一种基于边缘检测和数学形态学的车牌定位方法技术

本发明专利技术请求保护一种基于边缘检测和数学形态学的车牌定位方法，属于图像处理技术领域，其包括以下步骤：步骤S1、对车辆图像采用加权平均值法进行灰度化；步骤S2、对车辆图像进行二值化；步骤S3、采用Sobel边缘检测算子对二值化的车辆图像进行边缘的检测，得到粗定位车牌区域，在该Sobel边缘检测算子中引入局部区域做均值的操作，步骤S4、采用数学形态学的相关运算对粗定位出来的车牌区域再进行精确定位；步骤S5、标注精确定位后的连通区域同时显示出车牌区域；本发明专利技术对车牌的大小、车牌在图像中的位置限制很少，也不依赖准确的车牌边框形状，从而保证了较高的定位实效性。

【技术实现步骤摘要】
一种基于边缘检测和数学形态学的车牌定位方法
本专利技术属于图像处理领域，尤其涉及车牌定位图像处理领域，具体是指一种基于图像处理技术实现车牌定位处理的方法。
技术介绍
车牌定位就是将车牌区域从车辆图片中分割出来。现阶段比较成熟的车牌定位方法有：基于纹理分析的方法、基于边缘检测的方法、基于图像的彩色信息法、基于数学形态学的方法、基于神经网络的定位、基于遗传算法的定位等基于纹理分析的方法,需要在定位前对图像进行预处理，增大图像的对比度。由于我国车牌颜色多样，且受光照等影响，需要先将彩色图像转换为灰度图像，然后利用车牌区域的二维特性，将图像分为若干小块儿，计算出每个小块儿特征值，判断哪些小块属于车牌区域，从而对车牌进行定位。但是该方法处理背景复杂的图像时，容易将纹理丰富的部分也定位出来，因此该方法有待改进。基于边缘检测的方法，是根据车牌字符区域灰度频繁变化的特点进行定位的，首先对图像进行边缘增强，然后将图像二值化后，利用投影法等进行车牌区域的定位。但是该方法对于车牌褪色或污染严重的图片，很难检测到车牌区域，因此该方法有待改进。基于图像的本文档来自技高网...

【技术保护点】
1.一种基于边缘检测和数学形态学的车牌定位方法，其特征在于，包括以下步骤：/n步骤S1、对车辆图像采用加权平均值法进行灰度化；/n步骤S2、对车辆图像进行二值化；/n步骤S3、采用Sobel边缘检测算子对二值化的车辆图像进行边缘的检测，得到粗定位车牌区域，在该Sobel边缘检测算子中引入局部区域做均值的操作；/n步骤S4、采用数学形态学的相关运算对粗定位出来的车牌区域再进行精确定位；/n步骤S5、标注精确定位后的连通区域同时显示出车牌区域。/n

【技术特征摘要】
1.一种基于边缘检测和数学形态学的车牌定位方法，其特征在于，包括以下步骤：
步骤S1、对车辆图像采用加权平均值法进行灰度化；
步骤S2、对车辆图像进行二值化；
步骤S3、采用Sobel边缘检测算子对二值化的车辆图像进行边缘的检测，得到粗定位车牌区域，在该Sobel边缘检测算子中引入局部区域做均值的操作；
步骤S4、采用数学形态学的相关运算对粗定位出来的车牌区域再进行精确定位；
步骤S5、标注精确定位后的连通区域同时显示出车牌区域。


2.根据权利要求1所述的一种基于边缘检测和数学形态学的车牌定位方法，其特征在于，所述步骤S1对车辆图像采用加权平均值法进行灰度化，具体为：
彩色图像使用的彩色模式以红(R)、绿(G)、蓝(B)三种颜色做为基色，按照不同比例配制成，也称作RGB图像，处理的就是RGB格式的位图，在RGB彩色空间中，任意彩色光F的配色方程为：
F＝r[R]+g[G]+b[B]
其中r、g、b为三色系数，r[R]、g[G]、b[B]为三色分量，将彩色图像转变为灰度图像，即彩色图像的灰度化，一加权平均值法：根据重要性或其它指标给R、G、B赋予不同的权值wR、wG、wB，并使Gray等于它们值的加权和平均，即
Gray＝(wR.R+wG.G+wB.B)/3
由于人眼睛对蓝色敏感度最低，对红色敏感度较高，对绿色敏感度最高，取wR＝0.3、wG＝0.59、wB＝0.11时；
在将彩色图像进行灰度化的处理之后，将三维彩色图像转换为二维图像，图像中每一个像素只有一个值，即像素的灰度值，并将灰度值保存在二维矩阵中。将图像灰度化以后，不存在彩色图像中的颜色差异，只是亮度上不同，灰度值的范围为0～255，其中灰度值255为代表白色，灰度值位为0代表黑色。


3.根据权利要求2所述的一种基于边缘检测和数学形态学的车牌定位方法，其特征在于，所述步骤S2对车辆图像进行二值化，具体为：
将灰度图像转换为二值图像的过程称为图像的二值化，也就是将256个灰度级划分为2级，分别表示白色或者黑色，图像的二值化操作需要将图像分成两级，这两级分别用1和0表示，1代表白色，0代表黑色，这里分级的关键就...

【专利技术属性】
技术研发人员：林海波，赵建立，李帅毅，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50