[发明专利]车牌字符分割方法

说明书

技术领域

本发明属于车牌识别技术，具体地说，是涉及一种车牌图像中字符分割方法。

背景技术

在交通领域车牌识别系统中，目前大部分的车牌字符分割算法采用投影分析法，这种字符分割方法字符分割不准确，对不同光照条件下所拍摄图像中字符分割效果差，抗干扰能力差，而且对于宽边距车牌图像具有很强的鲁棒性。

另外一种常用车牌字符分割方法是聚类法，这种方法图像分割的抗干扰能力比投影分析法的抗干扰能力强，但是对于边界污损的字符或者边界不清晰的字符难以分割清楚，造成字符粘连，而且聚类法计算量大，较耗时，对于宽边距车牌图像，容易将边距分割成字符，造成误判。

基于此，如何发明一种车牌字符分割方法，可以适用于不同光照强度下所拍出的图像，对于边界污损或边界不清晰的字符同样可以准确的分割出，减小计算量的同时提高方法的抗干扰能力，十分必要。

发明内容

本发明为了解决现有车牌字符分割算法中分割不准确，环境适应能力差的问题，提供了一种车牌字符分割方法，可以精准的分割出不同字符，并且可以适用于多种车牌图像环境。

为了解决上述技术问题，本发明采用以下技术方案予以实现：

一种车牌字符分割方法，包括：

图像预处理，得到预处理图像；

将预处理图像二值化，得到车牌字符和背景分开的二值图；

根据所述的二值图的字符特性确定模板，并将所述模板在二值图上滑动进行模板匹配法分割，确定前2个字符；

采用简化聚类法分割出车牌中其他字符。

进一步的，为了防止由于拍摄问题而造成的图像倾斜以及车牌定位时上下边距问题，在将图像二值化之前还包括将预处理图像进行倾斜校正及水平分割处理。

优选的，所述的图像二值化方法为最大类间方差法。

又进一步的，为了除去图像中的孤立噪声点，在进行模版匹配之前还包括将所述的二值图进行形态滤波。

所述的图像预处理包括将图像灰度拉伸或者灰度滤波。

再进一步的，所述的倾斜校正包括：

在所述预处理图像所在平面内将预处理图像分别按顺时针、逆时针方向各旋转n°，每次旋转1°，得到2n个旋转图像，其中n为小于90的正整数；

统计各旋转图像的水平差分投影，得到水平差分值，并计算每幅图像水平差分值的平均值，得到水平差分均值，比较出水平差分均值最大的图像为不倾斜图像；

所述的水平分割为将所述不倾斜图像的水平差分值大于其水平差分均值的所有区域作为字符区域。

更进一步的，模板通过以下方式确定：

对二值图进行按列垂直投影，统计出车牌字符的像素数，并对统计结果进行高斯滤波；

根据字符区域高度确定理论字符宽度W，在以图像的列标为横坐标的坐标轴中将所述垂直投影统计结果做一条曲线，统计出曲线中相邻两波谷间的间距介于(80％～120％)W之间的所有宽度值，且所述的相邻两波谷中至少有一个波谷值大于预设的阈值，将符合上述条件的所有宽度值按照升序或者降序进行排序，取位置居中的宽度值作为标准字符宽度，并根据标准字符宽度确定字符间距宽度；

根据标准字符宽度制作模板，优选的，模板总宽度＝7个标准字符宽度+6个字符间距宽度。

再进一步的，模板匹配过程为：

根据车牌字符前2个字母特性确定模板有效区；

将模板在图像上滑动，统计模板有效区中落在字符区域内字符像素数与落在其相邻的字符间距区域内字符像素数的差，获得差值最大的模板位置作为匹配位置，得到车牌前2个字符。

又进一步的，所述的简化聚类法分割其他车牌字符过程为：

从第2个字符后再加2个字符间距的位置起，遍历图像中的字符像素，若果该字符像素的右上、右侧、或者右下也为字符像素，则认为这2列为一块列，以同样的方式遍历下一列，直至完成所有列，分割出车牌其他字符。

更进一步的，还包括判断图像块是否大于标准字符宽度，对于大于标准字符宽度的图像块，则采用投影的方式将所述图像块中的字符分割。

与现有技术相比，本发明的优点和积极效果是：本发明的车牌字符分割方法，根据前2个字符和其他字符不同特性分别处理，利用模板匹配方法分割出前2个字符，采用本方法尤其对于宽边距车牌图像提高了字符分割的准确度，对于其他字符采用简化聚类方法，以块列为单位遍历图像，克服了现有的聚类方法中以像素为单位进行遍历计算量大的问题，缩短运行时间，同时提供了抗干扰能力。

结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。

附图说明