图像实验报告.docx

图像实验报告全文共9页，当前为第1页。图像实验报告全文共9页，当前为第1页。《图像分析技术》实验报告 图像实验报告全文共9页，当前为第1页。 图像实验报告全文共9页，当前为第1页。 专业：控制工程 姓名：王昌龙 学号：6161913026 实验介绍 根据所给的车辆图片，找出对应车牌所在的区域，并用红色方框在图中标记。本次试验中，采用了在HIS颜色空间中检测车牌特征的方法，找到车牌所在区域。 实验方法 根据所给的图像特征，可以将这些车辆图片按照车牌类型的不同分为三类：第一类是普通小型车的蓝底白字车牌，第二类是带红色字样的大使馆等涉外车牌、警车车牌；第三类是黑底白字车牌。 由于采集到的车辆图像均为RGB模型，且该模型下R、G、B这三个分量堆光线的强弱比较敏感，受亮度干扰较大，所以RGB模型不是进行车牌图像分割。这里才用HIS颜色模型对图像进行描述，H、S、I分别表示图像的色度、饱和度和亮度。转换公式如下： Hθ,(B G)360-θ,(B>G) θ=arccos12R-G+(R-B)(R-G)2+(R-G)(G-B) S=1-3R+G+B[min (R,G,B)] I=13(R+G+B) 检测第一类车牌，根据文献[1],蓝色对应的HIS区域分别是：161 H 301, 0.25 S 1，0.25 I 1。对所选图片中的每个点进行逐一检测，记录符合上述条件的点。建立一个与检测图像相同大小的矩阵type，将所记录的点对应位置的值记为255（表示灰度值），其余点记为0。则type为符合条件点所组成的二值图像矩阵，以第三幅图像为例，结果如下图 图像实验报告全文共9页，当前为第2页。图像实验报告全文共9页，当前为第2页。 图像实验报告全文共9页，当前为第2页。 图像实验报告全文共9页，当前为第2页。 对上述图像进行腐蚀，膨胀处理，结果如下图。 对图2分别进行y,x轴方向垂直投影，得到每一行，每一列所具有的检测点的个数，其分布图像如下图。 图像实验报告全文共9页，当前为第3页。图像实验报告全文共9页，当前为第3页。 图像实验报告全文共9页，当前为第3页。 图像实验报告全文共9页，当前为第3页。 设置阈值threshold=0.71，对所得到的垂直投影进行分析，找出其最大值Ymax，Xmax，丛左右两端进行检测，找到第一个超过阈值的个数点，并记录，得到PX1,PX2,PY1,PY2.。该四个点分别为所检测出车牌四个角点的位置。中国的汽车车牌标准轮廓尺寸为440*140mm，长宽比为3.14，考虑到某些检测图像中汽车位置角度的偏差，本次实验选取的长宽比为3.3。故在得到车牌四个角点位置后，根据长宽比对角点位置进行调整。所得最终结果如下。 检测第二类车牌，也就是带有红字的涉外车牌、警车车牌时，同样是利用HIS空间进行检测，但检测内容有些区别。考虑到这类车牌都有一个共同特点就是红字开头，而车身本身是黑色或是白色，所以可以利用这一特性对车牌进行定位。 以大使馆车牌为例，同样是利用HIS颜色空间，找出红色字样所处的颜色空间位图像实验报告全文共9页，当前为第4页。图像实验报告全文共9页，当前为第4页。置。经过实验，红色字样的颜色空间特征为H 12，或者H 350、0.3 S 0.5、 图像实验报告全文共9页，当前为第4页。 图像实验报告全文共9页，当前为第4页。 I 0.55。与检测蓝底车牌方法相同，检测红字结果如图。 经过腐蚀膨胀后结果如下。 利用车牌长宽比例为3.14，本次试验取3.3。因为红色字样位于车牌首位，所以经过垂直投影，确定红色字样位置后，便可计算出车牌所在位置。结果如下图。 . 第三类车牌也就是黑底白字车牌，方法与第一类检测方法类似，只需要修改相关参数，将蓝色区域换成黑色区域进行检测即可。最终结果如下图。 图像实验报告全文共9页，当前为第5页。图像实验报告全文共9页，当前为第5页。 图像实验报告全文共9页，当前为第5页。 图像实验报告全文共9页，当前为第5页。 实验结果 所有图像检测结果如下。 图像实验报告全文共9页，当前为第6页。图像实验报告全文共9页，当前为第6页。图像实验报告全文共9页，当前为第7页。图像实验报告全文共9页，当前为第7页。 图像实验报告全文共9页，当前为第6页。 图像实验报告全文共9页，当前为第6页。 图像实验报告全文共9页，当前为第7页。 图像实验报告全文共9页，当前为第7页。 实验总结 本次实验主要利用了车牌的特征是颜色信息，包括蓝色、红色、黑色信息。只要确定这三种颜色在HIS空间中的分布就可以就可以对图像中的车牌特征进行检测，之后利用垂直投影的方法对车牌位置进行确定。利用车牌长宽比例对候选区域进行调整，可以有效地去除一些干扰因素，得到比较理想的效果。 本次实验也有一些未解决的问题和不足之处： 将车牌分为三类，需要 【图像分析技术】实验报告详述了一种基于HIS颜色空间的车牌自动识别方法，用于在车辆图片中定位不同类型的车牌。实验者首先将车辆图片按照车牌类型分为三类：蓝底白字的普通小型车车牌、红字涉外或警车车牌以及黑底白字车牌。由于RGB颜色模型对光照变化敏感，实验选择了HIS颜色模型，其中H代表色度，S代表饱和度，I代表亮度。通过特定的HIS颜色范围匹配，例如蓝色车牌对应161≤H≤301, 0.25≤S≤1, 0.25≤I≤1，可以筛选出车牌区域。 实验步骤包括以下关键环节： 1. **颜色匹配**：遍历图像中的每个像素，将RGB值转换为HIS值，与预设的车牌颜色范围比较，符合的点记录在二值图像矩阵`type`中，非匹配点标记为0，匹配点标记为255。 2. **形态学处理**：对`type`图像进行腐蚀和膨胀操作，以消除噪声和增强车牌边缘。 3. **垂直投影分析**：对处理后的图像进行y、x轴方向的垂直投影，找出具有高密度点的区域，这些区域可能对应车牌的行和列。 4. **阈值处理**：设置阈值threshold=0.71，找到投影图像中超过阈值的最大值点，以此确定车牌四个角点的大概位置。 5. **长宽比校正**：依据车牌的标准尺寸和长宽比（3.14或3.3），对角点位置进行微调，精确框选出车牌区域。 对于红字车牌，实验者利用红字开头的特性，在HIS颜色空间中寻找特定的红色范围，然后同样进行后续处理。黑底白字车牌的检测方法与蓝底车牌类似，只需调整颜色匹配参数。 实验结果显示，这种方法能有效识别不同类型的车牌，但也存在一些问题和不足，例如： 1. 需预先知道车牌类型，限制了算法的通用性，改进方案可能是采用边缘检测方法结合长宽比例确定车牌位置。 2. 非正面拍摄的车辆可能导致长宽比例不固定，影响定位准确性，解决方法是寻找更理想的长宽比例或引入更灵活的定位策略。 3. 垂直投影的阈值选择直接影响边界定位，目前依赖经验，可探索更适合的滤波方法来去除干扰点，例如在红色字样检测时去除车灯等红色区域的影响。 通过这个实验，我们可以了解到图像分析技术在车牌识别中的应用，以及HIS颜色空间在颜色特征提取上的优势。然而，实际应用中还需考虑更多复杂情况，如光照变化、车牌倾斜、遮挡等因素，以提高识别的准确性和鲁棒性。