基于圖像的車牌定位方法及其系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及車牌識(shí)別領(lǐng)域，特別是一種基于圖像的車牌定位方法及其系統(tǒng)。
【背景技術(shù)】
[0002] 車牌識(shí)別技術(shù)(Vehicle License Plate Recognition，VLPR)是計(jì)算機(jī)視頻圖像 識(shí)別技術(shù)在車輛牌照識(shí)別中的一種應(yīng)用。車牌識(shí)別技術(shù)要求能夠?qū)⑦\(yùn)動(dòng)中的汽車牌照從復(fù) 雜背景中提取并識(shí)別出來，通過車牌提取、圖像預(yù)處理、特征提取、車牌字符識(shí)別等技術(shù)，識(shí) 別車輛牌號(hào)。
[0003] 車牌識(shí)別在高速公路車輛管理中得到廣泛應(yīng)用。在ETC(Electronic Toll Collection，電子不停車收費(fèi)）系統(tǒng)中，車牌識(shí)別結(jié)合DSRC(Dedicated Short Range Communications，專用短程通信技術(shù))技術(shù)識(shí)別車輛身份，過往車輛通過道口時(shí)無須停車， 即能夠?qū)崿F(xiàn)車輛身份自動(dòng)識(shí)別、自動(dòng)收費(fèi)。在車場(chǎng)管理中，針對(duì)無需收停車費(fèi)的車輛(如月 卡車、內(nèi)部免費(fèi)通行車輛），建設(shè)無人值守的快速通道，通過車牌識(shí)別，實(shí)現(xiàn)免取卡、不停車， 從而提高出入口車輛通行效率。
[0004] 然而，目前主流的基于紋理的車牌定位算法是以假設(shè)車牌區(qū)域的紋理強(qiáng)度強(qiáng)于圖 片全局紋理均值，但是在一些特殊情況下，比如車牌過曝、逆光等情況下這種假設(shè)是不成立 的。降低圖片全局紋理的閾值，雖然可以兼顧過曝、逆光情況下的車牌定位，但會(huì)使曝光正 常的車牌定位引入過多的噪聲，造成正常情況下的車牌定位困難，運(yùn)算量加大，得不償失。

【發(fā)明內(nèi)容】

[0005] 針對(duì)上述現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種基于圖像的車牌定位方法及其 系統(tǒng)，能夠使得車牌定位兼顧過曝、逆光等情況，從而提高車牌定位的準(zhǔn)確度。
[0006] 本發(fā)明提供的基于圖像的車牌定位方法，技術(shù)方案如下，包括：
[0007] 將包含車牌的原始圖像轉(zhuǎn)換為灰度圖；
[0008] 按照灰度值大小將所述灰度圖劃分為若干個(gè)分區(qū)；
[0009] 提取各分區(qū)的圖像紋理，計(jì)算各分區(qū)的平均紋理灰度值，根據(jù)所述平均紋理灰度 值對(duì)各分區(qū)的圖像紋理進(jìn)行二值化處理；
[0010] 根據(jù)二值化處理后的圖像紋理定位所述原始圖像中的車牌。
[0011]本發(fā)明還提供基于圖像的車牌定位系統(tǒng)，包括：
[0012] 轉(zhuǎn)換模塊，用于將包含車牌的原始圖像轉(zhuǎn)換為灰度圖；
[0013] 劃分模塊，用于按照灰度值大小將所述灰度圖劃分為若干個(gè)分區(qū)；
[0014] 提取模塊，用于提取各分區(qū)的圖像紋理，計(jì)算各分區(qū)的平均紋理灰度值，根據(jù)所述 平均紋理灰度值對(duì)各分區(qū)的圖像紋理進(jìn)行二值化處理；
[0015] 定位模塊，用于根據(jù)二值化處理后的圖像紋理定位所述原始圖像中的車牌。
[0016] 上述方案，通過將包含車牌的原始圖像的灰度圖，按照灰度值大小劃分為若干個(gè) 分區(qū)，提取各分區(qū)的圖像紋理，計(jì)算各分區(qū)的平均紋理灰度值，根據(jù)所述平均紋理灰度值對(duì) 各分區(qū)的圖像紋理進(jìn)行二值化處理，根據(jù)二值化處理后的圖像紋理定位所述原始圖像中的 車牌，因此，有針對(duì)性地對(duì)各個(gè)分區(qū)的圖像紋理進(jìn)行處理，實(shí)現(xiàn)在不影響正常情況的前提 下，兼顧過曝、逆光等情況的車牌定位，從而提高車牌定位的準(zhǔn)確度。
【附圖說明】
[0017] 圖1為一個(gè)實(shí)施例的基于圖像的車牌定位方法的流程示意圖；
[0018] 圖2為一個(gè)實(shí)施例的基于圖像的車牌定位系統(tǒng)的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0019] 為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明作進(jìn) 一步地詳細(xì)描述。
[0020] 請(qǐng)參閱圖1中一個(gè)實(shí)施例的基于圖像的車牌定位方法的流程示意圖，如圖1所示， 包括步驟S101至S104:
[0021 ] S101，將包含車牌的原始圖像轉(zhuǎn)換為灰度圖。
[0022] 其中，所述包含車牌的原始圖像尤其以僅包含車牌字符區(qū)域的圖像為佳。所述車 牌定位方法基于灰度圖進(jìn)行，首先將包含車牌的原始圖像轉(zhuǎn)換為灰度圖，可通過以下方式 實(shí)現(xiàn)：
[0023] 獲取包含車牌的原始圖像中各像素點(diǎn)的RGB信息，通過以下公式計(jì)算各像素點(diǎn)的 灰度值：
[0024] gray = R*0.299+G*0.587+B*0.114,
[0025] 其中R、G和B分別為各像素點(diǎn)的R通道值、G通道值和B通道值，gray為灰度值；
[0026] 根據(jù)所述各像素點(diǎn)的灰度值將所述原始圖像轉(zhuǎn)換為灰度圖。
[0027] 具體地，在實(shí)際應(yīng)用中，為了避免低速的浮點(diǎn)運(yùn)算，需要將上述浮點(diǎn)計(jì)算公式轉(zhuǎn)換 為以下的整數(shù)運(yùn)算公式，將上述公式放大1000倍來實(shí)現(xiàn)整數(shù)運(yùn)算算法：
[0028] gray = (R*299+G*587+B*114+500)/1000
[0029] RGB數(shù)值一般是8位精度，放大1000倍后的運(yùn)算是32位整型的運(yùn)算，由于整數(shù)運(yùn)算 公式最后的運(yùn)算是整數(shù)除法，所以加上500來實(shí)現(xiàn)四舍五入，于是該整數(shù)運(yùn)算公式轉(zhuǎn)變?yōu)椋?Gray = (R*30+G*59+B*ll+50)/100,從而提高灰度圖的轉(zhuǎn)換效率。
[0030] S102,按照灰度值大小將所述灰度圖劃分為若干個(gè)分區(qū)。
[0031] 通過對(duì)灰度圖進(jìn)行分區(qū)，將每一個(gè)分區(qū)作為單獨(dú)的灰度圖進(jìn)行處理。
[0032] 進(jìn)一步地，所述按照灰度值大小將所述灰度圖劃分為若干個(gè)分區(qū)，包括：
[0033] 將灰度值由高到低劃分為第一灰度區(qū)間、第二灰度區(qū)間和第三灰度區(qū)間；
[0034] 根據(jù)第一灰度區(qū)間、第二灰度區(qū)間和第三灰度區(qū)間將所述灰度圖劃分為對(duì)應(yīng)的高 亮分區(qū)、較亮分區(qū)和較暗分區(qū)。
[0035]原始圖像的過曝區(qū)域亮度較高、紋理較弱，逆光區(qū)域亮度較低、紋理較強(qiáng)，為適應(yīng) 原始圖像位于過曝區(qū)域、逆光區(qū)域的狀況，需要將對(duì)應(yīng)區(qū)域單獨(dú)分離出來處理，使得車牌定 位兼顧過曝、逆光等情況。
[0036]進(jìn)一步地，所述將灰度值由高到低劃分為第一灰度區(qū)間、第二灰度區(qū)間和第三灰 度區(qū)間，包括：
[0037] 通過預(yù)設(shè)灰度值確定所述第一灰度區(qū)間，得到所述灰度圖中與所述第一灰度區(qū)間 對(duì)應(yīng)的尚殼分區(qū)；
[0038] 通過分割閾值確定所述第二灰度區(qū)間和第三灰度區(qū)間，得到所述灰度圖中與所述 第二灰度區(qū)間對(duì)應(yīng)的較亮分區(qū)、以及所述灰度圖中與所述第三灰度區(qū)間對(duì)應(yīng)的較暗分區(qū)。 [0039]其中，通過大量的實(shí)驗(yàn)，預(yù)設(shè)較佳的灰度值大小區(qū)間（230，255]為第一灰度區(qū)間， 所述灰度圖中第一灰度區(qū)間對(duì)應(yīng)的像素點(diǎn)區(qū)域?yàn)楦吡练謪^(qū)，高亮分區(qū)可適應(yīng)原始圖像中過 曝區(qū)域亮度較高、紋理較弱的過曝情況;再確定第二灰度區(qū)間和第三灰度區(qū)間的分割閾值 T，小于等于所述分割閾值T的灰度值屬于第三灰度區(qū)間[ο，τ]，第三灰度區(qū)間對(duì)應(yīng)的像素點(diǎn) 區(qū)域?yàn)檩^暗分區(qū)，較暗分區(qū)可適應(yīng)原始圖像中逆光區(qū)域亮度較低、紋理較弱的逆光情況;大 于所述分割閾值的灰度值屬于第二灰度區(qū)間（τ，230]，第二灰度區(qū)間對(duì)應(yīng)的像素點(diǎn)區(qū)域?yàn)?較亮分區(qū)，較亮分區(qū)可適應(yīng)除過曝、逆光情況之外的情況。因此，提高車牌定位兼顧過曝、逆 光等情況的精確度。
[0040]進(jìn)一步地，通過以下公式計(jì)算得到所述第二灰度區(qū)間和第三灰度區(qū)間的分割閾 值：
[0041 ] T=Max [ A* (F-E) 2+C* (D-E)2)]，
[0042 ]其中，T為分割閾值，A為較亮分區(qū)像素點(diǎn)占高亮分區(qū)以外區(qū)域的比例，F(xiàn)為較亮分 區(qū)像素點(diǎn)的平均灰度值，C為較暗分區(qū)像素點(diǎn)占高亮分區(qū)以外區(qū)域的比例，D為較暗分區(qū)像 素點(diǎn)的平均灰度，E為高亮分區(qū)以外區(qū)域的平均灰度值。
[0043] 具體地，對(duì)于灰度圖像的較亮分區(qū)和較暗分區(qū)的分割閾值記作T，假設(shè)屬于較亮分 區(qū)的像素點(diǎn)數(shù)占整幅圖像的比例為A、其