車牌識別演算法及其MATLAB實現
一.演算法
讀取拍攝影象 --> 擷取車牌部分 --> 識別車牌
影象預處理:
將影象經過影象灰度化、影象增強、邊緣提取、二值化等操作，轉換成便於車牌定位的二值化影象；
車牌定位:
利用車牌的邊緣、形狀等特徵，再結合Roberts 運算元邊緣檢測、數字影象、形態學等技術對車牌進行定位；
字元的分割:
採用的方法是將二值化後的車牌部分進行尋找連續有文字的塊，若長度大於設定的閾值則切割，從而完成字元的分割；
字元識別:
運用模板匹配演算法完成。
思路一:
讀取影象: 同上
擷取車牌: 基於HSV色域和SOBEL邊緣提取車牌
識別車牌: 將擷取的車牌影象變換為二值影象, 切割之後與模板庫疊加/相減(相同大小20*40)比例最高者就是對應字元
2. 訓練(難度大, 自己能力不夠)
-
思路雛形:
- 已有思路:
- 我的思路:
二.演算法評價(一切預設影象平行):
侷限性:
圖片稍有傾斜便會很難正確識別,
圖片稍微模糊也很難正確識別,
車牌上的點"."對識別影響特別大,
噪聲干擾大時剪下失敗
這些問題都是出現在影象的預處理上, 還有出現在影象的切割演算法上.
所有這些部分需要跟多的改進優化
三.程式
這裡我直接做成了GUI, 可以一步步識別出車牌. 比較直觀:
四.效果圖
實現的效果見下圖:
相關推薦
車牌識別演算法及其MATLAB實現
一.演算法 讀取拍攝影象 --> 擷取車牌部分 --> 識別車牌 影象預處理: 將影象經過影象灰度化、影象增強、邊緣提取、二值化等操作，轉換成便於車牌定位的二值化影象； 車牌定位: 利用車牌的邊緣、形狀等特徵，再結合Roberts 運算元邊
MDS演算法及其matlab實現
問題背景： 在求解MTSP問題的時候，因為已知的為各個巡檢點之間路徑耗時長度，而這個具體描述採用無向圖結構可以很好的描述，在matlab中通過函式（graphallshortestpaths）可以得到任意兩個巡檢點之間的距離矩陣 1 %%得到任意兩個巡檢點之間的路徑時間長度 2 %W表示從一個巡
Dijkstra演算法及其matlab實現
目錄 圖的概念 圖論中的圖是由若干給定的點及連線兩點的線所構成的圖形，這種圖形通常用來描述某些事物之間的某種特定關係，用點代表事物，用連線兩點的線表示相應兩個事物間具有這種關係。 一個圖可以用數學語言描述為G(V(G),E(G))。V(verte
K-means聚類演算法及其MATLAB實現
clear all;close all;clc; % 第一組資料 mu1=[0 0 ]; %均值 S1=[.1 0 ;0 .1]; %協方差 data1=mvnrnd(mu1,S1,100); %產生高斯分佈資料 %第二組資料 mu2=[1.25 1.25 ]; S2=[.1 0 ;0 .1]; da
決策樹演算法簡介及其MATLAB實現程式碼
目錄 決策樹原理概述 決策樹通過把樣本例項從根節點排列到某個葉子節點來對其進行分類。樹上的每個非葉子節點代表對一個屬性取值的測試， 其分支就代表測試的每個結果（yes no表示正類、負類）;而樹上的每個葉子節點均代表一個分類的類別，樹的最高層節點是
KNN分類演算法原理及其Matlab實現
KNN演算法原理 K近鄰演算法是一種簡單的監督學習演算法。對於給定測試樣本，直接計算該樣本和訓練集的距離，將距離最近的k個“鄰居”點的類別作為參考，作為預測結果返回。 測試資料 程式碼 matlab版
【最短路】求兩點間最短路徑的改進的Dijkstra算法及其matlab實現
inf 效率 func 圖論 表示圖 function nes 航空航天 ogr 代碼來源：《圖論算法及其matlab實現》（北京航空航天出版社） P18 書中提出了基於經典Dijkstra算法改進的兩種算法。 其中算法Ⅱ的效率較高。 代碼如下： 1 functio
【最短路】求兩點間最短路的Floyd算法及其matlab實現
以及 pre 實現 style div 是否 log inf 表示 代碼來源：《圖論算法及其matlab實現》（北京航空航天出版社） P22 此代碼返回第一個點和最後一個點之間最短路徑，以及最短路徑的長度。 代碼如下： 1 function [P,u ]
【最短路】求最大可靠路的算法及其matlab實現
war for 文件 輸出 jvm spa zeros 頂點 代碼 內容來源：《圖論算法及其matlab實現》（北京航空航天出版社） P34 【算法用途】 求圖中兩頂點間的最大可靠路。 代碼
無向圖廣度優先遍歷及其matlab實現
margin cte align style -- als 矩陣 ffffff bre 廣度優先遍歷(breadth-first traverse,bfts)，稱作廣度優先搜索（breath first search）是連通圖的一種遍歷策略。之所以稱作廣度優先遍歷是因為
灰度共生矩陣GLCM及其matlab實現
分享一下我老師大神的人工智慧教程！零基礎，通俗易懂！http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識，造福人民，實現我們中華民族偉大復興！
揭祕車牌識別演算法的應用？
影象處理早已被廣泛應用於機器視覺、深度學習等熱門領域，奈何由於某些侷限性，導致我們對於影象處理的相關演算法知道得少之又少。 本演算法測試所使用的影象都是採用數碼相機採集的有高清晰分辯率，只有些許傾斜的靜態彩色RGB車輛影象，而且所採集的車輛影象背景不會特別複雜，一般影象中不會同時出現
【 MATLAB 】DFT的性質討論（二）序列的迴圈移位及其 MATLAB 實現（時域方法）
如果一個N點序列在任一方向上移位，那麼其結果都不在是位於 0 < = n <= N-1之間。因此，需要進行下面的操作： 為了形象化，可以設想將序列x(n)放在一個圓上，現在將這個圓旋轉
【 MATLAB 】【 MATLAB 】DFT的性質討論（二）序列的迴圈移位及其 MATLAB 實現（頻域方法）
提到了對序列x(n)做迴圈移位後的DFT形式為： 上篇博文已經討論過了第一種實現迴圈移位的方法，通過在時域中對序列移位，之後取模運算，得到迴圈移位。並給出了精闢地驗證。可以很放心的使用。 這篇博文呢？我們就通過序列迴圈移位後的DFT形式來反推序列的迴圈移位，並獨立
全排列演算法及其C++實現(轉)
第十六章、全排列問題53.字串的排列。題目：輸入一個字串，打印出該字串中字元的所有排列。例如輸入字串abc，則輸出由字元a、b、c 所能排列出來的所有字串abc、acb、bac、bca、cab 和cba。 分析：此題最初整理於去年的微軟面試100題中第53題，第二次整理於微軟、Google等公司非常好的
檔案倒排索引演算法及其hadoop實現
什麼是檔案的倒排索引？ 簡單講就是一種搜尋引擎的演算法。過倒排索引，可以根據單詞快速獲取包含這個單詞的文件列表。倒排索引主要由兩個部分組成：“單詞”和對應出現的“倒排檔案”。 MapReduce的設計思路 整個過程包含map、combiner、reduce三個階段，
粒子群演算法的matlab實現
function [xm,fv]=PSO(fitness,N,c1,c2,w,M,D) % fitness:待優化的目標函式 % N:粒子數目 % c1,c2:學習因子1，學習因子2 % w:慣性權重 % M:最大迭代次數 % D:問題的維數 % xm:目標函式取最小值時的
高斯影象模糊演算法及其 C 實現
高斯模糊的基本思路是根據二維 正太分佈 正態分佈 (感謝 xhr 大牛指正錯別字) 公式生成一個高斯矩陣, 求新影象中的每一點時, 將高斯矩陣的中心對準舊影象的這一點, 並將所有點根據高斯矩陣上對應的點加權平均. 二維正態分佈公式如下: u, v 分別為水平、豎直距離. 觀察可得, 當 r>3σ
高斯混合模型視訊背景建模的EM演算法與Matlab 實現
1.問題描述 影像的背景前景分離. 輸⼊為影像監控的1000 幀 (如下⽅圖中左邊所⽰), 要求輸出是背景和前景 (如下⽅圖中右邊所⽰). 2.背景知識 觀察待處理的監控影像，可以發現，前景主要是來來往往的行人，背景始終是攝像頭對準的固定區域，
基於Retinex的影象去霧演算法（MATLAB實現）
在【影象處理中的數學原理】專欄（該專欄中的文章已經結集出版，書名為《影象處理中的數學修煉》）之前的一些文章中，我們已經討論了諸多非常有用的影象增強演算法，例如直方圖均衡演算法以及更加強大的CLAHE。通常影象增強演算法或多或少都有一定的去霧效果，只是這個效果有強