基于matlab的蓝色车牌定位与识别---定位
接着昨天的工作继续。定位的过程有些是基于车牌的颜色进行定位的,自己则根据数字图像一些形态学的方法进行定位的。
合着代码进行相关讲解。
1.相对彩色图像进行灰度化,然后对图像进行开运算。再用小波变换获取图像的三个分量。考虑到车牌的竖直分量较为丰富,选用竖直分量进行后续操作。注意下,这里的一些参数可能和你的图片大小有关,所以要根据实际情况调整。
Image=imread('D:\1_2学习\图像处理\车牌识别\matlab_car_plate-recognization\car_example\car0.jpg');%获取图片
im=double(rgb2gray(Image));
im=imresize(im,[,]);%重新设置图片大小 [,]
% % 灰度拉伸
% % im=imadjust(Image,[0.15 0.9],[]);
s=strel('disk',);%strei函数
Bgray=imopen(im,s);%打开sgray s图像
% % figure,imshow(Bgray);title('背景图像');%输出背景图像
% %用原始图像与背景图像作减法,增强图像
im=imsubtract(im,Bgray);%两幅图相减
% figure,imshow(mat2gray(im));title('增强黑白图像');%输出黑白图像 [Lo_D,Hi_D]=wfilters('db2','d'); % d Decomposition filters
[C,S]= wavedec2(im,,Lo_D,Hi_D); %Lo_D is the decomposition low-pass filter
% decomposition vector C corresponding bookkeeping matrix S
isize=prod(S(,:));%元素连乘
%
cA = C(:isize);%cA
cH = C(isize+(:isize));
cV = C(*isize+(:isize));
cD = C(*isize+(:isize));
%
cA = reshape(cA,S(,),S(,));
cH = reshape(cH,S(,),S(,));
cV = reshape(cV,S(,),S(,));
cD = reshape(cD,S(,),S(,));
获取结果
2. 对上面过程中获取的图像进行边沿竖直方向检测,再利用形态学的开闭运算扩大每个竖直方向比较丰富的区域。最后对不符合区域进行筛选。部分代码:
I2=edge(cV,'sobel',thresh,'vertical');%根据所指定的敏感度阈值thresh,在所指定的方向direction上,
a1=imclearborder(I2,); %8连通 抑制和图像边界相连的亮对象
se=strel('rectangle',[,]);%[,]
I4=imclose(a1,se);
st=ones(,); %选取的结构元素
bg1=imclose(I4,st); %闭运算
bg3=imopen(bg1,st); %开运算
bg2=imopen(bg3,[ ]');
I5=bwareaopen(bg2,);%移除面积小于2000的图案
I5=imclearborder(I5,); %8连通 抑制和图像边界相连的亮对象
figure,imshow(I5);title('从对象中移除小对象');
获取的筛选结果:
我们接下来目的就是从这些待选区域中挑选出车牌区域。
3 这里我们就要利用一些关于车牌的先验知识。2007 年实施的车牌标准规定,车前车牌长440mm,宽140mm。其比例为440 /140 ≈3.15 。根据图像像素的大小,这里选取筛选条件为宽在70到250之间,高在15到70之间,同时宽高比例应大于0.45,就可以比较准确的得到车牌的大致位置。当然,这里宽高值也是根据你的图像大小进行设置的,大小不一样,值略有区别。
%利用长宽比进行区域筛选
[L,num] = bwlabel(I5,);%标注二进制图像中已连接的部分,c3是形态学处理后的图像
Feastats =regionprops(L,'basic');%计算图像区域的特征尺寸
Area=[Feastats.Area];%区域面积
BoundingBox=[Feastats.BoundingBox];%[x y width height]车牌的框架大小
RGB = label2rgb(L,'spring','k','shuffle'); %标志图像向RGB图像转换 lx=;%统计宽和高满足要求的可能的车牌区域个数
Getok=zeros(,);%统计满足要求个数
for l=:num %num是彩色标记区域个数
width=BoundingBox((l-)*+);
hight=BoundingBox((l-)*+);
rato=width/hight;%计算车牌长宽比
%利用已知的宽高和车牌大致位置进行确定。
if(width> & width< & hight> & hight< &(rato>&rato<)&((width*hight)>Area(l)/))%width> & width< & hight> & hight<
Getok(lx)=l;
lx=lx+;
end
end
startrow=;startcol=;
[original_hihgt original_width]=size(cA);
当然,这个只是初步确定,经常出现的结果是好几个待选区域都满足要求。通过观察它的直方图发现车牌区域的直方图多波峰波谷,变化大,而一般的区域变化较不明显。因此根据它的方差,波峰波谷值数量来确定车牌区域。实验结果表明效果还是挺不错的。
for order_num=:lx- %利用垂直投影计算峰值个数来确定区域
area_num=Getok(order_num);
startcol=round(BoundingBox((area_num-)*+)-);%开始列
startrow=round(BoundingBox((area_num-)*+)-);%开始行
width=BoundingBox((area_num-)*+)+;%车牌宽
hight=BoundingBox((area_num-)*+)+;%车牌高
uncertaincy_area=cA(startrow:startrow+hight,startcol:startcol+width-); %获取可能车牌区域
image_binary=binaryzation(uncertaincy_area);%图像二值化
histcol_unsure=sum(uncertaincy_area);%计算垂直投影
histcol_unsure=smooth(histcol_unsure)';%平滑滤波
histcol_unsure=smooth(histcol_unsure)';%平滑滤波
average_vertical=mean(histcol_unsure);
figure,subplot(,,),bar(histcol_unsure);
subplot(,,),imshow(mat2gray(uncertaincy_area));
[data_1 data_2]=size(histcol_unsure);
peak_number=; %判断峰值个数
for j=:data_2-%判断峰值个数
if (histcol_unsure(j)>histcol_unsure(j-))&(histcol_unsure(j)>histcol_unsure(j+))
peak_number=peak_number+;
end
end
valley_number=; %判断波谷个数
for j=:data_2-
if (histcol_unsure(j)<histcol_unsure(j-))&(histcol_unsure(j)<histcol_unsure(j+)) &(histcol_unsure(j)<average_vertical)
%波谷值比平均值小
valley_number=valley_number+;
end
end
%peak_number<=
if peak_number>= & peak_number<= &valley_number>= & (startcol+width/)>=original_width/ &(startcol+width/)<=*original_width/....
&(startrow+hight/)>=original_hihgt/ & (startrow+hight/)<=original_hihgt*/
%进一步确认可能区域
select_unsure_area(count)=area_num;
standard_deviation(count)=std2(histcol_unsure);%计算标准差
count=count+;
end
end
correct_num_area=;
max_standard_deviation=;
if(count<=) %仅有一个区域 correct_num_area=select_unsure_area(count-);
else
for num=:count-
if(standard_deviation(num)>max_standard_deviation)
max_standard_deviation=standard_deviation(num);
correct_num_area=select_unsure_area(num);
end
end
end
获取区域:
定位大概就这么多。这里说明一下,上面一些参数和你的图片规格有关系,不是你随便拿来一张就可以识别的,要根据你的实际进行调整。大概就这么多,欢迎交流,转载请注明出处,谢谢。
基于matlab的蓝色车牌定位与识别---定位的更多相关文章
- 【原】基于matlab的蓝色车牌定位与识别---绪论
本着对车牌比较感兴趣,自己在课余时间摸索关于车牌的定位与识别,现将自己所做的一些内容整理下,也方便和大家交流. 考虑到车牌的定位涉及到许多外界的因素,因此有必要对车牌照的获取条件进行一些限定: 一.大 ...
- 基于matlab的蓝色车牌定位与识别---识别
接着昨天的工作,把最后一部分识别讲完. 关于字符识别这块,一种最省事的办法是匹配识别,将所得的字符和自己的标准字符库相减,计算所得结果,值最小的即为识别的结果.不过这种方法是在所得字符较为标准的情况, ...
- 基于matlab的蓝色车牌定位与识别---分割
接着上面的工作,接下去就该是进行字符分割了.考虑到为了后面的字符识别,因此在这部分需要实现的目标是需要把车牌的边框全部切除,对重新定位的车牌进行垂直方向水平方向调整,保证字符是正的.最后才是字符的分割 ...
- 数字图像处理:基于MATLAB的车牌识别项目 标签: 图像处理matlab算法 2017-06-24 09:17 98人阅读 评论(0)
学过了数字图像处理,就进行一个综合性强的小项目来巩固一下知识吧.前阵子编写调试了一套基于MATLAB的车牌识别的项目的代码.今天又重新改进了一下代码,识别的效果好一点了,也精简了一些代码.这里没有使用 ...
- 基于MATLAB的手写公式识别(2)
基于MATLAB的手写公式识别 图像的预处理(除去噪声.得到后续定位分割所需的信息.) 预处理其本质就是去除不需要的噪声信息,得到后续定位分割所需要的图像信息.图像信息在采集的过程中由于天气环境的影响 ...
- 基于MATLAB的人脸识别算法的研究
基于MATLAB的人脸识别算法的研究 作者:lee神 现如今机器视觉越来越盛行,从智能交通系统的车辆识别,车牌识别到交通标牌的识别:从智能手机的人脸识别的性别识别:如今无人驾驶汽车更是应用了大量的机器 ...
- 基于MATLAB的手写公式识别(3)
基于MATLAB的手写公式识别 图像的膨胀化,获取边缘(思考是否需要做这种处理,初始参考样本相对简单) %膨胀 imdilate(dilate=膨胀/扩大) clc clear A1=imread(' ...
- 基于MATLAB的手写公式识别(9)
基于MATLAB的手写公式识别(9) 1.2图像的二值化 close all; clear all; Img=imread('drink.jpg'); %灰度化 Img_Gray=rgb2gray(I ...
- 基于MATLAB的手写公式识别(6)
基于MATLAB的手写公式识别 2021-03-29 10:24:51 走通了程序,可以识别"心脑血管这几个字",还有很多不懂的地方. 2021-03-29 12:20:01 tw ...
随机推荐
- Php5.6.15-fpm的运行机制源码剖析
源码版本:Php5.6.15 源码目录:sapi/fpm/fpm 说明:源码的主要功能在上面直接注解 =============>>start<<=============== ...
- 洛谷P3831 回家的路
题目背景 SHOI2012 D2T1 题目描述 \(2046\) 年 \(OI\) 城的城市轨道交通建设终于全部竣工,由于前期规划周密,建成后的轨道交通网络由\(2n\)条地铁线路构成,组成了一个\( ...
- 如何使用WPS从正文开始页码为1,而不是从目录开始?
在插入目录前,在最前页插入一个空白页,在这个空白页里面生成目录,双击正文的页脚,点一下出现的与上一节相同的按钮,关闭页眉页脚的同前节,发现与上一节相同这几个字消失后,把目录中的页码删除,不会在影响正文 ...
- java课后思考题(六)
1.使用Files. walkFileTree()找出指定文件夹下所有扩展名为.txt和.java的文件. import java.io.IOException;import java.nio.fil ...
- 067 Add Binary 二进制求和
给定两个二进制字符串,返回他们的和(用二进制表示).案例:a = "11"b = "1"返回 "100" .详见:https://leetc ...
- 1121 - Reverse the lights 思维题
http://www.ifrog.cc/acm/problem/1121 我看到这些翻转的题就怕,可能要练下这些专题. 我最怕这类题了. 一开始想了下dp, dp[i][0 / 1]表示完成了前i位, ...
- 关于一次性的数据输入,excel字符串连接保存到服务器还是CRUD?
一 开发中遇到个问题,线下一个紧急的活动,给一个excel的文件,要把里面的一次性的数据放进活动里面,说真的几百几千个数据啊,手写进数据库不是更麻烦了吗? 于是,备份方法就是写一个crud,让线下的人 ...
- 多线程(Thread、线程创建、线程池)
第1章 多线程 1.1 多线程介绍 学习多线程之前,我们先要了解几个关于多线程有关的概念. 进程:进程指正在运行的程序.确切的来说,当一个程序进入内存运行,即变成一个进程,进程是处于运行过程中的程 ...
- 对于拼接进去的html原来绑定的jq事件失效
JQ拼接显示的页面中鼠标事件失效 由于是先加载html在用js层绑定的所有后来加进来的html内容就不再绑定js了 所以我们需要利用delegate绑定,但是同样道理也不能写在普通的方法层里,因为这样 ...
- 【Unity3D】实现太阳系
实践要求:写一个程序,实现一个完整的太阳系,其他星球围绕太阳的转速必须不一样,并且不再一个法平面内. 法平面是指过空间曲线的切点,且与切线垂直的平面.要求不在一个法平面内,则在保证所有行星以及太阳在一 ...