[发明专利]一种基于模糊退化模型的车牌二值化方法

说明书

技术领域

本发明涉及图像处理领域，特别涉及一种基于模糊退化模型的车牌二值化方法。

背景技术

车牌识别是图像处理与模式识别技术在现代智能交通中的一个很成功应用。通过摄像头采集到的图像或视频，应用图像处理与分析技术将车牌区域从图像中定位出来，再将车牌图像分割为一个个单独的车牌字符图像，最后应用模式识别技术识别每个单独的字符图像，从而拼合在一起得到最终的车牌结果。

二值化是车牌识别系统中图像预处理步骤里的关键一步，二值化的效果直接影响到车牌字符分割的精确性和字符识别的识别率。但是由于车牌图像拍摄环境的多变，我们实际采集到的车牌图像在清晰度、亮度和对比度等方面都存在着差异。这就给传统的采用固定阈值二值化来进行车牌图像预处理的方法带来了困难。

现有的车牌二值化算法大多都是基于阈值的方法来对车牌进行二值化，针对于阈值的计算，有的采用局部阈值，有的采用全局阈值，对应产生了局部二值化算法和全局二值化算法，但是由于车牌图像的特殊性，一些光照不均，曝光过度，污损车牌在应用上面两种方法时，效果都不理想。

在实际应用中还有一个棘手的难题就是字符之间的粘连问题，在低像素摄像头采集到的图像样本中，图像分辨率低，导致图像中很多细节都是靠像素之间的插值来模拟生成，这样的情况表现在车牌图像上就会让车牌字符之间形成连结，无法进一步将字符与字符很好的分离，对后面的字符识别造成困难。

发明内容

本发明的目的在于提供一种基于模糊退化模型的车牌二值化方法，能够有效的将车牌字符进行分离，便于后续车牌字符识别。

为实现上述目的，本发明采用以下技术方案：

一种基于模糊退化模型的车牌二值化方法，包括以下步骤：

S1、初步二值化，对原车牌图像进行初步二值化，获得二值车牌图像；

S2、骨架细化，对步骤S1中得到的二值车牌图像进行连通区域细化，获得车牌骨架图像；

S3、字符中心骨架提取，对步骤S2中得到的车牌骨架图像上的每个骨架点，判断其是否属于车牌字符上的点，若是，则予以保留，若否，则予以删除，从而获得车牌字符骨架图像；

S4、字符中心颜色提取，根据步骤S3中得到的车牌字符骨架图像上的每个骨架点，在原车牌图像上提取对应点的颜色值，从而获得字符中心颜色值；

S5、获取车牌图像二值化阈值，根据步骤S4得到的字符中心颜色值，建立模糊退化模型，计算得到车牌图像二值化阈值；

S6、最终二值化，基于步骤S5得到的车牌图像二值化阈值，对原车牌图像进行二值化。

优选地，在步骤S1中，所述初步二值化采用Ostu二值化算法。

优选地，所述步骤S2包括以下分步骤：

S21、对于单个像素点，定义其上、下、左、右4个像素点的集合为该像素点的4-邻域，定义其上、下、左、右4个像素点及其对角线方向上的4个像素点的集合为该像素点的8-邻域，对于前景中的每一个像素点p，定义交叉点数为点p的4-邻域中灰度值满足下面条件的像素点的总个数，

g(P_k)-g(P_k-1)＝1，

其中，P_k代表第k个像素点，g(P_k)为第k个像素点的灰度值，0≤k≤7，且运算时像素点p的下标模8；

S22、对二值车牌图像上的每个像素点，根据4-邻域的灰度值、8-邻域的灰度值以及交叉点数，对其进行保留或删除，最终获得车牌骨架图像。

优选地，所述步骤S3通过以下分步骤实现：

S31、对于步骤S2中得到的车牌骨架图像上的每个骨架点，判断其8-邻域内灰度值为1的像素点数量，若等于1或大于等于3，则对其予以保留，否则执行步骤S32-S34；

S32、根据该像素点与周围像素点的位置关系，判断该像素点所在线条的线条类型，所述线条类型包括竖直线、水平线及倾斜线；

S33、在从该像素点出发，在二值车牌图像上，沿着线条类型的垂直方向向两侧进行搜索，直到遇到黑色像素点为止，两侧搜索的步长之和作为该像素点处原字符的笔画宽度；

S34、若该像素点处原字符的笔画宽度在车牌字符的正常笔画宽度范围内，则判定该像素点属于车牌字符上的点并予以保留，否则予以删除；

S35、遍历车牌骨架图像上的所有骨架点，最终获得车牌字符骨架图像。

优选地，所述步骤S4还包括将获得的字符中心颜色值保存在数组C中。

优选地，所述步骤S5包括以下分步骤：