基于OpenCV的車牌識(shí)別系統(tǒng)-文檔資料

1、1基于OpenCV的車牌識(shí)別系統(tǒng)設(shè)計(jì)-馬金峰，宋福星，楊偉上海大學(xué)數(shù)字圖像處理2背景及意義 牌照識(shí)別系統(tǒng) 簡(jiǎn)稱 LPR（License Plate Recognition）,是智能交通系統(tǒng)的基礎(chǔ)和核心技術(shù)之一，在交通管理自動(dòng)化和智能化中占據(jù)重要地位。 車牌識(shí)別系統(tǒng)是智能交通系統(tǒng)的一個(gè)非常重要的方向，主要由圖像采集，車牌定位，字符分割以及字符識(shí)別四個(gè)部分組成，具有良好的實(shí)用價(jià)值，目前主要應(yīng)用于公路治安卡口，開放式收費(fèi)站，車載移動(dòng)查車，違章記錄系統(tǒng)，門禁管理，停車場(chǎng)管理等場(chǎng)合。3主要內(nèi)容 圖像獲取 圖像預(yù)處理 車牌定位 字符分割 字符識(shí)別4圖像獲取 利用OpenCV庫(kù)函數(shù)可以對(duì)攝像機(jī)進(jìn)行操作，首先

2、定義CvCapture結(jié)構(gòu)變量captrue并初始化 然后使用庫(kù)函數(shù)cvCreateCameraCapture()從攝像機(jī)得到視頻信息 獲取視頻信息后還要獲取圖像，首先要定義IplImage結(jié)構(gòu)變量frame并進(jìn)行初始化 從獲取的視頻中得到圖像幀frame = cvQueryFrame(capture).5圖像的預(yù)處理 利用opencv庫(kù)函數(shù)獲取的圖像是彩色圖像，即每個(gè)像素點(diǎn)由R，G，B三個(gè)分量組成，直接計(jì)算量很大，很難達(dá)到實(shí)時(shí)快速識(shí)別的目的，在實(shí)際應(yīng)用中要轉(zhuǎn)換為灰度圖像，轉(zhuǎn)換公式如下： Y = 0.299R+0.587G+0.114B 對(duì)灰度圖像進(jìn)行二值化處理 采用robert邊緣檢測(cè)法6預(yù)

3、處理后的結(jié)果7車牌的定位 該系統(tǒng)的攝像頭拍攝的圖片是整個(gè)機(jī)動(dòng)車的圖片，而只有車牌部分是對(duì)系統(tǒng)有用的。所以我們要對(duì)照片進(jìn)行車牌定位和分割。 車牌的定位是從經(jīng)過(guò)圖像預(yù)處理后的灰度圖像中確定牌照位置，并將車牌部分從整個(gè)圖像中分割出來(lái)，從而進(jìn)行字符識(shí)別。8車牌的定位 定位步驟：預(yù)處理后的圖像圖像的形態(tài)學(xué)處理通過(guò)計(jì)算尋找X，Y方向車牌的區(qū)域完成車牌的定位對(duì)分割出的車牌做進(jìn)一步處理9車牌的定位 圖像的腐蝕：腐蝕處理的作用是將目標(biāo)圖形收縮。 圖像的膨脹：膨脹的處理的作用是將目標(biāo)圖形擴(kuò)大。 圖像的開運(yùn)算：先腐蝕后膨脹的過(guò)程稱為開運(yùn)算。它具有消除細(xì)小物體，在纖細(xì)處分離物體和平滑較大物體邊界的作用。 圖像的閉運(yùn)算

4、：先膨脹后腐蝕的過(guò)程稱為閉運(yùn)算。它具有填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界的作用。10車牌的定位 精確定位方法：通過(guò)計(jì)算尋找X，Y方向車牌的區(qū)域來(lái)分割出車牌區(qū)域。 原理：使用統(tǒng)計(jì)白色像素點(diǎn)的方法分割出車牌區(qū)域，確定車牌底色藍(lán)色二值化后對(duì)應(yīng)的灰度范圍，然后統(tǒng)計(jì)在行方向的顏色范圍內(nèi)的像素點(diǎn)數(shù)量，確定車牌在行方向的區(qū)域。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計(jì)列方向像素點(diǎn)的數(shù)量，最終確定完整的車牌區(qū)域。11車牌的定位 定位結(jié)果顯示：12字符的分割 存在的問題：1、最大問題是二值化不徹底使投影圖像中字符間的波谷不夠分明2、車牌污損、反光、光照不均等原因使車牌圖 像交差，存在大量噪聲3、車牌邊框和鉚釘也會(huì)造

5、成分割不正確4、牌的前兩個(gè)字符和后面五個(gè)字符之間的間 隔符（小圓點(diǎn)）對(duì)字符識(shí)別有影響5、車牌旋轉(zhuǎn)對(duì)水平分割有較大影響13字符的分割 字符分割的步驟：m，n=size（d），逐排檢查有沒有白色像素點(diǎn)，設(shè)置1=jn-1，若圖像兩邊s（j）=0，則切割，去除圖像兩邊多余的部分切割去圖像上下多余的部分根據(jù)圖像的大小，設(shè)置一閾值，檢測(cè)圖像的X軸，若寬度等于這一閾值則切割，分離出七個(gè)字符歸一化切割出來(lái)的字符圖像的大小為40*20，與模板中字符圖像的大小相匹配14字符的分割 分割的結(jié)果浙浙 CSB12315字符 的識(shí)別 使用基于模板的匹配方法 原理：首先對(duì)待識(shí)別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。 模板匹配的特點(diǎn)：模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，當(dāng)字符較規(guī)整時(shí)對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率相當(dāng)高。16字符的識(shí)別 識(shí)別過(guò)程：建立自動(dòng)識(shí)別的代碼表讀取分割出來(lái)的字第一個(gè)字符與模板中的漢字模板進(jìn)行匹配第二個(gè)字符與模板中的字母模板進(jìn)行匹配后5個(gè)字符與模