基于OpenCV的车牌识别系统概要

字符的识别
• 识别过程：
建立自动识别的代 码表 读取分割出来的字 第一个字符与模板 中的汉字模板进行 匹配 第二个字符与模板 中的字母模板进行 匹配 后5个字符与模板 中的字母与数字模 板进行匹配
识别完成，输出此 模板对应值
待识别字符与模板字符相减，值越小相 似度越大，找到最小的一个即为匹配的 最好的
字符的分割
• 分割的结果
浙
C
SLeabharlann Baidu
B
1
2
3
字符 的识别
• 使用基于模板的匹配方法 • 原理：首先对待识别字符进行二值化并将 其尺寸大小缩放为字符数据库中模板的大 小，然后与所有的模板进行匹配，最后选 最佳匹配作为结果。 • 模板匹配的特点：模板匹配的主要特点是 实现简单，当字符较规整时对字符图像的 缺损、污迹干扰适应力强且识别率相当高。
图像的预处理
• 利用opencv库函数获取的图像是彩色图像， 即每个像素点由R，G，B三个分量组成， 直接计算量很大，很难达到实时快速识别 的目的，在实际应用中要转换为灰度图像， 转换公式如下： Y = 0.299R+0.587G+0.114B • 对灰度图像进行二值化处理 • 采用robert边缘检测法
字符的分割
• 字符分割的步骤：
[m，n]=size（d），逐排检查有没有白色像素点， 设置1<=j<n-1，若图像两边s（j）=0，则切割， 去除图像两边多余的部分
切割去图像上下多余的部分 根据图像的大小，设置一阈值，检 测图像的X轴，若宽度等于这一阈 值则切割，分离出七个字符 归一化切割出来的字符图像的大小为 40*20，与模板中字符图像的大小相匹配
识别结果显示
logo
本次课题结束，谢谢
主要内容
• • • • •
图像获取 图像预处理 车牌定位 字符分割 字符识别
图像获取
• 利用OpenCV库函数可以对摄像机进行操作， 首先定义CvCapture结构变量captrue并初 始化 • 然后使用库函数cvCreateCameraCapture() 从摄像机得到视频信息 • 获取视频信息后还要获取图像，首先要定 义IplImage结构变量frame并进行初始化 • 从获取的视频中得到图像帧frame = cvQueryFrame(capture).
上海大学
[数字图像处理]
基于OpenCV的车牌识别系统设计
---马金峰，宋福星，杨伟
背景及意义
• 牌照识别系统 简称 LPR（License Plate Recognition）,是智能交通系统的基础和核 心技术之一，在交通管理自动化和智能化 中占据重要地位。 • 车牌识别系统是智能交通系统的一个非常 重要的方向，主要由图像采集，车牌定位， 字符分割以及字符识别四个部分组成，具 有良好的实用价值，目前主要应用于公路 治安卡口，开放式收费站，车载移动查车， 违章记录系统，门禁管理，停车场管理等 场合。
对分割出的车牌 做进一步处理
完成车牌的定位
车牌的定位
• 图像的腐蚀：腐蚀处理的作用是将目标图 形收缩。 • 图像的膨胀：膨胀的处理的作用是将目标 图形扩大。 • 图像的开运算：先腐蚀后膨胀的过程称为 开运算。它具有消除细小物体，在纤细处 分离物体和平滑较大物体边界的作用。 • 图像的闭运算：先膨胀后腐蚀的过程称为 闭运算。它具有填充物体内细小空洞，连 接邻近物体和平滑边界的作用。
• 定位结果显示：
车牌的定位
字符的分割
• 存在的问题： 1、最大问题是二值化不彻底使投影图像中字 符间的波谷不够分明 2、车牌污损、反光、光照不均等原因使车牌 图 像交差，存在大量噪声 3、车牌边框和铆钉也会造成分割不正确 4、牌的前两个字符和后面五个字符之间的间 隔符（小圆点）对字符识别有影响 5、车牌旋转对水平分割有较大影响
预处理后的结果
车牌的定位
• 该系统的摄像头拍摄的图片是整个机动车 的图片，而只有车牌部分是对系统有用的。 所以我们要对照片进行车牌定位和分割。 • 车牌的定位是从经过图像预处理后的灰度 图像中确定牌照位置，并将车牌部分从整 个图像中分割出来，从而进行字符识别。
车牌的定位
• 定位步骤：
预处理后的图 像 图像的形态学处 理 通过计算寻找X， Y方向车牌的区 域
车牌的定位
• 精确定位方法：通过计算寻找X，Y方向车 牌的区域来分割出车牌区域。 • 原理：使用统计白色像素点的方法分割出 车牌区域，确定车牌底色蓝色二值化后对 应的灰度范围，然后统计在行方向的颜色 范围内的像素点数量，确定车牌在行方向 的区域。然后，在分割出的行区域内，统 计列方向像素点的数量，最终确定完整的 车牌区域。