OCR algorithms work better with high quality images for accurate Automated License Plate Recognition ALPR

与电视上显示的内容不同，您不能放大模糊的图像，并期望获得更多详细信息。必须从一开始就使用适当的系统获得具有可接受的清晰度和对比度的图像。这意味着正确的图像传感器，相机，光学和照明都以可靠的方式组合在一起。

那么，什么定义了ALPR的良好图像质量？

第一步是要有可靠的触发，以便将车牌放在图像中正确位置，这在多车道系统中可能特别困难。之后，可以通过以下方式描述良好/准确的图像

*良好的清晰度 *足够的对比度 *没有文物 *有时具有准确的颜色

这些是定性的解释，因此在这里一些图像可以证明这一点。

图1。来自照明控制不足的伪影

图2。由于运动模糊而引起的清晰度不足

图3。有限的动态范围的对比度不足

有关车牌采集算法和技术的一些良好背景信息：http：//www.platerecognition.info/1102.htm

这些图像质量问题的来源可能会有所不同。下表显示了一些可能的原因，并在我们的下一个博客中进一步详细介绍。


图像质量参数	相应的限制来源	要控制的图像系统参数
清晰度	有限的景深

运动模糊

可变照明| f镜头值

图像传感器的灵敏度

虹膜控制| |对比|图像数量有限

车牌的反射

雪，雨，鞭子的反射|图像传感器/相机的框架速率

图像传感器/相机的动态范围| |工件|幽灵图像

阳光暴露和反射的明亮斑点和条纹|过滤器，镜头和照明的对齐

相机中的频道匹配

正确对齐整个光学路径决定了捕获的图像的质量，这在高速情况下尤其重要。凭借更高的输入图像，车牌识别算法的起点更好，因此较高的车牌识别精度。

有关优化清晰度和对比度的更多详细信息，并最大程度地减少文物，请参见未来几周的博客。

等不及了吗？

您已经可以阅读以下几个博客：

*利用机器愿景的进步的机会和挑战 *针对不同自动车牌识别或自动数字板识别（ALPR或ANPR）应用程序的相机和图像系统要求。 *要了解有关准确颜色复制的更多信息，请单击此处。