[发明专利]一种车牌倾斜角度的检测算法

说明书

技术领域

本发明涉及车牌识别技术领域，具体是一种车牌倾斜角度的检测算法。

背景技术

车牌定位是指在一幅图像中快速找出车牌所在的位置，一般通过粗定位和精定位相结合的方法来实现。一个好的车牌定位算法，应该对倾斜车牌和非倾斜车牌均具有一定的鲁棒性。对于非倾斜车牌，已有很多成熟的方法来实现精定位，而对于倾斜的车牌，由于不能直接使用现有的相关方法，无法实现车牌的精定位。解决该问题的唯一方法就是在粗定位之后，把倾斜车牌校正为非倾斜车牌，然后再进行精定位。

常见的车牌倾斜方式由于摄像机的安装角度不同分为两类，一种是水平垂直方向同时倾斜如图1所示。另一种是垂直方向的切变倾斜，如图2所示。目前主流的车牌识别算法常见步骤有：车牌检测粗定位，倾斜矫正，字符分割，字符识别等，其倾斜矫正对其之后的两个步骤起到了至关重要的作用，适当的倾斜校正方法可以有效减小由拍摄角度不同而使字符产生的形变，因此能显著提高车牌的识别率并降低误检率。然而要进行倾斜校正首先要进行倾斜角度的检测，才能依据此角度将画面进行旋转以抵消拍摄过程中的倾斜。在过去的几十年里，人们发明了很多方法来解决字符的倾斜问题，其中最流行的当属Hough变换，但是其检测正确率低，误差较大。

发明内容

本发明的目的在于提供一种车牌倾斜角度的检测算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种车牌倾斜角度的检测算法，包括以下步骤：

1)输入原始图像矩阵二值化T_b[W，H]；

2)通过边缘算法处理得到水平边缘矩阵T_e[W，H]，若为边缘，T_e[x，y]＝1；否则T_e[x，y]＝0；

3)根据图像宽W高H求极坐标系θ-ρ中的垂直坐标ρ_MAX，ρ_MAX²＝W²+H²；

4)生成变换投票矩阵T[ρ_MAX，θ_MAX]，θ_MAX取90°；

5)将T[ρ_MAX，θ_MAX]中所有元素置0；

6)对于水平边缘矩阵T_e[W，H]中的每一个元素，如果T_e[x，y]＝＝1，从-θ_MAX至θ_MAX计算ρ值ρ＝y*sin(θ)+x*cos(θ)，投票矩阵T[ρ，θ]＝T[ρ，θ]+1；

7)取投票矩阵T[ρ，θ]中ρ元素最大值所对应的θ即为倾斜的角度。

作为本发明进一步的方案：步骤6)中，y*sin(θ)+x*cos(θ)做成整数表，θ的递增为1°。

作为本发明进一步的方案：当检测到水平倾斜角度为θ时用切变做纠正，具体步骤如下所述：

a.已知图像宽度为W，则垂直方向的最大位移为：off_vmax＝W*tan(θ)；

b.由于三角形等比，计算出每列垂直偏移j为像素水平坐标：off_v＝(W-j)*off_vmax/W；

c.逐列减去切变量，得到每列纠正后的行坐标：i_new＝i-offvj。

与现有技术相比，本发明的有益效果是：

本发明正是基于Hough变换的理论，结合图像中水平边缘检测的方法提高了倾斜角度检测的正确率，随机产生若干旋转的文本图像，检测误差在±1°以内，并且计算过程中的浮点数可用查表法事先优化，以提升计算速度，更适用于嵌入式系统。本发明是一种通过输入图像本身来估计该图像水平方向的倾斜角度，具有较强自适应性和鲁棒性。可以穿插在任何需要估计图像倾角的计算上下文中，不仅仅适用于车牌，更可用在OCR和日常图像编辑软件中。

附图说明

图1是常见的车牌倾斜方式：水平垂直方向同时倾斜示意图；

图2是常见的车牌倾斜方式：垂直方向的切变倾斜示意图；

图3是Hough变换用在直线检测上的原理图。

图4是在二维坐标系中以y＝ax+b的方式表示一条直线相关示意图。

图5是把a，b看作变量映射到另一个坐标系a-b的示意图。

图6是由图4映射至图5的示意图。

图7是将a-b坐标系替换成及极坐标系θ-ρ示意图。