复杂背景车牌定位

由于车牌号码多为垂直数字，而车身引入的干扰在水平方向，进行垂直边缘检测，即可去除水平方向上颜色区别较大的干扰。该算法核心之处在于利用了车牌号码与车身干扰正好垂直的特点，仅在垂直方向检测边缘，而对水平的边缘则不予理会。垂直边缘检测，可用 roberts 算子、 sobel 算子、 prewitt 算子，但这些算子在这里使用效果都不好。于是作者 [1] 提出了采用改进后的边缘检测算子，其实也很简单，实现起来也不复杂，但效果却比较理想的，从图中就可以看出来。算法流程如下， 我这里在原文的基础上加入了中值滤波与闭运算，并采用自适应直方图均衡处理，才能达到下面的效果。算法流程如下

 

    这是改进后的边缘检测算子，其中d为字符的像素宽度，我这里设为2。

得到二值图后，就能看到车牌的区域轮廓了，这时通过扫描即可得到车牌的具体位置。剩下的就是字符识别工作了。

今天看在文章上看到这个算法，那么简单却能剔除背景定位车牌，有点不可思议，按照作者的方法写程序试了一下，效果还是挺不错的，不过仅对这幅图有效，对其他的图片是没有效果的。在这里也要感谢作者能提出这种方法，这样的思路对于强干扰背景下的特征定位也是很有价值的。这里给出matlab代码，具体定位与识别方法见参考[1]，车牌图片也是从原文中复制过来的。

 

view plain copy to clipboard print ?

1. f=imread('CAR1.JPG');%f为原图  
2. I1=rgb2gray(f);%I1灰度图  
3. I2=histeq(I1);%I2进行直方图均衡化后的图  
4. %下面进行边缘检测，用改进的roberts算法  
5. %g(i,j)=sqrt( (f(i,j)-f(i-d,j))^2 + (f(i+d,j)-f(i,j))^2 )  
6. % d设为车牌字符像素宽度  
7. % ------------------------edge-----------------------------  
8. [M, N]=size(I2);  
9. I3=zeros(M,N);  
10. I2=double(I2);   
11. I3=double(I3);  
12. d=2;  
13. for i=1:M  
14.     for j=1:N-d  
15.         if(j<=d)  
16.             %I3(i,j)=sqrt( (I2(i,j)-0)^2+(I2(i,j+d)-I2(i,j))^2 );  
17.             I3(i,j)=0;  
18.         else  
19.             I3(i,j)=sqrt( (I2(i,j)-I2(i,j-d))^2+(I2(i,j+d)-I2(i,j))^2 );  
20.         end  
21.     end  
22. end  
23. %进行归一化处理，防止处理后数据超过255  
24. maxI3 = max(max(I3));  
25. for i=1:M  
26.     for j=1:N  
27.        I3(i,j)=I3(i,j)*255/maxI3;  
28.     end  
29. end  
30. I2=uint8(I2);  
31. I3=uint8(I3);%I3为边缘检测后的图  
32. % ------------------------edge-----------------------------  
33. I3=medfilt2(I3,[3,3]);%对I3进行中值滤波  
34. %I4为自适应直方图均衡化  
35. t4=graythresh(I3);  
36. I4=im2bw(I3,t4);  
37. I4=1-I4;%I4取反色  
38. se4=strel('rectangle',[5,5]);  
39. I5=imclose(I4,se4);%I5为闭运算后的图  
40. %-------------------find the boundary---------------------  
41. By1=255-zeros(N,1);%垂直上边界  
42. By2=zeros(N,1);%垂直下边界  
43. Bx1=255-zeros(M,1);%水平左边界  
44. Bx2=zeros(M,1);%水平右边界  
45. for i=2:M-1  
46.     for j=2:N-1  
47.         if( (I5(i-1,j)==1)&&(I5(i,j)==1)&&(I5(i+1,j)==0) )% h up  
48.             By1(j)=i;  
49.         end  
50.         if( (I5(i-1,j)==0)&&(I5(i,j)==0)&&(I5(i+1,j)==1) )% h down  
51.             By2(j)=i;  
52.         end  
53.         if( (I5(i,j)==1)&&(I5(i,j+1)==0) )% v left  
54.             Bx1(i)=j;  
55.         end  
56.         if( (I5(i,j)==0)&&(I5(i,j+1)==1) )% v right  
57.             Bx2(i)=j;  
58.         end  
59.     end  
60. end  
61. min(By1);%车牌上边界  
62. max(By2);%车牌下边界  
63. min(Bx1);%车牌左边界  
64. max(Bx2);%车牌右边界  
65. I6 = zeros( (max(By2)-min(By1)), (max(Bx2)-min(Bx1)) );%存放车牌  
66. for i=min(By1):max(By2)  
67.     for j=min(Bx1):max(Bx2)  
68.         I6(i-min(By1)+1,j-min(Bx1)+1) = I2(i,j);  
69.     end  
70. end  
71. I6=uint8(I6);%I6为车牌图像  
72. figure(1);  
73. subplot(331);imshow(f);title('original');   
74. subplot(332);imshow(I1);title('gray');   
75. subplot(333);imshow(I2);title('histeq');   
76. subplot(334);imshow(I3);title('Edge+medfilt');   
77. subplot(335);imshow(I4);title('2ValueImg');  
78. subplot(336);imshow(I5);title('close');  
79. subplot(337);imshow(I1);title('position');rectangle('Position',[min(Bx1),min(By1),max(Bx2)-min(Bx1),max(By2)-min(By1)],'EdgeColor',[1,0,0]);   
80. subplot(338);imshow(I6);title('car');  

f=imread('CAR1.JPG');%f为原图 I1=rgb2gray(f);%I1灰度图 I2=histeq(I1);%I2进行直方图均衡化后的图 %下面进行边缘检测，用改进的roberts算法 %g(i,j)=sqrt( (f(i,j)-f(i-d,j))^2 + (f(i+d,j)-f(i,j))^2 ) % d设为车牌字符像素宽度 % ------------------------edge----------------------------- [M, N]=size(I2); I3=zeros(M,N); I2=double(I2); I3=double(I3); d=2; for i=1:M for j=1:N-d if(j<=d) %I3(i,j)=sqrt( (I2(i,j)-0)^2+(I2(i,j+d)-I2(i,j))^2 ); I3(i,j)=0; else I3(i,j)=sqrt( (I2(i,j)-I2(i,j-d))^2+(I2(i,j+d)-I2(i,j))^2 ); end end end %进行归一化处理，防止处理后数据超过255 maxI3 = max(max(I3)); for i=1:M for j=1:N I3(i,j)=I3(i,j)*255/maxI3; end end I2=uint8(I2); I3=uint8(I3);%I3为边缘检测后的图 % ------------------------edge----------------------------- I3=medfilt2(I3,[3,3]);%对I3进行中值滤波 %I4为自适应直方图均衡化 t4=graythresh(I3); I4=im2bw(I3,t4); I4=1-I4;%I4取反色 se4=strel('rectangle',[5,5]); I5=imclose(I4,se4);%I5为闭运算后的图 %-------------------find the boundary--------------------- By1=255-zeros(N,1);%垂直上边界 By2=zeros(N,1);%垂直下边界 Bx1=255-zeros(M,1);%水平左边界 Bx2=zeros(M,1);%水平右边界 for i=2:M-1 for j=2:N-1 if( (I5(i-1,j)==1)&&(I5(i,j)==1)&&(I5(i+1,j)==0) )% h up By1(j)=i; end if( (I5(i-1,j)==0)&&(I5(i,j)==0)&&(I5(i+1,j)==1) )% h down By2(j)=i; end if( (I5(i,j)==1)&&(I5(i,j+1)==0) )% v left Bx1(i)=j; end if( (I5(i,j)==0)&&(I5(i,j+1)==1) )% v right Bx2(i)=j; end end end min(By1);%车牌上边界 max(By2);%车牌下边界 min(Bx1);%车牌左边界 max(Bx2);%车牌右边界 I6 = zeros( (max(By2)-min(By1)), (max(Bx2)-min(Bx1)) );%存放车牌 for i=min(By1):max(By2) for j=min(Bx1):max(Bx2) I6(i-min(By1)+1,j-min(Bx1)+1) = I2(i,j); end end I6=uint8(I6);%I6为车牌图像 figure(1); subplot(331);imshow(f);title('original'); subplot(332);imshow(I1);title('gray'); subplot(333);imshow(I2);title('histeq'); subplot(334);imshow(I3);title('Edge+medfilt'); subplot(335);imshow(I4);title('2ValueImg'); subplot(336);imshow(I5);title('close'); subplot(337);imshow(I1);title('position');rectangle('Position',[min(Bx1),min(By1),max(Bx2)-min(Bx1),max(By2)-min(By1)],'EdgeColor',[1,0,0]); subplot(338);imshow(I6);title('car');

 

参考：

[1]周开军,陈三宝,徐江陵.复杂背景下的车牌定位和字符分割研究.计算机工程,2007.33（4）:198-200.

 

 

 

 

分享到：

上一篇：SendMessage()两程序通信与MFC手动添加用户需要的新消息及其反汇编注解

下一篇：Windows编程使用__declspec(dllimport)的意义