OpenCV学习之车牌识别系统一:概括
2017-08-07 09:28
246 查看
最近完成了基于MFC 的车牌识别系统:
整个系统包括车牌定位 车牌矫正 车牌切割 及车牌识别四大部份
在整体制作过程中有所感悟:
首先最大的感悟是,因为我没有搜索到可用于识别的车牌库图片,所以就从网上随便选取了一系列车牌图片用于识别,由于随机性 导致在对一些参数设置时不能对所有图片满足,但经过不断的尝试,最终可将大部分图片成功定位 矫正 切割。其中付出的代价时很艰辛的。如二值化处理,因为图片选取的随机型,尽管我使用了高亮度灰度比例来选取阈值,当几张图片适用时,其他图片却不适用,因而不得不对每张图片的数据进行观察对比,其工作量很大,好的结果是,通过度大量数据的观察,最终得到了适用于绝大多数的比例值。类似玉这种值的确定有很多,因而都得仔细查看数据来做判断值的确定。
然后是所有的阈值需要通过对数据的观察来进行确定,切不可自己进行猜测,事实证明,这样猜测的数据都部分适用后,稍微的修改时不能适用于大多数的图片,而且过程也很是熬人,所以多有的阈值确定都应该从数据出发,可以明确的看到适用的值的范围,再经过大多数的数据比对可以确定适用于大多数的阈值。
最后,应该注意图形界面的设计,可以方便操作。但是图形界面的设计,对数据的观察不方便,故我在设计时,首先应用普通的编程方式进行编程,然后再用MFC进行编程,二者用相同的函数,在MFC需要进行数据观察确定阈值时,然后在MFC种进行操作,这样既方便操作也方便对阈值的确定。
对车牌识别系统有需要的或者都有需要的探讨的, 可以与作者发QQ联系:786628109
整个系统包括车牌定位 车牌矫正 车牌切割 及车牌识别四大部份
在整体制作过程中有所感悟:
首先最大的感悟是,因为我没有搜索到可用于识别的车牌库图片,所以就从网上随便选取了一系列车牌图片用于识别,由于随机性 导致在对一些参数设置时不能对所有图片满足,但经过不断的尝试,最终可将大部分图片成功定位 矫正 切割。其中付出的代价时很艰辛的。如二值化处理,因为图片选取的随机型,尽管我使用了高亮度灰度比例来选取阈值,当几张图片适用时,其他图片却不适用,因而不得不对每张图片的数据进行观察对比,其工作量很大,好的结果是,通过度大量数据的观察,最终得到了适用于绝大多数的比例值。类似玉这种值的确定有很多,因而都得仔细查看数据来做判断值的确定。
然后是所有的阈值需要通过对数据的观察来进行确定,切不可自己进行猜测,事实证明,这样猜测的数据都部分适用后,稍微的修改时不能适用于大多数的图片,而且过程也很是熬人,所以多有的阈值确定都应该从数据出发,可以明确的看到适用的值的范围,再经过大多数的数据比对可以确定适用于大多数的阈值。
最后,应该注意图形界面的设计,可以方便操作。但是图形界面的设计,对数据的观察不方便,故我在设计时,首先应用普通的编程方式进行编程,然后再用MFC进行编程,二者用相同的函数,在MFC需要进行数据观察确定阈值时,然后在MFC种进行操作,这样既方便操作也方便对阈值的确定。
对车牌识别系统有需要的或者都有需要的探讨的, 可以与作者发QQ联系:786628109
相关文章推荐
- 机器学习实战:车牌识别系统
- 【OpenCV学习笔记】【教程翻译】一(基于SVM和神经网络的车牌识别概述)
- 基于OpenCV的车牌识别系统之三 ——字符分割与识别(川字分割)
- 自动车牌识别(ANPR)练习项目学习笔记3(基于opencv)
- 自动车牌识别(ANPR)练习项目学习笔记1(基于opencv)
- 从零使用OpenCV快速实现简单车牌识别系统
- 【OpenCV学习笔记】【教程翻译】五 (车牌识别之OCR分割)
- 自动车牌识别(ANPR)练习项目学习笔记2(基于opencv)
- 自动车牌识别(ANPR)练习项目学习笔记4(基于opencv)
- 基于OpenCv的人脸检测、识别系统学习制作笔记之三
- 从零使用OpenCV快速实现简单车牌识别系统
- 毕设_车牌识别_OpenCV学习(1)
- opencv 学习之 车牌识别
- javacpp-opencv图像处理系列:国内车辆牌照检测识别系统(万份测试车牌识别准确率99.7%以上,单次平均耗时39ms)
- 车牌识别系统 opencv
- 从零使用OpenCV快速实现简单车牌识别系统
- 基于opencv的车牌识别系统
- 车牌识别学习
- 移动端车牌识别步骤概括为:车牌定位、车牌提取、字符识别
- matlab的车牌识别——根据easyprr学习记录(一)