【網(wǎng)絡(luò)多媒體教學(xué)】第一組、車牌識(shí)別

1、車牌識(shí)別12電信 霍順南、衛(wèi)浩峰、陳麒安、李豪李劭彥、何福壽、謝穎杰精選課件汽車闖紅燈肇事司機(jī)逃逸了精選課件阻塞到寸步難行的高速路進(jìn)出都不用打卡的汽車精選課件定義：車牌識(shí)別技術(shù)，是指能夠檢測到受監(jiān)控路面的車輛并自動(dòng)提取車輛牌照信息(含漢字字符、英文字母、阿拉伯?dāng)?shù)字)進(jìn)行處理的技術(shù)。車牌識(shí)別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一，應(yīng)用十分廣泛。它以數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺等技術(shù)為基礎(chǔ)，對(duì)攝像機(jī)所拍攝的車輛圖像或者視頻序列進(jìn)行分析，得到每一輛汽車唯一的車牌號(hào)碼，從而完成識(shí)別過程。車牌識(shí)別技術(shù)精選課件原圖：粵B 650LB精選課件精選課件牌照識(shí)別具體流程由上圖可看出，車牌識(shí)別過程大致可分為

2、以下：1）圖像預(yù)處理2) 牌照定位，定位圖片中的牌照位置;3) 牌照字符分割，把牌照中的字符分割出來;4) 牌照字符識(shí)別，把分割好的字符進(jìn)行識(shí)別，最終組成牌照號(hào)碼。精選課件預(yù)處理：為什么需要預(yù)處理？ 為了用于牌照的分割和牌照字符的識(shí)別，原始圖象應(yīng)具有適當(dāng)?shù)牧炼?，較大的對(duì)比度和清晰可辯的牌照?qǐng)D象。但由于該系統(tǒng)的攝像部分工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照?qǐng)D象可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷，因此需要對(duì)原始圖象進(jìn)行識(shí)別前的預(yù)處理。過程： 輸入車牌圖像-灰度圖轉(zhuǎn)換-灰度校正-平滑處理-邊緣提取精選課件灰度圖轉(zhuǎn)換：

3、灰度圖是指只包含亮度信息，不包含色彩信息的圖像，例如平時(shí)看到的亮度連續(xù)變化的黑白照片就是一幅灰度圖?；叶然幚砭褪菍⒁环噬珗D像轉(zhuǎn)化為灰度圖像的過程。彩色圖像分為R、G、B三個(gè)分量，分別顯示出紅、綠、藍(lán)等各種顏色，灰度化就是使彩色的R、G、B分量相等的過程?；叶戎荡蟮南袼攸c(diǎn)比較亮（像素值最大為255，為白色），反之比較暗（像素值最小為0，是黑色）。 精選課件rgb2gray精選課件邊緣提取邊緣是指圖像局部亮度變化顯著的部分，是圖像風(fēng)、紋理特征提取和形狀特征提取等圖像分析的重要基礎(chǔ)。所以在此我們要對(duì)圖像進(jìn)行邊緣檢測。圖象增強(qiáng)處理對(duì)圖象牌照的可辯認(rèn)度的改善和簡化后續(xù)的牌照字符定位和分割的難度都是很

4、有必要的。增強(qiáng)圖象對(duì)比度度的方法有：灰度線性變換、圖象平滑處理等。圖像中車輛牌照是具有比較顯著特征的一塊圖象區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列的；在整體圖象中的位置較為固定。正是由于牌照?qǐng)D象的這些特點(diǎn)，再經(jīng)過適當(dāng)?shù)膱D象變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣。邊緣提取是較經(jīng)典的算法，此處邊緣的提取采用的是Roberts算子。精選課件I2=edge(I1,roberts,0.2,both); I2=edge(I1,roberts,0.15,both); 精選課件二、牌照的定位和分割牌照的定位和分割是牌照識(shí)別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖象預(yù)處理后的原始灰

5、度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個(gè)圖象中分割出來，供字符識(shí)別子系統(tǒng)識(shí)別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識(shí)別系統(tǒng)的識(shí)別率。由于牌照?qǐng)D象在原始圖象中是很有特征的一個(gè)子區(qū)域，確切說是水平度較高的橫向近似的長方形，它在原始圖象中的相對(duì)位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同，因而在其邊緣形成了灰度突變的邊界，這樣就便于通過邊緣檢測來對(duì)圖象進(jìn)行分割。精選課件流程圖精選課件1、牌照區(qū)域的定位牌照?qǐng)D象經(jīng)過了以上的處理后，牌照區(qū)域已經(jīng)十分明顯，而且其邊緣得到了勾勒和加強(qiáng)。此時(shí)可進(jìn)一步確定牌照在整幅圖象中的準(zhǔn)確位置。這里選用的是數(shù)學(xué)形態(tài)學(xué)的方法，其基本思想是用具有一

6、定形態(tài)的機(jī)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡化圖像數(shù)據(jù)，保持它們基本的形態(tài)特征，并除去不相干的結(jié)構(gòu)。在本程序中用到了腐蝕和閉合這兩個(gè)基本運(yùn)算，最后還用了bwareaopen來去除對(duì)象中不相干的小對(duì)象。精選課件敏感度閾值：0.2I5=bwareaopen(I4,2500);I5=bwareaopen(I4,2000);精選課件敏感度閾值：0.15I5=bwareaopen(I4,2500);I5=bwareaopen(I4,2000);精選課件敏感度閾值：0.2、去除面積：2400精選課件2、牌照區(qū)域的分割對(duì)車牌的分割可以有很多種方法，本程序是

7、利用車牌的彩色信息的彩色分割方法。根據(jù)車牌底色等有關(guān)的先驗(yàn)知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的車牌區(qū)域，確定車牌底色藍(lán)色RGB對(duì)應(yīng)的各自灰度范圍，然后行方向統(tǒng)計(jì)在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)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(jì)列方向藍(lán)色像素點(diǎn)的數(shù)量，最終確定完整的車牌區(qū)域。精選課件y,x,z=size(I5); %I5為上一步的結(jié)果，即去除小塊面積后的圖Blue_y=zeros(y,1); for i=1:y for j=1:x if(myI(i,j,1)=1) Blue_y(i,1)= Blue_y(i,1)+1;%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end e

8、nd temp MaxY=max(Blue_y);%Y方向車牌區(qū)域確定找出最多藍(lán)色像素點(diǎn)的行精選課件PY1=MaxY; while (Blue_y(PY1,1)=5)&(PY11) PY1=PY1-1; end PY2=MaxY; while (Blue_y(PY2,1)=5)&(PY2y) PY2=PY2+1; end IY=I(PY1:PY2,:,:);精選課件類似的，在確定車牌所在的行數(shù)之后，統(tǒng)計(jì)各列藍(lán)色像素點(diǎn)的個(gè)數(shù)，取3為閾值，即個(gè)數(shù)大于三則視為車牌區(qū)域，否則邊界壓縮。循環(huán)進(jìn)行檢測即可得到車牌區(qū)域的上下左右四邊的位置。通過dw=I(PY1:PY2,PX1:PX2,:);可以把車牌區(qū)域切

9、割出來PX1=1; while (Blue_x(1,PX1)3)&(PX1x) PX1=PX1+1; end PX2=x; while (Blue_x(1,PX2)PX1) PX2=PX2-1; end精選課件以上結(jié)果是建立在第一步的參數(shù)設(shè)置正常的情況下，那么如果參數(shù)不是正常的設(shè)置方式，結(jié)果又會(huì)如何呢？敏感度閾值為 時(shí)0.15精選課件3、車牌進(jìn)一步處理經(jīng)過上述方法分割出來的車牌圖像中存在目標(biāo)物體、背景還有噪聲，要想從圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個(gè)閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群，即對(duì)圖像二值化。均值濾波是典型的線性濾波算法，它是指在圖像上對(duì)

10、目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值來代替原來像素值。精選課件三、字符的分割與歸一化1 、m，n=size（d），逐排檢查有沒有白色像素點(diǎn)，設(shè)置1=j=3 %第三位以后是字母或數(shù)字識(shí)別 kmin=1; kmax=36; end精選課件 for k2=kmin:kmax fname=strcat(字符模板,liccode(k2),.jpg); 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(dāng)于兩幅圖相減得到第三

11、幅圖 Dmax=0; for k1=1:40 for l1=1:20 if ( SubBw2(k1,l1) 0 | SubBw2(k1,l1) 0 ) Dmax=Dmax+1; end end end Error(k2)=Dmax; end 精選課件 Error1=Error(kmin:kmax); MinError=min(Error1); findc=find(Error1=MinError); Code(l*2-1)=liccode(findc(1)+kmin-1); Code(l*2)= ; l=l+1;end確定差值最小的模板，將相應(yīng)編號(hào)存入code中精選課件此處采用相減的方法來求得字符與模板中哪一個(gè)字符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡稱；緊接其后的為字母與數(shù)字。車牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約50多個(gè)，大寫英文字母26個(gè)，數(shù)字10個(gè)。所以建立字符模板庫也極為方便。為了實(shí)驗(yàn)方便，結(jié)合本次設(shè)計(jì)所選汽車牌照的特點(diǎn)，只建立了5個(gè)漢字、26個(gè)字母與10個(gè)數(shù)字的模板。其他模板設(shè)計(jì)的方法與此相同。精選課件實(shí)驗(yàn)結(jié)果：精選課件另一組測試結(jié)果：精選課件精選課件總結(jié)：總體流程：1）圖像預(yù)處理2) 牌照定位，定位圖片中的牌照位置;3) 牌照字符分