【网络多媒体教学】第一组、车牌识别

1、车牌识别12电信 霍顺南、卫浩峰、陈麒安、李豪李劭彦、何福寿、谢颖杰精选课件汽车闯红灯肇事司机逃逸了精选课件阻塞到寸步难行的高速路进出都不用打卡的汽车精选课件定义：车牌识别技术，是指能够检测到受监控路面的车辆并自动提取车辆牌照信息(含汉字字符、英文字母、阿拉伯数字)进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。车牌识别技术精选课件原图：粤B 650LB精选课件精选课件牌照识别具体流程由上图可看出，车牌识别过程大致可分为

2、以下：1）图像预处理2) 牌照定位，定位图片中的牌照位置;3) 牌照字符分割，把牌照中的字符分割出来;4) 牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。精选课件预处理：为什么需要预处理？ 为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。但由于该系统的摄像部分工作于开放的户外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。过程： 输入车牌图像-灰度图转换-灰度校正-平滑处理-边缘提取精选课件灰度图转换：

3、灰度图是指只包含亮度信息，不包含色彩信息的图像，例如平时看到的亮度连续变化的黑白照片就是一幅灰度图。灰度化处理就是将一幅彩色图像转化为灰度图像的过程。彩色图像分为R、G、B三个分量，分别显示出红、绿、蓝等各种颜色，灰度化就是使彩色的R、G、B分量相等的过程。灰度值大的像素点比较亮（像素值最大为255，为白色），反之比较暗（像素值最小为0，是黑色）。 精选课件rgb2gray精选课件边缘提取边缘是指图像局部亮度变化显著的部分，是图像风、纹理特征提取和形状特征提取等图像分析的重要基础。所以在此我们要对图像进行边缘检测。图象增强处理对图象牌照的可辩认度的改善和简化后续的牌照字符定位和分割的难度都是很

4、有必要的。增强图象对比度度的方法有：灰度线性变换、图象平滑处理等。图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定。正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。边缘提取是较经典的算法，此处边缘的提取采用的是Roberts算子。精选课件I2=edge(I1,roberts,0.2,both); I2=edge(I1,roberts,0.15,both); 精选课件二、牌照的定位和分割牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰

5、度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。由于牌照图象在原始图象中是很有特征的一个子区域，确切说是水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘形成了灰度突变的边界，这样就便于通过边缘检测来对图象进行分割。精选课件流程图精选课件1、牌照区域的定位牌照图象经过了以上的处理后，牌照区域已经十分明显，而且其边缘得到了勾勒和加强。此时可进一步确定牌照在整幅图象中的准确位置。这里选用的是数学形态学的方法，其基本思想是用具有一

6、定形态的机构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形态特征，并除去不相干的结构。在本程序中用到了腐蚀和闭合这两个基本运算，最后还用了bwareaopen来去除对象中不相干的小对象。精选课件敏感度阈值：0.2I5=bwareaopen(I4,2500);I5=bwareaopen(I4,2000);精选课件敏感度阈值：0.15I5=bwareaopen(I4,2500);I5=bwareaopen(I4,2000);精选课件敏感度阈值：0.2、去除面积：2400精选课件2、牌照区域的分割对车牌的分割可以有很多种方法，本程序是

7、利用车牌的彩色信息的彩色分割方法。根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色RGB对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然后，在分割出的行区域内，统计列方向蓝色像素点的数量，最终确定完整的车牌区域。精选课件y,x,z=size(I5); %I5为上一步的结果，即去除小块面积后的图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;%蓝色像素点统计 end end e

8、nd temp MaxY=max(Blue_y);%Y方向车牌区域确定找出最多蓝色像素点的行精选课件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,:,:);精选课件类似的，在确定车牌所在的行数之后，统计各列蓝色像素点的个数，取3为阈值，即个数大于三则视为车牌区域，否则边界压缩。循环进行检测即可得到车牌区域的上下左右四边的位置。通过dw=I(PY1:PY2,PX1:PX2,:);可以把车牌区域切

9、割出来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精选课件以上结果是建立在第一步的参数设置正常的情况下，那么如果参数不是正常的设置方式，结果又会如何呢？敏感度阈值为 时0.15精选课件3、车牌进一步处理经过上述方法分割出来的车牌图像中存在目标物体、背景还有噪声，要想从图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群，即对图像二值化。均值滤波是典型的线性滤波算法，它是指在图像上对

10、目标像素给一个模板，该模板包括了其周围的临近像素。再用模板中的全体像素的平均值来代替原来像素值。精选课件三、字符的分割与归一化1 、m，n=size（d），逐排检查有没有白色像素点，设置1=j=3 %第三位以后是字母或数字识别 kmin=1; kmax=36; end精选课件 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 % 以上相当于两幅图相减得到第三

11、幅图 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 精选课件 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确定差值最小的模板，将相应编号存入code中精选课件此处采用相减的方法来求得字符与模板中哪一个字符最相似，然后找到相似度最大的输出。汽车牌照的字符一般有七个，大部分车牌第一位是汉字，通常代表车辆所属省份，或是军种、警别等有特定含义的字符简称；紧接其后的为字母与数字。车牌字符识别与一般文字识别在于它的字符数有限，汉字共约50多个，大写英文字母26个，数字10个。所以建立字符模板库也极为方便。为了实验方便，结合本次设计所选汽车牌照的特点，只建立了5个汉字、26个字母与10个数字的模板。其他模板设计的方法与此相同。精选课件实验结果：精选课件另一组测试结果：精选课件精选课件总结：总体流程：1）图像预处理2) 牌照定位，定位图片中的牌照位置;3) 牌照字符分