master_opencv关于车牌识别工程框架整理
来源:互联网 发布:句读知不知是什么意思 编辑:程序博客网 时间:2024/05/01 09:50
最近学习master_opencv中第五章关于车牌识别的部分,想整理一个算法的框架出来,方便自己回顾的同时如果能给大家带来一点帮助,也算是对自己的鼓励吧。
整个算法分成两个阶段:1.车牌获取;2.车牌识别。在它们之下又分了不同的版块。
一.车牌检测部分:
1.车牌检测
车牌的检测主要是一些基础的数字图像处理,包括高斯滤波,sobel求取梯度边缘,形态学膨胀,提取图形轮廓,漫水填充算法精确定位车牌位置。
步骤如下:
输入:包含车牌的图片;
a. RGB图转灰度图;
b. 高斯滤波,去除噪声;
c. sobel 算子求取梯度边缘;
d. 阈值处理;
e 形态学膨胀 (车牌区域会被膨胀而形成一块联通的区域);
f. 提取图像轮廓 ;
g. 漫水填充算法更加精确的锁定车牌位置(基于车牌的背景色单一);
输出: 疑似的车牌区域集合。
2.车牌分割
基于车牌检测部分得到的疑似车牌区域集合,分割出这些区域,并对这些区域进行几何图形变换,直方图均衡,使得到的数据标准化,更有益于SVM模型的训练。
a. 根据标准车牌的长宽比,设定一个误差范围,验证疑似车牌区域,剔除明显不是车牌的区域;
b. 对剩余区域进行几何图形变换(仿射变换),对形状进行标准化;
c. 直方图均衡,增强对比度。
3.基于SVM的车牌验证
a. 特征提取(文中只是简单的利用图像的灰度值作为特征,还有其他特征可以作为选择:一阶差分特征,LBP,gabor特征等)
b.offline 训练模型
c. online测试模型
二.车牌识别部分:
1.字符分割
对之前SVM模型线上检测后得到的正确车牌进行字符分割,得到单个的字符,以便进一步进行识别。
a. 灰度图转换;
b. 阈值处理得到二值图像;
c. 提取图像轮廓 ;
d. 字符验证
2.基于ANN算法的OCR
a. 特征提取(低分辨率的图像,水平方向累积直方图,垂直方向累积直方图)
b. offline训练ANN 模型
c. online 测试 ANN 模型
- master_opencv关于车牌识别工程框架整理
- 车牌识别资料整理
- 图像矫正与车牌识别资料整理
- 机器学习-车牌识别框架学习
- 关于图像处理之“车牌识别”
- 车牌识别
- 车牌识别
- 车牌识别
- 车牌识别
- 车牌识别
- 车牌识别
- 车牌识别
- 车牌识别
- 车牌识别
- 车牌识别
- 车牌识别
- 车牌识别
- 车牌识别
- LeetCode 14 -- Longest Common Prefix
- 【JAVA】JAVA 数据存储
- TCP/IP四层模型和OSI七层模型的概念
- HDU 5877 Weak Pair(2016 ACM/ICPC Asia Regional Dalian Online)
- 对DSP5509A时钟发生器的调试
- master_opencv关于车牌识别工程框架整理
- Graph-slam(三)
- JAVA学习笔记之(读取XML)
- [python] 安装numpy+scipy+matlotlib+scikit-learn及问题解决
- Java设计模式——抽象工厂模式(Abstract Factory Pattern)
- 深度理解链式前向星(转)
- 无限加载瀑布流
- bzoj[JSOI2007]建筑抢修
- 从RTSP协议SDP数据中获得H264中的的SPS、PPS