车牌定位流程图_车牌定位VIP专享VIP免费

车牌定位流程图_车牌定位 车牌定位方法�1.预处理�由于光线不足或者反光等诸多因素，有可能造成车牌对比度较差，对接下来的纹理分析产生影响，所以有必要进行图象增强。图象拉伸是增加图象对比度的一个好方法，但简单的图象拉伸有可能造成拉伸过度，损失了车牌区域的细节。�本文提出的方法是根据原图象对比度采用自适应拉伸的方法，经实验证明能有效增强图象对比度，提高了车牌定位准确率。�灰度拉伸公式如下：�p1 和p2 根据动态范围p 做自适应调整。我们使用的参数是：p>0.8时，p1=p2=0.2;p>0.5 时，p1=p2=0.15;其余p1=p2=0;在实验中收到了良好的效果。图1 是原图象，图2 是用本文的自适应拉伸法处理后的图象，可以看到图2 的对比度增强了，牌照字符的边缘更加清晰，有利于后面的定位处理。�2.车牌定位�当我们从远处观察车辆时，判别牌照区域的主要依据是车牌的颜色、亮度和车牌字符的边缘形成的纹理。所以，充分利用这些信息就成了定位车牌的关键。�2.1 粗定位�牌照区域区别于其他区域的地方就在于牌照上有字符，这一特征体现在图象的灰度上就是其水平投影具有较好的连续性，不会有大的起伏，体现在纹理信息上就是其垂直边缘的间距较有规律。本文的车牌定位方法就是基于这两个特征的结合进行的，从而更有效地排除干扰区域，更快速地进行车牌的定位。�1)水平定位�首先，我们要找出车牌所在的水平位置。虽然车牌区域内水平方向有着较大的灰度变化，但由于字符在竖直方向上的灰度有着较好的连续性，在车牌范围内的水平灰度投影不会有很大的起伏，而在车牌之外的上下区域由于车身或背景的关系投影值则明显不同。�同时车牌区域除了在水平方向应有的灰度连续性，还应该具有一定灰度变化频度。为了统计灰度变化频度，经试验比较，在我们的算法中采用简单快速的水平梯度算子[-11]。通过二值化水平梯度图提取具有最大梯度的边缘，同时去除了大多数噪声的干扰。因为成像模糊等原因使提取的有些边缘宽度大1，我们对边缘图象再一次做水平差分计算。经运算后边缘图象轮廓清晰，车辆牌照子图象区域完全凸现出来，而车体上其他部分和背景中的轮廓线特征往往并不突出。�由于搜索整幅位图，速度非常慢，为了缩小搜索范围，加快定位速度，算法采用如下方法：�(1)每间隔10 行扫描一行，记下变化频度最大的行号i�(2)从中选出最大的10 行，R{row(i)|i=0,1,…,9}。记row(i)的灰度投影值为pro(row(i))，记投影变化的下门限为th_low，上门限为th...