图像检测与处理技术在汽车牌照中的运用

在汽车牌照识别中，主要是将牌照部分突出显示出来，去除其他的无效干扰信息。车牌区域的识别是基于以下思想的：分析图像，使用pixval函数来获得牌照的背景色的红、绿、蓝分量亮度值和坐标；通过统计算法找出车牌的范围；通过修剪得到最终图像。

Matlab代码：

clc
clear
filename='car.jpg'; %图片的路径
I=im2gray(filename);%调用自编函数读取图像，如果为彩色图像自动转化为灰度图象；
tic   %计时开始
[height,width]=size(I);         %预处理                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                              I_edge=zeros(height,width);  %产生h*w的double类零矩阵
for i=1:width-1                %对每一列进行遍历 I_edge(:,i)=abs(I(:,i+1)-I(:,i));%每列的值赋为原图像中左右两列相减的绝对值(即梯度)
endI_edge=(255/(max(max(I_edge))-min(min(I_edge))))*(I_edge-min(min(I_edge)));% 归一化处理(0~255)
[I_edge,y1]=select(I_edge,height,width); %%%调用select函数，用以选择图像的某个区域BW2 = I_edge;%
%%%%%%%%%%%%%%%%一些形态学处理
SE=strel('rectangle',[10,10]);%创建10*10的建构元素
IM2=imerode(BW2,SE);%腐蚀
IM2=bwareaopen(IM2,20);%删除小面积
IM3=imdilate(IM2,SE);%膨胀%先腐蚀再膨胀,进行了开运算,消除小物体
%%%%%%%%%%%%%%%%%%投影以粗略估计车牌位置
p_h=projection(double(IM3),'h');                %调用projection函数,水平方向
if(p_h(1)>0)p_h=[0,p_h];
end
p_v=projection(double(IM3),'v');                %调用projection函数,垂直方向
if(p_v(1)>0)p_v=[0,p_v];
end
%%%%%%
p_h=double((p_h>5));%水平方向
p_h=find(((p_h(1:end-1)-p_h(2:end))~=0));
len_h=length(p_h)/2;
%%%%%
p_v=double((p_v>5));%垂直方向
p_v=find(((p_v(1:end-1)-p_v(2:end))~=0));
len_v=length(p_v)/2;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%粗略计算车牌候选区
k=1;
for i=1:len_hfor j=1:len_vs=IM3(p_h(2*i-1):p_h(2*i),p_v(2*j-1):p_v(2*j));if(mean(mean(s))>0.1)p{k}=[p_h(2*i-1),p_h(2*i)+1,p_v(2*j-1),p_v(2*j)+1];k=k+1;endend
end
k=k-1;
%%%%%%%%%%%%%%进一步缩小车牌候选区
for i=1:kedge_IM3=double(edge(double(IM3(p{i}(1):p{i}(2),p{i}(3):p{i}(4))),'canny'));[x,y]=find(edge_IM3==1);p{i}=[p{i}(1)+min(x),p{i}(2)-(p{i}(2)-p{i}(1)+1-max(x)),...p{i}(3)+min(y),p{i}(4)-(p{i}(4)-p{i}(3)+1-max(y))];p_center{i}=[fix((p{i}(1)+p{i}(2))/2),fix((p{i}(3)+p{i}(4))/2)];p_ratio(i)=(p{i}(4)-p{i}(3))/(p{i}(2)-p{i}(1));
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%对上面参数和变量的说明：p为一胞元，用于存放每个图像块的左上和右下两个点的坐标；
%存放格式为：p{k}=[x1,x2,y1,y2]；x1,x2分别为行坐标，y1,y2为列坐标
%p_center为一胞元,用于存放每个图像块的中心坐标,p_center{k}=[x,y];x,y分别为行,列坐标
%p_ratio为一矩阵，用来存放图像块的长宽比例
%%%%%%%%%%合并临近区域%%%%%%%
%如果有多个区域则执行合并
if k>1n=0;ncount=zeros(1,k);for i=1:k-1%%%需要调整if条件中的比例%%%需要调整%检查是否满足合并条件if(abs(p{i}(1)+p{i}(2)-p{i+1}(1)-p{i+1}(2))<=height/30&&abs(p{i+1}(3)-p{i}(4))<=width/15)p{i+1}(1)=min(p{i}(1),p{i+1}(1));p{i+1}(2)=max(p{i}(2),p{i+1}(2));p{i+1}(3)=min(p{i}(3),p{i+1}(3));p{i+1}(4)=max(p{i}(4),p{i+1}(4));  %向后合并n=n+1;ncount(n)=i+1;endend%如果有合并，求出合并后最终区域if(n>0)d_ncount=ncount(2:n+1)-ncount(1:n);   %避免重复记录临近的多个区域。index=find(d_ncount~=1);m=length(index);for i=1:mpp{i}=p{ncount(index(i))};  %重新记录合并区域的比例pp_ratio(i)=(pp{i}(4)-pp{i}(3))/(pp{i}(2)-pp{i}(1));     endp=pp;   %更新区域记录p_ratio=pp_ratio;   %更新区域比例记录clear pp;clear pp_ratio;   %清除部分变量end
end
k=length(p);   %更新区域个数
%%%%%%%%%%%%%%合并结束%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%根据区域比例判断是否为车牌区域%%%%%%%%%%%%
m=1;T=0.6*max(p_ratio);
for i=1:kif(p_ratio(i)>=T&p_ratio(i)<20)p1{m}=p{i};m=m+1;end
end
p=p1;clear p1;
k=m-1;   %更新区域数
%%%%%%%%%%%判定结束%%%%%%%%%%%%%%%%%%%%%toc                                  %计时结束clear edge_IM3;clear x; clear y;     % 清空部分变量%%%%%%%%%%%%%%%%显示
figure(1)
imshow(I);title('原始图像')
figure(2)
imshow(IM2);title('腐蚀后图像')
figure(3)
imshow(IM3);title('灰度膨胀后图像')%%%%%%%%%%%%%%%%%显示
figure(4)
for i=1:ksubplot(1,k,i);index=p{i};imshow(I(index(1)-2:index(2),index(3):index(4)));title('车牌图像')
end
%存储车牌图像
if(k==1)imwrite(I(index(1)-2:index(2),index(3):index(4)),'cp.jpg');
End              %将指定的图象文件转化为灰度图象其中的各个子函数介绍如下。
1.I=im2gray(filename)将指定的彩色图像转化为灰度图像。
%将指定的图象文件转化为灰度图象
function I=im2gray(filename)colortype=imfinfo(filename);      %用于获取位图相关信息colortype=colortype.ColorType;   %获取图象颜色类型%类型判断
switch(colortype)case 'truecolor'    %如果是彩图I=rgb2gray(imread(filename));   %imread读取数据，把彩图转化为灰度图像case  'indexed'                         %如果是索引图[I,map]=imread(filename);I=ind2gray(I,map);     %索引图像转化为灰度图像Otherwise                        %其他类型I=imread(filename);
end
clear filename;clear colortype;   %清除变量
%%%%%%%图像格式用处和区别:%1. 彩图(true color)表示为一个3通道矩阵,可以最自由的表现色彩,需要的空间最大,也是现在各种数码相机最常见的输出格式,比如一般jpg图像导入matlab看都是3通道矩阵。
%2. 灰度图表示为一个矩阵,是图像处理最常用的默认图像类型,这是因为它是一个最简单的二维数据结构,适于做数学运算。如果试验新算法的时候,一定先在灰度图像上做,做好了再考虑往彩图推广。
%3. 索引图(indexed)由索引矩阵和color map两部分组成。其中索引矩阵也是一个普通的二维矩阵,只不过其中的每一个数值不代表灰度,而代表color map中的一个index。而图像的显示效果,由color map决定:它是彩色的,图像就是彩色的,;它是灰度的,图像就是灰度的。当然,一般还是用来表示彩色啦。这种方式比真彩图的颜色表达能力弱,不过更省空间,像早期的256色图就是这种格式。
%4. 二值图一般不独立出现。它更像是一种数学处理的结果,凡是对图像的像素进行了二分类,分类结果都可以用二值图表示:比如图像分割。
2.[y,y1]=select(ImageData,h,w)用以选择图像的某个区域。
function [y,y1]=select(ImageData,h,w)%取得最佳阈值将图像二值化thr=0.5;delta=0.05;y=(ImageData>=thr*mean(max(ImageData)));
BW2=bwareaopen(y,10);     %删除小面积对象
SE=strel('square',15);    %创建15*15正方形
IM2=imdilate(BW2,SE);     %膨胀灰度，二值，压缩二值图像BW2，返回IM2
IM3=imerode(IM2,SE);      %将IM2图像实现图像腐蚀灰度，返回腐蚀图像IM3%1.开运算(先腐蚀后膨胀的过程):利用它可以消除小物体,在纤细点处分离物体,平滑较大物体边界,但同时并不明显改变原来物体的面积。OPEN(X,B)
%2.闭运算(先膨胀后腐蚀的过程):利用它可以填充物体内细小空洞,连接临近物体、平滑其边界,但同时并不明显改变原来物体的面积。CLOSE(X,B)
average=sum(sum(IM3))/(h*w);     %将图像二值化
while(average<0.03||average>0.08)  if(average<0.03)thr=thr-delta;elsethr=thr+delta;endy=(ImageData>=thr*mean(max(ImageData)));%求向量元素的平均值BW2=bwareaopen(y,10);%再一次删除小面积IM2=imdilate(BW2,SE);%膨胀IM3=imerode(IM2,SE);%腐蚀average=sum(sum(IM3))/(h*w);%求灰度的平均值
end
y1=y;
y=IM3;3.y=projection(I,s)用于对图像的水平和垂直方向进行投影。
function y=projection(I,s)
if(s=='h')   %水平投影y=sum(I');
end
if(s=='v')   %垂直投影y=sum(I);
end

图1 彩色图像

图2 灰度处理后的原始图像

图3 腐蚀处理后图像

图4 灰度膨胀后图像

图5 最终处理得到的车牌图像

图像检测与处理技术在汽车牌照中的运用相关推荐

c语言去除图像斑点,武汉理工-图像检测与处理技术-实验报告.doc
学生学号 0121304940834实验课成绩学生实验报告书实验课程名称图像检测与处理技术开课学院机电工程学院指导教师姓名刘清元学生姓名李勇学生专业班级测控1304 2015 ...
机器视觉检测技术在汽车行业中的应用
最近在关注机器视觉这个领域,发现各种理论.算法讲了很多,但是在实际应用领域还在探索阶段.想做一个实际应用案例的系列.分享一篇机器视觉检测技术在汽车行业中的应用文章,论文发表在<电子测试& ...
于殿泓图像检测与处理技术_图像检测与处理技术(21世纪高等学校仪器仪表及自动化类专业规划教材)...
导语本书是21世纪高等学校仪器仪表及自动化类专业规划教材,从图像检测与处理技术的整体知识框架出发,让读者对图像检测与处理技术的基本内容.背景以及相关的基础理论有深刻的理解.其中包括图像检测的物理基础 ...
于殿泓图像检测与处理技术_二手图像检测与处理技术于殿泓计算机西安电子科大学出版社...
基本信息书名:图像检测与处理技术原价:18.(咨询特价) 作者:于殿泓出版社:西安电子科技大学出版日期:2006年12月1日 ISBN(咨询特价) 字数: 页码:231 版次:第1版装帧:装 ...
基于OpenCV技术的汽车牌照的识别
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux.Windows.Android和Mac OS操作系统上.它轻量级而且高效--由一系列 C 函数和少量 C++ 类 ...
#140-(EZOI练习)[进制转换]汽车牌照
Description 小 Y 最近发现街上的汽车越来越多了,作为汽车的重要标志--汽车牌照也是越来越不够用了,已经从以前的十进制发展到三十六进制了,以前的一个汽车牌照"苏 D88888&q ...
自动驾驶汽车视觉- 图像特征提取与匹配技术
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者:william 链接:https://zhuanlan.zhihu.com/p/13330196 ...
图像检测技术的研究现状
图像检测技术的研究现状技术检测图像处理知识库 · 2016-01-08 19:59 图像检测技术的研究现状所谓图像检测,就是通过图像对感兴趣的特征区域(检测目标)进行提取的过程,其中图像是承载检 ...
(2016)CT图像肺结节计算机辅助检测与诊断技术研究综述学习笔记
引言肺结节 CAD系统可分成检测(CADe)和诊断(CADx)两部分,其中 CADe在胸腔 CT 图像中标记侯选结节,并将候选结节分割成结节和非结节,而 CADx为确定结节的良恶性提供 ...

图像检测与处理技术在汽车牌照中的运用

图像检测与处理技术在汽车牌照中的运用相关推荐

最新文章

热门文章