一种基于图像处理和投影的车牌定位方法
如式( 6)。
在这个过程中,阈值的选取是根据投影图的图像确定的。因为在投影图中,代表的是每一列或一行的白色像素点的累加。所以当投影图的值较大时,代表该列或者该行的白色像素点较多,从而为车牌区域;当投影图的值较小时,为噪音点,所以必须确定一个阈值将噪音去除。本文之前采用的图像处理方式已将大部分噪音点去除,所以在此先设定好阈值,大于该值的为车牌区域,同时由于车牌本身有长宽比例的特征,一般车牌的比例为22 :7,根据这一特点最终定位。
在车牌定位中,定位方法主要考虑的是对噪声的抗干扰性是否良好,文中初步定位车牌区域是通过颜色模型的转换,利用色度和饱和度的范围大致确定车牌位置。去除了大量的背景噪音,对二次定位的准确性提供了可靠依据。在精确定位中,考虑到车本身存在噪音,例如散热器、车灯等,但由于车牌位置纹理突出,车身噪音相对较小,所以利用移差扫描将车牌位置更加突出,非车牌区域只剩下单独的孤立亮点。在精确定位中采用投影,所以就必须去除孤立亮点。文中采用Matlab工具箱,有效去除了大量的孤立亮点。采用水平投影和垂直投影确定水平和垂直方向的边界,同时利用车牌本身长宽比例的特点最终定位,实验证明,对车牌图片噪音抗干扰性好,定位效果较好。
3. 结束语
本文利用基于颜色和投影的车牌定位方法,分两步将车牌区域确定,通过对320 张分辨率为1 024 %768具有不同背景的汽车图片进行测试,定位成功率达到8*% 以上。实验数据如表1所示。
表1 实验结果
实验表明,该算法有效地实现了车牌图像在受外界环境和复杂背景等多种因素影响的情况下,车牌准确定位的问题,具有实时性和准确性等优点。同时由于二次定位是对处理的车牌图片进行定位,定位时间明显缩短,具有较好的应用前景。
评论