CN107609453A - 一种车牌图像校正、车牌字符分割方法及设备 - Google Patents
一种车牌图像校正、车牌字符分割方法及设备 Download PDFInfo
- Publication number
- CN107609453A CN107609453A CN201610543213.8A CN201610543213A CN107609453A CN 107609453 A CN107609453 A CN 107609453A CN 201610543213 A CN201610543213 A CN 201610543213A CN 107609453 A CN107609453 A CN 107609453A
- Authority
- CN
- China
- Prior art keywords
- image
- boundary rectangle
- connected domain
- car plate
- character information
- 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.)
- Pending
Links
Landscapes
- Character Input (AREA)
Abstract
本发明涉及一种车牌图像校正、车牌字符分割方法及设备,用于解决通过Hough变换算法进行车牌图像校正时处理效率较低的技术问题。其中车牌图像校正方法包括:将第一图像处理为二值图;所述第一图像为针对车牌拍摄的图像;在所述二值图中确定M个连通域;M为正整数;在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点,并根据选取的N个坐标点进行直线拟合;N为小于等于M的正整数;根据直线拟合的结果确定所述第一图像中包括的车牌影像相对于水平面的倾斜角;根据所述倾斜角校正所述第一图像中的所述车牌影像。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种车牌图像校正、车牌字符分割方法及设备。
背景技术
目前,在拍摄车牌图像后,有时所拍摄的图像是倾斜的,不利于辨认,因此需要进行车牌图像的校正。
对于车牌图像校正,比较常用的是霍夫(Hough)变换算法,即,通过Hough变换求取车牌图像中车牌的边框,从而确定车牌图像中车牌影像的倾斜角,以对倾斜的车牌图像进行校正,或者由Hough变换提取车牌的边框的参数后,再得到车牌图像中车牌的四个顶点的坐标,然后通过双线性空间变换对倾斜的车牌图像进行校正。
Hough变换算法虽然可以完成对于车牌图像的校正,但该算法的复杂度比较大,在校正过程中比较耗时,从而降低了系统的实时性,也降低了处理效率。
发明内容
本发明实施例提供一种车牌图像校正、车牌字符分割方法及设备,用于解决通过Hough变换算法进行车牌图像校正时处理效率较低的技术问题。
第一方面,提供一种车牌图像校正方法,包括:
将第一图像处理为二值图;所述第一图像为针对车牌拍摄的图像;
在所述二值图中确定M个连通域;M为正整数;
在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点,并根据选取的N个坐标点进行直线拟合;N为小于等于M的正整数;
根据直线拟合的结果确定所述第一图像中包括的车牌影像相对于水平面的倾斜角;
根据所述倾斜角校正所述第一图像中的所述车牌影像。
可选的,
在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点之前,还包括:
确定所述M个连通域中的每个连通域的外接矩形;
在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点,包括:
在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点。
可选的,在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点,包括:
选取所述N个外接矩形中的每个外接矩形的任意一个顶点,或,选取所述N个外接矩形中的每个外接矩形的中心点。
可选的,在确定所述M个连通域中的每个连通域的外接矩形之后,还包括:
根据车牌的先验知识判断确定的M个外接矩形中是否有未包括字符信息的外接矩形;
若所述M个外接矩形中有未包括字符信息的外接矩形,则从所述M个外接矩形中删除未包括字符信息的外接矩形。
可选的,
在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点之前,还包括:
判断从所述M个外接矩形中删除未包括字符信息的外接矩形后剩余的外接矩形中是否有外接矩形不符合车牌的设置规则;
若所述剩余的外接矩形中有外接矩形不符合车牌的设置规则,则从所述剩余的外接矩形中去除不符合车牌的设置规则的外接矩形,得到所述N个外接矩形。
可选的,在根据所述倾斜角校正所述第一图像中的所述车牌影像之后,还包括:
对校正后的所述第一图像包括的字符信息进行分割处理。
第二方面,提供一种车牌字符分割方法,包括:
将第一图像处理为二值图;所述第一图像为针对车牌拍摄的图像;
在所述二值图中确定M个连通域;M为正整数;
在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点,并根据选取的至少一个坐标点进行直线拟合;N为小于等于M的正整数;
根据直线拟合的结果确定所述第一图像中包括的车牌影像相对于水平面的倾斜角;
根据所述倾斜角将所述第一图像包括的字符信息进行分割处理。
可选的,根据所述倾斜角将所述第一图像包括的字符信息进行分割处理,包括:
通过车牌的先验知识确定所述第一图像中包括的字符信息的横坐标,及,通过所述倾斜角确定所述第一图像中包括的所述字符信息的纵坐标;
根据确定的横坐标和纵坐标将所述第一图像包括的字符信息进行分割处理。
第三方面,提供一种车牌图像校正设备,包括:
处理模块,用于将第一图像处理为二值图;所述第一图像为针对车牌拍摄的图像;
第一确定模块,用于在所述二值图中确定M个连通域;M为正整数;
选择模块,用于在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点,并根据选取的N个坐标点进行直线拟合;N为小于等于M的正整数;
第二确定模块,用于根据直线拟合的结果确定所述第一图像中包括的车牌影像相对于水平面的倾斜角;
校正模块,用于根据所述倾斜角校正所述第一图像中的所述车牌影像。
可选的,
所述第一确定模块还用于:在所述选择模块在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点之前,确定所述M个连通域中的每个连通域的外接矩形;
所述选择模块用于:在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点。
可选的,所述选择模块用于在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点,包括:
选取所述N个外接矩形中的每个外接矩形的任意一个顶点,或,选取所述N个外接矩形中的每个外接矩形的中心点。
可选的,所述车牌图像校正设备还包括判断模块和删除模块;
所述判断模块用于:在所述第一确定模块确定所述M个连通域中的每个连通域的外接矩形之后,根据车牌的先验知识判断确定的M个外接矩形中是否有未包括字符信息的外接矩形;
所述删除模块用于:若所述M个外接矩形中有未包括字符信息的外接矩形,则从所述M个外接矩形中删除未包括字符信息的外接矩形。
可选的,
所述判断模块还用于:在所述选择模块在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点之前,判断从所述M个外接矩形中删除未包括字符信息的外接矩形后剩余的外接矩形中是否有外接矩形不符合车牌的设置规则;
所述删除模块还用于:若所述剩余的外接矩形中有外接矩形不符合车牌的设置规则,则从所述剩余的外接矩形中去除不符合车牌的设置规则的外接矩形,得到所述N个外接矩形。
可选的,所述车牌图像校正设备还包括分割模块,用于:
在所述校正模块根据所述倾斜角校正所述第一图像中的所述车牌影像之后,对校正后的所述第一图像包括的字符信息进行分割处理。
第四方面,提供一种车牌字符分割设备,包括:
处理模块,用于将第一图像处理为二值图;所述第一图像为针对车牌拍摄的图像;
第一确定模块,用于在所述二值图中确定M个连通域;M为正整数;
选择模块,用于在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点,并根据选取的至少一个坐标点进行直线拟合;N为小于等于M的正整数;
第二确定模块,用于根据直线拟合的结果确定所述第一图像中包括的车牌影像相对于水平面的倾斜角;
分割模块,用于根据所述倾斜角将所述第一图像包括的字符信息进行分割处理。
可选的,所述分割模块用于:
通过车牌的先验知识确定所述第一图像中包括的字符信息的横坐标,及,通过所述倾斜角确定所述第一图像中包括的所述字符信息的纵坐标;
根据确定的横坐标和纵坐标将所述第一图像包括的字符信息进行分割处理。
本发明实施例提供了一种新的车牌图像校正方法,只需在车牌图像中确定连通域,并根据连通域进行直线拟合即可确定车牌图像中包括的车牌影像相对于水平面的倾斜角,从而根据该倾斜角就可以对车牌图像中包括的车牌影像进行校正,实现方式较为简单,在较大程度上简化了车牌图像校正的算法,因为算法简单,所以耗时较少,有助于提高系统的实时性,且也有助于提高处理效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,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地介绍。
图1为本发明实施例提供的车牌图像校正方法的流程图;
图2为本发明实施例提供的车牌字符分割方法的流程图;
图3为本发明实施例提供的车牌图像校正设备的结构示意图;
图4为本发明实施例提供的车牌字符分割设备的结构示意图。
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实施例中的技术方案,并使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明中技术方案作进一步详细的说明。
以下以具体实施例进行介绍:
如图1所示,本发明实施例提供一种车牌图像校正方法,该方法的流程描述如下:
步骤101:将第一图像处理为二值图;第一图像为针对车牌拍摄的图像;
步骤102:在二值图中确定M个连通域;M为正整数;
步骤103:在M个连通域中的N个连通域中选取一个坐标点,并根据选取的至少一个坐标点进行直线拟合;N为小于等于M的正整数;
步骤104:根据直线拟合的结果确定第一图像中包括的车牌影像相对于水平面的倾斜角;
步骤105:根据倾斜角校正第一图像中的车牌影像。
第一图像可以是针对车牌所拍摄的图像,由于拍摄时的角度不固定等因素,拍摄得到的第一图像中的车牌影像可能是倾斜的,不利于对车牌中的内容进行识别,因此需要进行车牌图像校正,即将车牌图像中包括的车牌影像调整为正方向,从而便于进一步对车牌进行识别。
由于灰度图像相对于彩色图像来说数据量较小,处理起来比较迅速且简单,因此本发明实施例中将彩色的第一图像转换为灰度图像进行处理,即将第一图像进行灰度化。其中将图像进行灰度化的方法一般有三种:最大值法、平均值法和加权平均值法。本发明实施例以采用加权平均值法将第一图像进行灰度化为例,在实际应用中不限于将图像进行灰度化的方法。通过加权平均值法将第一图像进行灰度化,可以通过以下公式实现:
Gray=0.11*B+0.59*G+0.3*R (1)
公式(1)中,Gray表示第一图像中的任意一个像素点的灰度值,B表示该像素点在蓝色通道的值,G表示该像素点在绿色通道的值,R表示该像素点在红色通道的值。
在将第一图像转换为灰度图像后,可以将该灰度图像进行阈值化,以将该灰度图像转换为二值图,便于后续的处理。其中,将灰度图像转换为二值图,可以参考现有技术中的转换方法,本发明实施例不多赘述。
按照中国车牌的设置规则,除了车牌中的第一个字符一般是中文字符外,其它部分基本是由字母和数字组成,而所有的字母和数字都是连通的,根据这个性质,可以在车牌图像中找到M个连通域,每个连通域可能包括一个字符,或包括一个字符的一部分内容,例如包括一个中文字符的偏旁等。M为正整数。
在找到M个连通域后,可以从其中的N个连通域中的每个连通域中选取一个坐标点,并根据所选取的N个坐标点进行直线拟合,通过直线拟合的方式,可以确定第一图像中的车牌影像相对于水平面的倾斜角。
在一种实施方式中,在找到M个连通域后,为了便于进行直线拟合,可以确定M个连通域中的每个连通域的外接矩形,即确定M个外接矩形,在确定M个外接矩形后,可以从其中的N个外接矩形中的每个外接矩形内选取一个坐标点,即选取N个坐标点。
确定连通域的外接矩形,既可以标明连通域的外轮廓,也方便在选取坐标点时可以较为统一,比如选取的N个坐标点在相应的外接矩形中的位置可以一致,这样拟合得到的直线比较准确。
在外接矩形中选取坐标点,原则上可以选取外接矩形内的任意一点作为所选取的坐标点,只要N个外接矩形所选取的坐标点的相对位置一致即可。在一种实施方式中,为了便于选取,可以选取外接矩形的中心点作为所选取的坐标点,或者也可以选取外接矩形的任意一个顶点作为所选取的坐标点,本发明实施例不作限制。
在一种实施方式中,在确定M个外接矩形后,可以先进行初步筛选,可以根据车牌的先验知识确定M个外接矩形中是否有未包括字符信息的外接矩形。车牌的先验知识,可以理解为车牌的设置规则,例如,根据车牌的设置规则,为车牌中包括的每个字符所在的区域规定了大概的面积,若有外接矩形的面积小于所规定的最小的面积,则可以认为这些外接矩形中未包括字符信息,再例如,根据车牌的设置规则,为车牌中包括的每个字符所在的区域规定了大概的形状,若有外接矩形的形状明显与所规定的任何形状都不相符,则可以认为这些外接矩形中未包括字符信息。以上两种根据车牌的先验知识进行外接矩形筛选的方式只是举例,在实际应用中不限于此。若根据车牌的先验知识确定M个外接矩形中有未包括字符信息的外接矩形,则可以从M个外接矩形中删除这些未包括字符信息的外接矩形,以去除干扰,尽量保证进行直线拟合的外接矩形都是包括了字符信息的外接矩形。
在一种实施方式中,对于外接矩形除了可以进行初步筛选外,还可以再进行进一步的筛选,以尽量去除一些不符合要求的外接矩形,使得拟合得到的直线更为准确。在本发明实施例中,在从M个外接矩形中删除未包括字符信息的外接矩形后,可以进一步判断从M个外接矩形中删除未包括字符信息的外接矩形后剩余的外接矩形中是否有不符合车牌的设置规则的外接矩形,如,一般来说车牌图像包括的连通域中,位于中间的连通域比较稳定,而位于边缘的连通域,如位于左边的连通域和/或位于右边的连通域,很可能包括的是车牌的边框而不是车牌字符信息,或者,因为车牌的第一个字符一般为中文字符,在中文字符里面有一些文字是不连通的,例如“川”,或“琼”等,因此车牌图像左边的连通域中,可能有些连通域包括的只是一个字符的一部分内容,例如只包括“琼”字中的“王”这个偏旁,若将这些连通域的外接矩形也纳入直线拟合的范围,则可能引入较大的误差,导致拟合的直线不够准确,进而影响后续的操作,因此可以从外接矩形中排除这些外接矩形,即,如果从M个外接矩形中删除未包括字符信息的外接矩形后剩余的外接矩形中有外接矩形不符合车牌的设置规则,则可以从剩余的外接矩形中去除这些不符合车牌的设置规则的外接矩形,从而得到该N个外接矩形。在实际操作中,可以表现为选取了车牌图像中间的一些外接矩形,而排除了车牌图像的两边的一些外接矩形的干扰,这样拟合的直线会比较准确,能够较为准确地反映车牌图像中的车牌影像与水平面之间的倾斜角。
在对外接矩形进行两次筛选后,可以通过剩余的N个外接矩形来进行直线拟合,即,从N个外接矩形中的每个外接矩形中选取一个坐标点,根据所选取的N个坐标点进行直线拟合。根据N个坐标点进行直线拟合,可以有多种方式,下面以最小二乘法为例进行介绍,在实际应用中,直线拟合方法不限于此。
首先将选取的N个坐标点拟合成一条直线,该直线可以表示为y=kx+b,其中,y表示纵坐标,x表示横坐标,k为该直线的斜率,b为偏移量,需要使得N个坐标点中的每个点到该直线的误差应该最小,也就是使得公式(2)最小:
对公式(2)中的k求导可得:
对公式(2)中的b求导可得:
根据公式(3)和公式(4)整理后得到方程组:
解方程组(5),即得到参数k和b的最佳估计值,如下:
从而可以得到k,而k为直线的斜率,根据直线的斜率就可以得到直线相对于水平面的倾斜角θ,而θ也就是第一图像中的车牌影像相对于水平面的倾斜角,那么,根据倾斜角θ就可以对第一图像中的车牌影像进行校正,如按照倾斜角θ旋转第一图像中的车牌影像,使得第一图像中的车牌影像与水平面相平行,便于识别车牌中的内容。
在一种实施方式中,得到倾斜角θ后,根据倾斜角θ校正的可以是灰度图像,即校正对第一图像进行灰度化后得到的该灰度图像,从而可以对灰度图像进行处理,减小需处理的数据量。在根据倾斜角θ校正灰度图像后,使得灰度图像中的车牌影像与水平面相平行,同样可以便于识别车牌中的内容。
在本发明实施例中,在确定M个连通域后,从M个连通域后筛选得到N个外接矩形,再根据从N个外接矩形中选取的N个坐标点进行直线拟合,这一系列步骤可以执行至少一次,如可以执行到结果收敛为止,以进一步提高所获得的直线的准确性,能够使得得到的倾斜角能够更为真实地反映车牌影像与水平面之间的夹角,从而对车牌图像的校正更为准确。
进一步的,若根据倾斜角校正的是第一图像,那么在根据倾斜角校正第一图像后,可以对校正后的第一图像包括的字符信息进行分割处理,从而分析车牌内容。或者,若根据倾斜角校正的是灰度图像,那么在根据倾斜角校正灰度图像后,可以对校正后的灰度图像包括的字符信息进行分割处理,从而分析车牌内容。
因为在进行车牌图像校正时已经执行了确定M个连通域、从M个连通域后筛选得到N个外接矩形、再根据从N个外接矩形中选取的N个坐标点进行直线拟合等过程,因此在进行后续的字符分割的过程中可以无需再执行这些过程,可以直接进行字符分割,方式较为简单。或者,虽然在进行车牌图像校正时已经执行了确定M个连通域、从M个连通域后筛选得到N个外接矩形、再根据从N个外接矩形中选取的N个坐标点进行直线拟合等过程,但为了使得字符分割的结果更为准确,在进行字符分割时也可以再执行确定M个连通域、从M个连通域后筛选得到N个外接矩形、再根据从N个外接矩形中选取的N个坐标点进行直线拟合等步骤,同样的,在字符分割过程中这些步骤也可以执行至少一次,如可以执行到结果收敛为止,以进一步提高所获得的直线的准确性,从而提高字符分割的准确性。
本发明实施例提供的车牌图像校正方法,算法的复杂度较小,有利于提高处理效率,提升系统的实时性。
请参见图2,本发明实施例提供一种车牌字符分割方法,该方法的流程描述如下:
步骤201:将第一图像处理为二值图;第一图像为针对车牌拍摄的图像;
步骤202:在二值图中确定M个连通域;M为正整数;
步骤203:在M个连通域中的N个连通域中的每个连通域内选取一个坐标点,并根据选取的至少一个坐标点进行直线拟合;N为小于等于M的正整数;
步骤204:根据直线拟合的结果确定第一图像中包括的车牌影像相对于水平面的倾斜角;
步骤205:根据倾斜角将第一图像包括的字符信息进行分割处理。
在本发明实施例中,第一图像可以是采用图1所示的实施例进行过校正的图像,或者第一图像可以是采用现有技术中的任意一种方式进行过校正的图像,或者第一图像也可以是未进行过校正的图像,本发明实施例不作限制。
其中,步骤201-步骤204所涉及的实施方式等可参考图1所示的实施例中的相关描述,不多赘述。
本发明实施例中,根据倾斜角将第一图像包括的字符信息进行分割处理,可以通过以下方式实现:通过车牌的先验知识确定第一图像中包括的字符信息的横坐标,及,通过倾斜角确定第一图像中包括的字符信息的纵坐标,根据确定的横坐标和纵坐标将第一图像包括的字符信息进行分割处理。
根据直线拟合的结果可以得到车牌影像相对于水平面的倾斜角,若该倾斜角不是0,那么显然该倾斜角会对字符分割有影响,因此可以根据车牌的先验知识确定第一图像中包括的字符信息的横坐标,以及可以根据倾斜角来确定第一图像中包括的字符信息的纵坐标,从而根据字符信息的横坐标和纵坐标就可以将每个字符分割出来。
本发明实施例所提供的车牌字符分割方法,通过直线拟合后得到的倾斜角确定字符的坐标,从而进行字符分割,因此即使对于某些不连通的中文字符的不连通,如“川”“琼”等,也能正确进行字符分割,且即使车牌呈现的形态较为复杂,因为直接确定字符的坐标,因此也可以得到较为准确的分割位置,使得字符分割的结果较为准确,有助于更好地识别车牌内容。
下面结合附图介绍本发明实施例提供的设备。
请参见图3,基于同一发明构思,提供一种车牌图像识别设备,该设备可以包括处理模块301、第一确定模块302、选择模块303、第二确定模块304和校正模块305。
在本发明实施例中:
处理模块301,用于将第一图像处理为二值图;第一图像为针对车牌拍摄的图像;
第一确定模块302,用于在二值图中确定M个连通域;M为正整数;
选择模块303,用于在M个连通域中的N个连通域中的每个连通域内选取一个坐标点,并根据选取的N个坐标点进行直线拟合;N为小于等于M的正整数;
第二确定模块304,用于根据直线拟合的结果确定第一图像中包括的车牌影像相对于水平面的倾斜角;
校正模块305,用于根据倾斜角校正第一图像中的车牌影像。
在一种实施方式中,
第一确定模块302还用于:在选择模块303在M个连通域中的N个连通域中的每个连通域内选取一个坐标点之前,确定M个连通域中的每个连通域的外接矩形;
选择模块303用于:在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点。
在一种实施方式中,选择模块303用于在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点,包括:
选取N个外接矩形中的每个外接矩形的任意一个顶点,或,选取N个外接矩形中的每个外接矩形的中心点。
在一种实施方式中,该车牌图像校正设备还可以包括判断模块和删除模块,当然,判断模块和删除模块只是该车牌图像校正设备的可选模块,不是必须包括的模块。
判断模块用于:在第一确定模块302确定M个连通域中的每个连通域的外接矩形之后,根据车牌的先验知识判断确定的M个外接矩形中是否有未包括字符信息的外接矩形;
删除模块用于:若M个外接矩形中有未包括字符信息的外接矩形,则从M个外接矩形中删除未包括字符信息的外接矩形。
在一种实施方式中,
判断模块还用于:在选择模块303在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点之前,判断从M个外接矩形中删除未包括字符信息的外接矩形后剩余的外接矩形中是否有外接矩形不符合车牌的设置规则;
删除模块还用于:若剩余的外接矩形中有外接矩形不符合车牌的设置规则,则从剩余的外接矩形中去除不符合车牌的设置规则的外接矩形,得到N个外接矩形。
在一种实施方式中,该车牌图像校正设备还包括分割模块,当然,分割模块只是该车牌图像校正设备的可选模块,不是必须包括的模块。
分割模块用于:在校正模块305根据倾斜角校正第一图像中的车牌影像之后,对校正后的第一图像包括的字符信息进行分割处理。
该车牌图像校正设备可以用于执行图1所示的实施例提供的方法,因此对于该车牌图像校正设备中的功能模块所能完成的功能等介绍可参考图1所示的实施例中的相关描述,不多赘述。
请参见图4,基于同一发明构思,提供一种车牌字符分割设备,该设备可以包括处理模块401、第一确定模块402、选择模块403、第二确定模块404和分割模块405。
在本发明实施例中,
处理模块401,用于将第一图像处理为二值图;第一图像为针对车牌拍摄的图像;
第一确定模块402,用于在二值图中确定M个连通域;M为正整数;
选择模块403,用于在M个连通域中的N个连通域中的每个连通域内选取一个坐标点,并根据选取的至少一个坐标点进行直线拟合;N为小于等于M的正整数;
第二确定模块404,用于根据直线拟合的结果确定第一图像中包括的车牌影像相对于水平面的倾斜角;
分割模块405,用于根据倾斜角将所述第一图像包括的字符信息进行分割处理。
在一种实施方式中,分割模块405用于:
通过车牌的先验知识确定第一图像中包括的字符信息的横坐标,及,通过倾斜角确定第一图像中包括的字符信息的纵坐标;
根据确定的横坐标和纵坐标将第一图像包括的字符信息进行分割处理。
该车牌字符分割设备可以用于执行图2所示的实施例提供的方法,因此对于该车牌字符设备分割中的功能模块所能完成的功能等介绍可参考图2所示的实施例中的相关描述,不多赘述。
该车牌字符分割设备和图3所示的实施例提供的车牌图像校正设备可以是同一设备,或者也可以是不同的设备,本发明实施例不作限制。
综上所述,有益效果:
本发明实施例提供的新的车牌图像校正方法,只需在车牌图像中确定连通域,并根据连通域进行直线拟合即可确定车牌图像中包括的车牌影像相对于水平面的倾斜角,从而根据该倾斜角就可以对车牌图像中包括的车牌影像进行校正,实现方式较为简单,在较大程度上简化了车牌图像校正的算法,因为算法简单,所以耗时较少,有助于提高系统的实时性,且也有助于提高处理效率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种车牌图像校正方法,其特征在于,包括:
将第一图像处理为二值图;所述第一图像为针对车牌拍摄的图像;
在所述二值图中确定M个连通域;M为正整数;
在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点,并根据选取的N个坐标点进行直线拟合;N为小于等于M的正整数;
根据直线拟合的结果确定所述第一图像中包括的车牌影像相对于水平面的倾斜角;
根据所述倾斜角校正所述第一图像中的所述车牌影像。
2.如权利要求1所述的方法,其特征在于,
在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点之前,还包括:
确定所述M个连通域中的每个连通域的外接矩形;
在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点,包括:
在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点。
3.如权利要求2所述的方法,其特征在于,在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点,包括:
选取所述N个外接矩形中的每个外接矩形的任意一个顶点,或,选取所述N个外接矩形中的每个外接矩形的中心点。
4.如权利要求2所述的方法,其特征在于,在确定所述M个连通域中的每个连通域的外接矩形之后,还包括:
根据车牌的先验知识判断确定的M个外接矩形中是否有未包括字符信息的外接矩形;
若所述M个外接矩形中有未包括字符信息的外接矩形,则从所述M个外接矩形中删除未包括字符信息的外接矩形。
5.如权利要求4所述的方法,其特征在于,
在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点之前,还包括:
判断从所述M个外接矩形中删除未包括字符信息的外接矩形后剩余的外接矩形中是否有外接矩形不符合车牌的设置规则;
若所述剩余的外接矩形中有外接矩形不符合车牌的设置规则,则从所述剩余的外接矩形中去除不符合车牌的设置规则的外接矩形,得到所述N个外接矩形。
6.如权利要求1-5任一所述的方法,其特征在于,在根据所述倾斜角校正所述第一图像中的所述车牌影像之后,还包括:
对校正后的所述第一图像包括的字符信息进行分割处理。
7.一种车牌字符分割方法,其特征在于,包括:
将第一图像处理为二值图;所述第一图像为针对车牌拍摄的图像;
在所述二值图中确定M个连通域;M为正整数;
在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点,并根据选取的至少一个坐标点进行直线拟合;N为小于等于M的正整数;
根据直线拟合的结果确定所述第一图像中包括的车牌影像相对于水平面的倾斜角;
根据所述倾斜角将所述第一图像包括的字符信息进行分割处理。
8.如权利要求7所述的方法,其特征在于,根据所述倾斜角将所述第一图像包括的字符信息进行分割处理,包括:
通过车牌的先验知识确定所述第一图像中包括的字符信息的横坐标,及,通过所述倾斜角确定所述第一图像中包括的所述字符信息的纵坐标;
根据确定的横坐标和纵坐标将所述第一图像包括的字符信息进行分割处理。
9.一种车牌图像校正设备,其特征在于,包括:
处理模块,用于将第一图像处理为二值图;所述第一图像为针对车牌拍摄的图像;
第一确定模块,用于在所述二值图中确定M个连通域;M为正整数;
选择模块,用于在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点,并根据选取的N个坐标点进行直线拟合;N为小于等于M的正整数;
第二确定模块,用于根据直线拟合的结果确定所述第一图像中包括的车牌影像相对于水平面的倾斜角;
校正模块,用于根据所述倾斜角校正所述第一图像中的所述车牌影像。
10.如权利要求9所述的车牌图像校正设备,其特征在于,
所述第一确定模块还用于:在所述选择模块在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点之前,确定所述M个连通域中的每个连通域的外接矩形;
所述选择模块用于:在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点。
11.如权利要求10所述的车牌图像校正设备,其特征在于,所述选择模块用于在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点,包括:
选取所述N个外接矩形中的每个外接矩形的任意一个顶点,或,选取所述N个外接矩形中的每个外接矩形的中心点。
12.如权利要求10所述的车牌图像校正设备,其特征在于,所述车牌图像校正设备还包括判断模块和删除模块;
所述判断模块用于:在所述第一确定模块确定所述M个连通域中的每个连通域的外接矩形之后,根据车牌的先验知识判断确定的M个外接矩形中是否有未包括字符信息的外接矩形;
所述删除模块用于:若所述M个外接矩形中有未包括字符信息的外接矩形,则从所述M个外接矩形中删除未包括字符信息的外接矩形。
13.如权利要求12所述的车牌图像校正设备,其特征在于,
所述判断模块还用于:在所述选择模块在确定的M个外接矩形中的N个外接矩形中的每个外接矩形内选取一个坐标点之前,判断从所述M个外接矩形中删除未包括字符信息的外接矩形后剩余的外接矩形中是否有外接矩形不符合车牌的设置规则;
所述删除模块还用于:若所述剩余的外接矩形中有外接矩形不符合车牌的设置规则,则从所述剩余的外接矩形中去除不符合车牌的设置规则的外接矩形,得到所述N个外接矩形。
14.如权利要求7-13任一所述的车牌图像校正设备,其特征在于,所述车牌图像校正设备还包括分割模块,用于:
在所述校正模块根据所述倾斜角校正所述第一图像中的所述车牌影像之后,对校正后的所述第一图像包括的字符信息进行分割处理。
15.一种车牌字符分割设备,其特征在于,包括:
处理模块,用于将第一图像处理为二值图;所述第一图像为针对车牌拍摄的图像;
第一确定模块,用于在所述二值图中确定M个连通域;M为正整数;
选择模块,用于在所述M个连通域中的N个连通域中的每个连通域内选取一个坐标点,并根据选取的至少一个坐标点进行直线拟合;N为小于等于M的正整数;
第二确定模块,用于根据直线拟合的结果确定所述第一图像中包括的车牌影像相对于水平面的倾斜角;
分割模块,用于根据所述倾斜角将所述第一图像包括的字符信息进行分割处理。
16.如权利要求15所述的车牌字符分割设备,其特征在于,所述分割模块用于:
通过车牌的先验知识确定所述第一图像中包括的字符信息的横坐标,及,通过所述倾斜角确定所述第一图像中包括的所述字符信息的纵坐标;
根据确定的横坐标和纵坐标将所述第一图像包括的字符信息进行分割处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610543213.8A CN107609453A (zh) | 2016-07-11 | 2016-07-11 | 一种车牌图像校正、车牌字符分割方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610543213.8A CN107609453A (zh) | 2016-07-11 | 2016-07-11 | 一种车牌图像校正、车牌字符分割方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107609453A true CN107609453A (zh) | 2018-01-19 |
Family
ID=61055268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610543213.8A Pending CN107609453A (zh) | 2016-07-11 | 2016-07-11 | 一种车牌图像校正、车牌字符分割方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107609453A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109086767A (zh) * | 2018-07-11 | 2018-12-25 | 于洋 | 一种监控场景中模糊车牌的分割方法 |
CN109145915A (zh) * | 2018-07-27 | 2019-01-04 | 武汉科技大学 | 一种复杂场景下车牌快速畸变矫正方法 |
CN112183255A (zh) * | 2020-09-15 | 2021-01-05 | 西北工业大学 | 一种基于深度学习的水下目标视觉识别与姿态估计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050180632A1 (en) * | 2000-09-22 | 2005-08-18 | Hrishikesh Aradhye | Method and apparatus for recognition of symbols in images of three-dimensional scenes |
CN101038686A (zh) * | 2007-01-10 | 2007-09-19 | 北京航空航天大学 | 一种基于信息融合的机读旅行证件识别方法 |
CN102096821A (zh) * | 2010-04-15 | 2011-06-15 | 西安理工大学 | 基于复杂网络理论的强干扰环境下的车牌识别方法 |
-
2016
- 2016-07-11 CN CN201610543213.8A patent/CN107609453A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050180632A1 (en) * | 2000-09-22 | 2005-08-18 | Hrishikesh Aradhye | Method and apparatus for recognition of symbols in images of three-dimensional scenes |
CN101038686A (zh) * | 2007-01-10 | 2007-09-19 | 北京航空航天大学 | 一种基于信息融合的机读旅行证件识别方法 |
CN102096821A (zh) * | 2010-04-15 | 2011-06-15 | 西安理工大学 | 基于复杂网络理论的强干扰环境下的车牌识别方法 |
Non-Patent Citations (1)
Title |
---|
赵娟: "《车牌识别系统中字符分割的研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109086767A (zh) * | 2018-07-11 | 2018-12-25 | 于洋 | 一种监控场景中模糊车牌的分割方法 |
CN109145915A (zh) * | 2018-07-27 | 2019-01-04 | 武汉科技大学 | 一种复杂场景下车牌快速畸变矫正方法 |
CN109145915B (zh) * | 2018-07-27 | 2021-08-06 | 武汉科技大学 | 一种复杂场景下车牌快速畸变矫正方法 |
CN112183255A (zh) * | 2020-09-15 | 2021-01-05 | 西北工业大学 | 一种基于深度学习的水下目标视觉识别与姿态估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111474184B (zh) | 基于工业机器视觉的aoi字符缺陷检测方法和装置 | |
US7508550B2 (en) | Image correcting apparatus and method, and image correcting program, and look-up table creating apparatus and method, and look-up table creating program | |
US7965894B2 (en) | Method for detecting alterations in printed document using image comparison analyses | |
US8331670B2 (en) | Method of detection document alteration by comparing characters using shape features of characters | |
CN108985305B (zh) | 一种激光蚀刻工业雷管编码图像定位及校正方法 | |
JP2005309819A (ja) | 図形読み取り方法及びその装置並びに主要色抽出方法及びその装置 | |
US8842916B2 (en) | Method and system for model-based signature profile extraction | |
CN111680690A (zh) | 一种文字识别方法及装置 | |
CN107609453A (zh) | 一种车牌图像校正、车牌字符分割方法及设备 | |
US10715683B2 (en) | Print quality diagnosis | |
CN105760869B (zh) | 一种基于图像灰度识别及处理的阅卷方法 | |
CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
JP6797046B2 (ja) | 画像処理装置及び画像処理プログラム | |
CN109977910B (zh) | 基于彩色线段的票据快速定位方法及其系统 | |
CN108197624A (zh) | 证书图像校正识别方法及装置、计算机存储介质 | |
CN111738272A (zh) | 一种目标特征提取方法、装置及电子设备 | |
CN115410191B (zh) | 文本图像识别方法、装置、设备和存储介质 | |
JP2005184685A (ja) | 画像処理装置、プログラムおよび記録媒体 | |
CN111445402A (zh) | 一种图像去噪方法及装置 | |
CN108256475B (zh) | 一种票据图像倒置检测方法 | |
CN113850100B (zh) | 一种校正二维码的方法和电子设备 | |
CN110084117A (zh) | 基于二值图分段投影的文档表格线检测方法、系统 | |
CN115512381A (zh) | 文本识别方法、装置、设备、存储介质及作业机械 | |
CN112184533B (zh) | 一种基于sift特征点匹配的水印同步方法 | |
CN111695557B (zh) | 一种图像处理方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180119 |