车牌识别中灰度模板获得.pdf

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