CN111898599A - 一种车牌图像处理方法及装置 - Google Patents

一种车牌图像处理方法及装置 Download PDF

Info

Publication number
CN111898599A
CN111898599A CN202010665123.2A CN202010665123A CN111898599A CN 111898599 A CN111898599 A CN 111898599A CN 202010665123 A CN202010665123 A CN 202010665123A CN 111898599 A CN111898599 A CN 111898599A
Authority
CN
China
Prior art keywords
region
characteristic
license plate
feature
determining
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
Application number
CN202010665123.2A
Other languages
English (en)
Inventor
敦婧瑜
王耀农
薛佳乐
李轶锟
张湾湾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202010665123.2A priority Critical patent/CN111898599A/zh
Publication of CN111898599A publication Critical patent/CN111898599A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V20/63—Scene text, e.g. street names
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • 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
    • 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)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种车牌图像处理方法及装置，其中，该方法包括：提取车牌图像的特征区域，以及所述特征区域的特征，其中，所述特征区域包括多个区域；根据所述特征区域的特征确定所述特征区域的颜色类型；分别统计不同颜色类型的特征区域的区域高度直方图；根据所述不同颜色类型的区域高度直方图确定所述特征区域中的目标区域，并输出所述目标区域的颜色类型，其中，所述目标区域为车牌或车牌子图所在区域，可以解决相关技术中对于车牌内兼有两种颜色类型(亮底暗字和暗底亮字)的情况无法处理的问题，检测出车牌图像中不同颜色类型的特征区域，分别做统计，并分别保留对应的目标区域，输出对应的颜色类型。

Description

一种车牌图像处理方法及装置
技术领域
本发明涉及图像处理领域，具体而言，涉及一种车牌图像处理方法及装置。
背景技术
传统车牌识别方法和深度学习方法对于灰度图中车牌前背景颜色的类型均有较强的依赖性。对于传统方法来说，亮底暗字(背景颜色较亮)和暗底亮字(字符颜色较亮)需要使用不同的二值化策略，策略使用错误会直接影响二值化结果，进而影响字符分割结果。对于深度学习方法来说，当两种类型的车牌数量极度不均衡时，数量较少的类型不能被很好地学习，通过类型判断做到类型转换，可以提高占比较少的车牌的识别效果。
相关技术中，基于Bayes的车牌颜色判断方法，基于Bayes分类器，判断车牌颜色类型。对于车牌内兼有两种颜色类型(亮底暗字和暗底亮字)的情况无法处理。
针对相关技术中对于车牌内兼有两种颜色类型(亮底暗字和暗底亮字)的情况无法处理的问题，尚未提出解决方案。
发明内容
本发明实施例提供了一种车牌图像处理方法及装置，以至少解决相关技术中对于车牌内兼有两种颜色类型(亮底暗字和暗底亮字)的情况无法处理的问题。
根据本发明的一个实施例，提供了一种车牌图像处理方法，包括：
提取车牌图像的特征区域，以及所述特征区域的特征，其中，所述特征区域包括多个区域；
根据所述特征区域的特征确定所述特征区域的颜色类型；
分别统计不同颜色类型的特征区域的区域高度直方图；
根据所述不同颜色类型的区域高度直方图确定所述特征区域中的目标区域，并输出所述目标区域的颜色类型，其中，所述目标区域为车牌或车牌子图所在区域。
可选地，根据所述不同颜色类型的区域高度直方图确定所述特征区域中的目标区域包括：
分别从所述不同颜色类型的区域高度直方图中统计相邻两个bin的平均值，若所述平均值在第一预设数值范围内，记录所述平均值对应的目标特征区域的高度；
确定所述不同颜色类型的目标特征区域的高度的差值；
若所述差值在第二预设数值范围内，确定所述车牌图像中包含第一颜色类型的特征区域和第二颜色类型的特征区域，且确定所述第一颜色类型的特征区域中高度为[(n1-1)*S,(n1+2)*S]的特征区域以及所述第二颜色类型的特征区域中高度为[(n2-1)*S,(n2+2)*S]的特征区域为所述目标区域，其中，n1为所述第一颜色类型的特征区域的高度索引，n2为所述第二颜色类型的特征区域的高度索引；
若所述差值不在所述第二预设数值范围内且n1＞n2，确定所述车牌图像中仅包含所述第一颜色类型的特征区域，且确定所述第一颜色类型的特征区域中高度为[(n1-1)*S,(n1+2)*S]的特征区域为所述目标区域；
若所述差值不在所述第二预设数值范围内且n1＜n2，确定所述车牌图像中仅包含所述第二颜色类型的特征区域，且确定所述第二种颜色类型的特征区域的高度为[(n2-1)*S,(n2+2)*S]的特征区域为所述目标区域。
可选地，在确定所述第一颜色类型的特征区域中高度为[(n1-1)*S,(n1+2)*S]的特征区域以及所述第二颜色类型的特征区域中高度为[(n2-1)*S,(n2+2)*S]的特征区域为所述目标区域之后，所述方法还包括：
对所述车牌图像进行垂直投影和水平投影，其中，若所述车牌图像中的像素点位于所述第一种类型区域内则加1，若所述车牌图像中的像素点位于所述第二种类型区域内则减1；
通过所述垂直投影和所述水平投影中的过零点对所述车牌图像进行划分，得到所述第一颜色类型的特征区域和所述第二颜色类型的特征区域。
可选地，分别统计所述不同颜色类型的特征区域的区域高度直方图包括：
设置直方图，其中，所述直方图包括X个bin，移动步长为S，
Figure BDA0002580059730000031
H为所述车牌图像的高度，第n个bin的范围为[n*S,(n+2)*S]，0≤n≤X-1，n为整数；
根据所述不同颜色类型的特征区域的高度与所述移动步长的比值确定所述不同颜色类型的特征区域在所述直方图中的位置，得到所述区域高度直方图。
可选地，根据所述特征区域的特征确定所述特征区域的颜色类型包括：
对所述特征区域中的每个区域执行以下操作，其中，正在执行的区域称为当前区域：
确定所述当前区域的灰度和，以及所述当前区域的特征点的灰度和；
将所述当前区域的特征点的灰度和与所述特征点的数量的比值确定为所述当前区域的特征点的第一平均灰度值，以及将所述当前区域的灰度和与所述当前区域的特征点的灰度和之差与所述当前区域的所有像素数量与所述特征点的数量之差的比值确定为所述当前区域的背景的第二平均灰度值；
若所述第一平均灰度值大于所述第二平均灰度值，确定所述当前区域为第一类颜色类型的特征区域；
若所述第一平均灰度值小于或等于所述第二平均灰度值，确定所述当前区域为第二类颜色类型的特征区域。
可选地，在分别统计所述不同颜色类型的特征区域的区域高度直方图之前，所述方法还包括：
对不同颜色类型的特征区域去除干扰前景；
对所述不同颜色类型的特征区域去除重叠区域。
可选地，对不同颜色类型的特征区域去除干扰前景包括：
去除高度和宽度大于预设阈值的特征区域；
去除高度小于第二预设阈值的特征区域；
去除宽度与高度的比值不符合预设的车牌字符宽高比范围的特征区域；
去除特征点个数占特征区域面积比例小于第三预设阈值的特征区域。
根据本发明的另一个实施例，还提供了一种车牌图像处理装置，其特征在于，包括：
提取模块，用于提取车牌图像的特征区域，以及所述特征区域的特征，其中，所述特征区域包括多个区域；
第一确定模块，用于根据所述特征区域的特征确定所述特征区域的颜色类型；
统计模块，用于分别统计不同颜色类型的特征区域的区域高度直方图；
第二确定模块，用于根据所述不同颜色类型的区域高度直方图确定所述特征区域中的目标区域，并输出所述目标区域的颜色类型，其中，所述目标区域为车牌或车牌子图所在区域。
可选地，所述第二确定模块包括：
记录子模块，用于分别从所述不同颜色类型的区域高度直方图中统计相邻两个bin的平均值，若所述平均值在第一预设数值范围内，记录所述平均值对应的目标特征区域的高度；
第一确定子模块，用于确定所述不同颜色类型的目标特征区域的高度的差值；
第二确定子模块，用于若所述差值在第二预设数值范围内，确定所述车牌图像中包含第一颜色类型的特征区域和第二颜色类型的特征区域，且确定所述第一颜色类型的特征区域中高度为[(n1-1)*S,(n1+2)*S]的特征区域以及所述第二颜色类型的特征区域中高度为[(n2-1)*S,(n2+2)*S]的特征区域为所述目标区域，其中，n1为所述第一颜色类型的特征区域的高度索引，n2为所述第二颜色类型的特征区域的高度索引；
第三确定子模块，用于若所述差值不在所述第二预设数值范围内且n1＞n2，确定所述车牌图像中仅包含所述第一颜色类型的特征区域，且确定所述第一颜色类型的特征区域中高度为[(n1-1)*S,(n1+2)*S]的特征区域为所述目标区域；
第四确定子模块，用于若所述差值不在所述第二预设数值范围内且n1＜n2，确定所述车牌图像中仅包含所述第二颜色类型的特征区域，且确定所述第二种颜色类型的特征区域的高度为[(n2-1)*S,(n2+2)*S]的特征区域为所述目标区域。
可选地，所述装置还包括：
投影子模块，用于对所述车牌图像进行垂直投影和水平投影，其中，若所述车牌图像中的像素点位于所述第一种类型区域内则加1，若所述车牌图像中的像素点位于所述第二种类型区域内则减1；
划分子模块，用于通过所述垂直投影和所述水平投影中的过零点对所述车牌图像进行划分，得到所述第一颜色类型的特征区域和所述第二颜色类型的特征区域。
可选地，所述统计模块包括：
设置子模块，用于设置直方图，其中，所述直方图包括X个bin，移动步长为S，
Figure BDA0002580059730000051
H为所述车牌图像的高度，第n个bin的范围为[n*S,(n+2)*S]，0≤n≤X-1，n为整数；
第五确定子模块，用于根据所述不同颜色类型的特征区域的高度与所述移动步长的比值确定所述不同颜色类型的特征区域在所述直方图中的位置，得到所述区域高度直方图。
可选地，所述第一确定模块包括：
执行子模块，用于对所述特征区域中的每个区域执行以下操作，其中，正在执行的区域称为当前区域：
确定所述当前区域的灰度和，以及所述当前区域的特征点的灰度和；
将所述当前区域的特征点的灰度和与所述特征点的数量的比值确定为所述当前区域的特征点的第一平均灰度值，以及将所述当前区域的灰度和与所述当前区域的特征点的灰度和之差与所述当前区域的所有像素数量与所述特征点的数量之差的比值确定为所述当前区域的背景的第二平均灰度值；
若所述第一平均灰度值大于所述第二平均灰度值，确定所述当前区域为第一类颜色类型的特征区域；
若所述第一平均灰度值小于或等于所述第二平均灰度值，确定所述当前区域为第二类颜色类型的特征区域。
可选地，所述装置还包括：
第一去除模块，用于对不同颜色类型的特征区域去除干扰前景；
第二去除模块，用于对所述不同颜色类型的特征区域去除重叠区域。
可选地，所述第一去除模块包括：
第一去除子模块，用于去除高度和宽度大于预设阈值的特征区域；
第二去除子模块，用于去除高度小于第二预设阈值的特征区域；
第三去除子模块，用于去除宽度与高度的比值不符合预设的车牌字符宽高比范围的特征区域；
第四去除子模块，用于去除特征点个数占特征区域面积比例小于第三预设阈值的特征区域。
根据本发明的又一个实施例，还提供了一种计算机可读的存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，提取车牌图像的特征区域，以及所述特征区域的特征，其中，所述特征区域包括多个区域；根据所述特征区域的特征确定所述特征区域的颜色类型；分别统计不同颜色类型的特征区域的区域高度直方图；根据所述不同颜色类型的区域高度直方图确定所述特征区域中的目标区域，并输出所述目标区域的颜色类型，其中，所述目标区域为车牌或车牌子图所在区域，可以解决相关技术中对于车牌内兼有两种颜色类型(亮底暗字和暗底亮字)的情况无法处理的问题，检测出车牌图像中不同颜色类型的特征区域，分别做统计，并分别保留对应的目标区域，输出对应的颜色类型。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的车牌图像处理方法的移动终端的硬件结构框图；
图2是根据本发明实施例的车牌图像处理方法的流程图；
图3是根据本发明实施例的基于稳定区域确定车牌颜色类型的流程图；
图4是根据本发明实施例的车牌图像的特征区域的示意图；
图5是根据本发明实施例的车牌图像的特征区域的颜色类型划分的示意图；
图6是根据本发明实施例的车牌图像的特征区域的颜色类型判断的示意图一；
图7是根据本发明实施例的车牌图像的特征区域的颜色类型判断的示意图二；
图8是根据本发明实施例的车牌图像处理装置的框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
实施例1
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的车牌图像处理方法的移动终端的硬件结构框图，如图1所示，移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的报文接收方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述移动终端或网络架构的车牌图像处理方法，图2是根据本发明实施例的车牌图像处理方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，提取车牌图像的特征区域，以及所述特征区域的特征，其中，所述特征区域包括多个区域；
步骤S204，根据所述特征区域的特征确定所述特征区域的颜色类型；
进一步地，上述步骤S204具体可以包括：
对所述特征区域中的每个区域执行以下操作，其中，正在执行的区域称为当前区域：
确定所述当前区域的灰度和，以及所述当前区域的特征点的灰度和；
将所述当前区域的特征点的灰度和与所述特征点的数量的比值确定为所述当前区域的特征点的第一平均灰度值，以及将所述当前区域的灰度和与所述当前区域的特征点的灰度和之差与所述当前区域的所有像素数量与所述特征点的数量之差的比值确定为所述当前区域的背景的第二平均灰度值；
若所述第一平均灰度值大于所述第二平均灰度值，确定所述当前区域为第一类颜色类型的特征区域；
若所述第一平均灰度值小于或等于所述第二平均灰度值，确定所述当前区域为第二类颜色类型的特征区域。
步骤S206，分别统计不同颜色类型的特征区域的区域高度直方图；
进一步地，上述步骤S206具体可以包括：
设置直方图，其中，所述直方图包括X个bin，移动步长为S，
Figure BDA0002580059730000101
H为所述车牌图像的高度，第n个bin的范围为[n*S,(n+2)*S]，0≤n≤X-1，n为整数；
根据所述不同颜色类型的特征区域的高度与所述移动步长的比值确定所述不同颜色类型的特征区域在所述直方图中的位置，得到所述区域高度直方图。
步骤S208，根据所述不同颜色类型的区域高度直方图确定所述特征区域中的目标区域，并输出所述目标区域的颜色类型，其中，所述目标区域为车牌或车牌子图所在区域。
进一步地，上述步骤S208具体可以包括：
分别从所述不同颜色类型的区域高度直方图中统计相邻两个bin的平均值，若所述平均值在第一预设数值范围内，记录所述平均值对应的目标特征区域的高度，在统计时，由高度值较大区域向前统计，即由高度值较大区域向X轴坐标较小方向统计。
确定所述不同颜色类型的目标特征区域的高度的差值；
若所述差值在第二预设数值范围内，确定所述车牌图像中包含第一颜色类型的特征区域和第二颜色类型的特征区域，且确定所述第一颜色类型的特征区域中高度为[(n1-1)*S,(n1+2)*S]的特征区域以及所述第二颜色类型的特征区域中高度为[(n2-1)*S,(n2+2)*S]的特征区域为所述目标区域，其中，n1为所述第一颜色类型的特征区域的高度索引，n2为所述第二颜色类型的特征区域的高度索引；
若所述差值不在所述第二预设数值范围内且n1＞n2，确定所述车牌图像中仅包含所述第一颜色类型的特征区域，且确定所述第一颜色类型的特征区域中高度为[(n1-1)*S,(n1+2)*S]的特征区域为所述目标区域；
若所述差值不在所述第二预设数值范围内且n1＜n2，确定所述车牌图像中仅包含所述第二颜色类型的特征区域，且确定所述第二种颜色类型的特征区域的高度为[(n2-1)*S,(n2+2)*S]的特征区域为所述目标区域。
进一步地，在确定所述第一颜色类型的特征区域中高度为[(n1-1)*S,(n1+2)*S]的特征区域以及所述第二颜色类型的特征区域中高度为[(n2-1)*S,(n2+2)*S]的特征区域为所述目标区域之后，对所述车牌图像进行垂直投影和水平投影，其中，若所述车牌图像中的像素点位于所述第一种类型区域内则加1，若所述车牌图像中的像素点位于所述第二种类型区域内则减1；通过所述垂直投影和所述水平投影中的过零点对所述车牌图像进行划分，得到所述第一颜色类型的特征区域和所述第二颜色类型的特征区域。
通过上述步骤S202至S208，提取车牌图像的特征区域，以及所述特征区域的特征，其中，所述特征区域包括多个区域；根据所述特征区域的特征确定所述特征区域的颜色类型；分别统计不同颜色类型的特征区域的区域高度直方图；根据所述不同颜色类型的区域高度直方图确定所述特征区域中的目标区域，并输出所述目标区域的颜色类型，其中，所述目标区域为车牌或车牌子图所在区域，可以解决相关技术中对于车牌内兼有两种颜色类型(亮底暗字和暗底亮字)的情况无法处理的问题，检测出车牌图像中不同颜色类型的特征区域，分别做统计，并分别保留对应的目标区域，输出对应的颜色类型。
可选地，在分别统计所述不同颜色类型的特征区域的区域高度直方图之前，对不同颜色类型的特征区域去除干扰前景，进一步地，去除高度和宽度大于预设阈值的特征区域，去除高度小于第二预设阈值的特征区域，去除宽度与高度的比值不符合预设的车牌字符宽高比范围的特征区域，去除特征点个数占特征区域面积比例小于第三预设阈值的特征区域；对所述不同颜色类型的特征区域去除重叠区域。
本发明实施例，基于稳定区域(即特征区域)的车牌颜色类型确定，图3是根据本发明实施例的基于稳定区域确定车牌颜色类型的流程图，如图3所示，包括以下步骤：
步骤S301，提取车牌图像的特征区域与特征，具体的，使用最大稳定极值区域(Maximally Stable Extremal Regions，简称为MSER)方法提取稳定区域及特征；图4是根据本发明实施例的车牌图像的特征区域的示意图，如图4所示，将识别出的特征区域用框标识出来。
步骤S302，根据每个稳定区域的特征判断每个区域的颜色类型，具体包括：
1)使用以下公式计算第i个区域的灰度和
Figure BDA0002580059730000121
Figure BDA0002580059730000122
其中，Ri是第i个区域所有像素集合，gray(x,y)是点(x,y)处的灰度值。
2)使用以下公式计算第i个区域的特征点的灰度和
Figure BDA0002580059730000123
Figure BDA0002580059730000124
其中，fi是第i个区域所有特征点，gray(x,y)是点(x,y)处的灰度值。
3)使用以下公式计算第i个区域前景(特征点)的平均灰度值
Figure BDA0002580059730000125
Figure BDA0002580059730000126
其中，N(fi)是第i个区域特征点的数量。
4)使用以下公式计算第i个区域背景的平均灰度值
Figure BDA0002580059730000127
Figure BDA0002580059730000131
其中，N(Ri)是第i个区域所有像素的数量。
5)使用以下公式将所有区域分为两类：
Figure BDA0002580059730000132
其中，0表示第i个区域是暗底亮字，1表示区域为亮底暗字，以此将所有区域分为两类。
图5是根据本发明实施例的车牌图像的特征区域的颜色类型划分的示意图，如图5所示，通过不同的框识别不同的颜色类型，实线框标识亮底暗字，虚线框标识暗底亮字。
步骤S303，对每种类型区域分别去除干扰前景，包括：去除高度和宽度过大的区域；去除高度过小的区域；去除宽高比不符合车牌字符宽高比范围的区域；去除特征点个数占区域面积比例过小的区域。
步骤S304，对每种类型区域分别去除重叠区域，包括：去除重合面积超过90％的区域中较小的那个；区域内部包含多个嵌套区域，且嵌套区域之间水平方向上重合度较小，去除外部区域；区域内部包含多个嵌套区域，且嵌套区域之间重合度较大，去除内部所有嵌套区域。
步骤S305，统计每种类型区域相应的区域高度直方图，具体如下：
1)最小高度为0，最大为车牌图像高度H，直方图设置21个bin(即将上述X设置为21)，移动步长设置为
Figure BDA0002580059730000133
2)第n个bin的范围设置为[n*S,(n+2)*S]，也即bin之间有一定的重叠信息；
3)第i个区域根据高度hi/S的值，判断落在哪两个bin中，从而更新直方图的值；
步骤S306，保留主要高度对应的区域，具体包括：
1)对上述得到的两个直方图，均从直方图高度值较大的区域向前统计相邻两个bin的平均值，当该值符合字符个数范围时，停止，并记录索引n1和n2，或统计得到最大平均值所对应的索引。
2)图6是根据本发明实施例的车牌图像的特征区域的颜色类型判断的示意图一，如图6所示，如果n1和n2的差值在[-2,2]范围内，证明车牌同时包含两种类型的字符，对于两种类型的区域分别保留高度在[(n1-1)*S,(n1+2)*S]和[(n2-1)*S,(n2+2)*S]范围内的所有区域，即同时保留了实线框与虚线框标识的字符；图7是根据本发明实施例的车牌图像的特征区域的颜色类型判断的示意图二，如图7所示，如果n1和n2相差较大，当n1>n2时，保留第一种类型高度在[(n1-1)*S,(n1+2)*S]范围内的区域，即只保留了实线框标识的字符，反之，保留第二种类型高度在[(n2-1)*S,(n2+2)*S]范围内的区域。
步骤S307，垂直投影与水平投影，具体的，垂直投影，根据区域类型垂直划分车牌；水平投影，根据区域类型水平划分车牌。具体的，分别从左向右，从上向下扫描整幅图，落在第一种类型区域内的点加1，落在第二种类型区域内的点减1，分别得到水平、垂直投影。使用垂直和水平投影中的过零点(该点前后正负性不同)对图像进行划分。
若只保留了一种类型区域的情况，直接跳过输出颜色类型即可。
步骤S308，输出车牌图像的颜色类型，具体的，根据判断出车牌为暗底亮字、亮底暗字还是混合类型，判断出混合类型车牌哪一部分为暗底亮字，哪一部分为亮底暗字，再输出即可。
实施例2
根据本发明的另一个实施例，还提供了一种车牌图像处理装置，图8是根据本发明实施例的车牌图像处理装置的框图，如图8所示，包括：
提取模块82，用于提取车牌图像的特征区域，以及所述特征区域的特征，其中，所述特征区域包括多个区域；
第一确定模块84，用于根据所述特征区域的特征确定所述特征区域的颜色类型；
统计模块86，用于分别统计不同颜色类型的特征区域的区域高度直方图；
第二确定模块88，用于根据所述不同颜色类型的区域高度直方图确定所述特征区域中的目标区域，并输出所述目标区域的颜色类型，其中，所述目标区域为车牌或车牌子图所在区域。
可选地，所述第二确定模块88包括：
记录子模块，用于分别从所述不同颜色类型的区域高度直方图中统计相邻两个bin的平均值，若所述平均值在第一预设数值范围内，记录所述平均值对应的目标特征区域的高度；
第一确定子模块，用于确定所述不同颜色类型的目标特征区域的高度的差值；
第二确定子模块，用于若所述差值在第二预设数值范围内，确定所述车牌图像中包含第一颜色类型的特征区域和第二颜色类型的特征区域，且确定所述第一颜色类型的特征区域中高度为[(n1-1)*S,(n1+2)*S]的特征区域以及所述第二颜色类型的特征区域中高度为[(n2-1)*S,(n2+2)*S]的特征区域为所述目标区域，其中，n1为所述第一颜色类型的特征区域的高度索引，n2为所述第二颜色类型的特征区域的高度索引；
第三确定子模块，用于若所述差值不在所述第二预设数值范围内且n1＞n2，确定所述车牌图像中仅包含所述第一颜色类型的特征区域，且确定所述第一颜色类型的特征区域中高度为[(n1-1)*S,(n1+2)*S]的特征区域为所述目标区域；
第四确定子模块，用于若所述差值不在所述第二预设数值范围内且n1＜n2，确定所述车牌图像中仅包含所述第二颜色类型的特征区域，且确定所述第二种颜色类型的特征区域的高度为[(n2-1)*S,(n2+2)*S]的特征区域为所述目标区域。
可选地，所述装置还包括：
投影子模块，用于对所述车牌图像进行垂直投影和水平投影，其中，若所述车牌图像中的像素点位于所述第一种类型区域内则加1，若所述车牌图像中的像素点位于所述第二种类型区域内则减1；
划分子模块，用于通过所述垂直投影和所述水平投影中的过零点对所述车牌图像进行划分，得到所述第一颜色类型的特征区域和所述第二颜色类型的特征区域。
可选地，所述统计模块86包括：
设置子模块，用于设置直方图，其中，所述直方图包括X个bin，移动步长为S，
Figure BDA0002580059730000161
H为所述车牌图像的高度，第n个bin的范围为[n*S,(n+2)*S]，0≤n≤X-1，n为整数；
第五确定子模块，用于根据所述不同颜色类型的特征区域的高度与所述移动步长的比值确定所述不同颜色类型的特征区域在所述直方图中的位置，得到所述区域高度直方图。
可选地，所述第一确定模块84包括：
执行子模块，用于对所述特征区域中的每个区域执行以下操作，其中，正在执行的区域称为当前区域：
确定所述当前区域的灰度和，以及所述当前区域的特征点的灰度和；
将所述当前区域的特征点的灰度和与所述特征点的数量的比值确定为所述当前区域的特征点的第一平均灰度值，以及将所述当前区域的灰度和与所述当前区域的特征点的灰度和之差与所述当前区域的所有像素数量与所述特征点的数量之差的比值确定为所述当前区域的背景的第二平均灰度值；
若所述第一平均灰度值大于所述第二平均灰度值，确定所述当前区域为第一类颜色类型的特征区域；
若所述第一平均灰度值小于或等于所述第二平均灰度值，确定所述当前区域为第二类颜色类型的特征区域。
可选地，所述装置还包括：
第一去除模块，用于对不同颜色类型的特征区域去除干扰前景；
第二去除模块，用于对所述不同颜色类型的特征区域去除重叠区域。
可选地，所述第一去除模块包括：
第一去除子模块，用于去除高度和宽度大于预设阈值的特征区域；
第二去除子模块，用于去除高度小于第二预设阈值的特征区域；
第三去除子模块，用于去除宽度与高度的比值不符合预设的车牌字符宽高比范围的特征区域；
第四去除子模块，用于去除特征点个数占特征区域面积比例小于第三预设阈值的特征区域。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，提取车牌图像的特征区域，以及所述特征区域的特征，其中，所述特征区域包括多个区域；
S2，根据所述特征区域的特征确定所述特征区域的颜色类型；
S3，分别统计不同颜色类型的特征区域的区域高度直方图；
S4，根据所述不同颜色类型的区域高度直方图确定所述特征区域中的目标区域，并输出所述目标区域的颜色类型，其中，所述目标区域为车牌或车牌子图所在区域。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
实施例4
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，提取车牌图像的特征区域，以及所述特征区域的特征，其中，所述特征区域包括多个区域；
S2，根据所述特征区域的特征确定所述特征区域的颜色类型；
S3，分别统计不同颜色类型的特征区域的区域高度直方图；
S4，根据所述不同颜色类型的区域高度直方图确定所述特征区域中的目标区域，并输出所述目标区域的颜色类型，其中，所述目标区域为车牌或车牌子图所在区域。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种车牌图像处理方法，其特征在于，包括：
提取车牌图像的特征区域，以及所述特征区域的特征，其中，所述特征区域包括多个区域；
根据所述特征区域的特征确定所述特征区域的颜色类型；
分别统计不同颜色类型的特征区域的区域高度直方图；
根据所述不同颜色类型的区域高度直方图确定所述特征区域中的目标区域，并输出所述目标区域的颜色类型，其中，所述目标区域为车牌或车牌子图所在区域。
2.根据权利要求1所述的方法，其特征在于，根据所述不同颜色类型的区域高度直方图确定所述特征区域中的目标区域包括：
分别从所述不同颜色类型的区域高度直方图中统计相邻两个bin的平均值，若所述平均值在第一预设数值范围内，记录所述平均值对应的目标特征区域的高度；
确定所述不同颜色类型的目标特征区域的高度的差值；
若所述差值在第二预设数值范围内，确定所述车牌图像中包含第一颜色类型的特征区域和第二颜色类型的特征区域，且确定所述第一颜色类型的特征区域中高度为[(n1-1)*S,(n1+2)*S]的特征区域以及所述第二颜色类型的特征区域中高度为[(n2-1)*S,(n2+2)*S]的特征区域为所述目标区域，其中，n1为所述第一颜色类型的特征区域的高度索引，n2为所述第二颜色类型的特征区域的高度索引；
若所述差值不在所述第二预设数值范围内且n1＞n2，确定所述车牌图像中仅包含所述第一颜色类型的特征区域，且确定所述第一颜色类型的特征区域中高度为[(n1-1)*S,(n1+2)*S]的特征区域为所述目标区域；
若所述差值不在所述第二预设数值范围内且n1＜n2，确定所述车牌图像中仅包含所述第二颜色类型的特征区域，且确定所述第二种颜色类型的特征区域的高度为[(n2-1)*S,(n2+2)*S]的特征区域为所述目标区域。
3.根据权利要求2所述的方法，其特征在于，在确定所述第一颜色类型的特征区域中高度为[(n1-1)*S,(n1+2)*S]的特征区域以及所述第二颜色类型的特征区域中高度为[(n2-1)*S,(n2+2)*S]的特征区域为所述目标区域之后，所述方法还包括：
对所述车牌图像进行垂直投影和水平投影，其中，若所述车牌图像中的像素点位于所述第一种类型区域内则加1，若所述车牌图像中的像素点位于所述第二种类型区域内则减1；
通过所述垂直投影和所述水平投影中的过零点对所述车牌图像进行划分，得到所述第一颜色类型的特征区域和所述第二颜色类型的特征区域。
4.根据权利要求1所述的方法，其特征在于，分别统计所述不同颜色类型的特征区域的区域高度直方图包括：
设置直方图，其中，所述直方图包括X个bin，移动步长为S，
Figure FDA0002580059720000021
H为所述车牌图像的高度，第n个bin的范围为[n*S，(n+2)*S]，0≤n≤X-1，n为整数；
根据所述不同颜色类型的特征区域的高度与所述移动步长的比值确定所述不同颜色类型的特征区域在所述直方图中的位置，得到所述区域高度直方图。
5.根据权利要求1所述的方法，其特征在于，根据所述特征区域的特征确定所述特征区域的颜色类型包括：
对所述特征区域中的每个区域执行以下操作，其中，正在执行的区域称为当前区域：
确定所述当前区域的灰度和，以及所述当前区域的特征点的灰度和；
将所述当前区域的特征点的灰度和与所述特征点的数量的比值确定为所述当前区域的特征点的第一平均灰度值，以及将所述当前区域的灰度和与所述当前区域的特征点的灰度和之差与所述当前区域的所有像素数量与所述特征点的数量之差的比值确定为所述当前区域的背景的第二平均灰度值；
若所述第一平均灰度值大于所述第二平均灰度值，确定所述当前区域为第一类颜色类型的特征区域；
若所述第一平均灰度值小于或等于所述第二平均灰度值，确定所述当前区域为第二类颜色类型的特征区域。
6.根据权利要求1至5中任一项所述的方法，其特征在于，在分别统计所述不同颜色类型的特征区域的区域高度直方图之前，所述方法还包括：
对不同颜色类型的特征区域去除干扰前景；
对所述不同颜色类型的特征区域去除重叠区域。
7.根据权利要求6所述的方法，其特征在于，对不同颜色类型的特征区域去除干扰前景包括：
去除高度和宽度大于预设阈值的特征区域；
去除高度小于第二预设阈值的特征区域；
去除宽度与高度的比值不符合预设的车牌字符宽高比范围的特征区域；
去除特征点个数占特征区域面积比例小于第三预设阈值的特征区域。
8.一种车牌图像处理装置，其特征在于，包括：
提取模块，用于提取车牌图像的特征区域，以及所述特征区域的特征，其中，所述特征区域包括多个区域；
第一确定模块，用于根据所述特征区域的特征确定所述特征区域的颜色类型；
统计模块，用于分别统计不同颜色类型的特征区域的区域高度直方图；
第二确定模块，用于根据所述不同颜色类型的区域高度直方图确定所述特征区域中的目标区域，并输出所述目标区域的颜色类型，其中，所述目标区域为车牌或车牌子图所在区域。
9.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7中任一项所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7中任一项所述的方法。
CN202010665123.2A 2020-07-10 2020-07-10 一种车牌图像处理方法及装置 Pending CN111898599A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010665123.2A CN111898599A (zh) 2020-07-10 2020-07-10 一种车牌图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010665123.2A CN111898599A (zh) 2020-07-10 2020-07-10 一种车牌图像处理方法及装置

Publications (1)

Publication Number Publication Date
CN111898599A true CN111898599A (zh) 2020-11-06

Family

ID=73192306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010665123.2A Pending CN111898599A (zh) 2020-07-10 2020-07-10 一种车牌图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN111898599A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101866553A (zh) * 2009-04-15 2010-10-20 付丽娜 基于差分和颜色对特征点的车牌定位方法
CN103093181A (zh) * 2011-11-01 2013-05-08 青岛海信网络科技股份有限公司 一种车牌图像定位的方法和装置
CN104834937A (zh) * 2015-04-28 2015-08-12 安徽清新互联信息科技有限公司 一种基于Bayes的车牌颜色判断方法
WO2019201184A1 (zh) * 2018-04-20 2019-10-24 杭州海康威视数字技术股份有限公司 一种车牌增强方法、装置及电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101866553A (zh) * 2009-04-15 2010-10-20 付丽娜 基于差分和颜色对特征点的车牌定位方法
CN103093181A (zh) * 2011-11-01 2013-05-08 青岛海信网络科技股份有限公司 一种车牌图像定位的方法和装置
WO2013063820A1 (zh) * 2011-11-01 2013-05-10 青岛海信网络科技股份有限公司 一种车牌图像定位的方法和装置
CN104834937A (zh) * 2015-04-28 2015-08-12 安徽清新互联信息科技有限公司 一种基于Bayes的车牌颜色判断方法
WO2019201184A1 (zh) * 2018-04-20 2019-10-24 杭州海康威视数字技术股份有限公司 一种车牌增强方法、装置及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
朱春满;房斌;尚赵伟;王翊;: "复杂背景下的多车牌定位技术研究", 公路交通科技, no. 07 *
王夏黎, 周明全, 耿国华: "基于视频检测和颜色的车辆牌照提取方法", 计算机应用与软件, no. 11, 12 November 2005 (2005-11-12) *

Similar Documents

Publication Publication Date Title
US20190188528A1 (en) Text detection method and apparatus, and storage medium
CN110619333B (zh) 一种文本行分割方法、文本行分割装置及电子设备
US8160360B2 (en) Image processing apparatus and method and a non-transitory computer readable medium with computer executable instructions stored thereon for performing an image processing method
JP2008148298A (ja) 画像における異なった内容の領域を識別する方法、画像における異なった内容の領域を識別する装置、および画像における異なった内容の領域を識別するコンピュータ・プログラムを具現するコンピュータ読み取り可能な媒体
CN111368587B (zh) 场景检测方法、装置、终端设备及计算机可读存储介质
CN110490204B (zh) 图像处理方法、图像处理装置及终端
US7308137B2 (en) Method of determining color composition of an image
CN112489142A (zh) 一种颜色识别方法、装置、设备及存储介质
CN104573656B (zh) 一种基于连通区域信息的车牌颜色判断方法
JPS62267889A (ja) 文字読取方式
CN113344803A (zh) 图像调节方法、装置、电子装置和存储介质
CN115564790A (zh) 目标对象检测方法、电子设备及存储介质
CN111898599A (zh) 一种车牌图像处理方法及装置
JP4967045B2 (ja) 背景判別装置、方法及びプログラム
CN116863458A (zh) 车牌识别方法、装置、***及存储介质
CN114821078B (zh) 一种车牌识别方法、装置、电子设备及存储介质
CN113689378B (zh) 试纸带精准定位的判定方法、装置、存储介质及终端
CN114267035A (zh) 一种文档图像处理方法、***、电子设备及可读介质
CN111815689B (zh) 一种半自动化标注方法、设备、介质及装置
CN112785550A (zh) 图像质量值确定方法、装置、存储介质及电子装置
CN109214434A (zh) 一种交通标志检测方法及装置
CN112070081A (zh) 一种基于高清视频的智能化车牌识别方法
CN111724426A (zh) 一种背景建模方法及用于背景建模的相机
CN112822410B (zh) 聚焦方法、装置、电子装置和存储介质
CN111491069B (zh) 一种文档图像的色彩模式自动设定方法

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