车牌字符分割的算法研究与实现
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
δ (T)=W0 (C0 -C) + W1 (C1 -C) =W0 W(C1 -C0 )
2
2
2
2
2
(2)
技 术 创 新
其中 C 为该图像的灰度平均值。 从 1~n-1 之间改变 T, 求 maxδ (T)T 值,该值便为阈值,并取该阈值进行图像二值化。 该方法自动选择阈值对图像进行二值化, 有效地克服了光 照不均匀,对实验的大部分车牌处理效果较好。 经过二值化后的 图像如图 2 所示,使得目标和背景对比更加明显。
您的论文得到两院院士关注
文章编号 :1008-0570(2012)09-0419-03
软件时空
车牌字符分割的算法研究与实现
The Algorithm research and implementation on character segmentation in license plate
(重庆大学)
李志敏 : 副教授
峰波谷分布; (5)车牌字符区域中所有英文字母和数字都是连通的。 由此可知, 根据车牌区域内的不同特征就有不同的字符分 割方法。常用的车牌字符分割方法有: (1)基于彩色的车牌字符分割方法; (2)基于投影法的车牌字符分割方法; (3)基于边缘检测的方法; (4)连通域法; (5)等间距字符分割方法。 由于采集到的车牌图像经常会受到各种污染 、 噪声干扰等 影响,使得字符分割的难度加大。 如果采用某一种字符分割方法 将不可能达到理想的分割效果。本文针对车牌字符分割的诸多 情况,并结合车牌字符自身特征,提出了一种多方法相结合的车 牌字符分割方法。
图 2 二值化后的车牌图像
3 本文车牌字符分割的实现
在车牌识别系统中, 车牌识别是根据每个字符的特征来进 行判断,所以车牌定位后还要进行车牌字符分割的工作。 本文提 出了一种连通域法和垂直投影法相结合的方法来进行车牌字 符分割,可以达到较好的效果。具体算法流程图如下:
Hale Waihona Puke Baidu
图 3 字符分割流程图 首先,对车牌字符边界进行标记,形成连通域并对其标号;然 后采用垂直投影将车牌部连续的汉字进行分割, 最后根据字符 特征,对字符区域进行判别,提取单个车牌字符。 3.1 连通域 车牌号码中的每个字母和数字都是独立的连通域。 因此,本 文根据字符像素的连通性, 采用了像素标记算法对每个字母或 数字进行连通区域进行标记,并将其提取。二值图像中包含黑( 像素值为 0 ) 和白( 像素值为 255)两种颜色,本算法假设目标颜 色为黑色, 背景颜色为白色。像素标记法只对目标像素进行标 记,因此,像素间的连通性就是确定连通区域的关键。像素的连 通性是指该像素与相邻哪些像素相连通的。 常用的连通性主要 有两种:4-连通、 8-连通。本文采用了 4-连通区域。 每一个目标像素点只能根据自己和周围已确定连通性的 像素点就可确定自己的连通性。 本文对二值化图像的扫描顺序 采用从右到左 、 从下往上 ,只需扫描下 、 右 2 个像素的灰度值就 可以了。 因为每个像素不一定都有 4 个相邻像素;所以需考虑一 些特殊位置的像素的特殊情况:
李志敏 古利超 王 克 陈小保
LI Zhi-min GU Li-chao WANG Ke CHEN Xiao-bao
摘要 : 为 获 得 准 确 的 单 个 车 牌 字 符 , 提 出 了 一 种 将 连 通 域 法 和 垂 直 投 影 法 相 结 合 的 车 牌 字 符 分 割 算 法 。 该 方 法 首 先 根 据 车 牌 中每 个 字 母 或 数 字 的 连 通 性 特 点,按 照 一 定 的 像 素 准 则 与 相 邻 像 素 之 间 的 连 通 关 系 扫 描 目 标 像 素 的 相 邻 像 素 点 ,找 出 各 自 的连通 区 域;然 后 对 车 牌 进 行 垂 直 投 影 找 出 汉 字 区 域,精 确 地 分 割 出 单 个 字 符 。 实 验 结 果 表 明,该 算 法 对 车 牌 字 符 分 割 的 准 确 性 和 处 理 速 度 都 有 较 大 提 高,能 满 足 系 统 实 时 性 和 准 确 性 的 要 求 。 关键词 : 垂直投影 ; 像素标记 ; 字符分割 ; 字符特征 中图分类号 : TP391.41 文献标识码 : A
- 420 - 120 元 / 年 邮局订阅号 ：82-946
( 1 ) 扫描车牌值图像第一行的第一个像素, 不用考虑其相 邻点的连通性,也不用考虑标记等价问题; ( 2 ) 对于二值车牌图像第 1 行( 最下行) 的像素,只考虑右 相邻像素的连通性,不用考虑标记等价对; ( 3 ) 对于二值图像第 1 列( 最右列) 的像素,只考虑与该列 下相邻像素的连通性; 所有像素(除特殊位置外的像素)如果是目标像素都要考虑 下、 右 2 个相邻像素的连通性来确定它的连通性,如果相连通相 邻像素间出现不同连通标记就需考虑标记等价的问题。 3.2 字符分割算法 字符分割步骤归纳如下: ( 1 ) 从右向左(即最下行和最右列相交的点)开始扫描图像, 并做标记。首先标记第一个像素,如果该像素的灰度值是 0, 则 该点的标记值为 1 ; 如果该点灰度值不是 0 , 则开始扫描下一 个像素; ( 2 ) 扫描图像第 1 行的像素并做好相应的标记。扫描第 1 行的每个像素,如果其灰度值是 0 ,看其右相邻的像素灰度值是 否为 0 , 如果是 , 则该像素跟右像素标记值一样 ; 如果其右像素 灰度值不为 0 ,则该扫描像素标记值等于前一个标记值加 1 ;若 该扫描的像素灰度值不为 0 ,则继续扫描下一个像素; ( 3 ) 扫描除最下行的像素并进行标记, 此时需要考虑等价 问题。 首先,对图像的最右列的像素进行处理。处理每一行的第一 个像素,如果该像素为背景像素,则灰度值为 255,则扫描本行下一 个像素;如果该像素为目标像素,则灰度值为 0,就需要检测该像素 所在列的下相邻像素的标记值。若下相邻像素已被标记过,当前 扫描的像素的标记值就等于下相邻点的标记值。若下相邻点没 有被标记,则当前扫描像素的标记值就等于上一个标记值加 1。 其次,对除第一行和第一列外的其他像素点作标记 ,如果该 像素是目标像素点,其灰度值为 0,则还需检视其右、 下 2 个相邻 像素标记情况 。若上述 2 个相邻像素的灰度值都为 255 ,则该 像素点的标记值就等于上一个标记值自加 1 ;若 2 个相邻像素 中只有一个像素 p 的灰度值为 0 ,就把 p 像素的标记值赋给当 前像素点 ; 若它的 2 个相邻像素点的灰度值为 0, 则就比较这 2 个相邻像素点的标记值大小。若这 2 个相邻像素点的标记值的 值相等,则把该标记值赋给当前像素 ;若这 2 个相邻像素点的标 记值的值不相等,则把值小的标记值赋给当前像素点 ,并把标记 值小的像素点的标记值等价给值较大的标记值。 从下到上的图像扫描 ,记录下每个连通 ( 4) 进行从右到左、 域的高和宽,比较各个连通区域的高和宽 ,并确定车牌字符的高 H 和宽 W(车牌除 1 外的其它字符高宽分别相等 )。再对与车牌 字符高宽不相等的区域进行垂直扫描, 并把宽度小的相邻区域 (除 1 外 ,因为车牌中有的汉字本身是分开不连续的 ) 进行合并 , 然后给每个独立区域加上矩形边框表示出来,如图 4 所示; ( 5) 对每个字符进行分割,即把每个字符分割出来。对于粘 连字符,根据字符等宽的特点,采用等间距分割法将其分割成几 个单字符区域,最终的分割结果如图 4 所示。
技 术 创 新
2 车牌预处理
字符分割的好坏不仅与字符分割的方法有关 , 还和预处理 的图像好坏有关。 实验表明预处理好的车牌,字符分割的效果就 好,反之,亦然。 2.1 矩形均值滤波去干扰 由于受天气 , 光照 , 环境等影响 , 采集的车牌图像质量参差 不齐,这样定位出来的车牌如果直接进行二值化 ,会影响二值化 的效果,进而影响车牌字符分割的效果。 为获得较好的二值化车 牌图像,本文采用彩色矩形均值滤波进行去噪 ,较好地抑制脉冲 噪声,滤除尖波干扰噪声,又较好地保持图像的边缘特征 。该方 法常采用奇数点的滑动窗口 W (本文选用一个 3×3 的窗口), 在 图像上扫描,将窗口内包含的图像像素进行就和 ,取平均值作为
邮局订阅号 ：82-946 120 元 / 年 - 419 -
《PLC 技术应用 200 例》
软件时空
窗口中心像素值,如(1)式所示。滤波的效果图如图 1 所示。
《微计算机信息》 2012 年第 28 卷第 9 期
ΣF
Gij =
W
ij
9
W 为窗口
(1)
(b) 滤波后的车牌图像 (a)定位后的车牌图像 图 1 滤波前后的车牌图像 2.2 二值化 如果直接对彩色图像进行处理的运算量很大, 不能满足高 二值化。二值化的 效性的要求,则必须把彩色车牌图像灰度化、 好坏直接影响车牌字符分割 ,并且图像二值化的方法有很多 ,如 均值法、 聚类法等。 图像二值化的关键就是阈值的选取, 熵方法、 本文采用了最大类间方差法(也叫大津阈值)。原理如下: (1)设一幅图像的灰度值为 0~n-1 级,用 T 将其分为两组 a= {0~T-1}和 b={T~n-1}其各组产生的概率分别为 W0 、 W1 ,灰度平 均值分别为 C0 、 C1 ; (2) 求出两组间的方差如式(2)所示:
1 引言
车牌自动识别技术 (LPR)是智能交通系统 (ITS)中的重要环 节之一,广泛应用于收费站 、 停车场和机动车违章处理等场合 。 车牌识别系统包括车牌定位 、字符分割和字符识别三大部分 。 车牌字符分割是车牌字符识别的前提,车牌字符分割是否准确、 快速,将直接影响后面车牌自动识别的结果 ,也影响到整个系统 的性能。 车牌字符分割就是把整个车牌中的字符分割成单个的字 快速进行车牌字符分割,就必须对车牌字符区 符。而要想准确、 域的特征进行深入了解、 分析和研究。我国标准汽车牌照由汉 字、 英文字母和阿拉伯数字组成 , 格式为 : X1 X2 · X3 X4 X5 X6 X7 ,其中: X1 是各省、直辖市和自治区的简称;X2 是英文字母; 我国标准车牌长宽比例固 X3 至 X7 为英文字母或阿拉伯数字。 定,长宽比约为 3:1;字符高宽也固定,字符高宽比为 2:1。实际上, 智能交通系统采集到的车辆图像中的车牌与标准车牌是有一 定差别的。 实际采集到的车辆图像中的车牌具有以下几个比较 固定的特征: (1)车牌字符与车牌底色有显著的反差 ,对比度较大,如蓝底 白字; (2)车牌区域内部的多个字符呈水平排列 , 则车牌的矩形区 域内有较为丰富的边缘和色彩变化,具有规则的纹理特征; 宽也随 (3)不同车辆图像中车牌的尺寸有变化,车牌字符高、 之变化 , 但其字符区域中的字符宽度一样 (其中 1 除外 ), 字符高 宽比是一定的; (4) 车牌区域内的字符和车牌底色的灰度图呈现连续的波
Abstract: In order to realize the character segmentation of the target, a character segmentation method of license plates is proposed, which integrates template matching, vertical projection and extracting connected areas method. This method, based on the connectivity features of each letter or number in license plate, scanning the adjacent pixels of target pixels and determining the connectivity of there relationship between them according to several rules,finds their respective connected region. Then it uses the vertical projection method to find the region of the license plate characters. Finally, this method has segmented a great deal characters of license plate . The experiment results indicate that the algorithm given is able to improve the veracity and enhance the speed. It can satisfy real time and veracity requirements of the system. Key words: vertical projection; Pixel labeling; character segmentation; character feature
2
2
2
2
2
(2)
技 术 创 新
其中 C 为该图像的灰度平均值。 从 1~n-1 之间改变 T, 求 maxδ (T)T 值,该值便为阈值,并取该阈值进行图像二值化。 该方法自动选择阈值对图像进行二值化, 有效地克服了光 照不均匀,对实验的大部分车牌处理效果较好。 经过二值化后的 图像如图 2 所示,使得目标和背景对比更加明显。
您的论文得到两院院士关注
文章编号 :1008-0570(2012)09-0419-03
软件时空
车牌字符分割的算法研究与实现
The Algorithm research and implementation on character segmentation in license plate
(重庆大学)
李志敏 : 副教授
峰波谷分布; (5)车牌字符区域中所有英文字母和数字都是连通的。 由此可知, 根据车牌区域内的不同特征就有不同的字符分 割方法。常用的车牌字符分割方法有: (1)基于彩色的车牌字符分割方法; (2)基于投影法的车牌字符分割方法; (3)基于边缘检测的方法; (4)连通域法; (5)等间距字符分割方法。 由于采集到的车牌图像经常会受到各种污染 、 噪声干扰等 影响,使得字符分割的难度加大。 如果采用某一种字符分割方法 将不可能达到理想的分割效果。本文针对车牌字符分割的诸多 情况,并结合车牌字符自身特征,提出了一种多方法相结合的车 牌字符分割方法。
图 2 二值化后的车牌图像
3 本文车牌字符分割的实现
在车牌识别系统中, 车牌识别是根据每个字符的特征来进 行判断,所以车牌定位后还要进行车牌字符分割的工作。 本文提 出了一种连通域法和垂直投影法相结合的方法来进行车牌字 符分割,可以达到较好的效果。具体算法流程图如下:
Hale Waihona Puke Baidu
图 3 字符分割流程图 首先,对车牌字符边界进行标记,形成连通域并对其标号;然 后采用垂直投影将车牌部连续的汉字进行分割, 最后根据字符 特征,对字符区域进行判别,提取单个车牌字符。 3.1 连通域 车牌号码中的每个字母和数字都是独立的连通域。 因此,本 文根据字符像素的连通性, 采用了像素标记算法对每个字母或 数字进行连通区域进行标记,并将其提取。二值图像中包含黑( 像素值为 0 ) 和白( 像素值为 255)两种颜色,本算法假设目标颜 色为黑色, 背景颜色为白色。像素标记法只对目标像素进行标 记,因此,像素间的连通性就是确定连通区域的关键。像素的连 通性是指该像素与相邻哪些像素相连通的。 常用的连通性主要 有两种:4-连通、 8-连通。本文采用了 4-连通区域。 每一个目标像素点只能根据自己和周围已确定连通性的 像素点就可确定自己的连通性。 本文对二值化图像的扫描顺序 采用从右到左 、 从下往上 ,只需扫描下 、 右 2 个像素的灰度值就 可以了。 因为每个像素不一定都有 4 个相邻像素;所以需考虑一 些特殊位置的像素的特殊情况:
李志敏 古利超 王 克 陈小保
LI Zhi-min GU Li-chao WANG Ke CHEN Xiao-bao
摘要 : 为 获 得 准 确 的 单 个 车 牌 字 符 , 提 出 了 一 种 将 连 通 域 法 和 垂 直 投 影 法 相 结 合 的 车 牌 字 符 分 割 算 法 。 该 方 法 首 先 根 据 车 牌 中每 个 字 母 或 数 字 的 连 通 性 特 点,按 照 一 定 的 像 素 准 则 与 相 邻 像 素 之 间 的 连 通 关 系 扫 描 目 标 像 素 的 相 邻 像 素 点 ,找 出 各 自 的连通 区 域;然 后 对 车 牌 进 行 垂 直 投 影 找 出 汉 字 区 域,精 确 地 分 割 出 单 个 字 符 。 实 验 结 果 表 明,该 算 法 对 车 牌 字 符 分 割 的 准 确 性 和 处 理 速 度 都 有 较 大 提 高,能 满 足 系 统 实 时 性 和 准 确 性 的 要 求 。 关键词 : 垂直投影 ; 像素标记 ; 字符分割 ; 字符特征 中图分类号 : TP391.41 文献标识码 : A
- 420 - 120 元 / 年 邮局订阅号 ：82-946
( 1 ) 扫描车牌值图像第一行的第一个像素, 不用考虑其相 邻点的连通性,也不用考虑标记等价问题; ( 2 ) 对于二值车牌图像第 1 行( 最下行) 的像素,只考虑右 相邻像素的连通性,不用考虑标记等价对; ( 3 ) 对于二值图像第 1 列( 最右列) 的像素,只考虑与该列 下相邻像素的连通性; 所有像素(除特殊位置外的像素)如果是目标像素都要考虑 下、 右 2 个相邻像素的连通性来确定它的连通性,如果相连通相 邻像素间出现不同连通标记就需考虑标记等价的问题。 3.2 字符分割算法 字符分割步骤归纳如下: ( 1 ) 从右向左(即最下行和最右列相交的点)开始扫描图像, 并做标记。首先标记第一个像素,如果该像素的灰度值是 0, 则 该点的标记值为 1 ; 如果该点灰度值不是 0 , 则开始扫描下一 个像素; ( 2 ) 扫描图像第 1 行的像素并做好相应的标记。扫描第 1 行的每个像素,如果其灰度值是 0 ,看其右相邻的像素灰度值是 否为 0 , 如果是 , 则该像素跟右像素标记值一样 ; 如果其右像素 灰度值不为 0 ,则该扫描像素标记值等于前一个标记值加 1 ;若 该扫描的像素灰度值不为 0 ,则继续扫描下一个像素; ( 3 ) 扫描除最下行的像素并进行标记, 此时需要考虑等价 问题。 首先,对图像的最右列的像素进行处理。处理每一行的第一 个像素,如果该像素为背景像素,则灰度值为 255,则扫描本行下一 个像素;如果该像素为目标像素,则灰度值为 0,就需要检测该像素 所在列的下相邻像素的标记值。若下相邻像素已被标记过,当前 扫描的像素的标记值就等于下相邻点的标记值。若下相邻点没 有被标记,则当前扫描像素的标记值就等于上一个标记值加 1。 其次,对除第一行和第一列外的其他像素点作标记 ,如果该 像素是目标像素点,其灰度值为 0,则还需检视其右、 下 2 个相邻 像素标记情况 。若上述 2 个相邻像素的灰度值都为 255 ,则该 像素点的标记值就等于上一个标记值自加 1 ;若 2 个相邻像素 中只有一个像素 p 的灰度值为 0 ,就把 p 像素的标记值赋给当 前像素点 ; 若它的 2 个相邻像素点的灰度值为 0, 则就比较这 2 个相邻像素点的标记值大小。若这 2 个相邻像素点的标记值的 值相等,则把该标记值赋给当前像素 ;若这 2 个相邻像素点的标 记值的值不相等,则把值小的标记值赋给当前像素点 ,并把标记 值小的像素点的标记值等价给值较大的标记值。 从下到上的图像扫描 ,记录下每个连通 ( 4) 进行从右到左、 域的高和宽,比较各个连通区域的高和宽 ,并确定车牌字符的高 H 和宽 W(车牌除 1 外的其它字符高宽分别相等 )。再对与车牌 字符高宽不相等的区域进行垂直扫描, 并把宽度小的相邻区域 (除 1 外 ,因为车牌中有的汉字本身是分开不连续的 ) 进行合并 , 然后给每个独立区域加上矩形边框表示出来,如图 4 所示; ( 5) 对每个字符进行分割,即把每个字符分割出来。对于粘 连字符,根据字符等宽的特点,采用等间距分割法将其分割成几 个单字符区域,最终的分割结果如图 4 所示。
技 术 创 新
2 车牌预处理
字符分割的好坏不仅与字符分割的方法有关 , 还和预处理 的图像好坏有关。 实验表明预处理好的车牌,字符分割的效果就 好,反之,亦然。 2.1 矩形均值滤波去干扰 由于受天气 , 光照 , 环境等影响 , 采集的车牌图像质量参差 不齐,这样定位出来的车牌如果直接进行二值化 ,会影响二值化 的效果,进而影响车牌字符分割的效果。 为获得较好的二值化车 牌图像,本文采用彩色矩形均值滤波进行去噪 ,较好地抑制脉冲 噪声,滤除尖波干扰噪声,又较好地保持图像的边缘特征 。该方 法常采用奇数点的滑动窗口 W (本文选用一个 3×3 的窗口), 在 图像上扫描,将窗口内包含的图像像素进行就和 ,取平均值作为
邮局订阅号 ：82-946 120 元 / 年 - 419 -
《PLC 技术应用 200 例》
软件时空
窗口中心像素值,如(1)式所示。滤波的效果图如图 1 所示。
《微计算机信息》 2012 年第 28 卷第 9 期
ΣF
Gij =
W
ij
9
W 为窗口
(1)
(b) 滤波后的车牌图像 (a)定位后的车牌图像 图 1 滤波前后的车牌图像 2.2 二值化 如果直接对彩色图像进行处理的运算量很大, 不能满足高 二值化。二值化的 效性的要求,则必须把彩色车牌图像灰度化、 好坏直接影响车牌字符分割 ,并且图像二值化的方法有很多 ,如 均值法、 聚类法等。 图像二值化的关键就是阈值的选取, 熵方法、 本文采用了最大类间方差法(也叫大津阈值)。原理如下: (1)设一幅图像的灰度值为 0~n-1 级,用 T 将其分为两组 a= {0~T-1}和 b={T~n-1}其各组产生的概率分别为 W0 、 W1 ,灰度平 均值分别为 C0 、 C1 ; (2) 求出两组间的方差如式(2)所示:
1 引言
车牌自动识别技术 (LPR)是智能交通系统 (ITS)中的重要环 节之一,广泛应用于收费站 、 停车场和机动车违章处理等场合 。 车牌识别系统包括车牌定位 、字符分割和字符识别三大部分 。 车牌字符分割是车牌字符识别的前提,车牌字符分割是否准确、 快速,将直接影响后面车牌自动识别的结果 ,也影响到整个系统 的性能。 车牌字符分割就是把整个车牌中的字符分割成单个的字 快速进行车牌字符分割,就必须对车牌字符区 符。而要想准确、 域的特征进行深入了解、 分析和研究。我国标准汽车牌照由汉 字、 英文字母和阿拉伯数字组成 , 格式为 : X1 X2 · X3 X4 X5 X6 X7 ,其中: X1 是各省、直辖市和自治区的简称;X2 是英文字母; 我国标准车牌长宽比例固 X3 至 X7 为英文字母或阿拉伯数字。 定,长宽比约为 3:1;字符高宽也固定,字符高宽比为 2:1。实际上, 智能交通系统采集到的车辆图像中的车牌与标准车牌是有一 定差别的。 实际采集到的车辆图像中的车牌具有以下几个比较 固定的特征: (1)车牌字符与车牌底色有显著的反差 ,对比度较大,如蓝底 白字; (2)车牌区域内部的多个字符呈水平排列 , 则车牌的矩形区 域内有较为丰富的边缘和色彩变化,具有规则的纹理特征; 宽也随 (3)不同车辆图像中车牌的尺寸有变化,车牌字符高、 之变化 , 但其字符区域中的字符宽度一样 (其中 1 除外 ), 字符高 宽比是一定的; (4) 车牌区域内的字符和车牌底色的灰度图呈现连续的波
Abstract: In order to realize the character segmentation of the target, a character segmentation method of license plates is proposed, which integrates template matching, vertical projection and extracting connected areas method. This method, based on the connectivity features of each letter or number in license plate, scanning the adjacent pixels of target pixels and determining the connectivity of there relationship between them according to several rules,finds their respective connected region. Then it uses the vertical projection method to find the region of the license plate characters. Finally, this method has segmented a great deal characters of license plate . The experiment results indicate that the algorithm given is able to improve the veracity and enhance the speed. It can satisfy real time and veracity requirements of the system. Key words: vertical projection; Pixel labeling; character segmentation; character feature