基于圖像處理的汽車牌照的識(shí)別tuxiang(參考版)
2024-11-21 21:28本頁(yè)面
【正文】 【參考文獻(xiàn)】 [1] 霍宏濤 .數(shù)字圖像處理 .機(jī)械工業(yè)出版社， [2] 陳桂明、張明照、戚紅雨 .應(yīng)用 MATLAB語(yǔ)言處理數(shù)字信號(hào)與數(shù)字圖像。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。算法的計(jì)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(diǎn) (x ， y ) 的灰度值 ， V x ， y 表示以點(diǎn) (x ， y ) 為中心的鄰域 ， 該鄰域包含N 個(gè)象素 ， m (x ， y ) 表示鄰域 V x ， y 內(nèi)的灰度均值。但是采用加權(quán)的鄰域平均算法對(duì)圖像進(jìn)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。 正是利用這一基本思想，本算法能將實(shí)際的邊緣點(diǎn)與噪聲點(diǎn)區(qū)分開(kāi)來(lái)。 在任一邊緣點(diǎn)附近沿邊緣的走向總能找到另一邊緣點(diǎn)，且這兩邊緣點(diǎn)之間的灰度差及方向差都不可能很大。它定義了 8個(gè)方向的模板。這種算法的優(yōu)點(diǎn)是簡(jiǎn)單易行，但是因?yàn)樗话吘壍姆较?，因此?duì)噪 聲不夠敏感。但是在整個(gè)設(shè)計(jì)過(guò)程中，發(fā)現(xiàn)了幾個(gè)值得參考的算法，也試圖用這種算法來(lái)實(shí)現(xiàn)車牌識(shí)別，但種種原因，而未采用。這些，都使編程效率大為提高。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(fù)與增強(qiáng)、線性濾波和濾波器設(shè)計(jì)、變換(DCT 變換等 ) 、圖像分析和統(tǒng)計(jì)、二值圖像操作等。這為編程調(diào)試創(chuàng)造了一個(gè)便利的環(huán)境。整個(gè)程序設(shè)計(jì)簡(jiǎn)單易行 2. 識(shí)別準(zhǔn)確率高 6． 2設(shè)計(jì)工具說(shuō)明 : 車牌識(shí)別程序設(shè)計(jì)能夠得以順利完成。第二點(diǎn)在程序調(diào)試的過(guò)程中要耐心的檢查每一個(gè)錯(cuò)誤。車牌實(shí)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(duì)于具體的圖像處理，并不是每一種理論在實(shí)踐中都可以實(shí)現(xiàn)，即使實(shí)現(xiàn)了也很難說(shuō)哪一種方法最合適，還得在具體的實(shí)驗(yàn)中比較選擇。完成了準(zhǔn)確識(shí)別車牌的目的。 編寫(xiě) 函數(shù)大大簡(jiǎn)化了計(jì)算量，每個(gè)字符在識(shí)別的時(shí)候直接調(diào)用此函數(shù)，避免了重新編程浪費(fèi)的時(shí)間及空間。然后對(duì)最大位置進(jìn)行判別，返回所對(duì)應(yīng)的字符給主程序。； case 4 c=1； case 5 c=0； case 6 c=3； otherwise end M1， M2， M3， M4， M5， M6 為標(biāo)準(zhǔn)模板對(duì)應(yīng)的二維數(shù)組。； case 3 c=39。； case 2 c=39。)； M1=double(M1)； M2=double(M2)； M3=double(M3)； M4=double(M4)； M5=double(M5)； M6=double(M6)； d=zeros(6)； d(1)=corr2(H， M1)； d(2)=corr2(H， M2)； d(3)=corr2(H， M3)； d(4)=corr2(H， M4)； d(5)=corr2(H， M5)； d(6)=corr2(H， M6)； [D， e]=max(d(:))； switch e case 1 c=39。)； M6=imread(39。)； M5=imread(39。)； M4=imread(39。)； 11 M3=imread(39。)； M2=imread(39。程序代碼如下 : function c=result(H)； M1=imread(39。其調(diào)用方式如下 : [b， c]=max(a(:)) 其中 b返回的是比較后得到的最大值， c是最大值所對(duì)應(yīng)的元素位置。其調(diào)用方法如下 : r=corr2(A， B) 因此本設(shè)計(jì)中的字符識(shí)別只需調(diào)用此函數(shù)，即將分割出來(lái)的字符與設(shè)置好的模板一一進(jìn)行相關(guān)運(yùn)算，然后尋找出它 們中的最大相關(guān)值。 Corr2 函數(shù)直接用來(lái)計(jì)算圖像拒陣 A與 B的相關(guān)系數(shù) r。 用 MATLAB來(lái)實(shí)現(xiàn)字符的識(shí)別。 如果 maxSiλ 則判定 X∈ Ti，否則拒識(shí)，這里λ為拒識(shí)域值。 X Ti 是指矩陣對(duì)應(yīng)元素相乘。 其中， M=26， N=14。車牌字符相關(guān)匹配算法如下： 輸入字符用輸入函數(shù) X表示，標(biāo)準(zhǔn)模板用函數(shù) T表示，它們的大小均為 26 14。實(shí)驗(yàn)結(jié)果顯示，這種方法簡(jiǎn)單易行。因此模板庫(kù)中的字符應(yīng)該是已知的，是預(yù)先設(shè)置好的是不可更改的，而不是在實(shí)驗(yàn)過(guò)程中來(lái)得到。這種方法明顯不具有科學(xué)性。作為一幅 jpg或者 bmp形式的圖片，其中包含了許許 多多的像素點(diǎn)，各象素點(diǎn)的值也不一樣，到底如何來(lái)確定這些像素點(diǎn)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1