对边缘横向涂抹,因为一般视角车牌是宽大于高的矩形。再对图像 close 进行
一次开操作,得到图像 open2,消除较细的线条和不大的竖向线条,从而将车
牌位置的连通区域独立出来。
4.查找连通区域,通过最小外接矩形的宽高比 2~5.5 筛选合适的连通区域。
5.将最小外接矩形图像旋转矫正,上下左右向外扩展一点范围,避免连通区域
没能覆盖车牌造成影响。
6.将连通区域原图转为 HSV 图像,确定图像的主要颜色,若不为蓝、黄、绿,
则排除。按照 3 种颜色对车牌进行精细定位,缩小范围。
7.再次通过图像宽高比 2.2~5.5 筛选合适的位置,至此车牌定位结束。
接下来就是进行字符分割过程:
字符分割连接车牌定位和字符识别两个步骤,起到承上启下的作用,准确的字
符分割是准确识别字符的前提,具体算法如下:
1.先将 RGB 图像转为灰度图,再转为二值图像,由于黄牌和绿牌的字符是黑色
的,因此要将黄牌和绿牌的二值图像做反转处理。
2.车牌的上边缘或下边缘有 2 颗铆钉,考虑到车牌字符一般为 7 位,理论上遍
历每行像素,若黑白跳变次数大于 14 次,可以判断该行像素有字符的像素,予
以保留,若小于等于 14 次,可以判断行像素没有字符的像素,将这一整行像素
置黑,即可消除铆钉。考虑到车牌倾斜的可能性,项目中将这一阈值设定为
8。
3.将二值图像的像素值向 x 轴投射,白色像素越多,投射出的值越高,投射值
低于设定阈值时,可以视为字符间隔。由于省市编号与其它编号距离较大,所
以字符最大间隔可以视为省市编号与其它编号之间的间隔,再往数前一个间
隔,可以得到车牌号的第一个字符。大间隔右边由于字符较多,所以通过连通
区域面积最大的 5 个进行查早,再通过 x 坐标排序,从而得到其余字符,至此
字符分割完成。
1.5 分类过程描述
将每个样本视作一个点
1. 载入数据集,对数据进行必要的预处理
2. 设置参数 K,K 最好选择奇数,因为后续进行归类的策略是少数服从多数,
评论0
最新资源