一种车牌倾斜图像的矫正方法
【专利摘要】本发明公开一种车牌倾斜图像的矫正方法，属于车牌自动识别技术领域。本发明将仿射变换和缩放变换相结合，设计了一种模板车牌的图像像素与车牌图像像素的对应方法，并由此提出了一种倾斜车牌图像的矫正方法。本发明的有益效果在于：(1)算法简单，仅需要加减乘除，无三角函数和其它更复杂的运算；(2)不仅可以矫正平行四边形车牌图像，也可矫正至少有一组对边不相等的四边形车牌图像；(3)矫正后的图像中字符边缘光滑如初，无锯齿和空洞。
【专利说明】
-种车牌倾斜图像的矫正方法
技术领域
[0001 ]本发明设及一种车牌倾斜图像的矫正方法。
【背景技术】
[0002] 随着时代的进步和人民生活水平的提高，汽车在生活中已经成为了一种普遍的交 通工具，伴随而来的就是日益严重的交通运输问题，如交通拥堵、交通事故等。要解决运些 问题仅靠人力是不现实，必须实现车辆管理的自动化，而倾斜车牌定位与识别技术则是车 辆管理自动化中的一个重要环节。
[0003] 车牌图像的获取一般是通过固定架设在道路上方及两旁的CC时暴像机得到的，由 于车辆停靠位置具有一定的随机性，使所拍摄的车牌图像产生倾斜现象，运将严重影响字 符分割和识别，因此需要在字符分割之前进行车牌倾斜校正。
[0004] 目前的车牌图像倾斜校正方法主要有S类，即化U曲变换法、旋转投影法和倾斜直 线拟合法。在现实中因噪声、污迹等干扰的影响使车牌的边框有时并不明显，甚至看不见边 框，同时又由于二值化等原因，车牌上字符会有粘连和断裂现象，Hou曲变换后参数空间中 的峰值过于分散，校正效果并不理想，Hou曲变换并不符合车牌识别系统的实时性要求。旋 转投影方法的精确度和实时性相互制约，且易受到字符W外区域的干扰，计算量偏大，并不 符合车牌识别系统实时性要求，同时旋转多次会损失字符细节，影响后续的字符识别。由于 图像因噪声、污迹W及能够准确反映水平和垂直角度的数据选取的合理性等干扰的影响， 倾斜直线拟合法检测出的角度误差较大，且受字符左侧噪声干扰太大，鲁棒性较差。
[0005] 事实上，由于车牌的倾斜，其图像不再是矩形，甚至不再是平行四边形，而是变成 了至少有一组对边不相等的四边形，矫正运种图像仅靠仿射变换是不够的，必须结合缩放 变换。
【发明内容】
[0006] 本发明将仿射变换和缩放变换相结合，设计了一种模板车牌的图像像素与车牌图 像像素的对应方法，并由此提出了一种倾斜车牌图像的矫正方法。运种方法不仅可W矫正 平行四边形的车牌图像，也可W矫正至少有一组对边不相等的四边形车牌图像。
[0007] 本发明的有益效果在于：
[000引（1)算法简单，仅需要加减乘除，无=角函数和其它更复杂的运算；
[0009] (2)不仅可W矫正平行四边形车牌图像，也可矫正至少有一组对边不相等的四边 形车牌图像；
[0010] (3)矫正后的图像中字符边缘光滑如初，无银齿和空桐。
【附图说明】
[0011] 图1是车牌倾斜图像及其边界确定示意图图。
[0012] 图2是基于模板车牌尺寸的矫正后的车牌图像。
【具体实施方式】
[0013] 首先，根据模板车牌的图像确定矫正后车牌图像像素的行数m和列数n。
[0014] 车牌的倾斜图像如图1所示。利用图像处理方法，提取车牌图像的边缘点，并利用 最小二乘法W四条直线拟合车牌图像的四条边界线，并提取四条边界线的四个交点{Ai(mi， m) Ii = I，2,3,4}，其中mi和m分别表示像素的行序号和列序号，运四个交点的位置依次在 左上、右上、左下和右下。
[0015] 令
[0016] X=A2-Ai= (m2-mi,n2-ni)
[0017] Y=As-Ai=(邮-mi，n3_ni)
[001 引 A 广 Ai = M+yY
[0019] 其中A, y为待定系数，则有
[0020]
[0021]
[0022]
[0023] 其中矩阵右上脚的"-r表示矩阵求逆。由于拍摄车牌图像时的角度不同，车牌图 像可能是平行四边形，甚至是对边不相等的四边形。前一种情形A = W=I，图像只是车牌的 仿射变换；后一种情形A和y至少有一个不等于1，图像不仅是车牌的仿射变换，还混合有缩 放变换。但在上述两种情形模板车牌的图像中像素坐标为（i，j)的像素点与车牌图像中像 素坐标为
[0024]
[0025] 的像素点可W建立一一对应的关系。WE( ?)表示取整函数，模板车牌的mXn图像 中坐标为(i，j)的像素可W与车牌图像中坐标为
[0026]
[0027]的像素对应。WG、BR和护、B/ R/分别表示模板车牌和车牌的图像中绿、蓝和红；个 颜色分量矩阵，对i = l，2,…，m，j = l，2,…，n，令 [002引 G(i，j)=G'(I(i，j)，J(i，j))
[00 巧]B(i，j)=B'(I(i，j)，J(i，j))
[0030] R(i，j)=R'(I(i，j)，J(i，j))
[0031] 则G、BRS个颜色分量矩阵表示的图像就是矫正后的车牌图像。车牌倾斜的矫正程 序可表述为：
[0032] 1)利用图像处理方法提取车牌图像的边缘点，利用运些边缘点通过最小二乘法， W四条直线拟合车牌图像的四条边界线；
[0033] 2)依次提取四条边界线位于图像左上方、右上方、左下方和右下方的四个交点{Ai (1111，山）|1 = 1，2,3,4}，其中化和11汾别表示像素的行序号和列序号；
[0034] 3)计算
[0035] X=As-Ai= (m2-mi，n2-ni)
[0036] Y=As-Ai=(邮-mi，n3-ni)
[0037]
[00；3 引
[0039]
[0040] G(i，j)=G'(I(i，j)，J(i，j))
[0041] B(i，j)=B'(I(i，j)，J(i，j))
[0042] R(i，j)=R'(I(i，j)，J(i，j))
[0043] 通过上述程序可W得到矫正后的绿、蓝、红=个颜色分量矩阵分别为G、B、R的车牌 图像，如图2所示。
【主权项】
1. 一种车牌倾斜图像的矫正方法，其特征在于：以m和η分别表示模板车牌图像的行数 和列数，以G、B R和G7 、ΙΤ分别表示模板车牌和车牌的图像中绿、蓝、红三个颜色分量矩 阵，车牌倾斜图像的矫正程序可表述为： 1) 利用图像处理方法提取车牌图像的边缘点，利用这些边缘点通过最小二乘法，以四 条直线拟合车牌图像的四条边界线； 2) 依次提取四条边界线位于图像左上方、右上方、左下方和右下方的四个交点{Ai(nu， 111)|1 = 1，2,3,4}，其中1111和111分别表示像素的行序号和列序号； 3) 计算 X=A2~Ai= (m2-mi,n2-ni) Y=A3-Ai= (m3-mi,n3-ni)G(Ij)=GH(Ij)J(Ij)) B(Ij)=BH(Ij)J(Ij)) R(IO-)=R7(Ki^j) 其中E( ·)表示取整函数。
【文档编号】G06K9/32GK106022333SQ201610290441
【公开日】2016年10月12日
【申请日】2016年4月26日
【发明人】安凯, 安培亮, 王晓英, 安宏亮
【申请人】安凯