CN110619335A - 一种车牌定位与车牌字符分割方法 - Google Patents

一种车牌定位与车牌字符分割方法 Download PDF

Info

Publication number
CN110619335A
CN110619335A CN201910893432.2A CN201910893432A CN110619335A CN 110619335 A CN110619335 A CN 110619335A CN 201910893432 A CN201910893432 A CN 201910893432A CN 110619335 A CN110619335 A CN 110619335A
Authority
CN
China
Prior art keywords
license plate
image
characters
segmentation
value
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
Application number
CN201910893432.2A
Other languages
English (en)
Inventor
李培灵
张潇
王�锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan University of Technology
Original Assignee
Henan University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan University of Technology filed Critical Henan University of Technology
Priority to CN201910893432.2A priority Critical patent/CN110619335A/zh
Publication of CN110619335A publication Critical patent/CN110619335A/zh
Pending legal-status Critical Current

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
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • 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
    • G06V10/267—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 by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Character Input (AREA)

Abstract

本发明公布了一种车牌定位与车牌字符分割方法。包括以下步骤：首先，将车牌图像的RGB（红、绿、蓝）颜色空间转换到HSV（色调、饱和度、亮度）颜色空间，利用颜色分割原理进行车牌粗略定位。其次，运用霍夫变换直线检测来实现车牌的倾斜校正，然后用投影法对车牌进行二次定位，精确定位车牌位置。最后，根据先验知识，采用改进的投影法有效去除分隔符，并准确分割“川”，“沪”等特殊汉字字符。本发明的车牌定位与车牌字符分割方法，能够准确地进行车牌定位，对字符实现较好分割。

Description

一种车牌定位与车牌字符分割方法
技术领域
本发明属于数字图像处理领域，具体涉及到一种车牌定位与车牌字符分割方法。
背景技术
速度，交通拥堵、行车安全等问题已成为城市交通中的普遍现象。这些问题的存在促使了智能交通系统的产生。智能交通系统将先进的信息技术、数据通信技术、传感器技术、电子控制技术、人工智能以及计算机技术等有效的综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。
车牌识别技术是智能交通系统中的关键技术，广泛应用于超速违章处罚、车辆出入管理、牌照号码自动登记、高速公路收费等领域。车牌识别系统的关键技术主要有三个部分：车牌定位、字符分割和字符识别。车牌定位算法主要分为两大类：基于彩色图像的车牌定位方法和基于灰度图像的车牌定位方法。彩色图像信息丰富，可以根据色彩信息在复杂背景中实现车牌的定位，但同时彩色图像数据量大的特点会花费更长的时间。灰度图像数据量少，运行时间短，但是对背景复杂的图像处理效果不好。常见的字符分割方法有连通域法和投影法。连通域法是根据数字和字母字符的连通性进行字符分割的，首先对车牌图像进行连通域分析，获取每个连通域上下左右的始末位置，即可获得包含连通域的一个最小矩形区域，再对连通域进行分裂或合并，即可切分出字符。字符分割技术是基于车牌图像中各字符间存在间隙，所以二值化后的车牌图像在垂直方向的投影在间隙处会出现波谷，投影法是对车牌字符进行垂直投影，波谷位置即为字符间的分界线，实现字符分割。车牌定位与车牌字符分割是车牌识别系统中的两个关键步骤，为后期的车牌字符识别奠定基础。
本方法采用HSV颜色分割算法和投影法相结合的方法，并对现有的颜色分割算法和投影算法进行了改进，实现了车牌的定位。字符分割过程通过实验确定出最佳二值化阈值，对图像进行二值化处理，然后通过垂直投影实现字符的有效分割。最终实现车牌的高效定位与字符的有效分割。
发明内容：
为了克服上述现有技术中的不足，本发明公布了一种车牌定位与车牌字符分割方法。包括以下步骤：首先，将车牌图像的RGB(红、绿、蓝)颜色空间转换到HSV(色调、饱和度、亮度)颜色空间，利用颜色分割原理进行车牌粗略定位。其次，运用霍夫变换直线检测来实现车牌的倾斜校正，然后用投影法对车牌进行二次定位，精确定位车牌位置。最后，根据先验知识，采用改进的投影法有效去除分隔符，并准确分割“川”，“沪”等特殊汉字字符。
具体实现方法如下：
本发明公布了一种车牌定位与车牌字符分割方法，其特征在于：包括以下步骤，
步骤(A)根据HSV颜色特征进行车牌粗略定位；
步骤(B)根据霍夫变换原理校正倾斜车牌；
步骤(C)去除车牌的边框，并精确提取车牌；
步骤(D)车牌分割前车牌图像的预处理；
步骤(E)采用垂直投影法对车牌字符分割。
1.步骤(A)，根据HSV颜色特征进行车牌粗略定位，由先验知识，汽车车牌的HSV值如表1所示：
表1HSV的取值范围，‘\’表示不予考虑
本方法利用HSV颜色空间中蓝色的色调、饱和度、亮度的取值范围分别在水平方向和垂直方向累计蓝色像素的个数，分别确定水平分割阈值和垂直分割阈值，对图像进行分割，确定车牌位置；在定位过程中，确定上下边界进行水平投影时，针对出现的上下边界范围太大或太小的问题，将水平分割阈值适当提高，每当检测到小于阈值的数据时，再检测下一个数据是否同样小于阈值，直到接下来的若干个数据均小于阈值，则该位置即为定位出的车牌边界，实验表明效果较好；确定左右边界进行垂直投影时，出现了边界范围太小的问题，解决方法同上。
2.步骤(B)，根据霍夫变换原理校正倾斜车牌；包括以下步骤，本方法采用霍夫(Hough)变换的原理进行校正；
在采用霍夫变换直线检测对图片进行校正前，还需要对图像进行一些预处理，首先将图像转为二值图像，然后对二值图像进行膨胀、腐蚀、边缘检测等操作，使图中尽可能少地含有白色像素，且能通过霍夫变换检测出要得到的直线，最后计算直线倾斜角度，对图像进行旋转校正；
本软件中主要检测车牌框架上下边界的的倾斜角，由于要用到车牌框架上下边界图像，所以二值化时阈值不能太小，设图像I是一幅灰度图像，有0～255共256个亮度等级，设level取值范围为[0,1]，二值化过程是将像素大于level*255的值转为255，像素小于level*255的值转为0，本软件将level设为0.4，然后进行边缘检测，再用霍夫变换直线检测求得图中直线的倾斜角，进行倾斜校正。
3.步骤(C)，去除车牌的边框，并精确提取车牌,校正后的车牌图像还有边框，需要进一步去除图像中的边框，完成对车牌的精确定位。首先对图像进行二值化处理，其中level先使用默认值0.5，引入一个比例因子t，
t＝n/m
其中n是二值化后图像中白色像素的个数，m是图像总像素数。经试验表明，t在0.1～0.22范围内，字符分割效果最好，根据t的值调整level的值，得到最终的二值图像；然后对二值图像进行水平投影，确定车牌上下边界，对图像进行垂直投影，确定车牌左右边界。
4.步骤(D)车牌分割前车牌图像的预处理，包括以下步骤：先将车牌图像转为灰度图像，然后对灰度图像进行中值滤波降噪，最后进行二值化处理。
5.步骤(E)，采用垂直投影法对车牌字符分割，垂直投影法就是根据车牌字符间存在间隙的特点进行字符分割的，先对二值图像进行垂直投影，累计每一列的值，确定阈值，小于阈值的即为字符间的边界，然后就可以对字符进行分割；但是有些汉字比较特殊，如“川”字，在进行投影阈值分割时会在字符内部进行分割，对此算法改进如下：由于精确定位后的车牌中含有7个字符，平均每个字符占图像总长度的1/8～1/10，根据这一先验知识，先定位出第一个字符的起始位置，然后再定位剩下字符的起始位置；车牌中的分隔符会被当作字符进行分割，根据分隔符起始位置间距小，并且在起始位置间白色像素少的特点对分割出的图像进行判断，找出分隔符的图像将其去除，仅留下字符图像。
附图说明：
如附图所示，图1车牌定位及字符分割流程图，图2为部分典型车牌定位及字符分割结果。
具体实施方式：
图1给出了车牌定位与字符分割的流程框图。其中包括车牌粗略定位、车牌倾斜校正、车牌精确定位和车牌字符分割等步骤。
其中，车牌粗略定位采用HSV颜色分割来实现，运用霍夫变换直线检测来实现车牌的倾斜校正，然后用投影法对车牌进行二次定位，精确定位车牌位置。车牌字符分割根据先验知识，采用改进的投影法有效去除分隔符，并准确分割“川”，“沪”等特殊汉字字符。
为了验证本文软件的有效性。实验仿真平台均在PC机上，基于Matlab2014a语言仿真实现；程序运行环境是Windows 7旗舰版32位操作系统，计算机配置为Core(TM)CPU处理器，3.20GHz主频和4GB内存。
对不同背景下拍摄的200幅车牌图像进行了车牌定位、字符分割测试，实验表明，应用本软件中方法能准确地进行车牌定位，对字符实现较好分割，图2为部分典型的车牌图像及其分割结果。测试结果表明有效定位率达到100％，字符分割正确率达到了98％。

Claims (6)

1.本发明公布了一种车牌定位与车牌字符分割方法，其特征在于：包括以下步骤，
步骤(A)根据HSV颜色特征进行车牌粗略定位；
步骤(B)根据霍夫变换原理校正倾斜车牌；
步骤(C)去除车牌的边框，并精确提取车牌；
步骤(D)车牌分割前车牌图像的预处理；
步骤(E)采用垂直投影法对车牌字符分割。
2.根据权利要求1所述的一种车牌定位与车牌字符分割方法，其特征在于：步骤(A)，根据HSV颜色特征进行车牌粗略定位，由先验知识，汽车车牌的HSV值如表1所示：
表1 HSV的取值范围，‘\’表示不予考虑
蓝色 黄色 白色 黑色 色调 0.56～0.7 0.14～0.2 \ \ 饱和度 0.4～1 0.4～1 0～0.1 \ 亮度 0.3～1 0.3～1 0.9～1 0～0.35
本方法利用HSV颜色空间中蓝色的色调、饱和度、亮度的取值范围分别在水平方向和垂直方向累计蓝色像素的个数，分别确定水平分割阈值和垂直分割阈值，对图像进行分割，确定车牌位置；在定位过程中，确定上下边界进行水平投影时，针对出现的上下边界范围太大或太小的问题，将水平分割阈值适当提高，每当检测到小于阈值的数据时，再检测下一个数据是否同样小于阈值，直到接下来的若干个数据均小于阈值，则该位置即为定位出的车牌边界，实验表明效果较好；确定左右边界进行垂直投影时，出现了边界范围太小的问题，解决方法同上。
3.根据权利要求1所述的一种车牌定位与车牌字符分割方法，其特征在于：步骤(B)，根据霍夫变换原理校正倾斜车牌；包括以下步骤，本方法采用霍夫(Hough)变换的原理进行校正；
在采用霍夫变换直线检测对图片进行校正前，还需要对图像进行一些预处理，首先将图像转为二值图像，然后对二值图像进行膨胀、腐蚀、边缘检测等操作，使图中尽可能少地含有白色像素，且能通过霍夫变换检测出要得到的直线，最后计算直线倾斜角度，对图像进行旋转校正；
本软件中主要检测车牌框架上下边界的的倾斜角，由于要用到车牌框架上下边界图像，所以二值化时阈值不能太小，设图像I是一幅灰度图像，有0～255共256个亮度等级，设level取值范围为[0,1]，二值化过程是将像素大于level*255的值转为255，像素小于level*255的值转为0，本软件将level设为0.4，然后进行边缘检测，再用霍夫变换直线检测求得图中直线的倾斜角，进行倾斜校正。
4.根据权利要求1所述的一种车牌定位与车牌字符分割方法，其特征在于：步骤(C)，去除车牌的边框，并精确提取车牌,校正后的车牌图像还有边框，需要进一步去除图像中的边框，完成对车牌的精确定位；首先对图像进行二值化处理，其中level先使用默认值0.5，引入一个比例因子t，
t＝n/m
其中n是二值化后图像中白色像素的个数，m是图像总像素数；经试验表明，t在0.1～0.22范围内，字符分割效果最好，根据t的值调整level的值，得到最终的二值图像；然后对二值图像进行水平投影，确定车牌上下边界，对图像进行垂直投影，确定车牌左右边界。
5.根据权利要求1所述的一种车牌定位与车牌字符分割方法，其特征在于：步骤(D)车牌分割前车牌图像的预处理；包括以下步骤：先将车牌图像转为灰度图像，然后对灰度图像进行中值滤波降噪，最后进行二值化处理。
6.根据权利要求1所述的一种车牌定位与车牌字符分割方法，其特征在于：步骤(E)，采用垂直投影法对车牌字符分割，垂直投影法就是根据车牌字符间存在间隙的特点进行字符分割的，先对二值图像进行垂直投影，累计每一列的值，确定阈值，小于阈值的即为字符间的边界，然后就可以对字符进行分割；但是有些汉字比较特殊，如“川”字，在进行投影阈值分割时会在字符内部进行分割，对此算法改进如下：由于精确定位后的车牌中含有7个字符，平均每个字符占图像总长度的1/8～1/10，根据这一先验知识，先定位出第一个字符的起始位置，然后再定位剩下字符的起始位置；车牌中的分隔符会被当作字符进行分割，根据分隔符起始位置间距小，并且在起始位置间白色像素少的特点对分割出的图像进行判断，找出分隔符的图像将其去除，仅留下字符图像。
CN201910893432.2A 2019-09-20 2019-09-20 一种车牌定位与车牌字符分割方法 Pending CN110619335A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910893432.2A CN110619335A (zh) 2019-09-20 2019-09-20 一种车牌定位与车牌字符分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910893432.2A CN110619335A (zh) 2019-09-20 2019-09-20 一种车牌定位与车牌字符分割方法

Publications (1)

Publication Number Publication Date
CN110619335A true CN110619335A (zh) 2019-12-27

Family

ID=68923871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910893432.2A Pending CN110619335A (zh) 2019-09-20 2019-09-20 一种车牌定位与车牌字符分割方法

Country Status (1)

Country Link
CN (1) CN110619335A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112883977A (zh) * 2021-02-22 2021-06-01 三峡大学 车牌识别方法、装置、电子设备和存储介质
CN114299275A (zh) * 2021-12-03 2022-04-08 江苏航天大为科技股份有限公司 一种基于霍夫变换的车牌倾斜校正方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112883977A (zh) * 2021-02-22 2021-06-01 三峡大学 车牌识别方法、装置、电子设备和存储介质
CN114299275A (zh) * 2021-12-03 2022-04-08 江苏航天大为科技股份有限公司 一种基于霍夫变换的车牌倾斜校正方法

Similar Documents

Publication Publication Date Title
CN109886896B (zh) 一种蓝色车牌分割与矫正方法
CN103065138B (zh) 一种机动车牌号的识别方法
CN101334836B (zh) 一种融合色彩、尺寸和纹理特征的车牌定位方法
CN111382704B (zh) 基于深度学习的车辆压线违章判断方法、装置及存储介质
CN104036262B (zh) 一种lpr车牌筛选识别的方法和系统
CN109241920B (zh) 一种用于车载道路监控取证系统的车道线检测方法
CN103235938A (zh) 车牌检测与识别的方法及系统
CN105336169A (zh) 一种基于视频判断交通拥堵的方法和系统
CN108416316B (zh) 一种黑烟车的检测方法及系统
CN107895151A (zh) 一种强光照条件下基于机器视觉的车道线检测方法
CN102902957A (zh) 一种基于视频流的自动车牌识别方法
CN107705254B (zh) 一种基于街景图的城市环境评估方法
CN109886168B (zh) 一种基于层阶的地面交通标志识别方法
CN108734131B (zh) 一种图像中的交通标志对称性检测方法
CN110245600B (zh) 自适应起始快速笔画宽度无人机道路检测方法
CN112651293B (zh) 一种公路违法设摊事件视频检测方法
CN114387591A (zh) 车牌识别方法、系统、设备及存储介质
CN110619335A (zh) 一种车牌定位与车牌字符分割方法
CN110516666B (zh) 基于mser和isodata相结合的车牌定位方法
CN112528994B (zh) 一种自由角度车牌检测方法、车牌识别方法和识别系统
CN113989771A (zh) 一种基于数字图像处理的交通信号灯识别方法
CN111178359A (zh) 车牌号码识别方法、装置和设备及计算机存储介质
CN113053164A (zh) 一种利用环视图像的车位识别方法
CN110059695B (zh) 一种基于垂直投影的字符分割方法及终端
CN111985482B (zh) 一种基于深度学习的多模式多场景的自动车牌识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191227