EasyPR源码剖析（6）：车牌判断之LBP特征
一、LBP特征 LBP指局部二值模式，英文全称：Local Binary Pattern，是一种用来描述图像局部特征的算子，LBP特征具有灰度不变性和旋转不变性等显著优点。 原始的LBP算子定义在 ...
原文：EasyPR源码剖析（7）：车牌判断之SVM
前面的文章中我们主要介绍了车牌定位的相关技术，但是定位出来的相关区域可能并非是真实的车牌区域，EasyPR通过SVM支持向量机，一种机器学习算法来判定截取的图块是否是真的 车牌 ，本节主要对相关的技术做详细的介绍。 注：SVM相关内容可以详细参考周志华老师的 机器学习 和一篇名为 支持向量机通俗导论 理解SVM的三层境界 的文章。 一 SVM简介 支持向量机，其英文名为 supportvector ...
2017-08-02 16:29 0 3017 推荐指数：
相关推荐
EasyPR源码剖析（2）：车牌定位
上一篇主要介绍了车牌识别的整体框架和流程，车牌识别主要划分为了两个过程：即车牌检测和字符识别，而车牌识别的核心环节就是这一节主要介绍的车牌定位，即 Plate Locate。车牌定位主要是将图片中有可能是车牌的区域定位出来，方便后面进一步的处理。测试代码 ...
EasyPR源码剖析（5）：车牌定位之偏斜扭转
一、简介 通过颜色定位和Sobel算子定位可以计算出一个个的矩形区域，这些区域都是潜在车牌区域，但是在进行SVM判别是否是车牌之前，还需要进行一定的处理。主要是考虑到以下几个问题： 1、定位区域存在一定程度的倾斜，需要旋转到正常视角； 2、定位区域存在偏斜，除了进行旋转之后，还需要进行 ...
EasyPR源码剖析（3）：车牌定位之颜色定位
一、简介 对车牌颜色进行识别，可能大部分人首先想到的是RGB模型， 但是此处RGB模型有一定的局限性，譬如蓝色，其值是255，还需要另外两个分量都为0，不然很有可能你得到的值是白色。黄色更麻烦，它是由红色和绿色组合而成的，这意味着你需要考虑两个变量的配比问题。这些问题让选择 RGB 模型进行判断 ...
EasyPR源码剖析（4）：车牌定位之Sobel算子定位
一、简介 sobel算子主要是用于获得数字图像的一阶梯度，常见的应用是边缘检测。 Ⅰ.水平变化: 将 I 与一个奇数大小的内核进行卷积。比如，当内核大小为3时, 的计算结果为: Ⅱ.垂直 ...
EasyPR源码剖析（1）：概述
EasyPR（Easy to do Plate Recognition）是本人在opencv学习过程中接触的一个开源的中文车牌识别系统，项目Git地址为https://github.com/liuruoze/EasyPR。考虑到大部分人对opencv的使用还比较陌生，我将在 ...
EasyPR源码剖析（8）：字符分割
通过前面的学习，我们已经可以从图像中定位出车牌区域，并且通过SVM模型删除“虚假”车牌，下面我们需要对车牌检测步骤中获取到的车牌图像，进行光学字符识别（OCR），在进行光学字符识别之前，需要对车牌图块进行灰度化，二值化，然后使用一系列算法获取到车牌的每个字符的分割图块。本节主要对该字符分割部分 ...
EasyPR源码剖析（9）：字符识别
在上一篇文章的介绍中，我们已经通过相应的字符分割方法，将车牌区域进行分割，得到7个分割字符图块，接下来要做的就是将字符图块放入训练好的神经网络模型，通过模型来预测每个图块所表示的具体字符。神经网络的介绍和训练过程我们将在下一节中具体介绍，本节主要介绍字符特征的提取，和如何通过训练好的神经网络模型 ...