ورود

View Full Version : مبتدی: اگوریتم های مختلف جداسازي كاراكترهاي پلاك



skyzare
جمعه 31 تیر 1390, 20:45 عصر
با سلام ..... http://www.eca.ir/forum2/Smileys/phpbb/icon_smile.gif

1 - الگوریتم های مختلف برای جداسازی کاراکترهای پلاک خودرو چیه ؟؟؟ و یه توضیح خیلی مختصر درباره الگوریتم .....و بهترین روش پیشنهادی شما ......

مثلا یکی اش الگوریتم Flood Fill هست ....میخواستم یه توضیح کلی هم از این بدونم ....

2 - ایا میشه از توابع موجود د رجعبه ابزار متلب هم استفاده کرد ؟؟؟یا باید کد نوشت ؟؟؟

3 - و این که ایا جداسازی کاراکترهای پلاک همون عمل segmentation هست ؟؟؟

در ضمن فرض بر این هست که تصویری صرفا باینری از پلاک خودرو موجود هست .....

با تشکر :لبخندساده:

مصطفی ساتکی
یک شنبه 02 مرداد 1390, 10:15 صبح
البته در فاز segmentation تو تشخیص پلاک یکی از عملیات مهم خود binarization که شما میگید فرض رو بر این بگیرید که انجام شد.
برای جداسازی به صورت مبتدی به صورت geometric عمل میشه یعنی شما از یک سری feature مثل ابعاد استفاده می کنید و در محل جداسازی نیز projection مربوطه رو تحلیل می کنند.
راههای خیلی بهتری که وجود داره و برای segmentation کاراکترها در ocr ها ازش استفاده میشه به روش فازی عمل میشه یعنی یسری key point از feature گرادیان استخراج می کنند و به صورت فازی محل تلاقی رو تحلیل می کنند

skyzare
یک شنبه 02 مرداد 1390, 15:45 عصر
با سلام .....:لبخندساده:

خیلی ممنون از پاسختون


البته در فاز segmentation تو تشخیص پلاک یکی از عملیات مهم خود binarization که شما میگید فرض رو بر این بگیرید که انجام شد.

ببخشیددرست متوجه منظورتون نمیشم چرا میفرمایید باینری کردنش خیلی مهم هست ؟؟ من فکر میکردم با یه دستور ساده داخل خود متلب هم میشه این کار رو کرد :ناراحت:........میشه بیشتر توضیح بدید ...

مصطفی ساتکی
پنج شنبه 06 مرداد 1390, 08:18 صبح
شما می تونید انواع threshold رو استفاده کنید بایستی ببینید تو چه فیلدی هستید و دقت کار به چه اندازه مهمه .
همه threshold به این سادگی نیستند که شما یه تابع تعریف کنید و اون بر روی تصویر به صورت خطی یا غیر عملیات فیلتر رو انجام بده .
تو بعضی از threshold ها شما به صورت adaptive و بلوک های n *n عمل می کنند تصمیم گیری برای میزان Threshold علاوه بر مقادیر intensity بلوک جاری به همسایگی یکش هم بستگی داره که این تصمیم گیری رو با یه classifier میشه انجام داد .این threshold ها رفتار کاملا دینامکی دارند.
یه صفحه شطرنج رو فرض کنید یه سایه ای اگر برروی قسمتی از صفحه افتاده باشه این threshold ها قادرند صفحه شطرنج رو کاملا باینری کنند.
شما وقتی Threshold مناسب عمال نمی کنید بعد باید توان بیشتری روی segmentation صرف کنید به فرض مثال تو همین کار LPR شما بیاید Threshold نامناسب استفاده کنید به طوریکه کلیه کاراکترها به هم چسبیده باشند شما باید یه segmentation قوی داشته باشید که بتونه بدرستی کلیه blob ها رو به بخش های درستی تبدیل کنه.

skyzare
پنج شنبه 06 مرداد 1390, 22:52 عصر
سلام .....:لبخندساده:

بی نهایت سپاس گذار .....ولی این جوری که احساس کردم باید بیش تر از پردازش تصویر بخونم ......باز هم ممنون.......:لبخندساده:

بعد از مطالعه مزاحم میشم .....:لبخند: