手机照片倾斜校正(基于先验知识的车牌垂直倾斜校正方法)

车牌识别系统是智能交通系统的重要组成部分，可广泛应用于高速公路自助服务系统、城市交通控制、停车场或校园检查站等。其工作流程包括四个部分：图像采集、车牌定位、字符分割和字符识别。用于采集图像的摄像机和车辆的位置角度之间存在偏差，因此拍摄的车牌图像可能会倾斜。

车牌倾斜可分为三种类型：水平倾斜、垂直倾斜和混合倾斜。国内外研究者提出的校正对水平倾斜的常用方法主要有霍夫变换法[1-3]、旋转投影法[4-5]和K-L展开法[6]等。然而，针对垂直倾斜校正的研究方法很少，主要包括：直线拟合法[7-9]。该方法用直线拟合对牌照左边界上的一些点，并将该直线的倾角确定为牌照倾角。这种方法在有车牌左框且车牌外没有干扰区域时效果很好。但是，如果由于污染等原因，预处理后的车牌左边框损坏或不存在，则认为车牌最左边的字符是汉字，而且汉字的大部分左边界点不能拟合成理想的直线，如“云”、“宽”，误差很大，不能达到预期的校正效果旋转投影法[5]。该方法要求车牌图像以1作为步长，的对，然后统计垂直投影为0的点，即统计点最多时车牌的垂直倾斜角。这种方法需要穷尽每一个角度，这将导致低效率和低精度，并且容易受到字符以外的部分的干扰。因此，寻找一种更准确、更快速的方法是非常重要的。

在深入研究和分析这些算法的基础上，提出了一种基于先验知识的垂直校正方法。该方法首先在水平倾斜校正的基础上去除车牌上下边框和铆钉，然后通过垂直投影法粗略定位并获得包含每个字符的分割区域，并在分割区域中获得字符点区域最宽最短的外接矩形，计算矩形区域中水平穿过外接矩形中心的直线点数，从而推导出当前字符仿射变换后的高宽比，并根据车牌字符的原始高宽比推导出车牌倾斜角度。

车牌字符和最短外接矩形宽度的先验知识

1.1关于牌照字符的先验知识

根据GB36-2007，小型汽车牌照、大型汽车前牌照、领事馆牌照、港澳出入境牌照和长途汽车牌照在如图1中列出。

1.2连通域的最宽最短外接矩形

定义：对处于一个相互关联的领域。在它的所有外接矩形中，有一个外接矩形的宽度比所有其他外接矩形的宽度都短，所以它被称为这个连通域中最宽最短的外接矩形。

寻找最短外接矩形的步骤如下：根据连通域寻找外接多边形；(2)获取外切多边形的凸包；根据凸包，得到宽度最宽的最短外接矩形。

以字符“6”为例，首先根据图2得到它的轮廓图3，然后得到它的外切多边形。

多边形的凸包可以从多边形得到，即连通域的最短外接矩形可以转化为凸包的最短外接矩形。

寻找多边形凸包的过程如下：以图5为例，先找出多边形ABCDEF中的凹点c，并删除该点c，然后通过线段连接与该点c相连的另外两个端点b和d，得到凸包ABDEF，如此反复，直到没有凹点为止。

通过分析凸包的特性，可以推断出最短外切矩形必须通过凸包的一条边和一个顶点，只需要某一点和从该点到满足某一条件的边的距离，通过比较可以得到所有距离的最小值。已经观察到，不是所有的边都能与当前顶点形成外接矩形。以图5中的点D为例，只有边AB可以与点D形成一个外切矩形ABXY，而由其他边和点D形成的矩形将穿过凸包，不能形成一个外切矩形。

对凸包的每个点寻找一条可以形成矩形的边，并记录从该点到这条边的距离。最小距离是最短外接矩形的宽度，对应于这个对的外接矩形是最短外接矩形。

基于先验知识的垂直校正算法

2.1垂直校正原则

根据先验知识，每个字符的高宽比是h w=2。假设字符倾斜，倾斜角度为，如如图7所示，原车牌字符所占的矩形区域为A‘B’CO，垂直倾斜的车牌图像中某个字符所占的区域为A‘B’CO。在垂直校正过程中，如如图8所示，车牌字符区域为ABCD，错切线转换为A‘B’CD。

首先，去除上下边框和铆钉后，通过水平倾斜校正得到字符区域的高度HSRC。对应该是图6中AY的长度LAY，以及带有对倾斜字符的最短外接矩形如图7。长度必须小于1磅，宽度必须等于LBE。我们在外接矩形的中心画一条水平直线，并在M点和N点相交。显然，长度关系是：

2.2垂直校正算法流程

理论上，对的每个人物都有上述属性。但是，考虑到边界可能有一个框架，或者框架外的干扰区域不满足上述属性，左右区域应在粗略定位后去除，以防止对最终计算结果造成的干扰。在中间区域选择5 ~ 7个字符区域，在对，每个字符区域标记最大的连通域，在原始二值图中依次找出每个连通域。 然后根据上述方法确定每个字符的旋转角度i。 为了避免可能的意外倾斜造成的校正结果误差，滤波需要对1。假设转角i，i=1，2，…M，得到转角a的平均值和标准偏差s，然后

使用该实验方法，图9和图13的倾斜角分别为-11.83和9.68(顺时针方向为正)，校正后的结果是错正切变换后的结果。(节选)