您好,欢迎光临深圳市捷成安科技有限公司网站!

英文网站| 网站地图XML| 网站地图htm

深圳捷成安深圳捷成安

开创梦想 立足巅峰
全国咨询热线

400-8080-038

车牌识别系统识别车牌的实现过程介绍

作者:捷成安  人气:  发表时间:2018/8/31 13:39:54 

车牌识别的算法是很复杂的,为了实现一个很小的方面可能都需要大量的代码来实现,下面小编将车牌识别的相关实现过程介绍一下,希望对大家有所帮助,一起来看下吧。

考虑到现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种,利用不同的色彩通道就能够将区域与背景明显地区分出来,比如,对蓝底白字这样的最常见的牌照,採用蓝色B 通道时牌照区域为一亮的矩形,而牌照字符在区域中并不呈现。由于蓝色(255,0,0)与白色(255,255,255)在B通道中并无区分,而在G、R 通道或是灰度图象中并无此便利。同理对白底黑字的牌照可用R 通道,绿底白字的牌照能够用G 通道就能够明显呈现出牌照区域的位置,便于处理。
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測。图象增强处理对图象牌照的可辩认度的改善和简化牌照字符定位和切割的难度都是非常有必要的。增强图象对照度度的方法有:灰度线性变换、图象平滑处理等。
灰度矫正
因为牌照图象在拍摄时受到种种条件的限制和干扰,图象的灰度值往往与实际景物不全然匹配,这将直接影响到图象的处理。假设造成这样影响的原因主要是因为被摄物体的远近不同,使得图象中央区域和边缘区域的灰度失衡,或是因为摄像头在扫描时各点的灵敏度有较大的差异而产生图象灰度失真,或是因为曝光不足而使得图像的灰度变化范围非常窄。这时就能够採用灰度校正的方法来处理,增强灰度的变化范围、丰富灰度层次,以达到增强图象的对照度和分辨率。我们发现车辆牌照图象的灰度取值范围大多局限在r=(50,200)之间,并且整体上灰度偏低,图象较暗。依据图象处理系统的条件,最好将灰度范围展开到s=(0,255)之间。
图像平滑处理
对于受噪声干扰严重的图象,因为噪声点多在频域中映射为高频分量,因此能够在通过低也能够直接在空域中用求邻域平均值的方法来通滤波器来滤除噪声,但实际中为了简化算法,削弱噪声的影响,这样的方法称为图象平滑处理。
然而,邻域平均值的平滑处理会使得图象灰度急剧变化的地方,尤其是物体边缘区域和字符轮廓等部分产生模糊作用。为了克服这样的平均化引起的图象模糊现象,我们给中心点象素值与其邻域平均值的差值设置一固定的阈值,仅仅有大于该阈值的点才干替换为邻域平均值,而差值不大于阈值时,仍保留原来的值,从而降低因为平均化引起的图象模糊。
像车辆牌照是具有比較显著特征的一块图象区域,这此特征表明:近似水平的矩形区域;当中字符串都是按水平方向排列的;在总体图象中的位置较为固定。正是因为牌照图象的这些特点,再经过适当的图象变换,它在整幅中能够明显地呈现出其边缘。边缘提取是较经典的算法。
分析这样的情况产生的原因,归纳起来主要有下面方面:
原始图像清晰度比較高,从而简化了预处理
图像的平滑处理会使图像的边缘信息受到损失,图像变得模糊
图像的锐化能够增强图像中物体的边缘轮廓,但同一时候也使一些噪声得到了增强
牌照的定位和切割
牌照的定位和切割是牌照识别系统的关键技术之中的一个,其主要目的是在经图象预处理后的原始灰度图象中确定牌照的详细位置,并将包括牌照字符的一块子图象从整个图象中切割出来,供字符识别子系统识别之用,切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。因为牌照图象在原始图象中是非常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較集中,并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測来对图象进行切割。
牌照区域定位
牌照图象经过了以上的处理后,牌照区域已经十分明显,并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定形态的机构元素去量度和提取图像中的相应形状以达到对图像分析和识别的目的。数学形态学的应用能够简化图像数据,保持它们主要的形态特征,并除去不相干的结构。
牌照区域切割   
对车牌的切割能够有非常多种方法,本程序是利用车牌的彩色信息的彩色切割方法。依据车牌底色等有关的先验知识,採用彩色像素点统计的方法切割出合理的车牌区域,确定车牌底色蓝色RGB相应的各自灰度范围,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,在切割出的行区域内,统计列方向蓝色像素点的数量,终于确定完整的车牌区域。
统一处理   
经过上述方法切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,最经常使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,它是指在图像上对目标像素给一个模板,该模板包含了其周围的临近像素。再用模板中的全体像素的平均值来取代原来像素值。
字符切割和比对
字符切割
在汽车牌照自己主动识别过程中,字符切割有承前启后的作用。它在前期牌照定位的基础上进行字符的切割,然后再利用切割的结果进行字符识别。字符识别的算法非常多,由于车牌字符间间隔较大,不会出现字符粘连情况,所以此处採用的方法为寻找连续有文字的块,若长度大于某阈值,则觉得该块有两个字符组成,须要切割。
字符归一化
一般切割出来的字符要进行进一步的处理,以满足下一步字符识别的要求。可是对于车牌的识别,并不须要太多的处理就已经能够达到正确识别的目的。在此仅仅进行了归一化处理,然后进行后期处理。
此处採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,仅仅建立了4个数字26个字母与10个数字的模板。其它模板设计的方法与此同样。
首先取字符模板,接着依次取待识别字符与模板进行匹配,将其与模板字符相减,得到的0越多那么就越匹配。把每一幅相减后的图的0值个数保存,然后找数值最大的,即为识别出来的结果。

以上就是车牌识别系统算法的实现全过程了,更多相关介绍请点击车牌识别进行查看。