一種車牌字符切割方法與流程

2024-01-22 17:11:15 4

本發明屬於智能交通技術領域，具體是一種在車牌圖像預處理之後的基於投影的單行車牌字符切割的車牌字符切割方法。

背景技術：

車牌字符切割是車牌識別系統重的重要環節，字符切割的準確率直接決定車牌字符識別的準確率。垂直投影法是解決車牌字符切割問題的一種方法，該方法主要用到了車牌二值化圖像的水平以及垂直投影直方圖，根據直方圖中的波峰波谷的變換規律確定每個字符的邊界。該方法的缺點是無法直接處理字符粘連、字符斷裂、錯誤字符等情況，用於切割清晰度不高或是汙漬較多的車牌效果較差。

為了改善車牌字符切割的準確度，國內許多學者提出了改進的基於投影的車牌字符切割方法，與本發明最為相近的方案包括：冉令峰(基於垂直投影的車牌字符切割方法[J].通信技術,2012,45(04):89-91)首先通過垂直投影切割法得到所有可能的字符，然後根據獲得的字符個數，判斷是否存在字符粘連或是字符斷裂的情況，如果字符數小於7，則認為存在字符粘連的情況，然後找到該粘連字符投影值最小的區域進行字符切割，如果字符數大於7，則認為切割結果存在字符斷裂情況，通過合併中心點距離最小且中心點距離小於先驗字符寬度的字符對，解決字符斷裂問題。該方法的不足之處是：(1)該方法沒有給出車牌上下邊界精確定位的方法，直接進行車牌切割會受到車牌邊框的幹擾，導致切割結果不準確；(2)該方法在沒有進行錯誤字符的篩選前提下，直接根據字符數判斷是否存在字符粘連或是斷裂是不可靠的；(3)該方法根據粘連字符區域中的最小投影點進行粘連字符的切割是不準確的，因為粘連區域不一定就是投影值最小的區域，同時部分字符也存在投影值較小的區域，如「H」；(4)該方法通過將距離較近的字符對進行合併解決字符斷裂問題，沒有考慮車牌可能存在汙漬的情況，會造成斷裂字符、「1」與邊框、汙漬錯誤合併的情況。路敬禕等(基於改進的連通域算法與垂直投影相結合的車牌字符分割[J].模式識別與仿真,2015,34(12):93-97)首先通過分析車牌二值化圖像的行黑白跳變數以及行像素值進行車牌水平切割，精確定位車牌上下邊界，然後利用連通域算法進行車牌字符的粗略定位，利用垂直投影法進行車牌字符的精確定位，同時對可能出現的字符粘連和字符斷裂情況給出了解決方案，與本發明的不同之處在於：(1)該方法的水平切割方法是對整個車牌二值化圖像進行分析，而本發明的水平切割方法是以車牌二值化圖像的中心區域為感興趣的區域進行分析，避免了邊框幹擾，同時本發明還進行了車牌上下邊界的二次定位，字符區域的定位更加準確；(2)該方法沒有給出錯誤字符篩選的方案；(3)該方法根據粘連字符的投影值結合計算得到的字符標準寬度進行粘連字符切割；(4)該方法通過試探合併法進行斷裂字符修復，如果合併後字符寬度滿足要求，則保留合併結果，沒有進行錯誤字符的篩選，會出現字符與汙漬、邊框錯誤合併的情況。陳濤等(基於投影和固有特徵的車牌字符分割方法[J].計算機技術與發展,2009,19(5):45-47)首先通過黑白跳變法進行定位車牌上下邊界的定位，然後根據車牌的固有特徵，估算出第三個字符左邊界的大概位置，進而根據車牌的垂直投影信息將該位置右邊的字符切割出來，並對切割出來的字符集進行字符篩選、粘連字符的分割、斷裂字符的合併，從而得到車牌後5個字符，然後根據後5個字符估算出字符的標準寬度，用於前兩個字符定位。與本發明的不同之處在於：(1)該方法的水平切割方法只是基於黑白跳變法，而本發明的水平切割方法是以圖像中心區域為感興趣區域，結合黑白跳變法和投影值閾值法進行分析的，同時還進行了上下邊框的二次定位；(2)該方法取車牌寬度的一定比例長度作為字符先驗寬度，同時第三個字符左邊界也是按照車牌寬度的一定比例進行估算，如果車牌定位不準確，則字符先驗寬度和字符位置估算誤差較大，直接影響字符切割的準確度；(3)該方法通過找到粘連字符區域中兩個最大投影點中間的最小投影點作為切割點，進行粘連字符的切割，對於特殊的字符會存在誤切情況；(4)該方法處理斷裂字符的方法是，通過將寬度過小，間距過小的字符對進行合併，如果合併後的字符滿足字符寬度要求，則進行保留，會出現字符與汙漬、邊框錯誤合併的情況。發明專利(申請號：201110454129.6，名稱：一種車牌字符分割的方法)首先通過逐行逐列分析投影值，找到車牌的上下左右邊框，進行車牌精確定位，然後根據像素點間距逐行進行像素點聚類，確定所有可能字符，並去除高度過小的字符，對於超過設定的寬度閾值的粘連字符，根據字符區域投影值最小點進行粘連字符切割，如果字符集數量大於7，則選取字符集方差最小的7個字符作為正確的字符，最後對寬度過大的字符進行位置調整，與本發明的不同之處在於：(1)該方法的水平切割方法是基於投影值閾值法；(2)該方法通過像素點聚類的方法確定可能字符；(3)該方法根據粘連字符區域的投影值最小點進行字符切割，會造成誤切割的情況；(4)該方法通過找到方差最小的字符集進行字符篩選，可靠性不高；(5)該方法沒有給出斷裂字符的處理方案。發明專利(申請號：201510459955.8，名稱：一種車牌字符分割的方法及裝置)首先採用垂直投影法進行字符粗定位，然後對大於預設寬高比閾值的粘連字符進行二次切割，切割方法為首先對粘連字符區域進行二值化、腐蝕操作，然後使用垂直投影法進行切割，同時該方法還給出了解決斷裂字符的方案，即首先找出所有小於一定寬高比閾值的過切割字符，然後根據字符間距，合併後的字符寬度判斷是否進行字符合併，同時還對邊框、間隔點切割快進行了剔除，最後該方法還給出了判斷車牌類型的方法，與本發明不同之處在於：(1)該方法沒有給出水平切割的處理方案；(2)通過投影法進行粘連字符的處理，會造成誤切割的情況；(3)判斷斷裂字符和篩選錯誤字符的方法與本發明不同。發明專利(申請號：201110405227.0，名稱：一種車牌字符分割方法)首先根據黑白跳變法進行車牌上下邊框的精確定位，然後根據車牌圖像的垂直投影信息，動態調整閾值進行字符分割，直至切割出來的字符集數量在[7,15]範圍內，然後將字符集中寬度過小和像素點過小的字符進行剔除，最後根據字符寬度和字符中心點距離，找到第一個或是第二個字符，進而推算出其他字符，與本發明的不同之處在於：(1)該方法的水平切割方法是基於黑白跳變法；(2)該方法通過動態調整閾值進行字符切割，以保證切割結果不存在字符粘連的情況，但該方法不能保證成功分割粘連字符，而且當在閾值過大時，會造成正確字符誤切割的情況；(3)該方法沒有給出除漢字之外的其他字符的斷裂字符修複方案；(4)該方法在找到第一個或是第二個字符後，對於其後的切割塊直接進行順序保留，沒有考慮到字符斷裂和字符缺失的情況。

綜上所述，當前字符切割方法存在著如下不足之處：(1)部分方法沒有進行車牌水平切割，或是切割方法不夠精確，這直接影響後續字符切割的準確度；(2)部分方法沒有進行錯誤字符的篩選，這會導致後續粘連字符和斷裂字符的誤處理；(3)大多數方法通過最小投影值點分割法處理粘連字符，對於粘連嚴重的字符和特殊字符存在誤切割的情況；(4)部分方法對於找到的7個切割塊直接進行保留，沒有考慮字符可能卻在雜質粘連、字符缺失、定位不精確等問題；(5)部分方法參考的的字符標準寬度、字符間距等數據是固定的或是按照車牌寬度的一定比例確定，如果車牌定位不準確，則這些數據會出現較大誤差，直接影響算法的精度。

技術實現要素：

為了克服基於投影的直接切割方式的不足，本發明的目的是提供一種一種車牌字符切割方法，它是基於投影的字符切割方法，該方法在切分字符的基礎上實現了斷裂字符的修復、粘連字符分割、字符的精確定位等過程，該方法不包括車牌圖像預處理過程，如車牌圖像的灰度、濾波、二值化、傾斜校正等。

所述的一種車牌字符切割方法，其特徵在於包括如下步驟：

步驟1：獲得經過車牌定位、傾斜校正、灰度、濾波和二值化算法處理後的白底黑字的車牌二值化圖像D，其中圖像的寬度為wh1，高度為ht1，單位為像素；

步驟2：用基於投影的水平切割方法進行車牌字符區域的精確定位，確定車牌字符區域Dc；

步驟3：進行字符切割，得到字符集C＝{ci|ci＝(li,ri,ai,bi)；i＝0,1,…,N-1}，其中，li,ri,ai,bi分別表示字符ci的左右上下邊界，N表示集合C中元素的個數；

步驟4：根據字符集C重新調整車牌字符區域Dc，具體為：

步驟4.1：計算出字符集C對應的字符寬度集W和字符的最適寬度具體為：

步驟4.1.1：根據公式(14)，得到字符集C對應的字符寬度集W；

W＝{wi|wi＝ci.r-ci.l+1,ci∈C,i＝0,1,…,N-1} (14)

步驟4.1.2：根據公式(15)-(16)，得到字符寬度集W'，N'w表示集合W'中元素的個數；

wa＝cN-1.r-c0.l+1；cN-1,c0均∈C (15)

其中，wa表示最右側字符的右邊界和最左側字符的左邊界的距離；

步驟4.1.3：將字符寬度集W'中元素按照從小到大的順序進行排序，然後不斷剔除掉W'中最大和最小的元素，直至W'中元素的個數小於5，根據公式(17)得到集合W'中元素的平均值，記為aw0；

步驟4.1.4：根據公式(17)-(19)，計算出集合W'中所有元素的方差集Vw和標準差sw；

Vw＝{vi|vi＝(wi-aw)2,wi∈W',i＝0,1,…,N'w-1} (18)

其中，aw表示W'中所有字符寬度的平均值；

步驟4.1.5：若標準差sw＜0.6且N'w＞1，則跳至步驟4.2執行；若標準差sw＜0.6且N'w＝1，則跳至步驟4.2執行；若標準差sw≥0.6，則繼續執行步驟4.1.6；

步驟4.1.6：剔除掉W'中對應方差最大的元素，然後返回步驟4.1.4執行；

步驟4.2：根據公式(20)得到字符集C1，字符集C1中元素個數為N1；

步驟4.3：統計出集合C1中滿足ci.a＝0的字符個數Na以及滿足ci.b＝htc-1的字符個數Nb；

步驟4.4：若則根據公式(21)計算出車牌上邊界a，否則令a＝0；若則根據公式(22)計算得出車牌上邊界b，否則令b＝htc-1；若且則直接跳至步驟6執行；

步驟4.5：根據公式(23)調整車牌所在區域Dc，根據公式(24)更新區域Dc的高度htc；

Dc＝{(x,y)|x∈[a,b],y∈[0,wh1),(x,y)∈Dc} (23)

htc＝b-a+1 (24)

步驟5：對步驟4確定的車牌區域Dc，根據步驟3重新進行字符集定位，得到新的字符集C＝{ci＝(li,ri,ai,bi)|i＝0,1,…,N-1}，N表示集合C中元素的個數；

步驟6：解決字符斷裂問題，具體為：

步驟6.1：根據步驟4.1，得到字符集C對應的字符寬度集W和字符最適寬度

步驟6.2：計算得到字符集C對應的字符中心點間距集合M和最適字符中心點間距具體為：

步驟6.2.1：根據公式(25)，得到字符中心點間距集合M，集合M的元素個數為Nm；

步驟6.2.2：根據公式(26)，得到中心點間距集合M′，並根據公式(27)，得到集合M′中元素的平均值，記為am0；

步驟6.2.3：根據公式(27)-(29)，得到集合M′中所有元素的方差集Vm和標準差sm；

Vm＝{vi|vi＝(mi-am)2,mi∈W',i＝0,1,…,Nm-1} (28)

其中，am表示M′中所有字符寬度的平均值；

步驟6.2.4：若集合M′中元素的個數3，則更新am0＝am；

步驟6.2.5：若標準差sm＜1.2且Nm＞1，則跳至步驟6.3執行；若標準差sm＜1.2且Nm＝1，則跳至步驟6.3執行；若標準差sm≥1.2，則繼續執行步驟6.2.6；

步驟6.2.6：剔除掉集合M′對應方差最大的元素，然後返回步驟6.2.3執行。

步驟6.3：根據字符對的中心點間距、字符高度和字符寬度分析出斷裂字符和錯誤字符，並實現斷裂字符的修復和錯誤字符的剔除，具體為：順序遍歷集合M中除首尾元素外的元素mi,i＝1,2,…,Nm-2，若則ci和ci+1是斷裂字符對或存在錯誤字符，需進一步根據滿足式(30)-(34)判斷字符對屬於何種情況，若滿足式(32)，則需要剔除字符ci；若滿足式(33)，則需要剔除字符ci+1；若滿足式(33)，則字符ci和ci+1可以進行合併；

hx＝cx.b-cx.a+1；cx∈C,x＝0,1,…,N-1 (30)

Y(x,y)＝cy.r-cx.l+1；cx,cy∈C,x＝0,1,…,N-1,y＝0,1,…,N-1 (31)

其中，hx表示字符cx的高度，Y(x,y)表示集合C中字符cx的左邊界和字符cy的右邊界之間的距離；

步驟6.4：對字符集C進行更新，得到解決了斷裂問題後的字符集C，字符集C中元素的個數為N；

步驟7：解決字符粘連問題，具體為：

步驟7.1：根據步驟4.1，得到字符集C對應的字符寬度集W和字符最適寬度

步驟7.2：根據步驟6.2，得到字符集C對應的字符中心點間距集合M和最適字符中心點間距

步驟7.3：順序遍歷字符集C中所有字符ci,i＝0,1,…,N-1，若字符ci滿足式(38)，則字符ci是粘連字符，進一步根據滿足式(40)-(43)判斷該字符屬於何種字符粘連情況，再分別進行處理：

A.若字符ci滿足式(40)，則認為該字符是錯誤字符，不進行分割；

B.若字符ci滿足式(41)，則認為該字符是二字符粘連字符，需要進一步根據滿足式(44)-(46)判斷該字符是何種二字符粘連情況，再分別進行處理：

a.若字符ci滿足式(44)，則認為該字符是兩個「1」字符粘連的情況，將字符ci分割為和兩個字符；

b.若字符ci滿足式(44)，則認為該字符為「1」字符和非「1」字符粘連的情況，將字符ci分割為和兩個字符；

c.若字符ci滿足式(45)，則認為該字符為非「1」字符和「1」字符粘連的情況，將字符ci分割為和兩個字符；

d.若字符ci滿足則認為該字符為兩個非「1」字符粘連的情況，將字符ci分割為和兩個字符；

C.若字符ci滿足式(42)，則認為該字符是三字符粘連字符，將字符ci分割為三個字符；

D.若字符ci滿足式(43)，則認為該字符是四字符粘連字符，將字符ci分割為四個字符；

(i＝0或i＝N-1)且(hi＜0.6×htc或ti＞0.8×wi×htc)；wi∈W (40)

其中，di表示字符ci左側字符的右邊界與其右側字符的左邊界的距離，dLi表示字符ci左邊界與其左側字符右邊界的距離，dRi表示字符ci右邊界與其右側字符左邊界的距離，ti表示字符ci中黑色像素點的個數，hi根據公式(30)計算得到，表示字符ci的高度；

步驟7.4：對字符集C進行更新，得到解決了字符粘連問題後的字符集C，字符集C中元素的個數為N；

步驟8：若N＞7，則需要進行字符篩選，轉至步驟9執行；否則，直接轉至步驟10執行；

步驟9：篩選出正確的7個字符，具體為：

步驟9.1：根據步驟4.1，得到字符集C對應的字符寬度集W和字符最適寬度

步驟9.2：根據步驟6.2，得到字符集C對應的字符中心點間距集合M和最適字符中心點間距

步驟9.3：根據步驟3.2，更新字符集C中所有字符的上下邊界；

步驟9.4：確定中心字符cf，cf為字符集C中下標為f的字符，具體為：順序遍歷中心點距離集合M，找到第一個滿足的元素，則f可由公式(47)確定；

步驟9.5：篩選出正確的7個字符，保存至字符集C2中，具體為：

步驟9.5.1：若字符cf不符合滿足式(48)，則認為該字符為正確的字符，將其保存至字符集C2中；

步驟9.5.2：順序交替的遍歷字符集C中位於字符cf兩邊的字符ci，若字符ci不符合滿足式(48)，則認為字符ci為正確字符，將其保存至字符集C2中；其中，字符的遍歷方式為順序交替的遍歷字符cf兩邊的字符，即所遍歷字符的下標順序為f-1,f+1,f-2,f+2…，如果完成一側字符的遍歷，則結束交替遍歷，繼續進行另一側字符的順序遍歷；每分析完一個字符，需要判斷判別式lc+rc+tc＝7是否正確，若正確，則默認剩餘未判斷的字符都為正確字符，直接順序加到集合C2中；其中，lc表示字符cf左側未分析的字符數量，rc表示字符cf右側未分析的字符數量，tc表示當前字符集C2中正確字符的數量；

其中，hi根據公式(30)計算得到，表示字符ci的高度；

步驟9.5.3：對字符集C2中字符按照ci.l從小到大的順序進行排序，並更新C＝C2；

步驟10：若N＜6，則表示車牌字符切割失敗，不再執行下面的步驟；否則，繼續執行步驟11；

步驟11：找到字符集C中位置存在位置偏差的字符進行位置修正，實現字符的精確定位，集合U{ui|i＝0,1,…,N-1}表示字符集C中字符位置的正確性，ui＝-1表示字符ci位置存在偏差，ui＝1表示字符ci位置正確，初始ui都為-1，算法的具體過程為：

步驟11.1：根據步驟4.1，得到字符集C對應的字符寬度集W和字符最適寬度

步驟11.2：根據步驟6.2，得到字符集C對應的字符中心點間距集合M和最適字符中心點間距

步驟11.3：若N＝6且則認為是第一個字符缺失的情況，估算出第一個字符的位置為並將其加到字符集C的最前端，並重新執行步驟11.1和步驟11.2；

步驟11.4：順序遍歷字符集C，找到字符寬度合理的非粘連字符，即若字符ci滿足！Z(i)且則認為該字符位置正確，令ui＝1，其中Z(i)返回為true表示ci是由粘連算法分割出來的字符；

步驟11.5：順序遍歷字符集C，若字符ci符合滿足式(49)，則將該字符下標添加集合K中；

步驟11.6：順序遍歷集合K，若字符cki符合滿足式(50)，則置ui＝1，並將元素ki從集合K中剔除，同時若字符cki-1、cki+1符合滿足式(49)，則將該字符下標添加至集合K中，不斷分析集合K中元素所對應的字符，直至集合K為空；

步驟11.7：首先對車牌後五個字符進行位置修正，具體為：

步驟11.7.1：順序遍歷字符集C，若字符ci符合滿足式(51)，則將該字符下標添加集合K中；

步驟11.7.2：順序遍歷集合K，若字符符合滿足式(52)，則可將字符調整為若字符符合滿足式(53)，則可將字符調整為若字符符合滿足式(54)，則可將字符調整為若不滿足以上條件，且符合條件(i＝2或(i＞2且i＜6且ui+1＝1且ui-1＝-1))，則可將字符調整為若不滿足以上條件，且符合條件(i＝6或(i＞2且i＜6且ui+1＝-1且ui-1＝1))，則可將字符調整為對完成字符位置修正後，置將元素ki從集合K中剔除，並重新執行步驟11.2，同時若字符符合滿足式(51)，則將該字符下標添加至集合K中；不斷調整集合K中元素所對應的字符，直至集合K為空；

i！＝2且i！＝6且且ui+1＝1且ui-1＝1 (54)

步驟11.8：若u0＝1且u1＝1，則直接跳至步驟12執行，否則對車牌前兩個字符進行位置修正，具體為：

步驟11.8.1：若u0＝-1且u1＝-1，則將字符c1的位置調整為同時置u1＝1；

步驟11.8.2：若u0＝1且u1＝-1，則將字符c1的位置調整為同時置u1＝1；

步驟11.8.2：若u0＝-1且u1＝1，則需根據滿足式(55)-(56)進行分情況處理；若字符c0符合滿足式(55)，則可將字符c0調整為若字符c0符合滿足式(56)，則可將字符c0調整為否則，可將字符c0調整為

步驟11.9：將字符集C中所有字符ci,i＝0,1,…,N-1調整為(ci.a,ci.b,0,htc-1)；

步驟12：根據字符集C，確定各個字符在車牌圖像區域Dc中的位置，進行字符切割。

所述的一種車牌字符切割方法，其特徵在於步驟2中的用基於投影的水平切割方法進行車牌字符區域的精確定位確定車牌字符區域Dc的具體步驟為：

步驟2.1：根據公式(1)，得到圖像中心區域D1；

其中，(x,y)表示區域D1的像素坐標；

步驟2.2：根據公式(2)-(3)，得到區域D1中所有行的行像素值集Ph和行黑白跳變數集J，行像素值是指該行黑色像素點個數，黑白跳變是指相鄰像素對的灰度值不同，即相鄰的兩個像素點分別為白色、黑色，或者黑色、白色，行黑白跳變數是該行滿足黑白跳邊的像素對個數；

其中，px表示區域D1中第x行的行像素值，ptxy表示區域D1中點(x,y)的灰度值，jx表示區域D1中第x行的黑白跳變數；

步驟2.3：確定車牌上邊界aL，即從區域D1的中線開始順序向上遍歷區域D1上半區域中的所有行，若第x行滿足式(4)，則x+1行可以確定為車牌上邊界，令aL＝x+1；若找不到上邊界，則令aL＝0；

px＞0.8×wh1或px＜0.1×wh1或jx＜8，其中px∈Ph,jx∈J(4)

步驟2.4：確定車牌下邊界bL，即從區域D1的中線開始順序向下遍歷區域D1下半區域中的所有行，若第x行滿足式(4)，則x-1行可以確定為車牌下邊界，令bL＝x-1；若找不到下邊界，則令bL＝ht1-1；

步驟2.5：根據公式(5)確定車牌字符所在區域Dc，根據公式(6)確定區域Dc的高度htc；

Dc＝{(x,y)|x∈[aL,bL],y∈[0,wh1),(x,y)∈D} (5)

htc＝bL-aL+1 (6)。

所述的一種車牌字符切割方法，其特徵在於步驟3：進行字符切割的具體步驟為：

步驟3.1：確定所有字符的左右邊界，具體為：

步驟3.1.1：根據公式(7)，得到車牌區域Dc所有列的列像素值集Pv，圖像第y列的列像素值py表示y列中黑色像素點的個數；

其中，ptxy表示區域Dc中點(x,y)的灰度值；

步驟3.1.2：順序遍歷列像素值集Pv，確定所有候選字符的滿足式(8)的左邊界集L＝{li|i＝0,1,…,m}和滿足式(9)的右邊界集R＝{ri|i＝0,1,…,m}；

步驟3.1.3：順序組合集合L、R中的元素li,ri確定可能字符的左右邊界，如果該字符滿足式(10)，則將該字符(li,ri,0,htc-1)加入到字符集C中；

其中，ptxy表示區域Dc中點(x,y)的灰度值，pci表示li,ri確定字符區域中的黑色像素點個數；

步驟3.2：順序確定字符集C中所有字符ci的上下邊界，i＝0,1,…,N-1,具體為：

步驟3.2.1：根據公式(11)，得到字符ci所在區域的行像素值集

其中，ptxy表示區域Dc中點(x,y)的灰度值，ci.l表示字符ci的左邊界，ci.r表示字符ci的右邊界；

步驟3.2.2：順序遍歷行像素值集根據式(12)確定字符ci在垂直方向上的連續字符段集的上邊界集Ai＝{aj|j＝0,1,…,mi}；根據式(13)確定字符ci在垂直方向上的連續字符段集的下邊界集Bi＝{bj|j＝0,1,…,mi}，然後將集合A，B中元素兩兩組合，確定符ci在垂直方向上的連續字符段集Hi＝{hj|hj＝(aj,bj),aj∈Ai,bj∈Bi,j＝0,1…,mi}；

步驟3.2.3：順序遍歷連續字符段集Hi，找到其中bj-aj最大的字符段，記為hk＝(ak,bk)，則ak、bk就是字符ci的上下邊界，即ci.a＝ak,ci.b＝bk。

本發明針對車牌字符切割過程中可能遇到的各種問題給出了解決方案，顯著改善了車牌字符切割的準確率，為後續字符的正確識別提供了保障，與其他方法相比，本發明的優點在於：1)通過分析黑白跳變數和行像素值進行車牌水平切割，並通過切割出來的字符集的上下邊界對車牌字符區域進行二次定位，所確定的車牌字符區域更加精確，可以有效避免由於上下邊框造成的字符粘連情況；2)根據估算出來的字符寬度進行粘連字符的粗定位，最後通過字符集位置修正的方法，對存在位置偏移的字符進行調整，可以較好的解決字符對粘連問題；3)本發明的字符集篩選步驟是首先找到車牌中間字符，然後從中間字符開始往兩邊按照交替遍歷的順序進行字符判斷，這種方式可以避免對容易誤判的邊框切割塊進行訪問，從而快速的找到正確的7個字符；4)本發明給出了字符集位置修正的方案，對存在汙漬粘連的較寬字符塊、存在缺失的較窄字符塊，存在位置偏移的粘連字符塊進行位置調整，使字符集定位更加準確；5)本發明對容易遺漏的漢字字符給出了修複方案；6)本發明用於定位和分析的字符參考寬度、中心點距離都是用基於統計的方法動態獲取的，更加精確。

附圖說明

圖1為根據步驟1得到的白底黑字的車牌二值化圖像；

圖2為根據步驟2.1確定的車牌圖像中心區域D1；

圖3：根據步驟2.2-2.4確定的車牌區域Dc；

圖4：根據步驟3得到的字符集定位結果；

圖5：根據步驟4重新定位確定的車牌區域Dc；

圖6：執行步驟5之前的字符集定位結果；

圖7：根據步驟5進行字符集重新定位後得到的字符集定位結果；

圖8：執行步驟6之前的字符集定位結果；

圖9：根據步驟6進行斷裂字符修復後得到的字符集定位結果；

圖10：執行步驟7之前的字符集定位結果1；

圖11：根據步驟7進行粘連字符切分後得到的字符集定位結果1；

圖12：執行步驟7之前的字符集定位結果2；

圖13：根據步驟7進行粘連字符切分後得到的字符集定位結果2；

圖14：執行步驟7之前的字符集定位結果3；

圖15：根據步驟7進行粘連字符切分後得到的字符集定位結果4；

圖16：執行步驟9之前的字符集定位結果；

圖17：根據步驟9進行字符篩選後得到的字符集定位結果；

圖18：執行步驟11之前的字符集定位結果1；

圖19：根據步驟11進行字符位置修正後得到的字符集定位結果1；

圖20：執行步驟11之前的字符集定位結果2；

圖21：根據步驟11進行字符位置修正後得到的字符集定位結果2；

圖22：執行步驟11之前的字符集定位結果3；

圖23：根據步驟11進行字符位置修正後得到的字符集定位結果3；

圖24：執行步驟11之前的字符集定位結果4；

圖25：根據步驟11進行字符位置修正後得到的字符集定位結果4；

圖26：執行步驟11之前的字符集定位結果5；

圖27：根據步驟11進行字符位置修正後得到的字符集定位結果5。

具體實施方式

下面結合實例來詳細闡述本發明，因為本發明涉及車牌切割過程中多個問題的處理，無法通過單一實例進行說明，因此下面將通過多張車牌進行算法的說明。

本發明的一種車牌字符切割方法，其特徵在於包括如下步驟：

步驟1：獲得經過車牌定位、傾斜校正、灰度、濾波和二值化算法處理後的白底黑字的車牌二值化圖像D，其中圖像的寬度為wh1，高度為ht1，單位為像素；

根據步驟1得到的白底黑字的車牌二值化圖像D，如圖1所示。

步驟2：用基於投影的水平切割方法進行車牌字符區域的精確定位，確定車牌字符區域Dc，具體為：

步驟2.1：根據公式(1)，得到圖像中心區域D1；

以圖1車牌為例，根據步驟2.1得到的用於水平切割的圖像中心區域D1，為圖2灰色線條中央的區域。

步驟2.2：根據公式(2)-(3)，得到區域D1中所有行的行像素值集Ph和行黑白跳變數集J，行像素值是指該行黑色像素點個數，黑白跳變是指相鄰像素對的灰度值不同，即相鄰的兩個像素點分別為白色、黑色，或者黑色、白色，行黑白跳變數是該行滿足黑白跳邊的像素對個數；

其中，px表示區域D1中第x行的行像素值，ptxy表示區域D1中點(x,y)的灰度值，jx表示區域D1中第x行的黑白跳變數；

步驟2.3：確定車牌上邊界aL，即從區域D1的中線開始順序向上遍歷區域D1上半區域中的所有行，若第x行符合滿足式(4)，則x+1行可以確定為車牌上邊界，令aL＝x+1；若找不到上邊界，則令aL＝0；

步驟2.4：確定車牌下邊界bL，即從區域D1的中線開始順序向下遍歷區域D1下半區域中的所有行，若第x行符合滿足式(4)，則x-1行可以確定為車牌下邊界，令bL＝x-1；若找不到下邊界，則令bL＝ht1-1；

px＞0.8×wh1或px＜0.1×wh1或jx＜8；px∈Ph,jx∈J (4)

步驟2.5：根據公式(5)確定車牌字符所在區域Dc，根據公式(6)確定區域Dc的高度htc；

Dc＝{(x,y)|x∈[aL,bL],y∈[0,wh1),(x,y)∈D} (5)

htc＝bL-aL+1 (6)

以圖2所示車牌為例，根據步驟2.2-2.5進行車牌字符區域的定位，得到的車牌字符區域Dc為圖3灰色線條中央的區域。

步驟3：進行字符切割，得到字符集C＝{ci|ci＝(li,ri,ai,bi)；i＝0,1,…,N-1}，其中，li,ri,ai,bi分別表示字符ci的左右上下邊界，N表示集合C中元素的個數，具體為：

步驟3.1：確定所有字符的左右邊界，具體為：

步驟3.1.1：根據公式(7)，得到車牌區域Dc所有列的列像素值集Pv，圖像第y列的列像素值py表示y列中黑色像素點的個數；

其中，ptxy表示區域Dc中點(x,y)的灰度值；

步驟3.1.2：順序遍歷列像素值集Pv，確定所有候選字符的滿足式(8)的左邊界集L＝{li|i＝0,1,…,m}和滿足式(9)的右邊界集R＝{ri|i＝0,1,…,m}；

步驟3.1.3：順序組合集合L、R中的元素li,ri確定可能字符的左右邊界，如果該字符符合滿足式(10)，則將該字符(li,ri,0,htc-1)加入到字符集C中；

其中，ptxy表示區域Dc中點(x,y)的灰度值，pci表示li,ri確定字符區域中的黑色像素點個數；

步驟3.2：順序確定字符集C中所有字符ci,i＝0,1,…,N-1的上下邊界，具體為：

步驟3.2.1：根據公式(11)，得到字符ci所在區域的行像素值集

其中，ptxy表示區域Dc中點(x,y)的灰度值；

步驟3.2.2：順序遍歷行像素值集根據滿足式(12)，確定字符ci在垂直方向上的連續字符段集的上邊界集Ai＝{aj|j＝0,1,…,mi}，根據滿足式(13)，確定字符ci在垂直方向上的連續字符段集的下邊界集Bi＝{bj|j＝0,1,…,mi}，然後將集合A，B中元素兩兩組合，確定符ci在垂直方向上的連續字符段集Hi＝{hj|hj＝(aj,bj),aj∈Ai,bj∈Bi,j＝0,1…,mi}；

步驟3.2.3：順序遍歷連續字符段集Hi，找到其中bj-aj最大的字符段，記為hk＝(ak,bk)，則ak、bk就是字符ci的上下邊界，即ci.a＝ak,ci.b＝bk；

以圖3所示車牌為例，根據步驟3，對由步驟2得到的車牌字符區域Dc進行字符定位，字符集的定位結果如圖4所示，紅框表示每個字符區域的邊界。

步驟4：根據字符集C重新調整車牌字符區域Dc，具體為：

步驟4.1：計算出字符集C對應的字符寬度集W和字符的最適寬度具體為：

步驟4.1.1：根據公式(14)，得到字符集C對應的字符寬度集W；

W＝{wi|wi＝ci.r-ci.l+1,ci∈C,i＝0,1,…,N-1} (14)

步驟4.1.2：根據公式(15)-(16)，得到字符寬度集W'，N'w表示集合W'中元素的個數；

wa＝cN-1.r-c0.l+1；cN-1,c0均∈C (15)

其中，wa表示最右側字符的右邊界和最左側字符的左邊界的距離；

步驟4.1.3：將字符寬度集W'中元素按照從小到大的順序進行排序，然後不斷剔除掉W'中最大和最小的元素，直至W'中元素的個數小於5，根據公式(17)得到集合W'中元素的平均值，記為aw0；

步驟4.1.4：根據公式(17)-(19)，計算出集合W'中所有元素的方差集Vw和標準差sw；

Vw＝{vi|vi＝(wi-aw)2,wi∈W',i＝0,1,…,N'w-1} (18)

其中，aw表示W'中所有字符寬度的平均值；

步驟4.1.5：若標準差sw＜0.6且N'w＞1，則跳至步驟4.2執行；若標準差sw＜0.6且N'w＝1，則跳至步驟4.2執行；若標準差sw≥0.6，則繼續執行步驟4.1.6；

步驟4.1.6：剔除掉W'中對應方差最大的元素，然後返回步驟4.1.4執行；

步驟4.2：根據公式(20)得到字符集C1，字符集C1中元素個數為N1；

步驟4.3：統計出集合C1中滿足ci.a＝0的字符個數Na以及滿足ci.b＝htc-1的字符個數Nb；

步驟4.4：若則根據公式(21)計算出車牌上邊界a，否則令a＝0；若則根據公式(22)計算得出車牌上邊界b，否則令b＝htc-1；若且則直接跳至步驟6執行；

步驟4.5：根據公式(23)調整車牌所在區域Dc，根據公式(24)更新區域Dc的高度htc；

Dc＝{(x,y)|x∈[a,b],y∈[0,wh1),(x,y)∈Dc} (23)

htc＝b-a+1 (24)

以圖5車牌為例，圖中綠線為步驟2確定的車牌字符區域的上下邊界，而灰色線條為步驟4重新定位確定的車牌字符區域的上下邊界可以看出，因為兩次定位結果的區域下邊界是重疊的，所以在圖中一紅綠交替的線標出，可以看出經過步驟4的重新定位得到的車牌字符區域Dc更加精確。

步驟5：對步驟4確定的車牌區域Dc，根據步驟3重新進行字符集定位，得到新的字符集C＝{ci＝(li,ri,ai,bi)|i＝0,1,…,N-1}，N表示集合C中元素的個數；

以圖5所示車牌為例，由步驟3處理得到的字符集定位結果如圖6所示，由於上下邊框的幹擾，存在多個粘連字符；對步驟4確定的更加精確的車牌字符區域進行字符集定位，得到的字符集定位結果如圖7所示，定位結果不再存在粘連字符。

步驟6：解決字符斷裂問題，具體為：

步驟6.1：根據步驟4.1，得到字符集C對應的字符寬度集W和字符最適寬度

步驟6.2：計算得到字符集C對應的字符中心點間距集合M和最適字符中心點間距具體為：

步驟6.2.1：根據公式(25)，得到字符中心點間距集合M，集合M的元素個數為Nm；

步驟6.2.2：根據公式(26)，得到中心點間距集合M′，並根據公式(27)，得到集合M′中元素的平均值，記為am0；

步驟6.2.3：根據公式(27)-(29)，得到集合M′中所有元素的方差集Vm和標準差sm；

Vm＝{vi|vi＝(mi-am)2,mi∈W',i＝0,1,…,Nm-1} (28)

其中，am表示M′中所有字符寬度的平均值；

步驟6.2.4：若集合M′中元素的個數3，則更新am0＝am；

步驟6.2.5：若標準差sm＜1.2且Nm＞1，則跳至步驟6.3執行；若標準差sm＜1.2且Nm＝1，則跳至步驟6.3執行；若標準差sm≥1.2，則繼續執行步驟6.2.6；

步驟6.2.6：剔除掉集合M′對應方差最大的元素，然後返回步驟6.2.3執行。

步驟6.3：根據字符對的中心點間距、字符高度和字符寬度分析出斷裂字符和錯誤字符，並實現斷裂字符的修復和錯誤字符的剔除，具體為：順序遍歷集合M中除首尾元素外的元素mi,i＝1,2,…,Nm-2，若則ci和ci+1是斷裂字符對或存在錯誤字符，需進一步根據滿足式(30)-(34)判斷字符對屬於何種情況，若滿足式(32)，則需要剔除字符ci；若滿足式(33)，則需要剔除字符ci+1；若滿足式(33)，則字符ci和ci+1可以進行合併；

hx＝cx.b-cx.a+1；cx∈C,x＝0,1,…,N-1 (30)

Y(x,y)＝cy.r-cx.l+1；cx,cy∈C,x＝0,1,…,N-1,y＝0,1,…,N-1 (31)

其中，hx表示字符cx的高度，Y(x,y)表示集合C中字符cx的左邊界和字符cy的右邊界之間的距離；

步驟6.4：對字符集C進行更新，得到解決了斷裂問題後的字符集C，字符集C中元素的個數為N；

以圖8所示車牌為例，在經過步驟5處理後得到的字符集定位結果中，第5個字符「0」因為斷裂被切割成兩個字符；經過步驟6算法的處理，字符集的定位結果如圖9所示，斷裂字符「0」修復成功。

步驟7：解決字符粘連問題，具體為：

步驟7.1：根據步驟4.1，得到字符集C對應的字符寬度集W和字符最適寬度

步驟7.2：根據步驟6.2，得到字符集C對應的字符中心點間距集合M和最適字符中心點間距

步驟7.3：順序遍歷字符集C中所有字符ci,i＝0,1,…,N-1，若字符ci符合滿足式(38)，則字符ci可能是粘連字符，進一步根據滿足式(40)-(43)判斷該字符屬於何種字符粘連情況，再進行分情況處理：

A.若字符ci符合滿足式(40)，則認為該字符是錯誤字符，不進行分割；

B.若字符ci符合滿足式(41)，則認為該字符是二字符粘連字符，需要進一步根據滿足式(44)-(46)判斷該字符是何種二字符粘連情況，再進行分情況處理：

a.若字符ci符合滿足式(44)，則認為該字符是兩個「1」字符粘連的情況，可將字符ci分割為和兩個字符；

b.若字符ci符合滿足式(44)，則認為該字符為「1」字符和非「1」字符粘連的情況，可將字符ci分割為和兩個字符；

c.若字符ci符合滿足式(45)，則認為該字符為非「1」字符和「1」字符粘連的情況，可將字符ci分割為和兩個字符；

d.若字符ci滿足則認為該字符為兩個非「1」字符粘連的情況，可將字符ci分割為和兩個字符；

C.若字符ci符合滿足式(42)，則認為該字符是三字符粘連字符，可將字符ci分割為三個字符；

D.若字符ci符合滿足式(42)，則認為該字符是四字符粘連字符，可將字符ci分割為四個字符；

(i＝0或i＝N-1)且(hi＜0.6×htc或ti＞0.8×wi×htc)；wi∈W (40)

其中，di表示字符ci左側字符的右邊界與其右側字符的左邊界的距離，dLi表示字符ci左邊界與其左側字符右邊界的距離，dRi表示字符ci右邊界與其右側字符左邊界的距離，ti表示字符ci中黑色像素點的個數，hi根據公式(30)計算得到，表示字符ci的高度；

步驟7.4：對字符集C進行更新，得到解決了字符粘連問題後的字符集C，字符集C中元素的個數為N；

以圖10所示車牌為例，該車牌存在二字符粘連字符，第4和第5個字符沒有切分成功，經過步驟7粘連字符切分算法的處理後，字符集的定位結果如圖11所示，粘連字符成功切分，且定位較為準確；以圖12所示車牌為例，該車牌存在二字符粘連和三字符粘連字符，經過步驟7粘連字符切分算法的處理後，字符集的定位結果如圖11所示，粘連字符成功切分，但是第一個字符的定位存在偏差，後續將通過步驟11的位置修正算法進行字符位置的修正；以圖14所示車牌為例，該車牌存在四字符粘連字符，經過步驟7粘連字符切分算法的處理後，字符集的定位結果如圖15所示，粘連字符成功切分，但個別字符的定位存在偏差，後續將通過步驟11的位置修正算法進行字符位置的修正。

步驟8：若N＞7，則需要進行字符篩選，轉至步驟9執行；否則，直接轉至步驟10執行；

以圖16所示車牌為例，該車牌定位確定了9個切割塊，因此需要進行字符篩選。

步驟9：篩選出正確的7個字符，具體為：

步驟9.1：根據步驟4.1，得到字符集C對應的字符寬度集W和字符最適寬度

步驟9.2：根據步驟6.2，得到字符集C對應的字符中心點間距集合M和最適字符中心點間距

步驟9.3：根據步驟3.2，更新字符集C中所有字符的上下邊界；

步驟9.4：確定中心字符cf，cf為字符集C中下標為f的字符，具體為：順序遍歷中心點距離集合M，找到第一個滿足的元素，則f可由公式(47)確定；

步驟9.5：篩選出正確的7個字符，保存至字符集C2中，具體為：

步驟9.5.1：若字符cf不符合滿足式(48)，則認為該字符為正確的字符，將其保存至字符集C2中；

步驟9.5.2：順序交替的遍歷字符集C中位於字符cf兩邊的字符ci，若字符ci不符合滿足式(48)，則認為字符ci為正確字符，將其保存至字符集C2中；其中，字符的遍歷方式為順序交替的遍歷字符cf兩邊的字符，即所遍歷字符的下標順序為f-1,f+1,f-2,f+2…，如果完成一側字符的遍歷，則結束交替遍歷，繼續進行另一側字符的順序遍歷；每分析完一個字符，需要判斷判別式lc+rc+tc＝7是否正確，若正確，則默認剩餘未判斷的字符都為正確字符，直接順序加到集合C2中；其中，lc表示字符cf左側未分析的字符數量，rc表示字符cf右側未分析的字符數量，tc表示當前字符集C2中正確字符的數量；

其中，hi根據公式(30)計算得到，表示字符ci的高度；

步驟9.5.3：對字符集C2中字符按照ci.l從小到大的順序進行排序，並更新C＝C2；

以圖16所示車牌為例，根據步驟9進行字符篩選，首先可以確定遍歷起點字符cf為第5個字符「3」，然後順序交替遍歷字符cf兩邊字符，分析保留正確的7個字符，最終的篩選結果如圖13所示，首尾的錯誤字符成功被剔除。

步驟10：若N＜6，則表示車牌字符切割失敗，不再執行下面的步驟；否則，繼續執行步驟11；

步驟11：找到字符集C中位置存在位置偏差的字符進行位置修正，實現字符的精確定位，集合U{ui|i＝0,1,…,N-1}表示字符集C中字符位置的正確性，ui＝-1表示字符ci位置存在偏差，ui＝1表示字符ci位置正確，初始ui都為-1，算法的具體過程為：

步驟11.1：根據步驟4.1，得到字符集C對應的字符寬度集W和字符最適寬度

步驟11.2：根據步驟6.2，得到字符集C對應的字符中心點間距集合M和最適字符中心點間距

步驟11.3：若N＝6且則認為是第一個字符缺失的情況，估算出第一個字符的位置為並將其加到字符集C的最前端，並重新執行步驟11.1和步驟11.2；

步驟11.4：順序遍歷字符集C，找到字符寬度合理的非粘連字符，即若字符ci滿足！Z(i)且則認為該字符位置正確，令ui＝1，其中Z(i)返回為true表示ci是由粘連算法分割出來的字符；

步驟11.5：順序遍歷字符集C，若字符ci符合滿足式(49)，則將該字符下標添加集合K中；

步驟11.6：順序遍歷集合K，若字符符合滿足式(50)，則置ui＝1，並將元素ki從集合K中剔除，同時若字符符合滿足式(49)，則將該字符下標添加至集合K中，不斷分析集合K中元素所對應的字符，直至集合K為空；

步驟11.7：首先對車牌後五個字符進行位置修正，具體為：

步驟11.7.1：順序遍歷字符集C，若字符ci符合滿足式(51)，則將該字符下標添加集合K中；

步驟11.7.2：順序遍歷集合K，若字符符合滿足式(52)，則可將字符調整為若字符符合滿足式(53)，則可將字符調整為若字符符合滿足式(54)，則可將字符調整為

若不滿足以上條件，且符合條件(i＝2或(i＞2且i＜6且ui+1＝1且ui-1＝-1))，則可將字符調整為若不滿足以上條件，且符合條件(i＝6或(i＞2且i＜6且ui+1＝-1且ui-1＝1))，則可將字符調整為對完成字符位置修正後，置將元素ki從集合K中剔除，並重新執行步驟11.2，同時若字符符合滿足式(51)，則將該字符下標添加至集合K中；不斷調整集合K中元素所對應的字符，直至集合K為空；

i！＝2且i！＝6且且ui+1＝1且ui-1＝1 (54)

步驟11.8：若u0＝1且u1＝1，則直接跳至步驟12執行，否則對車牌前兩個字符進行位置修正，具體為：

步驟11.8.1：若u0＝-1且u1＝-1，則將字符c1的位置調整為同時置u1＝1；

步驟11.8.2：若u0＝1且u1＝-1，則將字符c1的位置調整為同時置u1＝1；

步驟11.8.2：若u0＝-1且u1＝1，則需根據滿足式(55)-(56)進行分情況處理；若字符c0符合滿足式(55)，則可將字符c0調整為若字符c0符合滿足式(56)，則可將字符c0調整為否則，可將字符c0調整為

步驟11.9：將字符集C中所有字符ci,i＝0,1,…,N-1調整為(ci.a,ci.b,0,htc-1)；

以圖18所示車牌為例，該車牌的第一個字符被誤剔除，經過步驟11處理後，字符集的定位結果如圖19所示，第一個字符修復成功；以圖20所示車牌為例，因為「皖」字是左右偏旁的字，定位時只切割出字符的右部，存在字符缺失，經過步驟11處理後，字符集的定位結果如圖21所示，「皖」字修復成功；以圖22所示車牌為例，該車牌的第6個字符「7」因為本身殘缺導致定位不準確，經過步驟11處理後，字符集的定位結果如圖23所示，字符「7」的定位更加精確；以圖24所示車牌為例，該車牌第一個和最後一個字符存在雜質粘連，導致字符定位過寬，經過步驟11處理後，字符集的定位結果如圖25所示，粘連的雜質剔除成功；以圖26所示車牌為例，該車牌最後兩個字符是由步驟7的粘連字符切分算法處理得到的字符，字符的定位存在偏差，經過步驟11處理後，字符集的定位結果如圖27所示，定位修正了存在定位偏差的字符。

步驟12：根據字符集C，確定各個字符在車牌圖像區域Dc中的位置，進行字符切割。

本說明書實施方法中所列舉的處理對象，僅用於說明本發明的實現過程，本發明所能處理的對象情況並非僅限於所舉實例。