一种基于灰值形态学的汽车牌照提取方法
线性的关系:
n=Integer{(w/k)+b}
式中的Integer()表示对括号内的值取整。w、b都为整数。根据经验令w、b分别为25和0,则:
n=Integer(w/25)
由上式可知,当牌照的宽度w变化25个象素时,结构元素的大小n才变化1个单位,也就是说n对w不是很敏感。
牌照区域提取算法包括以下几步:
(1)缩小图像:对输入的灰值汽车图像进行隔行隔列抽样,得到一幅大小为四分之一原因的新图像。接下列抽样,得到一幅大小为四分之一原图的新图像。接下来的处理均在新图像上进行,这样可以大大减少处理时间,提高算法的效率。根据形态学的尺度变换兼容性原理,对图像缩小(放大)后再进行形态学变换,只要对结构元素做相应的变换,结果不变。
(2)水平分割:对汽车图像进行水平分割,得到几个可能含牌照的水平区域。
(3)垂直分割:对第(2)步所得到的每一个水平区域进行垂直分割,得到一些牌照的候选区域。
(4)牌照区域甄别:分析各个候选区域得出真正的牌照区域。
2.1水平分割
分别对汽车图像进行灰值形态学的梯度变换、Top-Hat变换和Valley变换,如图2。一般来说,在大多数汽车车牌照自动识别系统应用中,CCD摄取的汽车图像中牌照的大致宽度和高度是已知的。如果牌照的宽度为w∈(a,b),则取水平模板m×1,其中m=(a+b)/2。用模板分别对图像的梯度图、Top-Hat变换图和Valley变换图进行水平模板卷积。对每帧变换图取每一行模板水平卷积的最大值,得到1个一维数组,3幅变换图共得到3个一维数组g1,ti和vi,其中i大于等于1,而小于等于图像的高度,其曲线如图2的b、c、d。观察图2可以发现,由于受车体上其它字符和车前灯等因素的影响,仅仅依靠梯度图较难对牌照进行水平定位,而结合Top-Hat变换图和Valley变换图,能更好地对牌照进行水平定位。据此,构成了1个一维数组pi。
pi=gi×ti×vi
其曲线如图3。取图3中最高峰的位置作为牌照的水平中线,为了确保不会出错,把次高峰也作为牌照的另一备选位置。了高峰和次高峰的位置,分割出2个宽为汽车图像宽度,高为牌照的最大可能高度b的区域,如图4中的a和b。
2.2垂直分割
对图4中的a和b二个区域分别进行灰值形态学的梯度变换、Top-Hat变换和Valley变换,并在垂直方向对变换图进行卷积得到3个一维数组gi、ti和vi,其中i大于等于1,而小于等于图像的宽度w,其曲线如图5和图6。qi=gi×ti×vi
的曲线如图7。利用下面的公式分别对图4中的a和b进行垂直分割。
{(m,n)|qi>kT,i=m...n,n-m+1∈(a,b)}
其中:T=Max(qi),k为一经验值,(a,b)为牌照的宽度范围。
i=l...w
分割结果如图8所示。
2.3牌照区域甄别
分别标注牌照二候选区的水平峰值(或谷值)点,如图9(a)中的白点,标注的峰值点要求峰高与峰宽的比大于一经验阀值;分别把牌照二候 《一种基于灰值形态学的汽车牌照提取方法(第3页)》
本文链接地址:http://www.oyaya.net/fanwen/view/141779.html
n=Integer{(w/k)+b}
式中的Integer()表示对括号内的值取整。w、b都为整数。根据经验令w、b分别为25和0,则:
n=Integer(w/25)
由上式可知,当牌照的宽度w变化25个象素时,结构元素的大小n才变化1个单位,也就是说n对w不是很敏感。
牌照区域提取算法包括以下几步:
(1)缩小图像:对输入的灰值汽车图像进行隔行隔列抽样,得到一幅大小为四分之一原因的新图像。接下列抽样,得到一幅大小为四分之一原图的新图像。接下来的处理均在新图像上进行,这样可以大大减少处理时间,提高算法的效率。根据形态学的尺度变换兼容性原理,对图像缩小(放大)后再进行形态学变换,只要对结构元素做相应的变换,结果不变。
(2)水平分割:对汽车图像进行水平分割,得到几个可能含牌照的水平区域。
(3)垂直分割:对第(2)步所得到的每一个水平区域进行垂直分割,得到一些牌照的候选区域。
(4)牌照区域甄别:分析各个候选区域得出真正的牌照区域。
2.1水平分割
分别对汽车图像进行灰值形态学的梯度变换、Top-Hat变换和Valley变换,如图2。一般来说,在大多数汽车车牌照自动识别系统应用中,CCD摄取的汽车图像中牌照的大致宽度和高度是已知的。如果牌照的宽度为w∈(a,b),则取水平模板m×1,其中m=(a+b)/2。用模板分别对图像的梯度图、Top-Hat变换图和Valley变换图进行水平模板卷积。对每帧变换图取每一行模板水平卷积的最大值,得到1个一维数组,3幅变换图共得到3个一维数组g1,ti和vi,其中i大于等于1,而小于等于图像的高度,其曲线如图2的b、c、d。观察图2可以发现,由于受车体上其它字符和车前灯等因素的影响,仅仅依靠梯度图较难对牌照进行水平定位,而结合Top-Hat变换图和Valley变换图,能更好地对牌照进行水平定位。据此,构成了1个一维数组pi。
pi=gi×ti×vi
其曲线如图3。取图3中最高峰的位置作为牌照的水平中线,为了确保不会出错,把次高峰也作为牌照的另一备选位置。了高峰和次高峰的位置,分割出2个宽为汽车图像宽度,高为牌照的最大可能高度b的区域,如图4中的a和b。
2.2垂直分割
对图4中的a和b二个区域分别进行灰值形态学的梯度变换、Top-Hat变换和Valley变换,并在垂直方向对变换图进行卷积得到3个一维数组gi、ti和vi,其中i大于等于1,而小于等于图像的宽度w,其曲线如图5和图6。qi=gi×ti×vi
的曲线如图7。利用下面的公式分别对图4中的a和b进行垂直分割。
{(m,n)|qi>kT,i=m...n,n-m+1∈(a,b)}
其中:T=Max(qi),k为一经验值,(a,b)为牌照的宽度范围。
i=l...w
分割结果如图8所示。
2.3牌照区域甄别
分别标注牌照二候选区的水平峰值(或谷值)点,如图9(a)中的白点,标注的峰值点要求峰高与峰宽的比大于一经验阀值;分别把牌照二候 《一种基于灰值形态学的汽车牌照提取方法(第3页)》