車牌識別預處理(1)

1、車牌識別預處理技術(shù),,車牌識別預處理技術(shù),實驗要求對原始車牌圖像做增強處理；對增強后的彩色圖像進行灰度變換；對灰度圖像進行直方圖均衡化處理；選取自適應的閾值，對圖像做二值化處理；顯示每步處理后的圖像；分析此種圖像預處理的優(yōu)缺點及改進措施，簡要敘述車牌字符識別方法。,車牌識別預處理技術(shù),（一）圖像預處理及邊緣提?。ǘ﹫D像的定位和分割（三）字符分割（四）歸一化（五）字符識別,（一）圖像預處理及邊緣提取,,圖像增強,是將

2、原來不清晰的圖像變得清晰或強調(diào)某些感興趣的特征，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量，加強圖像判讀和識別效果的圖像處理方法。,background = imopen(I0, strel('disk', 15));I = imsubtract(I0, background);figure(2),imshow(I);,圖像的灰度化并繪制直方圖,彩色圖像的存儲器所需的陳本高，且減緩系統(tǒng)的速度執(zhí)行，所以，在圖

3、像識別處理彩色圖像一般都轉(zhuǎn)換成灰度圖像，以加快圖像信息的處理速度。從彩色圖像到灰度圖像的轉(zhuǎn)換叫做灰度處理。灰度直方圖的橫坐標代表圖片的像素數(shù)，從左到右由暗到亮?；叶戎狈綀D的縱軸就代表其所占有圖片的面積，峰值越低就意味著該明暗值得像素數(shù)量越少。峰值最高的即為車牌區(qū)域,邊緣提取,邊緣提取，指數(shù)字圖像處理中，對于圖片輪廓的一個處理。對于邊界處，灰度值變化比較劇烈的地方，就定義為邊緣。也就是拐點，拐點是指函數(shù)發(fā)生凹凸性變化的點。二階導數(shù)為零的地

4、方。并不是一階導數(shù)，因為一階導數(shù)為零，表示是極值點。,BW=edge (I, ‘roberts', thresh, direction)根據(jù)所指定的敏感度閾值thresh，在所指定的方向direction上，用Sobel 算子進行邊緣檢測。Direction可取的字符串值為horizontal(水平方向)、vertical(垂直方向)或both(兩個方向)。,Robert算子是一種通過局部差分來尋找邊緣的算子，它采用對角線方向相

5、鄰兩像素之差近似梯度幅值檢測邊緣。其檢測垂直邊緣的效果優(yōu)于斜向邊緣，不僅定位精度更高，而且對噪聲也更敏感。,圖像的腐蝕,腐蝕操作就是通過不斷的刪除圖片上的像素，講圖片縮小，以此來達到去除小點狀圖形的效果,se=[1;1;1];I3=imerode(I2,se);figure(3),subplot(1,2,2);imshow(I3);title('¸¯Ê´ºó

6、5;¼Ïñ');,（二）圖像的定位和分割,圖像平滑處理,在得到車牌區(qū)域的圖像輪廓線之后，由于存在圖像的數(shù)字化誤差，加上噪聲的影響，對腳點的提取造成影響，所以在腳點提取之前，必須首先對圖像進行平滑處理，這里用MATLAB里的一個圖像平滑處理函數(shù)imclose(),它的功能與開運算相反，用來融合窄的缺口及細長的彎口，去掉小洞和填補輪廓上出現(xiàn)的縫隙。函數(shù)imclose()：,I4=imclose(I3,s

7、e);figure(4),subplot(1,2,1);imshow(I4);title('平滑圖像的輪廓');,結(jié)構(gòu)單元中Se一個小于對象閉合圖形，若存在兩個封閉域的距離小于S那么就將這兩個域連接為一個連通域，采用Se=strel(‘rectangle’[40，20])的Se產(chǎn)生方式。Se是一個40×20的矩形，之所以使用矩形是因為車牌也是矩形的，這樣，能夠保證提取到最接近預期效果的圖像,從對象中移除小對象

8、,采用膨脹和閉合基本運算，及bwareaopen來去除的對象中不相干的對象。由于正常拍攝的車牌圖像受光照、表面污漬等的影響，需要對正常拍攝的圖像進行區(qū)域的識別并確定下來，所以需要對其進行大范圍橫向（X）、縱向（Y）像素點相關(guān)搜索，找到符合車牌的區(qū)域，然后對其作進一步的分析、判斷，最終確定一個最佳的區(qū)域作為下一步處理需要的圖像。,圖像經(jīng)平滑處理之后，可能會有多個閉合區(qū)域存在，但是對于不是車牌區(qū)域的區(qū)域必須予以刪除，于是使用MATLAB里

9、面包含的函數(shù)bwareaopen()，來刪除二值圖像中面積小于一個定值的對象，一般情況下使用8鄰域，函數(shù)bwareaopen()： Car_Image_Perform2=bwareaopen(Car_Image_Perform，2000)；通過上述函數(shù)的處理，Car_Image_Perform中面積小于2000的對象都被刪除了,I5=bwareaopen(I4,2000);figure(4),subplot(1,2,2);imsh

10、ow(I5);title('從對象中移除小對象');,圖像的分割,利用車牌的彩色信息的彩色分割方法，采用彩色像素點統(tǒng)計的方法分割出合理的車牌區(qū)域，確定車牌底色藍色RGB對應的各自灰度范圍，然后行方向統(tǒng)計在此顏色范圍內(nèi)的像素點數(shù)量，設定合理的閾值，確定車牌在行方向的合理區(qū)域。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計行方向像素點的數(shù)量，最終確定完整的車牌區(qū)域。,圖像二值化,設定合理閾值，對圖像進行二值化處理%選取最佳閾值fmax1

11、=double(max(max(dw1)));fmin1=double(min(min(dw1)));level=(fmax1-(fmax1-fmin1)/3)/255;dw3=im2bw(dw1,level);dw4=double(dw3);figure(7),subplot(1,2,1);imshow(dw4);title('車牌二值圖像');,濾波,均值濾波和中值濾波均值濾波，即線性濾波算法

12、 不足：使圖像變得模糊，分攤噪聲和景物的邊界點中值濾波：即非線性濾波可彌補線性濾波所帶來的圖像細節(jié)模糊等不足，且對濾除脈沖干擾,case 'Z3' PIN2=Z; case 'Z4' PIN3=Z; case 'Z5' PIN4=Z; case 'Z6' PIN5=Z; otherwise

13、PIN6=Z; end figure(17); subplot(1,7,i); imshow(Z); Px0=Px1;end,字符的分割,分割出字符，并切割上下多余的部分，再根據(jù)分割出的結(jié)果進行字符識別。通過尋找連續(xù)的有文字的快，若長度大于某閾值，則認為該塊有兩個字符組成，需要分割。,%字符分割方法，利用垂直投影法I2=h1;[y1,x1,z1]=size(I2);I3=double(I2

14、);XX1=zeros(1,x1);%統(tǒng)計每一列像素值為1的個數(shù)for jj=1:x1 for ii=1:y1 if(I3(ii,jj,1)==1) XX1(1,jj)=XX1(1,jj)+1; end endendfigure,plot(1:x1,XX1);Px0=1;Px1=1;,for i=1:7%分割字符 while((XX1(1,Px0

15、)=3)&&(Px1<x1))||((Px1-Px0)<10))%求字符右邊界 Px1=Px1+1; end Z=I2(:,Px0:Px1,:); switch strcat('Z',num2str(i)) case 'Z1' PIN0=Z; case 'Z2' PIN1=Z;,字符的識別,licc

16、ode=char(['0':'9''A':'Z''蘇豫陜魯']); SubBw2=zeros(40,20); l=1; for I0=1:7 ii=int2str(I0); t=imread([ii,'.jpg']); SegBw2=imresize(t, [40 20],'nearest'); if l

17、==1 %第一位漢字識別 kmin=37; kmax=40; elseif l==2 %第二位A~Z字母識別 kmin=11; kmax=36; else l>=3 %第三位以后是字母或數(shù)字識別 kmin=1; kmax=36; endfor k2=kmin:kmax fname=strcat('字符模板\',liccode(k2),'.jpg');

18、 SamBw2=imread(fname);for i=1:40 for j=1:20,SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j); end end %以上相當于兩幅圖相減得到第三幅圖 Dmax=0; for k1=1:40 for l1=1:20 if ( SubBw2(k1,l1) > 0 || SubBw2(k1,l1) <0 ) Dmax=Dmax

19、+1; end end end Error(k2) =Dmax; end Errorl=Error (kmin:kmax); MinError=min(Errorl); findc=find(Errorl==MinError); l=l+1; end figure(17),subplot(3,1,2),imshow(dw),title ('車牌號碼:蘇 D 3 7 8 6 3'