CN108241859B - 车牌的校正方法及装置 - Google Patents

Abstract

本申请提供一种车牌校正方法及装置，该方法包括：获取车牌图像的字符连通域，提取字符连通域的上层边缘点和下层边缘点；获取车牌图像的字符角点，从字符角点中提取上层字符角点和下层字符角点；根据上层边缘点与上层字符角点确定第一点集，根据下层边缘点与下层字符角点确定第二点集；根据第一点集和第二点集确定车牌图像的倾斜角度，利用倾斜角度校正车牌图像。本申请根据上下层边缘点和上下层字符角点得到的第一点集和第二点集确定倾斜角度，在无字符连通域时根据上下层字符角点确定倾斜角度，而在背景干扰导致字符角点较多时通过上下层边缘点对字符角点进行限制，因此在不同情况下，都可以准确的确定倾斜角度，从而提升车牌校正的准确度。

Description

车牌的校正方法及装置

技术领域

本申请涉及图像处理技术领域，尤其涉及一种车牌的校正方法及装置。

背景技术

车牌识别通常包括图像获取、车牌定位、字符分割以及识别的处理步骤，然而由于拍摄角度等原因，图像中的车牌会出现倾斜的问题，这会导致车牌字符之间的连接被破坏的问题，从而降低车牌识别率。

在相关技术中，通过边缘检测算子对预处理后的车牌图像进行二值化，并利用结构元素模板对二值化图像进行多次形态学运算，以获取连通域，然后利用最小二乘法对连通域内的所有目标点进行拟合，最终获得倾斜角度。在实际运算过程中，由于车牌图像中的车牌大小变化较大，而结构元素模板是固定的，导致获取的连通域中存在背景连通域，或字符连通域被腐蚀掉，导致无字符连通域的情况，因此无法获得准确的连通域，进而降低车牌校正准确度。

发明内容

有鉴于此，本申请提供一种车牌的校正方法及装置，以解决现有校正方式会导致无法获得准确的连通域，进而降低车牌校正准确度的问题。

根据本申请实施例的第一方面，提供一种车牌校正方法，所述方法包括：

获取车牌图像的字符连通域，并提取所述字符连通域的上层边缘点和下层边缘点；

获取所述车牌图像的字符角点，并从所述字符角点中提取上层字符角点和下层字符角点；

根据所述上层边缘点与所述上层字符角点确定第一点集，并根据所述下层边缘点与所述下层字符角点确定第二点集；

根据所述第一点集和所述第二点集确定所述车牌图像的倾斜角度，并利用所述倾斜角度校正所述车牌图像。

根据本申请实施例的第二方面，提供一种车牌校正装置，所述装置包括：第一获取单元，用于获取车牌图像的字符连通域，并提取所述字符连通域的上层边缘点和下层边缘点；

第二获取单元，用于获取所述车牌图像的字符角点，并从所述字符角点中提取上层字符角点和下层字符角点；

确定单元，用于根据所述上层边缘点与所述上层字符角点确定第一点集，并根据所述下层边缘点与所述下层字符角点确定第二点集；

校正单元，用于根据所述第一点集和所述第二点集确定所述车牌图像的倾斜角度，并利用所述倾斜角度校正所述车牌图像。

应用本申请实施例，可以获取车牌图像的字符连通域，并提取字符连通域的上层边缘点和下层边缘点，并还可以获取车牌图像的字符角点，并从字符角点中提取上层字符角点和下层字符角点，然后根据上层边缘点与上层字符角点确定第一点集，并根据下层边缘点与下层字符角点确定第二点集，最后根据第一点集和第二点集确定车牌图像的倾斜角度，并利用倾斜角度校正车牌图像。基于上述实现方式，本申请根据字符连通域的上下层边缘点和车牌图像的上下层字符角点得到的第一点集和第二点集相辅相成，以确定最终的倾斜角度，即在无字符连通域时仍能根据上下层字符角点确定倾斜角度，而在背景干扰导致字符角点较多时，通过上下层边缘点可以对字符角点进行限制，因此，在不同情况下，都可以确定出准确的倾斜角度，从而提升车牌校正的准确度。

附图说明

图1A为本申请根据一示例性实施例示出的一种车牌的校正方法的实施例流程图；

图1B为本申请根据图1A所示实施例示出的一种示例性的车牌图像；

图1C为本申请根据图1A所示实施例示出的一种车牌图像的字符连通域示意图；

图1D为本申请根据图1A所示实施例示出的一种上层边缘点的示意图；

图1E为本申请根据图1A所示实施例示出的一种提取上层字符角点和下层字符角点的示意图；

图1F为本申请根据图1A所示实施例示出的一种校正后的车牌图像；

图2A为本申请根据一示例性实施例示出的另一种车牌的校正方法的实施例流程图；

图2B为本申请根据图2A所示实施例示出的一种标定有连通域的示意图；

图3A为本申请根据一示例性实施例示出的另一种车牌的校正方法的实施例流程图；

图3B为本申请根据图3A所示的实施例示出的一种过滤背景后的车牌图像；

图4A为本申请根据一示例性实施例示出的另一种车牌的校正方法的实施例流程图；

图4B为本申请根据图4A所示的实施例示出的一种第一点集与拟合直线的示意图；

图5为本申请根据一示例性实施例示出的一种图像采集设备的硬件结构图；

图6为本申请根据一示例性实施例示出的一种车牌校正装置的实施例结构图；

图7为本申请根据一示例性实施例示出的另一种车牌校正装置的实施例结构图；

图8为本申请根据一示例性实施例示出的另一种车牌校正装置的实施例结构图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

图1A为本申请根据一示例性实施例示出的一种车牌的校正方法的实施例流程图；图1B为本申请根据图1A所示实施例示出的一种示例性的车牌图像；图1C为本申请根据图1A所示实施例示出的一种车牌图像的字符连通域示意图；图1D为本申请根据图1A所示实施例示出的一种上层边缘点的示意图；图1E为本申请根据图1A所示实施例示出的一种提取上层字符角点和下层字符角点的示意图；图1F为本申请根据图1A所示实施例示出的一种校正后的车牌图像，该实施例可以应用于图像采集设备上，在本申请实施例中，图像采集设备采集到的车牌图像通常为彩色图像，可以先将该车牌图像由彩色图像转换为灰度图像，再进行后续的处理，本领域技术人员可以理解的是，可以通过相关技术将彩色图像转换为灰度图像，本申请在此不再详述。如图1A所示，该车牌的校正方法包括如下步骤：

步骤101：获取车牌图像的字符连通域，并提取字符连通域的上层边缘点和下层边缘点。

在一实施例中，对于如何获取车牌图像的字符连通域的描述可以参见下述图2A所示实施例的描述，在此先不详述。

在另一实施例中，针对每个字符连通域，可以获取该字符连通域的上层最高边缘点和下层最低边缘点，然后将该字符连通域中与上层最高边缘点在第一方向上的差值小于第一预设数值的像素点确定为上层边缘点，将该字符连通域中与下层最低边缘点在第一方向上的差值小于该第一预设数值的像素点确定为下层边缘点。其中，该第一预设数值可以根据实际经验设置，例如，该第一预设数值可以设置为3。该第一方向可以是垂直方向。

在一示例性的场景中，如图1B至图1D所示，图1B为图像采集设备获得的车牌图像，该车牌图像为灰度图；图1C为图像采集设备获取到的图1B中的字符连通域，用白色虚框标记的即为字符连通域，其中，包括“J”字符连通域、“K”字符连通域、“9”字符连通域、“6”字符连通域、“0”字符连通域、“J”字符连通域；图1D为从每个字符连通域中提取到的上层边缘点。

步骤102：获取车牌图像的字符角点，并从字符角点中提取上层字符角点和下层字符角点。

在一实施例中，对于如何获取车牌图像的字符角点的描述可以参见下述图3A所示实施例的描述，在此先不详述。

在另一实施例中，可以先获取字符角点中的上层最高角点和下层最低角点，然后在第二方向上分别划一条经过上层最高角点的第一直线和经过下层最低角点的第二直线，并再通过在第二方向上的第三直线和第四直线将第一直线和第二直线之间的距离划分三等份，且第三直线位于第四直线的上层，最后将第一直线与第三直线之间的字符角点确定为上层字符角点，将第二直线与第四直线之间的字符角点确定为下层字符角点。其中，第二方向可以是水平方向。

在一示例性的场景中，结合图1E所示，图1E中的第一直线为经过上层最高角点的直线，第二直线为经过下层最低角点的直线，第三直线和第四直线使将第一直线与第二直线之间的距离划分三等份的两条直线，并且第三直线位于第四直线的上层，将第一直线与第三直线之间的字符角点确定为上层字符角点，将第二直线与第四直线之间的字符角点确定为下层字符角点。

本申请对步骤101与步骤102的执行顺序不进行限制，也可以先执行步骤102再执行步骤101。

步骤103：根据上层边缘点与上层字符角点确定第一点集，并根据下层边缘点与下层字符角点确定第二点集。

在一实施例中，可以通过将上层边缘点与上层字符角点融合，得到第一点集，以及通过将下层边缘点与下层字符角点融合，得到第二点集。

需要说明的是，可以根据车牌图像的宽度和高度设置一个滑窗，针对第一点集中的每个像素点，将该滑窗置于以该像素点为中心的位置上，如果位于该滑窗内的像素点的数量小于第二预设数值，则确定该像素点为孤立点，将该像素点删除。从而，通过设置的滑窗可以将第一点集中的孤立点删除，避免其对直线拟合结果的影响。

其中，滑窗的宽度可以设置为车牌图像的宽度的十分之一，滑窗的高度可以设置为车牌图像的高度的五分之一。该第二预设数值可以根据实际经验设置，例如，该第二预设数值可以是3。

步骤104：根据第一点集和第二点集确定车牌图像的倾斜角度，并利用倾斜角度校正车牌图像。

在一实施例中，对于如何根据第一点集和第二点集确定车牌图像的倾斜角度的描述可以参见下述图4A所示实施例的描述，在此先不详述。在确定倾斜角度之后，利用倾斜角度旋转车牌图像，以校正车牌图像中的倾斜车牌，校正后的车牌图像如图1F所示。

本实施例中，可以获取车牌图像的字符连通域，并提取字符连通域的上层边缘点和下层边缘点，并还可以获取车牌图像的字符角点，并从字符角点中提取上层字符角点和下层字符角点，然后根据上层边缘点与上层字符角点确定第一点集，并根据下层边缘点与下层字符角点确定第二点集，最后根据第一点集和第二点集确定车牌图像的倾斜角度，并利用倾斜角度校正车牌图像。基于上述实现方式，本申请根据字符连通域的上下层边缘点和车牌图像的上下层字符角点得到的第一点集和第二点集相辅相成，以确定最终的倾斜角度，即在无字符连通域时仍能根据上下层字符角点确定倾斜角度，而在背景干扰导致字符角点较多时，通过上下层边缘点可以对字符角点进行限制，因此，在不同情况下，都可以确定出准确的倾斜角度，从而提升车牌校正的准确度。

图2A为本申请根据一示例性实施例示出的另一种车牌的校正方法的实施例流程图；图2B为本申请根据图2A所示实施例示出的一种标定有连通域的示意图，本实施例利用本申请实施例提供的上述方法，以如何获取车牌图像的字符连通域为例进行示例性说明，如图2A所示，包括如下步骤：

步骤201：利用第一预设算法对车牌图像进行二值化处理，得到二值化图。

在一实施例中，第一预设算法可以是全局阈值法与局部阈值法的结合，即混合二值法，在采集车牌图像过程中，由于光照条件的不均匀，会导致采集的车牌图像的灰度分布不均匀，而采用全局阈值法与局部阈值法的结合，可以分别对每小块图像进行二值化，从而可以得到效果较好的二值化图，进而确保后续能够准确的提取出准确的字符连通域。下面对混合二值法的具体实现过程进行介绍：

(1)利用全局阈值法确定车牌图像的整体阈值TH0，全局阈值法可以是最大类间方差算法，也可以是Bernsern算法，本申请在此不进行限制。

(2)将车牌图像分成m*n块，其中，可以将宽度分成m块，高度分成n块。

(3)利用全局阈值法分别计算每块图像的阈值th_i，i＝1～m*n，并根据整体阈值TH0与每块阈值确定每块图像的最终阈值TH_i，具体公式为：TH_i＝w₀*TH0+w₁*th_i，i＝1～m*n，其中，w₀+w₁＝1。

(3)针对每块图像，利用该块图像对应的最终阈值对该块图像进行二值化处理，从而得到整个车牌图像的二值化图。

步骤202：标定二值化图中的连通域，并根据连通域的位置信息确定相邻连通域。

在一实施例中，标定二值化图中的连通域的标定方式可以是4连通域，也可以是8连通域。本领域技术人员可以理解的是，可以通过相关技术标定二值化图中的连通域，本申请在此不进行限制。

在另一实施例中，由于连通域的标定可能并不是按照一定的顺序标定，因此可以根据连通域的位置信息确定相邻连通域。其中，连通域的位置信息可以是连通域在第二方向上的中心坐标，可以将每个连通域在第二方向上的中心坐标从小到大进行排序，从而可以将排序结果中两个挨着的连通域确定为相邻连通域。

步骤203：针对每两个相邻连通域，若该两个相邻连通域的左右边界的差值和该两个相邻连通域在预设方向上的间距均小于第一阈值，则合并该两个相邻连通域。

由于有些字符如“9”“6”“8”“X”可能出现中间断裂，被分割成上下两部分，会影响后续提取每个连通域的上下层边缘点的准确性，因此可以对这些可能上下分离的连通域进行合并。因此，若两个相邻连通域的左右边界的差值且该两个相邻连通域在预设方向上的间距均小于第一阈值，则确定两个相邻连通域为同一字符的连通域，将两个相邻连通域融合为一个连通域。从而，实现将两个上下分离的连通域合并为一个连通域。其中，预设方向可以是第一方向，即垂直方向，第一阈值可以根据实际经验设置，通常上下分离的字符，对应的两个连通域的左右边界相差很小，且上下间距也很接近，例如，第一阈值可以是1。

步骤204：删除宽度大于高度的连通域。

在一实施例中，由于车牌图像中的每个字符均是宽度大于高度，如果有宽度大于高度的连通域可以确定是背景连通域，因此可以将宽度大于高度的连通域删除。

步骤205：根据连通域的高度、宽度与高度的比值从剩余的连通域中确定字符连通域。

在一实施例中，可以先计算剩余连通域的高度的中值，即如果有奇数个剩余连通域，则中间连通域的高度为剩余连通域的中值，如果有偶数个剩余连通域，则中间两个连通域的高度的均值为剩余连通域的中值，然后针对每个连通域，若该连通域的高度与相邻连通域的高度之差小于第三预设数值，且与相邻连通域的宽度与高度之比小于第四预设数值，且该连通域的高度与中值之差小于第五预设数值，则将该连通域确定为字符连通域。

其中，第三预设数值、第四预设数值以及第五预设数值均可以根据实际经验进行设置，例如，第三预设数值可以设置为高度之差小于连通域高度的八分之一，第四预设数值可以设置为0.25，第五预设数值可以设置为高度与中值之差小于中值的五分之一。

在一示例性的场景中，如图2B所示，字符“9”上下分离，通过连通域合并可以将字符“9”的两个连通域合并为一个连通域，通过宽度大于高度的条件，可以将背景连通域1、背景连通域3以及背景连通域4删除，由于字符“J”、“K”、“9”、“6”、“0”、“J”的高度均一致，宽度与高度比也均一致，因此，在最后根据连通域的高度、宽度与高度的比值从剩余连通域中再确定字符连通域时，可以确定出“J”、“K”、“9”、“6”、“0”、“J”的字符连通域，而将背景连通域2和背景连通域5过滤掉。

本实施例中，在将车牌图像二值化，并标定连通域之后，根据连通域的位置信息确定相邻连通域，并针对每两个相邻连通域，根据两个相邻连通域的左右边界的差值和两个相邻连通域在预设方向上的间距确定是否为同一字符的连通域，若是，则合并该两个相邻连通域，以确保后续提取字符连通域上下层边缘点的准确性，然后删除宽度大于高度的连通域，以减少背景连通域的干扰，最后再根据连通域的高度、宽度与高度的比值从剩余的连通域中确定字符连通域。从而，通过多次筛选确定出最终的字符连通域。

图3A为本申请根据一示例性实施例示出的另一种车牌的校正方法的实施例流程图；图3B为本申请根据图3A所示的实施例示出的一种过滤背景后的车牌图像，本实施例利用本申请实施例提供的上述方法，以如何获取车牌图像的字符角点为例进行示例性说明，如图3A所示，包括如下步骤：

步骤301：利用第一预设算法对车牌图像进行二值化处理，得到二值化图，并标定二值化图中的连通域。

步骤301的描述可以参见步骤201和步骤202中的描述，在此不再详述。

步骤302：根据连通域的位置信息、或者包含在连通域内的目标点的数量、或者连通域的宽度从该连通域中确定出背景连通域，并删除该背景连通域。

在一实施例中，若有边缘点位于车牌图像的边界的连通域，则可以将该连通域确定为背景连通域，或者，若有连通域内的目标点的数量小于第六预设数值，则也可以确定该连通域为背景连通域，或者，若有连通域的宽度小于第七预设数值，则也可以确定该连通域为背景连通域。其中，第六预设数值和第七预设数值可以根据实际经验设置，例如，第六预设数值可以设置为10，第七预设数值可以设置为3。

步骤303：将剩余的连通域中包含的像素点的位置映射到车牌图像中，并将车牌图像中未被映射的像素点的像素值修改为第二阈值，得到过滤背景后的车牌图像。

在将背景连通域删除之后，将剩余的连通域中包含的像素点的位置映射到车牌图像中，并将车牌图像中没有被映射的像素点的像素值修改为第二阈值，例如，第二阈值可以是(0，0，0)，从而得到过滤背景后的车牌图像。

在一示例性场景中，结合图2B和图3B所示，通过连通域的位置信息可以将背景连通域1删除，通过包含在连通域内的目标点的数量可以将背景连通域3和背景连通域4删除，通过连通域的宽度可以将背景连通域2删除，然后将剩余的连通域中包含的像素点的位置映射到车牌图像中，并将车牌图像中没有被映射的像素点的像素值修改为背景值，即(0，0，0)，从而得到图3B所示过滤背景后的灰度图，也即过滤背景后的车牌图像。

步骤304：利用第二预设算法提取过滤背景后的车牌图像的角点。

在一实施例中，第二预设算法可以是Harris角点检测算法，也可以是FAST角点检测算法，本申请在此不做限制。

步骤305：根据车牌图像的宽度和高度设置一个滑窗，通过滑窗从角点中删除孤立点。

步骤305的描述可以参见上述步骤103中关于通过设置的滑窗删除孤立点的描述，在此不再详述。

步骤306：将剩余的角点确定为字符角点。

本实施例中，首先通过删除背景连通域的方式获得过滤背景后的车牌图像，以避免背景对提取角点的干扰，然后在从过滤背景后的车牌图像中提取到角点之后，通过设置的滑窗从角点中删除非字符区域的孤立点，从而可以将剩余的角点确定为字符区域的字符角点。

图4A为本申请根据一示例性实施例示出的另一种车牌的校正方法的实施例流程图；图4B为本申请根据图4A所示的实施例示出的一种第一点集与拟合直线的示意图，本实施例利用本申请实施例提供的上述方法，以如何根据所述第一点集和所述第二点集确定所述车牌图像的倾斜角度为例进行示例性说明，如图4A所示，包括如下步骤：

步骤401：对第一点集进行直线拟合，得到第一斜率。

在一实施例中，对第一点集进行直线拟合可以通过最小二乘线性拟合算法实现，然后根据线性拟合得到的拟合直线得到第一斜率。本领域技术人员可以理解的是，最小二乘线性拟合算法的具体实现过程，可以通过相关技术实现，本申请在此不再详细阐述。如图4B所示，白色虚线框中的像素点组合即为第一点集，穿过第一点集的直线即为通过最小二乘线性拟合算法得到的拟合直线，拟合直线的斜率即为第一斜率。

步骤402：对第二点集进行直线拟合，得到第二斜率。

步骤402的描述可以参见步骤401的描述，在此不再详述。

步骤403：根据第一斜率和第二斜率确定车牌图像的倾斜角度。

在一实施例中，可以先判断第一斜率与第二斜率的差值是否小于第三阈值，若是，则根据第一斜率与第二斜率的均值确定倾斜角度；若否，则根据第一点集的数量与第二点集的数量确定倾斜角度。从而，根据第一斜率和第二斜率确定出最准确的倾斜斜率，并将该倾斜斜率转换为车牌图像的倾斜角度。

其中，在第一斜率与第二斜率相差较小时，可以将第一斜率和第二斜率的均值确定为车牌图像的倾斜斜率，然后再将倾斜斜率转换为倾斜角度，该第三阈值可以根据实际经验进行设置，例如，第三阈值可以设置为0.1。在第一斜率与第二斜率相差较大时，可以先确定第一点集的数量和第二点集的数量，如果第一点集的数量大于第二点集的数量，则将第一斜率确定为车牌图像的倾斜斜率，并将该倾斜斜率转换为车牌图像的倾斜角度，如果第一点集的数量小于第二点集的数量，则将第二斜率确定为车牌图像的倾斜斜率，并将该倾斜斜率转换为倾斜角度。

本实施例中，可以对第一点集和第二点集分别进行直线拟合，以得到第一斜率和第二斜率，然后再根据第一斜率与第二斜率确定出最准确的倾斜斜率，并将该倾斜斜率转换为倾斜角度，以利用该倾斜角度校正车牌图像，进而提升车牌校正的准确度。

与前述车牌校正方法的实施例相对应，本申请还提供了车牌校正装置的实施例。

本申请车牌校正装置的实施例可以应用在图像采集设备上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图5所示，为本申请根据一示例性实施例示出的一种图像采集设备的硬件结构图，除了图5所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的设备通常根据该设备的实际功能，还可以包括其他硬件，对此不再赘述。

图6为本申请根据一示例性实施例示出的一种车牌校正装置的实施例结构图，该实施例可以应用于图像采集设备上，如图6所示，该车牌校正装置包括：第一获取单元61、第二获取单元62、确定单元63、校正单元64。

其中，第一获取单元61，用于获取车牌图像的字符连通域，并提取所述字符连通域的上层边缘点和下层边缘点；

第二获取单元62，用于获取所述车牌图像的字符角点，并从所述字符角点中提取上层字符角点和下层字符角点；

确定单元63，用于根据所述上层边缘点与所述上层字符角点确定第一点集，并根据所述下层边缘点与所述下层字符角点确定第二点集；

校正单元64，用于根据所述第一点集和所述第二点集确定所述车牌图像的倾斜角度，并利用所述倾斜角度校正所述车牌图像。

在一实施例中，校正单元64，具体用于在根据所述第一点集和所述第二点集确定所述车牌图像的倾斜角度的过程中，对所述第一点集进行直线拟合，得到第一斜率；对所述第二点集进行直线拟合，得到第二斜率；根据所述第一斜率和所述第二斜率确定所述车牌图像的倾斜角度。

在一实施例中，校正单元64，具体用于在根据所述第一斜率和所述第二斜率确定所述车牌图像的倾斜角度的过程中，判断所述第一斜率与所述第二斜率的差值是否小于第三阈值；若是，则根据所述第一斜率与所述第二斜率的均值确定倾斜角度；若否，则根据所述第一点集的数量与所述第二点集的数量确定倾斜角度。

图7为本申请根据一示例性实施例示出的另一种车牌校正装置的实施例结构图，在上述图6所示实施例的基础上，如图7所示，第一获取单元61，可包括：

二值化子单元611，用于利用第一预设算法对所述车牌图像进行二值化处理，得到二值化图；

标定子单元612，用于标定所述二值化图中的连通域，并根据连通域的位置信息确定相邻连通域；

合并子单元613，用于针对每两个相邻连通域，若该两个相邻连通域的左右边界的差值和该两个相邻连通域在预设方向上的间距均小于第一阈值，则合并该两个相邻连通域；

第一删除子单元614，用于删除宽度大于高度的连通域；

第一确定子单元615，用于根据连通域的高度、宽度与高度的比值从剩余的连通域中确定字符连通域。

图8为本申请根据一示例性实施例示出的另一种车牌校正装置的实施例结构图，在上述图6和图7所示实施例的基础上，如图8所示，该装置还可包括：

删除单元65，用于在第二获取单元62获取所述车牌图像的字符角点之前，根据连通域的位置信息、或者包含在连通域内的目标点的数量、或者连通域的宽度从所述连通域中确定出背景连通域，并删除背景连通域；

第三获取单元66，用于将剩余的连通域中包含的像素点的位置映射到所述车牌图像中，并将所述车牌图像中未被映射的像素点的像素值修改为第二阈值，得到过滤背景后的车牌图像。

第二获取单元62，可包括：

提取子单元621，用于利用第二预设算法提取所述过滤背景后的车牌图像的角点；

第二删除子单元622，用于根据所述车牌图像的宽度和高度设置一个滑窗，通过所述滑窗从所述角点中删除孤立点；

第二确定子单元623，用于将剩余的角点确定为字符角点。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (8)

1.一种车牌校正方法，其特征在于，所述方法包括：

获取车牌图像的字符连通域，并提取所述字符连通域的上层边缘点和下层边缘点，包括：

获取所述字符连通域的上层最高边缘点和下层最低边缘点，将所述字符连通域中与上层最高边缘点在第一方向上的差值小于第一预设数值的像素点确定为所述上层边缘点，将所述字符连通域中与下层最低边缘点在第一方向上的差值小于第一预设数值的像素点确定为所述下层边缘点；

获取所述车牌图像的字符角点，并从所述字符角点中提取上层字符角点和下层字符角点，包括：

获取所述字符角点中的上层最高角点和下层最低角点，在第二方向上分别划一条经过上层最高角点的第一直线和经过下层最低角点的第二直线，通过在第二方向上的第三直线和第四直线将第一直线和第二直线之间的距离划分三等份，且第三直线位于第四直线的上层，将第一直线与第三直线之间的字符角点确定为所述上层字符角点，将第二直线与第四直线之间的字符角点确定为所述下层字符角点；根据所述上层边缘点与所述上层字符角点确定第一点集，并根据所述下层边缘点与所述下层字符角点确定第二点集；

根据所述第一点集和所述第二点集确定所述车牌图像的倾斜角度，包括：对所述第一点集进行直线拟合，得到第一斜率，对所述第二点集进行直线拟合，得到第二斜率，判断所述第一斜率与所述第二斜率的差值是否小于第三阈值；

若是，则根据所述第一斜率与所述第二斜率的均值确定倾斜角度，若否，则根据所述第一点集的数量与所述第二点集的数量确定倾斜角度，并利用所述倾斜角度校正所述车牌图像。

2.根据权利要求1所述的方法，其特征在于，所述获取车牌图像的字符连通域，包括：

利用第一预设算法对所述车牌图像进行二值化处理，得到二值化图；

标定所述二值化图中的连通域，并根据连通域的位置信息确定相邻连通域；

针对每两个相邻连通域，若该两个相邻连通域的左右边界的差值和该两个相邻连通域在预设方向上的间距均小于第一阈值，则合并该两个相邻连通域；

删除宽度大于高度的连通域；

根据连通域的高度、宽度与高度的比值从剩余的连通域中确定字符连通域。

3.根据权利要求2所述的方法，其特征在于，在获取所述车牌图像的字符角点之前，所述方法还包括：

根据连通域的位置信息、或者包含在连通域内的目标点的数量、或者连通域的宽度从所述连通域中确定出背景连通域，并删除背景连通域；

将剩余的连通域中包含的像素点的位置映射到所述车牌图像中，并将所述车牌图像中未被映射的像素点的像素值修改为第二阈值，得到过滤背景后的车牌图像。

4.根据权利要求3所述的方法，其特征在于，所述获取所述车牌图像的字符角点，包括：

利用第二预设算法提取所述过滤背景后的车牌图像的角点；

根据所述车牌图像的宽度和高度设置一个滑窗，通过所述滑窗从所述角点中删除孤立点；

将剩余的角点确定为字符角点。

5.一种车牌校正装置，其特征在于，所述装置包括：

第一获取单元，用于获取车牌图像的字符连通域，并提取所述字符连通域的上层边缘点和下层边缘点，包括：

获取所述字符连通域的上层最高边缘点和下层最低边缘点，将所述字符连通域中与上层最高边缘点在第一方向上的差值小于第一预设数值的像素点确定为所述上层边缘点，将所述字符连通域中与下层最低边缘点在第一方向上的差值小于第一预设数值的像素点确定为所述下层边缘点；

第二获取单元，用于获取所述车牌图像的字符角点，并从所述字符角点中提取上层字符角点和下层字符角点，包括：

获取所述字符角点中的上层最高角点和下层最低角点，在第二方向上分别划一条经过上层最高角点的第一直线和经过下层最低角点的第二直线，通过在第二方向上的第三直线和第四直线将第一直线和第二直线之间的距离划分三等份，且第三直线位于第四直线的上层，将第一直线与第三直线之间的字符角点确定为所述上层字符角点，将第二直线与第四直线之间的字符角点确定为所述下层字符角点；

确定单元，用于根据所述上层边缘点与所述上层字符角点确定第一点集，并根据所述下层边缘点与所述下层字符角点确定第二点集；

校正单元，用于根据所述第一点集和所述第二点集确定所述车牌图像的倾斜角度，包括：对所述第一点集进行直线拟合，得到第一斜率，对所述第二点集进行直线拟合，得到第二斜率，判断所述第一斜率与所述第二斜率的差值是否小于第三阈值；

若是，则根据所述第一斜率与所述第二斜率的均值确定倾斜角度，若否，则根据所述第一点集的数量与所述第二点集的数量确定倾斜角度，并利用所述倾斜角度校正所述车牌图像。

6.根据权利要求5所述的装置，其特征在于，所述第一获取单元，包括：

二值化子单元，用于利用第一预设算法对所述车牌图像进行二值化处理，得到二值化图；

标定子单元，用于标定所述二值化图中的连通域，并根据连通域的位置信息确定相邻连通域；

合并子单元，用于针对每两个相邻连通域，若该两个相邻连通域的左右边界的差值和该两个相邻连通域在预设方向上的间距均小于第一阈值，则合并该两个相邻连通域；

第一删除子单元，用于删除宽度大于高度的连通域；

第一确定子单元，用于根据连通域的高度、宽度与高度的比值从剩余的连通域中确定字符连通域。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

删除单元，用于在所述第二获取单元获取所述车牌图像的字符角点之前，根据连通域的位置信息、或者包含在连通域内的目标点的数量、或者连通域的宽度从所述连通域中确定出背景连通域，并删除背景连通域；

第三获取单元，用于将剩余的连通域中包含的像素点的位置映射到所述车牌图像中，并将所述车牌图像中未被映射的像素点的像素值修改为第二阈值，得到过滤背景后的车牌图像。

8.根据权利要求7所述的装置，其特征在于，所述第二获取单元，包括：

提取子单元，用于利用第二预设算法提取所述过滤背景后的车牌图像的角点；

第二删除子单元，用于根据所述车牌图像的宽度和高度设置一个滑窗，通过所述滑窗从所述角点中删除孤立点；

第二确定子单元，用于将剩余的角点确定为字符角点。

Images