简易车牌识别系统设计光电图像处理Word文件下载.docx
- 文档编号:21157524
- 上传时间:2023-01-28
- 格式:DOCX
- 页数:15
- 大小:106.96KB
简易车牌识别系统设计光电图像处理Word文件下载.docx
《简易车牌识别系统设计光电图像处理Word文件下载.docx》由会员分享,可在线阅读,更多相关《简易车牌识别系统设计光电图像处理Word文件下载.docx(15页珍藏版)》请在冰豆网上搜索。
=r1))&
((I(i,j,2)<
=g2)&
(I(i,j,2)>
=g1))&
((I(i,j,3)<
=b2)&
(I(i,j,3)>
=b1)))
Blue_y(i,1)=Blue_y(i,1)+1;
End
这样判断条件设立,考虑到车牌在纵向上比横向加总特征更加明显,故先用循环语句纵向加总,进行纵向投影统计,选出统计量大于一定阈值Pmx要求的,对于低于要求的则不予考虑。
从而筛选找出横向范围,找到纵向的端点坐标。
再对横轴做同样的筛选找出横向范围,则可选出车牌的区域。
具体操作为:
(1)经判断得到每纵符合判断的像素总和Blue_y(i,1)
(2)[tempMaxY]=max(Blue_y);
%取出其中极大值坐标
(3)while((Blue_y(PY1,1)>
=5)&
(PY1>
1))
PY1=PY1-1;
End%以极大值为中心向两边判断符合阈值的纵列。
此处阈值为5.
(4)IY=I(PY1:
PY2,:
:
);
此即为纵向范围
(5)同上方法找出横向范围
下图为截取的车牌图像:
选取时可适当放宽选区从而保证车牌的完整。
2.4字符分割
这将是承前启后的一步。
车牌定位后节的图像可很容易的发现其颜色上大体上只有蓝白两种色彩,其中包含的有用信息也多在蓝白分别代表的区域上,若对其进行二值化处理则可去除多余的颜色信息而突出其区域性。
而分割的优劣则将直接影响车牌识别的结果。
2.4.二值化
二值化就是将原图RGB图像变为用“0”“1”表示的二值图像,只保留归类后的区域信息,而把其他次要信息忽略。
首先将RGB图像变为256级的灰度图像。
接着就此灰度图二值化,对此灰度图像进行二值化实质是将图像中的每一个象素按一定规则进行分类,也就是将图像转换为只有“0”“1”(黑,白)表示的二值图像。
最简单的分类规则是依据区域相似性和不连续性,取定一灰度阈值。
大于此阈值的象素点置成黑(白),而小于此阈值的象素点置成白(黑)。
常用的二值化算法有:
Otsu算法、Bernsern算法和熵函数算法等。
文献报道中多数系统都是采用这种灰度阈值二值化的方法。
有时为了简化算法,减少运算时间,取图像平均值为阈值[21];
有的考虑到牌照光照不均,采取了牌照字幅分别二值化的方法[25],也就是先对牌照图像进行分割,再对分割出来的字符图像进行独立梯度统计,取各自不同的阈值进行分类;
这里用简单的最小值最大值之间的45%做阈值。
具体做法如下:
(1)I2=rgb2gray(Plate)%将图像变为灰度图像
(2)fmax=double(max(max(I2)));
fmin=double(min(min(I2)));
lvl=(fmax1-(fmax-fmin)/2.2)/255;
%获得最佳阈值
(3)bw22=im2bw(I2,lvl);
%将图像转换为二进制图像
(4)bw11=imresize(bw22,[50,200]);
figure,imshow(bw11)%将图像标准化等待下一步处理
处理完毕的图像:
接下来就是分割的部分了。
2.4.2字符分割
从上面处理完的图形可见每个字符之间都有一段间断,正以利用这段间断带来的统计规律将字符分割开。
这类似于上面颜色统计,这里将二值图进行统计,结果如下图:
很明显看出每个字符间一段一段的间断,这里再运用二值化将小于阈值的全部归零大于的全部置一,则值为一的部分就为有效字符部分如图所示:
此时通过检测上升下降沿,并为上升下降沿分别建立数组位置一一对应,则每一组上升下降沿就对应一个字符的横坐标位置范围,从图中可见其中有些噪声条纹,则可将宽度小于18像素(前面已经标准化过)剔除达到去噪声效果。
具体程序实现如下:
(1)forj=1:
x2
fori=1:
y2
ifP(i,j)~=0
Px(1,j)=Px(1,j)+1;
end
end%统计
(3)fori=1:
201
ifPx3(i)==0&
Px3(i+1)==1
m1(a1)=i;
a1=a1+1;
elseifPx3(i)==1&
Px3(i+1)==0
m2(a2)=i;
a2=a2+1;
end
end%上升沿下降沿分别建立数组
(2)fori=1:
x2
ifPx(1,i)>
1
Px2(i)=1;
else
Px2(i)=0;
end%二值化
(4)t=0;
fori=1:
a2-1
if(m2(i)-m1(i))>
=18
t=t+1;
m2(t)=m2(i);
m1(t)=m1(i);
end%去掉噪声
这样基本完成了字符的分割,效果如下:
2.5字符识别
分割好的字符将进入最后一步识别。
现今的识别技术很多,但各有优缺点,就字符识别而言有如下几类[5]:
(1)利用字符的结构特征和变换进行特征提取,如:
Fourier变Karhuren-Loeve变换等,这种方法对字符的倾斜、变形都有较高的容忍度,但运算量巨大,对计算机性能要求高;
(2)利用字符的统计特征进行特征提取,目前多数字符识别系统均采用此方法,如提取字符号的投影特征、网格特征和轮廓特征组成字符特征矢量,进行特征匹配,结果具有较高的识别率;
(3)基于字符结构分析的识别方法,这种方法可以识别有较大旋转、变形、缩放的字符图像,但需要进行复杂的字符笔划分析和抽取,对牌照字符图像质量要求较高;
(4)模板匹配法,此法方法简便,广泛采用,这种方法对于有轻微变形、笔划缺损、污迹干扰的字符图像有较好的识别率,识别速度与匹配库大小有关。
(5)基于人工神经网络算法(ANNS)的识别,这是对人脑或自然神经网络若干基本特性的抽象和模拟,其优点为可以学习自适应不确定系统,可以充分逼近任意复杂的非线性关系,具有联想储存功能,但其程序复杂,识别前需要多次训练,且运算较大。
考虑到本字符识别只涉及31个汉字26个字母以及十个数字,字符库很容易建立,运用模板匹配法应该是最好的选择。
首先需要建立字库,可将每个字符模板(模板均为二值图像)按约定好的顺序大小依次排入一张.bmp图中,再用matlab调用图片与所要识别图像用corr2()函数一一比较,找出其中最大值及其对应位置编号再用switch函数赋相应的值即完成。
3结论
经过几幅图像的测试,本系统都能较好的识别出来,但系统还是存在适用范围,本简易系统只考虑了蓝色车牌情况,所以只适用于蓝色车牌识别,当然对参数稍作改动也能适应其他车牌。
由于运用的是颜色识别,对于背景中有大面积蓝色物体的就不能很好识别了,但可以通过与区域匹配程序结合完成识别。
参考文献
[1]崔江、王友仁.车牌自动识别方法中的关键技术研究.计算机测量与控制,2003.11
[2]彭真明,雍杨,杨先明.光电图像处理,电子科技大学出版社,2008.3
[3]王刚,冀小平.基于MATLAB的车牌识别系统的研究.中国科技论文在线
[4]鲁小平,陈阿林.基于MATLAB的车牌识别.测绘通报,2007.Vol.10
[5]孙彬.车牌自动识别图像处理关键技术研究.电子科技大学学位论文
课程设计总结
通过这次车牌识别系统的课程设计的完成,对光电图像处理课程的作用和意义有了更深的理解,对课程所教授的内容也在实践中灵活运用加深了印象,也学会了运用MATLAB这一数学编程工具。
对于科研的一般过程有了了解。
同时也提升了独立解决问题的能力,以及一些自己的创新能力。
在此感谢彭真明老师在课堂上的悉心授教,光电图像处理这门课让我学习了很多有实践价值的东西。
附录程序:
clc;
closeall;
clearall;
I=imread('
3.jpg'
%%%%%Í
¨
¹
ý
Ñ
Õ
É
«
Í
³
¼
Æ
¡
Ô
ñ
µ
Å
Ç
ø
Ó
ò
[y,x,z]=size(I);
dbI=double(I);
Blue_y=zeros(y,1);
r1=0;
r2=30;
g1=10;
g2=100;
b1=110;
b2=250;
y
forj=1:
x
if((dbI(i,j,1)<
(dbI(i,j,1)>
((dbI(i,j,2)<
(dbI(i,j,2)>
((dbI(i,j,3)<
(dbI(i,j,3)>
%À
¶
RGBµ
Ä
»
Ò
È
·
Î
§
%À
Ï
ó
Ë
Ø
ã
end
[tempMaxY]=max(Blue_y);
%Y·
½
PY1=MaxY;
while((Blue_y(PY1,1)>
PY1=PY1-1;
end
PY2=MaxY;
while((Blue_y(PY2,1)>
(PY2<
y))
PY2=PY2+1;
IY=I(PY1:
%%%%%%%%X·
%%%%%%%%%%
Blue_x=zeros(1,x);
%½
²
X·
forj=1:
fori=PY1:
PY2
=30)&
=100)&
=51))&
=255)&
(
dbI(i,j,3)>
=119)))
Blue_x(1,j)=Blue_x(1,j)+1;
PX1=1;
while((Blue_x(1,PX1)<
3)&
(PX1<
x))
PX1=PX1+1;
PX2=x;
while((Blue_x(1,PX2)<
(PX2>
PX1))
PX2=PX2-1;
PX1=PX1-2;
%¶
Ð
Þ
PX2=PX2+4;
Plate=I(PY1+2:
PY2-2,PX1:
PX2,:
figure,imshow(Plate)
%%%%%%%%%%%%
%³
þ
Ö
¯
I2=rgb2gray(Plate);
%figure,imshow(I2)
fmax1=double(max(max(I2)));
fmin1=double(min(min(I2)));
level=(fmax1-(fmax1-fmin1)/2.2)/255;
%»
Ã
×
î
bw22=im2bw(I2,level);
%½
ª
%figure,imshow(bw22)
%%%%%%%%%%%%%%%%%
%±
ê
¾
50£
¬
200¡
¿
bw11=imresize(bw22,[50,200]);
figure,imshow(bw11)
%%%%%%%%%%%%%%%%%%%%
[y1,x1]=size(bw11);
P1=double(bw11);
Px1=zeros(y1,1);
y1
x1
ifP1(j,i)~=0
Px1(j)=Px1(j)+1;
%figure,plot(Px1);
grid
tol=0;
50
tol=Px1(i)+tol;
el=tol/50;
ifPx1(i)>
=0.5*el
break
forj=50:
-1:
ifPx1(j)>
=0.2*el
bw11=bw11(i:
j,:
%figure,imshow(bw11)
bw11=imresize(bw11,[50,200]);
%figure,imshow(bw11)
%%%%%%%%%%%%%
%%Ê
ú
°
[y2,x2]=size(bw11);
P=double(bw11);
Px=zeros(1,x2);
Px3=zeros(1,x2);
%figure,plot(Px);
%%%%%%%
%%¶
figure,bar(Px2);
%%%%%%%%%%%
%%%%%%%%%%%%%%%Í
Â
¸
ô
û
Px3=[0,Px2,0];
a2=1;
a1=1;
end%Í
%%%%%%%%%%%%%%%È
¥
©
ë
ù
t=0;
%%%%%%%%%%%%%%%%%%Ï
Ê
m2(t)=m2(t)-1;
t
Plat=bw11(:
m1(i):
m2(i));
subplot(1,a2-1,i),imshow(Plat)
PP(:
i)=imresize(bw11(:
m2(i)),[59,47]);
c=fincode(PP(:
i),i);
char(c)
functionzi=fincode(P,n)
std1=imread('
chinese.bmp'
std2=imread('
number.bmp'
ifn==1
31
x=47*i;
std=std1(:
x-46:
x);
samel(i)=corr2(P,std);
else
36
std=std2(:
[cor,num]=max(samel(:
));
switchnum
case1
c='
'
;
case2
case3
¦
case13
otherwise
A'
B'
C'
case4
1'
case5
2'
case6
4'
zi=c;
电子科技大学光电信息学院课程设计(论文)教师评阅表
课程名称光电图像处理
题目名称简易车牌识别系统设计
学号2705302012
姓名周之川
评阅标准
得分
教师
评阅
学习态度(学习态度能否认真,设计(论文)有无抄袭情况)
(0~10分)
工作量(能否很好地完成任务书规定的工作量,设计内容是否全面)
规范要求(图形、表格、公式的表达是否清晰、正确,论文的书写是否符合规范化要求)(0~15分)
实际能力(能否认真阅读教师指定的参考资料、文献,是否能阅读与课程设计有关的自选资料;
基础理论和专业知识是否扎实,能否正确运用基本理论和基本技能;
能否独立分析、解决设计问题,设计方案是否正确,有无重大原则性错误;
文字表达能力如何,能否准确地表达自己的设计思想或论文意图)(0~40分)
学识水平(论文是否有独到见解或设计是否有较大创新,对课题是否有较深刻的分析和研究,论文或设计是否有较大的实用价值或较高的学术水平,成果是否突出(0~25分)
总计
评阅教师评语(包括学习态度及工作量;
课程设计(论文)内容及规范性;
课程设计(论文)表达能力等方面):
评阅教师签字:
年月日
文档来源网络,版权归原作者。
如有侵权,请告知,我看到会立刻处理。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 简易 车牌 识别 系统 设计 光电 图像 处理
![提示](https://static.bdocx.com/images/bang_tan.gif)