車牌定位－－－VC++源代碼程序
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：
1.24
256
圖像
閾值
上傳時間：
2013-11-26
上傳用戶：懶龍1988
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：
Gmax-G
1.24
Gmax
閾值
上傳時間：
2014-01-08
上傳用戶：songrui
I=imread('fig1.jpg');%從D盤名為myimages的文件夾中讀取。格式為jpg的圖像文件chost
J=imnoise(I,'salt & pepper',0.02);%給圖像加入均值為0，方差為0.02的淑鹽噪聲
subplot(2,4,1);
imshow(I);
title('原始圖像');
subplot(2,4,2);
imshow(J);
title('加入椒鹽噪聲之后的圖像');
%h=ones(3,3)/9; %產生3 × 3的全1數組
%B=conv2(J,h); %卷積運算
%采用MATLAB中的函數對噪聲干擾的圖像進行濾波
Q=wiener2(J,[3 3]); %對加噪圖像進行二維自適應維納濾波
P=filter2(fspecial('average',3),J)/255; %均值濾波模板尺寸為3
K1=medfilt2(J,[3 3]); %進行3 × 3模板的中值濾波
K2= medfilt2(J,[5 5]); %進行5 × 5模板的中值濾波
K3= medfilt2(J,[7 7]); %進行7 × 7模板的中值濾波
K4= medfilt2(J,[9 9]); %進行9 × 9模板的中值濾波
%顯示濾波后的圖像及標題
subplot(2,4,3);
imshow(Q);
title('3 × 3模板維納濾波后的圖像');
subplot(2,4,4);
imshow(P);
title('3 × 3模板均值濾波后的圖像');
subplot(2,4,5);
imshow(K1);
title('3 × 3模板的中值濾波的圖像');
subplot(2,4,6);
imshow(K2);
title('5 × 5模板的中值濾波的圖像');
subplot(2,4, 7);
imshow(K3);
title('7 × 7模板的中值濾波的圖像');
subplot(2,4,8);
imshow(K4);
title('9 × 9模板的中值濾波的圖像');
標簽：
matlab
均值濾波
中值濾波
上傳時間：
2016-06-02
上傳用戶：wxcr_1
