opencv實現車牌識別之字元分割，opencv車牌

opencv實現車牌識別之字元分割，opencv車牌
簡介

　　在前一篇中，我們已經定位出來了在圖片中車牌號的位置，並且將車牌號圖片複製成了新圖片，並顯示出來，本章在這些被截取出來的圖片上繼續處理。截取出來的新圖片如下：

映像灰階/二值化

　　首先也是選擇將映像進行灰階，然後採用以255一遍開始，取佔了總pixel為5%的地方作為閥值，進行二值化。代碼如下：

#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)#endif int 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;}

　　首先裝載截取出來的車牌號圖片到img，然後pic_gray進行灰階化到img_2,接著計算出5%時候的pixel閥值threshold，最後對灰階映像img_2進行二值化操作。結果顯示如下：

上下邊緣分離

　　從圖片和周圍，我們知道車牌號的四周被白色的邊框包圍著，所以我們需要排除掉這部分幹擾，這裡我們首先來去除掉邊框的上線邊緣幹擾。代碼如下：

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;}

　　重點就是函數detectionChange，在這個函數中主要是進行那個判斷，首先判斷一行中，是否有連續的255像素大於了一定該行寬度的一定比例，正常的牌照單個字元，它的字元寬度肯定小於整個車牌寬度的1/6；然後還判斷一行中pixel從0到255或者從255到0的跳變有沒有大於一定的數量，在車牌號所在的行中，該跳變至少是7次。　　detectionChange中首先將img_2從頭開始掃描，找到車牌號真正開始的行頭。然後反過來，從尾部開始掃描，找到車牌字元真正結束時候的尾部。最後將這部分映像，複製到img_3中。　　映像結果顯示如下：                                               

字元分割

　　經過如上之後，接著就是根據車牌圖片的垂直投影寬度和積累的數值，進行字元分割。具體代碼如下：

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;}

　　這一步中，首先將消除了上下邊緣的img_3，放大儲存到img_4(reWidth=30,reHeight=100)，接著將放大後圖片img_4從新以閥值60來二值化,接著用verProjection_calculate計算出img_4的垂直投影資料，儲存到一維數組vArr中；然後verProjection_cut函數利用垂直投影資料vArr來分割出字元寬度。在verProjection_cut中，到某一列的垂直投影資料小於等於2，就表示該位置不是字元。　　列印出來的字元分割寬度位置和映像表現如下：                                           

後續處理

　　在寬度分割出來之後，就可以在img_4上將對應的字元圖片分割複製出來，然後在排除掉左右兩邊的邊緣幹擾和車牌的中間那一點的幹擾，就擷取到了合適的車牌字元圖片了。對應代碼如下：

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;}

　　在代碼中，首先計算出分割出來的字元寬度pic_width，如果寬度小於3，表示不是正常的車牌字元，將該圖片排除掉。如果滿足大於2，則將分割字元圖片複製到img_5中，然後使用函數pixelPercentage計算出img_5中圖片255的pixel佔了總像素比例的比值，如果小於0.1，則表示該映像是車牌中的那個點。那麼該圖片也排除掉，接著再寬度判斷，如果寬度大於2而小於6，則表示該圖片應該是1，因為1的垂直投影和其他字元相比，相差很多(注意：該方法很容易導致左右邊沿也被檢測成了1)。最後在一次將篩選分割出來的字元img_5，歸一化為wWidth=20，wHeight = 20的img_5,在以60為閥值的二值化後，將它們分別顯示出來。　　最後的顯示效果如下：                                                                

效果示範

　　使用該方法做的效果並不好，如下是一些效果示範：

                                       　　在這圖片中，因為1之前已經判斷篩選了，所以不會顯示出1。

                                                                                  　　，該圖片的效果就很差。

    代碼下載位置：http://download.csdn.net/detail/u011630458/8440123