车牌定位及倾斜校正方法
基于快速广义Hough变换的倾斜车牌定位
的 夹角 Ｔ ｃ － ， ａ 点到 ｂ 点的长度 ｌ ｌ 、 ０ 点与 ｂ 点之中的 考点 代表轮廓所在位置 ， 在垂直边缘点上任选一
第 ２ ６卷
第 ３期
电 脑 开 发 与 应 用
（ 总０ ２ ３ ９ ） ‘ ７ ７。
点 非 垂 直边 缘点 上 任选 一点 ｂ ， 其 间距 需 大 于 １ Ｏ
中 图分 类号 ： Ｔ Ｐ ３ ９ １ ． ４ １ 文献 标 识 码 ： Ａ
Ｃｏ ｒ ｒ ｅ ｃ ｔ ｉ ｏ ｎ Ｍｅ ｔ ｈ ｏ ｄ ｏ ｆ Ｉ ｎ ｃ ｌ ｉ ｎ ｅ ｄ Ｖｅ ｈ ｉ ｃ ｌ ｅ Ｌｉ ｃ ｅ ｎ ｓ ｅ Ｐｌ ａ ｔ ｅ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｆａ ｓ ｔ Ｇｅ ｎ ｅ ｒ ａ ｌ ｉ ｚ ｅ ｄ Ｈｏ ｕ ｇ ｈ Ｔｒ ａ ｎ ｓ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ
＝
／ 模版特 ／ ｆ 强 ，
样 本 简 化 及 边 缘 点分类
线 性 回 归
皇
ｌ
竺 兰 ｆ
倾斜 角度 参数 缩 放 参 数
Ｃ ＯＳ 吐Ｉ
＝
Ｉ
１
） ‘
㈩
定位
，
ｚ 一 ￣ ／ （ Ｙ ｊ － Ｙ ｋ ） ＋ （
（ 结 束 ）
一
接 着使 用 Ｓ ｏ ｂ ｅ ｌ 算 子 检测 所有 边 缘 ， 并将 所 有 检 测 出的边缘 进行 细线 化处理 。使用 Ｓ ｏ ｂ ｅ ｌ 算子 检测 垂 直 边缘 的运 算遮罩 ， 检 测 出垂 直边 缘 。从而 区分 出输 入 车牌 图像 的垂 直与 非垂 直边缘 点 。
４ ． ２线性 回归
ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ． Ｋｅ ｙ ｗｏ ｒ ｄｓ ： ｉ ｎ ｃ ｌ ｉ ｎ ｅ ｄ ｐ ｌ ａ ｔ ｅ， ｆ ａ ｓ ｔ ｇ ｅ ｎ ｅ ｒ ａ ｌ ｉ ｚ ｅ ｄ Ｈｏ ｕｇ ｈ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ， ｃ ｏ ｏ ｒ ｄ ｉ ｎ ａ ｔ ｅ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｍ ａ ｒ ｔ ｉ ｏ ｎ ’
几种车牌图像倾斜角度矫正算法
几种车牌图像倾斜角度矫正算法在车牌识别领域中，图像的倾斜会对识别效果造成一定影响，因此对车牌图像进行倾斜矫正至关重要。
下面将介绍几种常见的车牌图像倾斜角度矫正算法。
1. 直线检测法直线检测法是一种常见的图像倾斜矫正方法，其基本思路是通过Hough变换检测车牌上的直线，然后根据检测到的直线的斜率来计算车牌的倾斜角度，最后对车牌进行旋转矫正。
使用直线检测法进行倾斜角度矫正的优点是算法简单易懂，适用于各种类型的车牌图像。
但是，由于车牌图像中存在干扰线条等因素，因此直线检测的准确性受到限制。
同时，该方法也存在计算量较大的问题。
2. 边缘检测法边缘检测法是一种常见的图像处理方法，在车牌图像倾斜矫正中也有广泛的应用。
该方法的基本思路是，通过边缘检测算法检测车牌图像的边缘，进而计算出车牌的倾斜角度。
最后对车牌进行旋转变换矫正。
与直线检测法相比，边缘检测法计算量较小，因此运行速度较快。
但是，由于车牌图像中存在噪点等因素，因此该方法的准确性也存在一定的局限。
3. 预处理法预处理法是一种非常有效的车牌图像倾斜矫正方法。
该方法的基本思路是，通过图像预处理算法对车牌图像进行处理，得到车牌上的字符或特征信息，进而计算出车牌的倾斜角度。
最后对车牌进行旋转矫正。
相比于直线检测法和边缘检测法，预处理法更加准确有效。
但是，该方法需要对车牌图像进行预处理，因此算法复杂度较高。
4. 模板匹配法模板匹配法是一种基于模板匹配的车牌图像倾斜矫正方法。
该方法的基本思路是，利用车牌模板进行匹配，找出车牌上的特征区域，进而计算出车牌的倾斜角度。
最后对车牌进行旋转矫正。
由于车牌模板具有良好的特征性，因此该方法对车牌图像的倾斜角度矫正具有很好的效果。
但是，由于模板匹配过程中需要对车牌模板进行匹配，因此算法复杂度较高。
同时，该方法也需要预先准备车牌模板，对通用性存在一定的限制。
结论以上介绍了几种常见的车牌图像倾斜角度矫正方法，每种算法都各有优缺点，应根据实际情况选择合适的算法。
基于Radon变换的倾斜车牌图像角度检测与校正
第 29卷第 2期 2008年 2月微 计 算 机 应 用M ICROC OM P U TER APPL IC A T I ON SVol 129 No 12Feb 12008基于 Radon 变换的倾斜车牌图像角度检测与校正3孙东卫 朱程辉(1新疆轻工职业技术学院 乌鲁木齐 8300212合肥工业大学电气与自动化工程学院合肥 230009)摘要 :倾斜车牌图像的校正对于后续车牌图像的分割与识别具有很大的影响 。
本文提出一种基于 Radon 变换来估计倾斜角 度的方法 ,并对之实行分步校正 ,最后应用数学形态学的方法对图像进行平滑处理 。
关键词 :垂直投影 角度检测 倾斜校正 形态学Skew Angle D etection of the Veh icle L icen se P la te Image andCorrect Ba sed on Radon Tran sforma tion 3SUN Dongwei 1, ZHU Chenghu i 2(1 Xinjiang L ight Indu s trial of Professional Techno l ogy,W ul um u qi830021, China, 2 School ofElectrical and Autom ation Engineering, Hefei University of Techno l ogy, Hefei, 230009, China )Abstract: Correction of the skew vehicle license p late is very substantial to the license p late i m ages segm entation and recognition 1 I n this paper, we p resent a method based on Radon transfo rmation, which can estim ate the skew angle by seeking the fram e of the license p late, and then we also p ropose a method to rectify the traffic p late with tw o step s 1Eventually, the mathem atical mo rpho logic p roce 2 d u res are used to smooth the image 1Keywords:Vertical p rojection, Angle detection, S kew correction, Morphology车牌自动识别系统一般由车牌图像预处理 、车牌定位分割 、字符分割 、车牌识别等几部分组成 ,其中车牌字符定位分割的效果是影响车牌准确识别的关键 。
基于OpenCV的车牌定位和校正方法
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ：Ｏ ｐ ｅ ｎ Ｃ Ｖ； ｖ ｅ ｉｃ ｈ ｌ ｅ ｉ ｌ ｃ ｅ ｎ ｓ ｅ ｐ ｌ ａ ｔ ｅ ； ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ； ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ ； ｃ ｏ ｒ ｒ ｅ ｃ ｔ ｉ ｏ ｎ ； ｔ ｅ ｘ ｔ ｕ ｒ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ； ｃ ｏ ｌ ｏ ｒ ｆ ｅ ａ ｔ ｕ ｒ ｅ
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｌ ｉ ｃ ｅ ｎ ｓ ｅ ｐ ｌ ａ ｔ ｅ ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ｉ ｓ ａ ｎ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｉ ｎ ｔ ｒ ａ ｌ ｉ ％ ｍａ ｎ ａ ｇ ｅ ｍｅ ｎ ｔ ．Ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｃ ｏ ｒ ｒ ｅ ｃ ｉ ｔ ｏ ｎ ｏ ｆ
车牌定位流程图_车牌定位
车牌定位流程图_车牌定位车牌定位方法1.预处理由于光线不足或者反光等诸多因素，有可能造成车牌对比度较差，对接下来的纹理分析产生影响，所以有必要进行图象增强。
图象拉伸是增加图象对比度的一个好方法，但简单的图象拉伸有可能造成拉伸过度，损失了车牌区域的细节。
本文提出的方法是根据原图象对比度采用自适应拉伸的方法，经实验证明能有效增强图象对比度，提高了车牌定位准确率。
灰度拉伸公式如下：p1和p2根据动态范围p做自适应调整。
我们使用的参数是：p>0.8时，p1=p2=0.2;p>0.5时，p1=p2=0.15;其余p1=p2=0;在实验中收到了良好的效果。
图1是原图象，图2是用本文的自适应拉伸法处理后的图象，可以看到图2的对比度增强了，牌照字符的边缘更加清晰，有利于后面的定位处理。
2.车牌定位当我们从远处观察车辆时，判别牌照区域的主要依据是车牌的颜色、亮度和车牌字符的边缘形成的纹理。
所以，充分利用这些信息就成了定位车牌的关键。
2.1粗定位牌照区域区别于其他区域的地方就在于牌照上有字符，这一特征体现在图象的灰度上就是其水平投影具有较好的连续性，不会有大的起伏，体现在纹理信息上就是其垂直边缘的间距较有规律。
本文的车牌定位方法就是基于这两个特征的结合进行的，从而更有效地排除干扰区域，更快速地进行车牌的定位。
1)水平定位首先，我们要找出车牌所在的水平位置。
虽然车牌区域内水平方向有着较大的灰度变化，但由于字符在竖直方向上的灰度有着较好的连续性，在车牌范围内的水平灰度投影不会有很大的起伏，而在车牌之外的上下区域由于车身或背景的关系投影值则明显不同。
同时车牌区域除了在水平方向应有的灰度连续性，还应该具有一定灰度变化频度。
为了统计灰度变化频度，经试验比较，在我们的算法中采用简单快速的水平梯度算子[-11]。
通过二值化水平梯度图提取具有最大梯度的边缘，同时去除了大多数噪声的干扰。
因为成像模糊等原因使提取的有些边缘宽度大1，我们对边缘图象再一次做水平差分计算。
车牌倾斜校正的方法
车牌倾斜校正的方法
车牌要是倾斜了，可有点小麻烦呢。
咱得想办法把它校正过来呀。
有一种简单的办法是利用图像编辑软件。
如果是那种不是特别严重的倾斜，像在电脑上用Photoshop。
你打开有车牌图像的文件后，在菜单里找那个“自由变换”的功能，通常是快捷键Ctrl+T（Windows系统哦）。
这时候图片四周就会出现小方块，你就可以用鼠标拖动这些小方块来调整车牌的角度啦。
就像摆弄小玩具一样，把车牌摆到正正的位置。
不过这个得有点耐心，慢慢调整，可别一下子调过头咯。
还有呀，如果是想通过编程来校正车牌倾斜，那对于懂代码的小伙伴来说也不难。
比如说用Python语言和OpenCV库。
先把车牌图像读进去，然后通过一些算法来检测车牌的边缘。
检测到边缘之后呢，就可以根据边缘的角度来计算出车牌倾斜的角度啦。
再用旋转函数把车牌旋转到正确的角度。
这就像是给车牌做了一场精确的手术，让它“站”得笔直。
不过这对编程小白来说可能有点难，得花点时间去学习那些代码和算法呢。
要是不想这么复杂，还有一些专门的车牌识别软件本身就带有校正功能。
你只要把有倾斜车牌的图像或者视频导入到这个软件里，它就能自动把车牌校正过来，然后识别出车牌号码。
这就像是请了个小助手，它特别聪明，一下子就把问题解决了。
不管用哪种方法，校正车牌倾斜都是为了能更好地识别车牌，或者让车牌看起来更规范。
就像我们整理自己的仪容仪表一样，车牌也得整整齐齐的呢。
所以呀，要是遇到车牌倾斜的情况，别发愁，这么多办法总能找到适合你的那个小妙招。
车牌倾斜校正研究综述
车牌倾斜校正研究综述摘要：作为智能交通系统的核心技术之一，基于机器视觉的车牌识别一直受到广泛的关注。
对车牌图像进行倾斜校正是车牌识别的重要步骤，其目的是解决拍摄角度随机性对识别过程的影响。
该文将现有倾斜校正方法划分为直线检测、投影最值、角点检测、主方向分析四类，首先介绍了它们的研究成果，然后剖析了它们在鲁棒性方面存在不足的原因，展望了下一步的研究方向。
关键词：智能交通车牌识别倾斜校正Abstract：License plate recognition based on machine vision，one of the key technologies of intelligent transportation system，has been paid much attention to. Tilt correction for license plate image plays an important role in license plate recognition and its aim is to weaken the influence of capture angle randomness to recognition process. In this paper，tilt correction methods are divided into four types：line detection，projection maximum or minimum，corner detection and principal orientation analysis. After introducing research achievements of these methods，we analyze the causes of shortages related their robustness and look into the development trends of tilt correction.Key words：Intelligent transportation system license plate recognition tilt correction基于机器视觉的车牌识别是智能交通系统的核心技术之一，可广泛应用于高速公路自助缴费、城市交通监控、违章或犯罪监控以及智能停车场管理等方面，它主要包括图像获取、车牌定位、倾斜校正、字符分隔、字符识别五个部分。
大角度倾斜的车牌识别算法研究
大角度倾斜的车牌识别算法研究随着车辆数量的不断增加，车牌识别技术在交通管理、智能交通系统以及安防领域中的应用日益广泛。
然而，由于实际道路环境的复杂性，车牌在拍摄过程中可能会出现大角度倾斜的情况，导致传统的车牌识别算法无法准确地识别倾斜的车牌。
为了解决这一问题，研究人员开始着手开发适用于大角度倾斜车牌的识别算法。
首先，他们从车牌倾斜角度的测量入手，利用计算机视觉技术对车牌进行倾斜角度的检测和测量。
通过分析车牌图像中的特征点和边缘信息，确定车牌的倾斜角度。
接下来，研究人员开始探索车牌矫正算法。
通过对倾斜车牌图像进行透视变换，将车牌图像转换为水平状态，使得后续的识别算法可以更好地处理车牌字符。
为了提高矫正效果，研究人员利用了图像处理技术，如边缘增强和图像滤波等，对倾斜车牌图像进行预处理，进一步提高了车牌矫正的准确性。
在车牌矫正的基础上，研究人员开始探索车牌字符的分割与识别算法。
由于车牌字符之间可能存在粘连或者遮挡的情况，传统的字符分割算法往往难以准确地将车牌字符分割开来。
为了解决这一问题，研究人员采用了基于深度学习的字符分割算法。
通过构建深度学习模型并进行训练，使得模型可以自动地对车牌图像进行字符分割，从而提高了字符识别的准确性。
最后，研究人员对算法进行了大量的实验和测试。
实验结果表明，基于大角度倾斜车牌的识别算法在车牌识别准确率和鲁棒性方面均取得了较好的效果。
该算法不仅可以应用于交通管理和智能交通系统中，还可以用于安防领域中的车辆追踪和监控。
综上所述，大角度倾斜的车牌识别算法是一项具有重要研究意义的课题。
通过对车牌倾斜角度的测量、车牌矫正算法的优化以及基于深度学习的字符分割与识别算法的应用，可以有效地解决大角度倾斜车牌识别的难题，为实际应用提供了可行的解决方案。
相信在未来的研究中，大角度倾斜车牌识别算法将得到进一步完善和发展。
- 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)。
（）顶 帽操 作后 得到 图像 ｂ
图 １ 形态 学顶 帽操 作
２ 车牌 定位
２１ 车牌 图像 的二值化 ． 本文主要采用 Ｏ Ｓ 二值化方法 ，该方法简单、快速 。 ＴＵ 二值化效果如图 ２所示， 以看 出经过上面所提 出的灰度形 可 态学预处理后 ， 车牌区域可 以很好的显 示在二值 图。 了要 为 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
理 的算 法 中 ， 比较 常 用 的算 法 有 以 下 几 种 ：（） 于 Ｈｏ ｇ １基 ｕｈ 变化法【，利用车牌 的矩形边框具有 比较 明显的直线边缘 ， 】 ｊ
ａ汽 车原 图像 ）
通过边缘提取，再结合 Ｈ ｕ ｈ变换检测 出车牌边框直线来 ｏｇ 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；（） 于边缘和数学 ２基 形 态 学 的 车牌 定位 算 法 『 ｌ 过 腐 蚀 和 膨 胀 以及 由其 组 合 ２ ，通
方 法 的 结 合 ，二 值 化 的 研 究 不 是本 文 的研 究 重 点 ， 详 细叙 不
述。
在车牌校 正方面 ，常用 的方法有 ：（） 于 Ｈｏ ｇ １基 ｕ ｈ变换 算法，寻找车牌边框直线确定车牌水平倾斜角 ５ （） Ｊ ２使用 ； 投影 法【，该方法计 算量较大 ，且对于本文所处理车牌图像 ６ Ｊ
ห้องสมุดไป่ตู้
１ ）通过车牌的高宽比等过滤非车牌区域。
ａ ｎ ｗｉ ｔ ｒｉ ｄｈ ｗｉ ｄ ｍ ａ ｗｉ ｔ ｘ ｄｈ
ｍｉ ｈｉｈ ｎ ｅ ｔ ｈｉ≤ｍ ｅ ｈ ｇｔ ｅ ｘ ａ ｈｉ ｔ ｇ
・４ ５・
Ｍｉ ｏｏ ｕｅＡｐ ｌ ａ ｏｓ ｏ ６Ｎ ． ２ １ ｃ ｃｍｐ ｔｒ ｐｉ ｔ ｎ Ｌ ， ｏ ， ００ ｒ ｃｉ Ｖ ２ ４
技术 交
微 型 电脑 应 用
２ １ 第 ２ 卷 第 ４期 ００年 ６
２２ 车牌 图像的定位 ｌ 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找到真 正 的车 牌 区 域 。 ２２１ 车牌候选区域 ．．
Ｍｉｒ ｃ ｍｐ ｔｒ ｐ ｌ ａｉｎ ｏ． ６ Ｎ ． ２ １ ｃ ｏ ｏ ｕ ｅ Ａ ｐｉ ｔ ｓ １２ ， ｏ ， ０ ０ ｃ ｏ Ｖ ４
文 章编 号 ： １０ ．５Ｘ（０ ０４０ ４ —３ ０ ７７ ７ ２ １）．０ ５０
技 术交 流
微 型 电脑 应 用
２１ ０ ０年第 ２ 卷 第 ４ ６ 期
车牌定位及倾斜校 正方法
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 （ ｐｈ ｔ 强 车 牌 区域 ， ｔ ．ａ）增 ｏ 使 其 能在 二值 图 中 突 出显 示 ， 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 然 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 ， 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 ， 进 行 图像 的像 素 垂 再 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 。 关键 词 ： 车牌 定位 ；倾 斜 校 正 ；顶 帽操 作 ； 连通 元 中 图分 类 号 ： Ｔ ３ １ Ｐ ９ 文 献标 志码 ：Ａ
（ｏ．ａ）减 少 背景 信 息 。 ｔｐｈ ｔ
（ 未 经 形态学 预处 理二值 化 图 ａ ）
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 。
（） 经 形态 学预 处理 后二值 化 图 ｂ 图 ２ 汽车 图像 的二值 化 作 者简 介 ： 谊 （ ９ ６ ） 男 ， 西人 ， 姜 １８．， 江 上海 交通 大学 图像 处理与 模 式识别 研究 所 ， 士研 究生 ， 硕 研究 方 向为 图像 处 理 与模 式识 别 ， 上海 严 京旗 （ ９ ５ ） １ ７ ． ，男 ， 浙江 人 一 ｔ 交通 大学 图像 处理与 模式 识别 研究 所 ， 教授 ，博士 ，研 究方 向为 图像 图形处 理，上海 海 副 ２ ０４ ０ ２０ ２ ０４ ０２ ０
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 。 了水平校正外 ， 除 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
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 ，另一类是基于彩色 图像 的车牌定位 。 灰 度 图像 数 据 量 小 ，处 理 迅速 简 单 ， 于车 牌 的灰 度 图像 处 对