说下后一aoa定位算法胆算法可以吗

来源：蜘蛛抓取(WebSpider) 时间：2017-07-24 03:55 标签： 三边定位算法
您正在使用IE低版浏览器，为了您的雷锋网账号安全和更好的产品体验，强烈建议使用更快更安全的浏览器
发私信给airuoxuan
导语：这些看起来非常高大上的算法，你了解几个呢？
同步到新浪微博
VR行业从业者
当月热门文章
为了您的账户安全，请
您的邮箱还未验证,完成可获20积分哟！
您的账号已经绑定，现在您可以以方便用邮箱登录
请填写申请人资料相关文章推荐
#import "RootViewController.h"
#import //需要在frameworks中引入CoreMotion.framework框架
@interface
网游加速器是针对个人用户快速连接网游服务器的一种服务。为了解决国内南北网络互联瓶颈的问题，“网络加速器”厂商通过搭建多个高带宽的双线机房(或通过租用双线VPS主机），并在这些机房的两...
本文档介绍如何使用阿里云专属加速器加快获取Docker官方镜像。步骤如下：1.
首先需要有阿里云账号，没有就注册阿里云开发账号：/ 2.
他的最新文章
讲师：Array
讲师：李志伟
他的热门文章
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)简单有效的车牌定位算法（附源码和详细解析）
& &本算法是在基于数学形态学的车牌定位算法和基于颜色信息的车牌定位算法的基础上，融合并改进了两种车牌定位算法，采用数学形态学操作粗定位出牌照的大概位置，然后在粗定位后的二值图中统计蓝色（白色）像素点并采用行列扫描的方式精确提取出牌照。大致分为三步：车辆图像预处理、数学形态学车牌粗定位、蓝色像素统计与行列扫描车牌精确定位。为节约篇幅，下面把预处理归到粗定位算法中。
&本算法测试所使用的图像都是采用数码相机采集的有高清晰分辩率，只有些许倾斜的静态彩色RGB车辆图像，而且所采集的车辆图像背景不会特别复杂，一般图像中不会同时出现两幅及以上车牌图像或者出现纹理、大小与车牌类似的长方形条块。经过多次实验分析，在采集的大量车辆图像中，发现在曝光正常时，距离车辆前部或后部1.5米以内，采用与车牌呈角向下俯拍采集的图像的车牌定位效果最好。因此，所实现的车牌定位识别系统，在外部图像采集设备安装修正下，可应用到高速路收费站的出闸口或小区中小型停车场的出入登记管理中。例如应用于学校停车场管理系统中，在图像采集设备按照一定的角度和距离进行安装并采用外部光源进行修正，能达到预期效果。
下面是采集的部分测试图片：
图4-1 部分测试原图
1.基于数学形态学的车牌粗定位算法
　　（1）车辆图像预处理
图像采集设备获取的车辆图像质量往往不符合要求，需要进行图像预处理操作，具体流程图如下：
图<span STYLE="mso-spacerun:'yes';font-family:黑体;font-size:10.5000mso-font-kerning:1.
预处理流程图
1．图像压缩。目前图像采集设备的分辨率普遍较高，拍摄出来的图像一般都较大，为了保证系统的实时性，提高系统运算速度，必须缩小图像的尺寸，本系统最好的图像输入尺寸是，所以，以图像的高度为一个阈值，当图像高度时，取图像的压缩率，以此使车辆图像得到合理压缩。
2．RGB彩色图像灰度转换。由第3章RGB彩色模型相关知识知道，RGB彩色图像在MATLAB中是以3个0至255灰度级的灰度矩阵按一定比例构成。彩色图像含有大量彩色信息，占据存储空间较多，运算起来速度较慢，实时性差，所以，可以对彩色图像进行降维处理，也就是灰度转换。灰度转换的知识点详看本文第三章3.5小节，这里就不在重复论述了。
3．图像灰度拉伸。由第三章第三节相关知识知道经过灰度转换后的图像，有可能出现对比度不高、图像画面模糊等问题。需要进行灰度拉伸，提高图像对比度，突出车牌区域，本系统采用自适应灰度拉伸。处理效果如下：
图4-4 灰度拉伸处理
MATLAB中灰度拉伸核心代码如下：
图4-5 灰度拉伸代码
4．图像局部增强，突出车牌区域。该步骤主要采用了数学形态学中的开运算，先腐蚀后膨胀操作，消除背景噪声并采用简单的图像代数运算——减运算，突出车牌区域。先对第3步灰度拉伸后的图像I1作开运算处理，得到非目标区域的背景图像I2，再让图像I1减去I2得到突出车牌目标区域后的图像。处理效果如下：
图4-6 突出车牌区域
本文采用了取图像灰度范围三分点为阈值的车辆图像二值化方法，该阈值选取法的原理如下式：
&&&&&&&&&&&&&（4.1）
其中，最佳阈值的几何意义实为图像灰度范围的三分之二点，因此，命名为三分点阈值选取法。该方法首先要找到图像灰度的最大、最小灰度值，然后根据公式4.1求出三分之二点，确定最佳阈值。在MATLAB中实现效果如下：
图4-7 图像二值化
边缘检测，获取牌照以及字符的轮廓。对比其他边缘检测算子，本系统选用了对弱边缘有较精确的提取能力，同时又能较大程度保留车牌轮廓纹理的Canny算子，由本文第三章知道Canny边缘检测算子主要实现步骤有四：首先用高斯滤波器平滑预处理前小节二值化后的车辆图像，消除部分噪声，然后使用梯度工具，计算前一步骤作用后的图像、方向的梯度并用公式3.17得到幅值和方向角，之后采用非极大值抑制(NMS)方法细化梯度幅值（另一种说法，模），缩小方向角θ，最终使用双阈值法定位并提取出边缘。处理效果如下：
图 4-8 边缘检测
（2）数学形态学粗定位车牌
&&&&在经过前面预处理操作和Canny算子边缘检测后，牌照的轮廓已经被提取。下一步就是应用数学形态学相关知识处理、消除小块噪声（小对象），连通大块区域，粗定位出牌照位置。粗定位的大致步骤如下：
&&&&第一步，对已经提取边缘轮廓的车辆图像作闭运算。首先取大小的矩形模核，对图像作膨胀操作，填补孔洞，连通车牌区域，然后再用同等大小的矩形核模腐蚀，消除孤立的小区域，保留大块连通的区域，最后获得处理后图像。
&&&&第二步，再对图像bg1作开运算。同样，首先选取[5,19]大小的矩形核模，对图像bg1作腐蚀操作，进一步消除非车牌区域的小块噪声区域，然后再用等大核模膨胀，得到消除了大部分背景噪声的车牌图像bg3。
&&&第三步，再对上一步获取的图像bg3作[11,5]大小的矩阵核模开运算。具体操作与第二步类似。得到基本只有车牌区域的二值图bg2，初步定位出车牌。
&&&&第四步，消除小噪声对象。在MATLAB中，使用简单的bwareaopen(
&，)函数，取半径为5的圆形核模，消除图像中大部分小对象，粗定位下车牌所在区域，并保存为图像。
最终处理效果如下：
（a）[5,19]闭运算
&（b）[5,19]开运算
（c）[11,5]开运算
&&&&&&&&&&&&&&&&&&&&&&&&&&&&(d)消除小对象
图4-9 数字形态学车牌粗定位
2.蓝色像素统计、行列扫描精确定位车牌算法
通过上一节的粗定位之后，已经大致能确定车辆牌照的位置，但还达不到精确提取分割的效果，满足不了要求，需要更进一步的牌照精确定位提取。本文车牌精确定位是采用蓝色像素点统计的方法，再结合行列扫描的方式实现的。以蓝底白字的普通车牌为例，精确定位算法的原理如下，假设经数学形态学处理粗定位后二值图像的水平方向记为y,垂直方向记为x，如下图4-10。则：首先，确定水平方向（y方向）的牌照区域，采用行扫描的方式，在y方向统计蓝色像素点（此处二值图中实为白色）的数量。之后，根据经验（前人已统计过），设定一个符合牌照实际蓝色点个数的阈值Th(此处Th=5)，搜索获得汽车牌照在水平，也就是Y方向最合理的范围。接下来，在已经确定的水平方向牌照范围的基础上，搜索得到垂直方向（x方向）的牌照区域。更为详细的讲，就是采用列扫描的方式，在已经提取出的y(水平)方向区域内计算出x(竖直)方向是白色（二值图车牌底色）的像素点的总数，同样，设置一个合适的阈值Th(此处Th=3)进行定位提取；最后，根据x、y方向的范围来确定车牌区域，实现精确定位。
图4-10 图像坐标
&&&&&&&&&&&&&&&&&&图4-11
行扫描过程模拟
1．行扫描进行车牌水平方向（y方向）定位的步骤如图4-2所示，首先进行行扫描，统计每行蓝色像素点的个数，以蓝色像素点最多的那一行为基点，向上追溯，确定车牌的上边界所在行PY1
，然后在向下追溯，确定下边界所在行PY2，再对确定下来的车牌上下边界各加2个像素作为车框，最终精确定位出水平方向（y方向）的车牌区域。算法原理如下：
图4-12 行扫描算法
2．列扫描进行车牌垂直方向（方向）定位，在行扫描确定出水平方向（方向）车牌区域IY的基础上，首先创建一个与图形矩阵列数相等的空行向量Bule_x，用来记录统计出来的每一列的蓝色像素点数量，然后对IY进行列扫描，统计每列蓝色像素点个数,记于行向量Bule_x对应列处，从第一列PX1=1开始，设定一个合理的阈值Th1,然后向右追溯,确定车牌的左边界PX1,然后从最后一列PX2=开始，以同样的阈值，向左追溯，确定车牌的右边界PX2,最终确定垂直方向（方向）车牌区域IX。整个过程如下图4-13所示：
图4-13 列扫描过程模拟
列扫描算法原理如下：
图4-14 列扫描算法
3．牌照的精确分割提取。通过了行列扫描，分割提取出了水平（y）方向的牌照范围IY和垂直（x）方向的牌照范围IX,这两个过程称作行过滤和列过滤。接下来就是要对车牌进行完整的提取，采用图像矩阵的简单代数运算——加运算，把记录了行蓝色像素点位置的图像矩阵Im1和记录了列蓝色像素点位置的图像矩阵Im2作加法运算，再取交集，最后得到精确定位并分割提取出来的车牌图像Plate。
整个车牌精确定位效果如下图：
图4-15 精确定位车牌
车牌定位部分代码（含详细解析）如下：
%%%%%%%%车辆图像预处理模块%%%%%%%%%%%%%%%
图像预处理
&&对原始黑白图像进行开操作得到图像背景
我的更多文章：
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。

我要回帖

更多关于 三边定位算法 的文章

 

随机推荐