برق. قدرت. کنترل. الکترونیک. مخابرات. تاسیسات.

دایره المعارف تاسیسات برق (اطلاعات عمومی برق)

2-1 مراحل الگوریتم تشخیص محل پلاک:

 

2-1-1آشکارسازی لبه

       دلیل ایجاد لبه در یک تصویر اختلاف شدت نور در دو طرف لبه است. لبه ها قسمتی از تصویر هستند که استخوان بندی تصویر را مشخص می کند.

- انواع لبه  

-       لبه عمودی

-       لبه افقی

-       لبه مورب

برای یافتن یک لبه عمودی از روش زیر استفاده می کنیم :

از سطر اول به صورت افقی شروع به حرکت می کنیم و هر پیکسل را با پیکسل قبل از خودش مقایسه می کنیم اگر تفاوت آنها از عدد مشخصی بیشتر باشد آنجا لبه است، در غیر این صورت به آن کاری نداریم.

I(i,j) = n(i,j+1) - n(i,j)

If ( I(i,j)  > T )

E(i,j)=1;

Else

E(i,j)=0;


برای یافتن یک لبه افقی از روش زیر استفاده می کنیم :

از ستون اول به صورت عمودی شروع به حرکت می کنیم و هر پیکسل را با پیکسل قبل از خودش مقایسه می کنیم اگر تفاوت آنها از عدد مشخصی بیشتر باشد آنجا لبه است، در غیر این صورت به آن کاری نداریم.

 

I(i,j) = n(i+1,j) - n(i,j)

If ( I(i,j)  > T )

E(i,j)=1;

Else

E(i,j)=0;

 

برای محاسبه لبه روش ها یا در واقع ویندو های مختلفی طراحی شده است، که در این پروژه از عملگر(ماسک) سوبل استفاده شده است که این عملگر به صورت زیر استفاده می شود :

 

Z3

Z2

Z1

Z6

Z5

Z4

Z9

Z8

Z7

ماتریس 3 * 3 برای لبه یابی

 

عکس گرفته شده توسط دوربین :

 

 

1

0

-1

2

X

-2

1

0

-1

ماسک سوبل استفاده شده برای لبه یابی عمودی

 

  برای تشخیص لبه های عمودیِ تصویر باید این ماسک بر روی تمامی پیکسل های تصویر غلتانیده شود به این صورت که اگر x  پیکسل مورد  نظر باشد باید رنگ 8 پیکسل همسایه در ضریب های تعیین شده برای هر پیکسل ضرب شود و این مقادیر با یکدیگر جمع شوند و در یک متغیر ذخیره شوند، سپس مقدار این متغیر باید بررسی شود در صورتی که بیشتر از 255 بود مقدار 255 و در صورتی که مقدار آن کمتر از 0 بود مقدار 0 و در غیر این صورت مقدار متغیر بدون تغییر باقی می ماند، سپس مقدار این متغیر در پیکسل مورد نظر ( X ) قرار می گیرد(setpixel) .

 

Gy  = ( z7 + 2z8 + z9 )    ( z1 + 2z2 + z3 )

 

                                                       تصویر بعد از لبه یابی عمودی

-1

-2

-1

0

X

0

1

2

1

                                ماسک سوبلِ استفاده شده برای لبه یابی افقی

 

 برای تشخیص لبه های افقی تصویر باید این ماسک بر روی تمامی پیکسل های تصویر غلتانیده شود به این صورت که اگر x  پیکسل مورد  نظر باشد باید رنگ 8 پیکسل همسایه در ضریب های تعیین شده برای هر پیکسل ضرب شود و این مقادیر با یکدیگر جمع شوند و در یک متغیر ذخیره شوند، سپس مقدار این متغیر باید بررسی شود در صورتی که بیشتر از 255 بود مقدار 255 و در صورتی که مقدار آن کمتر از 0 بود مقدار 0 و در غیر این صورت مقدار متغیر بدون تغییر باقی می ماند، سپس مقدار این متغیر در پیکسل مورد نظر ( X ) قرار می گیرد(setpixel) .

Gy  = ( z3 + 2z6 + z9 )    ( z1 + 2z4 + z7 )

 

2-1-2 آستانه گیری

بعد از لبه یابی عمودی تصویر( بعد از اعمال عملگر سوبل)، در تصویر بدست آمده یک سری نویز مشاهده می شود، که این نویز ها عبارتند از حفره هایی در تصویر یا تعدادی خطوط راست.

این نویزها علاوه بر اینکه در پردازش تصویر و رسیدن ما به هدف مورد نظر کارآمد نیستند بلکه احتمال رخ دادن خطا در پردازش تصویر را بیشتر می کنند. برای رهایی از این نویزها عمل آستانه گیری تصویر را انجام می دهیم که عمل آستانه گیری به صورت زیر انجام می شود:

  فرض کنید می خواهیم از یک عکس رنگی 16 بیتی یک تصویر سیاه وسفید بسازیم برای این کار باید تک تک پیکسل ها را با مقدار مشخصی که بستگی به شرایط نور تصویر و پردازشی که قرار است روی تصویر انجام شود دارد مقایسه کنیم اگر بزرگتر از آن مقدار مشخص بود به جای آن رنگ سفید(255) را قرار می دهیم و در غیر این صورت مقدار سیاه (0) را قرار می دهیم، به این کار آستانه گیری یا threshold می گویند.

نکته : عددی که به عنوان عدد آستانه در نظر می گیریم نقش قابل توجهی در روند کار ایفا می کند و حتما باید توجه داشته باشیم که اگر عدد مورد نظر را درست انتخاب نکنیم احتمال آنکه به نتیجه مطلوب نرسیم وجود دارد به عنوان مثال اگر عدد آستانه را عدد بزرگی در نظر بگیریم احتمالا بعضی از قسمت های مورد نظر و کارآمد برای پردازش تصویر از بین می رود یا اگر عدد آستانه را کوچک فرض کنیم باز خطوط اضافی و نویز ها در تصویر مشاهده می شود.


2-1-3  بررسی چگالی لبه های عمودی در تصویر جهت تشخیص محل پلاک

بعد از اجرای عمل آستانه گیری نویزها حذف شده و تصویر بدست آمده برای جستجوی محل پلاک خودرو آماده است.

در این مرحله باید در جستجوی قسمتی از تصویر باشیم که چگالی لبه های عمودی در آن قسمت ماکسیمم است. برای این کار یک مستطیل فرضی به اندازه پلاک خودرو در تصاویر در نظر گرفته( چون دوربین ثابت است و معمولا همه تصاویر از یک فاصله گرفته می شود اندازه پلاک ها تقریبا در تصاویر برابر است) و مستطیل را بر روی کل تصویر می غلتانیم و در هر مختصات x , y چگالی پیکسل های سفید درون تصویر را اندازه گیری می کنیم.

بعد از اینکه مستطیل فرضی را بر رو کل تصویر غلتانیدیم قسمتی از تصویر که بیشترین چگالی لبه های عمودی ( پیکسل های سفید ) را دارد به عنوان محل پلاک در نظر می گیریم.

در آخر از دوست خوبم حسین موسی زاده که در جمع آوری این مطالب ما را یاری داد قدردانی میکنم.

هادی بهزادی

صفحات جانبی

نظرسنجی

    لطفاً نظرات خود را درمورد وبلاگ با اینجانب در میان بگذارید.(iman.sariri@yahoo.com)نتایج تاکنون15000مفید و 125غیرمفید. با سپاس


  • آخرین پستها

آمار وبلاگ

  • کل بازدید :
  • تعداد نویسندگان :
  • تعداد کل پست ها :
  • آخرین بازدید :
  • آخرین بروز رسانی :