一、车牌图像倾斜度的检测
我们运用上诉方法在百余幅图像中进行实验,正确、完整地定位出车牌位置的概率接近100%,下一步需要对截取出的车牌图像进行进一步修整,去除多余部分,较精确地定位出车牌的边缘,并计算出车牌的倾斜度,为字符分割创造良好条件。
在边缘检测中,我们使用了一种改进的Hough变换算法。算法首先求得车牌图像的边缘图像。并进行二值化。算法第二步在倾角(一A,+A)之间设定一组直线方程X eosX + Y sinX(一A < X< +A),对于每一直线方程,分别计算其权值如下:
Weight= ObjectSum
其中ObjectSum为本直线上目标像素的数目,在这组直线中Weight值最大的直线的倾角x即为车牌水平方向的倾角。
在已求出倾角x的前提下,算法第三步进一步提取车牌的两条水平边缘,具体方法为:
从车牌中心部分开始分别向上下两个方向计算每一直线x CosX + Y SinX的一组权值:
Weight1= 本直线上目标像素的数目
Weight2= 本直线上目标像素形成连续线段的段数
Weight3= 本直线上目标像素最长线段的长度
Weight2和Weight3用于区分车牌图像在一条直线方向上的连续程度,在车牌中心字符部分。字符和背景交替出现,Weight2值大,Weight3值/b;而当靠近上下边缘时。由于车牌边缘基本是由一条连续线段组成,Weight2值减小,Weight3值增大。当三个权值都在一定范围内时,即可将本直线作为车牌的水平边缘。
由于车牌的两条水平边不一定是平行的,因此可将车牌图像分为上下两部分分别计算其倾角。在利用分别计算出的倾角确定上下边缘,这种方法进一步加强了对倾斜、变形车牌的适应能力。
用类似的方法也可以求出垂直方向的倾角及左右两条边缘,图4为车牌边缘图像和求出的四条边界。在四条边界都确定后可以利用车牌的四个顶点进行几何变换。将车牌调整为比例规范的矩形。但由于变换后的图像或多或少会存在一些衰减,且在已知倾角后已可以较准确地进行字符分割,因此在我们在实际运用中并没有对图像进行校正。
二、牌照中字符的分割
在车牌区域精确定位之后,每个字符所在位置也要精确确定。无论字符号码用什么样的识别方法。
字符在图像中位置的准确划定可以提高识别率。所谓字符位置的确定,可以形象地表示成确定每个待识别字符的外接矩形(在倾斜的情况下,为平行四边形)。对外接矩形定位的准确度要求的高低与后续使用的识别算法类型有关。如果识别采用的是模板匹配法,则要求各位字符的位置的定位精度要高;如果对字符的识别是基于比较抽象的描述,这种描述具有旋转不变性和位移不变性,则字符定位精度也就可以降低。使用笔划等结构性描述方法具有这种特性,但这对字符在图像中的清晰度要求较高。从我们所遇到的情况看,车牌的字符不能保证永远是清晰的。因此对字符定位的要求则以相对较高为好。
字符分割算法应该充分利用上一步计算出的车牌倾斜度的信息。下图5的分割结果是利用车牌垂直方向的倾角,通过寻找字符之间的间隙实现的。
上面的分割算法有两处弱点。尚需要进一步调整:
由于图像本身或二值化算法的影响,部分字符相距较近或粘连在一起,用上诉方法无法分割;
许多车牌中有2个或4个用于固定的螺丝钉,很容易将第2个和第6个字符与车牌上下边缘粘连在一起(如上图5的0)。
但由于大部分字符已经正确分割,字符的平均宽度和高度都可计算出来,加之车牌的水平垂直方向的倾角已经确定,根据这些信息不难对上面分割算法的结果做进一步整理,解决大部分粘连问题,准确地提取每个字符,其细节不再赘述。
汽车车牌号码的识别是一个十分困难的问题,车牌可能安装在汽车的不同部位,车牌可能污损,歪斜等等都给车牌在图像中区域的检测与定位带来很多困难。
根据实际的需要,我们归纳出以下对整个算法的基本要求:
车牌在图像中可能出现的区域应基本上没有限制;
算法应适用于任何一种颜色与任何一种国内使用的规格.并且对汽车不同的颜色、品牌形状等都应有高的适应性;
在汽车上附有其它标牌、口号等条件下也能正常识别;
允许车牌本身有一定程度的扭曲、车牌在图像中的形状可允许有一定的畸变;
车牌号码识别算法的速度要高。
上海祁舜道闸专业服务：上海道闸车牌识别系统，车牌自动识别系统，无人值守停车管理系统，智慧停车场管理，智能人行通道，道闸，智能道闸，智能车位引导系统，停车场无感支付系统，门禁安装 ，人行通道翼闸、三辊闸、速通闸等，上海地区可上面测量，免费设计安装。
官网：www.qishunzn.com
热线：15900830396（微信同号）
电话：021-56161178
地址：上海市宝山区美丹路222号640室（美兰湖地铁站）
邮箱：qishunjianzhu@126.com
业务部：罗先生 15902126928
业务部：刘女士 15221009051
业务QQ：2207171446
