CN108205675A - 一种车牌图像的处理方法以及设备 - Google Patents
一种车牌图像的处理方法以及设备 Download PDFInfo
- Publication number
- CN108205675A CN108205675A CN201611186950.3A CN201611186950A CN108205675A CN 108205675 A CN108205675 A CN 108205675A CN 201611186950 A CN201611186950 A CN 201611186950A CN 108205675 A CN108205675 A CN 108205675A
- Authority
- CN
- China
- Prior art keywords
- connected domain
- testing image
- image
- domain
- character zone
- 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
- 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
-
- 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
- G06V10/457—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 by analysing connectivity, e.g. edge linking, connected component analysis or slices
-
- 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
Abstract
本申请提出一种车牌图像的处理方法,首先对待测图像进行一次二值化处理,并在待测图像中获取满足预设的第一尺寸条件的一类连通域。根据一类连通域以及一类连通域的权重值确定待测图像的字符区域的下边界以及待测图像的阴阳分割线;其中,一类连通域的权重值是根据一类连通域内的图像的对比度确定的;对待测图像的阴影部分进行二次二值化处理,并在待测图像的阴影部分中,获取与一类连通域满足预设位置关系的二类连通域。最后,根据二类连通域的上边界确定待测图像的字符区域的上边界。从而能够更加准确的获取待测图像的字符区域的上下边界,进而降低了由于待测图片亮度不均对识别字符区域的负面影响。
Description
技术领域
本发明涉及通信技术领域,特别涉及一种车牌图像的处理方法,同时本申请还特别涉及一种车牌图像的处理设备。
背景技术
智能交通系统在城市交通管理、治安卡口和停车收费等方面有着广泛应用,车牌识别作为智能交通系统的核心部分,对识别率和适应性都提出很高的要求。
在实际的应用场景中,由于车牌上侧的车身对阳光遮挡经常会导致车牌上半部分暗、下半部分亮(本领域技术人员通常将该类型的车牌称为“阴阳牌”),给车牌识别造成很大的影响。在对阴阳牌的识别过程中,如何确定阴阳牌的上下边界是识别的主要难点。
现有的车牌图像的字符区域上下边界的确定方法主要有以下的两种:
方法一、直接提取车牌图像的字符连通域,连通域的上下边界就是车牌的上下边界。
方法二、提取车牌纹理及边缘特征的水平投影,字符区域内的投影值明显大于字符区域外的投影值,因此上下边界处投影会突变。该方法正是通过投影突变的特点来确定车牌的上下边界。
发明人在实现本申请的过程中,发现现有技术的上述车牌图像的字符区域上下边界的确定方法,在识别阴阳牌上下边界的过程中,至少存在以下的问题:
1、对于方法一,阴阳牌在进行二值化的过程中,一般会导致字符的上半部分丢失,因此该方法无法获取完整的字符连通域,从而导致无法准确地确定车牌的字符区域的边界。
2、对于方法二,阴阳牌上半部分的纹理或边缘特征一般也很弱,在字符上边界处没有明显的投影变化,从而导致无法准确地确定车牌的字符区域边界。
因此,如何准确地确定阴阳牌图像中字符区域的上下边界,成为本领域技术人员亟待解决的技术问题。
发明内容
本申请提出一种车牌图像的处理方法,用以准确地确定阴阳牌图像中字符区域的上下边界,所述方法至少包括:
对待测图像进行一次二值化处理,并在所述待测图像中获取满足预设的第一尺寸条件的一类连通域;
根据所述一类连通域以及所述一类连通域的权重值确定所述待测图像的字符区域的下边界以及所述待测图像的阴阳分割线,其中,所述一类连通域的权重值是根据所述一类连通域内的图像的对比度确定的;
对所述待测图像的阴影部分进行二次二值化处理,并在所述待测图像的阴影部分中,获取与所述一类连通域满足预设位置关系的二类连通域,其中,所述待测图像的阴影部分是根据所述阴阳分割线确定的;
根据所述二类连通域的上边界确定所述待测图像的字符区域的上边界。
优选地,所述根据所述一类连通域以及所述一类连通域的权重值确定所述待测图像的字符区域的下边界以及所述待测图像的阴阳分割线,具体包括:
分别获取所述待测图像的各行中所述一类连通域的下边界的加权数量;
将所述待测图像的特征行作为所述待测图像的字符区域的下边界,其中所述特征行中所述一类连通域的下边界的加权数量最多;
根据所述一类连通域中的特殊连通域的上边界确定所述阴阳分割线,其中,所述特殊连通域的下边界处于所述特征行。
优选地,所述在所述待测图像的阴影部分中,获取与所述一类连通域满足预设位置关系的二类连通域,具体包括:
在所述待测图像的阴影部分中获取满足预设的第二尺寸条件的待选连通域;
获取所述待选连通域与参考连通域在预设方向上的总投影长度,其中,所述参考连通域为所述一类连通域中与所述待选连通域在所述预设方向上存在投影重叠区域的连通域;
若所述总投影长度大于预设的长度阈值,则确认所述待选连通域不属于所述二类连通域;
若所述总投影长度不大于所述长度阈值,则确认所述待选连通域属于所述二类连通域。
优选地,在所述对待测图像进行一次二值化处理之前,所述方法还包括:
通过预设的高斯拉普拉斯增强模板对所述待测图像进行边缘增强处理。
优选地,在确定所述待测图像的字符区域的上边界之后,所述方法还包括:
通过预设的图像增强算法对所述待测图像的字符区域进行亮度增强处理。
相应的,本申请还提出了一种车牌图像的处理设备,所述设备包括:
第一获取模块,对待测图像进行一次二值化处理,并在所述待测图像中获取满足预设的第一尺寸条件的一类连通域;
第一确定模块,根据所述一类连通域以及所述一类连通域的权重值确定所述待测图像的字符区域的下边界以及所述待测图像的阴阳分割线,其中,所述一类连通域的权重值是根据所述一类连通域内的图像的对比度确定的;
第二获取模块,对所述待测图像的阴影部分进行二次二值化处理,并在所述待测图像的阴影部分中,获取与所述一类连通域满足预设位置关系的二类连通域,其中,所述待测图像的阴影部分是根据所述阴阳分割线确定的;
第二确定模块,根据所述二类连通域的上边界确定所述待测图像的字符区域的上边界。
优选地,所述第一确定模块具体用于:
分别获取所述待测图像的各行中所述一类连通域的下边界的加权数量;
将所述待测图像的特征行作为所述待测图像的字符区域的下边界,其中所述特征行中所述一类连通域的下边界的加权数量最多;
根据所述一类连通域中的特殊连通域的上边界确定所述阴阳分割线,其中,所述特殊连通域的下边界处于所述特征行。
优选地,所述第二获取模块,具体用于:
在所述待测图像的阴影部分中获取满足预设的第二尺寸条件的待选连通域;
获取所述待选连通域与参考连通域在预设方向上的总投影长度,其中,所述参考连通域为所述一类连通域中与所述待选连通域在所述预设方向上存在投影重叠区域的连通域;
在所述总投影长度大于预设的长度阈值时,确认所述待选连通域不属于所述二类连通域;
在所述总投影长度不大于所述长度阈值时,确认所述待选连通域属于所述二类连通域。
优选地,所述设备还包括:
边缘增强模块,通过预设的高斯拉普拉斯增强模板对所述待测图像进行边缘增强处理。
优选地,所述设备还包括:
亮度增强模块,通过预设的图像增强算法对所述待测图像的字符区域进行亮度增强处理。
通过应用本申请的技术方案,首先对待测图像进行一次二值化处理,并在待测图像中获取满足预设的第一尺寸条件的一类连通域。根据一类连通域以及一类连通域的权重值确定待测图像的字符区域的下边界以及待测图像的阴阳分割线;其中,一类连通域的权重值是根据一类连通域内的图像的对比度确定的;对待测图像的阴影部分进行二次二值化处理,并在待测图像的阴影部分中,获取与一类连通域满足预设位置关系的二类连通域。最后,根据二类连通域的上边界确定待测图像的字符区域的上边界。从而能够更加准确的获取待测图像的字符区域的上下边界,进而降低了由于待测图片亮度不均对识别字符区域的负面影响。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通的技术人员而言,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为本申请实施例提出的一种车牌图像的处理方法的流程示意图;
图2为本申请实施例提出的一种高斯拉普拉斯增强算子的示意图;
图3为本申请具体实施例提出的一种阴阳牌处理的流程示意图;
图4为本申请实施例提出的一种车牌图像的处理设备的结构示意图。
具体实施方式
如背景技术所述,现有的车牌图像的字符区域的上下边界确定方法主要有两种,其一,直接提取车牌图像的字符连通域,连通域的上下边界就是车牌的上下边界。若方法一来处理阴阳牌,往往会在二值化的过程中丢失字符区域的上半部分,导致无法准确的确定字符区域的上下界。其二,提取车牌纹理及边缘特征的水平投影,根据字符区域内的投影值明显大于字符区域外的投影值来确定字符区域的上下界。若用方法二来处理阴阳牌,由于阴阳牌上半部分的纹理或边缘特征一般也很弱,在字符上边界处没有明显的投影变化,因此也无法准确地确定字符区域的上下界。可见,现有技术中的车牌图像的字符区域的上下边界确定方法都无法准确地获取阴阳牌图像中字符区域的上下边界。
因此,本申请提出一种车牌图像的处理方法,用以准确地确定阴阳牌图像中字符区域的上下边界。对待测图像进行一次二值化处理,并在待测图像中获取满足预设的第一尺寸条件的一类连通域。根据一类连通域以及一类连通域的权重值确定待测图像的字符区域的下边界以及待测图像的阴阳分割线;其中,一类连通域的权重值是根据一类连通域内的图像的对比度确定的;对待测图像的阴影部分进行二次二值化处理,并在待测图像的阴影部分中,获取与一类连通域满足预设位置关系的二类连通域。最后,根据二类连通域的上边界确定待测图像的字符区域的上边界。从而能够更加准确的获取待测图像的字符区域的上下边界,进而降低了由于待测图片亮度不均对识别字符区域的负面影响。
如图1所述,为本申请提出的一种车牌图像的处理方法的流程示意图,本申请的方法至少包括以下的步骤:
S101,对待测图像进行一次二值化处理,并在待测图像中获取满足预设的第一尺寸条件的一类连通域。
在本申请的实施例中,首先对待测图像进行一次二值化处理,一次二值化是针对整个待测图像进行的。在本申请的优选实施例中,其具体的过程如下:
首先通过预设的OTSU算法(最大类间方差法)对待测图像进行处理,获取一次二值化的第一阈值。然后再利用该第一阈值来对待测图像进行二值化。
在本申请的实施例中,对待测图像二值化之后,在待测图像中获取满足预设的第一尺寸条件的一类连通域。其中,第一尺寸条件是根据字符的尺寸条件确定的。
一般而言,待测图像中字符的长度、宽度等尺寸都可以根据经验值去进行预测。因此,在本申请中根据预设的第一尺寸条件来对待测图像中的连通域进行初步筛选。目的是选出满足字符的尺寸条件的第一连通域。
在本申请的优选实施例中,在对待测图像进行一次二值化处理之前,本申请的方法还包括如下步骤:通过预设的高斯拉普拉斯增强模板对待测图像进行边缘增强处理。
字符二值化的连通域是表征字符边界最直观的方式,但是由于车牌定位区域经常也包含车牌以外的车身区域,带来许多干扰信息,导致二值化阈值选择出现较大偏差。
因此,如图2所示,本申请针对抓拍图像中车牌字符的笔画宽度(3-5个像素宽度),设计了一种高斯拉普拉斯增强模板,来对检测图像进行边缘增强处理,以突显字符特征,完整保留字符笔画,抑制背景干扰。
S102,根据一类连通域以及一类连通域的权重值确定待测图像的字符区域的下边界以及待测图像的阴阳分割线。
其中,一类连通域的权重值是根据一类连通域内的图像的对比度确定的。阴阳分割线是指检测图像中阴影部分和明亮部分的分割线。
由于字符的对比度通常都比较大。因此,在本申请中,一类连通域的权重值与一类连通域内的图像的对比度成正相关。由此可见,对比度越大的一类连通域(越有可能为字符连通域)其在确定待测图像的字符区域的下边界时的权重越大,从而使得能够更加准确地获取待测图像中字符区域的下边界。
在本申请的优选实施例中,上述根据一类连通域以及一类连通域的权重值确定待测图像的字符区域的下边界以及待测图像的阴阳分割线,可以具体根据以下的优选步骤实现,具体的包括:
(1)分别获取待测图像的各行中一类连通域的下边界的加权数量。
其中,待测图像的行是指待测图像的一行像素。
具体的,某行中一类连通域的下边界的加权数量是根据该行中一类连通域的下边界数量和各下边界处于该行的各一类连通域的权重值确定的。
(2)将待测图像的特征行确认为待测图像的字符区域的下边界,其中特征行中一类连通域的下边界的加权数量最多。
一类连通域的下边界的加权数量越多的行,越有可能是待测图像的字符区域的下边界。因此,在本申请将待测图像中,一类连通域的下边界的加权数量最多的行(特征行)确认为待测图像的字符区域的下边界。
(3)根据一类连通域中的特殊连通域的上边界确定待测图像的阴阳分割线,其中,特殊连通域的下边界处于特征行。
在本申请的优选实施例中,根据一类连通域中下边界处于特征行的各特殊连通域的上边界确定待测图像的阴阳分割线。具体的,首先确定各特殊连通域的上边界的坐标,然后根据获取到的各坐标值计算中值坐标,最后根据该中值坐标确定待测图像的阴阳分割线(阴阳分割线的坐标为中值坐标)。
需要说明的是,上述公开的确定待测图像的字符区域的下边界以及待测图像的阴阳分割线的方案,只是本申请提出的一种优选方案,基于本申请的核心思想,本领域技术人员还可以采用其他根据一类连通域以及一类连通域的权重值确定待测图像的字符区域的下边界以及待测图像的阴阳分割线的方案,这并不会影响本申请的保护范围。
S103,对待测图像的阴影部分进行二次二值化处理,并在待测图像的阴影部分中,获取与一类连通域满足预设位置关系的二类连通域。
其中,待测图像的阴影部分是根据阴阳分割线确定的。
在确定了待测图像的阴阳分割线之后,根据待测图像的阴阳分割线确定待测图像的阴影部分。
在本申请的实施例中,对待测图像的阴影部分进行二次二值化处理,并在待测图像的阴影部分中,获取与一类连通域满足预设位置关系的二类连通域。
二次二值化处理只是针对待测图像的阴影部分进行的,其具体的过程如下:
首先通过预设的OTSU算法(最大类间方差法)对待测图像的阴影部分进行处理,获取二次二值化的第二阈值。然后再利用该第二阈值来对待测图像的阴影部分进行二值化。
在对待测图像的阴影部分进行二次二值化之后,在对待测图像的阴影部分中,获取与一类连通域满足预设位置关系的二类连通域。
一类连通域对应于待测图像的明亮部分中的字符区域,二类连通域对应于待测图像的阴影部分中的字符区域。因此二类连通域与一类连通域在空间上应是相互对齐的。
在本申请中,通过预设位置关系来对待测图像阴影部分中的连通域进行筛选,目的是使得筛选出来的二类连通域与一类连通域在空间上相互对其。
在本申请的优选实施例中,上述的步骤在待测图像的阴影部分中,获取与一类连通域满足预设位置关系的二类连通域,可以具体的通过以下的优选方案来实现,具体的包括:
(1)在待测图像的阴影部分中获取满足预设的第二尺寸条件的待选连通域。
(2)获取待选连通域与参考连通域在预设方向上的总投影长度。
其中,参考连通域为一类连通域中与待选连通域在预设方向上存在投影重叠区域的连通域。
(3)若获取到的总投影长度大于预设的长度阈值,则确认待选连通域不属于二类连通域。
(4)若获取到的总投影长度不大于上述长度阈值,则确认待选连通域属于二类连通域。
需要说明的是,上述公开的获取二类连通域的方案,只是本申请提出的一种优选方案,基于本申请的核心思想,本领域技术人员还可以采用其他获取二类连通域的方案方案,这并不会影响本申请的保护范围。
S104,根据二类连通域的上边界确定待测图像的字符区域的上边界。
在本申请的实施例中,在待测图像的阴影部分中获取了二类连通域之后,根据二类连通域的上边界确定待测图像的字符区域的上边界。
具体的,首先分别获取待测图像的各行中二类连通域的上边界的数量。然后将待测图像中一类连通域的上边界的数量最多的行,确认为待测图像的字符区域的上边界。
在本申请的优选实施例中,在确定所述待测图像的字符区域的上边界之后,所述方法还包括:通过预设的图像增强算法对待测图像的字符区域进行亮度增强处理。
具体的,利用Retinex图像增强算法,对测图像的字符区域进行亮度增强。从而降低车牌亮区和暗区之间的亮度差异,降低亮度不均对字符分割和识别的影响。
由以上实施例的描述可知,通过应用本申请的技术方案,首先对待测图像进行一次二值化处理,并在待测图像中获取满足预设的第一尺寸条件的一类连通域。根据一类连通域以及一类连通域的权重值确定待测图像的字符区域的下边界以及待测图像的阴阳分割线;其中,一类连通域的权重值是根据一类连通域内的图像的对比度确定的;对待测图像的阴影部分进行二次二值化处理,并在待测图像的阴影部分中,获取与一类连通域满足预设位置关系的二类连通域。最后,根据二类连通域的上边界确定待测图像的字符区域的上边界。从而能够更加准确的获取待测图像的字符区域的上下边界,进而降低了由于待测图片亮度不均对识别字符区域的负面影响。
为了进一步阐述本发明的技术思想,现结合具体的实施流程,对本发明的技术方案进行说明。
如图3所示为本申请具体实施例提出的一种阴阳牌的处理流程,由图可知,包括以下的步骤:
(1)边缘增强。
字符二值化的连通域是表征字符边界最直观的方式,但是由于车牌定位区域经常也包含车牌以外的车身区域,带来许多干扰信息,导致二值化阈值选择出现较大偏差。
因此,本发明针对抓拍图像中车牌字符的笔画宽度(3-5个像素宽度),设计了一种高斯拉普拉斯增强模板(如图2所示),对车牌图像增强之后突显字符特征,抑制背景干扰。
(2)字符下边界的确定。
①首先利用OTSU算法,对边缘增强图像进行二值化处理。
②然后计算二值化图像的连通域,提取其中满足一定宽度、高度和面积的连通域集合A1。
③计算集合A1中连通域的权重。
首先,计算集合A1中的每个连通域的外接矩形,在原始灰度图像上计算该外接矩形内的对比度(最亮20%像素的平均值减去最暗的20%像素的平均值)。然后,计算所有连通域的平均对比度,并将大于平均对比度的连通域的权重设为1.2,小于平均对比度的连通域的权重设为0.8。一般字符的对比度大于背景,所以对比度较大的连通域赋予更大的权重。
④统计下边界落在每行的连通域的加权数量。即连通域的下边界在第i行,则将第i行对应的连通域数量加上权重值。
⑤连通域加权数量最多的行即字符的下边界Btm。所有下边界为Btm的连通域形成集合A2,统计其宽度中值w1和上边界中值T1。
(3)阴阳牌判断。
根据字符高宽比为2的先验知识,可根据字符宽度估计字符上边界Top=Btm-2*w1。则估计字符高度H为H=Btm-Top,如果估计字符上界与统计上界差异较大,即(T1-Top)/H>Thresh3,则认为车牌是阴阳牌,并且阴阳分界限的均值在第T1行。Thresh3一般取1/3。
(4)字符上边界的确定。
①在原车牌灰度图像第[Top,T1]行的范围内利用OTSU算法计算二值化阈值Thresh2,这个区域只包含较暗的字符部区域,没有其它干扰。
②利用阈值Thresh2对车牌灰度图像第[Top-H/4,T1]行范围内二值化,提取连通域。该区域包含了字符上半部分区域和上侧的背景区域。
③筛选出满足宽度不大于w1,上边界坐标大于Top-H/4的连通域,形成集合B1。
④对于集合B1中的连通域,计算与集合A2中对应位置的连通域在列方向上的投影范围的并集的宽度Wu,如果Wu>w1*1.2则删除该连通域,剩余连通域集合B2。该步骤用于筛除与字符下半部分不对齐的连通域。
⑤统计上边界落在每行的连通域的数量,连通域数量最多的行即字符的上边界T2,
(5)字符区域亮度增强。
利用Retinex图像增强算法,在原车牌灰度图像的字符区域进行亮度增强,从而明显降低车牌亮区和暗区之间的亮度差异,降低亮度不均对字符分割和识别的影响。
由以上具体实施例的描述可知,通过应用本申请的技术方案,首先对待测图像进行一次二值化处理,并在待测图像中获取满足预设的第一尺寸条件的一类连通域。根据一类连通域以及一类连通域的权重值确定待测图像的字符区域的下边界以及待测图像的阴阳分割线;其中,一类连通域的权重值是根据一类连通域内的图像的对比度确定的;对待测图像的阴影部分进行二次二值化处理,并在待测图像的阴影部分中,获取与一类连通域满足预设位置关系的二类连通域。最后,根据二类连通域的上边界确定待测图像的字符区域的上边界。从而能够更加准确的获取待测图像的字符区域的上下边界,进而降低了由于待测图片亮度不均对识别字符区域的负面影响。
为了达到以上的技术目的,如图4所示,本申请提出一种车牌图像的处理设备,至少包括:
第一获取模块401,对待测图像进行一次二值化处理,并在所述待测图像中获取满足预设的第一尺寸条件的一类连通域;
第一确定模块402,根据所述一类连通域以及所述一类连通域的权重值确定所述待测图像的字符区域的下边界以及所述待测图像的阴阳分割线,其中,所述一类连通域的权重值是根据所述一类连通域内的图像的对比度确定的;
第二获取模块403,对所述待测图像的阴影部分进行二次二值化处理,并在所述待测图像的阴影部分中,获取与所述一类连通域满足预设位置关系的二类连通域,其中,所述待测图像的阴影部分是根据所述阴阳分割线确定的;
第二确定模块404,根据所述二类连通域的上边界确定所述待测图像的字符区域的上边界。
在具体的应用场景中,所述第一确定模块具体用于:
分别获取所述待测图像的各行中所述一类连通域的下边界的加权数量;
将所述待测图像的特征行作为所述待测图像的字符区域的下边界,其中所述特征行中所述一类连通域的下边界的加权数量最多;
根据所述一类连通域中的特殊连通域的上边界确定所述阴阳分割线,其中,所述特殊连通域的下边界处于所述特征行。
在具体的应用场景中,所述第二获取模块,具体用于:
在所述待测图像的阴影部分中获取满足预设的第二尺寸条件的待选连通域;
获取所述待选连通域与参考连通域在预设方向上的总投影长度,其中,所述参考连通域为所述一类连通域中与所述待选连通域在所述预设方向上存在投影重叠区域的连通域;
在所述总投影长度大于预设的长度阈值时,确认所述待选连通域不属于所述二类连通域;
在所述总投影长度不大于所述长度阈值时,确认所述待选连通域属于所述二类连通域。
在具体的应用场景中,所述设备还包括:
边缘增强模块,通过预设的高斯拉普拉斯增强模板对所述待测图像进行边缘增强处理。
在具体的应用场景中,所述设备还包括:
亮度增强模块,通过预设的图像增强算法对所述待测图像的字符区域进行亮度增强处理。
由以上设备的描述可知,通过应用本申请的技术方案,首先对待测图像进行一次二值化处理,并在待测图像中获取满足预设的第一尺寸条件的一类连通域。根据一类连通域以及一类连通域的权重值确定待测图像的字符区域的下边界以及待测图像的阴阳分割线;其中,一类连通域的权重值是根据一类连通域内的图像的对比度确定的;对待测图像的阴影部分进行二次二值化处理,并在待测图像的阴影部分中,获取与一类连通域满足预设位置关系的二类连通域。最后,根据二类连通域的上边界确定待测图像的字符区域的上边界。从而能够更加准确的获取待测图像的字符区域的上下边界,进而降低了由于待测图片亮度不均对识别字符区域的负面影响。
最后说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施场景所述的方法。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本发明序号仅仅为了描述,不代表实施场景的优劣。
以上公开的仅为本发明的几个具体实施场景,但是,本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.一种车牌图像的处理方法,其特征在于,所述方法至少包括:
对待测图像进行一次二值化处理,并在所述待测图像中获取满足预设的第一尺寸条件的一类连通域;
根据所述一类连通域以及所述一类连通域的权重值确定所述待测图像的字符区域的下边界以及所述待测图像的阴阳分割线,其中,所述一类连通域的权重值是根据所述一类连通域内的图像的对比度确定的;
对所述待测图像的阴影部分进行二次二值化处理,并在所述待测图像的阴影部分中,获取与所述一类连通域满足预设位置关系的二类连通域,其中,所述待测图像的阴影部分是根据所述阴阳分割线确定的;
根据所述二类连通域的上边界确定所述待测图像的字符区域的上边界。
2.如权利要求1所述的方法,其特征在于,所述根据所述一类连通域以及所述一类连通域的权重值确定所述待测图像的字符区域的下边界以及所述待测图像的阴阳分割线,具体包括:
分别获取所述待测图像的各行中所述一类连通域的下边界的加权数量;
将所述待测图像的特征行作为所述待测图像的字符区域的下边界,其中所述特征行中所述一类连通域的下边界的加权数量最多;
根据所述一类连通域中的特殊连通域的上边界确定所述阴阳分割线,其中,所述特殊连通域的下边界处于所述特征行。
3.如权利要求2所述的方法,其特征在于,所述在所述待测图像的阴影部分中,获取与所述一类连通域满足预设位置关系的二类连通域,具体包括:
在所述待测图像的阴影部分中获取满足预设的第二尺寸条件的待选连通域;
获取所述待选连通域与参考连通域在预设方向上的总投影长度,其中,所述参考连通域为所述一类连通域中与所述待选连通域在所述预设方向上存在投影重叠区域的连通域;
若所述总投影长度大于预设的长度阈值,则确认所述待选连通域不属于所述二类连通域;
若所述总投影长度不大于所述长度阈值,则确认所述待选连通域属于所述二类连通域。
4.如权利要求3所述的方法,其特征在于,在所述对待测图像进行一次二值化处理之前,所述方法还包括:
通过预设的高斯拉普拉斯增强模板对所述待测图像进行边缘增强处理。
5.如权利要求1-4任一项所述的方法,其特征在于,在确定所述待测图像的字符区域的上边界之后,所述方法还包括:
通过预设的图像增强算法对所述待测图像的字符区域进行亮度增强处理。
6.一种车牌图像的处理设备,其特征在于,所述设备包括:
第一获取模块,对待测图像进行一次二值化处理,并在所述待测图像中获取满足预设的第一尺寸条件的一类连通域;
第一确定模块,根据所述一类连通域以及所述一类连通域的权重值确定所述待测图像的字符区域的下边界以及所述待测图像的阴阳分割线,其中,所述一类连通域的权重值是根据所述一类连通域内的图像的对比度确定的;
第二获取模块,对所述待测图像的阴影部分进行二次二值化处理,并在所述待测图像的阴影部分中,获取与所述一类连通域满足预设位置关系的二类连通域,其中,所述待测图像的阴影部分是根据所述阴阳分割线确定的;
第二确定模块,根据所述二类连通域的上边界确定所述待测图像的字符区域的上边界。
7.如权利要求6所述的设备,其特征在于,所述第一确定模块具体用于:
分别获取所述待测图像的各行中所述一类连通域的下边界的加权数量;
将所述待测图像的特征行作为所述待测图像的字符区域的下边界,其中所述特征行中所述一类连通域的下边界的加权数量最多;
根据所述一类连通域中的特殊连通域的上边界确定所述阴阳分割线,其中,所述特殊连通域的下边界处于所述特征行。
8.如权利要求7所述的设备,其特征在于,所述第二获取模块,具体用于:
在所述待测图像的阴影部分中获取满足预设的第二尺寸条件的待选连通域;
获取所述待选连通域与参考连通域在预设方向上的总投影长度,其中,所述参考连通域为所述一类连通域中与所述待选连通域在所述预设方向上存在投影重叠区域的连通域;
在所述总投影长度大于预设的长度阈值时,确认所述待选连通域不属于所述二类连通域;
在所述总投影长度不大于所述长度阈值时,确认所述待选连通域属于所述二类连通域。
9.如权利要求8所述的设备,其特征在于,所述设备还包括:
边缘增强模块,通过预设的高斯拉普拉斯增强模板对所述待测图像进行边缘增强处理。
10.如权利要求6-9任一项所述的设备,其特征在于,所述设备还包括:
亮度增强模块,通过预设的图像增强算法对所述待测图像的字符区域进行亮度增强处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611186950.3A CN108205675B (zh) | 2016-12-20 | 2016-12-20 | 一种车牌图像的处理方法以及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611186950.3A CN108205675B (zh) | 2016-12-20 | 2016-12-20 | 一种车牌图像的处理方法以及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108205675A true CN108205675A (zh) | 2018-06-26 |
CN108205675B CN108205675B (zh) | 2020-06-19 |
Family
ID=62604106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611186950.3A Active CN108205675B (zh) | 2016-12-20 | 2016-12-20 | 一种车牌图像的处理方法以及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108205675B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765875A (zh) * | 2019-09-20 | 2020-02-07 | 浙江大华技术股份有限公司 | 交通目标的边界检测方法、设备及装置 |
CN117690142A (zh) * | 2024-02-01 | 2024-03-12 | 深圳中科精工科技有限公司 | 晶圆字符的预处理方法、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007156741A (ja) * | 2005-12-02 | 2007-06-21 | Koito Ind Ltd | 文字抽出方法、文字抽出装置およびプログラム |
JP2010073051A (ja) * | 2008-09-19 | 2010-04-02 | Toshiba Corp | ナンバプレート認識方法およびナンバプレート認識装置 |
CN102509095A (zh) * | 2011-11-02 | 2012-06-20 | 青岛海信网络科技股份有限公司 | 一种车牌图像的预处理方法 |
CN102708378A (zh) * | 2012-04-28 | 2012-10-03 | 浙江工业大学 | 一种基于图像异常特征的智能交通抓拍设备故障诊断的方法 |
US20130294653A1 (en) * | 2012-05-07 | 2013-11-07 | Xerox Corporation | Methods and systems for optimized parameter selection in automated license plate recognition |
CN103390161A (zh) * | 2013-07-22 | 2013-11-13 | 公安部第三研究所 | 对于带有局部阴影区域的标牌进行二值化处理的方法 |
CN104573656A (zh) * | 2015-01-09 | 2015-04-29 | 安徽清新互联信息科技有限公司 | 一种基于连通区域信息的车牌颜色判断方法 |
CN105404874A (zh) * | 2015-11-27 | 2016-03-16 | 成都神州数码索贝科技有限公司 | 一种基于投影和hough直线检测的车窗识别系统 |
CN105894004A (zh) * | 2014-12-16 | 2016-08-24 | 中防通用电信技术有限公司 | 一种针对车牌识别系统中定位不全车牌的补全技术 |
-
2016
- 2016-12-20 CN CN201611186950.3A patent/CN108205675B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007156741A (ja) * | 2005-12-02 | 2007-06-21 | Koito Ind Ltd | 文字抽出方法、文字抽出装置およびプログラム |
JP2010073051A (ja) * | 2008-09-19 | 2010-04-02 | Toshiba Corp | ナンバプレート認識方法およびナンバプレート認識装置 |
CN102509095A (zh) * | 2011-11-02 | 2012-06-20 | 青岛海信网络科技股份有限公司 | 一种车牌图像的预处理方法 |
CN102708378A (zh) * | 2012-04-28 | 2012-10-03 | 浙江工业大学 | 一种基于图像异常特征的智能交通抓拍设备故障诊断的方法 |
US20130294653A1 (en) * | 2012-05-07 | 2013-11-07 | Xerox Corporation | Methods and systems for optimized parameter selection in automated license plate recognition |
CN103390161A (zh) * | 2013-07-22 | 2013-11-13 | 公安部第三研究所 | 对于带有局部阴影区域的标牌进行二值化处理的方法 |
CN105894004A (zh) * | 2014-12-16 | 2016-08-24 | 中防通用电信技术有限公司 | 一种针对车牌识别系统中定位不全车牌的补全技术 |
CN104573656A (zh) * | 2015-01-09 | 2015-04-29 | 安徽清新互联信息科技有限公司 | 一种基于连通区域信息的车牌颜色判断方法 |
CN105404874A (zh) * | 2015-11-27 | 2016-03-16 | 成都神州数码索贝科技有限公司 | 一种基于投影和hough直线检测的车窗识别系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765875A (zh) * | 2019-09-20 | 2020-02-07 | 浙江大华技术股份有限公司 | 交通目标的边界检测方法、设备及装置 |
CN110765875B (zh) * | 2019-09-20 | 2022-04-19 | 浙江大华技术股份有限公司 | 交通目标的边界检测方法、设备及装置 |
CN117690142A (zh) * | 2024-02-01 | 2024-03-12 | 深圳中科精工科技有限公司 | 晶圆字符的预处理方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108205675B (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5270573B2 (ja) | ブロックアーチファクトを検出する方法及び装置 | |
US9483835B2 (en) | Depth value restoration method and system | |
EP1318475A1 (en) | A method and system for selectively applying enhancement to an image | |
CN106506901B (zh) | 一种显著性视觉注意模型的混合式数字图像半色调方法 | |
CN110390643B (zh) | 一种车牌增强方法、装置及电子设备 | |
EP2887314B1 (en) | Video frame conversion method and apparatus | |
KR101531966B1 (ko) | 화상 처리장치, 화상 처리프로그램을 기록한 컴퓨터-리더블 기록매체, 및 화상 처리방법 | |
CN109325498B (zh) | 基于窗口动态阈值改进Canny算子的叶脉提取方法 | |
CN109410205B (zh) | 一种复杂路面背景下的裂缝提取方法 | |
KR101549495B1 (ko) | 문자 추출 장치 및 그 방법 | |
CN108416351A (zh) | 路面病害区域的确定方法、装置和计算机设备 | |
CN107085707A (zh) | 一种基于交通监控视频的车牌定位方法 | |
CN106504261B (zh) | 一种图像分割方法及装置 | |
CN110163822A (zh) | 基于超像素分割与图割的网状物检测与去除方法和系统 | |
CN108205675A (zh) | 一种车牌图像的处理方法以及设备 | |
CN103268472B (zh) | 基于双色彩空间的嘴唇检测方法 | |
CN113449730A (zh) | 图像处理方法、系统、自动行走设备及可读存储介质 | |
KR102491674B1 (ko) | 가상시점 영상을 생성하는 방법 및 장치 | |
DE10303724B4 (de) | Dynamisches Zweipegel-Schwellwertverfahren digitaler Bilder | |
DE102012201024B4 (de) | Verfahren zum Verarbeiten eines Bildes zur Verdeutlichung von Text in dem Bild | |
Yamato et al. | Digital image watermarking method using between-class variance | |
CN110223241A (zh) | 一种基于分块统计的直方图均衡方法 | |
CN106780535A (zh) | 一种灰度图像处理方法 | |
CN111223058B (zh) | 一种图像增强方法 | |
Wang et al. | Quantitative performance evaluation for dehazing algorithms on synthetic outdoor hazy images |
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 |