没有合适的资源?快使用搜索试试~ 我知道了~
汽车车牌中的数字识别(单片机).doc
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 151 浏览量
2022-07-12
09:38:17
上传
评论
收藏 1.31MB DOC 举报
温馨提示
试读
21页
汽车车牌中的数字识别(单片机).doc
资源推荐
资源详情
资源评论
. . . .
1 / 21
《数字图像处理》
课程设计报告
题 目:汽车车牌中的数字识别
专 业: 信息与计算科学
一、 课程设计目的
1、巩固理论课上所学的知识。
2、锻炼动手能力、激发研究潜能,增强理论联系实际的能力。
3、综合运用数字信号处理的理论知识进行图片分析和图片识别设计,通过理
论推导得出相应结论,再利用 MATLAB 作为编程工具进行计算机实现,从而加深
对所学知识的理解。
4、对汽车车牌中的数字进行识别(正确获取整个图像中车牌的区域,并识别出车牌
号)。
二、 课程设计的基本要求
1、对知识点的掌握要求:
(1)掌握图像获取,明白数字化操作。
(2)掌握图像变换,利用离散傅里叶变换对原始图片的正交变换。
(3)掌握图像增强,去除图像中不需要的信息。
(4)掌握图像分析,对图像中感兴趣的目标进行区域分割与特征抽取的手
段将原来以像素描述的图像变成比较简洁的对目标描述。
(5)掌握图像识别,知道如何简化识别系统结构,提高系统的实用性和可
靠性。
2、分组情况
组长:
组员:
分工情况:
:设计全过程的监督与协助、部分源程序代码的编写和整个源程序代
码的整理,图像的分析、变换、增强、识别与定位。
:图像采样,源程序代码的编写。
:使用 matlab 绘图。
:将图像转化成二值图像。
:在书上查找相关概念容。
. . . .
2 / 21
3、课程设计容
将采样来的图片用傅里叶变换成二值图像,将图片增强、识别、定位。使
用 matlab 绘图,将汽车车牌中的数字识别与定位。
(1)能对图像文件(bmp、 jpg、 tiff、 gif 等)进行打开、保存、另存、
打印、退出等功能操作。
(2)图像预处理功能:
①直方图的统计与绘制,根据此找到图像的阈值点;
②彩色图像的灰度化变换等、一般灰度图像的二值化处理等;
③数字图像的增强处理功能:空域中的点运算、直方图的均衡化、各种
空间域平滑算法(如局部平滑滤波法、中值滤波等)、锐化算法(如梯度锐化法、
高通滤波等);色彩增强:伪彩色增强、真彩色增强等;
(3)车牌定位,并对其实现方法进行详细叙述;
(4)字符分割,并对其实现方法进行详细叙述;
(5)字符识别,通过运用模版匹配、神经网络和支持向量机(SVM)对汽车
车牌的图像进行处理,并对车牌中的数字字符进行识别。
三、课程设计与实现步骤
1、课程设计的线路思想:汽车车牌的识别过程主要包括车牌定位、字符车牌分
割和车牌字符识别三个关键环节。其识别流程如下:
(1)原始图像 :由数码相机或其它扫描装置拍摄到的图像。
(2)图像预处理:对动态采集到的图像进行滤波,边界增强等处理以克服图
像干扰。
(3)边缘提取 :通过微分运算,2 值化处理,得到图像的边缘。
(4)车牌定位 :计算边缘图像的投影面积,寻找峰谷点,大致确定车牌位
置,再计算此连通域的宽高比,剔除不在域值围的连通域。最后得到的便为车牌
区域。
(5)字符分割 :利用投影检测的字符定位分割方法得到单个的字符。
(6)字符识别 :利用模板匹配的方法与数据库中的字符进行匹配从而确认
出字符,得到最后的汽车牌照,包括英文字母和数字。
2、设计原理与步骤:
定位汽车车牌并识别其中的数字,采用 Matlab 平台提供的一些图像处理函数,
以傅立叶变换通过数字模板与待处理的图像匹配为核心思想。基本方法如下:
(1)读取待处理的图像,将其转化为二值图像。
(2)去除图像中不是车牌的区域。
(3)为定位车牌,将白色区域膨胀,腐蚀去无关的小物件,包括车牌数字。
(4)此时车牌所在白色连通域已清晰可见,但一个更大的连通域将车牌所在
连通域包围了,需将其填充。
. . . .
3 / 21
(5)查找连通域边界。同时保留此图形,以备后面在它上面做标记。
(6)找出所有连通域中最可能是车牌的那一个。
判断的标准是:测得该车牌的长宽比约为 X:1,其面积和周长存在关系:
(X × L × L)/(2 × (X + 1) × L)
2
≈ 1/Y , 以 此 为 特 征 , 取
metric=Y*area/perimeter^2 作为连通域的匹配度,它越接近 1,说明对
应的连通域越有可能是 X:1 的矩形。
(7)将车牌图像反白处理,并扩充为 256×256 的方阵,以便傅立叶变换中矩
阵旋转运算的进行。
(8)从文件读取一个数字模板。对图像计算傅立叶描述子,用预先定义好的
决策函数对描述子进行计算。变换后的图像中,亮度的高低指示相应区域与模板
的匹配程度。
(9)确定一个合适的门限,显示亮度大于该门限的点,也就是与模板的匹配
程度最高的位置。
(10)对照图片,可以说明相应数字被识别和定位了。
3、设计流程图:
待处理的图像如下所示。图像整体比较清晰干净,车牌方向端正,字体清
楚,与周围颜色的反差较大。读取待处理的图像,将其转化为二值图像。
经试验,采用门限值为 0.2 附近时车牌字符最为清楚,杂点最少。
I = imread('car.jpg');
I2 = rgb2gray(I);
I4 = im2bw(I2, 0.2);
原始图像 二值图像
去除图像中面积过小的,可以肯定不是车牌的区域。为定位车牌,将白色区
域膨胀,腐蚀去无关的小物件,包括车牌数字。此时车牌所在白色连通域已清晰
可见,但在黑色区域以外,是一个更大的白色连通域,将车牌所在连通域包围了。
有必要将其填充。查找连通域边界。同时保留此图形,以备后面在它上面做标记。
bw = imfill(bw,[1 1]);
[B,L] = bwboundaries(bw,4);
imshow(label2rgb(L, jet, [.5 .5 .5]))
hold on
原 始 图 像
二 值 图 像
. . . .
4 / 21
for k = 1:length(B)
boundary = B{k};
plot(boundary(:,2),boundary(:,1),'w','LineWidth',2)
end
从对象中移除小对象 平滑图像的轮廓
找出所有连通域中最可能是车牌的那一个。判断的标准是:测得该车牌的长
宽比约为 4.5:1,其面积和周长存在关系:(4.5×L×L)/(2×(4.5+1)×L)
2
≈
1/27,以此为特征,取 metric=27*area/perimeter^2 作为连通域的匹配度,它
越接近 1,说明对应的连通域越有可能是 4.5:1 的矩形。
% 找到每个连通域的质心
stats = regionprops(L,'Area','Centroid');
% 循环历遍每个连通域的边界
% 找到每个连通域的质心
stats = regionprops(L,'Area','Centroid');
% 循环历遍每个连通域的边界
for k = 1:length(B)
% 获取一条边界上的所有点
boundary = B{k};
% 计算边界周长
delta_sq = diff(boundary).^2;
perimeter = sum(sqrt(sum(delta_sq,2)));
% 获取边界所围面积
area = stats(k).Area;
% 计算匹配度
metric = 27*area/perimeter^2;
% 要显示的匹配度字串
metric_string = sprintf('%2.2f',metric);
% 标记出匹配度接近 1 的连通域
if metric >= 0.9 && metric <= 1.1
centroid = stats(k).Centroid;
plot(centroid(1),centroid(2),'ko');
% 提取该连通域所对应在二值图像中的矩形区域
goalboundary = boundary;
s = min(goalboundary, [], 1);e = max(goalboundary, [], 1);
goal=imcrop(I4,[s(2) s(1) e(2)-s(2) e(1)-s(1)]); end
从 对 象 中 移 除 小 对 象
. . . .
5 / 21
% 显示匹配度字串
text(boundary(1,2)-35,boundary(1,1)+13,...
metric_string,'Color','g',...
'FontSize',14,'FontWeight','bold');end
图示为找到的各个连通区域,中部被标记“○”的矩形匹配度为 1.00,是最
可能的区域。下边是由它确定的二值图像中的车牌区域:
二值图像中的车牌区域
将车牌图像反白处理,并扩充为 256×256 的方阵(如下左图),以便下面傅
立叶变换中矩阵旋转运算的进行。
goal=~goal;goal(256,256)=0;figure;imshow(goal);
从文件读取一个字符模板(以“4”为例,模板图像直接从上述二值图像中截取
得到)。对图像计算傅立叶描述子,用预先定义好的决策函数对描述子进行计算。
变换后的图像中,亮度的高低指示相应区域与模板的匹配程度(如下中图)。
w = imread('4.bmp');w = ~w;
C=real(ifft2(fft2(goal).*fft2(rot90(w,2),256,256)));
通过检查 C 的最大值,试验确定一个合适的门限(这里 240 比较合适),显
示亮度大于该门限的点,也就是与模板的匹配程度最高的位置(如下右图)。
thresh = 200;figure;imshow(C > thresh);
车牌图像反白处理
1.38
1.00
0.65
2.06
剩余20页未读,继续阅读
资源评论
智慧安全方案
- 粉丝: 3702
- 资源: 59万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功