基于圖像處理的汽車牌照的識別-文庫吧資料
2024-08-23 15:03本頁面
【正文】 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，各象素點的值也不一樣，到底如何來確定這些像素點的值呢？模板設(shè)置無疑成為一個難點。3. 整個處理過程結(jié)束后，再用imwrite 函數(shù)寫入圖像庫中，作為標(biāo)準(zhǔn)模板使用。其實現(xiàn)方法與前面的汽車邊緣提取的方法相同，也是利用梯度算子。所畫出的圖形如下:2. 對1中獲得的粗略圖像用MATLAB進(jìn)行處理。所得到的字符均為黑字白底。代表灰度值255。其他模板設(shè)計的方法與此相同。本次設(shè)計所識別的車牌只有字母與數(shù)字。車牌字符識別與一般文字識別在于它的字符數(shù)有限，漢字共約50多個，大寫英文字母26個，數(shù)字10個。 字符識別的算法如下: 讀入字符圖像 與模板庫中的字母逐一進(jìn)行相關(guān)運算 尋找相關(guān)度最大值所對應(yīng)的模板 輸出此模板所對應(yīng)的值 因此在字符識別之前必須把模板庫設(shè)置好。模板匹配的主要特點是實現(xiàn)簡單，當(dāng)字符較規(guī)整時對字符圖像的缺損、污跡干擾適應(yīng)力強且識別率相當(dāng)高。因此，字符特征的提取就成為研究的關(guān)鍵。用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行字符識別主要有兩種方法:一種方法是先對待識別字符進(jìn)行特征提取，然后用所獲得的特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器。字符的識別目前用于車牌字符識別(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法。但是對于車牌的識別，并不需要這么多的處理就已經(jīng)可以達(dá)到正確識別的目的。使其最后得到的圖像與標(biāo)準(zhǔn)模板一樣。因為圖像中含有許多燥聲，這在預(yù)處理的圖像中已經(jīng)看出來了。分割出來的六個字符如下所示，M6jpg并用imwrite函數(shù)寫入圖像文件夾中，以便在后期處理中可以直接進(jìn)行調(diào)用。第一個字符:110 第二個字符：1018 第三個字符：2841 第四個字符：4248第五個字符：6068 第六個字符：6878 圖12 車牌垂直方向上的面積投影圖 將圖10按照上面的分析行數(shù)不變，列數(shù)分為六組，分別影射到六個不同的數(shù)組中。有字符的列其灰度值比較高，無字符的則相對比較低。下圖是圖10在垂直方向上的面積投影圖。字符識別的算法很多，常采用垂直面積投影法來實現(xiàn)。最后提取出的汽車牌照如下圖:圖10 二值化的汽車牌照 圖11 未進(jìn)行二值化的汽車牌照在汽車牌照自動識別過程中，字符分割有承前啟后的作用。本設(shè)計中采用的車牌，其寬高比為1:3。這樣就得到首字符的起始位置。(2)確定左邊界: 從左向右掃描 ，當(dāng)遇到灰度值大于設(shè)定值60之后，停止掃描。 圖9 粗略定位出的汽車牌照對初步確定出來的牌照進(jìn)行微定位，所謂微定位法， 就是對基本定位后的車牌圖像進(jìn)行局部分析， 以進(jìn)一步確定字符范圍， 縮減車牌的左、右和上、下邊界， 這有利于后續(xù)的牌照字符處理。 類似的方法得出汽車邊緣圖像的垂直面積投影圖 圖8 汽車邊緣圖像的垂直面積投影圖 同上可初步得到汽車牌照的列位置在120~210之間。由圖4可以看出，車牌下方的橫欄處的T(i)值應(yīng)該是最大的，而車牌位置就在其附近。 圖7 汽車邊緣圖像的水平面積投影圖一般對應(yīng)于車牌位置的投影值T( i) 較大，而在車牌上，下行附近的投影值較小，均有谷點存在。對如圖4所示的汽車邊緣圖像f ( x ， y) ，我們首先進(jìn)行水平方向一階差分運算，即g ( i ， j) = | f ( i ， j) f ( i ， j + 1) |其中i = 1 ，2 ，3 ， ?，xw 1 ，j = 0 ，1 ，2 ，3 ， ?yw 1 ，其中xw，yw分別為圖像的行數(shù)和列數(shù)。該方法包括三部分: (1) 車牌的橫向定位； (2)車牌的縱向定位； (3) 車牌的微定位。 經(jīng)過邊緣提取得到的圖像，車牌區(qū)域在水平方向灰度面積值具有明顯頻繁的跳變，在垂直方向上的面積投影則出現(xiàn)峰谷峰的特性。經(jīng)多次比較，選取域值T=70，對于灰度值大于T的賦值為255，小于T的賦值為0。邊緣的提取采用的是梯度算子，因為其實現(xiàn)過程比較簡單，所以在此不多加贅述了。分析這種情況產(chǎn)生的原因，歸納起來主要有以下方面: 原始圖像清晰度比較高，從而簡化了預(yù)處理 圖像的平滑處理會使圖像的邊緣
高考資料相關(guān)推薦
鄂ICP備17016276號-1