一种车牌倾斜矫正方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术公开了一种车牌倾斜矫正方法、装置、计算机设备和存储介质，其中，对车牌图像的扩展区域进行灰度处理，得到第一灰度图像；获取该第一灰度图像的在第一方向的梯度图像，计算该梯度图像的非零元素的均值，根据该均值对该梯度图像进行阈值处理，得到第二灰度图像；在第一方向上均分该第二灰度图像为第一部灰度图像和第二部灰度图像，根据第二灰度图像的累计代价反向搜索最优路径，依据该最优路径确定该车牌图像中车牌的边框线以及该边框线的倾斜角度；根据该边框线的倾斜角度矫正该车牌图像，解决了计算车牌边框倾斜角度时需要大量旋转或角度投影，导致时间复杂度和空间复杂度高的问题，降低了矫正倾斜或者畸变车牌图像的复杂度。

【技术实现步骤摘要】
一种车牌倾斜矫正方法、装置、计算机设备和存储介质
本专利技术涉及视频监控领域，具体而言，涉及一种车牌倾斜矫正方法、装置、计算机设备和存储介质。
技术介绍
在车牌自动识别领域，相机抓取图像时往往会有不同角度的车牌出现，这对车牌字符的识别造成一定干扰，甚至可能导致车牌识别失败。为了提高车牌识别的正确率，在相关技术中，研究人员提出了很多车牌倾斜矫正的方法，主要有以下几类：(1)基于车牌边框线检测的方法。典型代表是“基于Hough直线检测的矫正方法”，Hough变换通过参数空间转换得到车牌边框线倾斜角度，进而矫正车牌。该方法抗干扰能力较强，但仅能确定直线的方向，丢失了线段的长度信息，且其时间复杂度和空间复杂度较高。(2)基于旋转投影特征分析的方法。该方法先将车牌旋转至给定范围内的每个角度，然后投影得到相应的统计特征，最佳的特征值即对应车牌倾斜角度，该方法的实际应用效果较好，但需要多次遍历图像，时间复杂度和空间复杂度较高。(3)基于车牌字符连通域推断的方法。该类方法往往基于车牌字符上下边缘点、角点或中心点拟合直线，求得车牌倾斜角度本文档来自技高网...

【技术保护点】
1.一种车牌倾斜矫正方法，其特征在于，所述方法包括：/n对车牌图像的扩展区域进行灰度处理，得到第一灰度图像；/n获取所述第一灰度图像的在第一方向的梯度图像，计算所述梯度图像的非零元素的均值，根据所述均值对所述梯度图像进行阈值处理，得到第二灰度图像；/n在第一方向上均分所述第二灰度图像为第一部灰度图像和第二部灰度图像，确定所述第一部灰度图像和所述第二部灰度图像中每个像素点的累计代价，根据所述累计代价反向搜索最优路径，依据所述最优路径确定所述车牌图像中车牌的边框线以及所述边框线的倾斜角度；/n根据所述边框线的倾斜角度矫正所述车牌图像。/n

【技术特征摘要】
1.一种车牌倾斜矫正方法，其特征在于，所述方法包括：
对车牌图像的扩展区域进行灰度处理，得到第一灰度图像；
获取所述第一灰度图像的在第一方向的梯度图像，计算所述梯度图像的非零元素的均值，根据所述均值对所述梯度图像进行阈值处理，得到第二灰度图像；
在第一方向上均分所述第二灰度图像为第一部灰度图像和第二部灰度图像，确定所述第一部灰度图像和所述第二部灰度图像中每个像素点的累计代价，根据所述累计代价反向搜索最优路径，依据所述最优路径确定所述车牌图像中车牌的边框线以及所述边框线的倾斜角度；
根据所述边框线的倾斜角度矫正所述车牌图像。


2.根据权利要求1所述方法，其特征在于，在所述第一方向为水平方向的情况下，所述方法包括：
获取所述第一灰度图像的在所述水平方向的水平梯度图像，计算所述水平梯度图像的非零元素的均值，根据所述均值对所述水平梯度图像进行阈值处理，得到所述第二灰度图像；
在所述水平方向均分所述第二灰度图像为上部灰度图像和下部灰度图像；
确定所述上部灰度图像和所述下部灰度图像中每个像素点的累计代价，根据所述累计代价反向搜索最优路径，依据所述最优路径确定所述车牌图像中车牌的上边框线和下边框线，以及分别确定所述上边框线倾斜角度和下边框线的倾斜角度。


3.根据权利要求1或2所述方法，其特征在于，第一方向为水平方向的情况下，根据所述累计代价反向搜索最优路径包括：
根据所述累计代价创建索引矩阵，其中，所述索引矩阵记录所述累计代价最小值的点来自前一列的坐标位置；
找出所述累计代价中最后一列累计代价最小的点，查找所述索引矩阵中前一列累计代价最小的点，确定所述最小的点对应的像素点，依次反向推倒至第一列，在所述推倒的过程中，确定的所述像素点的坐标为所述最优路径上的各点坐标。


4.根据权利要求2所述方法，其特征在于，所述确定所述上边框线倾斜角度和下边框线的倾斜角度之后，所述方法包括：
获取所述水平方向矫正后的第一灰度图像后,获取所述第一灰度图像在垂直方向的垂直梯度图像，计算所述垂直梯度图像的非零元素的均值，根据所述均值对所述垂直梯度图像进行阈值处理，得到第三灰度图像；
在所述垂直方向四均分所述第二灰度图像，选取最左边部分作为左部灰度图像，选取最右边部分作为右部灰度图像；
确定所述左部灰度图像和所述右部灰度图像中每个像素点的累计代价，根据所述累计代价反向搜索最优路径，依据所述最优路径确定所述车牌图像中车牌的左边框线和右边框线，以及分别确定所述左边框线倾斜角度和右边框线的倾斜角度。


5.根据权利要求4所述方法，其特征在于，根据所述累计代价反向搜索最优路径包括：
根据所述累计代价创建索引矩阵，其中，所述索引矩阵记录所述累计代价最小值的点来自前一行的坐标位置；
找出所述累计代价中最后一行累计代价最小的点，查找所述索引矩阵中前一行累计代价最小的点，确定所述最小的点对应的像素点，依次反向推倒至第一行，在所述推倒的过程中，确定的所述像素点的坐标为所述最优路径上的各点坐标。


6.根据权利要求1所述方法，其特征在于，所述依据所述最优路径确定所述车牌图像中车牌的边框线以及所述边框线的倾斜角度包括：
依次记录所述最优路径上各点的倾斜角度，对所述各点的倾斜角度进行排序，选取所述排序的与中位数对应的角度值，作为所述边框线的倾斜角度。


7.根据权利要求6所述方法，其特征在于，选取所述排序的与中位数对应的角度值之后，所述方法包括：
计算所述最优路径上所述中位数前后预设...

【专利技术属性】
技术研发人员：张湾湾，敦婧瑜，薛佳乐，李轶锟，江歆霆，王耀农，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33