
将大于所述像素均值的像素点的像素值记为1,小于所述像素均值记的像素点的像素值记为0,得出所述二值灰度图。
5.如权利要求1至4任一项所述的方法,其特征在于,所述根据车牌字符分布特征以及所述二值灰度图,判断所述二值灰度图对应的所述车牌候选区域是否为车牌区域包括:
统计所述二值灰度图的每一行像素点的0-1跳变数;
统计所述跳变数大于第二预设阈值的行数;
当所述行数大于第三预设阈值时,则判断所述二值灰度图对应的所述车牌候选区域为车牌区域;
当所述行数小于所述第三预设阈值时,则判断所述二值灰度图对应的所述车牌候选区域为非车牌区域。
6.如权利要求5所述的方法,其特征在于,在所述计算所述待定位图像的像素点和相邻像素点的像素差异值,根据所述像素差异值,选取出车牌候选区域之前还包括:
利用圆弧函数对所述待定位图像进行图像增强;
其中,所述圆弧函数为I_After(i,j,k)为进行图像增强之后的待定位图像,I(i,j,k)为待定位图像的三维数组。
7.一种车牌定位的装置,其特征在于,包括:
获取模块,用于获取待定位图像;
计算选取模块,用于计算所述待定位图像的每个像素点和相邻像素点的像素差异值,根据所述像素差异值,选取出车牌候选区域;
灰度化模块,用于将所述车牌候选区域进行R通道和G通道灰度化操作,得出所述车牌候选区域的灰度图;
二值化模块,用于对所述灰度图进行全局均值二值化,得出二值灰度图;
判断模块,用于根据车牌字符分布特征以及所述二值灰度图,判断所述二值灰度图对应的所述车牌候选区域是否为车牌区域。
8.如权利要求7所述的装置,其特征在于,所述计算选取模块包括:
差异值计算单元,用于利用分别计算每个所述像素点与水平向右相邻像素点、每个所述像素点与垂直向下相邻像素点之间的差异值,得出水平像素差异值和垂直像素差异值;
第一判断单元,用于分别判断所述水平像素差异值和所述垂直像素差异值是否等于预设差异值;
标记单元,用于当所述水平像素差异值和所述垂直像素差异值中至少有一个等于所述预设差异值时,将所述像素点标记为目标像素点;
第二判断单元,用于选取预设面积的区域,判断所述区域内所包含的所述目标像素点的个数是否大于或等于第一预设阈值;
确定单元,用于当所述个数大于或等于所述第一预设阈值时,将所述区域作为所述车牌候选区域;
其中,所述像素点的RGB值为(x1,y1,z1),所述水平向右相邻像素点或垂直向下相邻像素点的RGB值为(x2,y2,z2),Value(x1,y1,z1)表示所述像素点与所述水平向右相邻像素点或所述垂直向下相邻像素点之间的像素差异值。
9.如权利要求7所述的装置,其特征在于,所述灰度化模块包括:
灰度化单元,用于利用grayMapi(x,y)=0.5*Ri(x,y)+0.5*Gi(x,y),对所述车牌候选区域进行灰度化,得出所述灰度图;
其中,grayMapi(x,y)为第i个所述车牌候选区域的所述灰度图,Ri(x,y)与Gi(x,y)分别为第i个所述车牌候选区域在位置(x,y)的R通道值与G通道值。
10.如权利要求7至9任一项所述的装置,其特征在于,所述判断模块包括:
跳变数统计单元,用于统计所述二值灰度图的每一行像素点的0-1跳变数;
行数统计单元,用于统计所述跳变数大于第二预设阈值的行数;
第三判断单元,用于当所述行数大于第三预设阈值时,则判断所述二值灰度图对应的所述车牌候选区域为车牌区域;
第四判断单元,用于当所述行数小于所述第三预设阈值时,则判断所述二值灰度图对应的所述车牌候选区域为非车牌区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710224323.2A CN107016389B (zh) | 2017-04-07 | 2017-04-07 | 一种车牌定位的方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710224323.2A CN107016389B (zh) | 2017-04-07 | 2017-04-07 | 一种车牌定位的方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107016389A true CN107016389A (zh) | 2017-08-04 |
CN107016389B CN107016389B (zh) | 2020-09-11 |
Family
ID=59446273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710224323.2A Expired - Fee Related CN107016389B (zh) | 2017-04-07 | 2017-04-07 | 一种车牌定位的方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107016389B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711419A (zh) * | 2018-12-14 | 2019-05-03 | 深圳壹账通智能科技有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
CN112906692A (zh) * | 2021-02-04 | 2021-06-04 | 深圳市芊熠智能硬件有限公司 | 车牌定位方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183425A (zh) * | 2007-12-20 | 2008-05-21 | 四川川大智胜软件股份有限公司 | 粤港两地车牌定位方法 |
US20110135156A1 (en) * | 2009-12-04 | 2011-06-09 | Chao-Ho Chen | Method of Locating License Plate of Moving Vehicle |
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
CN103984949A (zh) * | 2014-06-11 | 2014-08-13 | 四川九洲电器集团有限责任公司 | 基于高低帽变换和连通域的车牌定位方法及其系统 |
CN105117727A (zh) * | 2015-09-18 | 2015-12-02 | 浙江工业大学 | 一种车牌快速定位方法 |
CN105718933A (zh) * | 2016-01-21 | 2016-06-29 | 浪潮软件股份有限公司 | 一种边缘检测的方法及装置 |
-
2017
- 2017-04-07 CN CN201710224323.2A patent/CN107016389B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183425A (zh) * | 2007-12-20 | 2008-05-21 | 四川川大智胜软件股份有限公司 | 粤港两地车牌定位方法 |
US20110135156A1 (en) * | 2009-12-04 | 2011-06-09 | Chao-Ho Chen | Method of Locating License Plate of Moving Vehicle |
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
CN103984949A (zh) * | 2014-06-11 | 2014-08-13 | 四川九洲电器集团有限责任公司 | 基于高低帽变换和连通域的车牌定位方法及其系统 |
CN105117727A (zh) * | 2015-09-18 | 2015-12-02 | 浙江工业大学 | 一种车牌快速定位方法 |
CN105718933A (zh) * | 2016-01-21 | 2016-06-29 | 浪潮软件股份有限公司 | 一种边缘检测的方法及装置 |
Non-Patent Citations (1)
Title |
---|
朱浩: "复杂背景下车牌定位算法研究", 《湖南大学硕士学位论文》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711419A (zh) * | 2018-12-14 | 2019-05-03 | 深圳壹账通智能科技有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
CN112906692A (zh) * | 2021-02-04 | 2021-06-04 | 深圳市芊熠智能硬件有限公司 | 车牌定位方法、装置、计算机设备及存储介质 |
CN112906692B (zh) * | 2021-02-04 | 2022-03-22 | 深圳市芊熠智能硬件有限公司 | 车牌定位方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107016389B (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104504717B (zh) | 一种图像信息检测方法及装置 | |
EP1403813B1 (en) | Image processing method, image processing apparatus and image processing program for dealing with inverted characters | |
CN102254152B (zh) | 基于彩色跳变点和颜色密度的车牌定位方法 | |
CN101901494B (zh) | 自动实现地图注记的方法及其系统 | |
CN109800698A (zh) | 基于深度网络的图标检测方法 | |
CN103824373B (zh) | 一种票据图像金额分类方法及系统 | |
CN105184763A (zh) | 图像处理方法和装置 | |
CN110349260A (zh) | 一种路面标线自动提取方法及装置 | |
CN110647879B (zh) | 一种答题卡客观题识别方法 | |
CN105608459A (zh) | 商品图片的分割方法及其装置 | |
CN109657664A (zh) | 一种车牌类型的识别方法、装置及电子设备 | |
CN104125582B (zh) | 一种规划通信网络的方法 | |
CN111144399A (zh) | 处理图像的装置和方法 | |
CN108921152A (zh) | 基于物体检测网络的英文字符切分方法及装置 | |
CN117423126B (zh) | 一种基于数据分析的票据图文识别方法及系统 | |
CN102129562B (zh) | 图标识别方法和装置 | |
CN107016389A (zh) | 一种车牌定位的方法以及装置 | |
CN113326593A (zh) | 一种顾及规划布局与要素配置合理性的生态空间网络优化方法 | |
CN106599924A (zh) | 一种基于三支决策的分类器构建方法 | |
CN105574485A (zh) | 一种车辆信息识别方法及系统 | |
CN113379869A (zh) | 一种车牌图像生成方法、装置、电子设备及存储介质 | |
CN103534711A (zh) | 用于改善分类器的分类结果的方法 | |
CN102938069A (zh) | 一种基于信息熵的纯净和混合像元自动划分方法 | |
CN105354570A (zh) | 一种车牌左右边界精确定位的方法及系统 | |
CN112348324A (zh) | 一种冲突空间识别方法、终端设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200911 Termination date: 20210407 |