基于数学形态学车牌定位与倾斜校正方法.docVIP

基于数学形态学车牌定位与倾斜校正方法 　　【摘 要】为了准确定位车牌的位置与车牌的倾斜校正，提出一种基于数学形态学的车牌定位与基于hough变换和radon变换车牌校正的方法，主要步骤包括：灰度变换，边缘检测，形态学处理，基于行列投影的车牌定位，利用hough变换的车牌水平校正，radon变换的字符垂直校正。实验表明，这一方法能够准确的实现车牌的定位与倾斜校正。 　　【关键词】车牌定位；数学形态学；水平校正；垂直校正 　　0 引言 　　车牌识别是现代智能交通系统中的重要组成部分之一，主要包括图像处理，车牌定位，字符分割，字符识别四个关键步骤，车牌定位的准确与否直接影响后面的字符分割与字符识别。 　　要进行车辆牌照的提取与分割，必须了解车辆牌照与车体本身相区别的特征：（1）一个省份的简称加上6个数字与字母的组合。（2）车牌的背景与字符的颜色对比比较大，具有丰富的边缘信息。（3）车牌长宽比例一定。 　　由于摄像机摆放的位置造成捕捉到的图像有一定的倾斜角度。对以后的字符分割造成一定的干扰。所以我们首先对定位后的车牌图像进行倾斜校正。目前倾斜校正的方法主要有：（1）hough变换校正，通过hough变换检测车牌边缘直线并计算水平倾斜角度，进行校正。（2）通过模板匹配寻找牌照区域的四个顶点再通过双线性空间变换对畸变图像进行校正。 　　基于以上的车牌特点，本文提出了一种基于数学形态学的车牌定位和基于hough与radon变换的车牌倾斜校正，通过VC++的实验表明该方法的可行并且快速简单。 　　1 算法流程介绍 　　本文提出的车牌定位与倾斜校正方法，具体分为5个步骤：（1）图像预处理，将彩色图像灰度化，利用canny算子进行边缘检测。（2）车牌粗定位，利用数学形态学对边缘检测后的图像进行若干次开闭运算，可以得到几个车牌的候选区域，利用车牌的长宽比例，删除干扰区域，得到粗定位。（3）车牌水平方向倾斜校正，利用hough变换检测车牌边缘进行校正，并对校正后的图像去除车牌的边框与铆钉。（4）字符的垂直校正，对水平校正的图像在（-30，30）度方向上做radon变换，从而得出字符倾斜角度，利双线性插值对字符进行校正。 　　2 车牌定位算法 　　2.1 图像预处理 　　为了加快程序的运行速度，减小运算量，我们先对采集的图像灰度化。 　　边缘是指图像中灰度发生突变或不连续的细小区域（一组相连的像素集合），即两个具有相对不同灰度值特性的区域的边界线。本文采用了Sobel算子，因为Sobel算子对于像素位置的影响做了加权，因此效果更好，对噪声具有平滑的作用，提供较为精确地边缘方向信息。 　　2.2 车牌粗定位 　　数学形态学是一组形态学的代数运算子组成。用这些算子及其组合进行图像形状和结构的分析处理包括图像分割、特征抽取、边缘检测等方面的工作。 　　形态学中最基本的操作时膨胀，腐蚀。开闭运算是腐蚀与膨胀的组合，开运算是先腐蚀后膨胀，闭运算是先膨胀后腐蚀。 　　膨胀会扩大一幅图像的组成部分，而腐蚀则会缩小一幅图像中的组成部分。开运算一般会平滑物体的轮廓，断开较小的连接并消除细的突出物。闭运算同样也会平滑轮廓的一部分，它通常会弥合较窄的间断和细长的沟壑，消除小的空洞，填补轮廓线中的断裂。由于闭运算的特点，本实验中我们对边缘检测图像进行3次闭操作。对于形态学操作后的图像，根据联通区域面积的大小，删除过大或者过小的区域，并根据车牌的长宽比确定车牌的大体位置，实现粗定。 　　3 车牌倾斜校正 　　3.1 hough变换水平校正 　　由于车牌悬挂，摄像机放置的问题导致采集到的车牌图像是倾斜的，通常情况下既有水平方向的倾斜又有垂直方向的倾斜，导致车牌看起来是一个平行四边形，实际上是一种透视变换。这种情况下无法正确的分割字符，应先对其进行校，首先对粗定位后的车牌图像进行边缘检测，然后利用hough变换对其进行直线检测，提取出最长的直线并计算其水平方向的倾斜角度，进行旋转校正。粗定位与水平校正效果如图所示。 　　图1 水平校正图像 　　3.2 利用行扫描去除铆钉与边框 　　采用行扫描的方法对车牌进行精确定位，达到去除车牌边框跟铆钉的效果，只保留车牌的字符区域，为后面的字符分割和字符识别排除干扰。首先对倾斜校正的车牌图像进行平滑滤波和Sobel边缘检测，然后进行行扫描统计跳变点。二值车牌图像区域当中水平方向跳变（两个黑白像素变化为跳变一次）频繁，由于车牌区域由七个字符排列组成，通过大量的实验经验我们设置跳变阈值T为20，首先对边缘检测后的图像从上往下统计每一行的跳变数，如果跳变数大于阈值T，把此行标记为可疑行，如果可疑行连续，并且达到一定高度，我们就把此可疑行标记为字符区域的上边界，同理对边缘检测后的图像从下往上进行统计每一行的