本發(fā)明涉及計(jì)算機(jī)視覺(jué)領(lǐng)域，特指一種基于灰度投影的車牌字符分割方法。

背景技術(shù)：

隨著現(xiàn)代化交通的發(fā)展，車輛牌照自動(dòng)識(shí)別技術(shù)越來(lái)越受到人們的重視，是近年來(lái)計(jì)算機(jī)視覺(jué)與模式識(shí)別技術(shù)在智能交通領(lǐng)域的重要研究課題之一。車輛牌照自動(dòng)識(shí)別系統(tǒng)可用于公路收費(fèi)站、停車場(chǎng)、十字路口等場(chǎng)所的車輛管理，對(duì)于道路交通和停車場(chǎng)車輛管理具有重要的促進(jìn)作用。

車牌識(shí)別技術(shù)包括車牌定位、字符分割和字符識(shí)別3個(gè)基本環(huán)節(jié)，其中車牌定位是字符分割和字符識(shí)別的前提，而車牌字符分割是車牌識(shí)別的基礎(chǔ)。

在實(shí)際的車牌圖像字符分割中，通常會(huì)存在很多困難。具體體現(xiàn)在以下幾點(diǎn)。首先，在具體應(yīng)用中采集到的圖片背景比較復(fù)雜，這對(duì)于圖像的處理明顯增加了難度。其次，采集得到的圖片受天氣、光照等的影響，故在圖像處理過(guò)程中需要利用有效的算法排除光照、天氣對(duì)圖像的影響，這無(wú)疑對(duì)我們車牌識(shí)別分割的算法提出了更高的要求。這就需要研究性能更好的算法來(lái)提高算法的魯棒性。第三，在實(shí)際采集的圖片中，很多采集到的車牌是舊車車牌，或者是贓車車牌，這造成圖片中的車牌區(qū)域很模糊、車牌區(qū)域的顏色信息丟失、車牌字符粘連等情況。這對(duì)車牌的定位、分割、識(shí)別都增加了難度。第四，由于在路上行駛的車輛所掛的車牌多是在標(biāo)準(zhǔn)GA36-1992下生產(chǎn)的，由于該標(biāo)準(zhǔn)的不嚴(yán)密性，在該標(biāo)準(zhǔn)下生產(chǎn)的號(hào)牌其色度值分布范圍廣，再加上一條原因，從而使得采集所得到的號(hào)牌其色度值分布范圍廣泛，從而加大了我們對(duì)該信息利用的難度。在同一副待分割的車牌圖像中，上面提到的困難可能幾項(xiàng)都存在而不僅僅是單一困難的存在，當(dāng)其中幾項(xiàng)困難一起存在時(shí)，其帶來(lái)的難度并不是簡(jiǎn)單相加的過(guò)程，所以難度更大。這些就是存在于車牌識(shí)別系統(tǒng)中的一些問(wèn)題，從這些問(wèn)題中，我們也能隱約看到車牌識(shí)別系統(tǒng)中車牌分割的難度。

針對(duì)上述現(xiàn)實(shí)問(wèn)題，本發(fā)明提出了一種基于灰度投影的車牌字符分割的方法。本方法車牌字符讀取可靠性高，識(shí)別度好，魯棒性好，同時(shí)步驟計(jì)算簡(jiǎn)單，能保持高效率，實(shí)時(shí)性也能滿足需求。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)行車牌識(shí)別中存在的這些特定難點(diǎn)問(wèn)題，為了提高監(jiān)控系統(tǒng)的車牌識(shí)別的準(zhǔn)確程度，并使其滿足實(shí)時(shí)性需求，本發(fā)明提出一種基于灰度投影的車牌字符分割方法，其具體技術(shù)方案如下：

一種基于灰度投影的車牌字符分割方法，包括以下步驟：

S1)去除輸入車牌區(qū)域圖像的車牌邊框；

S2)采用投影法對(duì)車牌字符進(jìn)行分割。

作為本發(fā)明的優(yōu)選技術(shù)方案，

所述步驟S1)具體包括：

S1.1)車牌上下邊框的去除；

S1.2)車牌左右邊框的去除；

所述步驟S2)具體包括：

S2.1)對(duì)車牌圖像進(jìn)行字符的對(duì)比度增強(qiáng)；

S2.2)對(duì)前面增強(qiáng)的車牌圖像，按列累加圖像的像素值，得到車牌的投影曲線，并采用濾波平滑所述投影曲線；

S2.3)采用投影法進(jìn)行字符分割。

作為本發(fā)明的優(yōu)選技術(shù)方案，所述步驟S1.1)包括：

S1.1.1)獲取車牌候選區(qū)域的二值化閾值，從而得到候選區(qū)域的二值圖像，為了排除車牌傾斜角度的影響我們求取該二值圖像中間部分的行和，然后將行和處理如下：

S1.1.2)從中間向兩端開(kāi)始尋找rowsum的上下方向上有一段距離為零的邊界，該距離為0.75×height，此時(shí)我們得到的邊界就是最后所需要的車牌上下邊界；根據(jù)所得車牌上下邊界去除車牌上下邊框；

所述步驟S1.2)包括：

S1.2.1)用與去除上下邊框相同的方法來(lái)找到一個(gè)車牌左右邊框的邊界：left1,right1；

S1.2.2)重新構(gòu)建一個(gè)二值圖像再用和S1.2.1)相同的投影法來(lái)尋找邊界left2,right2；此時(shí)構(gòu)建的二值圖像根據(jù)車牌區(qū)域HSI模型的h值來(lái)二值化圖像；首先對(duì)車牌區(qū)域的中間區(qū)域來(lái)統(tǒng)計(jì)其h值的范圍，然后根據(jù)該范圍對(duì)全部車牌區(qū)域進(jìn)行二值化，就得到了我們需要的二值化圖像；

S1.2.3)根據(jù)S1.2.1)和S1.2.2)得到的兩個(gè)邊界信息來(lái)確定最后的邊界；最后確定的邊界可以用下面式子表示：

left＝max(left1,left2)

right＝min(right1,right2)

根據(jù)所得車牌左右邊界去除車牌左右邊框。

作為本發(fā)明的優(yōu)選技術(shù)方案，所述步驟S2.1)中，采用車牌增強(qiáng)算法如下：

S2.1.1)：統(tǒng)計(jì)整個(gè)車牌區(qū)域內(nèi)像素點(diǎn)的最大像素值和最小像素值maxvalue,minvalue；

S2.1.2)：設(shè)置需要增強(qiáng)的像素點(diǎn)數(shù)占全部像素點(diǎn)數(shù)的比例系數(shù)coef；

S2.1.3)：統(tǒng)計(jì)0-255像素值上對(duì)應(yīng)出現(xiàn)的像素點(diǎn)的個(gè)數(shù)，并存儲(chǔ)在1×255的數(shù)組count(1,i)里面；

S2.1.4)：從count(1,i),i＝255開(kāi)始往下統(tǒng)計(jì)像素點(diǎn)的個(gè)數(shù)，如果統(tǒng)計(jì)的像素點(diǎn)pixelnum<width*height*coef則將i-1繼續(xù)統(tǒng)計(jì)，否則停止統(tǒng)計(jì)并記下當(dāng)前的像素值index；

S2.1.5)：車牌區(qū)域每一點(diǎn)按下面的方法進(jìn)行增強(qiáng)：

經(jīng)過(guò)上面的變換后，完成圖像字符的對(duì)比度的增強(qiáng)。

作為本發(fā)明的優(yōu)選技術(shù)方案，所述步驟S2.3)具體包括如下步驟：

S2.3.1)：根據(jù)車牌的灰度投影曲線圖可得，車牌后面最多出現(xiàn)五個(gè)雙峰結(jié)構(gòu)，故搜索出前五個(gè)最大波谷點(diǎn)，然后判斷該前五個(gè)最大波谷點(diǎn)是否為雙峰結(jié)構(gòu)中的波谷點(diǎn)，如果是，則將該雙峰結(jié)構(gòu)的起止位置記下；

S2.3.2)：確定車牌字符寬度characterwidth；如果步驟S2.3.1)檢測(cè)到了雙峰結(jié)構(gòu)，則字符寬度就取為檢測(cè)到的所有雙峰結(jié)構(gòu)的平均值，否則字符寬度就取前3個(gè)單峰寬度中的最大值；

S2.3.3)：設(shè)置字符起始點(diǎn)為第二字符和第三字符的分割點(diǎn)，設(shè)置結(jié)束點(diǎn)為車牌最后一個(gè)波谷點(diǎn)；如果在步驟S2.3.1)中檢測(cè)到了雙峰結(jié)構(gòu)則進(jìn)行步驟S2.3.4)，否則進(jìn)行步驟S2.3.5)；

S2.3.4)：設(shè)置字符臨時(shí)分割段起始點(diǎn)為字符起始點(diǎn)，字符臨時(shí)分割段終點(diǎn)為一個(gè)雙峰結(jié)構(gòu)起始位置，然后在字符臨時(shí)分割段里進(jìn)行檢測(cè)，如果該字符臨時(shí)分割段里有一個(gè)峰結(jié)構(gòu)，則該峰結(jié)構(gòu)就單獨(dú)為一個(gè)字符，如果該字符臨時(shí)分割段里有兩個(gè)峰結(jié)構(gòu)，則先判斷這兩個(gè)峰結(jié)構(gòu)是一個(gè)雙峰字符還是兩個(gè)單峰字符，具體判斷規(guī)則就利用這兩個(gè)峰結(jié)構(gòu)的寬度，以及該寬度和字符寬度進(jìn)行比較；如果這兩個(gè)峰結(jié)構(gòu)寬度之和小于字符寬度的1.2倍且這兩個(gè)峰結(jié)構(gòu)寬度相差很小，則這兩個(gè)峰結(jié)構(gòu)為一個(gè)雙峰字符的投影，反之為兩個(gè)單峰字符，且可以肯定兩個(gè)單峰字符的前面一個(gè)峰結(jié)構(gòu)就是一個(gè)字符，將其前面的一個(gè)峰結(jié)構(gòu)分割出來(lái)然后更新字符臨時(shí)分割段如下：將字符臨時(shí)分割段的起點(diǎn)更新到被分割出來(lái)的峰后面，字符臨時(shí)分割段終點(diǎn)不變，但是如果此時(shí)字符臨時(shí)分割段的起點(diǎn)等于終點(diǎn)時(shí)則將其起點(diǎn)更新到先前的雙峰結(jié)構(gòu)的終止位置，并將臨時(shí)分割段的終點(diǎn)更新到下一個(gè)雙峰結(jié)構(gòu)的起點(diǎn)，如果后面沒(méi)有雙峰結(jié)構(gòu)了則將臨時(shí)分割段的終點(diǎn)更新為字符結(jié)束點(diǎn)，然后重復(fù)步驟S2.3.4)直到分割到字符結(jié)束點(diǎn)為止；

S2.3.5)：從字符起始點(diǎn)開(kāi)始分割直到分割出5個(gè)字符；在分割中需要檢測(cè)相鄰的兩個(gè)峰結(jié)構(gòu)是不是一個(gè)字符的雙峰曲線，檢測(cè)所利用的方法和步驟S2.3.4)中相同，利用兩個(gè)峰的寬度和該寬度與字符寬度之間的關(guān)系進(jìn)行判斷；

S2.3.6)：根據(jù)分割出的后面五個(gè)字符來(lái)分割前面兩個(gè)字符；首先將分割出來(lái)的后面五個(gè)字符中的最大寬度作為前面兩個(gè)字符的寬度；前面兩個(gè)字符為字母或者漢字，使用后面五個(gè)字符中的最大寬度作為前面字符的寬度；分割前面兩個(gè)字符的方法為：從第二字符和第三字符的分割點(diǎn)向前移動(dòng)字符寬度個(gè)像素，然后將離該第二字符和第三字符的分割點(diǎn)的最近一個(gè)波谷值作為車牌第一字符和第二字符的分割點(diǎn)，利用同樣方法也可以確定第一個(gè)字符的開(kāi)始位置；

S2.3.7)：對(duì)分割出來(lái)的字符序列進(jìn)行檢測(cè)，看該字符序列是否符合車牌字符序列的特征，該特征可以用下面表達(dá)式來(lái)表示，假設(shè)dis1為前面兩個(gè)字符的寬度向量，dis2為后面五個(gè)字符的度向量，width為車牌寬度，height為車牌高度，則一個(gè)合理的車牌字符序列必須滿足下面的表達(dá)式：

min(min(dis1),min(dis2))>width/10

max(dis2)/width/5

height/min(dis1)<3

根據(jù)上述表達(dá)式從車牌區(qū)域中分割出字符序列。

本發(fā)明相對(duì)于現(xiàn)有技術(shù)而言，本發(fā)明的有益效果在于：

本方法有效克服了圖像處理過(guò)程中圖片背景比較復(fù)雜、天氣和光照影響、以及舊車車牌或贓車車牌的車牌區(qū)域模糊等困難，使得車牌字符讀取可靠性高，識(shí)別度好，魯棒性好，同時(shí)步驟計(jì)算簡(jiǎn)單，能保持高效率，實(shí)時(shí)性也能滿足需求，提高了監(jiān)控系統(tǒng)的車牌識(shí)別的準(zhǔn)確程度，對(duì)于道路交通和停車場(chǎng)車輛管理具有重要的促進(jìn)作用。

附圖說(shuō)明

圖1是本發(fā)明整體算法流程圖；

圖2是本發(fā)明車牌圖像增強(qiáng)算法效果圖；

圖3是本發(fā)明字符分割算法流程圖；

圖4是本發(fā)明車牌投影曲線的濾波前后的效果圖。

具體實(shí)施方式：

以基于字符分割算法的灰度投影車牌識(shí)別的方法為例，結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)說(shuō)明。

S1.去除輸入車牌區(qū)域圖像的車牌邊框；

對(duì)于車牌圖像來(lái)說(shuō)，在定位出來(lái)后的車牌圖像有兩種，一種是有邊框的車牌，而另一種是沒(méi)有邊框的車牌。我們將車牌候選區(qū)域旋轉(zhuǎn)至水平后就可以對(duì)車牌進(jìn)行精確定位了，也就是對(duì)車牌邊框的去除。對(duì)測(cè)試數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析可以得出：經(jīng)過(guò)定位旋轉(zhuǎn)后的車牌候選區(qū)域邊框有兩種，一種是車牌本身的邊框，而另一種是車牌周圍的白色背景與車牌一起被當(dāng)作候選車牌區(qū)域，此時(shí)該白色背景也可以被看作是車牌的邊框。

車牌邊框的處理分為車牌上下邊框的處理和車牌左右邊框的處理。車牌的上下邊框的處理比較簡(jiǎn)單，車牌的上下邊框分為兩種：一種是車牌本身的白色邊框，另一種是車牌上下位置的白色背景。而車牌的左右邊界也可以歸為這兩類，不過(guò)由于圖像本身的特征，一般來(lái)說(shuō)車牌的上下邊框要寬于左右邊框，并且車牌左右邊框要復(fù)雜一些。

對(duì)于車牌的上下邊框的去除，本發(fā)明采取了下面步驟來(lái)處理：

S1.1上下邊框的去除；

S1.1.1以O(shè)TSU(大津算法)方法為例，可采用其他類似方法獲取車牌候選區(qū)域的二值化閾值；

用OTSU(大津算法)方法獲得車牌候選區(qū)域的二值化閾值，從而得到候選區(qū)域的二值圖像，為了排除車牌傾斜角度的影響我們求取該二值圖像中間部分的行和，然后將行和處理如下：

S1.1.2從中間向兩端開(kāi)始尋找rowsum的上下方向上有一段距離為零的邊界，本發(fā)明算法中采用該距離為0.75×height，因?yàn)橐话丬嚺频纳舷逻吙蛉コ谋容^準(zhǔn)確，故我們采用圖形高度來(lái)做參考距離。此時(shí)我們得到的邊界就是最后所需要的車牌上下邊界。

經(jīng)過(guò)上面處理后，對(duì)于大多數(shù)圖片我們就可以將其上下邊框進(jìn)行處理掉，然后我們就可以對(duì)該車牌區(qū)域進(jìn)行去除左右邊框了。

對(duì)于車牌的左右邊框的去除，本發(fā)明采取了下面步驟來(lái)處理：

S1.2左右邊框的去除；

S1.2.1用去除上下邊框相同的方法來(lái)找到一個(gè)左右邊框的邊界：left1,right1。

S1.2.2重新構(gòu)建一個(gè)二值圖像再用和第一步相同的投影法來(lái)尋找邊界left2,right2。此時(shí)構(gòu)建的二值圖像根據(jù)車牌區(qū)域HSI模型的h值來(lái)二值化圖像。首先對(duì)車牌區(qū)域的中間區(qū)域來(lái)統(tǒng)計(jì)其h值的范圍，然后根據(jù)該范圍對(duì)全部車牌區(qū)域進(jìn)行二值化，就得到了我們需要的二值化圖像。

S1.2.3根據(jù)第一和第二步得到的兩個(gè)邊界信息來(lái)確定最后的邊界。最后確定的邊界可以用下面式子表示：

left＝max(left1,left2)

right＝min(right1,right2)

按照上述兩個(gè)步驟去邊框處理后，得到的車牌區(qū)域比原來(lái)定位出來(lái)原始車牌區(qū)域精確了些，但是并不是絕對(duì)的精確，我們可以將其看作是邊框去除過(guò)程中引入的誤差。本發(fā)明采用的分割算法能夠容忍在車牌邊框去除時(shí)存在的少許誤差。也就是說(shuō)在去除車牌左右邊框時(shí)，邊框沒(méi)有完全去除并不影響我們隊(duì)字符的正確分割。

S2.車牌字符分割；

在進(jìn)行分割字符前，必須要注意一個(gè)問(wèn)題，那就是由于不同光照、和車牌臟舊等原因使得車牌的灰度圖像中背景和字符對(duì)比度不強(qiáng)，這對(duì)于后一步用投影法來(lái)進(jìn)行字符分割會(huì)帶來(lái)一定的難度，故而在分割前需要先對(duì)車牌圖像進(jìn)行字符的對(duì)比度增強(qiáng)。

一個(gè)完整的車牌區(qū)域字符像素占整個(gè)車牌區(qū)域像素的20％，對(duì)于某些圖片來(lái)說(shuō)，雖然由于其他原因使得車牌中字符和背景的差異不是很大，但是總體上來(lái)說(shuō)字符的像素值也比背景像素值高一些。故可以利用該特點(diǎn)來(lái)對(duì)車牌區(qū)域中前20％像素進(jìn)行增強(qiáng)而對(duì)其他的像素進(jìn)行抑制，從而到達(dá)增強(qiáng)目標(biāo)字符抑制背景的目的。對(duì)此本發(fā)明采用車牌增強(qiáng)算法如下：

步驟1：統(tǒng)計(jì)整個(gè)車牌區(qū)域內(nèi)像素點(diǎn)的最大像素值和最小像素值maxvalue,minvalue。

步驟2：設(shè)置需要增強(qiáng)的像素點(diǎn)數(shù)占全部像素點(diǎn)數(shù)的比例系數(shù)coef，所述比例系數(shù)范圍在0-1之間，根據(jù)實(shí)際需要調(diào)整，通常原始車牌圖像較清晰，比例系數(shù)就較小，原始車牌圖像模糊，比例系數(shù)就大。

步驟3：統(tǒng)計(jì)0-255像素值上對(duì)應(yīng)出現(xiàn)的像素點(diǎn)的個(gè)數(shù)，并存儲(chǔ)在1×255的數(shù)組count(1,i)里面。

步驟4：從count(1,i),i＝255開(kāi)始往下統(tǒng)計(jì)像素點(diǎn)的個(gè)數(shù)，如果統(tǒng)計(jì)的像素點(diǎn)pixelnum<width*height*coef則將i-1繼續(xù)統(tǒng)計(jì)，否則停止統(tǒng)計(jì)并記下當(dāng)前的像素值index。

步驟5：車牌區(qū)域每一點(diǎn)按下面的方法進(jìn)行增強(qiáng)：

經(jīng)過(guò)上面的變換后，就可以將圖像進(jìn)行增強(qiáng)，如果原圖已有很好的對(duì)比度，經(jīng)過(guò)以上的變換也不會(huì)使圖像的效果變差，其效果圖如圖2所示。

從圖2的效果可以看出，前兩幅由RGB直接轉(zhuǎn)換為灰度圖像的車牌區(qū)域其對(duì)比度不是很明顯，經(jīng)過(guò)增強(qiáng)后背景和字符的對(duì)比度明顯好轉(zhuǎn)，而原本對(duì)比度一般的車牌區(qū)域經(jīng)過(guò)增強(qiáng)后其效果也變得更好了。這樣的增強(qiáng)對(duì)下一步分割字符有利。因?yàn)楸景l(fā)明所采用的字符分割方法是基于灰度投影的算法，由于原本字符對(duì)比度不明顯，其灰度投影圖的波峰、波谷特征也不是很明顯，但是經(jīng)過(guò)圖像增強(qiáng)后，其灰度投影圖就能夠很好的表現(xiàn)其波峰波谷特征，有利用對(duì)字符的精確分割。

本發(fā)明所用的灰度投影分割字符充分利用了車牌字符的特點(diǎn)，與一般的投影分割相比有很大的優(yōu)越性。普通的投影分割就是利用灰度投影曲線的波谷點(diǎn)來(lái)對(duì)字符進(jìn)行分割。本發(fā)明對(duì)這種普通的投影算法進(jìn)行了改進(jìn)大大提高了字符分割正確率。由車牌字符投影曲線可以看出，車牌圓點(diǎn)右邊的五個(gè)字符中除了字符就是數(shù)字，當(dāng)然還有少數(shù)車牌為漢字。對(duì)于字符和數(shù)字來(lái)說(shuō)，其投影曲線不是雙峰結(jié)構(gòu)就是單峰結(jié)構(gòu)。所以本發(fā)明在對(duì)字符進(jìn)行分割充分利用該特征改進(jìn)了投影分割算法。本發(fā)明字符分割算法流程圖如圖3所示。

進(jìn)行字符分割前，對(duì)前面增強(qiáng)的車牌圖像，按列累加圖像的像素值，就可以得到車牌的投影曲線，但是得到的投影曲線有很多噪聲使其并不平滑，這影響系對(duì)字符的分割，所以首先需要將投影曲線進(jìn)行平滑，在本算法中以高斯濾波為例來(lái)平滑投影曲線，用于濾波的核為[0.25,0.5,1,0.5,0.25]。圖4為車牌投影曲線的濾波前后的效果圖。從圖中可以很明顯的看出經(jīng)過(guò)濾波后的投影曲線比原曲線平滑了很多，且原曲線中的一些由噪聲引起的峰值也在濾波后消失了，這樣在檢測(cè)波峰波谷時(shí)就不會(huì)檢測(cè)出因噪聲產(chǎn)生的波峰波谷點(diǎn)。

由濾波后的車牌灰度投影圖，就可以根據(jù)該投影曲線來(lái)進(jìn)行字符分割。本發(fā)明采用的是改進(jìn)的投影法來(lái)進(jìn)行字符分割。一般的投影法分割字符是直接利用波谷點(diǎn)來(lái)對(duì)字符進(jìn)行分割，而本發(fā)明的投影法在分割字符時(shí)充分考慮了車牌字符的投影特征，具體步驟如下：

步驟1：根據(jù)車牌的灰度投影曲線圖可得，車牌后面最多出現(xiàn)五個(gè)雙峰結(jié)構(gòu)，故搜索出前五個(gè)最大波谷點(diǎn)，然后判斷這些點(diǎn)是否為雙峰結(jié)構(gòu)中的波谷點(diǎn)，如果是，則將該雙峰結(jié)構(gòu)的起止位置記下。

步驟2：確定車牌字符寬度characterwidth。如果步驟1檢測(cè)到了雙峰結(jié)構(gòu)，則字符寬度就取為檢測(cè)到的所有雙峰結(jié)構(gòu)的平均值，否則字符寬度就取前3個(gè)單峰寬度中的最大值。

步驟3：設(shè)置字符起始點(diǎn)為第二字符和第三字符的分割點(diǎn)，設(shè)置結(jié)束點(diǎn)為車牌最后一個(gè)波谷點(diǎn)。如果在步驟1中檢測(cè)到了雙峰結(jié)構(gòu)則進(jìn)行步驟4，否則進(jìn)行步驟5。

步驟4：設(shè)置字符臨時(shí)分割段起始點(diǎn)為字符起始點(diǎn)，字符臨時(shí)分割段終點(diǎn)為一個(gè)雙峰結(jié)構(gòu)起始位置，然后在字符臨時(shí)分割段里進(jìn)行檢測(cè)，如果該段里有一個(gè)峰結(jié)構(gòu)，則該峰就單獨(dú)為一個(gè)字符，如果該段里有兩個(gè)峰結(jié)構(gòu)，則先判斷這兩個(gè)峰是一個(gè)雙峰字符還是兩個(gè)單峰字符，具體判斷規(guī)則就利用這兩個(gè)峰的寬度，以及該寬度和字符寬度進(jìn)行比較。如果這兩個(gè)峰寬度之和小于字符寬度的1.2倍且這兩個(gè)峰寬度相差很小。則這兩個(gè)峰結(jié)構(gòu)為一個(gè)雙峰字符的投影，反之為兩個(gè)單峰字符，且可以肯定兩個(gè)單峰字符的前面一個(gè)峰結(jié)構(gòu)就是一個(gè)字符，所以可以將其前面的一個(gè)峰結(jié)構(gòu)分割出來(lái)然后更新字符臨時(shí)分割段如下：將字符臨時(shí)分割段的起點(diǎn)更新到被分割出來(lái)的峰后面，字符臨時(shí)分割段終點(diǎn)不變，但是如果此時(shí)字符臨時(shí)分割段的起點(diǎn)等于終點(diǎn)時(shí)則將其起點(diǎn)更新到先前的雙峰結(jié)構(gòu)的終止位置，并將臨時(shí)分割段的終點(diǎn)更新到下一個(gè)雙峰結(jié)構(gòu)的起點(diǎn)，如果后面沒(méi)有雙峰結(jié)構(gòu)了則將臨時(shí)分割段的終點(diǎn)更新為字符結(jié)束點(diǎn)，然后重復(fù)步驟4直到分割到字符結(jié)束點(diǎn)為止。

步驟5：進(jìn)行到該步驟說(shuō)明在檢測(cè)雙峰結(jié)構(gòu)時(shí)并未檢測(cè)到，但是并不代表該車牌內(nèi)不存在雙峰結(jié)構(gòu)的字符，并不能排除存在有雙峰結(jié)構(gòu)的字符。此時(shí)分割就直接從字符起始點(diǎn)開(kāi)始分割直到分割出5個(gè)字符。在分割中需要檢測(cè)的就是檢測(cè)相鄰的兩個(gè)峰結(jié)構(gòu)是不是一個(gè)字符的雙峰曲線。檢測(cè)所利用的方法和步驟4中相同，利用兩個(gè)峰的寬度和該寬度與字符寬度之間的關(guān)系進(jìn)行判斷。

步驟6：根據(jù)分割出的后面五個(gè)字符來(lái)分割前面兩個(gè)字符。首先將分割出來(lái)的后面五個(gè)字符中的最大寬度作為前面兩個(gè)字符的寬度。前面兩個(gè)字符為字母或者漢字，而字符也為雙峰結(jié)構(gòu)的，所以用后面五個(gè)字符中的最大寬度作為前面字符的寬度是合理的。分割前面兩個(gè)字符的方法為：從第二字符和第三字符的分割點(diǎn)向前移動(dòng)字符寬度個(gè)像素，然后將離該點(diǎn)的最近一個(gè)波谷值作為車牌第一字符和第二字符的分割點(diǎn)。利用同樣方法也可以確定第一個(gè)字符的開(kāi)始位置。

步驟7：對(duì)分割出來(lái)的字符序列進(jìn)行檢測(cè)，看該序列是否符合車牌字符序列的特征。該特征可以用下面表達(dá)式來(lái)表示，假設(shè)dis1為前面兩個(gè)字符的寬度向量，dis2為后面五個(gè)字符看寬度向量，width為車牌寬度，height為車牌高度，則一個(gè)合理的車牌字符序列必須滿足下面的表達(dá)式：

min(min(dis1),min(dis2))>width/10

max(dis2)/width/5

height/min(dis1)<3

這樣就可以從車牌區(qū)域中分割出字符序列，從上面的算法步驟中可以看出，對(duì)于還有部分左右邊框的車牌，本發(fā)明的分割算法對(duì)其有很高的魯棒性。

本發(fā)明中提出的方法實(shí)際上可嵌入FPGA實(shí)現(xiàn)，運(yùn)用于具有實(shí)時(shí)輸出圖像功能的車牌識(shí)別功能的監(jiān)控系統(tǒng)相機(jī)或攝像機(jī)中。

本領(lǐng)域技術(shù)人員將清楚本發(fā)明的范圍不限制于以上討論的示例，有可能對(duì)其進(jìn)行若干改變和修改，而不脫離所附權(quán)利要求書限定的本發(fā)明的范圍。盡管己經(jīng)在附圖和說(shuō)明書中詳細(xì)圖示和描述了本發(fā)明，但這樣的說(shuō)明和描述僅是說(shuō)明或示意性的，而非限制性的。本發(fā)明并不限于所公開(kāi)的實(shí)施例。

通過(guò)對(duì)附圖，說(shuō)明書和權(quán)利要求書的研究，在實(shí)施本發(fā)明時(shí)本領(lǐng)域技術(shù)人員可以理解和實(shí)現(xiàn)所公開(kāi)的實(shí)施例的變形。在權(quán)利要求書中，術(shù)語(yǔ)“包括”不排除其他步驟或元素，而不定冠詞“一個(gè)”或“一種”不排除多個(gè)。在彼此不同的從屬權(quán)利要求中引用的某些措施的事實(shí)不意味著這些措施的組合不能被有利地使用。權(quán)利要求書中的任何參考標(biāo)記不構(gòu)成對(duì)本發(fā)明的范圍的限制。