CN108573253A - 车牌字符二值图的生成方法 - Google Patents
车牌字符二值图的生成方法 Download PDFInfo
- Publication number
- CN108573253A CN108573253A CN201710145853.8A CN201710145853A CN108573253A CN 108573253 A CN108573253 A CN 108573253A CN 201710145853 A CN201710145853 A CN 201710145853A CN 108573253 A CN108573253 A CN 108573253A
- Authority
- CN
- China
- Prior art keywords
- binary map
- characters
- license plate
- character
- binary
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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
Abstract
本发明提供一种车牌字符二值图的生成方法。所述方法包括:从标准的车牌字符图片中提取车牌字符;将提取的车牌字符叠加到底图的感兴趣区域,生成所述车牌字符的初始字符模型;对所述初始字符模型进行二值化处理,生成所述车牌字符的二值图。本发明能够快速生成训练车牌字符所需要的二值图样本,提高了车牌字符训练样本的采集效率。
Description
技术领域
本发明涉及车牌识别技术领域,尤其涉及一种车牌字符二值图的生成方法。
背景技术
在交通领域车牌识别系统中,为了更好地识别出各种车牌,在训练时需要大量的车牌字符样本。目前采集车牌字符样本的方法主要是人工对车牌进行拍照,然后采用截图或标注的方式进行字符提取。在实际处理过程中,每个字符需要上万的训练样本,显然,现有方法需要耗费大量人力和物力,采集效率低。
发明内容
本发明提供的车牌字符二值图的生成方法,能够提高车牌字符训练样本的采集效率。
本发明提供一种车牌字符二值图的生成方法,包括:
从标准的车牌字符图片中提取车牌字符;
将提取的车牌字符叠加到底图的感兴趣区域,生成所述车牌字符的初始字符模型;
对所述初始字符模型进行二值化处理,生成所述车牌字符的二值图。
可选地,在生成所述车牌字符的二值图之后,所述方法还包括:
消除所述二值图的字符边缘噪点。
可选地,所述消除所述二值图的字符边缘噪点包括:
对所述二值图进行高斯模糊处理,生成字符图;
对所述字符图的所有像素点重新赋值,生成新的字符图;
对所述新的字符图进行二值化处理,生成新的二值图;
对所述新的二值图先进行一次腐蚀,再进行一次膨胀。
可选地,所述对所述字符图的所有像素点重新赋值包括:
a)读取所述字符图的任意一个像素点的像素值;
b)计算该像素点对应的高斯函数;
c)使用计算出的高斯函数对该像素点重新赋值;
d)重复执行a)~c),对所述字符图的所有像素点重新赋值。
可选地,在消除所述二值图的字符边缘噪点之后,所述方法还包括:
对所述二值图进行腐蚀或膨胀,生成不同粗细字符的二值图。
可选地,在消除所述二值图的字符边缘噪点之后,所述方法还包括:
对所述二值图进行仿射变换,生成扭曲字符的二值图。
可选地,在消除所述二值图的字符边缘噪点之后,所述方法还包括:
从所述二值图的感兴趣区域以外的区域截取污点图片;
对所述污点图片进行二值化处理;
将二值化处理后的污点图片叠加到所述二值图中的车牌字符上,生成污损字符的二值图。
可选地,在消除所述二值图的字符边缘噪点之后,所述方法还包括:
按照指定步长移动所述二值图的感兴趣区域,生成残缺字符的二值图。
本发明提供的车牌字符二值图的生成方法,从标准的车牌字符图片中提取车牌字符;然后将提取的车牌字符叠加到底图的感兴趣区域,生成所述车牌字符的初始字符模型;再对所述初始字符模型进行二值化处理,生成所述车牌字符的二值图。与现有技术相比,本发明能够快速生成训练车牌字符所需要的二值图样本,不需要任何采集、截图或标注所需要的人力物力,提高了车牌字符样本的采集效率。
附图说明
图1为本发明一实施例提供的车牌字符二值图的生成方法的流程图;
图2为本发明实施例使用的标准车牌字符图片的示意图;
图3为本发明另一实施例提供的车牌字符二值图的生成方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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。
本发明实施例提供一种车牌字符二值图的生成方法,如图1所示,所述方法包括:
S11、从标准的车牌字符图片中提取车牌字符。
中华人民共和国公共安全行业标准GA36—2014中标准的车牌字符图片如图2所示,图片为白底黑字(像素是0时为黑色,255时为白色),一共是71个字符,图片中车牌字符的长宽固定,字符间间隔基本一样,每个车牌字符通常为50*100大小,即宽50,高100,使用程序分割提取所述标准的车牌字符图片中的车牌字符。
S12、将提取的车牌字符叠加到底图的感兴趣区域(Roi,Region of interest),生成所述车牌字符的初始字符模型。
所述底图的图片大小根据实际处理的车牌字符的长宽要求,缩放到合适的尺寸,例如车牌字符为50*100时,所述底图可以设定为100*200,此时可以将提取的车牌字符(宽高为50*100)放置到底图(宽高为100*200)的中间。
所述底图的所有像素为255时,即为白底,由于提取的车牌字符像素为0,即为黑字,此时可以直接叠加;如果所述底图的所有像素为0,即为黑底,此时需要将提取的车牌字符的像素先取反,从0变成255,再将车牌字符叠加到底图中。
S13、对所述初始字符模型进行二值化处理,生成所述车牌字符的二值图。
二值化处理可以防止出现其他非0,非255像素,生成所述车牌字符的二值图后,保存该二值图或者将其存放到缓存中。
通常,按上述方法生成的车牌字符的二值图,在字符边缘会存在小的噪点,因此,为了改善所述二值图的显示效果,所述车牌字符二值图的生成方法还包括:
S14、消除所述二值图的字符边缘噪点。
对所述二值图进行高斯模糊处理,高斯核大小通过随机函数控制,可以为3*3、5*5或7*7等,模糊程度通过随机函数控制,一般不超过5。
所述二值图经过高斯模糊处理之后,生成字符图,实际上是一张灰度图,读取所述字符图的任意一个像素点,得到该像素点的像素值,以该像素值为基准可以计算一个高斯函数,所述高斯函数的均值为该像素点的像素值加1,所述高斯函数的方差为该像素点的像素值的指定倍数加1,例如可以取0.3倍,在这里,之所以加1,是防止像素值为0时,计算的高斯函数的均值及方差为0,需要说明的是,此处可以加一个较小的自然数,一般不超过5。
使用计算出的高斯函数对该像素点重新赋值,赋值后判断新的像素值是否超出范围,如果超出,进行边界处理,大于255时,则为255,小于0时,则为0。
使用上述方法对所述字符图的所有像素点重新赋值,可以得到一张新的字符图,所述字符图经过二值化处理之后,生成新的二值图。
对所述新的二值图先进行一次腐蚀,再进行一次膨胀,即可消除所述二值图的字符边缘噪点。
可选地,在消除所述二值图的字符边缘噪点之后,所述车牌字符二值图的生成方法还包括:
S15、通过腐蚀或膨胀生成不同粗细车牌字符的二值图。
使用随机函数控制,如果需要生成较细字符的二值图,可以先对所述二值图进行指定次数,如3或4次腐蚀,再进行1次膨胀,腐蚀次数比膨胀次数多,之所以多次腐蚀后要进行1次膨胀,是为了防止字符出现微小断裂;如果需要生成较粗字符的二值图,可以对所述二值图进行指定次数,如2~3次膨胀。
可选地,在消除所述二值图的字符边缘噪点之后,所述车牌字符二值图的生成方法还包括:
S16、对所述二值图进行仿射变换,生成扭曲字符的二值图。
为了生成各种不同姿态的字符,使用仿射变换对所述二值图中的车牌字符进行扭曲处理,实现车牌字符的变形,通过高斯函数控制仿射变换后的坐标,从而控制车牌字符仿射变换的程度,即控制字符的扭曲程度。根据需要,仿射变换控制在一定范围内,一般不超过3%,同时不超出图片范围。
例如,仿射变换前的四个坐标点是(0,0),(1079,1079),(0,1079)(1079,0);仿射变换后的四个坐标点是(3,8),(1048,1079),(1,1024)(1036,0),其中仿射变换后的坐标是高斯函数随机生成的。
所述二值图经过仿射变换后,还可以进行旋转处理,通过随机函数控制所述二值图的旋转程度。
可选地,在消除所述二值图的字符边缘噪点之后,所述车牌字符二值图的生成方法还包括:
S17、在所述二值图中添加污点,生成污损字符的二值图。
从任意一张底图或者从生成的二值图的感兴趣区域以外的区域截取一块或多块图片作为污点图片,污点图片的个数由随机函数控制,所述污点图片与车牌字符的比例可以设置,一般污点图片的大小不超过二值图中的车牌字符的1/5;
对所述污点图片进行二值化处理之后,将所述污点图片叠加到二值图中的车牌字符上的任意位置,叠加位置的坐标由随机函数控制,可生成污损字符的二值图。
可选地,在消除所述二值图的字符边缘噪点之后,所述车牌字符二值图的生成方法还包括:
S18、按照指定步长移动所述二值图的感兴趣区域,生成残缺字符的二值图。
通过统计整幅二值图,在图片中寻找最上非零y坐标值,最下非零y坐标值,最左非零x坐标值以及最右非零x坐标值,即可生成所述二值图的感兴趣区域的位置信息。
将所述感兴趣区域的横坐标移动x个步长或纵坐标移动y个步长,x和y由随机函数控制,实现字符的左右上下切割,此时感兴趣区域中的车牌字符就会部分缺失,从而生成残缺字符的二值图。
需要说明的是,步骤S15用于生成各种不同粗细车牌字符的二值图,步骤S16用于生成各种不同扭曲程度车牌字符的二值图,步骤S17用于生成污损字符的二值图,步骤S18用于生成残缺字符的二值图,S15~S18之间并没有必然的前后顺序,可以调整顺序,并根据需要执行其中的一步或几步,如图3所示,是本发明另一实施例提供的车牌字符二值图的生成方法所采用的流程图。
本发明实施例提供的车牌字符二值图的生成方法,从标准的车牌字符图片中提取车牌字符;然后将提取的车牌字符叠加到底图的感兴趣区域,生成所述车牌字符的初始字符模型;再对所述初始字符模型进行二值化处理,生成所述车牌字符的二值图。与现有技术相比,能够快速生成训练车牌字符所需要的二值图样本,生成车牌所有字符(71个字符,每个字符1万张或更多)只需要1小时,不需要任何采集、截图或标注所需要的人力物力,提高了车牌字符样本的采集效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种车牌字符二值图的生成方法,其特征在于,所述方法包括:
从标准的车牌字符图片中提取车牌字符;
将提取的车牌字符叠加到底图的感兴趣区域,生成所述车牌字符的初始字符模型;
对所述初始字符模型进行二值化处理,生成所述车牌字符的二值图。
2.根据权利要求1所述的方法,其特征在于,在生成所述车牌字符的二值图之后,所述方法还包括:
消除所述二值图的字符边缘噪点。
3.根据权利要求2所述的方法,其特征在于,所述消除所述二值图的字符边缘噪点包括:
对所述二值图进行高斯模糊处理,生成字符图;
对所述字符图的所有像素点重新赋值,生成新的字符图;
对所述新的字符图进行二值化处理,生成新的二值图;
对所述新的二值图先进行一次腐蚀,再进行一次膨胀。
4.根据权利要求3所述的方法,其特征在于,所述对所述字符图的所有像素点重新赋值包括:
4-1)读取所述字符图的任意一个像素点的像素值;
4-2)计算该像素点对应的高斯函数;
4-3)使用计算出的高斯函数对该像素点重新赋值;
4-4)重复执行4-1)~4-3),对所述字符图的所有像素点重新赋值。
5.根据权利要求2所述的方法,其特征在于,在消除所述二值图的字符边缘噪点之后,所述方法还包括:
对所述二值图进行腐蚀或膨胀,生成不同粗细字符的二值图。
6.根据权利要求2所述的方法,其特征在于,在消除所述二值图的字符边缘噪点之后,所述方法还包括:
对所述二值图进行仿射变换,生成扭曲字符的二值图。
7.根据权利要求2所述的方法,其特征在于,在消除所述二值图的字符边缘噪点之后,所述方法还包括:
从所述二值图的感兴趣区域以外的区域截取污点图片;
对所述污点图片进行二值化处理;
将二值化处理后的污点图片叠加到所述二值图中的车牌字符上,生成污损字符的二值图。
8.根据权利要求2所述的方法,其特征在于,在消除所述二值图的字符边缘噪点之后,所述方法还包括:
按照指定步长移动所述二值图的感兴趣区域,生成残缺字符的二值图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710145853.8A CN108573253B (zh) | 2017-03-13 | 2017-03-13 | 车牌字符二值图的生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710145853.8A CN108573253B (zh) | 2017-03-13 | 2017-03-13 | 车牌字符二值图的生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108573253A true CN108573253A (zh) | 2018-09-25 |
CN108573253B CN108573253B (zh) | 2021-09-07 |
Family
ID=63578430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710145853.8A Active CN108573253B (zh) | 2017-03-13 | 2017-03-13 | 车牌字符二值图的生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108573253B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113971627A (zh) * | 2020-07-23 | 2022-01-25 | 华为技术有限公司 | 一种车牌图片生成方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604381A (zh) * | 2009-05-20 | 2009-12-16 | 电子科技大学 | 基于多分类支持向量机的车牌字符识别方法 |
CN104504744A (zh) * | 2014-12-31 | 2015-04-08 | 深圳市捷顺科技实业股份有限公司 | 一种合成车牌图像的拟真方法及装置 |
CN104899571A (zh) * | 2015-06-12 | 2015-09-09 | 成都数联铭品科技有限公司 | 一种用于复杂文字识别的随机样本产生方法 |
CN105975968A (zh) * | 2016-05-06 | 2016-09-28 | 西安理工大学 | 一种基于Caffe框架的深度学习车牌字符识别方法 |
-
2017
- 2017-03-13 CN CN201710145853.8A patent/CN108573253B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604381A (zh) * | 2009-05-20 | 2009-12-16 | 电子科技大学 | 基于多分类支持向量机的车牌字符识别方法 |
CN104504744A (zh) * | 2014-12-31 | 2015-04-08 | 深圳市捷顺科技实业股份有限公司 | 一种合成车牌图像的拟真方法及装置 |
CN104899571A (zh) * | 2015-06-12 | 2015-09-09 | 成都数联铭品科技有限公司 | 一种用于复杂文字识别的随机样本产生方法 |
CN105975968A (zh) * | 2016-05-06 | 2016-09-28 | 西安理工大学 | 一种基于Caffe框架的深度学习车牌字符识别方法 |
Non-Patent Citations (3)
Title |
---|
LIU PAN ET AL: "Low-quality License Plate Character Recognition Based on CNN", 《2015 8TH INTERNATIONAL SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE AND DESIGN》 * |
赵皓瑜: "基于恶劣情况下的车牌识别", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
陈志强: "复杂背景下字符图像的预处理及分割算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113971627A (zh) * | 2020-07-23 | 2022-01-25 | 华为技术有限公司 | 一种车牌图片生成方法及装置 |
CN113971627B (zh) * | 2020-07-23 | 2023-07-18 | 华为技术有限公司 | 一种车牌图片生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108573253B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101615244A (zh) | 手写板坯号自动识别方法及识别装置 | |
CN106599896A (zh) | 一种字符分割方法和装置、及元件检测方法和装置 | |
CN107944451B (zh) | 一种藏文古籍文档的行切分方法及系统 | |
CN112307919B (zh) | 一种基于改进YOLOv3的单证图像中数字信息区域识别方法 | |
CN112446262A (zh) | 文本分析方法、装置、终端和计算机可读存储介质 | |
CN101976336A (zh) | 一种基于模糊增强和曲面拟合的图像边缘特征提取方法 | |
US20130077856A1 (en) | Processes and systems for training machine typesets for character recognition | |
CN110532938B (zh) | 基于Faster-RCNN的纸质作业页码识别方法 | |
CN111144270B (zh) | 基于神经网络的手写文本工整度的评测方法与评测装置 | |
CN108573254A (zh) | 车牌字符灰度图的生成方法 | |
CN108596840B (zh) | 一种用于深度学习评定血管网络发育水平的数据集增强方法 | |
CN114419632A (zh) | 一种ocr训练样本生成方法、装置及系统 | |
CN108573253A (zh) | 车牌字符二值图的生成方法 | |
Shi et al. | Image enhancement for degraded binary document images | |
CN113435219A (zh) | 防伪检测方法、装置、电子设备及存储介质 | |
JPH06282686A (ja) | 文字認識方法 | |
CN110766001A (zh) | 基于cnn和rnn的银行卡卡号定位与端到端识别方法 | |
CN116597466A (zh) | 一种基于改进YOLOv5s的工程图纸文字检测识别方法及系统 | |
CN108062548B (zh) | 一种盲文方自适应定位方法及系统 | |
CN115410191A (zh) | 文本图像识别方法、装置、设备和存储介质 | |
CN114241492A (zh) | 一种识别作文稿纸的手写文本识别并复现文本结构的方法 | |
CN115171133A (zh) | 用于不规则表格图像拉平的表格结构检测方法 | |
CN114241463A (zh) | 签名验证方法、装置、计算机设备和存储介质 | |
Bloomberg et al. | Document image applications | |
JP4492258B2 (ja) | 文字・図形の認識方法および検査方法 |
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 |