freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

基于圖像處理的車牌定位算法改進(jìn)研究-文庫吧資料

2025-05-15 20:26本頁面
  

【正文】 之一, 它蘊含了豐富的內(nèi)在信息 (如方向,階躍性質(zhì)與形狀等 ),并廣泛應(yīng)用于圖像分割、圖像分類和模式識別中 [7]。 經(jīng)典 Sobel邊緣檢測算法 經(jīng)典 Sobel 算法是圖像邊緣檢測中常用的方法之一,但在車牌識別系統(tǒng)中也檢測出了很多的噪聲點和造成了車牌字符的斷裂,加大了后期車牌提取和字符識別的難度,降低了車牌定位的精確度。在實際處理變換時,一般先對原始圖像的灰度情況進(jìn)行統(tǒng)計分析,并計算出原始直方圖分布 ,然后根據(jù)計算出的累計直方圖分布求出 fk到 gk的灰度映射關(guān)系。 累計分布函數(shù) (cumulative distribution function, CDF)即可以滿足上述兩個條件,并且通過該函數(shù)可以完成將原圖像 f的分布轉(zhuǎn)換成 g 的均勻分布。這是為了保證增強處理沒有打亂原始圖像的灰度排列次序,原圖各灰度級在變換后仍保持從黑到白 (或從白到黑 )的排列。設(shè)原始圖像在 (x, y)處的灰度為 f,而改變后的圖像為 g,則對圖像增強的方法可表述為將在 (x, y)處的灰度 f 映射為 g。而前 者在處理時只需要將當(dāng)前的灰度分布重新均衡地分布于整個灰度區(qū)間即可,雖然對于某一幅特定的圖象處理效果可能不及灰度規(guī)定化,但通用性卻要好的多,對任意圖象均可獲得相當(dāng)不錯的處理效果 [5]。在灰度直方圖坐標(biāo)系中,橫坐標(biāo)表示圖像中各個像素點的灰度級,縱坐標(biāo)為各個灰度級上圖像各個像素點出現(xiàn)的次數(shù)或概率 [5]。實際上,灰度圖像直方圖是一個離散函數(shù) : pf(fk)=nk/n k=0, 1,?, L1 其中 fk 為圖像 f(x, y)的第 k級灰度, nk是圖像 f(x, y)中具有灰度值 fk的象素個數(shù), n是圖像象素總數(shù), L是圖像的灰度級數(shù)。 灰度圖像直方圖均衡化的描述 灰度圖像直方圖處理方法 圖像的直方圖是圖像處理中一種十分重要且實用的工具,它概括了一副圖像的灰度級內(nèi)容。當(dāng)前圖像處理在算法實現(xiàn)中主要應(yīng)用 Matlab 仿真工具,但 Matlab運行效率較低,且可移植性和實用性均不太理想??沼蛱幚硎侵苯訉D像進(jìn)行處理,而頻域處理則是在圖像的某個變化域內(nèi),對圖像的變換系數(shù)進(jìn)行運算,然后通過逆變換獲得圖像增強效果。圖像增強主要有兩方面應(yīng)用,一方面是改善圖像的視覺效果,另一方面也能提高邊 緣檢測或圖像分割的質(zhì)量,突出圖像的特征,便于計算機(jī)更有效地對圖像進(jìn)行識別和分析。根據(jù)車牌的先驗知識, 可以確定車牌的上下邊界, 在水平方向, 對一些圖像只能夠定位到車牌字符處, 而不包括車牌區(qū)的外框, 因此要進(jìn)行幾個像素的補償。對整幅圖像每隔 3 行進(jìn)行掃描, 標(biāo)記屬于車牌區(qū)的掃描行, 并且記錄掃描行的左右邊界連續(xù)幾行標(biāo)記過的掃描線在豎直方向上的間距為 3, 且掃描行的左右邊界相近的區(qū)域為車牌區(qū) 。本文提出一種用差分來描述灰度變化的方法。通過對車牌圖像水平方向上掃描行的灰 度值進(jìn)行觀察, 可以發(fā)現(xiàn)車牌圖像部分相對于其他部分在灰度分布上有明顯的不同。彩色圖像灰度化的公式為: Y=++ 公式( 41) (其中 Y 代表灰度值, YminYYmax , Ymin=0 表示黑, Ymax=255 表示白; R(紅 )、G(綠 )、 B(藍(lán))灰度變化后的圖像 Y=R=G=B。另一方面灰度圖像只含有亮度信息,不含有任何色彩信息,而每個彩色圖像都具有R(紅 )、 G(綠 )、 B(藍(lán)) 3 個不同的顏色分量,存在許多與識別無關(guān)的信息,不便于進(jìn)一步開展后續(xù)工作,因此在對圖像處理時首先因考慮將電子采集的真彩BPM圖,轉(zhuǎn)化為 256 色的灰度圖,用于排除車牌周圍顏色環(huán)境干擾,并加快處理速度。圖像分割是圖像提取的重要組成部分,只有有效地完成分割,才能進(jìn)一步提取目標(biāo)特征并識別目標(biāo) 只保留車牌部分,其他部分被裁剪掉。 這樣圖像掃描一次得到全部 TL 和 BR 點族后,就可以通過簡單的排列組合,拼成大小不一、位置不同的一系列矩陣,然后依據(jù)車輛牌照的特點,如,長寬比一定;在整幅圖像中的位置范圍幾乎相同;長和寬的像素點在一定范圍內(nèi)等,進(jìn)行排查,最后得到最匹配的一個矩形區(qū)域,即為車牌區(qū)域,本文定義 myFindRightAngle()函數(shù)對車牌進(jìn)行掃描定位。 而根據(jù)實際情況分析在經(jīng)過前期對圖像進(jìn)行邊緣檢測、圖像增強、二值處理使得較為容易掃描到角點( Topleft和 Bottomright),將掃描的角點存入數(shù)組,所以本文采用角點掃描算法對車牌進(jìn)行定位。這樣可以確定車牌的水平區(qū)域。就認(rèn)為該區(qū)域是車牌 預(yù)選區(qū)域 。 10 個跳變 值 以上,并且前一個跳變和后一個跳變點距離在一定范圍內(nèi),就記錄下起始占烽終止點位置。由于車輛牌照圖 像在原始圖像中是一個長條形 的子區(qū)域,在車輛圖像中的位置相對集中( 一般來說車牌都在車輛下部,與車牌文字類似文字干擾大多在上部 )并且灰度有突變,所以可以采用 掃描 法定位 車牌 , 采用從左到右、從下到上順序掃描。 車牌定位算法的分析與研究 在上述的圖像處理工作,是為了給車牌定位做下基礎(chǔ)。如果小于閥值,則將灰度值設(shè)置為 0 代表黑色。選取一個閥值 bThre,( bThre=(INT)((2*bUp+bLow)/3)。 圖像二值化處理算法 在基于邊緣檢測技術(shù)的基礎(chǔ)上對圖像進(jìn)行二值化處理,是為了增強圖像的對比度,使圖像變的簡單,減小數(shù)據(jù)量,能凸顯感興趣的目標(biāo)輪廓,為接下來的車牌定位提供方便。 Roberts 邊緣檢測算子是根據(jù)任意一對互相垂直方向上的差分可用來計算梯度的原理,采用對角線方向相鄰兩像素之差,即 : △ x f = ),( jif )1,1( ?? jif 公式( 31) △ y f = )1,( ?jif ),1( jif ? 公式( 32) ),( jiR = ff yx 22 ??? 公式( 33) 或 ?),( jiR | fx? |+| fy? | 公式( 34) 它們的卷積算子 fx? ???01 ????10 , fy? ????10 ???01 公式( 35) 有了 fx? , fy? 之后,很容易計算出 Roberts 的梯度幅值 ),( jiR ,適當(dāng)取門限 TH,作如下判斷 : ),( jiR TH, (i, j)為階躍狀邊緣點并賦值為 255(白),否則賦值為 0(黑色)。系統(tǒng)主要應(yīng)用于靜態(tài) 的車輛牌照的定位。與其它算子相比, Roberts 算子提取邊緣的結(jié)果邊緣較粗,但定位精度較高, Sobel 算子和 Prewitt 算子具有平滑作用,能濾除一些噪聲,去掉部分偽邊緣,但同時也平滑了真正的邊緣。 本文采用了 Roberts 算子是因為 Roberts 算子簡單直觀、容易理解 ,它在 檢測檢測水平和垂直邊緣 時 效果較好 , Roberts 算子 采用對角線方向相鄰兩像素之差近似梯度幅值檢測邊緣。邊緣檢測則是尋找圖像灰度值發(fā)生急劇變化的區(qū)域 ,顯示出圖像的輪廓邊緣。 Roberts 邊緣檢測 算法 邊緣是圖象最基本的特征,是指其周圍像素灰度后階變化的那些像素的集合 ,它存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域之間 。這是為了保證增強處理沒有打亂原始圖像的灰度排列次序,原圖各灰度級在變換 后仍保持從黑到白 (或從白到黑 )的排列。 其算法為: 設(shè)原始圖像在 (x, y)處的灰度為 f,而改變后的圖像 的灰度 為 g,則對圖像增強的方法可表述為將在 (x, y)處的灰度 f映射為 g?;叶染馔瑯右矊儆诟倪M(jìn)圖像的方法,灰度均衡后的圖像具有最大的信息量 。它是 以累計分布函數(shù)變換為基礎(chǔ)的直方圖修正法,它可以產(chǎn)生一幅灰度級分布概率均勻的圖像。如下圖所示,灰度直方圖的橫坐標(biāo)是灰度級,縱坐標(biāo)是該灰度級出現(xiàn)的頻率 /次數(shù),是圖象的最基本的統(tǒng)計特征。另一方面灰度圖像只含有亮度信息,不含有任何色彩信息,而每個彩色圖像都具有R(紅 )、 G(綠 )、 B(藍(lán)) 3 個不同的顏色分量,存在許多與識別無關(guān)的信息,不便于進(jìn)一步開展后續(xù)工作,因此在對圖像處理時首先因考慮將電子采集的真彩BPM圖,轉(zhuǎn)化為 256 色的灰度圖,用于排除車牌周圍顏 色環(huán)境干擾,并加快處理速度。 (6).將裁剪出的車牌圖像進(jìn)行二值化處理,以便于后期識別。 (4).創(chuàng)建畫筆用來繪制出的“車牌大小的矩形”對定位出的車牌進(jìn)行標(biāo)記。 (2).對圖像進(jìn)行灰度轉(zhuǎn)化、灰度均勻、邊緣檢測、圖像二值化處理。 要達(dá)到的設(shè)計目標(biāo) 經(jīng)過對圖像處理算 法的對比研究,綜合歸納出適合應(yīng)用于車牌定位的圖像處理算法以及定位算法。通過邊緣算子的檢測,可以很清晰的得到字符的骨架,所以得到車牌區(qū)域內(nèi)的密度很大。如 “ 京 B 12345” 就是典型的車牌號碼。英文字母中的 I和 O 避而不用,以免和數(shù)字中的 1和 0混淆。 ” ;后面的汽車編號,一般是 5 位數(shù)字,即從 00001~99999。一般民用牌照第一個字符是漢字,且 是各省市的簡稱,有 “ 京 ” 、 “ 滬 ” 、 “ 津 ” 、 “ 渝 ” 、 “ 晉 ” 、“ 冀 ” 、 “ 蒙 ” 、 “ 遼 ” 、 “ 黑 ” 、 “ 吉 ” 、 “ 蘇 ” 、 “ 浙 ” 、 “ 皖 ” 、 “ 閩 ” 、“ 贛 ” 、 “ 魯 ” 、 “ 豫 ” 、 “ 鄂 ” 、 “ 湘 ” 、 “ 粵 ” 、 “ 桂 ” 、 “ 瓊 ” 、 “ 川 ” 、“ 貴 ” 、 “ 云 ” 、 “ 藏 ” 、 “ 陜 ” 、 “ 甘 ” 、 “ 青 ” 、 “ 寧 ” 、 “ 新 ” 、 “ 軍 ” 、“ 空 ” 、 “ 海 ” 、 “ 北 ” 、 “ 沈 ” 、 “ 蘭 ” 、 “ 濟(jì) ” 、 “ 南 ” 、 “ 廣 ” 、 “ 成 ”等幾十個漢字。車牌上的每個字符寬 45mm,長 90mm,間隔符寬 10mm,字符的筆劃寬度為 10mm,每個單元間隔 12mm,即二、三字符之間距為 34mm。 ( 1)顏色特征:我國的標(biāo)準(zhǔn)車牌有四種:黃底黑字黑框線、藍(lán)底白字白框線、黑底白字紅 “ 使 ” 、 “ 領(lǐng) ” 字白框線,黑底紅字紅框線,這些特征使得車牌背景與字符有很大的對比度。 DIBHeight 函數(shù) 函數(shù)原型 : DWORDWINAPIDIBHeight(LPSTRIPDIB): 該函數(shù)返回 DIB中圖像的高度。 FindDIBBits 函數(shù) 函數(shù)原型 : LPSTRWINAPIFindDIBBits(LPSTRIPbi): 該函數(shù)計算 DIB中圖像像素數(shù)據(jù)區(qū)的起始位置,并返回指向它的指針。 SaveDIB 函數(shù) 函數(shù)原型 : BOOLWINAPISaveDIB(HDIBhDib, CFileamp?,F(xiàn)將幾個重要的函數(shù)加以說明 : ReadDIBFile 函數(shù) 函數(shù)原型 : HDIBWINAPIReadDIBFile(CFileamp。 由于 DIB位圖能獨立的保存固有的圖像信息,能在不同的系統(tǒng)中重現(xiàn)其圖像,故成為 Windows環(huán)境中的基本圖像格式。第三部分調(diào)色板 (Palette)保存顏色信息 。 BMP 文件結(jié)構(gòu)由四部分組成 :第一部分為位圖文件頭 BITMAPFILEHEADER,指定文件為 BMP 文件澳型,并且指定了從文件頭到實際位圖數(shù)據(jù)的偏移字節(jié)數(shù) 。 (6).將裁剪出的車牌圖像進(jìn)行二值化處理,以便于后期識別。 (4).創(chuàng)建畫筆用來繪制出的“車牌大小的矩形”對定位出的車牌進(jìn)行標(biāo)記。 (2).對圖像進(jìn)行灰度轉(zhuǎn)化、灰度均勻、邊緣檢測、圖像二值化處理。 經(jīng)過對圖像處理算法的對比研究,綜合歸納出適合應(yīng)用于車牌定位的圖像處理算法以及定位算法。目前車牌定位算法多種多樣,但總體可以分為兩大類,包括基于傳統(tǒng)圖像處理技術(shù)的車牌定位方法,以及基于機(jī)器學(xué)習(xí)的車牌定位方法 [1]。 國內(nèi)外眾多研究人員對車牌定位算法做了廣泛而深入的探索和研究 ,也不斷產(chǎn)生了一些新方法、新思路,但是目前國內(nèi)仍尚未出現(xiàn)一個完善、通用的車牌定位系統(tǒng)。 發(fā)展現(xiàn)狀及應(yīng)用 作為圖像模式識別的一個經(jīng)典課題,車牌識別技術(shù)和系統(tǒng)的研究已經(jīng)有 20多年的歷史,但是到目前為止,真正達(dá)到適用程度的系統(tǒng)仍很少,識別率和識別速度仍有待進(jìn)一步提高。同時, 車牌定位的效率也直接影響著整個識別系統(tǒng)的效率,一個高效率的車牌識別系統(tǒng)首先必須是建立在高效的車牌定位算法的基礎(chǔ)之上。 目前最常用的車牌識別方法就是數(shù)字圖像處理技術(shù) [5],數(shù)字圖象處理 (Digital Image Processing)是指利用計算機(jī)對數(shù)字圖像進(jìn)行系列操作,從而獲得某種預(yù)期的結(jié)果的技術(shù),也稱為計算機(jī)圖象處理(Computer Image Processing)[6]。 對于維護(hù)交通安全和城市治安,實現(xiàn)交通自動化管理有著現(xiàn)實的意義。 車牌識別系統(tǒng) (License Plate Recognition System)是 ITS 中 是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一 , 它以數(shù)字圖像處理、模式識別、計算機(jī)視覺等技術(shù)為基礎(chǔ), 主要由圖像采集、車牌定位、字符分割以及字符識別四部分組成,己經(jīng)越來越受到人們的重視。 因此,隨著計算機(jī)處理能力的增強和數(shù)字圖像處理技術(shù)、通訊技術(shù)、信息技術(shù)的飛速發(fā)展,將車輛、道路、使用者三者緊密集合起來,用系統(tǒng)的觀點進(jìn)行思考,把先進(jìn)的技術(shù)運用于智能交通系統(tǒng)( Intelligent Transportati
點擊復(fù)制文檔內(nèi)容
教學(xué)課件相關(guān)推薦
文庫吧 www.dybbs8.com
備案圖鄂ICP備17016276號-1