数字图像处理——实验五 基于图像分割的车牌定位识别

数字图像处理——实验五 基于图像分割的车牌定位识别

一、实验目的

(1)掌握车牌阈值分割;

(2)掌握基于形态学计算的图像分割;

(3)掌握图像的二值化;

(4)掌握基于像素投影的字符分割;

(5)掌握字符识别原理。

二、实验主要仪器设备

(1)计算机;

(2)Python 3.x及PyCharm软件;

(3)需进行车牌识别的图片。

  • 注: opencv-python 使用的是3.x 版本

三、实验原理

(1) 图像灰度化

灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度,尽管理论上这个采样可以任何颜色的不同深浅,甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑白两种颜色,灰度图像在黑色与白色之间还有许多级的颜色深度。

(2) 图像二值化

图像二值化就是将图像上的像素点的灰度值设置为 0 或 255,也就是将整个图像呈现出明显的黑白效果。

(3) 图像形态学运算

用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。

(4) 阈值分割原理

阈值分割算法是图形分割中应用场景最多的算法之一。简单地说,对灰度图像进行阈值分割就是先确定一个处于图像灰度取值范围内的阈值,然后将图像中各个像素的灰度值与这个阈值比较,并根据比较的结果将对应的像素划分为两类:像素灰度大于阈值的一类和像素值小于阈值的另一类,灰度值等于阈值的像素可以归入这两类之一。分割后的两类像素一般分属图像的两个不同区域,所以对像素根据阈值分类达到了区域分割的目的。

(5) 字符分割原理

二值化后的图像,在没有字符的区域,y方向上像素灰度和为0,在有字符的区域为灰度和非0。

四、实验指导

4.1 车牌定位

按照下面给出的阈值遍历图片,选取适当区域进行分割。遍历图像可利用for循环遍历图片上所有点,遍历方法为:

for i=1:m
    for j=1:n
        Rij=I(i,j,1);
        Gij=I(i,j,2);
        Bij=I(i,j,3);

其中 I I I 为大小是 m ∗ n m*n m ∗n 的RGB图像,R i j R_{ij}R ij ​、G i j G_{ij}G ij ​、B i j B_{ij}B ij ​ 分别为 ( i , j ) (i,j)(i ,j ) 点像素的R、G、B值,将三个值与下方给出的阈值比较,可得出像素是否属于车牌区域。

定位车牌区域时可以分别从行和列的角度进行遍历,即若某行符合要求的像素点数量大于等于某阈值时则认为该行属于车牌区域;遍历列时亦然,即若某列符合要求的像素点数量大于等于某阈值时则认为该列属于车牌区域。

车牌分割参考阈值:

  • RGB图像参考阈值

若 R i j R_{ij}R ij ​、G i j G_{ij}G ij ​、B i j B_{ij}B ij ​ 分别为 ( i , j ) (i,j)(i ,j ) 点的RGB值,则

R i j R_{ij}R ij ​/B i j B_{ij}B ij ​

Original: https://blog.csdn.net/alan1ly/article/details/125423118
Author: lan 606
Title: 数字图像处理——实验五 基于图像分割的车牌定位识别

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/805705/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球