**實驗要求：**基于數字圖像處理，設計實現一個自然場景下公路交通限速標志分割和識別的程序。要求系統具有界面，并實現以下功能：
1）讀入自然場景下包含交通標志的圖像
2）對圖像進行預處理
3）交通標志區域的定位
4）限速交通標志的分割
5）對限速標志中的數字進行分離和識別

選取的實驗圖像：

圖像預處理：這里為了滿足實驗要求添加了一個預處理環節，主要方法采用CLAHE方法，具體解釋可以參考鏈接

采用該方法，可以直接在灰度圖進行限制對比度自適應直方圖均衡，也可以將彩色RGB圖轉化到LAB空間對L分量進行處理，也可以轉化到HSV空間對H分量進行處理，這里附上轉換至LAB空間進行CLAHE處理后的圖像，其它方法讀者可自行驗證實驗。

RGB = imread('traffic_sign.jpg'); LAB = rgb2lab(RGB); L = LAB(:,:,1)/100; L = adapthisteq(L,'NumTiles',[8 8],'ClipLimit',0.005); LAB(:,:,1) = L*100; J = lab2rgb(LAB); figure imshowpair(RGB,J,'montage') title('原圖(左)和經CLAHE增強后圖(右) ')

**交通標志定位：**通過先驗知識可以得知限速標志大都是紅色外框的圓形標志，內含有限速數字，因此我們的定位方法為將圖片轉換到HSV空間，在HSV模型，H表示色調，S表示飽和度，V表示數值（對應圖像亮度），提取出紅色分量的像素區域

hsv=rgb2hsv(J);%轉換到HSV空間 h1=hsv(:,:,1);%H分量 s1=hsv(:,:,2);%S分量 v1=hsv(:,:,3);%V分量 %提取紅色分量 hsvR=((h1<=0.056&h1>=0)|(h1>=0.740&h1<=1.0))&s1>=0.169&s1<=1.0&v1>=0.180&v1<=1.0; figure,imshow(hsvR);title('原圖hsv檢測圖像');

然后再使用二值化分析中的面積和離心率參數分離出圖像中的面積較大（去除噪聲紅色）且呈圓形的區域，并定位加框。

**限速標志識別：**將定位區域的圖像切下，循環處理進行識別，識別器的選擇可以自己設計分類器，也可以直接調用MATLAB中的OCR函數進行識別，修改參數后可以進行識別，識別效果還可以接受。
ps:實驗圖中去除了全線禁停標志的最后加框，是識別后其識別結果為空，加了個條件限制自然就可以去掉了。

總結

以上是生活随笔為你收集整理的MATLAB_GUI项目 自然场景下限速标志识别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。