1.24位真彩色->256色灰度图。
2.预处理:中值滤波。
3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。
初始阈值T的确定方法是:选择阈值T=gmax-(gmax-Gmin)/3,gmax和Gmin分别是最高、最低灰度值。
该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。
4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。
5.用自定义模板进行中值滤波
区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。
6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。
7.区域裁剪,截取车牌图像。
标签：
gmax-G
1.24
gmax
阈值
上传时间：
2014-01-08
上传用户：songrui
车牌定位－－－VC++源代码程序
1.24位真彩色->256色灰度图。
2.预处理:中值滤波。
3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。
初始阈值T的确定方法是:选择阈值T=gmax-(gmax-Gmin)/3,gmax和Gmin分别是最高、最低灰度值。
该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。
4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。
5.用自定义模板进行中值滤波
区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。
6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。
7.区域裁剪,截取车牌图像。
标签：
1.24
256
图像
阈值
上传时间：
2013-11-26
上传用户：懒龙1988
使用说明
使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。
具体步骤
1.24位真彩色->256色灰度图。
2.预处理:中值滤波。
3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。
初始阈值T的确定方法是:选择阈值T=gmax-(gmax-Gmin)/3,gmax和Gmin分别是最高、最低灰度值。
该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。
4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。
5.用自定义模板进行中值滤波
区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。
6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。
7.区域裁剪,截取车牌图像。
标签：
pic
使用说明
目录
上传时间：
2014-01-17
上传用户：851197153
