Automatické rozpoznávanie ŠPZ motorových vozidiel v ... - Utc.sk
Automatické rozpoznávanie ŠPZ motorových vozidiel v ... - Utc.sk Automatické rozpoznávanie ŠPZ motorových vozidiel v ... - Utc.sk
3.2.3 Prevod obrázku 256 odtieňov sivej (grey) na binárny obrázok pozostávajúci z logických jednotiek a núl pomocou techniky prahovania Po jasovom spracovaní sa obrázok konvertuje do podoby, ktorá bude najvhodnejšia a zároveň najjednoznačnejšia na hľadanie objektov v obraze. Najjednoduchší spôsob tohto vyjadrenia je práve binárny obrázok, ktorý vznikne prahovaním jasovej intenzity gray obrazku. Táto funkciu sa môže pomerne dobre menežovať, podobne ako jas v gray obrázku a to tým, že manuálne sa zvolí prah v intervale (0-255), od ktorého sa budú jednotlivé jednotky a nuly rozlišovať. Druhou možnosťou je využiť funkciu na spriemerovanie, ktorá automaticky zvolí vhodný prah na vyjadrenie binárneho obrázku. a) b) Obr. 3.4 Prevod obrázku 256 odtieňov sivej(grey) na binárny obrázok, a)pôvodný obrázok gray, b) binárny obrázok po prevode 3.3 Výber kandidátov na ŠPZ značku Zohľadnením vlastností transformácií, bolo nútené vytvoriť cyklický skript, ktorý by zahŕňal a fungoval na veľkom množstve testovaných áut. Dlhodobým testovaním a zároveň skúmaním sa dospelo k záveru, že je lepšie kvôli funkčnosti použiť dva sériové skripty, ktoré jak z logického, tak funkčného hľadiska skvalitňujú výsledky programu. V tomto prípade sa použilo dvojcyklu. S tým, že druhý vykompenzoval nedostatky prvého. Dôvody viacerých možností budú popísané ďalej. 3.3.1 Algoritmus číslo 1. Je efektívny vo väčšine prípadov a nemá nejaké výrazné obmedzenia. Algoritmus číslo jedna sa vyznačuje tým, že dokáže rozpoznávať značky vo väčšine prípadov, či už 34
sa jedná o tmavé, alebo svetlé auta. Čiastočnú nedokonalosť kompenzuje algoritmus číslo dva, ktorý hľadá ešte s vyššou úspešnosťou na tmavších autách, avšak jeho obmedzením je nemožnosť hľadania na svetlých autách z dôvodu splývania pozadia ŠPZ s karosériou auta. a) b) Obr. 3.5 Demonštratívny obrázok auta, a) RGB, b) Gray 3.3.1.1 Prvá funkcia trasovania(trace) Ide o funkciu ktorá umožní v binárnom obrázku rozlíšiť hrany alebo vnútro bielych jednotlivých objektov, nachádzajúcich sa na tmavom podklade a priradiť im isté poradové číslo, ktoré reprezentujú jednotlivé pixely daného objektu. Toto číslo môže byť priradené podľa zvolenej funkcie buď na okraj (hranu), alebo na celé vnútro daného objektu. Zároveň umožňuje identifikovať objekty nachádzajúce sa v už definovaných objektoch (diery) atď. Tato funkcia je založená na princípe vektorového rozdielu dvoch pixelov v ôsmich smeroch posunu a využíva hranových detektorov. a) b) Obr. 3.6 Názornosť funkcie trasovania na základe hranových detektorov, a)pred trasovaním, b)po trasovaní 35
- Page 1 and 2: Automatické rozpoznávanie ŠPZ mo
- Page 3 and 4: Žilinská univerzita v Žiline, El
- Page 5 and 6: 2.2 Metódy selekcie znakov ŠPZ mo
- Page 7 and 8: Obr. 3.7 Zobrazuje jednotlivé krok
- Page 9 and 10: Úvod Z dôvodu nových technologic
- Page 11 and 12: 1 Teoretické spracovanie problemat
- Page 13 and 14: ∞ ∫ −∞ I( f ( x)) = F( u) =
- Page 15 and 16: vzdialenosťou r od počiatku v sme
- Page 17 and 18: Používajú sa polynómy stupňa m
- Page 19 and 20: Prahovanie s jedným prahom možno
- Page 21 and 22: Spätná projekcia vstupných bodov
- Page 23 and 24: Na spájanie oblastí sa používaj
- Page 25 and 26: N ⎛ = S ⎜∑ ⎝ w x i i i= y 1
- Page 27 and 28: Gramatika predstavuje množinu prav
- Page 29 and 30: • Pri prevode RGB poprípade Gray
- Page 31 and 32: Obr. 2.2 Segmentácia znakov pomoco
- Page 33 and 34: Ďalšími počítanými výrazmi p
- Page 35 and 36: Obr. 2.6 Zovšeobecnený vektorový
- Page 37 and 38: Obr. 2.10 Zovšeobecnená viacvrstv
- Page 39 and 40: 3 Praktická realizácia programu n
- Page 41: 3.2.2 Zaistenie dostatočného mno
- Page 45 and 46: 3.3.1.3 Úprava matice vhodnej na o
- Page 47 and 48: 3.3.1.6 Odstránenie malých oblast
- Page 49 and 50: a) b) Obr. 3.14 Názornosť funkcie
- Page 51 and 52: 3.4 Verifikácia a selekcia ŠPZ Je
- Page 53 and 54: 3.4.2.1 Prvá časť verifikátoru
- Page 55 and 56: a) b) Obr. 3.22 Výrez stredného r
- Page 57 and 58: Obr. 3.25 Prevod RGB značky na zá
- Page 59 and 60: 3.4.3 Preprocesing OCR (Separácia
- Page 61 and 62: Záver: Podstatou tejto práce bolo
- Page 63 and 64: Prílohová časť Táto časť sa
- Page 65: Poďakovanie Moje poďakovanie patr
sa jedná o tmavé, alebo svetlé auta. Čiastočnú nedokonalosť kompenzuje algoritmus číslo<br />
dva, ktorý hľadá ešte s vyššou úspešnosťou na tmavších autách, avšak jeho obmedzením<br />
je nemožnosť hľadania na svetlých autách z dôvodu splývania pozadia ŠPZ s karosériou<br />
auta.<br />
a) b)<br />
Obr. 3.5 Demonštratívny obrázok auta, a) RGB, b) Gray<br />
3.3.1.1 Prvá funkcia trasovania(trace)<br />
Ide o funkciu ktorá umožní v binárnom obrázku rozlíšiť hrany alebo vnútro<br />
bielych jednotlivých objektov, nachádzajúcich sa na tmavom podklade a priradiť im isté<br />
poradové číslo, ktoré reprezentujú jednotlivé pixely daného objektu. Toto číslo môže byť<br />
priradené podľa zvolenej funkcie buď na okraj (hranu), alebo na celé vnútro daného<br />
objektu. Zároveň umožňuje identifikovať objekty nachádzajúce sa v už definovaných<br />
objektoch (diery) atď. Tato funkcia je založená na princípe vektorového rozdielu dvoch<br />
pixelov v ôsmich smeroch posunu a využíva hranových detektorov.<br />
a) b)<br />
Obr. 3.6 Názornosť funkcie trasovania na základe hranových detektorov,<br />
a)pred trasovaním, b)po trasovaní<br />
35