昭通安全通道闸门定制
在车牌的字符分割中,有许多因素会对车牌的字符分割造成影响,例如图像的噪声、车牌的定位不、字符的粘连、汉字的不连通等。本文介绍一种改进的水平投影算法,该算法能够克服这些因素造成的不良影响,并且能够准确的分割出车牌,为后续的识别做好准备。为了分割出相互独立的字符,对经过Otsu算法阈值化的灰度图进行分割。以下以改进的水平投影算法为例进行介绍:去除车牌字符的上下边界以外的区域。对灰度化的车牌图像从下向上逐行扫描,并统计出每行的像素值为 255 的像素的个数,当像素值为 255 的像素个数大于 7时(车牌有 7 个字符),认为寻找到车牌字符的下边界。同理,从上向下逐行扫描,能够寻找到车牌字符的上边界。去除车牌字符上下边界以外的区域。去除车牌字符上下边界之后,设车牌的高度为 height,宽度为 width。
由于车牌识别设备一般都是安装在室外,且汽车车身不可能是完全整洁的、无污垢的,车牌上也可能存在泥点、污渍等杂质,因此采集到的图像中难免会存在一些噪声点。这些看似不起眼的噪声点或多或少的都会影响到定位的准确率。
对输入的彩图像进行灰度化处理:彩图像包含更多的信息,但是直接对彩图像进行处理的话,系统的执行速度将会降低,储存空间也会变大。彩图像的灰度化是图像处理的一种基本的方法,在模式识别领域得到广泛的运用,合理的灰度化将对图像信息的提取和后续处理有很大的帮助,能够节省储存空间,加快处理速度。边缘检测的方法是考察图像的像素在某个领域内灰度的变化情况,标识数字图像中亮度变化明显的点。图像的边缘检测能够大幅度地减少数据量,并且剔除不相关的信息,保存图像重要的结构属性。在实际的图像分割中,往往只用到一阶和二阶导数进行边缘检测,虽然,在原理上,可以用更高阶的导数,但是,因为噪声的影响,在纯粹二阶导数操作中就会出现对噪声敏感的现象,三阶以上的导数信息往往失去了应用价值。此外,二阶导数还可以说明灰度突变的类型,在有些情况下,如灰度变化均匀的图像,只利用一阶导数可能找不到边界,此时二阶导数就能提供很有用的信息。为了减少二阶导数对噪声敏感,解决的办法是先对图像进行平滑滤波,消除部分噪声,再进行边缘检测。
作为智能交通系统中的重要组成部分之一的车牌自动识别技术,目前已被广泛应用于城市道路监控、高速公路收费与监控、小区与停车场出入口管理、公安治安卡口等场合,成为研究的热点。车牌识别技术是利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础,通过对车辆图像的采集,采用的图像处理、模式识别和人工智能技术,在图像中找到车牌的位置,提取出组成车牌号码的字符图像,再识别出车牌中的文字、字母和数字,给出车牌的真实号码。