Figura 4.5: Caracteres corretamente segmentados da imagem binária da Figura 4.3.
4.1.3
Experimentos
A abordagem proposta por ANAGNOSTOPOULOS et al. (2006) é um framework criado para executar as três partes fundamentais de um sistema OCR. Sendo assim, para validar a proposta, os autores utilizaram 1334 imagens dividas em 5 diferentes grupos. Essa divisão ocorreu pois os autores definiram um conjunto paramétrico para cada grupo. A etapa de detecção da placa obteve 96.5%, resultando em 1287 imagens que tiveram a placa detectada corretamente, segundo os autores. Então, 1287 imagens de placa foram submetidas à etapa de segmentação propriamente dita. É importante frisar que, apesar de algumas imagens exibidas no artigo serem da base Medialab LPR Database, não há clareza quanto à disponibilidade da base de dados. ANAGNOSTOPOULOS et al. (2006) exibiram, também, a taxa de acerto para o estágio de segmentação combinado com a etapa de reconhecimento, não sendo possível saber qual é a precisão isolada de ambos os estágios. A Tabela 4.1 traz o resultado alcançado por ANAGNOSTOPOULOS et al. (2006) com a referida combinação.
Base de Dados Total de Imagens Taxa de Acerto Medialab LPR Database 1287 89.1%
Tabela 4.1: Resultados alcançados pelo SCWs nas imagens referencias em (ANAGNOSTOPOULOS et al., 2006).
4.2
Segmentação Utilizando Projeções Verticais e Horizon-
tais de Imagens com Correção Angulares
4.2.1
Objetivo
Problemas de inclinação vertical, horizontal ou ambas foram tratados por PAN et al. (2008). A inclinação angular dificulta muitas técnicas de individualização de caracteres propri- amente dita, como as projeções verticais e horizontais da imagem binária. Por isso, o método proposto por PAN et al. (2008) apresenta um pré-processamento para atenuar os efeitos causados pela angulação da placa através de correção horizontal e vertical. Após essa pré-processamento da imagem binária, ela será segmentada.
4.2. SEGMENTAÇÃO UTILIZANDO PROJEÇÕES VERTICAIS E HORIZONTAIS DE IMAGENS COM CORREÇÃO ANGULARES 66
4.2.2
Metodologia
Antes de realizar a individualização dos caracteres, é preciso, como dito anteriormente, realizar a retificação angular. Tais pesquisadores utilizaram o método dos mínimos quadrados para corrigir a inclinação horizontal e/ou vertical da placa. Primeiramente, é necessário que a imagem de entrada tenha passado por um método de binarização, sendo foreground o tom branco dos pixels dos caracteres e o background o tom preto. Essa massa de pixels brancos será o conjunto de dados que será submetido ao LSM (Least Square Method) para encontrar uma reta que melhor se aproxima para um determinado conjunto Nx2 de pontos. A presença de ruídos, pontos brancos que deveriam ser pretos degradam sensivelmente a performance do método. Por isso, as imagens que serão exibidas na Subseção 4.2.2 foram, forçosamente, muito bem limiarizadas. A seguir, as etapas fundamentais do método proposto por PAN et al. (2008) serão descritas.
A. Correção Horizontal da Imagem Binária da Placa
Nesta etapa, a imagem em formato RGB é transformada em escala de cinza através de
3.1 , pois é necessário, apenas, uma imagem de um só canal para realizar o processamento do método proposto. A Figura 4.6 exibe a imagem de entrada desse estágio, que está em formato RGB, e a sua respectiva imagem de saída, a qual está em tons de cinza.
Figura 4.6: Imagens em RGB e em tons de cinza.
Em seguida, a imagem é redimensionada para resolução 40x180 para ser limiarizada usando a binarização local de Niblack. Essa imagem binarizada é multiplicada, pixel a pixel, por uma máscara definida manualmente. A imagem de saída é a binarização excelente necessária ao processo. A Figura 4.7 a seguir ilustra essa sequência de operações.
Figura 4.7: Imagens de Niblack, máscara definida manualmente e binária final, respectivamente, da placa analisada.
4.2. SEGMENTAÇÃO UTILIZANDO PROJEÇÕES VERTICAIS E HORIZONTAIS DE IMAGENS COM CORREÇÃO ANGULARES 67
.
O conjunto de coordenadas de todos pixels brancos presentes na excelente imagem da placa binarizada é processado pelo LSM para determinar a angulação da reta que melhor aproxima os pontos existentes no conjunto de pixels brancos. A angulação é encontrada por:
a0= n n ∑ i=1 yixi− ∑n i=1 yi n ∑n i=1 x2i − (∑n i=1 x1)2 4.2
onde i é o i-ésimo elemento visitado, n é o número de elementos no conjunto de pixels brancos, x1é a coordenada x do elemento i, yié a coordenada y do elemento i e a0é o valor do coeficiente angular da reta aproximada pelo LSM.
Com a0 calculado, determina-se o angulo α segundo a equação
4.3 para realizar a correção angular horizontal da placa ( Figura 4.8).
α = 90 − a0× 180 PI 4.3
Figura 4.8: Imagem resultante da correção angular horizontal aplicada sobre a imagem binária ótima em Figura 4.7.
.
B. Correção Vertical da Imagem Binária da Placa
Após a correção horizontal, a imagem resultante pode ainda apresentar inclinação nos objetos existentes. Portanto, PAN et al. (2008) propuseram uma correção angular vertical. Para isso, inicialmente encontra-se o primeiro pixel branco mais acima possível, Top_Line, em seguida, o primeiro pixel branco mais a esquerda possível, Left_Line(ver 4.4 ).
(Top_Line, Le f t_Line) =
Top_Line = {x | P(x,y) = 1 e x é a mínima linha} Le f t_Line = {y | P(x,y) = 1 e y é a mínima coluna}
4.4
Em seguida, pode-se encontrar os conjuntos Co_X e Co_Y que são as coordenadas dos primeiros pixels brancos em cada linha relativizados pelo Top_Line e Left_line, respectivamente. A equação exibe como calcular esses conjuntos.
(Co_X, Co_Y) =
Co_X = {x - Top_Line | P(x,y) = 1 e y é a mínima coluna} Co_Y = {y - Left_Line| P(x,y) = 1 e y é a mínima coluna}
4.2. SEGMENTAÇÃO UTILIZANDO PROJEÇÕES VERTICAIS E HORIZONTAIS DE IMAGENS COM CORREÇÃO ANGULARES 68 Através de Co_Y é possível definir uma métrica de seleção. Primeiro, tira-se a média e o desvio parão de Co_Y. Em seguida, seleciona-se de Co_Y e seu correspondente em Co_X, apenas, os elementos que satisfazem a seguinte regra:
|Co_Y (i) − y_Mean| < y_Std
4.6
onde Co_Y (i) é o i-ésimo elemento de Co_Y, y_Mean é a média de Co_Y e y_Std é o desvio padrão do conjunto y_Std.
Após essa seleção, os conjuntos Co_Y e Co_X são concatenados horizontalmente e processados pelo LSM, encontrado o a0(ver
4.2 ). Então, a tan θ é encontrada e possui valor igual −a0. O elemento tan θ é utilizado para realizar a correção vertical que é realizada através de 4.7 . [X01Y011] = [X1Y11] 1 0 0 tan θ 1 0 0 0 1 4.7
A Figura 4.9 ilustra a correção vertical realizada na imagem binária da placa presente na Figura 4.8. É importante frisar que mesmo com o mascaramento da imagem, essa correção vertical não apresentou o desempenho esperado na maioria dos casos.
Figura 4.9: Imagem resultante da correção angular vertical da imagem binária em Figura 4.8.
.
C. Individualização dos Caracteres
Este estágio é responsável pela individualização dos objetos remanescentes na imagem binária, após a correção vertical, que são os caracteres. Para encontrar os limites de cada caractere, são calculados as projeções verticais e horizontais dos pixels brancos. Após a definição de limites, o número de pixels brancos existentes num blob é computado e se esse valor for inferior a um limiar, o blob é descartado. A Figura 4.10 traz essas projeções e a Figura 4.11 exibe a saída, sendo os caracteres individualizados.