分享
分享赚钱 收藏 举报 版权申诉 / 13

类型光电图像处理课程设计档.doc

  • 上传人:tkhy51908
  • 文档编号:7442750
  • 上传时间:2019-05-18
  • 格式:DOC
  • 页数:13
  • 大小:284KB
  • 配套讲稿:

    如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。

    特殊限制:

    部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。

    关 键  词:
    光电图像处理课程设计档.doc
    资源描述:

    1、审定成绩:光 电 图 像 处 理 课 程 设 计 报 告题 目 :汽车车牌的预处理研究学生姓名 班 级 0703院 别 物理与电子学院 专 业 电 子 科 学 与 技 术学 号 指导老师 王晓明设计时间 2010.12一目的与要求将图像处理的知识与实际应用相挂钩,培养自己动手能力二设计内容在 MATLAB 环境下设计一个系统完成以下基本功能1、能对图像文件进行打开、保存、另存、打印、退出等功能操作; 2、图像预处理功能:(1)直方图的统计及绘制,根据此找到图像的阈值点;(2)对图像进行各种几何变换;(3)彩色图像的灰度化变换等、一般灰度图像的二值化处理等;(4)数字图像的增强处理功能:空域中的

    2、点运算、直方图的均衡化、各种空间域平滑算法(如局部平滑滤波法、中值滤波等) 、锐化算法(如梯度锐化法、高通滤波等) ; 3、 车牌的定位此系统主要是对含有汽车车牌的图像进行预处理,并对车牌进行定位。三设计方案车牌识别系统包括摄取的汽车图像,车牌号码的识别,车牌图像的采集和预处理,牌照区域的定位和提取,牌照字符的再处理等几个部分组成,如下图所示。图1 车牌识别系统流程图四、设计步骤车牌识别过程大体可以分为3个步骤:图像预处理,车牌定位和分割、牌照字符的再处理(一)、预处理及边缘提取一般情况下,采集到的图像有由于光线过强,或者偏弱都会不理想的情况,这些都会对后续的图像处理产生影响。以及车速的不稳定

    3、等因素都会不同程度地影响图像效果,出现模糊、歪斜和缺损等严重缺陷,车牌字符边界模糊、细节不清、笔画断开、粗细不均等现象,从而影响车牌区域分割与字符识别的工作,所以识别前需要对原始图象进行预处理。输入图像 预处理 车牌定位进一步处理输出结果车牌分割输入车牌图象灰度校正平滑处理提取边缘图2 预处理及边缘提取流程图 1、图象的采集与转换现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种,利用不同的色彩通道就可以将区域与背景明显地区分出来,例如,对蓝底白字这种最常见的牌照,采用蓝色 B 通道时牌照区域为一亮的矩形,而牌照字符在区域中并不呈现。因为蓝色(255,0

    4、,0)与白色(255,255,255)在 B 通道中并无区分,而在 G、R 通道或是灰度图象中并无此便利。同理对白底黑字的牌照可用 R 通道,绿底白字的牌照可以用 G 通道就可以明显呈现出牌照区域的位置,便于后续处理。对于将彩色图象转换成灰度图象时,图象灰度值可由下面的公式计算:G=0.110B+0.588G+0.302R (1)G= 3RB其MATLAB程序为:I=imread(E:car.jpg);%读取图像I1=rgb2gray(I);subplot(1,2,1),imshow(I) %输出图像title(原始图像 ) %在原始图像中加标题subplot(1,2,2),imshow(I1

    5、) %输出图像title(灰度图像 ) %在灰度图像中加标题2、边缘提取边缘是指图像局部亮度变化显著的部分,是图像风、纹理特征提取和形状特征提取等图像分析的重要基础。所以在此我们要对图像进行边缘检测。图象增强处理对图象牌照的可辩认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的。增强图象对比度度的方法有:灰度线性变换、图象平滑处理等。(1)灰度校正由于牌照图象在拍摄时受到种种条件的限制和干扰,图象的灰度值往往与实际景物不完全匹配,这将直接影响到图象的后续处理。如果造成这种影响的原因主要是由于被摄物体的远近不同,使得图象中央区域和边缘区域的灰度失衡,或是由于摄像头在扫描时各点的灵敏度有

    6、较大的差异而产生图象灰度失真,或是由于曝光不足而使得图像的灰度变化范围很窄。这时就可以采用灰度校正的方法来处理,增强灰度的变化范围、丰富灰度层次,以达到增强图象的对比度和分辨率。我们发现车辆牌照图象的灰度取值范围大多局限在r=(50,200)之间,而且总体上灰度偏低,图象较暗。根据图象处理系统的条件,最好将灰度范围展开到s=(0,255)之间,为此我们对灰度值作如下的变换: s = T(r) r=r min,,r max使得SSmin, Smax,其中, T为线性变换: (3)minaxiinminax rSrrs若 r(50,200)、s(0,255)则:(4)85r7.1502-r1S图5

    7、 灰度线性变换其MATLAB程序为:I=imread(E:car.jpg);%读取图像I1=rgb2gray(I);subplot(2,2,1),imshow(I1) %输出图像title(灰度图像) %在原始图像中加标题J = histeq(I1,256);subplot(2,2,2),imshow(J) %输出图像title(灰度校正图像) %在灰度图像中加标题subplot(2,2,3),imhist(I1)title(灰度图像直方图)subplot(2,2,4); imhist(J)title(灰度校正图像直方图)(2)平滑处理对于受噪声干扰严重的图象,由于噪声点多在频域中映射为高频分

    8、量,因此可以在通过低4 3 25 i,j 1通滤波器来滤除噪声,但实际中为了简化算法,也可以直接在空域中用求邻域平均值的方法来削弱噪声的影响,这种方法称为图象平滑处理。例如,某一象素点的邻域S 有两种表示方法:8邻域和4邻域分别对应的邻域平均值为, 图7 8 -邻域、4 -邻域模板(5)sjijfMjig),(,1),(其中,M 为邻域中除中心象素点f(i,j) 之外包括的其它象素总数,对于4邻域M=4,8 邻域M=8。然而,邻域平均值的平滑处理会使得图象灰度急剧变化的地方,尤其是物体边缘区域和字符轮廓等部分产生模糊作用。为了克服这种平均化引起的图象模糊现象,我们给中心点象素值与其邻域平均值的

    9、差值设置一固定的阈值,只有大于该阈值的点才能替换为邻域平均值,而差值不大于阈值时,仍保留原来的值,从而减少由于平均化引起的图象模糊。边缘提取是较经典的算法,此处边缘的提取采用的是Roberts算子。其MATLAB程序为:I=imread(E:car.jpg);%读取图像J=rgb2gray(I);I1 = histeq(J);newGrayPic= I1; m,n=size(I1); robertsNum=0; %roberts算子的计算值 threshold=15; %阈值 for i=1:m-1 %进行边界提取 for j=1:n-1 robertsNum = abs(I1(i,j)-I1

    10、(i+1,j+1) + abs(I1(i+1,j)-I1(i,j+1); if(robertsNum threshold) newGrayPic(i,j)=255; else newGrayPic(i,j)=0; end end end figure,imshow(newGrayPic);6 7 8 23 i,j 14(二)、牌照的定位和分割牌照的定位和分割是牌照识别系统的关键技术之一,其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置,并将包含牌照字符的一块子图象从整个图象中分割出来,供字符识别子系统识别之用,分割的准确与否直接关系到整个牌照字符识别系统的识别率。由于牌照图象在原

    11、始图象中是很有特征的一个子区域,确切说是水平度较高的横向近似的长方形,它在原始图象中的相对位置比较集中,而且其灰度值与周边区域有明显的不同,因而在其边缘形成了灰度突变的边界,这样就便于通过边缘检测来对图象进行分割。对图像进行腐蚀去除杂质通过计算寻找 X 和Y 方向车牌的区域完成车牌定位对分割出的车牌做进一步处理图10 牌照定位于分割流程图1、牌照区域的定位牌照图象经过了以上的处理后,牌照区域已经十分明显,而且其边缘得到了勾勒和加强。此时可进一步确定牌照在整幅图象中的准确位置。这里选用的是数学形态学的方法,其基本思想是用具有一定形态的机构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目

    12、的。数学形态学的应用可以简化图像数据,保持它们基本的形态特征,并除去不相干的结构。在本程序中用到了膨胀和闭合这两个基本运算,最后还用了bwareaopen来去除对象中不相干的小对象。其MATLAB程序为:I=imread(E:carjiance.jpg);%边缘检测图se=1;1;1; %线型结构元素 I1=imerode(I,se); %腐蚀图像subplot(1,3,1),imshow(I1),title(腐蚀后边缘图像);se=strel(rectangle,25,25); % 矩形结构元素I2=imclose(I1,se);%图像聚类、填充图像subplot(1,3,2),imshow

    13、(I2),title(填充后图像);I3=bwareaopen(I2,2000);%去除聚团灰度值小于2000的部分subplot(1,3,3),imshow(I3),title(形态滤波后图像);2、牌照区域的分割对车牌的分割可以有很多种方法,本程序是利用车牌的彩色信息的彩色分割方法。根据车牌底色等有关的先验知识,采用彩色像素点统计的方法分割出合理的车牌区域,确定车牌底色蓝色RGB对应的各自灰度范围,然后行方向统计在此颜色范围内的像素点数量,设定合理的阈值,确定车牌在行方向的合理区域。然后,在分割出的行区域内,统计列方向蓝色像素点的数量,最终确定完整的车牌区域。I=imread(E:car.

    14、jpg);%读取图像figure(); subplot(3,2,1),imshow(I), title(原始图像);I1=rgb2gray(I);%转化为灰度图像subplot(3,2,2),imshow(I1),title(灰度图像);I2=edge(I1,robert,0.09,both);%采用robert算子进行边缘检测subplot(3,2,3),imshow(I2),title(边缘检测后图像);se=1;1;1; %线型结构元素 I3=imerode(I2,se); %腐蚀图像subplot(3,2,4),imshow(I3),title(腐蚀后边缘图像);se=strel(re

    15、ctangle,25,25); %矩形结构元素I4=imclose(I3,se);%图像聚类、填充图像subplot(3,2,5),imshow(I4),title(填充后图像);I5=bwareaopen(I4,2000);%去除聚团灰度值小于2000的部分subplot(3,2,6),imshow(I5),title(形态滤波后图像);y,x,z=size(I5);I6=double(I5);Y1=zeros(y,1);for i=1:yfor j=1:xif(I6(i,j,1)=1) Y1(i,1)= Y1(i,1)+1; end end endtemp MaxY=max(Y1);fig

    16、ure();subplot(3,1,1),plot(0:y-1,Y1),title(行方向像素点灰度值累计和),xlabel(行值),ylabel(像素); PY1=MaxY;while (Y1(PY1,1)=50)end PY2=MaxY;while (Y1(PY2,1)=50)endPX1=PX1-1;PX2=PX2+1; %分割出车牌图像%dw=I1(PY1:PY2,PX1:PX2,:); subplot(3,1,3),imshow(dw),title(定位剪切后的灰度车牌图像)3、车牌进一步处理经过上述方法分割出来的车牌图像中存在目标物体、背景还有噪声,要想从图像中直接提取出目标物体,

    17、最常用的方法就是设定一个阈值T,用T将图像的数据分成两部分:大于T的像素群和小于T的像素群,即对图像二值化。均 值 滤 波 是 典 型 的 线 性 滤 波 算 法 , 它是 指 在 图 像 上 对 目 标 像 素 给 一 个 模 板 , 该 模 板 包 括 了 其 周 围 的 临 近 像 素 。 再 用 模 板 中 的全 体 像 素 的 平 均 值 来 代 替 原 来 像 素 值 。其MATLAB程序为:I=imread(E:carcaihuidutu.jpg);%读取图像subplot(3,1,1),imshow(I)title(灰度图像)I1=im2bw(I);subplot(3,1,2)

    18、,imshow(I1) %输出图像title(二值图像) %在原始图像中加标题I2=bwareaopen(I1,200);subplot(3,1,3);imshow(I2),title(形态学滤波后的二值化图像);五总结实验对车牌识别系统的软件部分进行了研究,分别从图像预处理、车牌定位分割以及车牌进一步处理等方面进行了系统的分析。在车辆牌照识别系统的研究领域,近几年出现了许多切实可行的识别技术和方法,从这些新技术和方法中可以看到两个明显的趋势:一是单一的预处理和识别技术都无法达到理想的结果,多种方法的有机结合才能使系统有效识别能力提高。在本系统的设计时,也汲取了以上一些算法的思想,结合实际,反

    19、复比较,综合分析;二是在有效性和实用的原则下,结合神经网络和人工智能的新技术的应用是研究的一个方向。再者根据车牌特点,一般采用的车牌定位算法有边缘检测定位算法,水平方向灰度变化方法,基于彩色特征的车牌定位方法,形态滤波,神经网络法等。这里我采用的是边缘检测的方法实现定位的。本设计虽然只对蓝底白字车牌进行分割识别,对黑底白字车牌原则上整个算法可直接适用,对白底黑字车牌、黄底黑字车牌,需要对车牌定位算法进行调整。虽然系统本身还存在许多不足,距离具体实用的要求仍有很大差距,但在这次课程设计中学到了很多知识,将课堂上学到的东西与实用挂钩,做到学以至用。六、参考文献1 陈桂明、张明照、戚红雨.应用MAT

    20、LAB语言处理数字信号与数字图像。科学出版社,20002 霍宏涛.数字图像处理.机械工业出版社,2003.53 郁梅等,基于视觉的车辆牌照检测,计算机应用研究,1999(5),P65674 叶晨洲,廖金周,一种基于纹理的牌照图象二值化方法,微型电脑应用,1999(6),P28295 周妮娜、王敏、黄心汉、吕雪峰、万国红.车牌字符识别的预处理算法.计算机工程与应用,2003(15)6 杨万山等,基于BP 神经网络的工程图纸图形符号的识别,微型电脑应用,Vol.16,No.2,20007 王年、李婕、任彬、汪炳权.多层次汽车车牌照定位分割方法. 安徽大学学报,1999(6)Vol.23.No.28 崔 江、王友仁.车牌自动识别方法中的关键技术研究.计算机测量与控制,2003.11(4)9 许志影、李晋平.MATLAB极其在图像处理中的应用.计算机与现代化,2004(4)

    展开阅读全文
    提示  道客多多所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:光电图像处理课程设计档.doc
    链接地址:https://www.docduoduo.com/p-7442750.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    道客多多用户QQ群:832276834  微博官方号:道客多多官方   知乎号:道客多多

    Copyright© 2025 道客多多 docduoduo.com 网站版权所有世界地图

    经营许可证编号:粤ICP备2021046453号    营业执照商标

    1.png 2.png 3.png 4.png 5.png 6.png 7.png 8.png 9.png 10.png



    收起
    展开