[发明专利]基于彩色跳变点和颜色密度的车牌定位方法

权利要求书

1.一种基于彩色跳变点和颜色密度来定位车牌的方法，其特征在于，具体步骤如下：

步骤1：将车牌图像用双线性插值法缩小到原图片的0.2倍，用I表示缩放后的车牌图像，

步骤2：将缩放后的彩色车牌图片红绿蓝RGB颜色空间转化到HSV颜色空间，H、S、V分别代表颜色的色调Hue、饱和度Saturation和亮度Value，在HSV空间中依据颜色间距离计算公式，计算图片中每一像素到八种基准颜色蓝、黄、白、黑、绿、青、红、洋红的距离d，所述的八种基准颜色在HSV空间的坐标分别为(240，1，1)、(60，1，1)、(0，0，1)、(0，0，0)、(120，1，1)、(180，1，1)、(0，1，1)、(300，1，1)，所述的颜色间距离计算公式为：

d＝[(v₁-v₂)²+(s₁*cosh₁-s₂*cosh₂)²+(s₁*sinh₁-s₂*sinh₂)²]^1/2

对彩色车牌图片的颜色进行分类，以最小距离d所对应的颜色作为该像素点分类后的颜色，其中v₁、v₂分别表示两像素在HSV空间中亮度Value分量值，s₁、s₂分别表示两像素在HSV空间中饱和度Saturation分量值，h₁，h₂分别表示两像素在HSV空间中色调Hue分量值，用I8表示颜色分类后的车牌图像，并用一个和车牌图像I8长度和宽度一样的矩阵N8来存储车牌图像I8中的颜色信息，数值从1到8分别代表蓝、黄、白、黑、绿、青、红、洋红，

步骤3：颜色分类后的车牌图像I8进行彩色二值化，分别将可能成为车牌底色的黑、白、蓝、黄四种颜色置为前景白色即赋值为1，再分别将剩余的七种颜色置为黑色即赋值为0，得到四幅二值图片，分别称这四幅图片为黑色二值图、白色二值图、蓝色二值图、黄色二值图，

步骤4：将二值图片中的白色像素个数大于给定阈值500的二值图片作为可能存在车牌的二值图片，如果黑色二值图满足其中白色像素个数大于给定阈值500这个条件，则转入步骤5.1，如果白色二值图满足其中白色像素个数大于给定阈值500这个条件，则转入步骤5.2，如果蓝色二值图满足其中白色像素个数大于给定阈值500这个条件，则转入步骤5.3，如果黄色二值图满足其中白色像素个数大于给定阈值500这个条件，则转入步骤5.4，

步骤5：

步骤5.1：如果相邻元素中的一个元素为黑色且另一个元素为白色，则以前一元素为1个黑白跳变点，

对矩阵N8进行从上往下的逐行搜索，同时统计当前搜索所在行的黑白跳变点的个数，直到第一次出现当前搜索所在行的黑白跳变点的个数大于给定阈值14个时，停止搜索并将第一次出现黑白跳变点的个数大于给定阈值14个的当前搜索所在行设定为初定位车牌图像I8的上边界，同时令h1为所述当前搜索所在行的行序号；对矩阵N8进行从下往上的逐行搜索，同时统计当前搜索所在行的黑白跳变点的个数，直到第一次出现当前搜索所在行的黑白跳变点的个数大于给定阈值14个时，停止搜索并将第一次出现黑白跳变点的个数大于给定阈值14个的当前搜索所在行设定为初定位车牌图像I8的下边界，同时令h2为所述当前搜索所在行的行序号，在h1行和h2行之间从左往右逐列搜索黑点，设定当前搜索中最先发现的黑点所在的列为初定位车牌图像I8的左边界w1；再在h1行和h2行之间从右往左逐列搜索黑点，设定当前搜索中最先发现的黑点所在的列为初定位车牌图像I8的右边界w2，得到由上边界h1、下边界h2、左边界w1及右边界w2在黑色二值图中围合而成的初定位车牌二值图，转入步骤6，

步骤5.2：如果相邻元素中的一个元素为白色且另一个元素为黑色，则以前一元素为1个白黑跳变点，

对矩阵N8进行从上往下的逐行搜索，同时统计当前搜索所在行的白黑跳变点的个数，直到第一次出现当前搜索所在行的白黑跳变点的个数大于给定阈值14个时，停止搜索并将第一次出现白黑跳变点的个数大于给定阈值14个的当前搜索所在行设定为初定位车牌图像I8的上边界，同时令h1为所述当前搜索所在行的行序号；对矩阵N8进行从下往上的逐行搜索，同时统计当前搜索所在行的白黑跳变点的个数，直到第一次出现当前搜索所在行的白黑跳变点的个数大于给定阈值14个时，停止搜索并将第一次出现白黑跳变点的个数大于给定阈值14个的当前搜索所在行设定为初定位车牌图像I8的下边界，同时令h2为所述当前搜索所在行的行序号，在h1行和h2行之间从左往右逐列搜索白点，设定当前搜索中最先发现的白点所在的列为初定位车牌图像I8的左边界w1；再在h1行和h2行之间从右往左逐列搜索白点，设定当前搜索中最先发现的白点所在的列为初定位车牌图像I8的右边界w2，得到由上边界h1、下边界h2、左边界w1及右边界w2在白色二值图中围合而成的初定位车牌二值图，转入步骤6，

步骤5.3：如果相邻元素中的一个元素为蓝色且另一个元素为白色，则以前一元素为1个蓝白跳变点，

对矩阵N8进行从上往下的逐行搜索，同时统计当前搜索所在行的蓝白跳变点的个数，直到第一次出现当前搜索所在行的蓝白跳变点的个数大于给定阈值14个时，停止搜索并将第一次出现蓝白跳变点的个数大于给定阈值14个的当前搜索所在行设定为初定位车牌图像I8的上边界，同时令h1为所述当前搜索所在行的行序号；对矩阵N8进行从下往上的逐行搜索，同时统计当前搜索所在行的蓝白跳变点的个数，直到第一次出现当前搜索所在行的蓝白跳变点的个数大于给定阈值14个时，停止搜索并将第一次出现蓝白跳变点的个数大于给定阈值14个的当前搜索所在行设定为初定位车牌图像I8的下边界，同时令h2为所述当前搜索所在行的行序号，在h1行和h2行之间从左往右逐列搜索蓝点，设定当前搜索中最先发现的蓝点所在的列为初定位车牌图像I8的左边界w1；再在h1行和h2行之间从右往左逐列搜索蓝点，设定当前搜索中最先发现的蓝点所在的列为初定位车牌图像I8的右边界w2，得到由上边界h1、下边界h2、左边界w1及右边界w2在蓝色二值图中围合而成的初定位车牌二值图，转入步骤6，

步骤5.4：如果相邻元素中的一个元素为黄色且另一个元素为黑色，则以前一元素为1个黄黑跳变点，

对矩阵N8进行从上往下的逐行搜索，同时统计当前搜索所在行的黄黑跳变点的个数，直到第一次出现当前搜索所在行的黄黑跳变点的个数大于给定阈值14个时，停止搜索并将第一次出现黄黑跳变点的个数大于给定阈值14个的当前搜索所在行设定为初定位车牌图像I8的上边界，同时令h1为所述当前搜索所在行的行序号；对矩阵N8进行从下往上的逐行搜索，同时统计当前搜索所在行的黄黑跳变点的个数，直到第一次出现当前搜索所在行的黄黑跳变点的个数大于给定阈值14个时，停止搜索并将第一次出现黄黑跳变点的个数大于给定阈值14个的当前搜索所在行设定为初定位车牌图像I8的下边界，同时令h2为所述当前搜索所在行的行序号，在h1行和h2行之间从左往右逐列搜索黄点，设定当前搜索中最先发现的黄点所在的列为初定位车牌图像I8的左边界w1；再在h1行和h2行之间从右往左逐列搜索黄点，设定当前搜索中最先发现的黄点所在的列为初定位车牌图像I8的右边界w2，得到由上边界h1、下边界h2、左边界w1及右边界w2在黄色二值图中围合而成的初定位车牌二值图，转入步骤6，

步骤6：标记出二值图中所有的白色像素点的四连通域，四连通域指的是1个白色像素点或连续且不间断排列的1以上的白色像素点，对每一个四连通域进行判定，当该四连通域所包含的像素个数小于阈值12、四连通域的宽度小于阈值5或四连通域的长度小于阈值5时，将该四连通域中的像素置为黑色，所述的四连通域的宽度指该区域中像素列坐标的最大差值，四连通域的长度指该区域中像素行坐标的最大差值，

步骤7：

步骤7.1：分别寻找二值图中最上方、最下方、最左边和最右边的白点，将它们所在的行或列分别作为新的车牌图像上边界、下边界、左边界和右边界，统计由以上边界围合而成区域内所有白点的个数colorsum，计算该范围内的颜色密度colord，颜色密度colord的值为所有白点的个数colorsum除以总像素个数，转入步骤7.

步骤7.2：当颜色密度大于0.7或小于0.4时，计算所有白色像素点坐标的平均值，将该平均值赋给P点，标记出二值图中所有的白色像素点的四连通域，计算所有四连通域到P点的距离，四连通区域到P点的距离为该四连通域中与P点距离最近的像素点到P点的距离，将距离P点最远的四连通域中的像素置为黑色，转入步骤7.1，当颜色密度大于0.4并且小于0.7时停止操作，将由最终得到的车牌图像边界而确定的车牌图像输出。