从车辆影像中撷取车牌区域及矫正车牌歪斜方法及装置

1.一种从车辆影像中撷取车牌区域及矫正车牌歪斜的装置，主要由搭配镜头的CCD摄影机、影像撷取卡，以及配合车辆影像读取单元、对数灰阶值运算单元、小波分解运算单元、影像二值化运算单元，车牌区域粗切割单元、车牌歪斜矫正单元、车牌区域细切割单元的运算或处理；其中：搭配镜头的CCD摄影机及影像撷取卡对车道摄取车辆影像，并由车辆影像读取单元将影像撷取卡所撷取的影像读取出来，接著由对数灰阶值运算单元来对车辆影像中的各个像素计算出其对数灰阶值，小波分解运算单元则接著将对数灰阶值影像分解成粗影像、水平差异影像、垂直差异影像、对角差异影像，接著由影像二值化运算单元将小波分解运算单元输出影像的各像素的对数灰阶值由实数值转为0或1的二元值；然后由车牌区域粗切割单元依照预设的车牌长宽来寻找整张车辆影像中那个区域的二元值总和最高，并将该区域初步切出为车牌区域的所在；接著利用车牌歪斜矫正单元来矫正车牌区域影像的歪斜，使之不歪斜；最后由车牌区域细切割单元来切除车牌粗区域中不属于车牌的部分，以得到最后的车牌区域的所在。
2.一种从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其中，搭配镜头的CCD摄影机及影像撷取卡对车道摄取车辆影像，并由车辆影像读取单元将影像撷取卡所撷取的影像读取出来，接著由对数灰阶值运算单元来对车辆影像中的各个像素计算出其对数灰阶值，小波分解运算单元则接著将对数灰阶值影像分解成粗影像、水平差异影像、垂直差异影像、对角差异影像，接著由影像二值化运算单元将小波分解运算单元输出影像的各像素的对数灰阶值由实数值转为0或1的二元值；然后由车牌区域粗切割单元依照预设的车牌长宽来寻找整张车辆影像中那个区域的二元值总和最高，并将该区域初步切出为车牌区域的所在；接著利用车牌歪斜矫正单元来矫正车牌区域影像的歪斜，使之不歪斜；最后由车牌区域细切割单元来切除车牌粗区域中不属于车牌的部分，以得到最后的车牌区域的所在；其中对数灰阶值运算单元把每个像素的灰阶值加上一大于0的数值，使对每个像素灰阶值作对数运算以产生对数灰阶值时不致产生对数0的算术错误。
3.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该对数灰阶值运算单元把每个像素的灰阶值加上0.5，使像素灰阶值范围为从0.5到255.5，接著再对每个像素灰阶值作对数运算以产生对数灰阶值。
4.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元所使用的小波函数为Haar函数。
5.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元所使用的小波函数Haar或Daubechies或Biorthogonal或Coiflets或Symlets或Morlet或MexicanHat或Meyer函数。
6.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元所产生的水平差异影像，做为影像二值化运算单元的处理对象。
7.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元所产生的垂直差异影像，做为影像二值化运算单元的处理对象。
8.按权利要求2所述的从车辆影像中撷驭车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元所产生的对角差异影像，做为影像二值化运算单元的处理对象。
9.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元所产生的粗影像，做为影像二值化运算单元的处理对象。
10.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元做一至数次小波分解后所得到的水平差异影像，做为影像二值化运算单元的处理对象。
11.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元做一至数次小波分解后所得到的垂直差异影像，做为影像二值化运算单元的处理对象。
12.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元做一至数次小波分解后所得到的对角差异影像，仿为影像二值化运算单元的处理对象。
13.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元做一至数次小波分解后所得到的粗影像，做为影像二值化运算单元的处理对象。
14.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元做一至数次小波分解后所得到的粗影像，再由梯度运算后所得到的影像，做为影像二值化运算单元的处理对象。
15.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该影像二值化运算单元将小波分解运算单元所输出影像的所有像素数值的绝对值大的像素数值改设为1、其他像素的数值改设为0。
16.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该影像二值化运算单元将小波分解运算单元所输出影像的所有像素数值大的像素数值改设为1、其他象素的数值改设为0。
17.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌区域粗切割单元以车牌长宽各两倍的范围做为计算二元值总和的范围窗框，在整张二值化影像中移动计算二元值总和的范围窗框并计算每次范围中所有二元值的总和；计算二元值总和的范围窗框每次水平移动一个车牌的长度或垂直移动一个车牌的宽度。
18.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌区域粗切割单元以大于车牌长宽的范围做为计算二元值总和的范围窗框，在整张水平差异二值化影像中先左右再上下地移动计算二元值总和的范围窗框并计算每次范围中所有二元值的总和。
19.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，也就是从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标，Y-轴座标则维持不变。
20.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标，X-轴座标则维持不变。
21.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标；同时从主内涵分析中找出第二大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标。
22.按权利要求2所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标；同时从主内涵分析中找出第二大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标。
23.一种从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其中，搭配镜头的CCD摄影机及影像撷取卡对车道摄取车辆影像，并由车辆影像读取单元将影像撷取卡所撷取的影像读取出来，由对数灰阶值运算单元来对车辆影像中的各个像素计算出其对数灰阶值，小波分解运算单元则接著将对数灰阶值影像分解成粗影像、水平差异影像、垂直差异影像，对角差异影像，接著由影像二值化运算单元将小波分解运算单元所输出影像的各像素的灰阶值转为0或1的二元值；然后由车牌区域粗切割单元依照预设的车牌长宽值来寻找整张车辆影像中那个区域的二元值总和最高，并将该区域初步切出为车牌区域的所在；接著利用车牌歪斜矫正单元来矫正车牌区域影像的歪斜，使其不歪斜；最后由车牌区域细切割单元来切除车牌粗区域中不属于车牌的部分，以得到最后的车牌区域的所在；其中该小波分解运算单元所使用的小波函数为Haar函数。
24.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元所使用的小波函数为Haar或Daubechies或Biorthogonal或Coiflets或Symlets或Morlet或Mexican Hat或Meyer函数。
25.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元所产生的水平差异影像，为影像二值化运算单元的处理对象。
26.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元所产生的垂直差异影像，仿为影像二值化运算单元的处理对象。
27.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元所产生的对角差异影像，为影像二值化运算单元的处理对象。
28.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元所产生的粗影像，为影像二值化运算单元的处理对象。
29.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元做一至数次小波分解所得到的水平差异影像，为影像二值化运算单元的处理对象。
30.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元做一至数次小波分解所得到的垂直差异影像，为影像二值化运算单元的处理对象。
31.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元做一至数次小波分解所得到的对角差异影像，为影像二值化运算单元的处理对象。
32.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元做一至数次小波分解所得到的粗影像，为影像二值化运算单元的处理对象。
33.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该小波分解运算单元做一至数次小波分解后所得到的粗影像，再做梯度运算所得到的影像，为影像二值化运算单元的处理对象。
34.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该影像二值化运算单元将小波分解运算单元所输出影像的所有像素数值的绝对值大的像素数值改设为1、其他像素数值改设为0。
35.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该影像二值化运算单元将小波分解运算单元所输出影像的所有像素数值大的像素数值改设为1、其他像素数值改设为0。
36.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌区域粗切割单元以车牌长宽值各两倍的范围做为计算二元值总和的范围窗框，在整张水平差异二值化影像中移动计算二元值总和的范围窗框并计算每次范围中所有二元值的总和；计算二元值总和的范围窗框每次水平移动一个车牌的长度或垂直移动一个车牌的宽度。
37.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌区域粗切割单元以大于车牌长宽的范围做为计算二元值总和的范围窗框，在整张水平差异二值化影像中先左右再上下地移动计算二元值总和的范围窗框并计算每次范围中所有二元值的总和。
38.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标，Y-轴座标则维持不变。
39.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标，X-轴座标则维持不变。
40.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，也就是从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigenvalue所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标；同时从主内涵分析中找出第二大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标。
41.按权利要求23所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标；同时从主内涵分析中找出第二大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标。
42.一种从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其中，搭配镜头的CCD摄影机及影像撷取卡对车道摄取车辆影像，并由车辆影像读取单元将影像撷取卡所撷取的影像读取出来，由对数灰阶值运算单元对车辆影像中的各个像素计算出其对数灰阶值，小波运算单元拉着将对数灰阶值影像分解成粗影像、水平差异影像、垂直差异影像、对角差异影像，接著由影像二值化运算单元将影像的各像素的灰阶值转为0或1的二元值；然后由车牌区域粗切割单元依照预设的车牌长宽值来寻找整张车辆影像中那个区域的二元值总和最高，并将该区域初步切出为车牌区域的所在；接著利用车牌歪斜矫正单元来矫正车牌区域影像的歪斜，使其不歪斜；最后由车牌区域细切割单元来切除车牌粗区域中不属于车牌的部分，以得到最后的车牌区域的所在；其中该车牌区域粗切割单元以车牌长宽值各两倍的范围做为计算二元值总和的范围窗框，在整张二值化影像中移动计算二元值总和的范围窗框并计算每次范围中所有二元值的总和；计算二元值总和的范围窗框每次水平移动一个车牌的长度或垂直移动一个车牌的宽度。
43.按权利要求42所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌区域粗切割单元以大于车牌长宽的范围做为计算二元值总和的范围窗框，在整张水平差异二值化影像中移动计算二元值总和的范围窗框并计算每次范围中所有二元值的总和。
44.按权利要求42所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标，Y-轴座标则维持不变。
45.按权利要求42所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标，X-轴座标则维持不变。
46.按权利要求42所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标；同时从主内涵分析中找出第二大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标。
47.按权利要求42所述的从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其特征在于，其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，也就定从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigenvalue所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标；同时从主内涵分析中找出第二大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标。

从车辆影像中撷取车牌区域及矫正车牌歪斜方法及装置\n技术领域\n本发明是关于一种从车辆影像中撷取车牌区域及矫正车牌歪斜的方法及装置，特别是可应用于车牌自动辨识系统及交通监控、车辆门禁的车牌区域影像的切取以及车牌影像歪斜的矫正。\n背景技术\n按，车辆影像中的车牌区域的定位及切取是车牌自动辨识的前置处理程序，因此其准确性影响车牌自动辨识的整体性能；此外，在交通监控上乃至于车辆门禁管理上，管理人员需要透过摄影机及显示器观看来往车辆的车牌号码，若能自动将车牌区域的部份影像切取、矫正歪斜并显示出来，将可方便管理人员观看。因此，如何自动且有效的从车辆影像中找出车牌的位置所在、切取出来并矫正车牌的歪斜，便是车牌自动辨识系统及交通监控、车辆门禁等应用的重要课题。\n先前技术对于车辆影像中的车牌区域的定位及切取，一般是直接使用像素灰阶值来运算获得结果，而容易因光线变化或阴影使得灰阶值的运算结果发生误差而造成车牌区域的定位错误。影像中每个像素的灰阶值是由明亮度及物体反射强度等两个成分相乘(Multiplication)而得(请参考Rafael C.Gonzalez及Richard E.Woods所合著的Digital ImageProcessing，1993版，第28页至第31页)；明亮度是由外在的光线强弱所决定，而物体反射强度才真正是反映物体本身的影像特性。\n由此可见，上述常用方式仍有诸多缺陷，并非理想，而亟待加以改良。\n发明内容\n本发明的目的在于提供一种从车辆影像中撷取车牌区域及矫正车牌歪斜的方法及装置，可应用于车牌自动辨识及交通监控、车辆门禁。\n本发明的另一目的在于提供一种从车辆影像中撷取车牌区域及矫正车牌歪斜的方法及装置，对像素灰阶值施以对数运算(Logarithmicoperation)以得到对数灰阶值，再利用对数灰阶值来去除明亮度的影响并计算定位出车牌的位置所在，所以不会因光线变化或阴影使得灰阶值发生变化而造成车牌区域的定位错误。\n为实现上述目的，本发明提供的一种从车辆影像中撷取车牌区域及矫正车牌歪斜的装置，主要由搭配镜头的CCD摄影机、影像撷取卡，以及配合车辆影像读取单元、对数灰阶值运算单元、小波分解运算单元、影像二值化运算单元，车牌区域粗切割单元、车牌歪斜矫正单元、车牌区域细切割单元的运算或处理。\n本发明提供的一种从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其中：搭配镜头的CCD摄影机及影像撷取卡对车道摄取车辆影像，并由车辆影像读驭单元将影像撷取卡所撷取的影像读取出来，接著由对数灰阶值运算单元来对车辆影像中的各个像素计算出其对数灰阶值，小波分解运算单元则接著将对数灰阶值影像分解成粗影像、水平差异影像、垂直差异影像、对角差异影像，接著由影像二值化运算单元将小波分解运算单元输出影像的各像素的对数灰阶值由实数值转为0或1的二元值；然后由车牌区域粗切割单元依照预设的车牌长宽约略值来寻找整张车辆影像中那个区域的二元值总和最高，并将该区域初步切出为车牌区域的所在；接著利用车牌歪斜矫正单元来矫正车牌区域影像的歪斜，使的不歪斜；最后由车牌区域细切割单元来切除车牌粗区域中不属于车牌的部分，以得到最后的车牌区域的所在。\n其中该对数灰阶值运算单元把每个像素的灰阶值加上0.5，使像素灰阶值范围为从0.5到255.5，接著再对每个像素灰阶值作对数运算以产生对数灰阶值。\n其中该对数灰阶值运算单元把每个像素的灰阶值加上一大于0的数值，使对每个像素灰阶值作对数运算以产生对数灰阶值时不致产生对数0的算术错误。\n其中该小波分解运算单元所使用的小波函数为Haar函数。\n其中该小波分解运算单元所使用的小波函数为所有适合用于小波转换的函数，如Haar或Daubechies或Biorthogonal或Coifiets或Symlets或Morlet或Mexican Hat或Meyer函数。\n其中该小波分解运算单元所产生的水平差异影像，做为影像二值化运算单元的处理对象。\n其中该小波分解运算单元所产生的垂直差异影像，做为影像二值化运算单元的处理对象。\n其中该小波分解运算单元所产生的对角差异影像，做为影像二值化运算单元的处理对象。\n其中该小波分解运算单元所产生的粗影像，做为影像二值化运算单元的处理对象。\n其中该小波分解运算单元做一至数次小波分解后所得到的水平差异影像，做为影像二值化运算单元的处理对象。\n其中该小波分解运算单元做一至数次小波分解后所得到的垂直差异影像，做为影像二值化运算单元的处理对象。\n其中该小波分解运算单元做一至数次小波分解后所得到的对角差异影像，仿为影像二值化运算单元的处理对象。\n其中该小波分解运算单元做一至数次小波分解后所得到的粗影像，做为影像二值化运算单元的处理对象。\n其中该小波分解运算单元做一至数次小波分解后所得到的粗影像，再由梯度运算后所得到的影像，做为影像二值化运算单元的处理对象。\n其中该影像二值化运算单元将小波分解运算单元所输出影像的所有像素数值的绝对值较大的像素数值改设为1、其他像素的数值改设为0。\n其中该影像二值化运算单元将小波分解运算单元所输出影像的所有像素数值较大的像素数值改设为1、其他象素的数值改设为0。\n其中该车牌区域粗切割单元以车牌长宽大约值各两倍的范围做为计算二元值总和的范围窗框，在整张二值化影像中移动计算二元值总和的范围窗框并计算每次范围中所有二元值的总和；计算二元值总和的范围窗框每次水平移动一个车牌的长度或垂直移动一个车牌的宽度。\n其中该车牌区域粗切割单元以大于车牌长宽的范围做为计算二元值总和的范围窗框，在整张水平差异二值化影像中先左右再上下的移动计算二元值总和的范围窗框并计算每次范围中所有二元值的总和。\n其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，也就是从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigenvector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标，Y-轴座标则维持不变。\n其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标，X-轴座标则维持不变。\n其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标；同时从主内涵分析中找出第二大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标。\n其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标；同时从主内涵分析中找出第二大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector；以产生这些像素新的X-轴座标。\n本发明提供的一种从车辆影像中撷取车牌区域及矫正车牌歪斜的装置，可为：主要由搭配镜头的CCD摄影机、影像撷取卡，以及配合车辆影像读取单元、对数灰阶值运算单元、小波分解运算单元、影像二值化运算单元、车牌区域粗切割单元、车牌歪斜矫正单元、车牌区域细切割单元的运算或处理。\n本发明提供的一种从车辆影像中撷取车牌区域及矫正车牌歪斜的方法，其中：搭配镜头的CCD摄影机及影像撷取卡对车道摄取车辆影像，并由车辆影像读取单元将影像撷取卡所撷取的影像读取出来，由对数灰阶值运算单元对车辆影像中的各个像素计算出其对数灰阶值，小波运算单元拉着将对数灰阶值影像分解成粗影像、水平差异影像、垂直差异影像、对角差异影像，接著由影像二值化运算单元将小波分解运算单元所输出影像的各像素的灰阶值转为0或1的二元值；然后由车牌区域粗切割单元依照预设的车牌长宽值来寻找整张车辆影像中那个区域的二元值总和最高，并将该区域初步切出为车牌区域的所在；接著利用车牌歪斜矫正单元来矫正车牌区域影像的歪斜，使其不歪斜；最后由车牌区域细切割单元来切除车牌粗区域中不属于车牌的部分，以得到最后的车牌区域的所在。\n其中该小波分解运算单元所使用的小波函数为Haar函数。\n其中该小波分解运算单元所使用的小波函数，为所有适合用于小波转换的函数，如Haar或Daubechies或Biorthogonal或Coifiets或Symlets或Morlet或Mexican Hat或Meyer函数。\n其中该小波分解运算单元所产生的水平差异影像，为影像二值化运算单元的处理对象。\n其中该小波分解运算单元所产生的垂直差异影像，仿为影像二值化运算单元的处理对象。\n其中该小波分解运算单元所产生的对角差异影像，为影像二值化运算单元的处理对象。\n其中该小波分解运算单元所产生的粗影像，为影像二值化运算单元的处理对象。\n其中该小波分解运算单元做一至数次小波分解所得到的水平差异影像，为影像二值化运算单元的处理对象。\n其中该小波分解运算单元做一至数次小波分解所得到的垂直差异影像，为影像二值化运算单元的处理对象。\n其中该小波分解运算单元做一至数次小波分解所得到的对角差异影像，为影像二值化运算单元的处理对象。\n其中该小波分解运算单元做一至数次小波分解所得到的粗影像，为影像二值化运算单元的处理对象。\n其中该小波分解运算单元做一至数次小波分解后所得到的粗影像，再做梯度运算所得到的影像，为影像二值化运算单元的处理对象。\n其中该影像二值化运算单元将小波分解运算单元所输出影像的所有像素数值的绝对值较大的像素数值改设为1、其他像素数值改设为0。\n其中该影像二值化运算单元将小波分解运算单元所输出影像的所有像素数值较大的像素数值改设为1、其他像素数值改设为0。\n其中该车牌区域粗切割单元以车牌长宽值各两倍的范围做为计算二元值总和的范围窗框，在整张水平差异二值化影像中移动计算二元值总和的范围窗框并计算每次范围中所有二元值的总和；计算二元值总和的范围窗框每次水平移动一个车牌的长度或垂直移动一个车牌的宽度。\n其中该车牌区域粗切割单元以大于车牌长宽的范围做为计算二元值总和的范围窗框，在整张水平差异二值化影像中先左右再上下地移动计算二元值总和的范围窗框并计算每次范围中所有二元值的总和。\n其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标，Y-轴座标则维持不变。\n其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标，X-轴座标则维持不变。\n其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，也就是从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigenvector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标；同时从主内涵分析中找出第二大的Eigenvalue所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标。\n其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标；同时从主内涵分析中找出第二大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标。\n本发明提供的一种从车辆影像中撷取车牌区域及矫正车牌歪斜的装置，还可为：主要由搭配镜头的CCD摄影机、影像撷取卡，以及配合车辆影像读取单元、对数灰阶值运算单元、小波分解运算单元、影像二值化运算单元、车牌区域粗切割单元、车牌歪斜矫正单元、车牌区域细切割单元的运算或处理。\n本发明提供的一种从车辆影像中撷取车牌区域及矫正车牌歪斜的装置，其中：搭配镜头的CCD摄影机及影像撷取卡对车道摄取车辆影像，并由车辆影像读取单元将影像撷取卡所撷取的影像读取出来，由对数灰阶值运算单元对车辆影像中的各个像素计算出其对数灰阶值，小波运算单元拉着将对数灰阶值影像分解成粗影像、水平差异影像、垂直差异影像、对角差异影像，接著由影像二值化运算单元将影像的各像素的灰阶值转为0或1的二元值；然后由车牌区域粗切割单元依照预设的车牌长宽值来寻找整张车辆影像中那个区域的二元值总和最高，并将该区域初步切出为车牌区域的所在；接著利用车牌歪斜矫正单元来矫正车牌区域影像的歪斜，使其不歪斜；最后由车牌区域细切割单元来切除车牌粗区域中不属于车牌的部分，以得到最后的车牌区域的所在。\n其中该车牌区域粗切割单元以车牌长宽值各两倍的范围做为计算二元值总和的范围窗框，在整张二值化影像中移动计算二元值总和的范围窗框并计算每次范围中所有二元值的总和；计算二元值总和的范围窗框每次水平移动一个车牌的长度或垂直移动一个车牌的宽度。\n其中该车牌区域粗切割单元以大于车牌长宽的范围做为计算二元值总和的范围窗框，在整张水平差异二值化影像中先左右再上下地移动计算二元值总和的范围窗框并计算每次范围中所有二元值的总和。\n其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标，Y-轴座标则维持不变。\n其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标，X-轴座标则维持不变。\n其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，即从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标；同时从主内涵分析中找出第二大的Eigen value所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标。\n其中该车牌歪斜矫正单元首先对输入影像做主内涵分析，也就定从二值化的输入影像中像素数值为1的所有像素的X-轴与Y-轴座标做主内涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigenvector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的Y-轴座标；同时从主内涵分析中找出第二大的Eigenvalue所对应的Eigen vector，然后将输入影像所有像素的(X，Y)座标值投射至该Eigen vector，以产生这些像素新的X-轴座标。\n附图说明\n请参阅以下有关本发明一较佳实施例的详细说明及其附图，将可进一步了解本发明的技术内容及其目的功效，其中：图1为本发明从车辆影像中撷取车牌区域及矫正车牌歪斜的方法及装置的实施例方块图；图2为影像以小波分解来产生粗影像、水平差异影像、垂直差异影像、对角差异影像的示意图；图3为小波函数以Haar函数表示的示意图；图4为车牌区域粗切割单元的实施例示意图；图5为车牌歪斜矫正单元的实施例流程图；图6为车牌细切割单元的实施例流程图；以及图7为车牌细切割单元的实施例示意图。\n具体实施方式\n本发明是一种以摄影机拍取车辆的影像，并从原始影像转成对数灰阶值影像、以小波分解法分解出水平差异影像并从水平差异影像的明暗分布情况来搜寻定位车牌区域在整张车辆影像中的位置，矫正车牌的歪斜并将车牌区域切取出来的方法及装置。本发明包括搭配镜头的CCD摄影机、影像撷取卡(Frame grabber)及车辆影像读取单元、对数灰阶值(Logarithmic gray-level)运算单元、小波分解(Wavelet decomposition)运算单元、影像二值化(Binarization)运算单元、车牌区域粗切割单元、车牌歪斜矫正单元、车牌区域细切割单元等模组。\n影像中每个像素的灰阶值是由明亮度及物体反射强度等两个成分相乘而得(请参考Rafael C.Gonzalez及Richard E.Woods所合著的DigitalImage Processing，1993版，第28页至第31页)；明亮度是由外在的光线强弱所决定，而物体反射强度才真正是反映物体本身的影像特性。灰阶值经过对数运算所得到的对数灰阶值为对数明亮度(Logarithmicillumination)与对数反射强度(Logarithmic reflectance)的和。\n假设影像画面的解析度(Resolution)为M*N个像素，且在座标位置(x，y)的像素的灰阶值为g(x，y)，0＜x＜M+1，0＜y＜N+1；g(x，y)的值可直接从CCD摄影机的输出值来读取。若座标位置(x，y)的像素明亮度为i(x，y)，反射强度为r(x，y)，则g(x，y)＝i(x，y)*r(x，y)，i(x，y)的值及r(x，y)的值无法从CCD摄影机的输出值来读取。由于影像撷取卡撷取产生的数字影像的像素灰阶值范围为从0到255的整数，数字化过程中其平均舍去值(Truncatedvalue)为0.5，因此我们把每个像素的灰阶值加上0.5，使像素灰阶值范围为从0.5到255.5；再经过对数运算后，对数灰阶值为g’(x，y)、对数明亮度为I’(x，y)、对数反射强度为r’(x，y)，即g’(x，y)＝ln g(x，y)＝ln i(x，y)+ln r(x，y)＝i’(x，y)+r’(x，y)，0＜x＜M+1，0＜y＜N+1；如此便把明亮度、反射强度转为对数相加的关系，再经过小波分解产生差异影像的过程便可以抵销对数明暗度，使差异影像几乎由对数反射强度所呈现。\n小波分解(Wavelet decomposition)将影像分解成粗影像、水平差异影像、垂直差异影像、对角差异影像；每做一次小波分解，所得到的粗影像、水平差异影像，垂直差异影像、对角差异影像皆为分解前影像大小的四分之一。本发明以水平差异影像来做为切割车牌的对象：一方面，水平差异影像的大小为原有影像的四分之一，因此切出车牌所需的运算量便只剩原来的四分之一；另一方面，水平差异影像每一像素的对数灰阶值反映出原影像的对数灰阶值水平变化量，是为搜寻车牌位置所依据的特效数值。\n本发明同呈利用主内涵分析(Principal component analysis，又称为Hotelling transform，请参考Rafael C.Gonzalez及Richard E.Woods所合著的Digital lmage Processing，1993版，第148页至第156页)中找出最大的Eigenvalue所对应的Eigen vector来修正像素的X-轴座标；将像素的(X，Y)座标值投射(Proiection)至该Eigen vector，以产生该像素新的X-轴座标，Y-轴座标则维持不变；如此将可矫正车牌歪斜的状况。\n搭配镜头的CCD摄影机及影像撷取卡对车道摄取车辆影像，并由车辆影像读取单元将影像撷取卡所撷取的影像读取出来，接著由对数灰阶值运算单元来对车辆影像中的各个像素计算出其对数灰阶值，小波分解运算单元则接著将对数灰阶值影像分解成粗影像，水平差异影像、垂直差异影像、对角差异影像，接著由影像二值化运算单元将水平差异影像各像素的对数灰阶值由实数值(Real number)转为0或1的二元值。然后由车牌区域粗切割单元依照预设的车牌长宽约略值来寻找整张车辆影像中那个区域的二元值总和最高，并将该区域初步切出为车牌区域的所在；接著利用车牌歪斜矫正单元来矫正车牌区域影像的歪斜，使之尽量不歪斜；最后由车牌区域细切割单元来切除车牌粗区域中不属于车牌的部分。\n请参阅图1所示，为一种从车辆影像中撷取车牌区域及矫正车牌歪斜的方法及装置，主要是由包括搭配镜头的CCD摄影机1，影像撷取卡(Frame grabber)2，以及配合车辆影像读取单元3、对数灰阶值(Logarithmicgray-level)运算单元4、小波分解(Wavelet decomposition)运算单元5、影像二值化(Binarization)运算单元6、车牌区域粗切割单元7、车牌歪斜矫正单元8、车牌区域细切割单元9等模块所组成。在图1中，虚线箭头始端所标示的无外框物件为输入信号，虚线箭头终端所标示的无外框物件为输出信号。搭配镜头的CCD摄影机1及影像撷取卡2对车道摄取车辆影像，并由车辆影像读取单元3将影像撷取卡2所撷取的影像读取出来，接著由对数灰阶值运算单元4来对车辆影像中的各个像素计算出其对数灰阶值，小波分解运算单元5则接著将对数灰阶值影像分解成粗影像、水平差异影像，垂直差异影像、对角差异影像，接著由影像二值化运算单元6将水平差异影像各像素的对数灰阶值由实数值(Real number)转为0或1的二元值。然后由车牌区域粗切割单元7依照预设的车牌长宽约略值来寻找整张车辆影像中那个区域的二元值总和最高，并将该区域初步切出为车牌区域的所在；接著利用车牌歪斜矫正单元8来矫正车牌区域影像的歪斜，使之不歪斜；最后由车牌区域细切割单元9来切除车牌粗区域中不属于车牌的部分，以得到最后的车牌区域的所在。\n其中搭配的镜头CCD摄影机1、影像撷取卡2为公知产品；影像撷取卡2产生原始影像，车辆影像读取单元3则与影像撷取卡介接并将影像读取出来以暂存；车辆影像读取单元3可由处理器(Processor)晶片、暂存存储器(Temporary memory)晶片、永久存储器(Permanent memory)晶片、时序脉冲(Sequential Pulse)晶片以及电源供应器等元件所组成。\n由于影像撷取卡2撷取产生的数字影像的像素灰阶范围为从0到255的整数，其平均的数字化舍去值(Truncated value)为0.5，因此我们在对数灰阶值运算单元4把每个像素的灰阶值加上0.5，使像素灰阶值范围从0.5到255.5，接着再对每个像素灰阶值作对数运算以产生对数灰阶值。对数灰阶值运算单元4将原始影像转成对数灰阶值影像，对数灰阶值运算单元4可由处理器(Processor)晶片、暂存存储器(Temporary memory)晶片、永久存储器(Permanent memory)晶片、时序脉冲(Sequential Pulse)晶片以及电源供应器等元件所组成。\n小波分解(Wavelet decomposition)运算单元5将影像分解成粗影像、水平差异影像、垂直差异影像、对角差异影像；图2所示的是影像以小波分解来产生粗影像、水平差异影像、垂直差异影像、对角差异影像的示意图；小波分解可使用的小波函数有很多种，图3所示的是小波函数的一种：Haar函数的示意图。我们以水平差异景像来做为切割车牌的对象：一方面，水平差异景像的大小为原有影像的四分之一，因此切出车牌所需的运算量便只剩原来的四分之一；另一方面，水平差异影像每一像素的对数灰阶值反映出原影像的对数灰阶值水平变化量，是为搜寻车牌位置所依据的特征数值。小波分解运算单元5利用对数灰阶值影像产生水平差异影像，小波分解运算单元可由处理器晶片、暂存存储器晶片、永久存储器晶片、时序脉冲晶征以及电源供应器等元件所组成。\n影像二值化运算单元6将水平差异影像所有像素数值的绝对值较大的像素的数值改设为1、其他像素的数值改设为0；像素数值的绝对值较大的像素占所有像素总数的比率可为1/100、1/50或其他小于1的合适比率。影像二值化运算单元6利用水平差异影像产生水平差异二值化影像，影像二值化运算单元6可由处理器晶片、暂存存储器晶片、永久存储器晶片、时序脉冲晶片以及电源供应器等元件所组成。\n图4所示的是车牌区域粗切割单元7的实施例示意图，以车牌长宽大约值各两倍的范围做为计算二元值总和的范围窗框，在整张水平差异二值化影像中移动计算二元值总和的范围窗框并计算每次范围中所有二元值的总和；计算二元值总和的范围窗框每次水平移动一个车牌的长度或垂直移动一个车牌的宽度。从每次移动中找出二元值总和最大的一个范围，此长方形范围即为车牌粗区域水平差异二值化影像；将车牌粗区域水平差异二值化影像四个角的座标值乘以2，即得到原始影像中车牌粗区域四个角的座标值，将这个区域切出即得车牌粗区域影像。车牌区域粗切割单元7利用车牌大约长宽值、水平差异二值化影像、原始影像来产生车牌粗区域水平差异二值化影像、车牌粗区域影像，车牌区域粗切割单元可由处理器晶片、暂存存储器晶片、永久存储器晶片、时序脉冲晶片以及电源供应器等元件所组成。\n车牌歪斜矫正单元8利用车牌粗区域水平差异二值化影像、车牌粗区域影像来产生车牌粗区域水平差异二值化矫正影像、车牌粗区域矫正影像。图5所示的是车牌歪斜矫正单元的实施例流程图；首先对车牌粗区域水平差异二值化影像做主内涵分析(Principal component analysis)，也就是从车牌粗区域水平差异二值化影像中像素数值为1的所有像素的X-轴和Y-轴座标做内主涵分析，并从主内涵分析中找出最大的Eigen value所对应的Eigen vector，然后将车牌粗区域水平差异二值化影像所有像素的(X，Y)座标值投射(Projection)至该Eigen vector，以产生这些像素新的X-轴座标，Y-轴座标则维持不变，因此可产生出车牌粗区域水平差异二值化矫正影像；同样对车牌粗区域影像所有像素的(X，Y)座标值投射(Projection)至该Eigen vector，以产生这些像素新的X-轴座标，Y-轴座标则维持不变，因此可产生出车牌粗区域矫正影像，车牌歪斜的状况便是以此解决。车牌歪斜矫正单元8可由处理器晶片、暂存存储器晶片、永久存储器晶片、时序脉冲晶片以及电源供应器等元件所组成。\n最后一个步骤为车牌区域的细切割，图6所示的为车牌区域切割单元9的实施例流程图，图7所示的车牌区域细切割单元9的实施例示意图则有助于了解图6的动作原理。首先计算车牌粗区域水平差异二值化影像的重心，接着针对车牌粗区域水平差异二值化影像做以下处理：计算重心Y-轴座标以上的每行(Row)的二元值总和，由上往下找出较前上行的二元值总和增加最多的一行，记录该行的Y-轴座标为Y1；计算重心Y-轴座标以下的每行(Row)的二元值总和，由下往上找出较前一行的二元值总和增加最多的一行，记录该行的Y-轴座标为Y1；计算重心X-轴座标以左的每列(Column)的二元值总和，由左往右找出较前一列的二元值总和增加最多的一列，记录该列的X-轴座标为X1；计算重心X-轴座标以右的每列(Column)的二元值总和，由右往左找出较前一列的二元值总和增加最多的一列，记录该列的X-轴座标为X2。则车牌细区域水平差异二值化矫正影像四个角在车牌粗区域水平差异二值化矫正影像的座标即为(X1，Y1)、(X1，Y2)、(X2，Y1)、(X2，Y2)；由于车牌细区域水平差异二值化矫正影像的长宽、车牌粗区域水平差异二值化矫正影像的长宽分别为车牌细区域的长宽，车牌粗区域长宽的二分之一，因此车牌细区域四个角在车牌粗区域中的座标即为(2*X1，2*Y1)，(1*X1，2*Y2)，(2*X2，2*Y1)，(2*X2，2*Y2)；已矫正歪斜的车牌细区域影像便可因此切出。车牌区域细切割单元可由处理器晶片、暂存存储器晶片、永久存储器晶片、时序脉冲晶片以及电源供应器等元件所组成。\n本发明所提供的从车辆影傈中撷取车牌区域及矫正车牌歪斜的方法及装置，与前述引证案及其他常用技术相互比较时，具有下列的优点：1、本发明提供一种从车辆影像中撷取车牌区域及矫正车牌歪斜的方法及装置，可应用于车牌自动辨识及交通监控、车辆门禁。\n2、本发明提供一种从车辆影像中撷取车牌区域及矫正车牌歪斜的方法及装置，是对像素灰阶值施以对数运算(Logarithmic operation)以得到对数灰阶值，再利用对数灰阶值来去除明亮度的影响并计算定位出车牌的位置所在，所以不会因光线变化或阴影使得灰阶值发生变化而造成车牌区域的定位错误。\n3、本发明提供一种从车辆影像中撷取车牌区域及矫正车牌歪斜的方法及装置，对切出车牌所需的运算量，只有一般常用方法的四分之一。\n4、本发明提供一种从车辆影像中撷取车牌区域及矫正车牌歪斜的方法及装置，可矫正车牌影像歪斜的状况。\n上列详细说明是针对本发明的一可行实施例的具体说明，但该实施例并非用以限制本发明的专利范围，凡未脱离本发明技术精神所为的等效实施或变更，例如：等变化的等效性实施例，均应包含于本发明的专利范围中。