opencv实现车牌识别之字符分割

简介

　　在前一篇中，我们已经定位出来了在图片中车牌号的位置，并且将车牌号图片复制成了新图片，并显示出来，本章在这些被截取出来的图片上继续处理。
截取出来的新图片如下：

图像灰阶/二值化

　　首先也是选择将图像进行灰阶，然后采用以255一遍开始，取占了总pixel为5%的地方作为阀值，进行二值化。
代码如下：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <math.h>
#include <string.h>
#include <opencv/cv.h>
#include <stdio.h>
#include "lib/normal.h"
#include "lib/cutchar.h"#define DEBUG#ifdef DEBUG
#define DE(format, ...) printf(format, ## __VA_ARGS__)
#else
#define DE(format, ...) while(0)
#endifint main(int argc, char** argv){Mat img, img_2, img_3, img_4, img_5, img_w;IplImage pI_1;IplImage pI_2;int width, reWidth=30, wWidth=20, pic_width;int height, reHeight=100, wHeight = 20;char str[2];int i = 0, j = 0, k;int threshold = 0, pic_ArrNumber, tmp;int vArr[reHeight];int **pic_Arr;CvScalar s1;float percentage = 0.0;if(argc < 2){DE("Please input argv[1]\n");return -1;}img = cv::imread(argv[1]);namedWindow(str);imshow(str, img);width = img.rows;height = img.cols;pic_gray(img, img_2);threshold = histogram_Calculate(img_2, 5);DE("threshold:%d\n",threshold);pic_Thresholding(img_2, threshold);sprintf(str, "%d", i+1);namedWindow(str);imshow(str, img_2);waitKey(0);return 0;
}

　　首先装载截取出来的车牌号图片到img，然后pic_gray进行灰阶化到img_2,接着计算出5%时候的pixel阀值threshold，最后对灰阶图像img_2进行二值化操作。
结果显示如下：

上下边缘分离

　　从图片和周围，我们知道车牌号的四周被白色的边框包围着，所以我们需要排除掉这部分干扰，这里我们首先来去除掉边框的上线边缘干扰。
代码如下：

int detectionChange(Mat& mat1, Mat& mat2, int number){IplImage pI_1 = mat1, pI_2;CvScalar s1, s2;int width = mat1.rows;int height = mat1.cols;int sum = 0, sum_2 = 0, width_1 = 0, width_2 = 0;int i, j;for(i=0; i<width; i++){sum = 0;sum_2 = 0;for(j=0; j<height-1; j++){s1 = cvGet2D(&pI_1, i, j);s2 = cvGet2D(&pI_1, i, j+1);if(((int)s1.val[0]) != ((int)s2.val[0])){sum += 1;sum_2 = 0;}else{sum_2 += 1;    }if(sum_2 != 0){if(height / sum_2 < 5){sum = 0;break;}}}if(sum >= number){width_1 = i;break;}else{width_1 = i;   }}for(i=width-1; i> 0; i--){sum = 0;sum_2 = 0;for(j=0; j<height-1; j++){s1 = cvGet2D(&pI_1, i, j);s2 = cvGet2D(&pI_1, i, j+1);if(((int)s1.val[0]) != ((int)s2.val[0])){sum += 1;sum_2 = 0;}else{sum_2 += 1;    }if(sum_2 != 0){if(height / sum_2 < 1){sum = 0;break;}}}if(sum >= number){width_2 = i;break;  }else{width_2 = i;}}if(width_2 <= width_1){width_2 = width;   }mat2 = cv::Mat(width_2 - width_1 + 1, height, CV_8UC1, 1);pI_2 = mat2;for(i=width_1; i<= width_2; i++){for(j=0; j<height; j++){s1 = cvGet2D(&pI_1, i, j);cvSet2D(&pI_2, i-width_1, j, s1);}   }
}int main(int argc, char** argv){pic_Thresholding(img_2, threshold);sprintf(str, "%d", i+1);namedWindow(str);imshow(str, img_2);detectionChange(img_2, img_3, 7);sprintf(str, "%d", i+2);namedWindow(str);imshow(str, img_3);waitKey(0);return 0;
}

　　重点就是函数detectionChange，在这个函数中主要是进行那个判断，首先判断一行中，是否有连续的255像素大于了一定该行宽度的一定比例，
正常的牌照单个字符，它的字符宽度肯定小于整个车牌宽度的1/6；然后还判断一行中pixel从0到255或者从255到0的跳变有没有大于一定的数量，在
车牌号所在的行中，该跳变至少是7次。detectionChange中首先将img_2从头开始扫描，找到车牌号真正开始的行头。然后反过来，从尾部开始扫描，找到车牌字符真正结束时候的尾部。
最后将这部分图像，复制到img_3中。图像结果显示如下：

字符分割

　　经过如上之后，接着就是根据车牌图片的垂直投影宽度和积累的数值，进行字符分割。
具体代码如下：

void verProjection_calculate(Mat& mat1, int* vArr, int number){IplImage pI_1 = mat1;CvScalar s1;int width = mat1.rows;int height = mat1.cols;int i, j;for(i=0; i< number; i++){vArr[i] = 0;    }for(j=0; j<height; j++){for(i=0; i<width; i++){s1 = cvGet2D(&pI_1, i, j);if(s1.val[0] > 20){vArr[j] += 1;               }   }}
}int** verProjection_cut(int* vArr, int width, int* number){int **a;int i, flag = 0;int num = 0;int threshold = 2;a = (int**)malloc(width / 2 * sizeof(int*));for(i=0; i<width-1; i++){if((vArr[i] <= threshold) && (vArr[i+1] > threshold)){a[num] = (int* )malloc(2 * sizeof(int));a[num][0] = i;flag = 1;}else if((vArr[i] > threshold) && (vArr[i+1] <= threshold) && (flag != 0)){a[num][1] = i;num += 1;flag = 0;}}*number = num;return a;int main(int argc, char** argv){int width, reWidth=30, wWidth=20, pic_width;int height, reHeight=100, wHeight = 20;................carCard_Resize(img_3, img_4, reWidth, reHeight);pic_Thresholding(img_4, 60);pI_1 = img_4;verProjection_calculate(img_4, vArr, reHeight);pic_Arr = verProjection_cut(vArr, reHeight, &pic_ArrNumber);for(i=0; i< pic_ArrNumber; i++){printf("pic_Arr[%d]:%d, %d\n", i, pic_Arr[i][0], pic_Arr[i][1]);                                                             }sprintf(str, "%d", i+3);namedWindow(str);imshow(str, img_4);waitKey(0);return 0;
}

　　这一步中，首先将消除了上下边缘的img_3，放大保存到img_4(reWidth=30,reHeight=100)，接着将放大后图片img_4从新以阀值60来二值化,接着用
verProjection_calculate计算出img_4的垂直投影数据，保存到一维数组vArr中；然后verProjection_cut函数利用垂直投影数据vArr来分割出字符宽度。
在verProjection_cut中，到某一列的垂直投影数据小于等于2，就表示该位置不是字符。打印出来的字符分割宽度位置和图像表现如下：

后续处理

　　在宽度分割出来之后，就可以在img_4上将对应的字符图片分割复制出来，然后在排除掉左右两边的边缘干扰和车牌的中间那一点的干扰，就获取到了合适的
车牌字符图片了。对应代码如下：

float pixelPercentage(Mat& mat1){IplImage pI_1 = mat1;CvScalar s1;int width = mat1.rows;int height = mat1.cols;int i, j;float sum = 0, allSum = 0, tmp;for(i=0; i<width; i++){for(j=0; j<height; j++){s1 = cvGet2D(&pI_1, i, j);if(s1.val[0] > 20){sum += 1;}allSum += 1;}   }tmp = sum / allSum;return tmp;
} int main(int argc, char** argv){......................verProjection_calculate(img_4, vArr, reHeight);pic_Arr = verProjection_cut(vArr, reHeight, &pic_ArrNumber);for(i=0; i< pic_ArrNumber; i++){pic_width = pic_Arr[i][1] - pic_Arr[i][0];if(pic_width < 3){continue;}img_5 = cv::Mat(reWidth, pic_Arr[i][1] - pic_Arr[i][0], CV_8UC1, 1);pI_2 = img_5;for(j=0; j<reWidth; j++){for(k=pic_Arr[i][0]; k<pic_Arr[i][1]; k++){s1 = cvGet2D(&pI_1, j, k);cvSet2D(&pI_2, j, k-pic_Arr[i][0], s1); }}percentage = pixelPercentage(img_5);if(percentage < 0.1){continue;}if(pic_width < 6){printf("the %d is 1\n", i);continue;}carCard_Resize(img_5, img_w, wWidth, wHeight);pic_Thresholding(img_w, 60);sprintf(str, "%d", i+10);namedWindow(str);imshow(str, img_w);}sprintf(str, "%d", i+3);namedWindow(str);imshow(str, img_4);waitKey(0);return 0;
}

　　在代码中，首先计算出分割出来的字符宽度pic_width，如果宽度小于3，表示不是正常的车牌字符，将该图片排除掉。如果满足大于2，则将分割字符图片
复制到img_5中，然后使用函数pixelPercentage计算出img_5中图片255的pixel占了总像素比例的比值，如果小于0.1，则表示该图像是车牌中的那个点。那么该
图片也排除掉，接着再宽度判断，如果宽度大于2而小于6，则表示该图片应该是1，因为1的垂直投影和其他字符相比，相差很多(注意：该方法很容易导致左右
边沿也被检测成了1)。最后在一次将筛选分割出来的字符img_5，归一化为wWidth=20，wHeight = 20的img_5,在以60为阀值的二值化后，将它们分别显示出来。最后的显示效果如下：

效果演示

　　使用该方法做的效果并不好，如下是一些效果演示：

                                       在这图片中，因为1之前已经判断筛选了，所以不会显示出1。

                                       如图所示，该图片的效果就很差。

    代码下载位置：http://download.csdn.net/detail/u011630458/8440123

opencv实现车牌识别之字符分割相关推荐

OpenCV实现车牌识别，OCR分割，ANN神经网络
主要步骤: 准备车牌单个字符图像作为神经网络分类器的训练数据,越多越好.当然需要对每幅图像提取特征,这里使用的是水平和垂直累计直方图和缩小后的图像信息. 获取车牌图像,这里的车牌图像已经完成抠图,并且 ...
c++opencv汉字分割_基于OpenCV 的车牌识别
车牌识别是一种图像处理技术,用于识别不同车辆.这项技术被广泛用于各种安全检测中.现在让我一起基于OpenCV编写Python代码来完成这一任务. 车牌识别的相关步骤 1.车牌检测:第一步是从汽车上检测 ...
基于OpenCV 的车牌识别
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达车牌识别是一种图像处理技术,用于识别不同车辆.这项技术被广泛用于各 ...
opencv实现车牌识别
概述上午学习了一下opencv的简单操作,简单的记住了不行的,所以用一个小小的实例来进一步学习. 车牌识别的步骤获取图片->车牌定位->车牌字符分割->字符识别获取图片获取图 ...
基于OpenCV的车牌识别的设计与实现
随着大数据和互联网技术的快速发展,利用人工智能技术实现车牌信息的自动识别推荐成为研究的热门话题.通过对基于OpenCV的车牌识别系统的网站功能需要进行讨论研究,这种跨平台计算机视觉和机器学习非常适用于 ...
实战：基于OpenCV 的车牌识别
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达车牌识别是一种图像处理技术,用于识别不同车辆.这项技术被广泛用于各 ...
基于opencv的车牌识别解析与代码
Jeremy Lin @HQU 车牌识别太出名了,我也就花几天来了解下这个系统,并结合opencv进行实现.下面是一些介绍: 车辆牌照识别(License Plate Recognition,LPR) ...
【树莓派开发】02-基于OpenCV的车牌识别处理(LPR)
[说明]:疫情期间比较闲学习了python.LPR这个东西,基于OpenCV已经做过很多遍了,通过这个小项目利用树莓派来熟悉Python编程,而且通过实际操作可以掌握一些具体的细节与技巧,这里我将整个 ...
不懂就问！如何基于OpenCV 做车牌识别
前言车牌识别是一种图像处理技术,用于识别不同车辆.这项技术被广泛用于各种安全检测中.现在让我一起基于OpenCV编写Python代码来完成这一任务. 车牌识别的相关步骤 1.车牌检测:第一步是从汽车 ...

opencv实现车牌识别之字符分割

简介

图像灰阶/二值化

上下边缘分离

字符分割

后续处理

效果演示

opencv实现车牌识别之字符分割相关推荐

最新文章

热门文章