基于高低帽變換和連通域的車牌定位方法及其系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，公開(kāi)了一種基于高低帽變換和連通域的車牌定位方法及其系統(tǒng)。該方法包括：S1，獲取車輛的灰度圖像，并對(duì)灰度圖像進(jìn)行預(yù)處理；S2，利用高低帽變換從經(jīng)過(guò)預(yù)處理后的灰度圖像提取出目標(biāo)圖像，并對(duì)目標(biāo)圖像進(jìn)行二值化處理；S3，計(jì)算經(jīng)過(guò)二值化處理后的目標(biāo)圖像的連通域，消除非車牌目標(biāo)的連通域，實(shí)現(xiàn)對(duì)車牌的粗定位；S4，對(duì)粗定位后的車牌進(jìn)行傾斜校正和投影處理，實(shí)現(xiàn)對(duì)車牌的細(xì)定位，確定車牌的具體位置。本發(fā)明通過(guò)對(duì)車輛灰度圖像進(jìn)行預(yù)處理，并利用高低帽變換和連通域的方法，從而降低光照不均勻、斷裂或者旋轉(zhuǎn)對(duì)車牌定位造成的影響，進(jìn)一步提高對(duì)車牌定位的準(zhǔn)確度。
【專利說(shuō)明】基于高低帽變換和連通域的車牌定位方法及其系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，具體涉及一種基于高低帽變換和連通域的車牌定位方法及其系統(tǒng)。
【背景技術(shù)】
[0002]隨著我國(guó)國(guó)民經(jīng)濟(jì)的快速發(fā)展，對(duì)道路交通管理的要求逐步提高，智能交通系統(tǒng)應(yīng)運(yùn)而生，作為智能交通系統(tǒng)的重要組成部分，車牌識(shí)別系統(tǒng)獲得了快速發(fā)展，被國(guó)內(nèi)外學(xué)者廣泛研究。機(jī)動(dòng)車牌號(hào)也即車牌定位和識(shí)別可廣泛應(yīng)用于高速公路收費(fèi)站、停車場(chǎng)入口、機(jī)關(guān)大門(mén)等場(chǎng)合，以實(shí)現(xiàn)車輛的自動(dòng)監(jiān)控和管理，進(jìn)而節(jié)約了人力和物力。
[0003]車牌識(shí)別系統(tǒng)分為圖像獲取、車牌定位、字符分割、字符識(shí)別四部分，其中，車牌定位是車牌識(shí)別的關(guān)鍵步驟。在車牌位置提取方面，需要抑制各種干擾，比如光照不均勻、車牌的旋轉(zhuǎn)與形變、斷裂或污損等情況，提取出穩(wěn)定的紋理特征，最終完成車牌定位。針對(duì)車牌定位，當(dāng)前的研究方法主要有:利用車牌的彩色邊緣分布特征；利用車牌和文字顏色組合特點(diǎn)；利用車牌邊框面積、長(zhǎng)寬比；利用車牌字符的角點(diǎn)信息；利用車牌字符筆畫(huà)左右邊緣之間的互相關(guān)矢量圖的結(jié)構(gòu)特點(diǎn)；利用車牌紋理特征。在光照和天氣條件理想的條件下，現(xiàn)有的基于高低帽變換和連通域的車牌定位方法針對(duì)車頭車尾等部位，取得了很好的成果，定位準(zhǔn)確率能達(dá)到98%以上。
[0004]然而，隨著車牌識(shí)別系統(tǒng)的應(yīng)用越來(lái)越廣泛，由于場(chǎng)景越來(lái)越復(fù)雜、天氣條件的變化程度越來(lái)越大，導(dǎo)致車牌顏色信息不明顯和車牌邊緣信息受到干擾，采集到具有不同質(zhì)量的車牌圖像，降低了對(duì)車牌進(jìn)行識(shí)別的精度。

【發(fā)明內(nèi)容】

[0005]針對(duì)現(xiàn)有技術(shù)中存在的上述缺陷，本發(fā)明所要解決的技術(shù)問(wèn)題是如何在具有復(fù)雜場(chǎng)景和存在多種干擾情況下實(shí)現(xiàn)車牌的準(zhǔn)確定位。
[0006]為解決上述技術(shù)問(wèn)題，一方面，本發(fā)明提供一種基于高低帽變換和連通域的車牌定位方法，包括步驟:
[0007]SI，獲取車輛的灰度圖像，并對(duì)灰度圖像進(jìn)行預(yù)處理；
[0008]S2，利用高低帽變換從經(jīng)過(guò)預(yù)處理后的灰度圖像提取出目標(biāo)圖像，并對(duì)目標(biāo)圖像進(jìn)行二值化處理；
[0009]S3，計(jì)算經(jīng)過(guò)二值化處理后的目標(biāo)圖像的連通域，消除非車牌目標(biāo)的連通域，實(shí)現(xiàn)對(duì)車牌的粗定位；
[0010]S4，對(duì)粗定位后的車牌進(jìn)行傾斜校正和投影處理，實(shí)現(xiàn)對(duì)車牌的細(xì)定位，確定車牌的具體位置。
[0011]優(yōu)選地,所述步驟SI具體包括:
[0012]獲取車輛的灰度圖像，對(duì)灰度圖像進(jìn)行直方圖均衡化處理，得到第一圖像；
[0013]對(duì)所述第一圖像采用平滑噪聲技術(shù)進(jìn)行去噪處理，得到第二圖像。[0014]優(yōu)選地，所述步驟S2具體包括:
[0015]創(chuàng)建背景圖，將背景圖的任意像素點(diǎn)賦值為局部最小值，完成低帽變換獲得背景圖的過(guò)程；
[0016]創(chuàng)建低目標(biāo)圖，將低目標(biāo)圖的任意像素點(diǎn)賦值為局部最大值，完成高帽變換獲得低目標(biāo)圖的過(guò)程；
[0017]創(chuàng)建高目標(biāo)圖，將高目標(biāo)圖的任意像素點(diǎn)賦值為低目標(biāo)圖與背景圖相應(yīng)的差分值，完成獲得突出的高目標(biāo)圖的過(guò)程；其中，背景圖、低目標(biāo)圖和高目標(biāo)圖的寬度和高度分別相等；
[0018]利用類間方差最大化閾值分割算法，將高目標(biāo)圖進(jìn)行二值化處理，獲得作為第三圖像的高目標(biāo)圖的二值化圖像。
[0019]優(yōu)選地,所述步驟S3具體包括:
[0020]對(duì)第三圖像中的每一個(gè)連通域，計(jì)算該連通域中最小外接矩形的寬度和高度以及前景像素?cái)?shù)，消除非車牌目標(biāo)的連通域；
[0021]消除非車牌目標(biāo)的連通域后，獲得剩余的連通域的最小外接矩形，實(shí)現(xiàn)對(duì)車牌的粗定位。
[0022]優(yōu)選地，所述步驟S3中消除非車牌目標(biāo)連通具體包括:
[0023]通過(guò)設(shè)定連通域的最小外接矩形的寬度、高度以及大小的閾值，比較所述計(jì)算出的最小外接矩形的寬度、高度以及大小和設(shè)定的最小外接矩形的寬度、高度以及大小閾值；
[0024]若判斷出該最小外接矩形的寬度和高度不小于設(shè)定的寬度和高度的閾值，則消去該連通域；或者若判斷出連通域中的最小外接矩形的不小于或者不大于設(shè)定最小外接矩形的大小的閾值，則消去該連通域。
[0025]優(yōu)選地,所述步驟S4具體包括:
[0026]對(duì)最小外接矩形中的第三圖像進(jìn)行水平傾斜校正處理，得到第四圖像；
[0027]對(duì)第四圖像進(jìn)行垂直傾斜校正處理，得到圖像第五圖像；
[0028]對(duì)第五圖像進(jìn)行水平投影處理，獲得車牌上下邊緣位置；
[0029]對(duì)第五圖像進(jìn)行垂直投影處理，獲得車牌左右邊緣位置；
[0030]根據(jù)車牌的上下左右邊緣位置，實(shí)現(xiàn)對(duì)車牌的細(xì)定位，確定車牌的具體位置。
[0031]另一方面，本發(fā)明還同時(shí)提供一種基于高低帽變換和連通域的車牌定位系統(tǒng)，該系統(tǒng)包括:預(yù)處理模塊，用于獲取車輛的灰度圖像，并對(duì)灰度圖像進(jìn)行預(yù)處理；
[0032]二值化模塊，用于利用高低帽變換從經(jīng)過(guò)預(yù)處理后的灰度圖像提取出目標(biāo)圖像，并對(duì)目標(biāo)圖像進(jìn)行二值化處理；
[0033]粗定位模塊，用于計(jì)算經(jīng)過(guò)二值化處理后的目標(biāo)圖像的連通域，消除非車牌目標(biāo)的連通域，實(shí)現(xiàn)對(duì)車牌的粗定位；
[0034]細(xì)定位模塊，用于對(duì)粗定位后的車牌做傾斜校正和投影，實(shí)現(xiàn)對(duì)車牌的細(xì)定位，確定車牌的具體位置。
[0035]優(yōu)選地，所述二值化模塊具體包括:
[0036]低帽處理模塊，用于創(chuàng)建背景圖，將背景圖的任意像素點(diǎn)賦值為局部最小值，完成低帽變換獲得背景圖的過(guò)程；[0037]高帽處理模塊，用于創(chuàng)建低目標(biāo)圖，將低目標(biāo)圖的任意像素點(diǎn)賦值為局部最大值，完成高帽變換獲得低目標(biāo)圖的過(guò)程；
[0038]第一獲取模塊，用于創(chuàng)建高目標(biāo)圖，將高目標(biāo)圖的任意像素點(diǎn)賦值為低目標(biāo)圖與背景圖相應(yīng)的差分值，完成獲得突出的高目標(biāo)圖的過(guò)程；其中，背景圖、低目標(biāo)圖和高目標(biāo)圖的寬度和高度分別相等；
[0039]第二獲取模塊，用于利用類間方差最大化閾值分割算法，對(duì)高目標(biāo)圖進(jìn)行二值化處理，獲得作為第三圖像的高目標(biāo)圖的二值化圖像。
[0040]優(yōu)選地,所述粗定位模塊具體包括:
[0041]計(jì)算模塊，用于對(duì)第三圖像中的每一個(gè)連通域，計(jì)算該連通域中最小外接矩形的寬度和高度以及前景像素?cái)?shù)，消除非車牌目標(biāo)的連通域；
[0042]消除模塊，用于消除非車牌目標(biāo)的連通域后，獲得剩余的連通域的最小外接矩形，實(shí)現(xiàn)對(duì)車牌的粗定位。
[0043]優(yōu)選地,所述細(xì)定位模塊具體包括:
[0044]水平校正模塊，用于對(duì)最小外接矩形中的第三圖像進(jìn)行水平傾斜校正處理，得到第四圖像；
[0045]垂直校正模塊，用于對(duì)第四圖像進(jìn)行垂直傾斜校正處理，得到圖像第五圖像；
[0046]水平投影模塊，用于對(duì)第五圖像進(jìn)行水平投影處理，獲得車牌上下邊緣位置；
[0047]垂直投影模塊，對(duì)第五圖像進(jìn)行垂直投影處理，獲得車牌左右邊緣位置；
[0048]確定模塊，用于根據(jù)車牌的上下左右邊緣位置，實(shí)現(xiàn)對(duì)車牌的細(xì)定位，確定車牌的具體位置。
[0049]本發(fā)明提供了一種基于高低帽變換和連通域的車牌定位方法及其系統(tǒng)，通過(guò)對(duì)車輛灰度圖像進(jìn)行預(yù)處理，降低光照不均、斷裂或污損對(duì)車牌定位造成的影響，利用高低帽變換提取出目標(biāo)圖像，并對(duì)目標(biāo)圖像做二值化處理，利用連通域獲得車牌的粗定位。對(duì)粗定位里的車牌做傾斜校正，再利用水平和垂直方向的投影精確定位到車牌的位置。這種基于高低帽變換和連通域的基于高低帽變換和連通域的車牌定位方法，較好地解決了各種干擾下車牌定位問(wèn)題，提高了車牌定位的精度。
【專利附圖】

【附圖說(shuō)明】
[0050]圖1是本發(fā)明的一個(gè)實(shí)施例中基于高低帽變換和連通域的車牌定位方法的流程示意圖；
[0051]圖2為本發(fā)明的另一個(gè)實(shí)施例中基于高低帽變換和連通域的車牌定位系統(tǒng)的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0052]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述。顯然，所描述的實(shí)施例為實(shí)施本發(fā)明的較佳實(shí)施方式，所述描述是以說(shuō)明本發(fā)明的一般原則為目的，并非用以限定本發(fā)明的范圍。本發(fā)明的保護(hù)范圍應(yīng)當(dāng)以權(quán)利要求所界定者為準(zhǔn)，基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。[0053]現(xiàn)有技術(shù)中基于高低帽變換和連通域的車牌定位方法中，由于光照不均勻、車牌的旋轉(zhuǎn)與變形、斷裂或污損等因素的干擾，會(huì)降低車牌定位的精確度。本發(fā)明通過(guò)對(duì)車輛灰度圖像進(jìn)行預(yù)處理，降低光照不均勻、斷裂或污損對(duì)車牌定位造成的影響，利用高低帽變化提取出目標(biāo)圖像，并對(duì)目標(biāo)圖像進(jìn)行二值化處理，利用連通域獲得車牌的粗定位，并進(jìn)一步對(duì)粗定位里的車牌做傾斜校正，再利用水平和垂直方向的投影精確定位到車牌的位置，從而可以有效克服這些干擾因素，提高車牌定位的準(zhǔn)確度。
[0054]圖1是本發(fā)明的一個(gè)實(shí)施例中基于高低帽變換和連通域的車牌定位方法的流程示意圖，如圖1所示，該方法包括步驟:
[0055]步驟SI，獲取車輛的灰度圖像，并對(duì)灰度圖像進(jìn)行預(yù)處理。
[0056]優(yōu)選地,步驟SI具體包括:
[0057]獲取車輛的灰度圖像，對(duì)灰度圖像進(jìn)行直方圖均衡化處理，得到第一圖像；對(duì)第一圖像采用平滑噪聲技術(shù)進(jìn)行去噪處理，得到第二圖像。
[0058]步驟S2，利用高低帽變換從經(jīng)過(guò)預(yù)處理后的灰度圖像提取出目標(biāo)圖像，并對(duì)目標(biāo)圖像進(jìn)行二值化處理。
[0059]優(yōu)選地,步驟S2具體包括:
[0060]創(chuàng)建背景圖，將背景圖的任意像素點(diǎn)賦值為局部最小值，完成低帽變換獲得背景圖的過(guò)程；
[0061]創(chuàng)建低目標(biāo)圖，將低目標(biāo)圖的任意像素點(diǎn)賦值為局部最大值，完成高帽變換獲得低目標(biāo)圖的過(guò)程；
[0062]創(chuàng)建高目標(biāo)圖，將高目標(biāo)圖的任意像素點(diǎn)賦值為低目標(biāo)圖與背景圖相應(yīng)的差分值，完成獲得突出的高目標(biāo)圖的過(guò)程；其中，背景圖、低目標(biāo)圖和高目標(biāo)圖的寬度和高度分別相等；
[0063]利用類間方差最大化閾值分割算法，對(duì)高目標(biāo)圖進(jìn)行二值化處理，獲得作為第三圖像的高目標(biāo)圖的二值化圖像。
[0064]步驟S3，計(jì)算經(jīng)過(guò)二值化處理后的目標(biāo)圖像的連通域，消除非車牌目標(biāo)的連通域，實(shí)現(xiàn)對(duì)車牌的粗定位。
[0065]優(yōu)選地，步驟S3具體包括:
[0066]對(duì)第三圖像中的每一個(gè)連通域，計(jì)算該連通域中最小外接矩形的寬度和高度以及前景像素?cái)?shù)，消除非車牌目標(biāo)的連通域；
[0067]消除非車牌目標(biāo)的連通域后，獲得剩余的連通域的最小外接矩形，實(shí)現(xiàn)對(duì)車牌的粗定位。
[0068]優(yōu)選地，步驟S3中消除非車牌目標(biāo)連通具體包括:
[0069]通過(guò)設(shè)定連通域的最小外接矩形的寬度、高度以及大小的閾值，比較所述計(jì)算出的最小外接矩形的寬度、高度以及大小和設(shè)定的最小外接矩形的寬度、高度以及大小閾值；
[0070]若判斷出該最小外接矩形的寬度和高度不小于設(shè)定的寬度和高度的閾值，則消去該連通域；或者若判斷出連通域中的最小外接矩形的不小于或者不大于設(shè)定最小外接矩形的大小的閾值，則消去該連通域。
[0071]步驟S4，對(duì)粗定位后的車牌進(jìn)行傾斜校正和投影處理，實(shí)現(xiàn)對(duì)車牌的細(xì)定位，確定車牌的具體位置。
[0072]優(yōu)選地，步驟S4具體包括:
[0073]對(duì)最小外接矩形中的第三圖像進(jìn)行水平傾斜校正處理，得到第四圖像；對(duì)第四圖像進(jìn)行垂直傾斜校正處理，得到圖像第五圖像；對(duì)第五圖像進(jìn)行水平投影處理，獲得車牌上下邊緣位置；對(duì)第五圖像進(jìn)行垂直投影處理，獲得車牌左右邊緣位置；根據(jù)車牌的上下左右邊緣位置，實(shí)現(xiàn)對(duì)車牌的細(xì)定位，確定車牌的具體位置。
[0074] 具體地，在獲取車牌圖像后，轉(zhuǎn)換到車牌圖像的灰度圖1gray，對(duì)灰度圖1gMy進(jìn)行以下操作，最終可獲得車牌在圖像的位置RectiQ = 1，2，...，η ;n為車牌個(gè)數(shù))，即完成對(duì)車牌的定位，
[0075]第一步操作、獲取車輛的灰度圖像，進(jìn)行預(yù)處理:獲取車輛的圖像，將車輛圖像轉(zhuǎn)換為灰度圖1gray，對(duì)灰度圖1gray做直方圖均衡化，得到第一圖像Iaahe ;對(duì)Iaate采用平滑噪聲技術(shù)進(jìn)行去噪處理，得到第二圖像ID_ising。
[0076]第二步操作、利用高低帽變換從經(jīng)過(guò)預(yù)處理后的灰度圖像提取出目標(biāo)圖像，并對(duì)目標(biāo)圖像進(jìn)行二值化處理包括:
[0077](I)低帽變換獲得背景圖1BadtgMUd:創(chuàng)建圖像IBadtgMUd，并對(duì)圖像I—的任意像素點(diǎn) Pixel(i，j) (i = O, I,..., height-1 ； j = O, I,...width-1)賦值為 MIN(Pixel，(i_cLen/2；j), Pixel' (1-cLen/2+1；J),...,Pixel' (i+cW2，」))，其中 Pixel’ 為 Illemising 的像素值，height 是指IDenoising的高度，width是指ID_ising的寬度，cLeil取字符寬度的比例數(shù)，在實(shí)際應(yīng)用時(shí)，字符寬度通常可以預(yù)知，IBackgroud圖像的寬度和高度等于ID_ising的寬度和高度。
[0078](2)高帽變換獲得低目標(biāo)圖:創(chuàng)建圖像I_rtive，并對(duì)圖像IQb_tivc的任
思像素點(diǎn)！Objective—L 賦值為嫩 X (Pixel (1-cLen/2, j) > Ρ?χθ1 (1-cLen/2+l，j)，...，P ? Xe I (i+cLen/2, j))，其
中Pixel’為ID_ising的像素值,cLen取字符寬度的比例數(shù)，在實(shí)際應(yīng)用時(shí)，字符寬度通?？梢灶A(yù)知，其中，

I Objective—L
圖像的寬高等于
^Denoising

的寬高。
[0079](3)獲得突出的高目標(biāo)圖1Qb_tive H:創(chuàng)建圖像IQbjertive—H，并對(duì)圖像IQbjertive—η 的任意像素點(diǎn) Pixela(i = O, I,, height-1 ； j = O, I,...width-1)賦值為(Pixel，(i,j,-Pixel" (i’j0)，其中，Pixel’ 為 1bJective L 的像素值，Pixel"為 IBackgroud 的像素值，1bjectivej圖像的寬度和高度等于的寬度和高度，height是指的高度，width是指

I Objective—L
的寬度。
[0080](4)獲得高目標(biāo)圖的二值化圖像IBin—:利用類間方差最大化閾值分割算法(Otsu)，二值化圖像


I〇bjective—H，

獲得圖像IBin—
[0081 ] 第三步操作、實(shí)現(xiàn)車牌粗定位包括:
[0082](I)計(jì)算連通域Ci,對(duì)圖像IBin—obj.中的每一個(gè)連通域Ci (i = I, 2,..., η ；n為連通域的個(gè)數(shù))，計(jì)算其最小外接矩形Ri的高寬Oii^i)和前景像素?cái)?shù)Fi,消除非車牌目標(biāo)的連通域Ci,可通過(guò)兩種方法消除非車牌目標(biāo)的連通域Ci:
[0083]方法1、設(shè)定閾值Thmax和Twmax，如果比≥Thmax或Wi≥T；ax,消去連通域Ci ；
[0084]方法2、設(shè)定閾值TKmax和TKmin，如果Ri≥TEmax或Ri≤TEmin,消去連通域Ci ；
[0085](2)消除非車牌目標(biāo)后的連通域Ci的最小外接矩形Ri就是車牌粗定位的結(jié)果。
[0086]第四步操作、實(shí)現(xiàn)車牌細(xì)定位包括:
[0087]I)水平傾斜校正:對(duì)Ri里圖像IBin 做水平傾斜校正得到圖像IBin—Η」;[0088]2)垂直傾斜校正:對(duì)圖像IBin—H—i做垂直傾斜校正得到圖像IBin—HV—i ;
[0089]3)對(duì)IBin _ HV」做水平投影，找到車牌上下邊緣Topi, Bottomi ；
[0090]4)對(duì)IBin HV」做垂直投影，找到車牌左右邊緣Lefti, Righti0
[0091]此時(shí)，已找到車牌的具體位置Recti (Topi, Lefti, Bottomi, Righti)。
[0092]本發(fā)明提供的基于高低帽變換和連通域的車牌定位方法中，通過(guò)對(duì)車輛灰度圖像進(jìn)行預(yù)處理，降低光照不均、斷裂或污損對(duì)車牌定位造成的影響，利用高低帽變換提取出目標(biāo)圖像，并對(duì)目標(biāo)圖像做二值化處理，利用連通域獲得車牌的粗定位。對(duì)粗定位里的車牌做傾斜校正，再利用水平和垂直方向的投影精確定位到車牌的位置。這種基于高低帽變換和連通域的基于高低帽變換和連通域的車牌定位方法，較好地解決了各種干擾下車牌定位問(wèn)題，提高了車牌定位的精度。
[0093]圖2為本發(fā)明的另一個(gè)實(shí)施例中基于高低帽變換和連通域的車牌定位系統(tǒng)的結(jié)構(gòu)示意圖，如圖2所示，該系統(tǒng)包括:預(yù)處理模塊201、二值化模塊202、粗定位模塊203和細(xì)定位模塊204。其中，預(yù)處理模塊201用于獲取車輛的灰度圖像，并對(duì)灰度圖像進(jìn)行預(yù)處理；二值化模塊202用于利用高低帽變換從經(jīng)過(guò)預(yù)處理后的灰度圖像提取出目標(biāo)圖像，并對(duì)目標(biāo)圖像進(jìn)行二值化處理；粗定位模塊203用于對(duì)經(jīng)過(guò)二值化處理后的目標(biāo)圖像，計(jì)算連通域?qū)崿F(xiàn)對(duì)車牌圖像的粗定位；細(xì)定位模塊204用于對(duì)粗定位后的車牌圖像做傾斜校正以及對(duì)經(jīng)過(guò)傾斜校正后的車牌圖像做水平和垂直方向的投影，實(shí)現(xiàn)對(duì)車牌的細(xì)定位。
[0094]優(yōu)選地，預(yù)處理單元201具體包括均衡模塊2011和去噪模塊2012，其中，均衡模塊2011用于獲取車輛的灰度圖像，對(duì)灰度圖像進(jìn)行直方圖均衡化處理，得到第一圖像；去噪模塊2012用于對(duì)第一圖像采用平滑噪聲技術(shù)進(jìn)行如去噪處理，得到第二圖像。
[0095]優(yōu)選地，二值化模塊202具體包括低帽處理模塊2021、高帽處理模塊2022、第一獲取模塊2023和第二獲取模塊2024，其中，低帽處理模塊2021用于創(chuàng)建背景圖，將背景圖的任意像素點(diǎn)賦值為局部最小值，完成低帽變換獲得背景圖的過(guò)程；高帽處理模塊2022用于創(chuàng)建低目標(biāo)圖，將低目標(biāo)圖的任意像素點(diǎn)賦值為局部最大值，完成高帽變換獲得低目標(biāo)圖的過(guò)程；第一獲取模塊2023用于創(chuàng)建高目標(biāo)圖，將高目標(biāo)圖的任意像素點(diǎn)賦值為低目標(biāo)圖與背景圖相應(yīng)的差分值，完成獲得突出的高目標(biāo)圖的過(guò)程；其中，背景圖、低目標(biāo)圖和高目標(biāo)圖的寬度和高度分別相等；第二獲取模塊2024用于利用類間方差最大化閾值分割算法，對(duì)高目標(biāo)圖進(jìn)行二值化處理，獲得作為第三圖像的高目標(biāo)圖的二值化圖像。
[0096]優(yōu)選地，粗定位模塊203具體包括計(jì)算模塊2031和消除模塊2032，其中，計(jì)算模塊2031用于對(duì)第三圖像中的每一個(gè)連通域，計(jì)算該連通域中最小外接矩形的寬度和高度以及前景像素?cái)?shù)，消除非車牌目標(biāo)的連通域；消除模塊2032用于消除非車牌目標(biāo)的連通域后，獲得剩余的連通域的最小外接矩形，實(shí)現(xiàn)對(duì)車牌的粗定位。
[0097]優(yōu)選地，計(jì)算模塊2031具體包括閾值設(shè)定模塊20311和消除模塊20312，其中，閾值設(shè)定模塊20311用于通過(guò)設(shè)定連通域的最小外接矩形的寬度、高度以及大小的閾值，判斷計(jì)算所得的最小外接矩形的寬度、高度以及大小和設(shè)定的最小外接矩形的寬度、高度以及大小閾值的關(guān)系；消除模塊20312用于若判斷出該最小外接矩形的寬度和高度不小于設(shè)定的寬度和高度的閾值，則消去該連通域；或者若判斷出連通域中的最小外接矩形的不小于或者不大于設(shè)定最小外接矩形的大小的閾值，則消去該連通域。
[0098]優(yōu)選地，細(xì)定位模塊204具體包括水平校正模塊2041、垂直校正模塊2042、水平投影模塊2043、垂直投影模塊2044和確定模塊2045，其中，水平校正模塊2041，用于對(duì)最小外接矩形中的第三圖像進(jìn)行水平傾斜校正處理，得到第四圖像；垂直校正模塊2042，用于對(duì)第四圖像進(jìn)行垂直傾斜校正處理，得到圖像第五圖像；水平投影模塊2043，用于對(duì)第五圖像進(jìn)行水平投影處理，獲得車牌上下邊緣位置；垂直投影模塊2044，對(duì)第五圖像進(jìn)行垂直投影處理，獲得車牌左右邊緣位置；確定模塊2045，用于根據(jù)車牌的上下左右邊緣位置，實(shí)現(xiàn)對(duì)車牌的細(xì)定位，確定車牌的具體位置。
[0099]本發(fā)明提供的基于高低帽變換和連通域的車牌定位系統(tǒng)中，通過(guò)對(duì)車輛灰度圖像進(jìn)行預(yù)處理，降低光照不均、斷裂或污損對(duì)車牌定位造成的影響，利用高低帽變換提取出目標(biāo)圖像，并對(duì)目標(biāo)圖像做二值化處理，利用連通域獲得車牌的粗定位。對(duì)粗定位里的車牌做傾斜校正，再利用水S平和垂直方向的投影精確定位到車牌的位置。這種基于高低帽變換和連通域的基于高低帽變換和連通域的車牌定位方法，較好地解決了各種干擾下車牌定位問(wèn)題，提高了車牌定位的精度。
[0100]以上僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出的是，上述優(yōu)選實(shí)施方式不應(yīng)視為對(duì)本發(fā)明的限制，本發(fā)明的保護(hù)范圍應(yīng)當(dāng)以權(quán)利要求所限定的范圍為準(zhǔn)。對(duì)于本【技術(shù)領(lǐng)域】的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明的精神和范圍內(nèi)，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。
【權(quán)利要求】
1.一種基于高低帽變換和連通域的車牌定位方法，其特征在于，所述方法包括步驟: SI，獲取車輛的灰度圖像，并對(duì)灰度圖像進(jìn)行預(yù)處理； S2，利用高低帽變換從經(jīng)過(guò)預(yù)處理后的灰度圖像提取出目標(biāo)圖像，并對(duì)目標(biāo)圖像進(jìn)行二值化處理； S3，計(jì)算經(jīng)過(guò)二值化處理后的目標(biāo)圖像的連通域，消除非車牌目標(biāo)的連通域，實(shí)現(xiàn)對(duì)車牌的粗定位； S4,對(duì)粗定位后的車牌進(jìn)行傾斜校正和投影處理，實(shí)現(xiàn)對(duì)車牌的細(xì)定位，確定車牌的具體位置。
2.如權(quán)利要求1所述的方法，其特征在于，所述步驟SI具體包括: 獲取車輛的灰度圖像，對(duì)灰度圖像進(jìn)行直方圖均衡化處理，得到第一圖像； 對(duì)所述第一圖像采用平滑噪聲技術(shù)進(jìn)行去噪處理，得到第二圖像。
3.如權(quán)利要求2所述的方法，其特征在于，所述步驟S2具體包括: 創(chuàng)建背景圖，將 背景圖的任意像素點(diǎn)賦值為局部最小值，完成低帽變換獲得背景圖的過(guò)程； 創(chuàng)建低目標(biāo)圖，將低目標(biāo)圖的任意像素點(diǎn)賦值為局部最大值，完成高帽變換獲得低目標(biāo)圖的過(guò)程； 創(chuàng)建高目標(biāo)圖，將高目標(biāo)圖的任意像素點(diǎn)賦值為低目標(biāo)圖與背景圖相應(yīng)的差分值，完成獲得突出的高目標(biāo)圖的過(guò)程；其中，背景圖、低目標(biāo)圖和高目標(biāo)圖的寬度和高度分別相等; 利用類間方差最大化閾值分割算法，對(duì)高目標(biāo)圖進(jìn)行二值化處理，獲得作為第三圖像的高目標(biāo)圖的二值化圖像。
4.如權(quán)利要求3所述的方法，其特征在于，所述步驟S3具體包括: 對(duì)第三圖像中的每一個(gè)連通域，計(jì)算該連通域中最小外接矩形的寬度和高度以及前景像素?cái)?shù)，消除非車牌目標(biāo)的連通域； 消除非車牌目標(biāo)的連通域后，獲得剩余的連通域的最小外接矩形，實(shí)現(xiàn)對(duì)車牌的粗定位。
5.如權(quán)利要求4所述的方法，其特征在于，所述步驟S3中消除非車牌目標(biāo)連通具體包括: 通過(guò)設(shè)定連通域的最小外接矩形的寬度、高度以及大小的閾值，比較所述計(jì)算出的最小外接矩形的寬度、高度以及大小和設(shè)定的最小外接矩形的寬度、高度以及大小閾值； 若判斷出該最小外接矩形的寬度和高度不小于設(shè)定的寬度和高度的閾值，則消去該連通域；或者若判斷出連通域中的最小外接矩形的不小于或者不大于設(shè)定最小外接矩形的大小的閾值，則消去該連通域。
6.如權(quán)利要求5所述的方法，其特征在于，所述步驟S4具體包括: 對(duì)最小外接矩形中的第三圖像進(jìn)行水平傾斜校正處理，得到第四圖像； 對(duì)第四圖像進(jìn)行垂直傾斜校正處理，得到圖像第五圖像； 對(duì)第五圖像進(jìn)行水平投影處理，獲得車牌上下邊緣位置； 對(duì)第五圖像進(jìn)行垂直投影處理，獲得車牌左右邊緣位置； 根據(jù)車牌的上下左右邊緣位置，實(shí)現(xiàn)對(duì)車牌的細(xì)定位，確定車牌的具體位置。
7.一種基于高低帽變換和連通域的車牌定位系統(tǒng)，其特征在于，包括: 預(yù)處理模塊，用于獲取車輛的灰度圖像，并對(duì)灰度圖像進(jìn)行預(yù)處理； 二值化模塊，用于利用高低帽變換從經(jīng)過(guò)預(yù)處理后的灰度圖像提取出目標(biāo)圖像，并對(duì)目標(biāo)圖像進(jìn)行二值化處理； 粗定位模塊，用于計(jì)算經(jīng)過(guò)二值化處理后的目標(biāo)圖像的連通域，消除非車牌目標(biāo)的連通域，實(shí)現(xiàn)對(duì)車牌的粗定位； 細(xì)定位模塊，用于對(duì)粗定位后的車牌做傾斜校正和投影，實(shí)現(xiàn)對(duì)車牌的細(xì)定位，確定車牌的具體位置。
8.如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述二值化模塊具體包括: 低帽處理模塊，用于創(chuàng)建背景圖，將背景圖的任意像素點(diǎn)賦值為局部最小值，完成低帽變換獲得背景圖的過(guò)程； 高帽處理模塊，用于創(chuàng)建低目標(biāo)圖，將低目標(biāo)圖的任意像素點(diǎn)賦值為局部最大值，完成高帽變換獲得低目標(biāo)圖的過(guò)程； 第一獲取模塊，用于創(chuàng)建高目標(biāo)圖，高目標(biāo)圖的任意像素點(diǎn)賦值為低目標(biāo)圖與背景圖相應(yīng)的差分值，完成獲得突出的高目標(biāo)圖的過(guò)程；其中，背景圖、低目標(biāo)圖和高目標(biāo)圖的寬度和高度分別相等； 第二獲取模塊，用于利用類間方差最大化閾值分割算法，對(duì)高目標(biāo)圖進(jìn)行二值化處理，獲得作為第三圖像的高目標(biāo)圖的二值化圖像。
9.如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述粗定位模塊具體包括: 計(jì)算模塊，用于對(duì)第三圖像中的每一個(gè)連通域，計(jì)算該連通域中最小外接矩形的寬度和高度以及前景像素?cái)?shù)，消除非車牌目標(biāo)的連通域； 消除模塊，用于消除非車牌目標(biāo)的連通域后，獲得剩余的連通域的最小外接矩形，實(shí)現(xiàn)對(duì)車牌的粗定位。
10.如權(quán)利要求7所述的系統(tǒng)，其特征在于，所述細(xì)定位模塊具體包括: 水平校正模塊，用于對(duì)最小外接矩形中的第三圖像進(jìn)行水平傾斜校正處理，得到第四圖像； 垂直校正模塊，用于對(duì)第四圖像進(jìn)行垂直傾斜校正處理，得到圖像第五圖像； 水平投影模塊，用于對(duì)第五圖像進(jìn)行水平投影處理，獲得車牌上下邊緣位置； 垂直投影模塊，對(duì)第五圖像進(jìn)行垂直投影處理，獲得車牌左右邊緣位置； 確定模塊，用于根據(jù)車牌的上下左右邊緣位置，實(shí)現(xiàn)對(duì)車牌的細(xì)定位，確定車牌的具體位置。
【文檔編號(hào)】G06T7/00GK103984949SQ201410257831
【公開(kāi)日】2014年8月13日 申請(qǐng)日期:2014年6月11日 優(yōu)先權(quán)日:2014年6月11日
【發(fā)明者】孫文超 申請(qǐng)人:四川九洲電器集團(tuán)有限責(zé)任公司