计算机视觉报告.pptVIP

基于数学形态学和投影法的车牌定位 田宝中 201513168 控制科学与工程 1.1 意义： 车牌识别系统（LPR）在现代交通检测和管理部门中发挥着重要的作用。车牌识别系统主要包括车牌定位、字符分割和字符识别三部分。由于车牌定位的准确与否将会直接影响到车牌识别的结果，因此，车牌定位是LPR的一项关键技术。常见的车牌定位技术主要有：边缘检测法、投影法、神经网络法、基于彩色图像的定位算法等。 由于存在许多外在的干扰，背景信息往往比车牌信息更加复杂，给目标搜索带来巨大的困难，为此，这里使用了基于数学形态学和投影法相结合的定位算法，对图像进行预处理，再经过形态学变换得到连通区域，进行粗定位。然后结合垂直和水平投影法充分利用车牌的字符信息，能够快速而准确地定位出车牌区域。  1 .2 车牌的固有特征 车牌识别是一种对特定对象的识别，是一种在先验知识指导下的识别。我国现在使用的车牌主要执行中华人民共和国机动车牌号标准，其具有以下的特征： (1)形状特征：汽车车牌区域的每个字符宽度为45 mm，字符高度为90 mm，字符间隔为12 mm，整个车牌区域的宽高比为44/14。这部分特征在车牌的定位分割方面具有重要的意义。(2)纹理特征：车牌有一个连续或因磨损而不连续的边框；标准车牌包含7个字符，它们基本呈水平排列；在矩形的车牌区域内部有着较丰富的边缘信息，呈现出规则的纹理特征。(3)灰度跳变特征：车牌的边缘颜色、车牌底色以及车牌文本颜色各不相同，表现在图像中就是灰度级互不相同，这样，在车牌边缘就形成了灰度突变边界。在车牌区域内部，由于字符和车牌底的内部灰度较均匀，因此，穿过车牌的水平直线呈现出波峰波谷交替的特点。 1.3 流程图: 导入原始图像 图像预处理增强效果图像 边缘 提取 车牌定位 对图像开闭运算 垂直和水平投影 2.各模块具体实现2.1输入待处理的原始图像:  2.2 将图像的灰度化: 彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，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。由彩色转换为灰度的过程叫做灰度化处理。经过灰度变换后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。 2.3 对原始图像进行开操作（先腐蚀后膨胀）得到图像背景 图像: * * 结构元素 形态学图像处理表现为一种邻域运算形式； 一种特殊定义的邻域称之为“结构元素”（Structure Element），在每个像素位置上它与二值图像对应的区域进行特定的逻辑运算，逻辑运算的结果为输出图像的相应像素。 形态学运算的效果取决于结构元素的大小、内容以及逻辑运算的性质。 * * 膨胀 Dilation 膨胀：使图像扩大 A用B来膨胀写作 ，定义为： 算法过程：⑴ 用结构元素B,扫描图像A的每一个像素 ⑵ 用结构元素与其覆盖的二值图像做“与”操作 ⑶ 如果都为0,结果图像的该像素为0.否则为1 * * 腐蚀 erosion 腐蚀：使图像缩小 A用B来腐蚀写作 ，定义为： B移动后完全包含在A中时，B的原点位置的集合 算法过程：⑴ 用结构元素B,扫描图像A的每一个像素 ⑵ 用结构元素与其覆盖的二值图像做“与”操作 ⑶ 如果都为1,结果图像的该像素为1.否则为0腐蚀处理的结果是使原来的二值图像减小一圈. 2.4灰度图像与背景图像作减法，对图像进行增强处理: — = 原始灰度图像 背景图像 高帽变换 形态学处理 按照车牌底色和字符的颜色对比，可以将车牌分为深色底浅色字的车牌和浅色底深色字的车牌两大类，数学形态学的高帽变换和低帽变换就是分别针对这两类车牌设计的。灰度图像可以看成是一个二维矩阵，比如对于320×240的图像来说，共有320×240个点的值构成该图像，灰度图像与背景图像作减法就是对应的320×240个点的值相减，对应点相差值比较大时，断定该点为前景点。 高帽变换是基于膨胀和腐蚀操作的一种形态学的应用，对图像进行形态学高帽变换(Top-hat)，用Top表示，定义为: Top=A-(A o B) 高帽变换是原始图像与其开运算之差，开运算用来去除比结构元更小的亮点，同时保持灰度级和较大亮区特性的相对不变。因此，只要选择合适的结构元素，高帽变换就能将亮目标从背景中有效分离出来。如图所示，经过