基于投影二分法的车牌字符分割方法
【车牌识别】-车牌中字符分割代码详解
【车牌识别】-车牌中字符分割代码详解车牌识别项⽬中，关于字符分割的实现：思路： 1. 读取图⽚，使⽤ cv2 。
2. 将 BGR 图像转为灰度图，使⽤ cv2.cvtColor( img,cv2.COLOR_RGB2GRAY) 函数。
3. 车牌原图尺⼨(170, 722) ，使⽤阈值处理灰度图，将像素值⼤于175的像素点的像素设置为 255 ，不⼤于175的像素点的像素设置为0 。
4.观察车牌中字符，可以看到每个字符块中的每列像素值的和都不为 0 ，这⾥做了假设，将左右结构的省份简写的字也看作是由连续相邻的列组成的，如 “ 桂 ” 。
5. 对于经过阈值处理的车牌中的字符进⾏按列求像素值的和，如果⼀列像素值的和为 0，则表明该列不含有字符为空⽩区域。
反之，则该列属于字符中的⼀列。
判断直到⼜出现⼀列像素点的值的和为0，则这这两列中间的列构成⼀个字符，保存到字典character_dict 中，字典的 key 值为第⼏个字符 ( 下标从0开始 )，字典的value值为起始列的下标和终⽌列的下标。
character_dict 是字典，每⼀个元素中的value 是⼀个列表记录了夹住⼀个字符的起始列下标和终⽌列下标。
6. 之后再对字符进⾏填充，填充为170*170⼤⼩的灰度图（第三个字符为⼀个点，不需要处理，跳过即可。
有可能列数不⾜170，这影响不⼤）。
7. 对填充之后的字符进⾏resize，处理成20*20的灰度图，然后对字符分别进⾏存储。
代码实现：1### 对车牌图⽚进⾏处理，分割出车牌中的每⼀个字符并保存2# 在本地读取图⽚的时候，如果路径中包含中⽂，会导致读取失败。
34import cv25import paddle6import numpy as np7import matplotlib.pyplot as plt8#以下两⾏实现了在plt画图时，可以输出中⽂字符9 plt.rcParams['font.sans-serif']=['SimHei']10 plt.rcParams['axes.unicode_minus'] = False111213# cv2.imread() 读进来直接是BGR 格式数据，数值范围在 0~255 。
车牌识别系统中车牌定位与字符分割的研究
车牌识别系统中车牌定位与字符分割的研究一、本文概述随着科技的发展和智能交通系统的普及，车牌识别系统已经成为了现代交通管理的重要组成部分。
车牌识别系统的核心在于准确、快速地实现车牌的定位与字符分割。
本文旨在深入探讨车牌识别系统中车牌定位与字符分割的关键技术，并分析其在实际应用中的挑战与解决方案。
本文将对车牌识别系统的基本框架进行概述，介绍车牌定位与字符分割在其中的地位和作用。
接着，本文将详细阐述车牌定位技术的发展历程和现状，包括基于颜色、纹理、形状等特征的定位方法，以及近年来兴起的深度学习技术在车牌定位中的应用。
同时，本文还将对字符分割技术的研究现状进行梳理，包括基于投影分析、边缘检测、形态学处理等方法的字符分割算法。
在此基础上，本文将重点分析车牌定位与字符分割在实际应用中面临的挑战，如复杂背景下的车牌定位不准确、字符粘连或断裂导致的分割失败等问题。
针对这些问题，本文将提出相应的解决方案，如通过改进算法提高定位精度、采用多特征融合的方法提高字符分割的鲁棒性等。
本文将通过实验验证所提方法的有效性，并对实验结果进行分析和讨论。
本文还将展望车牌识别系统的未来发展趋势，探讨新技术在车牌定位与字符分割中的应用前景。
通过本文的研究，旨在为车牌识别系统的优化和改进提供有益的参考和借鉴。
二、车牌定位技术研究车牌定位技术是车牌识别系统的关键环节，它涉及从复杂的背景中准确提取出车牌区域。
随着计算机视觉和图像处理技术的不断发展，车牌定位技术也取得了显著的进步。
早期的车牌定位主要基于车牌的颜色和边缘特征。
由于中国车牌通常为蓝底白字，因此可以通过颜色过滤来初步提取出可能的车牌区域。
随后，利用边缘检测算法（如Canny边缘检测）来进一步细化车牌的轮廓，从而实现车牌的粗定位。
然而，这种方法受光照条件、车牌污损等因素影响较大，定位准确性有待提高。
为了克服颜色和边缘特征方法的局限性，研究人员开始尝试基于纹理和形状特征的车牌定位方法。
车牌图像中字符分割方法
I 0.3R 0.59G 0.11B
2.2 滤波去噪
I为主观色彩 ， R、 G、 B为像素中红绿蓝三个分量.
考虑到车牌识别系统会在室外 24 小时工作，光照度变化较大、光照不均匀、对比度小、 亮度低，以及可能存在各种噪声影响，这些对后面的字符识别效果都有很大的影响，会降低
字符识别率。 本文研究中先使用中值滤波去除噪声， 然后通过低通滤波获得图像背景的照度 估计， 再从原始图像中减去此照度估计来校正光照不均匀问题[4],通过对比拉伸变化增强对 比度[5]。对倾斜的图像，先用 Sobel 算子提取边缘，进行逐层剥离之后 ，再用 Hough 变换 进行倾斜校正[6]。 2.3 OTSU 法原理[7] 二维图像的每一像素信息都可以用灰度值来表示。对灰度值的统计信息用一维直方图
图 4. 垂直投影结果
图 5. 分割结果
4
结论
本文在根据车牌的先验知识和图像特点对车牌图像进行分割算法研究， 良好的预处理过
程为字符的准确分割提供了基础，有效的提高了分割的准确率。把不同符号图像投影特点、 车牌先验知识与投影结果相结合进行字符范围判定， 为准确提取字符提供了保障。 把从停车 场拍摄的300张车牌图片进行字符分割提取实验，结果表明：分割的准确率高达98.3% ，该 分割方法效果很好。这对下一步进行的字符识别率提高具有很大意义。 本文创新点：在图像二值化前进行了光照分布均衡化处理，并把先验知识、字符投影特点、 车牌投影曲线三者结合判定提取字符，优化了分割效果。 参考文献： [1] 杨卫平， 李吉成， 沈振康。 车牌目标的自动定位技术[J]。 中国图像图形学报， 2002 8(7) 835-839 [2] 李元金，高维春，王精明。车牌识别技术中字符切割新算法[J]。深圳信息职业技术学 报，2007 5(1) 32-34 [3] 张志军，孙志辉。基于VC平台的彩色图像的灰度化技术 [J]。自动化技术及应用，2005 24(5) 61-63 [4] M Shridhar,et a1．License plate recognition using SKIPSM [A]．Machine Vision and-I1lree Dimensional Imaging Systoms for Inspection and Metrology ， Proceedings of SPIE，2001 72-79 [5] Bafael C Gonzalez ， Richard E Woods ． Digital image processing ， Second Edition[M]．2002 85-86 [6]朱艳丽、 付俊辉、 孙印杰。 一种倾斜车牌字符提取方法[J]。 微计算机信息， 2008, 1-1 :229 －231 [7] N Otsu．A threshold selection method from gray-level histogram[J] IEEE Trans， SMC——9(1)，1979 62-66 [8] Zhang Yin，Pan Yun-He．Preprocessing algorithm for character recognition of license Plate[J]．Application Research of Computers，1999，16(7)：85-87
结合垂直投影法与固定边界分割的车牌字符分割算法（附源码和详细解析）
结合垂直投影法与固定边界分割的车牌字符分割算法（附源码和详细解析）上⼀篇博⽂简单有效的车牌定位算法（附源码和详细解析），详细介绍了数学形态学处理车牌粗定位与蓝⾊像素统计、⾏列扫描的车牌精确定位算法。
没有看的朋友可以先看上⼀篇博⽂。
这次，在牌照字符的分割上，我结合了⽬前使⽤最多的投影法和车牌固定边界的多阈值分割算法。
它的⼤致实现过程如下：第⼀步先对上⼀节粗定位完牌照的只有⿊⽩两⾊的图像bg2实施伪彩⾊标记。
第⼆步获取标记区域各连通块的尺⼨参数，⽤作下⼀步遍历的索引。
第三步投影得直⽅图，取⼀个分割阈值，划分出背景和字符的范围，也就是在直⽅图histrow(histcol)中区分⾕底点和上升点。
第四步分析峰⾕，得到例如最⼤峰中⼼距等参数。
最后⼀步，根据上⼀步求得的参数分割字符。
具体分割流程图如下图：图5-1 字符分割流程图⼀、车牌区域彩⾊标记与特征提取 对粗定位车牌后的⼆值图像作连通区域4邻域的伪彩⾊标记的⽬的是为了⽅便计算出车牌区域的⾯积、宽⾼度以及车牌框架的⼤⼩、区域开始和结束的⾏列位置等区域特征参数，是为后续的车牌投影分析操作作预准备。
在这⼀步骤中，⾸先以4领域⼤⼩为模块对⼆值图像作区域标记，给每块连通区域块标记上序数，获取图像中连通区域的块数和图像矩阵L，初步计算出各连通区域的框架⼤⼩，然后再根据车牌的先验知识设置亮度⾼度的合理阈值筛选出真正车牌区域的连通域，记录下该连通域的序数，最后对车牌区域块作区域特征提取，获取车牌的框架⼤⼩、宽⾼度、宽⾼⽐例以及开始位置点的⾏、列数等参数。
在MATLAB中对车牌号码为粤A6ZC93和粤AC609Z两车辆的车牌粗定位⼆值图像作伪彩⾊标记效果如下图：（a）粤A6ZC93 (b)粤AC609Z图5-2 区域标记与特征参数提取⼆、车牌预处理(1) 基于Radon变换的倾斜校正 从车体侧⾯拍摄的车辆图像中提取出来的牌照会出现⾓度的倾斜，为了后续操作的⽅便，需要进⾏⾓度的校正。
车辆图像中的车牌定位与字符分割方法
图 $+
基于灰度方差的二值化
)*!+ $+ ,-.#/%012. %0-*034. 506.7 5*30-*809*:3
$ ! %+
连通域分析提取候选区域 通过在二值图像上搜索连通域， 并根据连通域的
形状特征和近邻连接强度筛选、 合并连通域来提取所 有可能包含车牌的候选区域。 先使用四方向搜索的递归算法获取二值图像上 的所有连通域。 再根据形状特征对连通域进行筛选， 将宽度、 高度、 宽高比、 连通域和外接矩形面积比不符 合车牌或文字特征的连通域剔除。 对于符合条件的连 通域， 将宽度较大、 宽高比较高的判断为 “ 车牌连通 域” ， 表示可能包含车牌或车牌的大部分； 将宽度较 小， 宽高比较低的判断为 “ 字符连通域” ， 表示可能是 （ 5）所示。 车牌的一个或两个字符， 如图 %
!"#$%&$’()*+$ ),#*+",% *%- #.*/*#+$/ &$01$%+*+",% "% #,1()$2 3$."#)$ "1*0$&’
CD4* E6,@F0,5，G+*H I6/’@J6,5
（ G0F/.KL0,K ’- 4(0MK.’,6M 4,56,00.6,5，;36,5NO/ P,6Q0.36KR，S06T6,5 "$$$:% ，CN6,/）
首先采用定位速度快漏检率低的基于水平灰度变化特征的方对输入图像进行二值化将车牌与背景分离再通过连通域分析提取若干车牌候选区域然后利用边缘和颜色特征定位准确的特点对候选区域进行边缘检测和颜色分析精确定位车牌边界最后分析每个候选区域的形状和颜色分布特征在保留车牌区域的基础上尽可能地剔除伪车牌区
车牌及其字符分割的方法研究
倒范围内有多个区域出现，则缩小高宽比的范围再搜索一次，如果所得区域仍大于一个，鉴于车牌一般处于整幅图的下方。
所以取底部最低的连通域作为车牌区域．图Ｉ厦图图２垂直边缘检测后图３分削出来的车牌三、车牌字符分割字符分割是车牌分割的后续步骤，它将提取出来的车牌区域分割成单一的字符区域．本文的字符分割算法包括车牌区域的二值化，水平边框去｝ｊ；｝以及纵向字符分剖三个步骤．１．车牌区域的二值化在车牌二值化的过程中，需要确定二值化的明值．本文采用了判别分析法来确定最佳阚值．这种方法较好地解决了闭值自动选择的问题，有很好的二值化效果．算法用数学模型可以表示如下ｔ设闻值选择函数，（五）定义如下ｔ一（矗）［ｐ・∞（量）一产（量）］。
／［∞（愚）・（１一∞（五））］其中弘为整体图像的灰度平均值，产（＾）是阕值为ｋ时的灰度平均值，ｍ（ｋ）是灰度值为１一ｋ之间的总概率．若设各灰度值的概率为Ｐ。
总像棠数为Ｎ．则以上各值可以表示为。
Ｉ●●●产＝∑ｉ・Ｐ（ｉ），卢（女）一∑ｆ・Ｐ；，面（量）＝∑Ｐ｛，Ⅳ＝∑他；，Ｐ；＝协／Ｎｌ－ｌｊ－ｌｆ－ｌ‘－Ｉ其中１～优是灰度图像的灰废级．斯是灰值为ｉ的像摩敷．令，（＾）值最大的灰度值＾即为整幅灰度图像的最佳分割搠值Ｔ．ｒｌ，（ｆ，ｊ）≥Ｔ，“’Ｊ）２｛ｏ，（ｆ，Ｊ）≤ＴＬ２．车牌水平框的去除在车牌区域二值化的基础上我们设计了一种去除水平边框的算法．它对于边框断袭、缺失。
或者二值化引起的边框边界不清等都有很好的消除效果．通过对牌照中心位置向上或者向下扫描可以发现，字符区域与上下水平边框之间有一定的空白．利用这一特性与边框比例知识相结合可以有效地去除车牌的水平边框．其步骤如下，（１）对现有的二值图像进行水平方向的投影，然后对投影图进行分析。
找出投影图的所有波峰和波谷，分别记录。
并消除波峰和波谷处呈现水平状态的影响．（２）计算相郐波峰波谷的高度差，因为字符和边框之问存在空隙．所以当这一高度差大于所有高度差的平均值较多，或者接近于零值时．就可以判定这就是边框和字符的分界处．（３）考虑到可能水平边框因为二值化或光照不均有所缺失，所以取高度差过滤后剩余部分的第一个波谷之后和具有最大高度差的波谷之前的区域作为去除边框后的字符区．３．纵向字符分割经过以上处理后。
基于投影特征和先验知识的车牌字符分割算法
错误， 针对这些问题提出了一种基于投影特征和先验知识的车牌字符分割算法 。该方法先利用水平投影进行水平 初分割， 再利用垂直投影特征结合先验知识进行垂直分割， 最后采用局部投影法实现水平精分割 。 实验表明该方 法可较好的解决以上问题， 分割准确率高且速度快， 具有较强的实用性。 ［ 关键词］ 字符分割； 投影特征； 先验知识
f（ x， y） ∑ x =1
其中， 式（ 1 ） 表示水平方向上的投影， 式 （ 2 ） 表示垂 1， 直方向上的投影。x 和 y 的取值范围分别为 x ∈ ［ N］ ， y ∈［ 1， M］ 。 中值滤波原理： 中值滤波是一种低通滤波器， 也是一种保持图像边缘的非线性图像平滑方法 ， 可 在保持图像边缘的同时去除噪声， 在图像处理中得 ［6 ］ 到广泛应用 。 其基本原理就是用一个奇数点的移 动窗口， 将窗口中心点的值用窗口内各点的中值代 替。 f2 ， …， fn ， 设一维序列 f1 ， 取窗口长度 （ 点数 ） 为 m（ m 为奇数） ， 对其进行中值滤波， 就是从输入序列 中相 继 抽 出 m 个 数 f i －v ，…，f i －1 ，f i ，f i +1 ，…， f i +v （ 其中 f i 为窗口中心值， v = （ m － 1） /2） ， 再将这 m 个点按其数值大小排序， 去其序号为中心点的那 个数作为滤波输出。 用数学公式表示为： y i = Med
1
概述
断裂或模糊情况下分割效果很不理想 。 字符粘连、 为了发挥基于投影特征的方法的优点， 同时弥 补它的不足， 需要结合其它方法进行改进。因此， 本 文在传统方法的基础上结合先验知识来分割字符并 进行了改进， 首先通过新的预处理算法减弱光照 、 泥 尘等影响， 然后通过粗精两次水平分割去除上下边 框、 铆钉影响， 最后采用结合先验知识的垂直分割法 抑制垂直边框和间隔符等影响。
基于HSI空间的车牌字符分割
如果 ２ Ｏ ＜ ５ｌ ＞ １ ＆受 ２ ２ （ １ ０ ・ ５ ｌ ０
返 回 白色 ： 如 果 １ ＯｓＨ ＜２ ０＆ ＆Ｓ＞０ １ ９ ４ ．
Ｑ Ｄ
返回蓝色 ： ． （ ） 通 车 牌一 共 有 ７个 字 符 。第 一个 字 符 为 汉 字 。 二个 １普 第 如果 ２ ５ ＜５ ＆ ＆Ｓ ＞０ ３ ５ ．５ 字 符 为 字母 ， 三 和 第 四 个 字 符 为 字母 或 者 数 字 。 三 个 字 符 为 第 后 返回黄色 ： 数 字 小 型 车辆 的后 车 牌 的 样 式 为 单层 车牌 。 车牌 的标 准 规 格 其 返 回其 他 颜 色 ： 尺 寸 为 ４ ０ ｍ＊４ ｍ 所 有 的 字符 外 接 矩 形 大 小 相 等 ， 二 个 ４ ｍ １ ０ ｍ。 第 对 车牌 类 型 判 断 为 ：定 义 一 个 变 量 ｎ＇￣ 用 于 记 录颜 色 的 ＇ｔ ｌ ｙ 和 第 三 个 字 符 之 问 问隔 最 大 ． 且 有一 个 问 隔 点 ． 他 字 符 问 隔 类 型 ． 义 一 个 数 组 ｃｌ Ｔ ｐ 于 记 录 每 个 颜 色 类 型 的 像 素 点 并 其 定 ｏ ｒｙｅ用 ｏ 相 等 。 型 车辆 的后 车 牌 样 式 为 双 层 车牌 ． 车牌 的标 准规 格 尺 数量 ； 各 颜 色类 型 的像 素 数 量 进 行统 计 。 大 到小 进 行 排 列 ； 大 其 对 由 寸 为 ４ ０ ｍ＇２ 咖 。 层 字 符 的 大 小 分 别 相 等 ， 层 两 个 字 符 根 据排 列 前 两 位 的 颜 色 确定 车 牌 类 型 。 ４ ｍ ２０ 每 上 偏小 。 正方形 。 为 ４车 牌 字 符 分 割 ． （ ） 牌颜 色包 括车 牌 字 符 颜 色 和 车牌 底 色 。 ２车 车牌 颜 色 种类 车 牌 字 符 分 割 是 指 将 车 牌 区域 分 割 成 各 个 单 个 的 字 符 区 少 ， 配 固定 。所 有 种 类 的 车 牌共 有蓝 色 。 色 ， 色 。 色 以及 域 。 如果 某 一 列 都 是 背 景 点 ， 样 的 列 我 们 定 义 为 空 格 线 。 搭 黄 黑 白 这 由相 红 色 五 种颜 色 。 牌 字 符 区域 的 颜 色 对 比度 很 强 。 车 一般 有黑 底 白 邻 的空 格 线 组 成 的区 域 称 为空 格 区 ．非 空格 区域 即有 投 影 值 的 字。 黄底 黑 字 。 底 白字 。 底 红 字等 。 蓝 白 （ ） 进 行 车牌 图像 采 集 时 。 ３在 车牌 区域 的 大小 可 能 随 着 摄像 机 采 集 的 角 度 的 不 同 而有 所 变 化 ．但 在 交 通 系统 的正 常采 集 情 况下 ． 摄像 机与 车 牌 基 本 垂 直 ． 牌 区域 的长 。 ， 比 例是 固定 车 宽 高 的， 字符区域的长宽 比。 符问的间距和每个 字符 的长宽比也是 字 图 １二 值 车 牌 投影 基 本 固定 的 。这 些 可 作为 字 符 分割 的一 个 先 验 知 识 。 分 析 投 影结 果 ． 图像 中存 在 相 互 问 隔 的 投 影 区 和 空 格 区 两 个 序 ３基 于 颜 色 空 间判 断车 牌 类 型 ． 记录空格区的左右边界位置 ， 为向量 Ｐ ＾ ． 其中 设 ｏ ｐ ｐ ， 般 的方 法 是 用 牌 照 颜 色 中 的 ＲＧ Ｂ分 量 的 相对 差 值 来 判 列 ， ，。 Ｐ 。为 空 格 区左 边 界 ，矗为 空 格 区 右 边 界 ，空 格 区 数 量 为 ｍ２ Ａ Ｐ ／。 断 牌 照 的颜 色 ， 而 在 实 际 环 境 中 。 于光 线 的 变 化 （ 暗 或 太 然 由 太 每 个 投 影 区 不都 是 字 符 。 投影 区包 括 字 符 区 域 和 非字 符 区域 。 这 亮 ） 导致 了牌 照 Ｒ Ｂ值 变 化 。 很 多 情 况 下会 形成 误 判 。 而 Ｇ 在 一是 由 于车 牌 左 右 边 界 不 能 精 确 到字 符 。 而 因 ＨＩ 型 用 色 度 （ ｅ 。 和 度 （ａｕａ ｏ ） 亮 度 （ ｔ ｓｙ 里 存 在 两个 情况 ： ｓ模 Ｈｕ ） 饱 Ｓｔ ｔｎ ， ｒｉ Ｉｅ ｉ） ｎｎｔ 或 产 二 来 描 述 颜 色 。 度描 述 出 色 的 属性 。 和度 给 出一 种 纯 色 被 白光 包 含 部 分 车 身 区域 。 者 车 牌 污 损 ， 生 非 字 符 的投 影 区 ； 是 色 饱 车牌污损或车牌褪色 的影 响 ． 可能造成车牌字符 稀 释 的 程 度 的 度量 。 度 为 图 像 的 灰度 值 信 息 。 三 个 分 量 是 独 由于光照条件、 亮 这 即多 个 字 符 只 产 生一 个投 影 区 。 立 的。 因此 该 模 型可 以在 消 除 亮 度 影 响 的情 况下 提 取 彩 色 信 息 。 连 结 。 分 割 车 牌 的 步骤 如下 ： 从 Ｒ Ｂ模型到 ＨＩ Ｇ Ｓ模型的转 换公式 如下 ： １ 图像 预 处 理 。 车 牌 图 像 进 行 灰 度化 。 值 化 。 数 学 形 ） 对 二 用 Ｈ ∈［， ） ０２ 态 学Ｄ 行 图像 优 化 等 一 系 列预 处 理 ：
基于投影和固有特征结合的车牌字符分割方法
收稿日期:2008-09-03基金项目:国家自然科学基金(40627001)作者简介:陈 涛(1984-),男,硕士研究生,研究方向为图像处理与模式识别;杨晨晖,教授,硕士生导师,研究方向为图像处理、模式识别、计算机视觉。
基于投影和固有特征结合的车牌字符分割方法陈 涛,杨晨晖,青 波(厦门大学信息科学与技术学院,福建厦门361005)摘 要:根据车牌字符的固有特征,提出一种新的基于投影的车牌字符分割方法。
该方法首先对车牌图像进行预处理,检测车牌倾斜角度,如果倾斜角大于指定角度则进行车牌倾斜校正,然后利用车牌的水平方向投影去除车牌的上下边框以及铆钉,对处理得到的图像进行二值化。
再根据车牌字符的排列规则和字符间距的关系,利用车牌的垂直投影定位字符,先分割出第二个和第三个字符,从第三个字符开始分割出后五个字符,再利用已分割字符的知识来分割前两个字符,然后对分割出来的候选字符块进行处理,有效解决字符粘连和断裂的情况,最终实现车牌字符的准确分割。
实验结果证明,该方法有较好的分割效果。
关键词:字符分割;投影;二值化;车牌倾斜校正中图分类号:TP301.6 文献标识码:A 文章编号:1673-629X (2009)05-0045-03Characters Segmentation of License Plate B ased on Combination ofProjection and Intrinsic CharacteristicsCHEN Tao ,YAN G Chen 2hui ,Q IN G Bo(Information Science and Technology School ,Xiamen University ,Xiamen 361005,China )Abstract :According to the intrinsic characteristics of license plate ,a new approach for characters segmentation of license plate based on projection is proposed.Firstly ,some preprocesses are processed toward the license plate images -detect the incline angle of license plate and rectify the slanted and distorted plate if the incline angle is bigger than the designated angle ,then the horizontal boundaries are re 2moved by using horizontal projection of license plate.After these processes ,image binarization is processed to the image.Then the char 2acters are located by using vertical projection of license plate ,according to the ranging rulers and intercharacter distance of license plate characters.The second and third character are first segmented ,then the last five characters from the third character are also segmented.With the knowledge of single character which has been segmented ,the first two characters are segmented.Then all the possible charac 2ters are processed specially ,segmenting the conglutinant characters and combining the cracked characters if existing.As a result ,all the characters are segmented accurately.The experimental result shows that this approach has a good effect of segmentation.K ey w ords :characters segmentation of license plate ;projection ;binarization ;rectif ying the slanted and distorted license plate0 引 言车牌识别系统是智能交通系统中一个非常重要的部分,在现代交通中有较好的应用前景和研究价值。
基于投影二分法的车牌字符分割方法
基于投影二分法的车牌字符分割方法。
洗允廷路小波施教钟琨
（东南大学南京２１００９６）
摘薹在车牌字符分割中，传统的投影法对车牌图像质量的要求较高，受噪声影响较大，易 造成分割字符的粘连与断裂．在一定程度上影响了车牌的识别率。针对传统投影法的不足，文章提 出了一种基于投影二分｛去的字符分剖算法，该方法能快速有效地把车牌字符准确地提取出来．实 验结果表明，该方法抗干扰能力强．能有效地抑制字符的粘连，减少字符的断裂．车牌识别准确事高．
车牌颜色有黄底黑字、黑底白宇、白底黑字、 蓝底白字等４种。当车牌为黄底黑宇或自底黑宇 时，二值化后的车牌图像为白底黑宇Ｉ当车牌为蓝 底自字或黑底白宇时，二值化后的车牌图像为黑 底白宇。为了便于统一处理，将车牌图像统一变换 为黑底白宇。对黑白像素进行统计，由于背景的像 素多于字体的像素，所以像素数量大的设置为 “ｏ”，即黑色Ｉ像素数量少的设置为“ｌ”。即白色，其 过程如图１所示．
５）按重新排列子图像。经过４）的分割，上一
步的Ｌ，已经变成了２个子图像，要把这２个子图 像按顺序插到字符子图像集合中，将原来的ｋ，在
字符子图像集合中取消；跳回１）作新一轮的循环。 为了更清楚说明本算法，给出每一次循环的
结果如图５所示。图５（ａ）是已经定位的原始图像，
万方数据
基于投影二分法的车牌字符分割方法——冼克廷路小波施裁，等
匿９第４组实验结果图 ７为了迸一步说明本方法有效性，通过对收费 站现场采集的３００幅车牌图像进行垂直投影法与 投影二分法测试，实验结果如表１所列。
裹ｌ实验结果裹
５结论
针对垂直投影法存在的不足，笔者提出了一 种基于投影二分法的车牌字符分割方法。该方法 通过多次寻找分割点来解决车牌分割过程中存在 的粘连和断裂现象，通过大量的实验表明，该方法 明显优于传统垂直投影方法，分剖率达到９７．７％， 完全能应用到实际的车牌识别系统中。
基于投影的车牌字符分割方法_黄文杰
现代计算机（总第三一三期0引言本文利用车牌精确定位的结果，运用像素水平投影与竖直投影的方法，结合车牌字符的先验信息，在不需要设计特征函数与判决函数的条件下，就可以准确地对车牌字符进行切割。
同时，针对某些汉字如川、浙、湘、沪、津及皖、桂等易被错误分割或漏割的情况，对汉字左右边界的起始位置进行标记，利用此标记获得该汉字的原始灰度图像，对其单独进行分割及二值化，避免汉字笔画退化为噪声。
1车牌的水平投影从图1可以看出，在车牌区域中存在边框及铆钉的存在，影响车牌字符的分割，因此，在字符分割前需要消除边框及铆钉等噪声对车牌字符分割的影响。
如图2所示，由于已经对车牌区域进行了位置矫正，使得车牌区域基本保持矩形形状，因此，可以利用车牌区域像素水平投影的方法消除车牌边框及铆钉。
具体算法如下：图1车牌区域（1）对车牌区域作竖直像素差分，以消除背景的影响，如图3所示。
此步骤是消除车牌区域边框及铆钉等噪声的关键。
图2像素水平投影图3像素竖直差分（2）对车牌区域中的各点作像素水平投影pixel -Sum[i]，I 为车牌区域的宽度。
（3）从开始搜索，当pixelSum[i]12时，标志flag=0，当遇到pixelSum [i]>12，记录该i 值作为结束位置end ，如果此时flag=0，那么并且记录首个使得pixel -Sum[i]>12的i 值作为开始位置start ，同时设置标志flag=1，当时，记录此时的开始位置start 与结束位置end ，作为字符的竖直区域，否则继续搜索。
图4去除车牌的边框及铆钉结果去除车牌的边框及铆钉结果如图4所示，说明经过该算法处理后，能够有效地消除车牌边框及铆钉等，，，，，，基于投影的车牌字符分割方法黄文杰（淮阴工学院交通工程系，淮安223003）摘要：关键词：车牌识别；字符分割；投影收稿日期：2009-06-22修稿日期：2009-07-26作者简介：黄文杰（1977-），男，研究方向为智能交通、模式识别、图像重构运用像素水平投影与竖直投影的方法，结合车牌字符的先验信息可以准确地对车牌字符进行切割。