BP神经网络在车牌识别中的原理及应用

车牌识别流程图

l   图像预处理

l  为什么要进行图像预处理呢？

消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性

l   为什么要进行灰度化、二值化呢

识别物体，最关键的因素是梯度，梯度意味着边缘，这是最本质的部分，而计算梯度，自然就用到灰度图像了。颜色本身，非常容易受到光照等因素的影响，同类的物体颜色有很多变化。所以颜色本身难以提供关键信息。

目标和背景分离，二值化可以简单切迅速处理图像特征。

l   灰度处理如何做？

红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色。

图片2

这里运用了加权平均法。根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。

I = 0 .229 R+0.587 G+0.114 B

车牌灰度处理后的效果： 

图片3

灰度处理源码：

import matplotlib.pyplot as plt
img=data.hubble_deep_field()
img_name="cp1.png"
img=io.imread(img_name,as_grey=F