课件：车牌分割与识别.pptx

车牌字符分割识别计算机专业目录1 图像预处理2车牌分割3车牌识别4 结果截图5 组员感想01/图像预处理41车牌图像的闭运算车牌图像的灰度化25去除车牌边框车牌图像的二值化63去除车牌图像中的圆点车牌图像的开运算01 /图像预处理 第一步：车牌图像的灰度化 图像的灰度化，就是将彩色图像转化为具有256个灰度级的黑白图像，灰度图像只保留图像的亮度信息，去除了色彩信息，就像我们平时看到的黑白照片，它的亮度由暗到明，而且亮度变化是连续的。图像灰度化后可以使处理运算量大大减少，这样处理过程就变得更加简单和省时。在灰度图像中，通常将亮度划分成0到255共256个级别，0最暗，255最亮。将彩色图像灰度化前后的图像：01 /图像预处理 第二步：车牌图像的二值化 图像二值化是指将彩色或灰度图像转化为黑白图像，而且图像没有灰度层次的变化，图像的二值化就是选取一个阈值，灰度值大于阈值的（或小于阈值的）被认定为字符图像，灰度值小于阈值的（或大于阈值的）被认定为车牌背景，对车牌图像进行二值化处理的目的就是将车牌上的字符和背景分开，因此在二值化过程中最关键的就是阈值的选取，好的阈值可以把车牌背景和车牌上的字符区分开来，而不恰当的阈值会把背景认定为字符，同样也可能把部分字符认定为背景。由于实际应用中，全局阈值法已可以满足本文车牌字符分割的要求，因此采用了大律法（Otsu法）。将车牌图像二值化前后的图像：01 /图像预处理 第三步：车牌图像的开运算 由于车牌上会有泥点、刮痕、锈蚀等造成车牌上会成为噪声，在二值化时会成为小点，给字符分割带来阻碍，因而在对车牌分割前必须将这些噪声去掉，因此可以根据开操作来达到目的。 开运算和闭运算都可以除去比定义的结构元素小的特定图像细节，同时能保证不使图像全局发生失真。开运算可以把比结构元素小的突刺噪声滤掉，切断将字符搭接起来的噪声而起到分离作用。将车牌图像开运算前后的图像：01 /图像预处理 第四步：车牌图像的闭运算 由于车牌上会有泥点、刮痕、锈蚀或光照、阴影等的影响造成车牌上有一些噪声，在二值化时会成为小洞，给字符分割带来阻碍，因而在对车牌分割前必须将这些噪声去掉，因此可以根据闭运算操作来达到目的。01 /图像预处理 第五步：去除车牌边框 在对车牌进行定位后，车牌的上下边缘处总会残留一些车牌的边框或者铆钉等噪声无法去除，待车牌被分割后也会给后续的字符识别带来麻烦，为了消除这些影响，须将其去除。因此本文根据其边框与字符间有空隙的特点，对于垂直边框，先找到车牌正中间的一个字符，向右找到第四个间隙即为车牌的最右端，找到第一个字符位置，向左寻找即可找到车牌最左端位置；对于水平方向的边框，先找到车牌水平方向的最中间，向车牌的上下方向分别寻找车牌字符与边框之间的间隙，即可找到车牌的上下位置。步骤为：Step1：计算每一行的像素值总和。Step2：选取车牌行方向的正中间位置，分别向车牌上下扫描寻找到行像素和突然变小的位置，即为车牌的上下端。Step3：只保留Step2找到的车牌上下端以内的车牌数据即可将车牌的上下边框去除。01 /图像预处理 第五步：去除车牌边框 去除车牌水平方向的边框与去除垂直方向边框的方法类似。01 /图像预处理 第五步：去除车牌边框 车牌去除边框前后的图像： 01 /图像预处理 第六步：去除车牌图像中的圆点 车牌上字母与数字间有一白色圆点，在采用投影法对车牌进行分割时会受到很大的影响，因此本文根据该白点所在车牌的位置，将此白点处数字矩阵置为全零，可以消除其带来的影响。去除白点前后的车牌图像：02/车牌分割据处理后的二值图像计算出列方向像素值之和。1选取一较小的像素和阈值，找到车牌上汉字的左端，在用该阈值继续寻找汉字右端的同时，根据车牌标准，利用高与宽的比例关系找到汉字的右端。2重复利用上一步骤的方法找到其他字符的左右端，然后将字符逐一分割。302/车牌分割效果 使用该法分割的图像：03/车牌识别1车牌识别的特殊性2车牌字符的归一化处理3常用的车牌字符识别方法03 /车牌识别01/车牌识别的特殊性 1.车牌字符的字符集少，车牌上出现的汉字字符只包括各省，市，直辖市和部队，武警，公安的简称，再加上26个英文字母以及10个数字。 2.字符点阵的分辨率低，受摄影机分辨率的限制，从一副汽车图像中分割出的牌照字符所占的像素比较小。 3.环境影响大。通常OCR系统的工作环境在室内，而车牌识别是在室外全天候工作，光照条件经常变化，并且受天气状况等的影响，各种干扰不可预测。 4.在我国，车牌字符包括汉字，字母和数字。标准车牌上的字符排列顺序为： 第一位是汉字，第二位是字母，第三位是字母或数字，第四位至第七位是数字。03 /车牌识别02/车牌字符的归一化处理 从不同图像分割出的字符在大小和位置上有很大的差异，给后续的自负