车牌识别系统设计——技术方案

车牌识别系统设计——技术方案

设计流程

1. 图像预处理
2. 车牌区域定位
3. 字符分割
4. 字符识别

图像预处理

灰度增强

形态学处理 (Morphological Processing) 需要将车牌RGB图像转变为灰度图以加快处理速度, 灰度化后对应像素点灰度值x与RGB空间下对应像素点R、G、B值关系:

噪声处理

为保护车牌区域边缘信息, 去除灰度增强后产生的高灰度值噪点, 使用中值滤波法处理。中值滤波将数字图像中一点的值用该点邻空间各点的中值代替, 序列x1, x2, x3, …, xn中值:

车牌区域定位

基于颜色空间的定位

可以把图片转换到HSV空间，然后找到H值在某颜色区间的点，生成二值图像，进行形态学处理得到位置信息。
基本颜色分量范围

HSV

基于边缘信息的定位

在车牌定位中，基于颜色的定位对蓝色车身蓝色车牌并不友好，我们可以结合边缘定位：

1. 用sobel算子对x方向差分，获得垂直边缘；
2. Ostu阈值处理；
3. 闭运算（先膨胀，再腐蚀），将很多靠近的图块相连成为一个无突起的连通域；
4. 查找轮廓（最小外接矩形），可以根据先验知识，限制约束长宽比例至少大于2.5：1；
5. 矫正倾斜（仿射变换）

字符分割

1. 灰度化；
2. Ostu阈值处理；
3. 去除柳钉等干扰像素；
4. 存储字符区域，查找各轮廓 的外包矩阵（用字符长高比约束，可以去除非字符的外包矩阵），将外包矩阵根据x坐标从左到右排列（用来查找第二个字符、定位右5个字符）；
5. 查找第二个字符（选取中心坐标位于宽度的1/7到2/7之间的外包矩阵）；
6. 定位汉字，以第二字符的宽度width和高度height为标准，将外包矩阵向左平移1.15个width即包含汉字；
7. 定位右5个字符，根据外包矩阵存储的排列顺序，第二字符之后即其他字符的外包矩阵，以外包矩阵中心为中心，以第二字符的长宽重新定义外包矩阵。

字符识别

准备采用opencv提供的神经网络进行识别，识别分为两部分：

1. 第一个字符汉字
2. 其他字符字母或数字

分别通过汉字训练集和字母、数字训练集训练出两个识别器来进行识别。

作者：其实是个驴