关于车牌定位的一些算法.doc

近年来,智能交通系统(ITS)越来越受到人们重视在车牌识别中,车牌自动识别系统作为核心部分之一应用已经越来越普及。车牌识别系统主要分车牌定位、字符切分与字符识别三部分,而车牌定位又是系统中最重要步骤,定位成功与否以及定位准确程度将会直接决定后期能否进行车牌识别以及识别准确度。文中利用MATLAB进行剖析与仿真。MATLAB是一种简单,高效、功能强大高级语言,在科学与工程计算领域有着广泛应用前途。在数字图像处理领域,可应用MATLAB数字图像处理技术进行系统剖析与设计。本文要讨论是对彩色车牌图像进行包括灰度化、二值化、图像增强、边缘检测预处理,之后进行区域提取来实现对车牌初定位。借助MATLAB编程语言在仿真过程中剖析现有算法并加以改进。,不但在存储上开销很大,而且在处理上也会降低系统执行速度,因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像,以加快处理速度。经过灰度变换后,像素动态范围增加,图像对比度扩展,使图像变得更加清晰、细腻、容易识别。在车牌识别中要利用灰度分布特征进行进一步分割、识别,因此对车牌图像进行灰度化成为车牌定位必要步骤之一。、白二值图像。在实际车牌处理系统中,进行图像二值变换关键是要确定合适阀值,使得字符与背景能够分割开来,二值变换结果图像必须要具备良好保形性,不丢掉有用形状信息,不会产生额外空缺等等。车牌识别系统要求处理速度高、成本低、信息量大,采用二值图像进行处理,能大大地提高处理效率。如果图像中某中像素灰度值小于该阈值,则将该像素灰度值设置为0或255,否则灰度值设置为255或0。阈值处理操作过程是先由用户指定或通过算法生成一个阈值,常用二值化方法有直方图统计法、固定门限法、动态阈值法、松弛法、抖动矩阵二值化法等。由于在光照较弱情况下,车牌图像光照程度很不均匀,车牌字符与底色对比度偏低,所以采取动态阈值法。,其基本运算有四种:膨胀、腐蚀、开启与闭合。基于这些基本运算,还可以推导与组合成各种数学形态学实用算法。假设用A表示目标物体,B表示结构元素,则二值形态学基本运算及实用算法如下:如果图像A用结构元素B来膨胀,则记作A⊕B,其定义为:其中,膨胀运算首先作B关于原点映射,再将其映像平移x,当A与B映射交集不为空时B原点就是膨胀集合像素,结果是扩张了A边界。如果图像A用结构元素口来腐蚀,记作A⊙B,其定义为:上式表明用结构元素B来腐蚀结果满足将占平移后,B仍旧全部包含在4中工集合,实际上是收缩了A边界。膨胀与腐蚀为对称运算,不是逆运算,它们可以级联结合使用。使用同一个结构元素对图像先进行腐蚀然后再进行膨胀运算成为开启运算,开启运算可以用于平滑边界,去除孤立小点、切断细长搭接,消除突刺;使用同一个结构元素对图像先进行膨胀然后再进行腐蚀运算成为闭合运算,本文中主要利用是利用开启与闭合运算性质。因为汽车图像经过色彩过滤后,会出现许多杂散孤立点,用开启运算可以排除这些点干扰。另外,车牌区域还可能出现断裂与小孔,可以通过闭合运算使车牌区域连通,并填充车牌区域内小孔。本文中主要利用是利用开启与闭合运算性质。因为汽车图像经过色彩过滤后,会出现许多杂散孤立点,用开启运算