车牌识别算法讲解.docx

Canny边缘检测预处理:将图像灰度化去噪(均值滤波、中值滤波、高斯滤波)求图像梯度的幅值和方向幅值:𝐺=(𝐽(𝑖,𝑗+ 1)‒ 𝐽(𝑖,𝑗))^2+(𝐽(𝑖+ 1,𝑗)‒ 𝐽(𝑖,𝑗))^2由于幅值是x方向和y方向的叠加,根据x方向和y方向的权重,该幅值的方向也能求出来,这个在后面非极大值抑制中用来定位参与计算的点。最右边和最下边的点是不参与计算的。3、非极大值抑制(1)将图像边缘的点去除掉(这里只需要将边缘的像素点灰度值变为0即可)(2)内部点梯度值为0的去除掉(梯度为0,就是灰度没有变化,一定不是边缘点)(3)在垂直边缘方向上,两侧灰度值的加权和是否都比边缘上点的灰度值小,就是要找到极大值点,边缘的方向有四种情况x<yweight=|x|/|y|x>yweight=|y|/|x|4、灰度图像二值化Sobel算子1、预处理:将图像灰度化我们所说的算子是给图像做卷积的单位。这个单位可以大,可以小。大的有5x5的矩阵,这就是二阶微分算子,有高斯-拉普拉斯算子这个单位也可以小,比如3x3的矩阵,有prewitt算子和sobel算子。也有更小的2x2矩阵的Roberts算子这些都有其运用的地方,再小或者更大的就失去实际运用的效果了。这里我选择了sobel算子。它由水平梯度模板和垂直梯度模板组成。用水平梯度模板和图像卷积后,就能表象图像像素点值在水平方向上的变化。图中的水平线段由于在水平方向上基本上没有变化,所以变换后的图像也基本上看不到水平线段了。垂直梯度模板同理。将两幅图像通过公式相加后就得到了边缘被锐化的图像。这里的边缘由于知道水平和垂直分量,所以其也是有方向性的。将图像二值化后就能得到边缘的线段了。这里也要注意一下,线段有可能不是一个像素宽度的,如Roberts算子,我们就要对其进行图像细化,将线段变成一个像素点宽度,方法我会在后面介绍。Hough变换经过之前的处理过后,我们用肉眼就能看到二值图像中有一条一条的线段。计算机是如何识别这些线段的呢。这里用了Huogh变换。我们平常描述线段y=mx+b,m和b是已知量,x和y是变量。Hough变换中我们把x和y变成已知量,图像中线段上的每个像素点就对应一个x和y。运用公式就可以将即将(x,y)平面的每个点变换为ρ-θ空间的每一条曲线。曲线的交点就是过这些点的公共的直线,利用这个方法就能定位图像中的直线。字符分割这里我们只讨论大陆的蓝底车牌。这样的车牌是有固定的特点的。在字符分割时还要处理几种情况。在投影的图像中,我们也可以发现一些东西。不同的字符投影有些区别不大,有些是有明显的区别的。我们可以通过这些来辅助判别一些字符。图像细化前面提到了图像的细化,这里也需要用到。后面我们要用字符的形态特征来判别字符,当字符只有一个字符宽度时才可以方便准确地辨别出不同的字符。这里用到了基于索引表的图像细化算法。取3x3的矩阵,要判断的像素点放中间,周围还有8个位置。8位的话,一共有256中情况。所以我们用了8x8的索引表。每次的判别就是一次卷积操作。P0幅值2,p1幅值4,p3幅值8,后面的幅值各自位上的权重。卷积后,得到的值到索引表中查询,如果为1就删去。索引表这样设置是前人智慧的结晶应该是这样的细化效果最好。循环操作,直到没有可以删去的点为止,这样就能将图像中的字符细化到只有一个像素宽度。