车牌识别.docx

车牌识别
——图像分割算法
********** ***
一常用的图像分割算法
阈值分割算法
边缘检测算法
区域分割算法
二阈值分割算法
阈值分割法是一种简单的基于区域的分割技术,是一种广泛使用的图像分割技术,它利用图像中要提取的目标和背景在灰度特性上的差异,把图像视为具有不同灰度级的两类区域的组合,选取一个合适的阈值,以确定图像中每个像素点是属于目标还是背景。
(一)车牌提取
(1)利用牌照区域灰度或颜色变化迅速的特点定位车牌。先对图像进行灰度化,然后搜索灰度图像找出车牌的大致边界。
(2)灰度化算法1个象素点的灰度值Y=R*+G*+B*,其中R,G,B分别表示该象素点的红,绿,蓝,3种分量的值。
(3)寻找车牌图像的上下边界。其基本方法是研究图像中处于同一水平采样线的灰度。整个过程如下:从灰度图的第1行开始扫描, 记录该行中灰度变化大于某一预设阈值的点的个数,如果其个数大于点数阈值,则认为该行可能包含图像。察看标志变量&称之为存在标志,如果其值为假,则置为真,否则继续。如果其个数小于点数阈值,也察看存在标志,若为假则检测继续,若为真,则将另一个变量(称之为间断行个数)值加1,如果新值大于行数阈值,则认为上面找到的高变化区域与下面无联系了, 然后看它的高度是否符合车牌的条件,若是则认为是车牌区域,否则将所有标志位复位,从下一行重新开始。
该功能关键部分的描述如下。

(4)寻找车牌的左右边界。先给定一个车牌的正常长度,然后在上面的区域内寻找长度为预设值,且灰度变化最大的区域。
(二)字符分割
在得到的车牌图像的基础上对其进行字符分割,以得到单个的字符图像。基本流程,首先进行二值化,然后搜寻精确的字符边界。最后执行分割。
经过上面的车牌定位处理后得到的仍是车牌的灰度图像。而在字符识别中一般采用的都是二值图像,所以先要进行图像的二值化。图像的二值化就是把灰度图像变成黑白图像。选取一个阈值,当灰度值大于该阈值时令其为白点,否则为黑点。根据阈值选取的不同,二值化的算法分为固定阈值和自适应阈值。自适应的阈值选择也有多种,在本系统中实现了一种称为双峰法的自适应阈值选择方法。双峰法的原理很简单,它认为图像由前景和背景组成,而前后二景都形成高峰在双峰之间的最低谷就是图像的阈值所在。
一般来说,不同的图像采用同一个阈值的效果也会大不相同,所以自适应阈值的灵活性比固定阈值的处理效果要好。但在某些特定的情况下,由于处理的是一组相似的图像,因此也可以选择一个固定的阈值来进行处理。在这个系统中,自适应阈值的缺点是可能会产生许多噪声点,如果车牌系统应用范围很窄,则可以选择一个适当的固定点做阈值来二值化。
有些系统是先对图像进行二值化处理,然后在二值图像中查找车牌。而本系统是先在灰度图中查找车牌,然后再做二值化处理。这是因为如果采用全图像二值化,则车牌往往只占图像的一小部分,所以二值化的效果对车牌来说不一定理想。当然,也可以利用车牌的先验知识,将图像分成多个区域分别二值化,其处理效果实际上与本系统相差不多,但灵活性较差。
使用这种算法,对于各种条件下拍摄的图片均能较好的进行处理,过亮过暗的照片也能比较清楚地区分背景与字符。经过均值去噪能够消除大部分因为曝光问题而产生的不平滑边缘和噪点,达到了一个