目录
整套方案好包括以下博客:
转载请注明出处,谢谢!
一 处理流程
二 结果展示
三 核心要点解读
由于车牌图像摄取的特殊性, 在水平和垂直方向上都会有不同程度的倾斜变形,为了后续的字符分割识别工作,需要进行倾斜矫正。本文对车牌水平方向采用Hough 变换进行旋转矫正,在垂直方向上的矫正对字符分割没有太大影响,因此作者不进行矫正。hough变换是一种有效的检测直线的方法,可以阅读霍夫变换原理及实现,对于定位后的车牌图像很明显存在了两条相互平行的上下边框,只要检测到图像中的两条平行边框便可以知道车牌倾斜角度,通过旋转倾斜的角度,便可矫正车牌图像。
四 matlab代码实现
clear;clc;
close all;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%% 1.载入车牌图片并预处理
[fn,pn,fi]=uigetfile('车牌\*.jpg','选择图片');%(打开文件选择对话框)
% fn:图片名字,pn:图片路径,fi:文件类型
I=imread([pn fn]);%输入原始图像
subplot(231); imshow(I); title("原图");
I2 = rgb2gray(I);
subplot(232); imshow(I2); title("灰度图像");
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%% 1.边缘算子、直线检测和旋转
I3 = edge(I2,'Sobel','horizontal');
subplot(233);imshow(I3);title("边缘检测");
se = [1 1 1;1 1 1;1 1 1];
I4 = imdilate(I3,se);
subplot(234);imshow(I4);title("膨胀");
[H,T,R] = hough(I4,'Theta',-89:89);
ccc = max(H);
[value, rot_theta] = max(ccc);
img_correction = imrotate(I , rot_theta,'bilinear', 'loose');
subplot(235), imshow(img_correction);title("矫正后的图像");
imwrite(img_correction, ['矫正后的车牌/',fn])