闲庭信步使用图像验证平台加速FPGA的开发:第三十课——车牌识别的FPGA实现(2)实现车牌定位

(本系列只需要modelsim即可完成数字图像的处理,每个工程都搭建了全自动化的仿真环境,只需要双击top_tb.bat文件就可以完成整个的仿真,大大降低了初学者的门槛!!!!如需要该系列的工程文件请关注知识星球: 成工fpga, https://t.zsxq.com/DMeqH,关注即送200GB学习资料,链接已置顶!)

上篇我们轻松实现了车牌定位的预处理,得到的最终预处理图片如下所示。注意一下,本工程是要求测试的图片要尽可能是正的,不要斜,如果是斜的图片,实际处理的过程中要先进行各种校正,至于如何校正不是本文的重点。

得到如上预处理的图片,如何进行车牌边界的定位呢**?其实很明显,车牌的边界应该都是连续和相对连续的横线或者竖线,所以我们分别对每行或者每列的图像值为1的点进行求和存储,最后再对前后行存储的数据和进行比较,变化大于设定阈值的行或者列就是车牌的边缘。**

在\src\plate_location文件夹下新建horizontal_location.sv文件,完成车牌上下边界的定位。首先完成每行图像数据值的叠加(不是0就是1,就是一行所有像素点求和),并保存到数组ram中。

在图片的最后一行,将前面每行求和的数据从数组ram中一一读出来。

用ud_edge_flag信号来标示上下边界,ud_edge_flag==0时,ram前后两行数据的变化大于阈值THRESHOLD,那就是上边界(反映在图片上是下边界,应用bmp图像是从下往上);如果ud_edge_flag==1,ram前后两行数据的变化大于阈值THRESHOLD,那就是下边界。

最后对上下边界进行适当的调整,这个根据实际情况来,一般边界也不是1行,调整是为了在边界线的中间位置。

完成上下边界的定位,那就开始左右边界的定位,在\src\plate_location文件夹下新建vertical_location.sv文件,思路和求上下边界基本一致。首先将每列的数据分别相加后存放人数组ram中。

在图片的最后一行,将前面每=列求和的数据从数组ram中一一读出来。这儿为了解决图片稍微倾斜的问题,取相邻的五列ram数据进行叠加。

用lr_edge_flag信号来标示左右边界,lr_edge_flag==0时,ram前后多列数据的变化大于阈值THRESHOLD,那就是左边界;如果lr_edge_flag==1,ram前后多列数据的变化大于阈值THRESHOLD,那就是右边界。

最后对左右边界进行适当的调整,这个也是根据实际情况来。

完成车牌上下左右边界的初步定位,还需要进一步的调整,在\src\plate_location文件夹下新建plate_boarder_adjust.sv模块,主要完成车牌比例调整,检测边界是否有效等功能,并将车牌定位的区域缩到字符的区域,这个模块成工基本没有进行太大的改动。

在\src\plate_location文件夹下新建plate_location模块,完成目前所有模块的集成,如下所示。

完成车牌和字符边界的定位,我们要把定位的信息反应在图片上,也就是在图片上将车牌的位置标出来,看看对不对,在\src\plate_location文件夹新建location_out.sv模块,用来将车牌定位和字符定位的信息反应到原图片上,也就是进行叠加。思路也是非常的简单,找到要画线的区域,用固定的颜色标出来即可。

在下一个initial块中,完成两帧图片的保存。

打开img下的output文件夹,可以看到车牌边界的定位和字符区域的定位。

相关推荐
天涯路s3 小时前
OpenCV 特征检测与描述
人工智能·opencv·计算机视觉
灵风_Brend4 小时前
最大最小延时约束
fpga开发
飞翔的佩奇5 小时前
【完整源码+数据集+部署教程】鸡只与养殖场环境物品图像分割: yolov8-seg等50+全套改进创新点发刊_一键训练教程_Web前端展示
python·yolo·计算机视觉·数据集·yolov8·yolo11·鸡只与养殖场环境物品图像分割
li星野7 小时前
打工人日报#20250930
笔记·程序人生·fpga开发·学习方法
9527华安7 小时前
FPGA实现SRIO图像视频传输,基于Serial Rapidlo Gen2,提供6套工程源码和技术支持
图像处理·fpga开发·音视频·srio·xilinx
ThreeYear_s7 小时前
【FPGA+DSP系列】——(1)CCS创建工程+LED点亮
fpga开发
星期天要睡觉8 小时前
计算机视觉(opencv)——基于 dlib 和 CNN卷积神经网络 的人脸检测
opencv·计算机视觉·cnn
春末的南方城市8 小时前
港大和字节携手打造WorldWeaver:以统一建模方案整合感知条件,为长视频生成领域带来质量与一致性双重飞跃。
人工智能·深度学习·机器学习·计算机视觉·aigc·音视频
极客代码12 小时前
第五篇:后端优化——位姿图的灵魂--从图优化到滑动窗口的联合状态估计
python·深度学习·计算机视觉·视觉里程计·slam·回环检测·地图构建