圖像處理車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)實(shí)驗(yàn)報(bào)告書(shū)(已修改)
2025-06-17 21:57 本頁(yè)面
【正文】 1 圖像處理車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)實(shí)驗(yàn)報(bào)告書(shū) 目錄 一、摘要 2 二、 設(shè)計(jì)原理 2 車(chē)牌的定位研究 3 字符分割的研究 3 字符識(shí)別的研究 3 三、 詳細(xì)設(shè)計(jì)步驟 3 車(chē)牌定位 3 圖像的預(yù)處理 3 車(chē)牌定位 7 字符分割 9 對(duì)讀入圖像進(jìn)行預(yù)處理操作 9 圖像校正 10 去除水平方向上的邊框 12 去除垂直方向上的邊框 13 去除車(chē)牌上的圓點(diǎn) 15 字符識(shí)別 18 建立字符模板數(shù)據(jù)庫(kù) 18 對(duì)分割字符進(jìn)行匹配 20 2 系統(tǒng)界面的實(shí)現(xiàn) 23 四、 設(shè)計(jì)結(jié)果分析 29 五、 設(shè)計(jì)體會(huì) 29 車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì) 一、摘要 車(chē)牌是一 輛汽車(chē)獨(dú)一無(wú)二的信息，因此，對(duì)車(chē)輛牌照的識(shí)別技術(shù)可以作為辨識(shí)一輛車(chē)最為有效的方法。隨著 ITS(智能交通系統(tǒng) )的高速發(fā)展，對(duì)車(chē)牌識(shí)別技術(shù)的研究也隨之發(fā)展。從根本上講，牌照識(shí)別應(yīng)用了先進(jìn)的圖像處理，模式識(shí)別，人工智能技術(shù)來(lái)獲取，處理，解釋?zhuān)涗浥恼盏膱D像。目前， 汽車(chē)牌照的自動(dòng)識(shí)別技術(shù)已經(jīng)得到了廣泛應(yīng)用。汽車(chē)牌照自動(dòng)識(shí)別整個(gè)處理過(guò)程分為預(yù)處理、邊緣提取、車(chē)牌定位、字符分割、字符識(shí)別五大模塊，其中字符識(shí)別過(guò)程主要由以下 3 個(gè)部分組成：①正確地分割文字圖像區(qū)域；②正確的 分離單個(gè)文字；③ 正確識(shí)別單個(gè)字符。用 MATLAB 軟件編程來(lái)實(shí)現(xiàn)每一個(gè)部分 ,最后識(shí)別出汽車(chē)牌照。在研究的同時(shí)對(duì)其中出現(xiàn)的問(wèn)題進(jìn)行了具體分析、處理。 二、 設(shè)計(jì)原理 車(chē)牌自動(dòng)識(shí)別是一項(xiàng)利用車(chē)輛的動(dòng)態(tài)視頻或靜態(tài)圖像進(jìn)行車(chē)牌號(hào)碼、車(chē)牌顏色自動(dòng)識(shí)別的模式識(shí)別技術(shù)。其核心包括車(chē)牌定位算法、車(chē)牌字符分割算法和字符識(shí)別算法等。 圖 1 牌照識(shí)別系統(tǒng)原理圖 主要研究?jī)?nèi)容如下： 輸入要處理圖像 預(yù)處理 車(chē)牌定位 字符分割 字符特征提取 單字符識(shí)別 3 車(chē)牌的定位研究。 先進(jìn) 行圖像的預(yù)處理，包括 RGB 彩色圖像的灰度化、圖像灰度拉伸、圖像邊緣檢測(cè)、灰度圖的二值化等 。車(chē)牌定位采用基于水平和垂直投影分布特征的方法。 字符分割的研究。 先對(duì)定位后的車(chē)牌圖像進(jìn)行預(yù)處理，然后按照車(chē)牌的先驗(yàn)信息 , 用區(qū)域增長(zhǎng)算法來(lái)確定候選車(chē)牌的字符區(qū)域。 字符識(shí)別的研究。 對(duì)于提取出的單個(gè)字符，先進(jìn)行歸一化操作，再與給定的模板做對(duì)比，識(shí)別出字符。 三、 詳細(xì)設(shè)計(jì)步驟 1. 車(chē)牌定位： 車(chē)輛牌照識(shí)別整個(gè)系統(tǒng)主要是由車(chē)牌定位和字符識(shí)別兩部分組成，其中車(chē)牌定位又可以分為圖像預(yù)處理及邊緣提取模塊和 牌照的定位 ； 流程圖： 圖像的預(yù)處理 為了用于牌照的分割和牌照字符的識(shí)別，原始圖象應(yīng)具有適當(dāng)?shù)牧炼?，較大的對(duì)比度和清晰可辯的牌照?qǐng)D象。但由于該系統(tǒng)的攝像部分工作于開(kāi)放的戶(hù)外環(huán)境，加之車(chē)輛牌照的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的矩離和角度以及車(chē)輛行駛速度等因素的影響，牌照?qǐng)D象可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷， 因此需要對(duì)原始圖象進(jìn)行識(shí)別前的預(yù)處理 。 （ 1） 一般的車(chē)牌識(shí)別只對(duì)小對(duì)象進(jìn)行移除，但是有時(shí)候因?yàn)榕恼赵?，即使?duì)圖像進(jìn)行了很好的預(yù)處理，還是不能排除一些比較大的又 和車(chē)牌比較相像的地方，例如圖（ 1）中，車(chē)后面的玻璃窗僅僅進(jìn)行灰度處理和形態(tài)學(xué)處理，平滑處理是無(wú)法排除其對(duì)車(chē)牌定位的影響的，導(dǎo)入圖像 對(duì)圖像進(jìn)行壓縮處理 基于顏色的基礎(chǔ)移除大對(duì)象 圖像灰度校正 對(duì)灰度校正后圖像進(jìn)行形態(tài)學(xué)處理提取邊緣 移除圖像中小對(duì)象 平滑處理 計(jì)算 X,Y方向車(chē)牌區(qū)域?qū)ふ业杰?chē)牌，完成車(chē)牌定位 4 因此需要對(duì)大對(duì)象移除（移除大對(duì)象前需對(duì)圖像進(jìn)行統(tǒng)一化 壓縮）。 圖（ 1） 實(shí)現(xiàn)的代碼： img=image。 I=img。 [x,y,z]=size(img)。 if x2021||y2021 img=img(1:2:end,1:2:end,:)。 [x,y,z]=size(img)。 end hsi=rgb2hsi(img)。 for i=1:x for j=1:y if (hsi(i, j ,1)=amp。amp。hsi(i, j,1)=amp。amp。hsi(i, j, 2))。% 0. hsi(i, j,2)=0。 hsi(i, j,3)=1。 。 else hsi(i, j,2)=0。 hsi(i, j,3)=0。 end end end origonImg=hsi2rgb(hsi)。 rgbnew=origonImg。 5 （ 2） 灰度校正： 由于牌照?qǐng)D象在拍攝時(shí)受到種種條件的限制和干擾，圖象的灰度值往往與實(shí)際景物不完全匹配，這將直接影響到圖象的后續(xù)處理。如果造成這種影響的原因主要是由于被攝物體的遠(yuǎn)近不同，使得圖象中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡，或是由于攝像頭在掃描時(shí)各點(diǎn)的靈敏度有較大的差異而產(chǎn)生圖象灰度失真，或是由于曝光不足而使得圖像的灰度變化范圍很窄。這時(shí)就可以采用灰度校正的方法來(lái)處理，增強(qiáng)灰度的變化范圍、豐富灰度層次，以達(dá)到增強(qiáng)圖象的對(duì)比度和分辨率。 灰度校正圖 graynew=rgb2gray(rgbnew)。 （ 3） 邊緣檢測(cè)： 邊緣
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1