CN108960259A - 一种基于hsv的车牌预处理方法 - Google Patents
一种基于hsv的车牌预处理方法 Download PDFInfo
- Publication number
- CN108960259A CN108960259A CN201810764379.1A CN201810764379A CN108960259A CN 108960259 A CN108960259 A CN 108960259A CN 201810764379 A CN201810764379 A CN 201810764379A CN 108960259 A CN108960259 A CN 108960259A
- Authority
- CN
- China
- Prior art keywords
- image
- hsv
- license plate
- binaryzation
- indicate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Input (AREA)
- Image Analysis (AREA)
Abstract
一种基于HSV的车牌预处理方法,属于智能交通技术领域。它通过对HSV三通道进行处理,将得到车牌图像从RGB颜色空间转换为HSV颜色空间,得到IHSV,将IHSV的色调、饱和度和亮度分别处理,再将Hi,j、S* i,j和V* i,j三通道进行通道融合,并将图像从HSV颜色空间转回到RGB颜色空间,得到新的RGB图像I,新图像进行水平倾斜矫正后依次进行灰度化、3*3中值滤波、OTSU二值化,得到预处理的车牌。本发明通过采用上述技术得到的基于HSV的车牌预处理方法,它能有效减弱光照、噪声、阴影、污迹等对车牌的影响,得到的二值图像容易进行后续处理。
Description
技术领域
本发明涉及智能交通技术领域,具体涉及一种基于HSV的车牌预处理方法,它通过对HSV三通道进行处理,以减弱光照、噪声、阴影、污迹等对车牌二值化的影响。
背景技术
随着我国交通网络的不断发展,安全问题愈发凸显。车牌是车辆的标识,但是实际生活中,由于场景或人为因素的影响,这一标识常常不容易被识别出来。在智慧交通项目中,常先将车牌预处理,然后在车牌二值图上进行字符分割,最后最分割出来的字符进行识别。因此,得到易处理的二值图像是车牌自动识别***的一个关键。
常用的车牌预处理包括如下步骤:图像归一化、直方图均衡化、灰度拉伸、图像平滑、倾斜矫正和二值化。李战明(车牌号识别***中的车牌图像预处理研究[J].科学技术与工程,2008,8(8):2081-2084.)、董玲娇(车牌图像预处理研究[J].机电工程,2009,26(6):107-109.)和陈若珠(基于车牌识别的图像预处理研究[J].工业仪表与自动化装置,2015(4):40-43.)介绍了相关技术。但是,一般的车牌预处理步骤对于实际应用中诸如光照不均匀、车牌污损等特殊情况不具有鲁棒性。
相对一般车牌预处理操作,更为复杂的预处理步骤包括:光照不均匀处理、污损修复等。如赵坤(一种改进的车牌识别预处理方法[J].河南科学,2010,28(3):000329-332.)提出光照空域矫正结合同态滤波后,利用局部阈值进行二值化操作,得到理想二值图,但是该方法只实现了对车牌局部光照过强的处理,对于阴影。再如马超玉(融合多级光照处理的车牌图像二值化算法[J].计算机应用,2013,33(a02):200-202.)基于加权得到的车牌灰度图,用顶帽算法平滑背景光照,用Retinex算法平滑字符光照,最后用局部阈值方法得到最终的车牌二值图像。虽然该方法能够均匀光照,但其计算复杂度高。车牌阴影问题是光照不均匀问题的一个子问题,徐云静等(一种阴影车牌图像二值化方法,CN106650728A[P].2017)采用原始车牌的红色通道图像作为灰度图,基于寻找亮暗分界线实现对含规则阴影车牌图像的二值化,但是该方法无法处理非规则阴影。卜珂等(一种车牌图像的预处理方法,CN102509095A[P].2012.)首先获取车牌的上下左右边界,然后找到阴阳分界线(即阴影区与非阴影区的亮暗分界线)将车牌分为上下两部分,分别计算上下两部分的灰度阈值,最终对上半部分的像素点进行灰度补充。该方法要求定位得到的车牌具有明确的上下左右边界,且只能处理规则阴影。车牌污迹的修复是指把握车牌整体性的基础上,对污迹处基于邻域像素插值或直接用邻域像素替代,该类方法的计算复杂度都很高。
综上所述,当前车牌预处理操作存在的不足包括:1)一般预处理步骤简单,效率高,但无法处理光照不均匀车牌和污损车牌;2)对光照不均匀车牌,存在只能处理规则阴影和算法太耗时问题;3)污损修复算法复杂度过高,暂时无法应用于实时车牌识别的预处理环节。
发明内容
针对现有技术中存在的上述问题,本发明的目的在于提供一种基于HSV的车牌预处理方法,它通过对HSV三通道进行处理,减弱光照、噪声、阴影、污迹等对车牌二值化的影响,克服了一般车牌图像预处理方法中的不足,得到容易进行后续处理的二值图像。
所述的一种基于HSV的车牌预处理方法,其特征在于包括如下步骤:
步骤1:得到车牌图像IRGB,其中图像的高度为h,宽度为w,单位为像素;
步骤2:将车牌图像从RGB颜色空间转换为HSV颜色空间,得到IHSV,将IHSV的色调、饱和度和亮度三通道分别记Hi,j,Si,j和Vi,j,其中i、j分别表示图像像素的横坐标、纵坐标,且1≤i≤h,1≤j≤w;
步骤3:对步骤2)中的亮度Vi,j,用Hough直线检测法确定图像的水平倾斜角α;
步骤4:对步骤2)中的饱和度Si,j,根据公式(1)~(4),用Sauvola局部阈值二值化方法实现二值化,具体如下:首先求得每一像素点(i,j)在其c*c邻域范围内的自适应阈值T(i,j),然后按公式(4)实现二值化,得到S* i,j;
其中,c表示像素邻域范围,m(i,j)表示Si,j在c*c邻域内的均值,σ(i,j)表示Si,j在c*c邻域内的均方差,k1表示均方差的权重因子,R1表示均方差变化浮动范围;
步骤5:对步骤2)中的亮度Vi,j,根据公式(5)~(8),用Sauvola局部阈值二值化方法实现二值化,具体如下:首先求得每一像素点(i,j)在其c*c邻域范围内的自适应阈值T*(i,j),然后按公式(8)实现二值化,得到V* i,j;
其中,m*(i,j)表示Vi,j在c*c邻域内的均值,σ*(i,j)表示Vi,j在c*c邻域内的均方差,k2表示均方差的权重因子,R2表示均方差变化浮动范围;
步骤6:将Hi,j、S* i,j和V* i,j三通道进行通道融合,并将图像从HSV颜色空间转回到RGB颜色空间,得到新的RGB图像I;
步骤7:对步骤6)中的RGB图像I,利用步骤3)中计算得到的α将图像进行水平倾斜矫正,得到图像M;
步骤8:对步骤7)得到的图像M,依次进行灰度化、3*3中值滤波、OTSU二值化,得到预处理结果G。
本发明的优点是:本发明通过采用上述技术,能有效减弱光照、噪声、阴影、污迹等对车牌的影响,得到的二值图像容易进行后续处理。
附图说明
图1为本发明的实施例选取的五张车牌图像去色效果图;
图2为本发明的经过步骤7处理后的五张车牌图像去色效果图;
图3为本发明的经过步骤8处理后的五张车牌图像。
具体实施方式
下面结合实施例来详细阐述本发明的基于HSV的车牌预处理方法的具体实施方式。
如图所示,本发明的基于HSV的车牌预处理方法,包括如下步骤:
步骤1:得到车牌图像IRGB,如图1所示,其中图像的高度为h,宽度为w,单位为像素;
步骤2:将车牌图像从RGB颜色空间转换为HSV颜色空间,得到IHSV,将IHSV的色调、饱和度和亮度三通道分别记Hi,j,Si,j和Vi,j,其中i、j分别表示图像像素的横、纵坐标,且1≤i≤h,1≤j≤w;
步骤3:对步骤2)中的亮度Vi,j,用Hough直线检测法确定图像的水平倾斜角α;
步骤4:对步骤2)中的饱和度Si,j,根据公式(1)~(4),用Sauvola局部阈值二值化方法实现二值化,具体如下:首先求得每一像素点(i,j)在其c*c邻域范围内的自适应阈值T(i,j),然后按公式(4)实现二值化,得到S* i,j;
其中,c表示像素邻域范围,m(i,j)表示Si,j在c*c邻域内的均值,σ(i,j)表示Si,j在c*c邻域内的均方差,k1表示均方差的权重因子,R1表示均方差变化浮动范围;在本实例中,c=15,k=0.5,R=128;
步骤5:对步骤2)中的亮度Vi,j,根据公式(5)~(8),用Sauvola局部阈值二值化方法实现二值化,具体如下:首先求得每一像素点(i,j)在其c*c邻域范围内的自适应阈值T*(i,j),然后按公式(8)实现二值化,得到V* i,j;
其中,m*(i,j)表示Vi,j在c*c邻域内的均值,σ*(i,j)表示Vi,j在c*c邻域内的均方差,k2表示均方差的权重因子,R2表示均方差变化浮动范围;在本实例中,k2=0.5,R2=128;
步骤6:将Hi,j、S* i,j和V* i,j三通道进行通道融合,并将图像从HSV颜色空间转回到RGB颜色空间,得到新的RGB图像I;
步骤7:对步骤6中的RGB图像I,利用步骤3中计算得到的α将图像进行水平倾斜矫正,得到图像M,如图2所示;
步骤8:对步骤7的图像M,依次进行灰度化、3*3中值滤波、OTSU二值化,得到预处理结果G,如图3所示。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围的不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (1)
1.一种基于HSV的车牌预处理方法,其特征在于包括如下步骤:
步骤1:得到车牌图像IRGB,其中图像的高度为h,宽度为w,单位为像素;
步骤2:将车牌图像从RGB颜色空间转换为HSV颜色空间,得到IHSV,将IHSV的色调、饱和度和亮度三通道分别记Hi,j,Si,j和Vi,j,其中i、j分别表示图像像素的横坐标、纵坐标,且1≤i≤h,1≤j≤w;
步骤3:对步骤2)中的亮度Vi,j,用Hough直线检测法确定图像的水平倾斜角α;
步骤4:对步骤2)中的饱和度Si,j,根据公式(1)~(4),用Sauvola局部阈值二值化方法实现二值化,具体如下:首先求得每一像素点(i,j)在其c*c邻域范围内的自适应阈值T(i,j),然后按公式(4)实现二值化,得到S* i,j;
其中,c表示像素邻域范围,m(i,j)表示Si,j在c*c邻域内的均值,σ(i,j)表示Si,j在c*c邻域内的均方差,k1表示均方差的权重因子,R1表示均方差变化浮动范围;
步骤5:对步骤2)中的亮度Vi,j,根据公式(5)~(8),用Sauvola局部阈值二值化方法实现二值化,具体如下:首先求得每一像素点(i,j)在其c*c邻域范围内的自适应阈值T*(i,j),然后按公式(8)实现二值化,得到V* i,j;
其中,m*(i,j)表示Vi,j在c*c邻域内的均值,σ*(i,j)表示Vi,j在c*c邻域内的均方差,k2表示均方差的权重因子,R2表示均方差变化浮动范围;
步骤6:将Hi,j、S* i,j和V* i,j三通道进行通道融合,并将图像从HSV颜色空间转回到RGB颜色空间,得到新的RGB图像I;
步骤7:对步骤6)中的RGB图像I,利用步骤3)中计算得到的α将图像进行水平倾斜矫正,得到图像M;
步骤8:对步骤7)得到的图像M,依次进行灰度化、3*3中值滤波、OTSU二值化,得到预处理结果G。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810764379.1A CN108960259A (zh) | 2018-07-12 | 2018-07-12 | 一种基于hsv的车牌预处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810764379.1A CN108960259A (zh) | 2018-07-12 | 2018-07-12 | 一种基于hsv的车牌预处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108960259A true CN108960259A (zh) | 2018-12-07 |
Family
ID=64483818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810764379.1A Pending CN108960259A (zh) | 2018-07-12 | 2018-07-12 | 一种基于hsv的车牌预处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108960259A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110060222A (zh) * | 2019-04-29 | 2019-07-26 | 重庆金山医疗器械有限公司 | 一种图像校正方法、装置及内窥镜*** |
CN110992387A (zh) * | 2019-11-08 | 2020-04-10 | 浪潮电子信息产业股份有限公司 | 一种图像处理方法、装置及电子设备和存储介质 |
CN111582046A (zh) * | 2020-04-15 | 2020-08-25 | 浙江大华技术股份有限公司 | 一种车牌图像处理方法和装置 |
CN112489042A (zh) * | 2020-12-21 | 2021-03-12 | 大连工业大学 | 基于超分辨重建的金属品印刷缺陷与表面损伤的检测方法 |
CN113538602A (zh) * | 2021-08-09 | 2021-10-22 | 宁波华高信息科技有限公司 | 一种基于hsv色彩空间的文档图像处理方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334836A (zh) * | 2008-07-30 | 2008-12-31 | 电子科技大学 | 一种融合色彩、尺寸和纹理特征的车牌定位方法 |
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
US20160203379A1 (en) * | 2015-01-12 | 2016-07-14 | TigerIT Americas, LLC | Systems, methods and devices for the automated verification and quality control and assurance of vehicle identification plates |
CN106845480A (zh) * | 2017-01-13 | 2017-06-13 | 河海大学 | 一种从图片中识别车牌的方法 |
-
2018
- 2018-07-12 CN CN201810764379.1A patent/CN108960259A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334836A (zh) * | 2008-07-30 | 2008-12-31 | 电子科技大学 | 一种融合色彩、尺寸和纹理特征的车牌定位方法 |
CN102375982A (zh) * | 2011-10-18 | 2012-03-14 | 华中科技大学 | 一种融合多字符特征的车牌定位方法 |
US20160203379A1 (en) * | 2015-01-12 | 2016-07-14 | TigerIT Americas, LLC | Systems, methods and devices for the automated verification and quality control and assurance of vehicle identification plates |
CN106845480A (zh) * | 2017-01-13 | 2017-06-13 | 河海大学 | 一种从图片中识别车牌的方法 |
Non-Patent Citations (2)
Title |
---|
张晶: "《多媒体信息与通信》", 31 December 2017, 西安电子科技大学出版社 * |
胡德文,陈芳林: "《生物特征识别技术与方法》", 31 August 2013, 国防工业出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110060222A (zh) * | 2019-04-29 | 2019-07-26 | 重庆金山医疗器械有限公司 | 一种图像校正方法、装置及内窥镜*** |
CN110060222B (zh) * | 2019-04-29 | 2022-05-06 | 重庆金山医疗技术研究院有限公司 | 一种图像校正方法、装置及内窥镜*** |
CN110992387A (zh) * | 2019-11-08 | 2020-04-10 | 浪潮电子信息产业股份有限公司 | 一种图像处理方法、装置及电子设备和存储介质 |
CN111582046A (zh) * | 2020-04-15 | 2020-08-25 | 浙江大华技术股份有限公司 | 一种车牌图像处理方法和装置 |
CN111582046B (zh) * | 2020-04-15 | 2023-09-05 | 浙江大华技术股份有限公司 | 一种车牌图像处理方法和装置 |
CN112489042A (zh) * | 2020-12-21 | 2021-03-12 | 大连工业大学 | 基于超分辨重建的金属品印刷缺陷与表面损伤的检测方法 |
CN113538602A (zh) * | 2021-08-09 | 2021-10-22 | 宁波华高信息科技有限公司 | 一种基于hsv色彩空间的文档图像处理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960259A (zh) | 一种基于hsv的车牌预处理方法 | |
CN109886896B (zh) | 一种蓝色车牌分割与矫正方法 | |
US9811746B2 (en) | Method and system for detecting traffic lights | |
CN104715239B (zh) | 一种基于去雾处理和权重分块的车辆颜色识别方法 | |
Shen et al. | Improving OCR performance with background image elimination | |
CN105374015A (zh) | 基于局部对比度和笔画宽度估计的低质量文档图像二值化方法 | |
CN110309806B (zh) | 一种基于视频图像处理的手势识别***及其方法 | |
CN106650728B (zh) | 一种阴影车牌图像二值化方法 | |
Prabhakar et al. | A novel design for vehicle license plate detection and recognition | |
CN105447489B (zh) | 一种图片ocr识别***的字符与背景粘连噪声消除方法 | |
CN105701487A (zh) | 一种车标定位的方法 | |
CN108711160B (zh) | 一种基于hsi增强性模型的目标分割方法 | |
CN108335294A (zh) | 复杂条件下的配电房异常状态图像识别方法 | |
CN111915509A (zh) | 基于图像处理去阴影优化的保护压板状态辨识方法 | |
CN111401364A (zh) | 一种基于颜色特征和模板匹配相结合的车牌定位算法 | |
CN108563976A (zh) | 一种基于车窗位置的多方向车辆颜色识别方法 | |
CN105654140B (zh) | 面向复杂工业环境的铁路油罐车车号定位与识别方法 | |
CN104112133A (zh) | 一种复杂光照下人脸检测预处理方法 | |
Wang et al. | Lane detection algorithm based on density clustering and RANSAC | |
Lee et al. | Research on face detection under different lighting | |
CN105721738B (zh) | 一种彩色扫描文档图像预处理方法 | |
CN109657544B (zh) | 一种人脸检测方法和装置 | |
CN113744263B (zh) | 一种小尺寸马赛克陶瓷表面缺陷快速检测的方法 | |
KR20190105273A (ko) | 조명환경에 강인한 색상 필터링을 위한 전처리 방법 및 그 시스템 | |
CN115761459A (zh) | 一种面向桥隧表观病害识别的多场景自适应方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181207 |
|
RJ01 | Rejection of invention patent application after publication |