CN107704858A - 一种车牌倾斜角度的检测算法 - Google Patents

Abstract

本发明公开了一种车牌倾斜角度的检测算法，包括以下步骤：输入原始图像矩阵二值化T_b[W，H]；通过边缘算法处理得到水平边缘矩阵T_e[W，H]，若为边缘，T_e[x，y]＝1；否则T_e[x，y]＝0；根据图像宽W高H求极坐标系θ‑ρ中的垂直坐标ρ_MAX，ρ_MAX ²＝W²+H²；生成变换投票矩阵T[ρ_MAX，θ_MAX]，θ_MAX取90°；将T[ρ_MAX，θ_MAX]中所有元素置0；对于水平边缘矩阵T_e[W，H]中的每一个元素，如果T_e[x，y]＝＝1，从‑θ_MAX至θ_MAX计算ρ值ρ＝y*sin(θ)+x*cos(θ)，投票矩阵T[ρ，θ]＝T[ρ，θ]+1；取投票矩阵T[ρ，θ]中ρ元素最大值所对应的θ即为倾斜的角度。本发明提高了倾斜角度检测的正确率，检测误差在±1°以内，提升计算速度，不仅仅适用于车牌，更可用在OCR和日常图像编辑软件中。

Description

一种车牌倾斜角度的检测算法

技术领域

本发明涉及车牌识别技术领域，具体是一种车牌倾斜角度的检测算法。

背景技术

车牌定位是指在一幅图像中快速找出车牌所在的位置，一般通过粗定位和精定位相结合的方法来实现。一个好的车牌定位算法，应该对倾斜车牌和非倾斜车牌均具有一定的鲁棒性。对于非倾斜车牌，已有很多成熟的方法来实现精定位，而对于倾斜的车牌，由于不能直接使用现有的相关方法，无法实现车牌的精定位。解决该问题的唯一方法就是在粗定位之后，把倾斜车牌校正为非倾斜车牌，然后再进行精定位。

常见的车牌倾斜方式由于摄像机的安装角度不同分为两类，一种是水平垂直方向同时倾斜如图1所示。另一种是垂直方向的切变倾斜，如图2所示。目前主流的车牌识别算法常见步骤有：车牌检测粗定位，倾斜矫正，字符分割，字符识别等，其倾斜矫正对其之后的两个步骤起到了至关重要的作用，适当的倾斜校正方法可以有效减小由拍摄角度不同而使字符产生的形变，因此能显著提高车牌的识别率并降低误检率。然而要进行倾斜校正首先要进行倾斜角度的检测，才能依据此角度将画面进行旋转以抵消拍摄过程中的倾斜。在过去的几十年里，人们发明了很多方法来解决字符的倾斜问题，其中最流行的当属Hough变换，但是其检测正确率低，误差较大。

发明内容

本发明的目的在于提供一种车牌倾斜角度的检测算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种车牌倾斜角度的检测算法，包括以下步骤：

1)输入原始图像矩阵二值化T_b[W，H]；

2)通过边缘算法处理得到水平边缘矩阵T_e[W，H]，若为边缘，T_e[x，y]＝1；否则T_e[x，y]＝0；

3)根据图像宽W高H求极坐标系θ-ρ中的垂直坐标ρ_MAX，ρ_MAX ²＝W²+H²；

4)生成变换投票矩阵T[ρ_MAX，θ_MAX]，θ_MAX取90°；

5)将T[ρ_MAX，θ_MAX]中所有元素置0；

6)对于水平边缘矩阵T_e[W，H]中的每一个元素，如果T_e[x，y]＝＝1，从-θ_MAX至θ_MAX计算ρ值ρ＝y*sin(θ)+x*cos(θ)，投票矩阵T[ρ，θ]＝T[ρ，θ]+1；

7)取投票矩阵T[ρ，θ]中ρ元素最大值所对应的θ即为倾斜的角度。

作为本发明进一步的方案：步骤6)中，y*sin(θ)+x*cos(θ)做成整数表，θ的递增为1°。

作为本发明进一步的方案：当检测到水平倾斜角度为θ时用切变做纠正，具体步骤如下所述：

a.已知图像宽度为W，则垂直方向的最大位移为：off_vmax＝W*tan(θ)；

b.由于三角形等比，计算出每列垂直偏移j为像素水平坐标：off_v＝(W-j)*off_vmax/W；

c.逐列减去切变量，得到每列纠正后的行坐标：i_new＝i-offvj。

与现有技术相比，本发明的有益效果是：

本发明正是基于Hough变换的理论，结合图像中水平边缘检测的方法提高了倾斜角度检测的正确率，随机产生若干旋转的文本图像，检测误差在±1°以内，并且计算过程中的浮点数可用查表法事先优化，以提升计算速度，更适用于嵌入式***。本发明是一种通过输入图像本身来估计该图像水平方向的倾斜角度，具有较强自适应性和鲁棒性。可以穿插在任何需要估计图像倾角的计算上下文中，不仅仅适用于车牌，更可用在OCR和日常图像编辑软件中。

附图说明

图1是常见的车牌倾斜方式：水平垂直方向同时倾斜示意图；

图2是常见的车牌倾斜方式：垂直方向的切变倾斜示意图；

图3是Hough变换用在直线检测上的原理图。

图4是在二维坐标系中以y＝ax+b的方式表示一条直线相关示意图。

图5是把a，b看作变量映射到另一个坐标系a-b的示意图。

图6是由图4映射至图5的示意图。

图7是将a-b坐标系替换成及极坐标系θ-ρ示意图。

图8是含有两条正交的直线的原始图像。

图9是含有两条正交的直线的原始图像通过Hough变换后得到水平坐标为θ、垂直坐标为ρ的示意图。

图10是本发明算法流程图。

图11是本发明中经过二值化后的示意图。

图12是本发明中经过水平边缘检测后的示意图。

图13是本发明中经过垂直边缘检测后的示意图。

图14是本发明中计算垂直方向每列的切变量示意图。

图15是本发明中计算垂直方向每列的切变量方法示意图。

图16是本发明纠正后的结果示意图。

图17是按本发明算法做水平切变得到纠正图像示意图。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

Hough变换有几种用途，常用在直线检测上，其原理如下：

众所周知，在二维坐标系中以y＝ax+b的方式表示一条直线，其中a和b作为参数决定了此直线的斜率(角度)和截距。

而直线是由无穷多个点组成的，在此直线向取两个点(xi，yi)，(xj，yj)显然xi，yi，xj，yj为常数且满足yi＝axi+b，yj＝axj+b，此时把(xi，yi)看作一组参数，(xj，yj)看作另一组，而把a，b看作变量，将映射到另一个坐标系：

至此，由x-y坐标系的一条直线上的两个点映射到a-b坐标系上两条直线

b＝-xi+yi

b＝-xj+yj

显而易见，这两条直线交点的坐标即为(a，b)刚好为x-y坐标系中的直线的参数，直线y＝ax+b在坐标系a-b中映射为一个点。

同理，把之前的a-b坐标系替换成及极坐标系θ-ρ则可表示为：

xcosθ+ysinθ＝ρ

左边含有两条正交的直线的原始图像通过Hough变换后得到右图其中水平坐标为θ，垂直坐标为ρ，圆圈标注的两个极值的点即曲线相交最多的点对应左图的两条直线，角度可直从水平坐标直接读出。

在车牌识别算法的过程中，由于已经经过粗定位，所选取的区域往往是包含车牌面积最大的区域，而车牌字符的水平边沿又有明显的指向性所以可以作为依据来检测车牌倾斜角度并且Hough对检测间断直线同样有效。

实施例1

本发明实施例中，一种车牌倾斜角度检测算法，包括以下步骤：

1)输入原始图像矩阵二值化T_b[W，H]；

2)x∈[0，W-1]，y∈[0，H-1]，选择一种边缘算法处理得到水平边缘矩阵T_e[W，H]，若为边缘，T_e[x，y]＝1；否则T_e[x，y]＝0。

其中x∈[0，W-1]，y∈[0，H-1]，置T_e[x，y]＝0

如果T_b[x，y]＝＝1并且T_b[x，y+1]＝＝0则T_e[x，y+1]＝1

如果T_b[x，y]＝＝0并且T_b[x，y+1]＝＝1则T_e[x，y+1]＝1

3)根据图像宽W高H求ρ_MAX，ρ_MAX ²＝W²+H²；

4)生成变换投票矩阵T[ρ_MAX，θ_MAX]，θ_MAX可取90°；

5)将T[ρ_MAX，θ_MAX]中所有元素置0；

6)对于水平边缘矩阵T_e[W，H]中的每一个元素，如果T_e[x，y]＝＝1，从-θ_MAX至θ_MAX计算ρ值ρ＝y*sin(θ)+x*cos(θ)，投票矩阵T[ρ，θ]＝T[ρ，θ]+1；(其中“T[ρ，θ]＝T[ρ，θ]+1”的意思是T[ρ，θ]的值自加1，“＝＝”表示逻辑“等于”“＝”表示把右侧的值赋给左边)

7)取投票矩阵T[ρ，θ]中ρ元素最大值所对应的θ即为倾斜的角度。

本发明实现后，具体实施流程比较简单，如图10所示。

其中在上述第6步中y*sin(θ)+x*cos(θ)可事先做成整数表以减小运算量，θ的递增为1°足以保证精度。

以下是应用上述算法实施的效果：

原始图像如图1所示。

二值化结果如图11。

水平边缘检测结果如图12。

垂直边缘检测结果如图13。

对水平边缘和垂直边缘实施hough变换算法检测到水平倾斜角度为-14°、垂直倾斜角度为167°考虑算法的简化此处用切变代替旋转做纠正，需要计算垂直方向每列的切变量如图14。

方法如图15。具体步骤如下所述：

a.已知图像宽度为W，则垂直方向的最大位移为：off_vmax＝W*tan(-14°)；

b.由于三角形等比，可计算出每列垂直偏移j为像素水平坐标：off_v＝(W-j)*off_vmax/W；

c.逐列减去切变量，得到每列纠正后的行坐标：i_new＝i-offvj。

纠正后的结果如图16。

同理，还需要做垂直边缘角度检测，由于前面步骤检出垂直倾斜角度为167°按上述算法做水平切变，最终得到纠正图像，如图17。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (3)

1.一种车牌倾斜角度的检测算法，其特征在于，包括以下步骤：

1)输入原始图像矩阵二值化T_b[W，H]；

2)通过边缘算法处理得到水平边缘矩阵T_e[W，H]，若为边缘，T_e[x，y]＝1；否则T_e[x，y]＝0；

3)根据图像宽W高H求极坐标系θ-ρ中的垂直坐标ρ_MAX，ρ_MAX ²＝W²+H²；

4)生成变换投票矩阵T[ρ_MAX，θ_MAX]，θ_MAX取90°；

5)将T[ρ_MAX，θ_MAX]中所有元素置0；

6)对于水平边缘矩阵T_e[W，H]中的每一个元素，如果T_e[x，y]＝＝1，从-θ_MAX至θ_MAX计算ρ值ρ＝y*sin(θ)+x*cos(θ)，投票矩阵T[ρ，θ]＝T[ρ，θ]+1；

7)取投票矩阵T[ρ，θ]中ρ元素最大值所对应的θ即为倾斜的角度。

2.根据权利要求1所述的车牌倾斜角度的检测算法，其特征在于，步骤6)中，y*sin(θ)+x*cos(θ)做成整数表，θ的递增为1°。

3.根据权利要求1所述的车牌倾斜角度的检测算法，其特征在于，当检测到水平倾斜角度为θ时用切变做纠正，具体步骤如下所述：

a.已知图像宽度为W，则垂直方向的最大位移为：off_vmax＝W*tan(θ)；

b.由于三角形等比，计算出每列垂直偏移j为像素水平坐标：off_v＝(W-j)*off_vmax/W；

c.逐列减去切变量，得到每列纠正后的行坐标：i_new＝i-offvj。