• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    MATLAB在數(shù)字圖像處理中的應(yīng)用

    2019-11-18 05:23:12張飛鴿翟少康李梅霞
    關(guān)鍵詞:字符識別車牌字符

    張飛鴿,李 凱,翟少康,李梅霞

    (寶雞文理學(xué)院 電子電氣工程學(xué)院,陜西 寶雞 721006)

    0 引 言

    隨著科學(xué)技術(shù)的不斷發(fā)展,智能化的交通管理系統(tǒng)已成為發(fā)展的重要趨勢。人工智能領(lǐng)域仍處于發(fā)展階段。為了在無人操作情況下,對交通和車輛信息進(jìn)行搜集及處理,可結(jié)合現(xiàn)代化技術(shù),提高交通信息處理效率,如降低事故發(fā)生率,增大交通運(yùn)輸量,減少車輛排放污染量,系統(tǒng)自動查找違規(guī)車輛等。

    現(xiàn)代化交通信息系統(tǒng)的發(fā)展離不開圖像處理和計算機(jī)視覺。文中主要針對小型汽車車牌進(jìn)行圖像分析,采用MATLAB軟件對獲得車牌號進(jìn)行相應(yīng)處理,包括圖像預(yù)處理、圖像邊緣檢測和定位,最后進(jìn)行車牌字符識別。

    1 車牌識別系統(tǒng)的設(shè)計

    車牌識別系統(tǒng)主要對行駛中的小型汽車車牌進(jìn)行識別,首先采集車牌照片,其次進(jìn)行圖像預(yù)處理,以及車牌的定位與切分,最后進(jìn)行字符切分和字符識別[1-3]。利用MATLAB實現(xiàn)的步驟如圖1所示。

    圖1 車牌識別步驟

    圖像預(yù)處理是將獲取到的車牌照片進(jìn)行亮度和對比度的調(diào)整;車牌定位根據(jù)圖像預(yù)處理的照片對車牌的傾斜角度進(jìn)行糾正;車牌分割是根據(jù)車牌形狀確定車牌邊緣,獲得車牌圖像;字符分割將車牌照片中的文字和數(shù)字切割為單個字符;字符識別是將得到的獨立字符采用識別算法一一識別[4-5]。其中,車牌字符分割算法是通過采集圖形中的樣本獲得顏色數(shù)據(jù),按照光纖吸收模型對顏色數(shù)值、不透明數(shù)值以及不透明度相互疊加,讓光線穿過圖片的圖形順序,最終可以獲得成像平面上的渲染顏色[6]。結(jié)合車牌定位分析,文中在對車牌照進(jìn)行灰度處理的基礎(chǔ)上更好地對車牌照的字符進(jìn)行分割處理。車牌照圖像處理流程如圖2所示。

    圖2 車牌照圖像處理流程

    1.1 圖像預(yù)處理

    圖像預(yù)處理是使用圖形處理技術(shù)處理拍攝的車輛照片,方便圖像的定位和分割。首先采用加權(quán)平均值法對照片進(jìn)行灰度化,即將算數(shù)平均值轉(zhuǎn)化為像素點的平均值的計算公式如下[7-9]:

    H=(0.229R+0.588G+0.144B)/3

    (1)

    其中,R(紅色)、G(綠色)和B(藍(lán)色)代表三種顏色,按照不同的等級可以構(gòu)成彩色像素點的信息[10]。通過imread函數(shù)讀取圖片,其調(diào)用函數(shù)格式為A=imread('C:UsersacerDesktop豫.JPG'),如圖3所示。

    圖3 車牌照片

    在MATLAB中,調(diào)用rgb2gray函數(shù)對圖像進(jìn)行灰度化處理。使用加權(quán)平均值法將圖像轉(zhuǎn)化為灰度圖,設(shè)圖3中某點(x,y)的灰度記作f(x,y),g(x,y)記作該點對應(yīng)的灰度,即可表示為:

    g(x,y)=F[f(x,y)]

    (2)

    假設(shè),原圖像的灰度f(x,y)范圍為(s1,s2),變換后g(x,y)的范圍為(t1,t2),可通過(式3)實現(xiàn)具體轉(zhuǎn)換。

    g(x,y)=[(t2-t1)/(s2-s1)]f(x,y)+t1

    (3)

    利用MATLAB編程,其調(diào)用函數(shù)格式為A1=rgb2gray(A);該語句功能為,將彩色圖像轉(zhuǎn)換為灰度圖像。利用函數(shù)imshow(A1)和imhist(A1)繪制灰度圖和灰度直方圖,結(jié)果如圖4所示。

    圖4 灰度圖及直方圖

    1.2 邊緣檢測

    在對牌照的定位及字符識別之前,需要對車牌照進(jìn)行邊緣檢測處理,提高圖像的質(zhì)量,便于圖像的分割和識別。通過良好的邊緣檢測可以大幅度地降低噪聲,分離出復(fù)雜環(huán)境中的車輛圖像,保留完好的車牌字符信息,便于車牌精確定位與字符識別[11]。

    文中采用Roberts算子對圖像進(jìn)行邊緣檢測,它主要是對圖像局部進(jìn)行差分運(yùn)算,通過求取2×2范圍的對角像素點灰度值的差值來求得近似的梯度值。圖像預(yù)處理已經(jīng)對車牌照進(jìn)行了去噪處理,利用Roberts算子求得旋度±45°兩個方向上微分值的和。Roberts邊緣算子定位精度高,在水平和垂直方向效果最好。調(diào)用格式為A2=edge(A1,'roberts',0.09,'both'),如圖5所示。

    圖5 Roberts算子邊緣檢測

    1.3 車牌精確定位

    在車牌圖像處理中,車牌定位是指在復(fù)雜背景下對需要采集信息區(qū)域進(jìn)行處理,便于快速和準(zhǔn)確地提取車牌照信息,主要完成圖像中字符的分割以及字符的識別。車牌識別過程中,車牌照可能拍攝不清晰,如畫面模糊、光線不均勻以及背景較為復(fù)雜等,都可能會使車牌定位的精度下降。因此,車牌識別的關(guān)鍵之一則是快速準(zhǔn)確地定位車牌信息。當(dāng)前車牌定位的算法種類較多,較為典型的有:以檢測車牌邊緣信息為重點來鎖定車牌位置;以數(shù)學(xué)形態(tài)學(xué)為基礎(chǔ)根據(jù)檢測車牌邊緣信息定位。隨后在這兩種方法的基礎(chǔ)上,還提出了以參考神經(jīng)網(wǎng)絡(luò)的特點設(shè)計不同的定位算法,以及提出紋理特征作為重點研究對象進(jìn)行定位區(qū)域的確定等,這些方法在特定環(huán)境中都可實現(xiàn)車牌定位。

    文中利用數(shù)學(xué)形態(tài)學(xué)對檢測邊緣后的車牌圖像進(jìn)行定位[12]。為了消除檢測車牌區(qū)域的邊緣信息,利用數(shù)學(xué)形態(tài)學(xué)中的腐蝕運(yùn)算,根據(jù)不同結(jié)構(gòu)元素的矩陣形式,將圖像中的背景斑塊的邊界消除,達(dá)到斑塊邊界變小和面積減小的目的,即通過腐蝕運(yùn)算以有效消除圖像中雜亂的細(xì)小圖像。主要利用imerode()函數(shù)實現(xiàn)圖像腐蝕,調(diào)用語句如下:

    se=[1;1;1];

    A3=imerode(A2,se);

    圖像腐蝕運(yùn)算符號用“?”表示,可記作:

    A?B={x|(B)x?A}

    (4)

    在進(jìn)行腐蝕運(yùn)算時,需要確定結(jié)構(gòu)元素矩陣的形式,同時去除微小雜亂信息,采用[1;1;1]線性陣列便可能保留車牌區(qū)域邊緣。經(jīng)過腐蝕運(yùn)算處理后的圖像如圖6所示。由圖可知,微小而雜亂的元素基本被消除,且最大可能地保留了邊緣信息。

    圖6 腐蝕后的圖像

    圖像經(jīng)過腐蝕運(yùn)算后使得邊緣變得雜亂,但這些雜亂的邊緣信息是辨別車牌號的重要依據(jù),所以需要再對圖6進(jìn)行膨脹運(yùn)算,以便填補(bǔ)中斷的邊緣,從而解決邊緣雜亂的現(xiàn)象。但是膨脹之后會出現(xiàn)一部分毛刺和隔斷,隨后需要對毛刺和隔斷采用閉運(yùn)算進(jìn)行消除。經(jīng)過閉運(yùn)算處理后仍然不能完全消除干擾,但是車牌部分的斑塊在經(jīng)過數(shù)學(xué)形態(tài)學(xué)處理后,已經(jīng)連成一片,而且斑塊占據(jù)了很大一塊面積,其他部分的斑塊面積相對較??;根據(jù)面積大小設(shè)定閾值,即如果斑塊的面積小于閾值可刪除。

    MATLAB中的bwareaopen()函數(shù)用來刪除小面積斑塊,調(diào)用語句為:

    A5=bwareaopen(A4,2000)

    經(jīng)過以上處理后的圖像如圖7所示。小面積的干擾部分都已經(jīng)被刪除,而且保留了車牌區(qū)域的面積,且車牌邊緣區(qū)域的毛刺和間隙也被消除,整個斑塊內(nèi)部較光滑,將無法消除的斑塊連接在一起。

    圖7 刪除干擾因子后的圖像

    利用車牌垂直定位法選取多峰峰值的0.65倍設(shè)置為閾值,采用橫向查找法查找首尾兩個比閾值大的峰值,便可確定車牌的首字和尾字。為確定車牌的左側(cè)邊緣,可從第一個波峰向左查找第一個為零的點,同理,利用最后一個波峰向右查找第一個為零的點,確定為右側(cè)邊緣。具體通過while-end循環(huán)語句實現(xiàn),調(diào)用格式如下:

    while ((Blue_x(1,PX1)<3)&&(PX1

    PX1=PX1+1;

    end

    PX2=x;

    while ((Blue_x(1,PX2)<3)&&(PX2>PX1))

    PX2=PX2-1;

    end

    獲得左右邊緣之間的部分,即為車牌圖像。車牌精確定位效果如圖8所示。

    圖8 彩色車牌精確定位

    根據(jù)圖8可知,車牌存在一定的傾斜,首先利用edge()函數(shù)將圖像轉(zhuǎn)換為二值圖像;隨后調(diào)用radon()函數(shù)對二維矩陣實現(xiàn)Radon變換得到返回的Radon值,再調(diào)用max函數(shù)對返回的Radon值按行求出局部最大值θ和x;根據(jù)θ值,調(diào)用imrotate函數(shù)對二值圖像值進(jìn)行旋轉(zhuǎn)(90°-θ),即可對略微傾斜的車牌進(jìn)行校正。

    其中,Radon變換采用投影技術(shù),僅對設(shè)定圖畫與某個對應(yīng)夾角射線上的方向進(jìn)行投影,如車牌照片為平行四邊形,采用投影方法,使該四邊形達(dá)到垂直上的邊緣位置,按照投影原則將對應(yīng)參數(shù)一一往左平移,保證投影方法不造成原車牌號的變化,即為將原圖像拉伸校正變換。

    1.4 車牌字符分割

    采用上述方法,能夠較好地完成車牌號區(qū)域定位,隨后對車牌選中區(qū)域的字符進(jìn)行分割。由于車牌可能沾有泥土或由于其他因素影響車牌照的清晰度,那么給車牌字符的分割增加難度,即通過車牌分割技術(shù)決定了車牌識別的好壞。

    在車牌照字符分割之前必須對其進(jìn)行圖像的二值化處理。圖像的二值化處理是為了減少讓圖像中的數(shù)據(jù)信息量,從而可以清晰顯示出車牌號碼的輪廓,降低分割難度。

    在分割圖片時主要根據(jù)兩種情況分割,一種是灰度等級相同,如果在圖片內(nèi)部存在一些平衡相等的灰度值,且一些地方的灰度值具有相同的平衡背景,通過設(shè)定適當(dāng)?shù)拈撝?,便可以達(dá)到切割目的;另一種是如果圖片中物體的背景不能通過灰度值區(qū)別,但可以通過一些特性變化將該屬性值轉(zhuǎn)化到灰度值中,便可以結(jié)合設(shè)定閾值方法對圖像進(jìn)行切割。

    車牌照通過灰度化處理后可以得到車牌號碼區(qū)域,再利用二值化方法對圖像進(jìn)行處理,之后對車牌照中號碼區(qū)域進(jìn)行分割,便可以準(zhǔn)確提取車牌號碼。

    文中采用投影法對車牌字符進(jìn)行分割。在提取到汽車車牌照圖形后,由于車牌單個字符結(jié)構(gòu)簡單且分布均勻,利用投影法切分出來的文字邊緣較準(zhǔn)確,為了對車牌識別更準(zhǔn)確,隨后對文字進(jìn)行歸一化,使文字的大小和位置一致。

    文中使用雙線性插值法實現(xiàn)歸一化,根據(jù)歸一化處理之前的文字像素的位置來計算歸一化之后對應(yīng)像素的顏色。設(shè)f(x,y)為原字符圖,歸一化之后的字符圖為g(x,y),點(x0,y0)為g(x,y)圖像中的點,對應(yīng)于f(x,y)中的點(x1,y1),其關(guān)系式可表示如下:

    g(x,y)=(1-α)(1-β)f(i,j)+α(1-β)f(i+1,j)+(1-α)βf(i,j+1)+αβf(i+1,j+1)

    (5)

    其中,i,j為點(x1,y1),α=x1-i,β=y1-j。

    利用imresize()函數(shù)對切分結(jié)果進(jìn)行歸一化處理,字符的大小為24×48像素,如圖9所示。

    圖9 字符歸一化后的7個字符

    1.5 字符識別

    字符歸一化處理可得單個文字的圖片,隨后需要對單個圖片進(jìn)行識別,才能得到正確的車牌號[13-14]。評判車牌識別系統(tǒng)性能的唯一標(biāo)準(zhǔn)是該系統(tǒng)能夠正確識別車牌號碼,每一個字符都必須是準(zhǔn)確無誤的。文中采用9宮格模板匹配法進(jìn)行車牌識別,首先根據(jù)文字的特征把字符圖像分區(qū),主要根據(jù)分布區(qū)域提取文字的特征,同時采用同樣的方法提取模板相同特征,其次比較文字和模板的特征,最后根據(jù)對比結(jié)果獲得相應(yīng)的文字模板。

    提取車牌特征時主要把待識別字符劃分為9宮格,先將待識別字符沿水平方向平均分為三塊,每塊高度為16個像素,然后在每一塊設(shè)置一條橫向的掃描線,沿掃描線從左至右依次查找字符特征;同樣再將輸入文字沿垂直方向均分成三塊,每塊寬度為8個像素,在每一塊設(shè)置一條沿縱向的掃描線,從上到下依次查找字符特征。把以上步驟中所有線上的特征作為該待識別圖像的特征。通過這樣的方法,極大地減少了需要進(jìn)行比對的數(shù)據(jù)量,簡化了運(yùn)算[15]。最后,僅需要比較輸入文字圖像的特征數(shù)與模板的特征數(shù)即可,從而大幅減少了對比匹配的運(yùn)算量[16]。

    2 實驗仿真與結(jié)果分析

    文中采用MATLAB軟件設(shè)計車牌識別系統(tǒng)。首先對車牌照片采用加權(quán)平均法進(jìn)行灰度處理,利用Roberts算法提取車牌邊緣;其次利用腐蝕運(yùn)算和閉運(yùn)算消除部分干擾模塊,結(jié)合車牌垂直定位法選取多峰峰值設(shè)置閾值,可獲得精確車牌位置;再對車牌進(jìn)行字符分割,主要根據(jù)車牌中字符的寬度、高度,字符和字符間隔把車牌分割為單獨的字符;最后采用9宮格模板匹配法進(jìn)行車牌識別,識別字符與車牌號碼一致。由于漢字識別難度較大,為了較好地測試該系統(tǒng)的靈敏度,對不同地域的車牌號進(jìn)行測試,其中車牌采用“京A.88888”,實驗結(jié)果如圖10所示。

    圖10 車牌識別結(jié)果

    實驗結(jié)果表明,圖10相較于圖8,清晰度和準(zhǔn)確率較高,即采用9宮格模板匹配法進(jìn)行車牌識別,提高了運(yùn)算效率和識別效果。

    3 結(jié)束語

    采用MATLAB語言進(jìn)行編程,實現(xiàn)了車牌識別系統(tǒng)中圖像預(yù)處理、車牌定位、字符分割和字符識別的具體功能。采用9宮格模板匹配法對車牌識別,根據(jù)文字的特征把字符圖像分區(qū)提取文字特征和模板特征,并將文字和模板的相同特征進(jìn)行對比,從而根據(jù)對比結(jié)果獲得相應(yīng)的文字模板,最終完成車牌識別系統(tǒng)軟件設(shè)計。實驗結(jié)果表明,該方法提高了車牌識別的清晰度和準(zhǔn)確率,并考慮了圖像環(huán)境、光照、色彩和拍攝角度的敏感性,具有廣泛的應(yīng)用價值,基本達(dá)到了預(yù)期目的。

    猜你喜歡
    字符識別車牌字符
    尋找更強(qiáng)的字符映射管理器
    字符代表幾
    一種USB接口字符液晶控制器設(shè)計
    電子制作(2019年19期)2019-11-23 08:41:50
    數(shù)字圖像處理技術(shù)在車牌識別系統(tǒng)中的應(yīng)用
    電子制作(2019年12期)2019-07-16 08:45:16
    消失的殖民村莊和神秘字符
    一種改進(jìn)深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)的英文字符識別
    第一張車牌
    基于MATLAB 的車牌識別系統(tǒng)研究
    電子制作(2017年22期)2017-02-02 07:10:11
    儀表字符識別中的圖像處理算法研究
    基于CUDA和深度置信網(wǎng)絡(luò)的手寫字符識別
    军事| 定结县| 常熟市| 永川市| 尼木县| 穆棱市| 广安市| 玛沁县| 阆中市| 嘉峪关市| 翁源县| 东兴市| 邻水| 岳池县| 醴陵市| 荃湾区| 荣成市| 天台县| 荥阳市| 射洪县| 东丽区| 同江市| 巴林左旗| 新绛县| 慈利县| 延安市| 安丘市| 郴州市| 巴林右旗| 杭锦后旗| 墨竹工卡县| 博爱县| 昌宁县| 北辰区| 凤庆县| 紫云| 岳普湖县| 丰宁| 贺州市| 泸溪县| 绥江县|