基于matlab的數(shù)字圖像識別文獻(xiàn)綜述(更新版)
【正文】 是非常有效的。 %計(jì)算圖像區(qū)域的特征尺寸Area=[]。圖像開運(yùn)算[19,1]39。title(39。 %取矩形框的閉運(yùn)算figure,imshow(bg1)。title(39。canny39。 %獲得最佳閾值bw22=im2bw(Egray,level)。增強(qiáng)黑白圖像39。增強(qiáng)黑白圖像39。 %打開sgray s圖像figure,imshow(Bgray)。 title(39。 subplot(1,2,1)。和‘BoundingBox39。計(jì)算每個區(qū)域的圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形、面積。Canny邊緣檢測算法 首先用高斯濾波器平滑圖像，利用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向；再對梯度幅值進(jìn)行非極大值抑制；然后用雙閾值算法檢測和連接邊緣。因此，它是圖像分割所依賴的重要特征。因?yàn)槠噲D像經(jīng)過色彩過濾后，會出現(xiàn)許多雜散的孤立點(diǎn)，用開啟運(yùn)算可以排除這些點(diǎn)的干擾。閾值處理的操作過程是先由用戶指定或通過算法生成一個閾值，常用的二值化方法有直方圖統(tǒng)計(jì)法、固定門限法、動態(tài)閾值法、松弛法、抖動矩陣二值化法等。車牌識別系統(tǒng)整個處理過程分為預(yù)處理、邊緣提取、車牌定位、字符分割、字符識別五大模塊，用MATLAB軟件編程來實(shí)現(xiàn)每一個部分處理工程，最后識別出汽車牌照。基于MATLAB的車輛牌照識別算法的研究，以車輛牌照識別的算法設(shè)計(jì)為實(shí)例，詳細(xì)介紹圖像識別的基本方法。MATLAB既是一種直觀、高效的計(jì)算機(jī)語言,同時又是一個科學(xué)計(jì)算平臺。尋找出對于具體的汽車牌照識別過程的最好的方法。在車牌識別中要利用灰度分布的特征進(jìn)行進(jìn)一步的分割、識別，因此對車牌圖像進(jìn)行灰度化成為車牌定位的必要步驟之一?；谶@些基本運(yùn)算，還可以推導(dǎo)和組合成各種數(shù)學(xué)形態(tài)學(xué)實(shí)用算法。因?yàn)槠噲D像經(jīng)過色彩過濾后，會出現(xiàn)許多雜散的孤立點(diǎn)[4]，用開啟運(yùn)算可以排除這些點(diǎn)的干擾。該方法為最優(yōu)的階梯型邊緣檢測算法。比較之下發(fā)現(xiàn)目前Canny邊緣檢測器產(chǎn)生的結(jié)果最佳。其用法如下：STATS = regionprops(L,properties)其中，測量標(biāo)注矩陣L中每一個標(biāo)注區(qū)域的一系列屬性。并根據(jù)先驗(yàn)知識，不妨取2～4為字符區(qū)域的寬高比范圍。原始圖像39。原始彩色圖像與灰度圖像對比的效果如圖1所示。)。 圖3 黑白圖像在圖像增強(qiáng)中，中值濾波是一種最常用的圖像增強(qiáng)技術(shù)，是非線性濾波。圖4 中值濾波的黑白圖像為了保存更多的有用信息和提高圖像清晰，為之后圖像二值化做準(zhǔn)備，經(jīng)多次比較仿真結(jié)果選擇圖3作為后期處理圖片。title(39。) %用roberts算子識別強(qiáng)度圖像中的邊界figure,subplot(2,2,1),imshow(grd)。 %輸出灰度圖像以下展示了分別使用canny算子和roberts算子的對比效果：圖6 邊緣檢測兩種算子對比圖像如圖6所示可以明顯的發(fā)現(xiàn)，使用canny算子的邊緣提取圖像噪聲更少、邊界更加清晰[8]，因此更加適合作為后期處理的圖像來使用。)。 %輸出開運(yùn)算的圖像bg2=imopen(bg3,strel(39。 圖7開閉運(yùn)算濾波圖像 提取車牌區(qū)域仿真實(shí)驗(yàn)對圖像每個區(qū)域進(jìn)行標(biāo)記，然后計(jì)算每個區(qū)域的圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形、面積[10]。定位后的灰度子圖和二值子圖效果如
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1