車(chē)牌識(shí)別課程設(shè)計(jì)--車(chē)牌識(shí)別的設(shè)計(jì)與實(shí)現(xiàn)(編輯修改稿)
2025-02-13 04:17 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 割、字符識(shí)別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國(guó)車(chē)牌的固有特征，以及車(chē)牌識(shí)別的特點(diǎn)。在車(chē)牌定位我們采用基于灰度跳變的定位方法，采用先對(duì)圖像進(jìn)行預(yù)處理，再進(jìn)行二值化操作的方法。實(shí)驗(yàn)表明本方法既保留了車(chē)牌區(qū)域的信息，又減少了噪聲的干擾，從而簡(jiǎn)化了二值化處理過(guò)程，提高了后續(xù)處理的速度?；诓噬至康亩ㄎ环椒?，運(yùn)用基于藍(lán)色像素點(diǎn)統(tǒng)計(jì)特性的方法對(duì)車(chē)牌是藍(lán)色的車(chē)牌進(jìn)行定位，實(shí)驗(yàn)表明，用該方法實(shí)現(xiàn)的車(chē)牌定位準(zhǔn)確率較高。本設(shè)計(jì)用MATLAB編程運(yùn)行結(jié)果可以得出，本設(shè)計(jì)采用的圖像預(yù)處理、CANNY邊緣檢測(cè)、開(kāi)閉運(yùn)算子[5，19]、車(chē)牌長(zhǎng)寬比特征識(shí)別等對(duì)車(chē)牌的定位都是非常有效的，而本設(shè)計(jì)提出的二次水平投影分析和閾值技術(shù)有效檢測(cè)了車(chē)牌圖像的上下左右邊框、旋轉(zhuǎn)角度，準(zhǔn)確實(shí)現(xiàn)的車(chē)牌字符的分割，對(duì)多個(gè)車(chē)牌進(jìn)行實(shí)驗(yàn)，均有很高的正確率。本設(shè)計(jì)雖然只對(duì)藍(lán)底白字車(chē)牌進(jìn)行分割識(shí)別，對(duì)黑底白字車(chē)牌原則上整個(gè)算法可直接適用，對(duì)白底黑字車(chē)牌、黃底黑字車(chē)牌，需要對(duì)車(chē)牌定位算法進(jìn)行調(diào)整，并將圖像反轉(zhuǎn)（0變1變0），而車(chē)牌字符的分割算法仍然行之有效。在車(chē)牌識(shí)別的過(guò)程中數(shù)字庫(kù)的建立很重要,只有數(shù)字庫(kù)的準(zhǔn)確才能保證檢測(cè)出來(lái)的數(shù)據(jù)正確。切割出來(lái)的數(shù)據(jù)要與數(shù)據(jù)庫(kù)的數(shù)據(jù)作比較，所以數(shù)據(jù)庫(kù)的數(shù)據(jù)尤為重要。9設(shè)計(jì)體會(huì)經(jīng)過(guò)近一周的奮戰(zhàn)我的課程設(shè)計(jì)終于完成了。課程設(shè)計(jì)不僅是對(duì)前面所學(xué)知識(shí)的一種檢驗(yàn)，而且也是對(duì)自己能力的一種提高。以前老是覺(jué)得自己什么東西都不會(huì)，什么東西都不懂，而且又急于求成，結(jié)果造成什么都沒(méi)學(xué)好，還是什么都不會(huì)。通過(guò)這次課程設(shè)計(jì)，我才明白學(xué)習(xí)是一個(gè)長(zhǎng)期積累的過(guò)程，在以后的工作、生活中都應(yīng)該不斷的學(xué)習(xí)，努力提高自己知識(shí)和綜合素質(zhì)，特別是對(duì)于我，基礎(chǔ)比較差，一定不能太過(guò)于心急，要靜下心來(lái)慢慢的研究。在這次課程設(shè)計(jì)中也使我們的同學(xué)關(guān)系更進(jìn)一步了，同學(xué)之間互相幫助，有什么不懂的大家在一起商量，聽(tīng)聽(tīng)不同的看法對(duì)我們更好的理解知識(shí)，所以在這里非常感謝幫助我的同學(xué)，我也明白學(xué)習(xí)不是埋頭苦讀書(shū)，而是合理的利用資源，從同學(xué)那里，老師那里得到的有用的想法和信息，特別是網(wǎng)上有很多很好的資料，對(duì)自己的自學(xué)能力也是很好的提高。 參考文獻(xiàn)[1]（希）（第三版）[M].電子工業(yè)出版社，2006年12月。16[2]孫增祈. 智能控制理論與技術(shù)[M]. 北京：清華大學(xué)出版社，1999[3]鐘珞，潘昊，[M]：武漢大學(xué)出版社，2006年9月第1版：P1P5，P62P64[4]葉晨洲等. 車(chē)輛牌照字符識(shí)別系統(tǒng)[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用，1999(5): 1013[5]袁志偉，潘曉露. 車(chē)輛牌照定位的算法研究[J]. 昆明理工大學(xué)學(xué)報(bào)，2001，26(2)： 5660[6]岡薩雷斯. 數(shù)字圖像處理（第二版）[M]. 北京：電子工業(yè)出版社，2007附錄主要代碼程序clear 。close all。%Step1 獲取圖像 裝入待處理彩色圖像并顯示原始圖像Scolor = imread（39。39。）。%imread函數(shù)讀取圖像文件%將彩色圖像轉(zhuǎn)換為黑白并顯示Sgray = rgb2gray（Scolor）。%rgb2gray轉(zhuǎn)換成灰度圖figure,imshow（Scolor）,title（39。原始彩色圖像39。）。%figure命令同時(shí)顯示兩幅圖figure,imshow（Sgray）,title（39。原始黑白圖像39。）。%Step2 圖像預(yù)處理 對(duì)Sgray 原始黑白圖像進(jìn)行開(kāi)操作得到圖像背景s=strel（39。disk39。,13）。%strel函數(shù)Bgray=imopen（Sgray,s）。%打開(kāi)sgray s圖像figure,imshow（Bgray）。title（39。背景圖像39。）。%輸出背景圖像%用原始圖像與背景圖像作減法，增強(qiáng)圖像Egray=imsubtract（Sgray,Bgray）。%兩幅圖相減figure,imshow（Egray）。title（39。增強(qiáng)黑白圖像39。）。%輸出黑白圖像%Step3 取得最佳閾值，將圖像二值化fmax1=double（max（max（Egray）））。%egray的最大值并輸出雙精度型fmin1=double（min（min（Egray）））。%egray的最小值并輸出雙精度型level=（fmax1（fmax1fmin1）/3）/255。%獲得最佳閾值bw22=im2bw（Egray,level）。%轉(zhuǎn)換圖像為二進(jìn)制圖像bw2=double（bw22）。%Step4 對(duì)得到二值圖像作開(kāi)閉操作進(jìn)行濾波figure,imshow（bw2）。title（39。圖像二值化39。）。%得到二值圖像grd=edge（bw2,39。canny39。）%用canny算子識(shí)別強(qiáng)度圖像中的邊界figure,imshow（grd）。title（39。圖像邊緣提取39。）。%輸出圖像邊緣bg1=imclose（grd,strel（39。rectangle39。,[5,19]））。%取矩形框的閉運(yùn)算figure,imshow（bg1）。title（39。圖像閉運(yùn)算[5,19]39。）。%輸出閉運(yùn)算的圖像bg3=imopen（bg1,strel（39。rectangle39。,[5,19]））。%取矩形框的開(kāi)運(yùn)算figure,imshow（bg3）。title（39。圖像開(kāi)運(yùn)算[5,19]39。）。%輸出開(kāi)運(yùn)算的圖像bg2=imopen（bg3,strel（39。rectangle39。,[19,1]））。%取矩形框的開(kāi)運(yùn)算figure,imshow（bg2）。title（39。圖像開(kāi)運(yùn)算[19,1]39。）。%輸出開(kāi)運(yùn)算的圖像%Step5 對(duì)二值圖像進(jìn)行區(qū)域提取，并計(jì)算區(qū)域特征參數(shù)。進(jìn)行區(qū)域特征參數(shù)比較，提取車(chē)牌區(qū)域[L,num] = bwlabel（bg2,8）。%標(biāo)注二進(jìn)制圖像中已連接的部分Feastats = imfeature（L,39。basic39。）。%計(jì)算圖像區(qū)域的特征尺寸Area=[]。%區(qū)域面積BoundingBox=[]。%[x y width height]車(chē)牌框架大小RGB = label2rgb（L, 39。spring39。, 39。k39。, 39。shuffle39。）。 %標(biāo)志圖像向RGB圖像轉(zhuǎn)換figure,imshow（RGB）。title（39。圖像彩色標(biāo)記39。）。%輸出框架的彩色圖像lx=0。for l=1:num width=BoundingBox（（l1）*4+3）。%框架寬度的計(jì)算 hight=BoundingBox（（l1）*4+4）。%框架高度的計(jì)算 if （width98 amp。 width160 amp。 hight25 amp。 hight50）%框架的寬度和高度的范圍 lx=lx+1。 Getok（lx）=l。 endendfor k= 1:lx l=Getok（k）。 startcol=BoundingBox（（l1）*4+1）2。%開(kāi)始列 startrow=BoundingBox（（l1）*4+2）2。%開(kāi)始行 width=BoundingBox（（l1）*4+3）+8。%車(chē)牌寬 hight=BoundingBox（（l1）*4+4）+2。%車(chē)牌高 rato=width/hight。%計(jì)算車(chē)牌長(zhǎng)寬比 if rato2 amp。 rato4 break。 endendsbw1=bw2（startrow:startrow+hight,startcol:startcol+width1）。 %獲取車(chē)牌二值子圖subcol1=Sgray（startrow:startrow+hight,startcol:startcol+width1）。%獲取車(chē)牌灰度子圖figure,subplot（2,1,1）,imshow（subcol1）。title（39。車(chē)牌灰度子圖39。）。%輸出灰度圖subplot（2,1,2）,imshow（sb
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1