CN110544219A - 基于图像处理技术实现车牌定位处理的方法 - Google Patents
基于图像处理技术实现车牌定位处理的方法 Download PDFInfo
- Publication number
- CN110544219A CN110544219A CN201910833429.1A CN201910833429A CN110544219A CN 110544219 A CN110544219 A CN 110544219A CN 201910833429 A CN201910833429 A CN 201910833429A CN 110544219 A CN110544219 A CN 110544219A
- Authority
- CN
- China
- Prior art keywords
- image
- license plate
- gray scale
- plate positioning
- processing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000006243 chemical reaction Methods 0.000 claims abstract description 21
- 238000003708 edge detection Methods 0.000 claims abstract description 13
- 238000009499 grossing Methods 0.000 claims abstract description 12
- 230000007797 corrosion Effects 0.000 claims abstract description 9
- 238000005260 corrosion Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 abstract description 7
- 238000003706 image smoothing Methods 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 abstract description 6
- 230000000877 morphologic effect Effects 0.000 abstract description 6
- 230000009467 reduction Effects 0.000 abstract description 3
- 230000009466 transformation Effects 0.000 abstract description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像处理技术实现车牌定位处理的方法,包括读入图像,以图像左上角的像素点为原点建立直角坐标系,进行灰阶变换、对图像进行平滑处理、对灰度图像进行二值化,并计算图像最大稳定极值区域、对图像做边缘检测和腐蚀处理,计算车牌候选区域,从而完成车牌定位处理。采用了本发明的基于图像处理技术实现车牌定位处理的方法,通过建立统一的车牌定位检测框架,引入了灰阶变换、图像平滑处理、最大稳定区域获取、边缘检测、形态学处理、最近相邻对获取,有效地解决了复杂场景下车牌定位问题,利用图像灰阶变换、图像平滑处理,图像最大稳定值抽取、图像最佳连通区域获取克服复杂背景和不同角度距离下车牌定位精度下降及定位检测中错误率高的问题。
Description
技术领域
本发明涉及图像处理领域,尤其涉及车牌定位图像处理领域,具体是指一种基于图像处理技术实现车牌定位处理的方法。
背景技术
车牌定位是在图像中检测车牌的处理过程。早期的车牌定位技术通常采用纹理特征、颜色特征、字符特征等。随着计算机技术的出现,基于计算机视觉和智能图像处理的方法极大地提高了处理的工作效率和适用条件。
经过对现有技术的文献检索发现,基于多特征融合的方法所采用的算法主要是利用不同特征信息,如Cheng S H,Gao X,Zhou B.在《Acta Metrological Sinica》(地震学报)2018年第39卷,第3期,第348页到352页发表的“Vehicle Recognition Based onMulti-feature Extraction and SVM Parameter Optimization”(基于多特征提取和支持向量机的参数优化的车辆识别)一文中提出基于多特征抽取实现车牌定位识别。Li B,TianB,Yao Q在《IEEE International Conference on Networking,Sensing and Control》(国际网络、传感和控制会议)第1卷,第399页到404页发表的“A Vehicle license platerecognition system based on analysis of maximally stable extremal regions”(基于最大稳定极值区域的车牌识别)一文中提出利用最大稳定极值区域来定位车牌的方法。然而,这些方法未能考虑复杂背景、不同角度距离的车牌识别的问题。从而无法获得正确的车牌信息。这就带来了车牌定位精度下降的问题。
发明内容
本发明的目的是克服了上述现有技术的缺点,提供了一种满足处理效率高、操作简便、适用范围较为广泛的基于图像处理技术实现车牌定位处理的方法。
为了实现上述目的,本发明的基于图像处理技术实现车牌定位处理的方法如下:
该基于图像处理技术实现车牌定位处理的方法,其主要特点是,所述的方法包括以下步骤:
(1)读入图像,以图像左上角的像素点为原点建立直角坐标系,进行灰阶变换;
(2)对图像进行平滑处理;
(3)对灰度图像进行二值化,并计算图像最大稳定极值区域;
(4)对图像做边缘检测和腐蚀处理,计算车牌候选区域,从而完成车牌定位处理。
较佳地,所述的步骤(1)中进行灰阶变换,具体为:
根据以下公式计算进行灰阶变换:
Y=0.299×R+0.587×G+0.114×B;
其中,R、G、B分别为所述的原图像信息中各个像素点的红色、绿色、蓝色的数值,Y为灰阶转换后图像的各个像素点的数值。
较佳地,所述的步骤(2)中进行平滑处理,具体为:
根据以下公式计算进行平滑处理:
其中,i,j为像素点索引,Ni为像素点i的相邻点索引,Wj为归一化的加权因子,且Ws为几何距离的高斯加权WR为灰度变化的高斯加权I表示某一像素点的灰度值,h为衰减控制参数。
较佳地,所述的步骤(3)具体包括以下步骤:
(3.1)通过[0,255]区间内256个不同的值对灰度图像进行二值化;
(3.2)持续计算连通区域面积绝对值与二值化后的连通区域的面积的比值;
(3.3)判断所述的计算结果是否小于极小值,如果是,则连通区域为最大稳定极值区域;否则,继续步骤(3.2)。
较佳地,所述的步骤(4)具体包括以下步骤:
(4.1)通过canny算子对图像做边缘检测;
(4.2)对检测后的图像进行n次腐蚀处理;
(4.3)计算车牌候选区域。
较佳地,所述的步骤(4.3)中计算车牌候选区域,具体为:
根据以下公式计算车牌候选区域:
其中,hi、wi、hj、wj分别为第i,j连通域的最小外接矩形的高和宽;(xi,yi),(xj,yj)分别为第i,j连通域最小外接矩形的中心坐标。
采用了本发明的基于图像处理技术实现车牌定位处理的方法,通过建立统一的车牌定位检测框架,引入了灰阶变换、图像平滑处理、最大稳定区域获取、边缘检测、形态学处理、最近相邻对获取,有效地解决了复杂场景下车牌定位问题,利用图像灰阶变换、图像平滑处理,图像最大稳定值抽取、图像最佳连通区域获取克服了复杂背景和不同角度距离下车牌定位精度下降及定位检测中错误率高的问题。
附图说明
图1为本发明的基于图像处理技术实现车牌定位处理的方法的流程图。
具体实施方式
为了能够更清楚地描述本发明的技术内容,下面结合具体实施例来进行进一步的描述。
如图1所示,本发明的该基于图像处理技术实现车牌定位处理的方法,其中包括以下步骤:
(1)读入图像,以图像左上角的像素点为原点建立直角坐标系,进行灰阶变换;
(2)对图像进行平滑处理;
(3)对灰度图像进行二值化,并计算图像最大稳定极值区域;
(3.1)通过[0,255]区间内256个不同的值对灰度图像进行二值化;
(3.2)持续计算连通区域面积绝对值与二值化后的连通区域的面积的比值;
(3.3)判断所述的计算结果是否小于极小值,如果是,则连通区域为最大稳定极值区域;否则,继续步骤(3.2);
(4)对图像做边缘检测和腐蚀处理,计算车牌候选区域;具体包括以下步骤:
(4.1)通过canny算子对图像做边缘检测;
(4.2)对检测后的图像进行n次腐蚀处理;
(4.3)计算车牌候选区域,从而完成车牌定位处理。
作为本发明的优选实施方式,所述的步骤(1)中进行灰阶变换,具体为:
根据以下公式计算进行灰阶变换:
Y=0.299×R+0.587×G+0.114×B;
其中,R、G、B分别为所述的原图像信息中各个像素点的红色、绿色、蓝色的数值,Y为灰阶转换后图像的各个像素点的数值。
作为本发明的优选实施方式,所述的步骤(2)中进行平滑处理,具体为:
根据以下公式计算进行平滑处理:
其中,i,j为像素点索引,Ni为像素点i的相邻点索引,Wj为归一化的加权因子,且Ws为几何距离的高斯加权WR为灰度变化的高斯加权I表示某一像素点的灰度值,h为衰减控制参数。
作为本发明的优选实施方式,所述的步骤(4.3)中计算车牌候选区域,具体为:
根据以下公式计算车牌候选区域:
其中,hi、wi、hj、wj分别为第i,j连通域的最小外接矩形的高和宽;(xi,yi),(xj,yj)分别为第i,i连通域最小外接矩形的中心坐标。
本发明的具体实施方式中,针对上述现有技术的不足,提出了一种基于局部均值模型的车牌定位方法,该方法采用非线性灰阶变换,最大极值稳定区域提取,边缘算子处理,形态学处理来完成整个车牌定位过程,包括以下步骤:图像读入,灰阶变换、图像平滑处理、最大稳定区域获取、边缘检测、形态学处理、最近相邻对获取。本发明克服了车牌定位程中的在复杂环境下识别率低的问题,有效地实现了对图像中车牌定位。
一种图像中车牌定位方法,包括以下步骤:
第一步,读入当前图像。
第二步,以图像中左上角的像素点为原点建立直角坐标系,进行灰阶变换。
第三步,计算图像最大稳定极值区域。
第四步,计算车牌候选区域,从而完成车牌定位处理。
本发明是通过以下技术方案实现的,具体包括如下步骤:
步骤一,车牌图像灰阶转换,
Y=0.299×R+0.587×G+0.114×B;
其中,R、G、B分别为所述的原图像信息中各个像素点的红色、绿色、蓝色的数值,Y为灰阶转换后图像的各个像素点的数值。
步骤二,图像平滑处理,
在上式中,其中,i,j为像素点索引,Ni为像素点i的相邻点索引,Wj为归一化的加权因子,且Ws为几何距离的高斯加权WR为灰度变化的高斯加权I表示某一像素点的灰度值,h为衰减控制参数。
步骤三,对步骤二获得的像素灰度值用[0,255]区间256个不同的值对灰度图像进行二值化,Tx为二值化后的连通区域,x为连通区域坐标,在[0,255]区间的二值化阈值用Ux来表示,当Ux±Δ变化时,连通区域也发生相应的变化,若Ux+Δ时的连通区域面积减去Ux-Δ时的连通区域面积绝对值比上Tx的面积小于极小值时表示该连通区域为最大稳定极值区域。
步骤四,对步骤三获得图像进行边缘和形态学处理,采用canny算子做边缘检测,检测后的图像进行n次腐蚀处理,然后按照以下公式构建最邻近对得到车牌候选区域:
在上式中,hi、wi、hj、wj分别为第i,j连通域的最小外接矩形的高和宽;(xi,yi),(xj,yj)分别为第i,j连通域最小外接矩形的中心坐标。聚合后得到的连通域即为车牌候选区域,从而完成车牌定位处理。
本发明的实施例对图像大小为320×256像素的视频作雨雪检测,包括如下步骤:
第一步,读入当前图像;
第二步,以图像中左上角的像素点为原点建立直角坐标系,对当前图像进行灰阶变换。
具体计算公式如下:
Y=0.299×R+0.587×G+0.114×B;
第三步,对灰阶图像进行平滑处理:
第四步,对步骤三获得的像素灰度值用[0,255]区间256个不同的值对灰度图像进行二值化,Tx为二值化后的连通区域,x为连通区域坐标,在[0,255]区间的二值化阈值用Ux来表示,当Ux±5变化时,连通区域也发生相应的变化,若Ux+5时的连通区域面积减去Ux-5时的连通区域面积绝对值比上Tx的面积小于0.001时表示该连通区域为最大稳定极值区域。
第五步,对步骤四获得图像进行边缘和形态学处理,采用canny算子做边缘检测,检测后的图像进行3次腐蚀处理,然后按照以下公式构建最邻近对得到车牌候选区域:
在上式中,hi、wi、hj、wj分别为第i,j连通域的最小外接矩形的高和宽;(xi,yi),(xj,yj)分别为第i,j连通域最小外接矩形的中心坐标。聚合后得到的连通域即为车牌候选区域,从而完成车牌定位处理。
采用了本发明的基于图像处理技术实现车牌定位处理的方法,通过建立统一的车牌定位检测框架,引入了灰阶变换、图像平滑处理、最大稳定区域获取、边缘检测、形态学处理、最近相邻对获取,有效地解决了复杂场景下车牌定位问题,利用图像灰阶变换、图像平滑处理,图像最大稳定值抽取、图像最佳连通区域获取克服了复杂背景和不同角度距离下车牌定位精度下降及定位检测中错误率高的问题。
在此说明书中,本发明已参照其特定的实施例作了描述。但是,很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此,说明书和附图应被认为是说明性的而非限制性的。
Claims (6)
1.一种基于图像处理技术实现车牌定位处理的方法,其特征在于,所述的方法包括以下步骤:
(1)读入图像,以图像左上角的像素点为原点建立直角坐标系,进行灰阶变换;
(2)对图像进行平滑处理;
(3)对灰度图像进行二值化,并计算图像最大稳定极值区域;
(4)对图像做边缘检测和腐蚀处理,计算车牌候选区域,从而完成车牌定位处理。
2.根据权利要求1所述的基于图像处理技术实现车牌定位处理的方法,其特征在于,所述的步骤(1)中进行灰阶变换,具体为:
根据以下公式计算进行灰阶变换:
Y=0.299×R+0.587×G+0.114×B;
其中,R、G、B分别为所述的原图像信息中各个像素点的红色、绿色、蓝色的数值,Y为灰阶转换后图像的各个像素点的数值。
3.根据权利要求1所述的基于图像处理技术实现车牌定位处理的方法,其特征在于,所述的步骤(2)中进行平滑处理,具体为:
根据以下公式计算进行平滑处理:
其中,i,j为像素点索引,Ni为像素点i的相邻点索引,Wj为归一化的加权因子,且Ws为几何距离的高斯加权WR为灰度变化的高斯加权I表示某一像素点的灰度值,h为衰减控制参数。
4.根据权利要求1所述的基于图像处理技术实现车牌定位处理的方法,其特征在于,所述的步骤(3)具体包括以下步骤:
(3.1)通过[0,255]区间内256个不同的值对灰度图像进行二值化;
(3.2)持续计算连通区域面积绝对值与二值化后的连通区域的面积的比值;
(3.3)判断所述的计算结果是否小于极小值,如果是,则连通区域为最大稳定极值区域;否则,继续步骤(3.2)。
5.根据权利要求1所述的基于图像处理技术实现车牌定位处理的方法,其特征在于,所述的步骤(4)具体包括以下步骤:
(4.1)通过canny算子对图像做边缘检测;
(4.2)对检测后的图像进行n次腐蚀处理;
(4.3)计算车牌候选区域。
6.根据权利要求5所述的基于图像处理技术实现车牌定位处理的方法,其特征在于,所述的步骤(4.3)中计算车牌候选区域,具体为:
根据以下公式计算车牌候选区域:
其中,hi、wi、hj、wj分别为第i,j连通域的最小外接矩形的高和宽;(xi,yi),(xj,yj)分别为第i,j连通域最小外接矩形的中心坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910833429.1A CN110544219A (zh) | 2019-09-04 | 2019-09-04 | 基于图像处理技术实现车牌定位处理的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910833429.1A CN110544219A (zh) | 2019-09-04 | 2019-09-04 | 基于图像处理技术实现车牌定位处理的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110544219A true CN110544219A (zh) | 2019-12-06 |
Family
ID=68711271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910833429.1A Pending CN110544219A (zh) | 2019-09-04 | 2019-09-04 | 基于图像处理技术实现车牌定位处理的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110544219A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809735A (zh) * | 2015-05-12 | 2015-07-29 | 公安部第三研究所 | 基于傅里叶变换实现图像雾霾评价的系统及方法 |
CN106815583A (zh) * | 2017-01-16 | 2017-06-09 | 上海理工大学 | 一种基于mser和swt相结合的夜间车辆车牌定位方法 |
-
2019
- 2019-09-04 CN CN201910833429.1A patent/CN110544219A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809735A (zh) * | 2015-05-12 | 2015-07-29 | 公安部第三研究所 | 基于傅里叶变换实现图像雾霾评价的系统及方法 |
CN106815583A (zh) * | 2017-01-16 | 2017-06-09 | 上海理工大学 | 一种基于mser和swt相结合的夜间车辆车牌定位方法 |
Non-Patent Citations (3)
Title |
---|
BO LI 等: "A Vehicle License Plate Recognition System Based on Analysis of Maximally Stable Extremal Regions", 《PROCEEDINGS OF 2012 9TH IEEE INTERNATIONAL CONFERENCE ON NETWORKING,SENSING AND CONTROL》 * |
罗永亮: "光照、几何偏转鲁棒的车牌定位方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
蒙佳: "车牌及车标识别技术的研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785291B (zh) | 一种车道线自适应检测方法 | |
CN108597009B (zh) | 一种基于方向角信息进行三维目标检测的方法 | |
CN107798330A (zh) | 一种焊缝图像特征信息提取方法 | |
Li et al. | Nighttime lane markings recognition based on Canny detection and Hough transform | |
CN107609555B (zh) | 车牌检测方法、应用其的车型识别方法及相关装置 | |
CN109145915A (zh) | 一种复杂场景下车牌快速畸变矫正方法 | |
CN105260693A (zh) | 一种激光二维码定位方法 | |
CN101807257A (zh) | 图像标签信息识别方法 | |
CN109409356B (zh) | 一种基于swt的多方向中文印刷体文字检测方法 | |
CN110110608B (zh) | 一种全景监控下基于视觉的叉车速度监测方法和系统 | |
Youjin et al. | A robust lane detection method based on vanishing point estimation | |
CN106875430B (zh) | 动态背景下基于固定形态的单一运动目标追踪方法和装置 | |
CN109685827B (zh) | 一种基于dsp的目标检测与跟踪方法 | |
CN111598952A (zh) | 一种多尺度合作靶标设计与在线检测识别方法及系统 | |
CN104517108A (zh) | 一种确定qr码二值化图像边缘线的方法及系统 | |
Chang et al. | An efficient method for lane-mark extraction in complex conditions | |
CN114331879A (zh) | 一种均衡化二阶梯度直方图描述子的可见光与红外图像配准方法 | |
CN109389165A (zh) | 基于巡检机器人的变压器油位计识别方法 | |
CN108319961B (zh) | 一种基于局部特征点的图像roi快速检测方法 | |
CN114241438B (zh) | 一种基于先验信息的交通信号灯快速精确的识别方法 | |
CN107563331A (zh) | 一种基于几何关系的道路标志线检测方法及系统 | |
CN117611525A (zh) | 一种受电弓滑板磨耗视觉检测方法和系统 | |
CN112418210B (zh) | 一种杆塔巡检信息智能分类方法 | |
CN115661110B (zh) | 一种透明工件识别与定位的方法 | |
CN110544219A (zh) | 基于图像处理技术实现车牌定位处理的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191206 |
|
RJ01 | Rejection of invention patent application after publication |