基于圖像處理的汽車牌照的識別-資料下載頁
2024-08-19 15:03本頁面
【正文】 設計過程說明 在汽車車牌識別的整個過程中，查找了很多資料，綜合了各方面的信息。車牌實現(xiàn)的每一步都有許多的方法，各種方法都有其優(yōu)劣，但是對于具體的圖像處理，并不是每一種理論在實踐中都可以實現(xiàn)，即使實現(xiàn)了也很難說哪一種方法最合適，還得在具體的實驗中比較選擇。以車牌預處理為例，經(jīng)過濾波和邊界增強處理后提取出的車牌效果明顯沒有未處理的效果理想。第二點在程序調試的過程中要耐心的檢查每一個錯誤。測試結果表明，本設計有以下幾條優(yōu)點:1. 充分利用MATLAB中已有的函數(shù)庫。整個程序設計簡單易行2. 識別準確率高6．2設計工具說明: 車牌識別程序設計能夠得以順利完成。在很大程度上得利于MATLAB這套軟件， MATLAB功能強大，它包括數(shù)值計算和符號計算，并且計算結果和編程可視化。這為編程調試創(chuàng)造了一個便利的環(huán)境。作為圖像處理最適用的工具之一，其突出的特點是它包含一個圖像處理工具包，這個工具包由一系列支持圖像處理操作的函數(shù)組成。所支持的圖像處理操作有:圖像的幾何操作、鄰域和區(qū)域操作、圖像變換、圖像恢復與增強、線性濾波和濾波器設計、變換(DCT 變換等) 、圖像分析和統(tǒng)計、二值圖像操作等。在圖像的顯示方面，MATLAB 提供了圖像文件讀入函數(shù)imread ( ) ，用來讀取如: bmp 、tif 、jpg、pcx、tiff 、jpeg、hdf 、xwd 等格式圖像文件；圖像寫出函數(shù)imwrite () ，還有圖像顯示函數(shù)image ( ) 、imshow() 等等。這些，都使編程效率大為提高。 本設計已成功達到了車牌識別的目的，而且準確率也很高。但是在整個設計過程中，發(fā)現(xiàn)了幾個值得參考的算法，也試圖用這種算法來實現(xiàn)車牌識別，但種種原因，而未采用?，F(xiàn)在次簡單討論一下: 本設計在邊緣提取之時，使用的是梯度算子。這種算法的優(yōu)點是簡單易行，但是因為它不包含邊緣的方向，因此對噪聲不夠敏感。目前，在圖像處理方面使用得最多的是一種可抗噪聲的Sobel算法。它定義了8個方向的模板。 通常物體的邊緣是連續(xù)且光滑的，而噪聲是隨機的。 在任一邊緣點附近沿邊緣的走向總能找到另一邊緣點，且這兩邊緣點之間的灰度差及方向差都不可能很大。但是噪聲則不同，一般情況下，沿任一噪聲點的方向(通過上述模板運算得到)不太可能找到與其灰度差及方向差都很小的噪聲點。正是利用這一基本思想，本算法能將實際的邊緣點與噪聲點區(qū)分開來。加權領域平均算法來進行濾波處理 6．2 加權領域平均算法來進行濾波處理 由實驗我們可以看出，一般的濾波器在對圖像進行噪聲濾除的同時對圖像中的細節(jié)部分有不同程度的破壞，都不能達到理想的效果。但是采用加權的鄰域平均算法對圖像進行噪聲濾除， 不僅能夠有效地平滑噪聲， 還能夠銳化模糊圖像的邊緣。 加權的鄰域平均算法的基本思想是: 在一個鄰域內， 除了可以利用灰度均值外， 灰度的上偏差和下偏差也能夠提供某些局部信息。算法的計算公式描述如下， 用f (x ，y ) 表示原始圖像， g (x ， y ) 為平滑后點(x ， y ) 的灰度值，V x ， y 表示以點(x ， y ) 為中心的鄰域， 該鄰域包含N 個象素，m (x ， y ) 表示鄰域V x ， y 內的灰度均值。NI表示鄰域內大于平均值的像素個數(shù)，Ng表示小于平均值的像素個數(shù)，而N0表示等于平均值的像素個數(shù)。則修正的鄰域平均法由下式給出:m A? m l； N l max{N g ，N 0}g(x，y)= m + A? m g； N g max{N l ，N 0} (1)m ； else (1)式(1) 中， A為修正系數(shù)， 取值范圍為0～ 1， 其大小反映V x ， y 中的邊緣狀況。 以上是我認為在圖像處理中比較有價值的兩點，有興趣的可以上網(wǎng)查閱相關的資料。【參考文獻】[1] ，[2] 陳桂明、張明照、?？茖W出版社，2000[3] C++，[4] 劉露、中國公路網(wǎng)，20030926[5] 周妮娜、王敏、黃心漢、呂雪峰、2003(15)[6] 佘新平、朱 ，200164[7] 苑瑋琦、傘曉鐘. 一種汽車牌照多層次分割定位方法 ，2004 [8] 許志影、2004(4)[9] 董慧穎、(12) [10] 崔 江、(4)[11] 王年、李婕、任彬、. 安徽大學學報，1999(6)[12] 馬俊莉、莫玉龍、 13
高考資料相關推薦
鄂ICP備17016276號-1