- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
车牌识别中灰度模板的获得
文章来源 绿睿科技: 车牌识别 雕刻机 三维网页
时间:2010.04
计算机进行车牌识别,一般来说分为车牌定位,字符分割,和字符识别三个阶段。其中的字
符识别,可以采用模板匹配的方法进行。如果分割后的字符较小,模板匹配可能有较大的偏
差。为了解决这一个问题,人们提出了 “模糊模板”的概念。实际上 “模糊模板”,本质是
一种灰度模板。本文将重点讨论灰度模板的获得办法。
模糊模板和灰度模板的区别,只是所关注的角度不同。 “模糊模板”从概率的角度出发,在
特定的某一个坐标(x,y)上前景出现的概率定义为这一点的模板值。因为本文关注的是 “小字
符”的方面,对于较小的模板,可以通过缩小大模板获得。对于小模板上的点(x,y) ,可能对
应多个大模板上的点。这些大模板上的点,并非铁板一块的全是前景,或者全是背景。灰度
模板某一点的模板值定义为:该点对应的大模板上的前景点数除以该点对应的大模板上的点
数。值得注意的是大小模板尺寸都固定的时候,小模板上的一点,对应的大模板上的点数未
必固定。比如宽度为64 的大模板,缩小成宽度为10 的小模板。小模板上的一个像素可能对应
6~7个大模板像素的宽度。这个情况下上诉定义仍然成立,但是这便给缩小模板带来了一定的
困难。
一般地,对于一个宽度为big_width 的大模板缩小为small_width 的小模板。对于小模板上的x ,
对应到大模板上的范围是 (按c语言习惯角标从0开始):
big_x_start=x*(big_width-1)/small_width;
big_x_end=(x+ 1)*(big_width-1)/small_width;
根据上面的公式,当宽度为64 的大模板,缩小成宽度为10 的小模板的时候,小模板上得像素
情况是:
小模板上的点 0 1 2 3 4 5 6 7 8 9
对应大模板上的起点终点0,6 6,12 12,18 18,25 25,31 31,37 37,44 44,50 50,56 56,63
对应大模板上的长度 7 7 7 8 7 7 8 7 7 8
从表中可以看出虽然最后一行的总和大于大模板的总宽度,但是表格中的第二行数据比较均
匀。
对于高度,情况类似,不再累述。
下面举一个例子,
原始车牌图像
车牌字符8的灰度图像 (为了便于观察已经放大)
大模板,来源于 《GA 36-2007 中华人民共和国机动车号牌.pdf》,经过旋转处理
生成的小模板 (为了便于观察已经放大)
车牌字符8的灰度图像 和 小模板的对比 (为了便于观察已经放大)
图中白色代表匹配,
黄色代表模板上有笔画而实际图像没有,
青色实际图像有笔画模板上没有
最后一幅图的亮度,就是匹配度。
附录
大模板的零幺矩阵
000000000000000000000000000000000000000000000000 11111110000000000000000000000000000000000000000
00000000000000000000000000000000000000000 111111111111111111000000000000000000000000000000000000
0000000000000000000000000000000000000 1111111111111111111111111100000000000000000000000000000000
000000000000000000000000000000000001111111111111111111111111111111000000000000000000000000000
文档评论(0)