[发明专利]一种车牌定位方法

说明书

技术领域

本发明涉及图像处理技术，特别涉及一种车牌定位方法。

背景技术

随着经济蓬勃发展，推动了交通运输业的大发展，导致机动车辆大幅增加。然而，对机动车辆的智能监管是目前面临的问题之一。机动车辆牌照自动定位技术则是智能交通监管系统的核心问题。该技术在解决交通系统的诸多问题，如车辆收费和管理、车流量检测、违章车辆监控、停车场收费管理以及套牌、假牌车辆辨识等具体问题中存在着广泛的应用，具有巨大的经济价值。随着计算机性能的提高和图像处理技术的发展，车牌定位识别系统已日趋成熟。

目前主流的车牌定位方法主要分为：基于形态学的车牌定位算法与基于机器学习的车牌定位算法。基于形态学的车牌定位算法是根据数字字母的形状来确定车牌位置，虽然具有简单，计算时间短的优点，但其缺点是需要针对不同的场景调整阙值，适应能力和准确率较低；而基于机器学习的车牌定位虽然准确率高，但其需要对大量的样本进行特征分析、计算时间较长并不符合目前实时识别车牌的要求。

因此，需要提供一种能够快速准确识别车牌位置的方法，从而节省计算时间，提高适应能力和准确率。

发明内容

本发明的主要目的在于克服现有技术的缺陷，提供一种快速准确的车牌定位方法。

为达成上述目的，本发明提供了一种车牌定位方法，该方法包括以下步骤：

S10：撷取含有车牌的图像；

S20：通过分别提取该图像中符合车牌颜色的指定颜色特征、水平边缘特征和竖直边缘特征以得到一张包含车牌候选区域的二值图；

S30：对所述车牌候选区域进行膨胀，并通过计算所述车牌候选区域中各连通域的面积，确定面积最大的连通域为车牌区域，所述连通域为由多个连续且像素值为1的像素组成的区域。

优选地，步骤S20包括：

S21：提取该图像中符合车牌颜色的指定颜色特征以得到一张包含指定颜色特征区域的二值图像；

S22：提取该图像中水平边缘特征和竖直边缘特征以得到一张包含边缘特征区域的二值图像；

S23：将上述包含指定颜色特征区域的二值图像和包含边缘特征区域的二值图像进行逻辑与运算，以得到所述包含车牌候选区域的二值图。

优选地，步骤S21包括：将所述含有车牌的图像由RGB格式图像转换到HSV格式图像，提取该图像中符合车牌颜色的指定颜色特征；步骤S22包括：将所述包含车牌的图像转换为灰度图像，利用Sobel算子提取所述水平边缘特征和竖直边缘特征。

优选地，步骤S22还包括对所述边缘特征区域进行膨胀的步骤。

优选地，对所述边缘特征区域进行膨胀的步骤包括：设定长度为P个像素、宽度为Q个像素的矩形，P和Q均为大于等于3的正整数；对所述包含边缘特征区域的二值图像中每一个像素值为1的像素，将以其为中心的该矩形范围内的所有像素的像素值替换为1。

优选地，步骤S30中对所述车牌候选区域进行膨胀包括矩形像素组膨胀和/或形态学膨胀，其中所述矩形像素组膨胀包括：设定长度为M个像素、宽度为N个像素的矩形，M和N均为大于等于3的正整数；对所述包含车牌候选区域的二值图中每一个像素值为1的像素，将以其为中心的该矩形范围内的所有像素的像素值替换为1。

优选地，步骤S30中计算所述车牌候选区域中各连通域的面积的步骤包括：

S31：沿水平方向逐行扫描所述车牌候选区域；

S32：为每一行中像素值为1的像素及其相邻像素值为1的像素标记连通域编号；

S33：计算各所述连通域中像素值为1的像素的个数以得到各所述连通域的面积。

优选地，步骤S32包括：

S321：对于像素值为1的当前像素判断其是否已被标记为属于第1个-第i个中任一个连通域，若是则进行步骤S323，若否则将其标记为属于第i+1个连通域并使得第i+1个连通域中像素值为1的像素个数加1；对于像素值为0的当前像素进行步骤S323；其中i为已标记的连通域的编号最大值；

S322：扫描该当前像素的8个相邻像素，若有K个相邻像素的像素值为1且没有被标记为属于第1个-第i+1个中任一个连通域，将该K个相邻像素标记为属于第i+1个连通域并使得第i+1个连通域中像素值为1的像素个数递增K，其中K为小于等于8的正整数；

S323：选取当前行的下一个像素作为当前像素；

重复上述步骤S321-S323直至该行所有像素扫描完毕。