车牌定位及倾斜校正方法
上海汽车拍牌姜谊，严京旗
【摘 要】提出了一种基于车牌字符信息的车牌定位及其校正方法。首先使用灰度形态学的顶帽操作（top-hat）增强车牌区域，使其能在二值图中突出显示，然后根据二值图中车牌字符的连通元个数和排列位置来确定车牌的具体位置，最后对已定位的车牌进行方向校正，包括水平和垂直方向校正。水平校正是根据这些字符连通元的中心确定车牌的水平倾斜角度，使用旋转几何变换使其水平方向得到校正，垂直校正则使用投影分析的方法求出水平校正后垂直方向的倾斜角度，再进行图像的像素平移。实验结果表明，该方法能够在复杂背景下快速、准确定位到车牌，并且倾斜校正效果很好。
【期刊名称】微型电脑应用
【年(卷),期】2010(026)004
【总页数】3
【关键词】车牌定位；倾斜校正；顶帽操作；连通元克莱斯勒pt cruiser
0 引言
车牌定位和校正对车牌识别系统有着非常重要的作用，快速、准确的车牌定位及校正直接关系到整个系统的性能。目前车牌定位的方法总的来说可以分为两大类，一类是基于灰度图像的车牌定位，另一类是基于彩图像的车牌定位。灰度图像数据量小，处理迅速简单，对于车牌的灰度图像处理的算法中，比较常用的算法有以下几种：（1）基于 Hough变化法[1]，利用车牌的矩形边框具有比较明显的直线边缘，通过边缘提取，再结合 Hough变换检测出车牌边框直线来定位车牌，但是这种方法受车牌图像倾斜的影响较大，另外，还有很多车牌并没有明显的边框直线；（2）基于边缘和数学形态学的车牌定位算法[2，3]，通过腐蚀和膨胀以及由其组合而成的开、闭运算，将目标区域显示出来；（3）基于统计学习的车牌检测方法 [4]。
速派奇
在车牌校正方面，常用的方法有：（1）基于Hough变换算法，寻车牌边框直线确定车牌水平倾斜角度[5]；（2）使用投影法[6]，该方法计算量较大，且对于本文所处理车牌图像不是很适用。
本文基于车牌的字符信息提出了一种准确、快速的车牌定位及其校正的方法。除了水平校
正外，还要对这种具有两排字符的车牌，做针对性的垂直校正。
1 灰度形态学预处理
对车牌定位系统来而言，由于背景、光照等因素，汽车图像二值化后车牌区域字符消失或则部分消失了。针对这种情况，本文所采用的方法是利用灰度形态学的顶帽操作（top-hat）减少背景信息。
图1表示了该方法的过程，使得车牌区域字符在原图中具有更高的对比度，这样有利于后面的图像二值化操作。
2 车牌定位
2.1 车牌图像的二值化
本文主要采用OTSU二值化方法，该方法简单、快速。二值化效果如图2所示，可以看出经过上面所提出的灰度形态学预处理后，车牌区域可以很好的显示在二值图。为了要在各种背景下得到很好的二值化图，本文还用到多种二值化方法的结合，二值化的研究不是本文的研究重点，不详细叙述。
钱江摩托车2.2 车牌图像的定位
本文基于车牌的字符信息提出了一种快速的车牌定位方法。对定位好的车牌候选区，依据车牌的先验知识到真正的车牌区域。
2.2.1 车牌候选区域
以上面车牌图像为例，本文列出的图例是两排字符的车牌图像，上面一排字符很小而且模糊粘连，所以以下面一排比较大的字符为对象，到聚集在一起的连通元模块。根据车牌图像的先验知识，如：车牌的字符大小，长宽比等，寻符合条件的候选字符连通元。由于车牌出现倾斜的原因，连通元中心点垂直方向上的距离差距为y，y满足一定的范围，同样连通元中心点水平方向上的距离差x也有一定的范围，可以从图3（a）中看出车牌定位的具体过程。其中，矩形表示字符以及干扰块的连通元，小圆圈表示连通元中心点，则根据式（1）可以得到车牌候选区域，即使在背景复杂、光照不均匀的情况下，该方法定位到的候选区域也相当少，大多数只有一个。
上式中，minwidth表示字符之间的最小距离，Cx表示连通元水平方向上相差的最大距离，
Cy表示垂直方向上相差的最大距离，到字符连通元聚集在一块，然后就可以根据车牌先验知识定出车牌区域具体的上下、左右边框。令车牌区域上下左右边框分别为left，right，top，bottom，本文采用如下计算获取：
式中，（minx，y1）表示聚集块最左边连通元的中心点坐标，（maxx，y2）表示聚集块最右边连通元的中心点坐标，可以参考图3（a）。length指最左边中心点到最右边中心点的距离，a1，a2，a3，a4是依据具体车牌所作出的参数（本文取值，a1，a2，a3，a4 分别为0.5，0.2，0.5，0.2）。
2.2.2 去除伪车牌区域
上面的处理可能会到一个以上候选区域，对此应去除伪车牌，本文主要从两方面去除伪车牌区域。
1）通过车牌的高宽比等过滤非车牌区域。
式（3）中，minwidth表示车牌可能的最小宽度值，maxwidth表示车牌可能的最大宽度值，minwidth表示车牌可能的最小高度值，maxwidth表示车牌可能的最大高度值，C1表示
高宽比的可能最小值，C2表示高宽比的可能最大值；wid是指定位到的车牌区域的实际长度，hei则表示定位到的车牌区域的实际宽度。
2）由于本文处理的对象是具有2排字符的日本车牌，上面字符较小，下面字符较大。所以可以根据候选区域上面一排小字符进一步排除伪车牌区域。
3 车牌的校正
拍摄到的车牌图像经常会产生倾斜，不可避免的影响车牌字符的分割和识别。因此，需要在字符分割之前进行车牌的倾斜校正，包括水平校正和垂直校正。
奔驰创意广告
3.1 水平校正
首先，寻字符连通元，然后通过字符连通元的中心坐标求取倾斜斜率，从而得到倾斜角度。水平校正具体过程：
1）首先要将定位到的车牌图像进行归一化处理，字符大小才能接近，本文是将车牌图像统一归一化成200*100。
bsuv
2）采用8邻域连通元法寻连通元，根据归一化后的字符大小、规格筛选出候选连通元，令连通元个数为n。
3）计算每个连通元的中心坐标点（xi，yi），1≤i≤n，并计算各个中心点之间的斜率，令斜率个数为m，此时存入数组array。1≤i≤n，1≤j≤n（表示第i个和第j个连通元之间的斜率）由于实际车牌水平角度有一定的上限，假设为y（本文取45°），把超过y角度的从数组中去掉，减少计算量。
4）相差在一定范围内认为是同一个斜率，把相同斜率的个数存入数组num中，计算数组num中的最大值，即相同斜率个数最多值，该值即为车牌水平倾斜的斜率值，可以转换成相应的角度。
3.2 垂直校正
在水平校正后，垂直方向上很多车牌还是发生变形的，如图5（b）所示。因本文的对象车牌是2行字符的，下面一行的字符相对比较大，且易于处理，故选择下面一行字符来处理，如图5所示。使用投影分析的方法求出水平校正后垂直方向的倾斜角度，再进行图像的像素平移。
垂直校正的处理过程：
令垂直方向倾斜角度为φ，在30±°之间平移图像，可以采取每次平移1°，然后求取对应的投影值，如图5（c）和图5（d）所示。
到投影值最小情况下所需移动的角度，该角度即为垂直方向的倾斜角度，如图5（d）所示的位置。
最后按照上面所求垂直方向的倾斜角度平移图像，这里所指的平移图像是指图像的每一行移动相应的像素值，达到校正的目的。图5（e）表示了如何根据垂直方向的倾斜角度校正图像，已知车牌图像的高度为Height，y为车牌图像上的行数，则相应行要移动的像素量：。图5（f）是按上述方法垂直校正后的车牌图像。
4 实验结果及结论
本文的实验是基于日本车牌库，库中有各种类型的车牌图像，有白天的、晚上的；有前面的、后面的；有左倾斜的、右倾斜的，共526幅图像。正确定位到的图像有518幅，定位率达到96.48%，在定位到车牌的基础上，实验中的图像的校正率达到99.2%（可以存在小角
度、不影响车牌识别后面工作的偏移）。通过实验表明，文中所提出的方法能够在一定复杂背景下快速、准确定位到车牌，并且倾斜校正效果很好。在CPU为p4 3.0GHz，内存为1G的机器上，整个过程运行时间约为140ms，完全满足实时性。
经过实验验证，本文所提出的算法，处理速度快、便于实现。而且本文特别针对具有2排字符的车牌进行处理，虽然本文图例对象是日本的2排字符车牌，但是对于国内的一排字符车牌的处理也同样具有适用性，而在实际应用中，要想进一步提高准确率，还需要重视所拍取图像的质量，车牌字符若是过于模糊不清会直接影响到算法的结果。