《数字图像处理技术课程设计报告》.docx
《《数字图像处理技术课程设计报告》.docx》由会员分享,可在线阅读,更多相关《《数字图像处理技术课程设计报告》.docx(12页珍藏版)》请在冰豆网上搜索。
《数字图像处理技术课程设计报告》
《数字图像处理技术》课程设计报告
设计题目:
车牌识别系统
班级:
数媒
姓名:
学号:
一、目的与要求
1、提高分析图像处理问题的能力,进一步巩固在《数字图像处理技术》课程中所掌握的基本原理与方法。
2、掌握并使用一门计算机语言,进行数字图像处理的应用设计。
二、设计的内容
1、主要功能:
牌照图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等。
2、系统工作的原理以及过程:
(1)当行驶的车辆经过时,触发埋设在固定位置的传感器,系统被唤醒处于工作状态;一旦连接摄像头光快门的光电传感器被触发,设置在车辆前方、后方和侧面的相机同时拍摄下车辆图像;
(2)由摄像机或CCD摄像头拍摄的含有车辆牌照的图像通视频卡输入计算机进行预处理,图像预处理包括图像转换、图像增强、滤波和水平较正等;
(3)由检索模块进行牌照搜索与检测,定位并分割出包含牌照字符号码的矩形区域;
(4)对牌照字符进行二值化并分割出单个字符,经归一化后输入字符识别系统进行识别。
三、总体方案设计
车牌识别的最终目的就是对车牌上的文字进行识别。
主要应用的为模板匹配方法。
因为系统运行的过程中,主要进行的都是图像处理,在这个过程中要进行大量的数据处理,所以处理器和内存要求比较高,CPU要求主频在600HZ及以上,内存在128MB及以上。
系统可以运行于Windows98、Windows2000或者WindowsXP操作系统下,程序调试时使用matlab。
1、功能模块的划分:
(1)预处理及边缘提取:
图象的采集与转换,边缘提取。
(2)牌照的定位和分割:
牌照区域的定位,牌照区域的分割,车牌进一步处理。
(3)字符的分割与归一化:
字符分割,字符归一化。
(4)字符的识别
2、具体功能实现的原理以及流程图:
1、预处理及边缘提取
预处理及边缘提取流程图
(1)图象的采集与转换:
考虑到现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种,利用不同的色彩通道就可以将区域与背景明显地区分出来,例如,对蓝底白字这种最常见的牌照,采用蓝色B通道时牌照区域为一亮的矩形,而牌照字符在区域中并不呈现。
因为蓝色(255,0,0)与白色(255,255,255)在B通道中并无区分,而在G、R通道或是灰度图象中并无此便利。
同理对白底黑字的牌照可用R通道,绿底白字的牌照可以用G通道就可以明显呈现出牌照区域的位置,便于后续处理。
原图、灰度图及其直方图见图2与图3。
对于将彩色图象转换成灰度图象时,图象灰度值可由下面的公式计算:
G=0.110B+0.588G+0.302R
(1)G=
(2)
原图和灰度直方图
2、边缘提取:
边缘是指图像局部亮度变化显著的部分,是图像风、纹理特征提取和形状特征提取等图像分析的重要基础。
所以在此我们要对图像进行边缘检测。
图象增强处理对图象牌照的可辩认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的。
增强图象对比度度的方法有:
灰度线性变换、图象平滑处理等。
3、牌照的定位和分割:
牌照的定位和分割是牌照识别系统的关键技术之一,其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置,并将包含牌照字符的一块子图象从整个图象中分割出来,供字符识别子系统识别之用,分割的准确与否直接关系到整个牌照字符识别系统的识别率。
由于牌照图象在原始图象中是很有特征的一个子区域,确切说是水平度较高的横向近似的长方形,它在原始图象中的相对位置比较集中,而且其灰度值与周边区域有明显的不同,因而在其边缘形成了灰度突变的边界,这样就便于通过边缘检测来对图象进行分割。
(1)牌照区域的定位
牌照图象经过了以上的处理后,牌照区域已经十分明显,而且其边缘得到了勾勒和加强。
此时可进一步确定牌照在整幅图象中的准确位置。
腐蚀后图像平滑图像的轮廓从对象中移除小对象后图像
(2)牌照区域的分割
对车牌的分割可以有很多种方法,本程序是利用车牌的彩色信息的彩色分割方法。
根据车牌底色等有关的先验知识,采用彩色像素点统计的方法分割出合理的车牌区域,确定车牌底色蓝色RGB对应的各自灰度范围,然后行方向统计在此颜色范围内的像素点数量,设定合理的阈值,确定车牌在行方向的合理区域。
然后,在分割出的行区域内,统计列方向蓝色像素点的数量,最终确定完整的车牌区域。
行方向区域和最终定位出来的车牌
(3)车牌进一步处理:
裁剪出来的车牌的进一步处理过程图
4:
字符的分割与归一化
字符分割与归一化流程图
1、字符分割与归一化
在汽车牌照自动识别过程中,字符分割有承前启后的作用。
它在前期牌照定位的基础上进行字符的分割,然后再利用分割的结果进行字符识别。
字符识别的算法很多,因为车牌字符间间隔较大,不会出现字符粘连情况,所以此处采用的方法为寻找连续有文字的块,若长度大于某阈值,则认为该块有两个字符组成,需要分割。
一般分割出来的字符要进行进一步的处理,以满足下一步字符识别的需要。
但是对于车牌的识别,并不需要太多的处理就已经可以达到正确识别的目的。
在此只进行了归一化处理,然后进行后期处理。
5、字符的识别
四、各个功能模块的主要实现程序(由于以上已有截图所以不全部展示)
分割
d=qiege(d);
[m,n]=size(d);
figure,subplot(2,1,1),imshow(d),title(n)
k1=1;k2=1;s=sum(d);j=1;
whilej~=n
whiles(j)==0
j=j+1;
end
k1=j;
whiles(j)~=0&&j<=n-1
j=j+1;
end
k2=j-1;
ifk2-k1>=round(n/6.5)
[val,num]=min(sum(d(:
[k1+5:
k2-5])));
d(:
k1+num+5)=0;%分割
end
end
%再切割
d=qiege(d);
%切割出7个字符
%滤波
h=fspecial('average',3);
d=im2bw(round(filter2(h,d)));
imwrite(d,'4.均值滤波后.jpg');
figure(8),subplot(3,2,4),imshow(d),title('4.均值滤波后')
%膨胀或腐蚀
%se=strel('square',3);%使用一个3X3的正方形结果元素对象对创建的图像进行膨胀
%'line'/'diamond'/'ball'...
se=eye
(2);%eye(n)returnsthen-by-nidentitymatrix单位矩阵
[m,n]=size(d);
ifbwarea(d)/m/n>=0.365
d=imerode(d,se);
elseifbwarea(d)/m/n<=0.235
d=imdilate(d,se);
end
imwrite(d,'5.膨胀或腐蚀处理后.jpg');
figure(8),subplot(3,2,5),imshow(d),title('5.膨胀或腐蚀处理后')
liccode=char(['0':
'9''A':
'Z''苏豫陕鲁']);%建立自动识别字符代码表
SubBw2=zeros(40,20);
l=1;
forI=1:
7
ii=int2str(I);
t=imread([ii,'.jpg']);
SegBw2=imresize(t,[4020],'nearest');
ifl==1%第一位汉字识别
kmin=37;
kmax=40;
elseifl==2%第二位A~Z字母识别
kmin=11;
kmax=36;
elsel>=3%第三位以后是字母或数字识别
kmin=1;
kmax=36;
end
fork2=kmin:
kmax
fname=strcat('字符模板\',liccode(k2),'.jpg');
SamBw2=imread(fname);
fori=1:
40
forj=1:
20
SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);
end
end
%以上相当于两幅图相减得到第三幅图
Dmax=0;
fork1=1:
40
forl1=1:
20
if(SubBw2(k1,l1)>0|SubBw2(k1,l1)<0)
Dmax=Dmax+1;
end
end
end
Error(k2)=Dmax;
end
Error1=Error(kmin:
kmax);
MinError=min(Error1);
findc=find(Error1==MinError);
Code(l*2-1)=liccode(findc
(1)+kmin-1);
Code(l*2)='';
l=l+1;
end
figure(10),imshow(dw),title(['车牌号码:
',Code],'Color','b');
五、课程设计总结与体会
这学期我们学习了数字图像处理这门课程,在平时的实验课上老师发给我们的实验文件没有更加深入的研究,导致课设阶段并不是很顺利的进行,经过学习了解,我知道了数字图像处理技术在实际生活中的重要性,它是一门通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术,可以使很多实际问题变得智能化,比如车牌的识别,人脸的识别等,可以肯定的是这门技术在将来会去的更深入更广泛的应用。
本次课设参考了论坛上的资料,查阅了matlab的gui编程的书本,能够编写简单的系统界面,调用相关的程序。
但是此次课设做的还不够完善,系统程序不够完美,并不能完全正确的识别出每一张车牌图片,这也是还需要完善的地方。