数字图象处理项目报告 final.docVIP

《数字图象处理》课程项目 实施报告 题 目： 车牌自动定位与字符分割 组 号： 29 任课教师： 严壮志 组 长： 鲁珅 20% 成 员： 王国平 20% 成 员： 尹悦 20% 成 员： 胡子泉 20% 成 员： 杨亨敏 20% 联系方式： 二零 一六 年 二月 二十六 日 《数字图像处理》课程项目报告 2016年2月27日 一、引言 图像分割是图像处理的主要目标，本项目综合利用图像采集、图像增强、彩色图像处理、图像分割等知识，根据牌照的色彩和形状、牌照字符的排列规则及形状等特点，设计实现车牌区域的自动分割及字符的自动分割。 二、课程项目目的 通过该项目，我们旨在了解图像分割的基本原理，能够对图像处理系统及应用有一个整体认识，对图像识别中涉及的关键技术如直方图分析、阈值分割、特征匹配等有更进一步的理解，提高数字图像处理课程的实际应用能力。 三、基本原理 随着中国车辆的逐渐增多车辆，车牌识别也应用越来越广泛。虽然车牌识别的方法多种多样，但真正能实用的却是不多。我们小组总结下来对于车牌识别最重要的环节——车牌定位，不外乎两种途径。 其一中国的车牌无外乎黄、蓝、白等几种颜色的车牌，因此我们可以根据彩色图像的车牌和字体的色彩，对车牌进行定位。 其二我们可以通过对车牌的预处理，将图像转换为灰度图像，通过基本的图像处理方法，如膨胀腐蚀来对车牌进行定位。 两种或给方法各有优缺点，方法一明显比第二种方法定位的准确率高，但是识别颜色范围有限，而且需要进行较多的数据运算。第二种方法虽然准确率低，但是运算数据量小，比较快速。 车牌能准确定位后，接下来就比较好做了。仅统计二值图像的数据即可对车牌进行分割，从而提取出每个字体的特征，与已知的码本进行匹配比较就可以达到识别车牌的目的。 本课题先根据色彩对车牌进行了定位，而后进行了一些相应的处理，达到了较好的效果。 四、具体操作步棸如下： 4.1 彩色车牌定位 以蓝色车牌为例，将彩色车牌读入后，采用水平垂直双向投影法，将图像分别投影到X、Y坐标轴，然后分别沿X、Y轴扫描图像。当沿Y轴扫描时，一边扫描一边统计图像中蓝色像素点的个数，第一次扫描到蓝色像素点最多的行时停止扫描，并记录下蓝色像素点最多的行，然后以此行为基点，分别向上、向下扫描，直到统计的像素点小于像素点阈值时，停止扫描，记录上下行的Y轴坐标PY1、PY2，即PY1、PY2之间区域就是Y轴方向的车牌边缘位置。同理进行X轴方向的像素扫描，确定X轴方向的车牌区域。 在得到车牌的大概位置I之后，再对I区域扫描，确定该区域内白色像素点个数，然后求出该区域内白色像素点数所占比例，以判断所得的I区域是否为正确的车牌位置。 代码如下（以下为Y方向）： [y,x,z]=size(I);%I为彩色图像矩阵 是三维矩阵 myI=double(I); Blue_y=zeros(y,1);%建立矩阵用于储存蓝色像素点数目 for i=1:y for j=1:x if((myI(i,j,1)=48)((myI(i,j,2)=100)(myI(i,j,2)=40))(( myI(i,j,3)=200)(myI(i,j,3)=80))) %蓝色像素点判断依据 Blue_y(i,1)= Blue_y(i,1)+1; end end end [temp MaxY]=max(Blue_y); PY1=MaxY; %确定上边界 PY2=MaxY; while ((Blue_y(PY2,1)=5)(PY2y)) PY2=PY2+1; end PY1, PY2；%确定下边界 4.2 灰度处理 对于车牌自动识别系统来说，灰度图像提供的亮度信息已经足够用来字符分割，而且它占用内存小，处理速度显然要比彩色图像快。，转换公式为： 重要函数：‘imadjust’ 功能：在数字图像处理中用于进行图像的灰度变换（调节灰度图像的亮度或彩色图像的颜色矩阵）。 语法格式为：J =