基于旋转投影的车牌倾斜矫正的方法
【技术领域】
[0001] 本发明属于车牌倾斜矫正技术领域，具体设及一种基于旋转投影的车牌倾斜矫正 的方法。
【背景技术】
[0002] 在车牌识别系统中，由于摄像机安装角度W及车辆行驶等情况会不可避免的造成 采集到的车牌图像存在一定的倾斜。倾斜的车牌图像会造成字符倾斜，影响字符的正确分 割及字符识别的准确率。因此，有必要对倾斜的车牌进行校正。进行校正的前提是需要计算 出车牌倾斜的角度。一般情况下，倾斜的车牌主要表现为Ξ种情形:水平倾斜、竖直倾斜及 水平竖直倾斜。分别如图1、图2和图3所示，而现有的车牌倾斜校正的算法主要有：
[0003] (1化OU曲变换法。化U曲变换法利用hou曲变换检测直线的原理在车牌图像中检测 出车牌的边框，从而求得车牌区域的倾斜角度。由于实际的应用场景中，获得的车牌图像可 能没有边框，或者边框不明显，也有些受到污损噪声干扰等，导致hou曲变换后参数空间的 极值点分散，检测效果不理想。另外，hou曲变换的方法计算量大，耗时等问题在实时性高的 应用场景中也不如人意。
[0004] (2)模板匹配法。该方法采用模板匹配捜索到车牌区域的两个或四个顶点，再利用 双线性空间的变换重建车牌所在的矩形区域，从而达到车牌倾斜校正的目的。其缺点在 于，当车牌背景颜色与车身颜色一致或者相近时，算法可靠性不高。
[000引（3)最小二乘法拟合法。该方法通过求取车牌上各个字符的连通域中屯、点，然后根 据运些中屯、点坐标进行最小二乘拟合，得到一条直线。该直线的倾斜角度即为车牌的倾斜 角度。最小二乘法在车牌字符清晰且没有污损时效果良好，但是对于那些存在污损，字符断 裂，低分辨率的车牌，造成的误差较大。
【发明内容】
[0006] 本发明的目的提供一种基于旋转投影的车牌倾斜矫正的方法，本方法主要利用标 准车牌（即无任何倾斜)在水平或竖直方向上的投影方差最大运一特性将车牌边缘图在一 定的角度范围内（通常[-30~30])进行旋转，记录每次旋转过后的新图像的水平(竖直)方 向投影值。通过比较和分析每次旋转角度得到的投影值的大小的方差分布，方差最大的旋 转角即为车牌的倾斜角，从而可W确定一个最优的水平(竖直)方向旋转角度。避免了现有 技术中的检测效果不理想、在实时性高的应用场景中也不如人意、算法可靠性不高、造成的 误差较大的缺陷。
[0007] 为了克服现有技术中的不足，本发明提供了一种基于旋转投影的车牌倾斜矫正的 方法的解决方案，具体如下：
[0008] -种基于旋转投影的车牌倾斜矫正的方法，在初定位时找到车牌区域，将车牌初 定位后得到车牌图像作为输入图像，对车牌图像做如下步骤的操作：
[0009] 步骤1:灰度化
[0010] 将颜色图转换成灰度图，把车牌图像的RGB颜色图转化灰度图公式为公式（1)所 示：
[0011] Gray(i,j)= R*0.299+G*0.587+6*0.114 (1)
[001引其中Gray(i，j)为目标图像在点（i，j)上的灰度值，R、G、B为图像Ξ个分量，i为大 于0的整数，j为大于0的整数；
[0013] 步骤2:边缘提取
[0014] 将车牌图像进行灰度化后，需要提取出车牌的字符纹理信息，边缘信息的完整与 否关系到最终角度的计算。提取车牌图像边缘信息是基于Sobel算子的边缘检测，具体做法 如下：
[0015] 1.做水平倾斜计算计算得到水平方向边缘检测的图像:对车牌图像灰度化后，对 灰度化的车牌图像做一次平滑处理，再采用只对水平方向响应的Sobel算子提取图像边缘， 其中采用的水平Sobel算子如下所示：
[0016]
[0017] 水平方向边缘提取计算公式如公式(2)所示：
[0018]
' 2)
[0019] 其中A代表平滑处理后的车牌图像，也即原始图像，Gx表示为水平方向边缘检测的 图像；
[0020] 2.做竖直倾斜计算得到竖直方向边缘检测的图像:采用的竖直Sobel算子如下：
[0021]
[0022] 竖直方向边缘提取计算公式如公式(3)所示：
[0023]
[0024] 其中A代表平滑处理后的车牌图像，也即原始图像，Gy表示为竖直方向边缘检测的 图像；
[002引 3.二值化
[0026] 采用全局二值化方法，通过求得图像灰度平均值继而将该均值作为图像二值化的 阔值，求得图像二值化的阔值T的计算公式如公式(4)所示：
[0027]
(4)
[0028] 其M*N表示经过Sobel算子计算得到的图像的大小，M、m为大于0的整数，N、n为大于 0的整数，f(m, η)表示图像中(m, η)点的灰度值；
[0029] 4.倾斜角计算如下：
[0030] 1)水平方向倾斜角计算的算法步骤如下：
[0031 ] Step_l_l.在旋转角度[-30,30]的区间，首先^旋转角度9 = -30度的角度对边缘 图像W图像中屯、为旋转中屯、进行旋转变换，旋转后图像高度记为m，得到该角度下的投影 值，记为Pr〇jectHo;r-3〇[m]，其中P;rojectHo;r-3〇[k]，0<k<m表示在旋转角度-30°下图像的 第k行非0值数目；
[0032] St邱_1_2.在Step_l_l的基础上，旋转角度目Wstep = 5°递增并旋转原始图像，记 录第i次旋转后的水平方向投影值为Projec地ore[m]，其中目= i*5-30,且i<12，st邱代表 步进值；
[0033] St邱_1_3.若i<12，则重复Step_l_2，否则，对于每个Pro jectHor0[m]，求一阶差分 和
，并将其记录在Si中，i为整数；
[0034] Step_l_4.计算Si中最大值Max(Si)，根据最大值下标i可W知道当旋转角度9 = i* 5-30时投影值最大，此时所要求的真正旋转角在[(i-1)巧-30]，（ i+1)巧-30]区间范围内； [00；3引 Step_l_5.在[(i-1)巧-30]，（i+l)巧-30]区间中旋转角度目Wstep=l°递增并旋 转原始图像，重复Step_l_2，Step_l_3，Step_l_4;最终求得Max(Si),此时水平方向的倾斜 角日=i。
[0036] 2)竖直方向倾斜角计算的算法步骤如下：
[0037] 具体的算法步骤如下：
[0038] Step_2_l.根据上述计算得到的水平方向的倾斜角并进行旋转校正车牌图像，旋 转后的车牌图像作为计算竖直方向倾斜角度原始图像；
[0039] Step_2_2.在旋转角度[-30,30]的区间，首先^0 = -3〇的角度对边缘图像^图像 中屯、为旋转中屯、进行旋转变换，旋转后图像宽度记为η,得到该角度下的投影值，记为 P;rojectVe;r-3〇[n],其中P;rojectVe;r-3〇[l]，0<1<η表示在旋转角度-30° 下图像的第 1 列非0 值数目；
[0040] Step_2_3.在步骤1的基础上，旋转角度目Wstep = 5°递增并旋转原始图像，记录第 i次旋转后的竖直方向投影值为Pro jectVen[η]，其中Θ = i*5-30，且i < 12;
[0041 ] St邱_2_4.若i<12，则重复Step_2_2，否则，对于每个Pro jectVere[n]，求一阶差分 租
丰记录在Si中；
[0042] 81:邱_2_5.计算5冲最大值1曰义估），根据最大值下标;[可^知道当旋转角度目=;[* 5-30时投影值最大;此时所要求的真正旋转角在[(i-1)巧-30]，（i+1)巧-30]区间范围内；
[0043] Step_2_6.在[(i-1)巧-30]，（i+l)巧-30]区间中旋转角度目Wstep=l°递增并旋 转原始图像，重复步骤Step_2_2，St邱_2_3，Step_2_4;最终求得Max(Si),此时竖直方向的 倾斜角e=i;
[0044] 5.车牌旋转校正
[0045] 根据计算得到水平或竖直方向的车牌倾斜角度，对车牌进行旋转校正，对于车牌 的旋转校正，首先需要校正水平方向的倾斜，水平方向的校正只需按照水平的车牌倾斜角 度的大小去旋转图像即可，对于竖直方向的校正，通过仿射变换来校正。
[0046] 本发明实现了倾斜矫正效果佳、在实时性高的应用场景中速度快、算法可靠性高、 造成的误差小。
【附图说明】
[0047] 图1为车牌水平倾斜的示意图。
[0048] 图2为车牌竖直倾斜的示意图。
[0049] 图3为车牌水平竖直倾斜的示意图。
[0050] 图4为本发明的方法的流程图。
[0051] 图5为本发明的方法应用的第一组的Ξ张图片，按照自左向右的顺序分别为初定 位车牌的图片、水平定位后的图片、竖直定位后的图片。
[0052] 图6为本发明的方法应用的第二组的Ξ张图片，按照自左向右的顺序分别为初定 位车牌的图片、水平定位后的图片、竖直定位后的图片。
[0053] 图7为本发明的方法应用的第Ξ组Ξ张图片，按照自左向右的顺序分别为初定位 车牌的图片、水平定位后的图片、竖直定位后的图片。
【具体实施方式】
[0054] 车牌的倾斜有水平倾斜，竖直倾斜及水平竖直倾斜Ξ种模式，在车牌识别中往往 不能只针对前面两种情况作相应的单一校正，而是需要考虑水平竖直倾斜运一普遍的模 式。基于旋转投影法计算倾斜角流程图如图4所示。
[0055] 下面结合附图和实施例对
【发明内容】
作进一步说明：
[0056] 参照图4所示，基于旋转投影的车牌倾斜矫正的方法，在初定位时找到车牌区域， 将车牌初定位后得到车牌图像作为输入图像，对车牌图像做如下步骤的操作：
[0057] 步骤1:灰度化
[0058] 将颜色图转换成灰度图，把车牌图像的RGB颜色图转化灰度图公式为公式（1)所 示：
[0059] Gray(i,j)= R*0.299+G*0.587+6*0.114 (1)
[0060] 其中Gray(iJ)为目标图像在点（i，j)上的灰度值，R、G、B为图像Ξ个分量，i为大 于0的整数，j为大于0的整数；
[0061] 步骤2:边缘提取
[0062] 将车牌图像进行灰度化后，需要提取出车牌的字符纹理信息，边缘信息的完整与 否关系到最终角度的计算。提取车牌图像边缘信息是基于Sobel算子的边缘检测，具体做法 如下：
[0063] 1.做水平倾斜计算计算得到水平方向边缘检测的图像:对车牌图像灰度化后，对 灰度化的车牌图像做一次平滑处理，再采用只对水平方向响应的Sobel算子提取图像边缘， 其中采用的水平Sobel算子如下所示：
[0064]
[0065] 水平方向边缘提取计算公式如公式(2)所示：
[0066]
<2>