EasyPR源碼剖析（2）：車牌定位
上一篇主要介紹了車牌識別的整體框架和流程，車牌識別主要划分為了兩個過程：即車牌檢測和字符識別，而車牌識別的核心環節就是這一節主要介紹的車牌定位，即 Plate Locate。車牌定位主要是將圖片中有可能是車牌的區域定位出來，方便后面進一步的處理。測試代碼 ...
原文：EasyPR源碼剖析（4）：車牌定位之Sobel算子定位
一 簡介 sobel算子主要是用於獲得數字圖像的一階梯度，常見的應用是邊緣檢測。 .水平變化: 將 I 與一個奇數大小的內核進行卷積。比如，當內核大小為 時, 的計算結果為: .垂直變化: 將: I 與一個奇數大小的內核進行卷積。比如，當內核大小為 時, 的計算結果為: Opencv中Sobel函數使用擴展的Sobel算子，來計算一階 二階 三階或混合圖像差分。 第一個參數，InputArray ...
2017-07-28 14:33 0 2185 推薦指數：
相關推薦
EasyPR源碼剖析（3）：車牌定位之顏色定位
一、簡介 對車牌顏色進行識別，可能大部分人首先想到的是RGB模型， 但是此處RGB模型有一定的局限性，譬如藍色，其值是255，還需要另外兩個分量都為0，不然很有可能你得到的值是白色。黃色更麻煩，它是由紅色和綠色組合而成的，這意味着你需要考慮兩個變量的配比問題。這些問題讓選擇 RGB 模型進行判斷 ...
EasyPR源碼剖析（5）：車牌定位之偏斜扭轉
一、簡介 通過顏色定位和Sobel算子定位可以計算出一個個的矩形區域，這些區域都是潛在車牌區域，但是在進行SVM判別是否是車牌之前，還需要進行一定的處理。主要是考慮到以下幾個問題： 1、定位區域存在一定程度的傾斜，需要旋轉到正常視角； 2、定位區域存在偏斜，除了進行旋轉之后，還需要進行 ...
EasyPR源碼剖析（6）：車牌判斷之LBP特征
一、LBP特征 LBP指局部二值模式，英文全稱：Local Binary Pattern，是一種用來描述圖像局部特征的算子，LBP特征具有灰度不變性和旋轉不變性等顯著優點。 原始的LBP算子定義在像素3*3的鄰域內，以鄰域中心像素為閾值，相鄰的8個像素的灰度值與鄰域中心的像素值進行比較，若周圍 ...
EasyPR源碼剖析（7）：車牌判斷之SVM
前面的文章中我們主要介紹了車牌定位的相關技術，但是定位出來的相關區域可能並非是真實的車牌區域，EasyPR通過SVM支持向量機，一種機器學習算法來判定截取的圖塊是否是真的“車牌”，本節主要對相關的技術做詳細的介紹。 注：SVM相關內容可以詳細參考周志華老師的《機器學習》和一篇名為《支持向量機通俗 ...
EasyPR--開發詳解（2）車牌定位
這篇文章是一個系列中的第三篇。前兩篇的地址貼下：介紹、詳解1。我撰寫這系列文章的目的是：1、普及車牌識別中相關的技術與知識點；2、幫助開發者了解EasyPR的實現細節；3、增進溝通。 EasyPR的項目地址在這：GitHub。要想運行EasyPR的程序，首先必須配置好openCV，具體 ...
車牌識別（一）-車牌定位
，進入生成二值圖，定位車牌位置。基於紋理特征自己還沒有基礎到。基於文字特征往往是根據文字輪廓特征進行識 ...
EasyPR源碼剖析（1）：概述
EasyPR（Easy to do Plate Recognition）是本人在opencv學習過程中接觸的一個開源的中文車牌識別系統，項目Git地址為https://github.com/liuruoze/EasyPR。考慮到大部分人對opencv的使用還比較陌生，我將在 ...