到的分割图。(5)二值化:二值化处理利用图像中要提取的目标物体与背景之间灰度上的差异计算出一个阈值,用最大方差法计算出来的阐值把原始图像分为对象物和背景两部分:设图像f(x,y),其灰度级范围为[Z1,Z2],在Z1,和Z2之间选择一个合适的灰度阐值t,则二值化后的图像f(x,y)可以表示为:(4.1)图4.6为车牌定位图的二值化图像。图4.4原图图4.5车牌定位图图4.6二值化图像4.3字符分割字符分割有承前启后的作用。它在前期汽车牌照已经定位的基础上把所提取出的车牌区域图像分割成单个字符图像[6]。首先,需要写入车牌定位得到的二值图像,然后进行中值滤波,图像腐蚀,再进行下面的字符分割。实际拍摄的图像车牌有可能是歪斜的,这会导致分割后的字符边缘可能会有像素的冗余区域,分别寻找二值图像矩阵中行向量和不为0的上下边界;列向量和不为0的左右边界,从而分割出二值图像中的字符区域。(1)汉字分割:从字符区域左侧第一列向右寻找全黑的列,从而确定汉字的宽度,从字符区域分割出汉字,同时将原二值图像汉子区域全部置零,并将边界为全黑的列去冗余。(2)字母分割:从汉字切割后的二值图像边界像素去冗余后,从左侧第一列向右寻找全黑的列,从而确定字母的宽度,分割出字母区域。(3)数字分割:从字母切割后的二值图像边界像素去冗余后,从左侧第一列向右寻找全黑的列,从而确定字母的宽度,分割出字母区域,依次分割出五个数字。分割结果如下:图4.6均值滤波后图像图4.7腐蚀后图像图4.8分割得到的单个字符4.4字符识别本文首先采用训练样本进行神经网络的训练,从而得到一个对牌照敏感的人工神经网络,然后利用训练好的神经网络检测处理后的汽车图像,识别车牌[2]。BP算法就是把一组样本输入输出问题转化为一个非线性优化问题,并通过梯度算法利用迭代运算求解权值问题的一种学习方法。基于神经网络的字符识别算法一般包括以下四个步骤:
全文预览
