基于阈值分割的车牌定位识别
本设计通过对输入的车牌图像进行灰度变换、边缘检测、腐蚀及平滑等过程来进行车牌图像预处理,由此得到一种基于车牌颜色纹理特征的车牌定位方法,实现车牌的区域定位。再通过车牌字符分割,将得到的车牌字符进行归一化处理,采用模板匹配的字符识别方式,对输出的字符图像和模板库里的模板进行逐一匹配以得到对应于车牌字符的具体信息,从而实现车牌的识别。
MATLAB—GUI界面:
车牌识别效果展示:
在车牌识别的稳定性和准确度上,本设计都有极大程度的提高。在原车牌识别系统中,可明显地发现,其对输入图像的车牌区域经过了二次修改才能完成正确识别,但这并不是我们实际生活中随机拍摄的图像。而对于现车牌识别系统,随机拍摄一张日常生活中含车牌图像作为输入图像,仍能够正确识别。两系统对比如图3-2和图3-3。
在功能实现上,本设计增加了原车牌识别系统所能识别的车牌类型,目前包括蓝色、绿色和黄色车牌都能实现准确识别,如图3-4。
在对输入图片的图像质量要求上,本设计通过增加标准库的学习功能,使得对图像质量较差的图片也能实现正确定位和识别。图3-5中输入图像为同一辆车的车牌图片,分别为从前面和后面拍摄,可以发现车牌识别系统对于前后两个方位都能实现正确车牌识别。
图3-6中输入图像清晰度差且车牌区域角度倾斜,图3-7中输入图像的车牌区域环境光亮度低且模糊。但本设计的车牌识别系统仍能正确识别车牌。
达成度分析
作品的功能与效果都达到了预想的效果。在车牌识别系统中输入一幅含牌照图像,选择牌照类型,依次完成车牌定位、区域二值化、字符分割、车牌识别,便能够正确输出识别结果。
同时,在户外环境中拍摄的含牌照图像,加之车辆牌照的整洁度、自然光照条件、拍摄时与牌照的矩离和角度、车牌图像模糊、歪斜和缺损等因素影响,本作品也能较高正确率地做到正确识别。
本作品为模板库增加学习功能,当前模板库内字符图像数量为83。