一種基于數學(xué)形態(tài)學(xué)和Hough變換的車(chē)牌圖像檢測及定
加入技術(shù)交流群
(1)在r、θ適當的最大值和最小值之間建立一個(gè)離散的參數空間；
滿(mǎn)足式(3)的連通區域保留下來(lái)，就可以檢測到車(chē)牌的字符區域，如圖4(a)所示。
為了定位出整個(gè)車(chē)牌，需要將檢測到的車(chē)牌文本所有的字符區域連通起來(lái)形成一個(gè)大的連通域，并適當向外擴展。定位出的車(chē)牌區域如圖4(b)所示。為了避免在上個(gè)步驟中出現牌照內的某個(gè)字符未被檢測到或者仍然留有偽文本區域未去除的情況，從而影響最后的定位結果，因此還需要利用整個(gè)車(chē)牌的寬高比來(lái)檢測出最后的牌照區域。選用牌照寬高比為44：14作為判定標準，以此來(lái)定位出最后的車(chē)牌區域，最后精確提取出的車(chē)牌區域如圖4(c)所示。本文引用地址：http://dyxdggzs.com/article/196876.htm
4 實(shí)驗結果及分析
該算法所需的開(kāi)發(fā)工具為Matlab7.0，實(shí)驗所采用的車(chē)牌圖像是在實(shí)際環(huán)境中隨機拍攝的，對汽車(chē)的背景沒(méi)有特殊限制。圖5所示的是對4幅不同場(chǎng)景下的汽車(chē)牌照進(jìn)行定位的結果，圖5(a)的車(chē)牌有些傾斜和變形；圖5(b)是在車(chē)窗存在反光的情況下拍攝的；圖5(c)的車(chē)窗存在部分反光的情況，并且背景比較復雜，車(chē)身存在很多污跡；圖5(d)是在光線(xiàn)較暗的情況下拍攝的，并且車(chē)窗上存在其他物體的投影；圖5(e)為這四種場(chǎng)景的定位結果，雖然這四幅圖像的車(chē)牌背景比較復雜，但仍能準確定位出車(chē)牌的位置。實(shí)驗測試結果表明，這種方法對于光照不均、噪聲較強、環(huán)境背景復雜的圖像均能成功定位，并提取出車(chē)牌區域，而且算法比較簡(jiǎn)單，定位速度快，具有很強的魯棒性。
本文提出了一種基于數學(xué)形態(tài)學(xué)和Hough變換的車(chē)牌綜合定位算法。其利用了國內車(chē)牌字符的特征，經(jīng)過(guò)高帽變換突出感興趣區域，然后利用邊緣信息通過(guò)Hough變換檢測車(chē)牌字符的中心線(xiàn)，能夠提高定位結果的準確性。實(shí)驗結果表明，對于自然場(chǎng)景下的車(chē)牌定位，該算法具有較強的適用性。但復雜背景下的車(chē)牌定位比簡(jiǎn)單背景下的定位準確率低，主要原因是復雜環(huán)境的背景信息復雜，干擾較多，使得利用Hough變換檢測字符組的中心線(xiàn)時(shí)出現誤差，特別是對于傾斜嚴重的車(chē)牌，本算法的定位率較低，這是下一步的研究方向。
評論