上下文無關文法（Context-Free Grammar, CFG）是一個4元組G=(V, T, S, P)，其中，V和T是不相交的有限集，S∈V，P是一組有限的產生式規則集，形如A→α，其中A∈V，且α∈(V∪T)*。V的元素稱為非終結符，T的元素稱為終結符，S是一個特殊的非終結符，稱為文法開始符。
設G=(V, T, S, P)是一個CFG，則G產生的語言是所有可由G產生的字符串組成的集合，即L(G)={x∈T* | Sx}。一個語言L是上下文無關語言（Context-Free Language, CFL），當且僅當存在一個CFG G，使得L=L(G)。 *⇒
例如，設文法G：S→AB
A→aA|a
B→bB|b
則L(G)={a^nb^m | n,m>=1}
其中非終結符都是大寫字母，開始符都是S，終結符都是小寫字母。
標簽：
Context-Free
Grammar
CFG
上傳時間：
2013-12-10
上傳用戶：gaojiao1999
使用說明
使用時打開此例題目錄下pic中的圖片，然后依次單擊按鈕“轉”、“1”、“2”、“3”、“4”和“5”，就可以實現精確的車牌定位。
具體步驟
1.24位真彩色->256色灰度圖。
2.預處理:中值濾波。
3.二值化:用一個初始閾值T對圖像A進行二值化得到二值化圖像B。
初始閾值T的確定方法是:選擇閾值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分別是最高、最低灰度值。
該閾值對不同牌照有一定的適應性,能夠保證背景基本被置為0,以突出牌照區域。
4.削弱背景干擾。對圖像B做簡單的相鄰像素灰度值相減,得到新的圖像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左邊緣直接賦值,不會影響整體效果。
5.用自定義模板進行中值濾波
區域灰度基本被賦值為0。考慮到文字是由許多短豎線組成,而背景噪聲有一大部分是孤立噪聲,用模板(1,1,1,1,1)T對G進行中值濾波,能夠得到除掉了大部分干擾的圖像C。
6.牌照搜索:利用水平投影法檢測車牌水平位置,利用垂直投影法檢測車牌垂直位置。
7.區域裁剪,截取車牌圖像。
標簽：
pic
使用說明
目錄
上傳時間：
2014-01-17
上傳用戶：851197153
