PDF《基于Hough变换的车牌倾斜检测算法——》

2 ( a ) ( 水 平倾 斜l7.的白色矩形 ) , 是 车牌 图像 的极 端情况(二值 化后).要 检 测其 倾 斜角 , 其 中最长 直线 显然 成 了干扰 , 若 仍然用上 述 方法计算 倾斜 角,得到结果 如图2(b).维普资讯 http://www.cqvip.com 基于Ho u g h变换 的车牌倾斜检测算法―― 包明路小波59.一黼粜tr(c)Hough域 r f

1 的较长或线分布图2用基本的Ho u g h 变换算法检测矩形 图像 的倾斜 角度 图2(c)显示了长 度排序在前1000位 的直 线(或线段 的连 线)的分布情况:最长的直 线(长度约

1 3

4 ) 在-2.上.用 该值作为检 测结果显然 草率了,在这 样一类图像 上,干扰直线 最长,却只占有少数 , 而车牌 区 内很 多次长直 线包含了该 图像 的倾 斜 角度 的 正确 信息.所 以,直接的想法 是统计一组较 长直线 的平 均值,作为正确的角度 矫正值.似乎 取前数 十点 的角 度平 均值 可 以得到正确 的检 测角度 ( 图像 倾斜一17.),而对于长度过短 的 直线 , 同样也 是 干扰 .因此 , 必须 找到 较合适 的较 长直线 有效 范围( 过长和过短 的直 线 都是 干扰 ) . 该范 围是与 特定 的图 片有关 的,对同一类图 片,应该具有 规律 .在选 取长 度排序 在 前约

4 5 0条直线 时,角度检 测 的结果 已经 相 当接 近正确值 , 如图

3 ( b ) 所示.图3(b)的结果 还不 够准 确,这是 因为 原 图中 最长的一些 直线 成 为干扰 的 因素 , 那么,去掉这 部分直线 , 结 果应该 更加 理想 , 分析图2(c),大约最 长的200条直 线应 该 去除 , 图3(c)给出去掉 最长的200条 直线 后,直线条数和统 计角度之间的曲线分 布.由图

3 ( c ) , 以 长度 排序在200~

4 0 0条 直线作 为角 度矫 正 的有 效数据,得到矫正结 果如图3(e)所示 . 综上 所述 , 基于Hough变换 的角度检测 算法的关键 是确定 两个 参数:①作为干 扰 的最 长直 线数;

②作 为有效 角度 数据 的较 长直线 数;

而这两 个参数,基本 可 以通过 上述 两个 曲线 图分 析得 出,有理由相信,这样的分析结果对同一 类倾斜图像(尺寸,像素密度 , 几 何形 状)具有 很好的适 应性 . 下 面介绍应 用这一 方法 对一 组车牌 图像进 行倾斜 角度 矫正一H.u一~ , 一……__… 横坐 标直 线 长度 ( c '

) 按不同有效直 线数量计算 角度蝴一口rt)原(e)选取2

0 0~

45 0 条 直线 的结 果图3统计较 长直线检测矩形图像倾 斜角检测 情况 .首先取一副原图并 确定参数,如图4所示.. ( - ) 像 匦圃蕊嘲 掣童l1]定位纷 果1分析 参数 后矫 图4参数选取源图经分析 后,选取长度排 序在 6~l 5的lO条 较 长直线 作 为有效 数据,下面应 用这组参 数进 行图像倾斜 角度 检测 : 图5(c)是对 车牌图像进 行粗略定位 和 二值 化 后准 备进 行倾斜检测的图像 , 检测结果为5.,图5(d)为使用该 检测结果的矫正图像 , 图5(e)是精定位 结果.可 见,本算 法基本满足了车 牌图像识别 的角度 矫........