基于区域划分和霍夫变换的车牌倾斜校正

第３１卷　Ｖｏｌ＿３ｌ　第３期　

Ｎｏ．３　重庆理工大学学报（自然科学）　

Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｏｎｇｑｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ（Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ）　２０１７年３月　

Ｍａｒ．２０１７　

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（Ｚ）．２０１７．０３．０１４　基于区域划分和霍夫变换的车牌倾斜校正　王越，黄龙超，李琴　（重庆理工大学计算机科学与工程学院，重庆４０００５４）　摘　要：针对车牌倾斜会降低字符分割和识别准确率的问题，提出了基于区域划分和霍夫　变换的倾斜校正方法。定位后的车牌在垂直方向根据阈值划分成高度相同的等分域，然后通过　霍夫变换取得所有区域的最大角度值为水平角度值，同样在水平方向从两侧往中间划分等分　域，通过霍夫变换取两侧最大角度值为垂直倾斜角度，对水平倾斜进行双线性插值旋转校正，对　垂直倾斜进行错位偏移校正。通过区域划分的方法，可以有效降低霍夫变换搜索的区域，从而　提高校正速度。实验结果表明：该算法简单、正确率高、鲁棒性好。　关键词：车牌识别；倾斜校正；霍夫变换；区域划分　中图分类号：ＴＰ１８　文献标识码：Ａ　文章编号：１６７４—８４２５（２０１７）ｏ３—００９７—０８　

Ｌｉｃｅｎｓｅ　Ｐｌａｔｅ　Ｔｉｌｔ　Ｃｏｒｒｅｃｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　Ｒｅｇｉｏｎ　Ｐａｒｔｉｔｉｏｎ　ａｎｄ　Ｈｏｕｇｈ　Ｔｒａｎｓｆｏｒｍ　

ＷＡＮＧ　Ｙｕｅ，ＨＵＡＧ　Ｌｏｎｇ—ｃｈａｏ，ＬＩ　Ｑｉｎ　（Ｃｏｌｌｅｇｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，　Ｃｈｏｎｇｑｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ　４０００５４，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｌｉｃｅｎｓｅ　ｐｌａｔｅ　ｔｉｌｔ　ｗｉｌｌ　ｒｅｄｕｃｅ　ｔｈｅ　ａｃｃｕｒａｃｙ　ｏｆ　ｃｈａｒａｃｔｅｒ　ｓｅｇｍｅｎｔａｔｉｏｎ　ａｎｄ　ｒｅｃｏｇｎｉｔｉｏｎ．Ａ　ｌｉｃｅｎｓｅ　ｐｌａｔｅ　ｔｉｌｔ　ｃｏｒｒｅｃｔｉｏｎ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｒｅｇｉｏｎ　ｐａｒｔｉｔｉｏｎ　ａｎｄ　Ｈｏｕｇｈ　ｔｒａｎｓｆｏｒｍ　ｉｓ　ｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，　ｐｏｓｉｔｉｏｎｉｎｇ　ｔｈｅ　ｐｌａｔｅ　ｗａｓ　ｄｉｖｉｄｅｄ　ｉｎｔｏ　ｅｑｕａｌ　ｈｅｉｇｈｔ　ｒｅｇｉｏｎｓ　ａｌｏｎｇ　ｖｅｒｔｉｃａｌ　ｄｉｒｅｃｔｉｏｎ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｒｅｓｈｏｌｄ．Ｔｈｅｎ　ｔｈｒｏｕｇｈ　ｔｈｅ　Ｈｏｕｇｈ　ｔｒａｎｓｆｏｒｍ　ｔｏ　ｏｂｔａｉｎ　ｔｈｅ　ｍａｘｉｍｕｍ　ａｎｇｌｅ　ｏｆ　ａｌｌ　ｒｅｇｉｏｎｓ　ｉｓ　ｔｈｅ　ｈｏｒｉｚｏｎｔａｌ　ａｎｇｌｅ．ｅｑｕａｌｌｙ　ｉｎ　ｔｈｅ　ｈｏｒｉｚｏｎｔａｌ　ｄｉｒｅｃｔｉｏｎ　ｆｒｏｍ　ｂｏｔｈ　ｓｉｄｅｓ　ｔｏ　ｔｈｅ　ｍｉｄｄｌｅ　ｄｉｖｉｓｉｏｎ　ｏｆ　ｔｈｅ　ｓｕｂ—　ｒｅｇｉｏｎｓ，ａｎｄ　ｔｈｅ　ｍａｘｉｍｕｍ　ａｎｇｌｅ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｔｗｏ　ｓｉｄｅｓ　ａｎｄ　ｔｈｅ　ｍｉｄｄｌｅ　ｏｆ　ｔｈｅ　ｈｏｕｇｈ　ｔｒａｎｓｆｏｒｍ　ｉｓ　ｔｈｅ　ｖｅ￣ｉｃａｌ　ｔｉｌｔ　ａｎｇｌｅ．ａｎｄ　ｔｈｅ　ｂｉｌｉｎｅａｒ　ｉｎｔｅｒｐｏｌａｔｉｏｎ　ｒｏｔａｔｉｏｎ　ｃｏｒｒｅｃｔｉｏｎ　ｉｓ　ｃａｒｒｉｅｄ　ｏｕｔ　ｏｎ　ｔｈｅ　ｈｏｒｉｚｏｎｔａｌ　ｉｎｃｌｉｎｅｄ　ａｎｄ　ｔｈｅ　ｖｅｎｉｃａｌ　ｔｉｌｔ　ｃｏｒｒｅｃｔｉｏｎ　ｄｉｓｌｏｃａｔｉｏｎ　ｏｆ　ｔｈｅ　ｏｆｆｓｅｔ．Ｂｙ　ｔｈｅ　ｍｅｔｈｏｄ　ｏｆ　ｒｅｇｉｏｎ　ｄｉｖｉｓｉｏｎ，ｗｅ　

收稿日期：２０１６—１２—３０　作者简介：王越（１９６ｌ一），男，博士，教授，主要从事数据库技术及应用、数据挖掘及其应用、嵌入式系统及应用研究，　

Ｅ—ｍａｉｌ：ｗａｎｇｙｕｅ＠ｃｑｕｔ．ｅｄｕ．ｃｎ；黄龙超（１９９３一），男，硕士研究生，主要从事计算机图像研究。　引用格式：王越，黄龙超，李琴．基于区域划分和霍夫变换的车牌倾斜校正［Ｊ］．重庆理工大学学报（自然科学），２０１７　

（３）：９７—１０４．　Ｃｉｔａｔｉｏｎ　ｆｏｒｍａｔ：ＷＡＮＧ　Ｙｕｅ，ＨＵＡＧ　Ｌｏｎｇ—ｃｈａｏ，ＬＩ　Ｑｉｎ．Ｌｉｃｅｎｓｅ　Ｐｌａｔｅ　Ｔｉｌｔ　Ｃｏｒｒｅｃｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　Ｒｅｇｉｏｎ　Ｐａｒｔｉｔｉｏｎ　ａｎｄ　Ｈｏｕｇｈ　Ｔｒａｎｓｆｏｒｍ『Ｊ１．Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｏｎｇｑｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ（Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ），２０１７（３）：９７—１０４．　９８　重庆理工大学学报　ｃａｎ　ｅｆｆｅｃｔｉｖｅｌｙ　ｒｅｄｕｃｅ　ｔｈｅ　ｓｅａｒｃｈ　ａｒｅａ　ｏｆ　Ｈｏｕｇｈ　ｔｒａｎｓｆｏｒｍ　ａｎｄ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｓｐｅｅｄ　ｏｆ　ｃｏｒｒｅｃｔｉｏｎ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｓｉｍｐｌｅ，ａｎｄ　ｔｈｅ　ａｃｃｕｒａｃｙ　ｉｓ　ｈｉｇｈ　ａｎｄ　ｔｈｅ　ｒｏｂｕｓｔｎｅｓｓ　ｉｓ　ｓｔｒｏｎｇ．　Ｋｅｙ　ｗｏｒｄｓ：ｌｉｃｅｎｓｅ　ｐｌａｔｅ　ｒｅｃｏｇｎｉｔｉｏｎ；ｔｉｌｔ　ｃｏｒｒｅｃｔｉｏｎ；Ｈｏｕｇｈ　ｔｒａｎｓｆｏｒｍ；ｒｅｇｉｏｎ　ｐａｒｔｉｔｉｏｎ　

车牌识别在现代交通中显得越来越重要，被　广泛应用在停车场、机场等车辆频繁出入的场所　中。车牌识别主要由车牌定位、字符校正、字符分　割和字符识别４部分组成。由于车牌字符的倾斜　常常为字符分割和字符识别带来困难，因此在字　符分割之前，通常需要对车牌字符进行倾斜校正。　车牌的倾斜通常是由于拍摄位置和车牌位置　存在一定角度所导致。车牌的倾斜往往会对后续　操作产生影响，因此车牌倾斜校正是字符分割和　识别成功率提高的关键所在。　车牌的倾斜主要有３种：水平方向、垂直方　向、混合方向（水平和垂直方向）。现在主要的倾　斜校正方法有Ｒａｄｏｎ变换法¨　Ｊ、霍夫变换法　（Ｈｏｕｇｈ）　、旋转投影法　、线性拟合法　、Ｋ—Ｌ变　换　Ｊ。这些单一的方法都存在不足。Ｒａｄｏｎ变换　法对边框不敏感，但是计算量大。霍夫变换对边　框敏感，若边框缺失，会造成检测到的角度与正确　的倾斜角度误差很大。旋转投影法通过穷举法，　给定一个角度阈值范围，然后在每个角度进行垂　直方向的旋转，最后统计落在水平方向最少白色　像素点的角度为垂直倾斜角度。虽然该方法倾斜　校正的角度比较准确，但是运算量巨大，花费时间　较长，不满足车牌识别的实时性要求。Ｋ．Ｌ变换　也称为主成分分析法，要求车牌的定位精准，不包　含噪声，并且受二值化效果的影响，因此该方法容　错率低。　针对以上问题，本文提出了基于区域划分和　霍夫变换相结合的方法。该方法主要解决了　Ｈｏｕｇｈ变换对边框的敏感性，并且通过区域划分　和边缘检测算子减少Ｈｏｕｇｈ变换搜索的区域，从　而提高搜索速度。针对Ｈｏｕｇｈ变换对边框的敏感　性，本文算法在实现精确定位的基础上，首先在定　位图像的垂直方向和水平方向的上下增加一个阈　

值高度，可以解决Ｈｏｕｇｈ变换无边框的情况。再　通过边缘检测算子对二值图像进行水平和垂直方　向的边缘检测，然后将经过边缘检测的二值图像　在垂直方向划分成等区域的高度。在水平方向的　区域划分的宽度小于高度。这样通过Ｈｏｕｇｈ变换　检测到最长的直线是有一定角度的倾斜的线条　（车牌边框二值线）。通过Ｈｏｕｇｈ变换得到水平和　垂直方向的角度，先对水平方向进行校正，再在垂　直方向上对每行元素进行错位纠正。　

１图像预处理　定位后车牌的图像预处理是进行车牌倾斜校　正前必不可少的工作，也是提高倾斜校正算法成　功率的关键之一。本文的图像预处理主要由４部　分组成：图像灰度化、图像归一化、图像去噪、图像　边缘检测。　１．１图像灰度化　获取图像一般是彩色图像，由ＲＧＢ彩色元素　构成的三维矩阵。一般可以对彩色图像进行加权　处理来得到灰度图像。本文选择Ｒ、Ｇ、Ｂ的权值　系数分别为：０．２２９、０．５８７和０．１１４＿７］。　１．２图像归一化　由于灰度处理后的图像每个像素点的值在　０～２５５，采取归一化的方法把每个像素点的值变　换到０～１。假设得到的灰度图像为Ａ，其归一化　原理如下：　ｄｅｌｔａ＝１／（ｍａｘ（Ａ）一ｍｉｎ（Ａ））　（１）　Ｂ＝（Ａ—ｍｉｎ（Ａ））￥ｄｅｌｔａ　（２）　式中：ｍａｘ（Ａ）是矩阵Ａ中所有元素最大值；ｍｉｎ　（Ａ）为矩阵Ａ中所有元素的最小值；　是归一化后　的矩阵。　１．３　图像去噪　由于车牌图像存在着图像光照不均匀以及车　王越，等：基于区域划分和霍夫变换的车牌倾斜校正　牌污染、图像模糊等情况，本算法采用非平滑技术　中的中值滤波方法，它能有效消除孤立点，达到去　噪的效果。由于直方图反映了图像的清晰程度，　当直方图分布均匀时，图像达到最清晰，并且该方　法对于背景和前景都太亮或者太暗的图像非常有　用，可以解决光照不均的情况，因此本文在滤波后　采取直方图均衡化方法。　１．４图像边缘检测　由于车牌的边框的内外含有明显的边缘变　化，因此可以明显检测到车牌边框的边缘。现在　常用的边缘检测算子有ｓｏｂｅｌ、ｃａｎｎｙ。本文在车牌　水平方向上选取了ｓｏｂｅｌ算子，在垂直方向上选择　了ｃａｎｎｙ算子。下面以ｓｏｂｅｌ算子为例进行介绍。　Ｓｏｂｅｌ算子的的卷积核：　厂～１　０　１］　ｌ－二　

。０；Ｊ　

ｒ　１　２　１］　＝Ｉ　ｏ　ｏ　ｏ　Ｊ　ｌ

一１　—２　—１ｊ　

式中，Ｇ　和Ｇ　分别代表经横向及纵向边缘检测的　一个卷积模板，Ｇ　可由Ｇ　旋转９０。得到。　分别将式（３）中的卷积核与式（２）中的灰度　矩阵　做卷积：　Ｇ肌＝Ｇｘ：ｌｃ　Ｂ，ＧＢ　＝Ｇ　Ｂ　（４）　对式（３）和式（４）进行运算。令　（口，ｂ）表示图像　在矩阵Ｂ的（ｎ，ｂ）点的灰度值，运算结果如下：　ＧＢｘ＝（一１）　（　一１，Ｙ一１）＋　０　（　，Ｙ一１）＋１　Ｂ（Ｘ＋１，Ｙ一１）＋　（－２）　Ｂ（ｘ一１，Ｙ）＋０　（　，Ｙ）＋　２术　（　＋１，Ｙ）＋（一１）术　（　一１，Ｙ＋１）＋　０　曰（　，Ｙ＋１）＋１；ｌ：８（ｘ＋１，Ｙ＋１）　（５）　Ｇ　＝１￥Ｂ（ｘ一１，Ｙ一１）＋２：Ｉｃ　（　，Ｙ一１）＋　１｛Ｂ（　＋１，Ｙ一１）＋Ｏ；ｌ：　（　一１，Ｙ）＋　０：｝：Ｂ（　，Ｙ）＋０　（　＋１，Ｙ）＋　

（一１）＝ｌ＝Ｂ（ｘ一１，Ｙ＋１）＋　（－２）；ｌ：曰（　，Ｙ＋１）＋　（一１）　曰（　＋１，Ｙ＋１）　（６）　由式（５）和式（６）化简可得：　Ｇｍ＝［Ｂ（　＋１，Ｙ一１）＋２％Ｂ（　＋１，Ｙ）＋　８（ｘ＋１，Ｙ＋１）］一［　（　一１，Ｙ—１）＋　２：ｌ：Ｂ（　一１，Ｙ）＋Ｂ（　一１，Ｙ＋１）］　（７）