车牌识别之二:字符分割

转载 2012年11月14日 09:26:27

转自:http://blog.csdn.net/sing_sing/article/details/5937751

车牌识别大概步骤可分为:车牌定位,字符分割,字符识别三个步骤。

细分点可以有以下几个步骤:

(1)将图片灰度化与二值化

(2)去噪,然后切割成一个一个的字符

(3)提取每一个字符的特征,生成特征矢量或特征矩阵

(4)分类与学习。将特征矢量或特征矩阵与样本库进行比对,挑选出相似的那类样本,将这类样本的值作为输出结果。

 

车牌定位可以参考这里,网上也有很多关于这个问题的讨论,理论上觉得可行,但实际上没有操作过,等有空再去搞搞。
http://blog.csdn.net/sing_sing/archive/2010/10/13/5937725.aspx

这几天研究了一下车牌字符分割的问题,前提是已经进行了车牌定位,角度校正等预处理。

用到的主要知识有:二值化,形态学操作,轮廓查找等。

字符分割网上资料比较少,本人接触opencv一段时间,自己瞎搞了一下,以此抛砖引玉,希望与各位交流一下。

以下为全部源代码:


//==============================================

//write by sing

//2010-10-10

//==============================================


#include "stdafx.h"

//找出含车牌文字的最左端
void findX(IplImage* img, int* min, int* max)
{
    int found = 0;
    CvScalar maxVal = cvRealScalar(img->width * 255);
    CvScalar val = cvRealScalar(0);
    CvMat data;
    int minCount = img->width * 255 / 5;
    int count = 0;

    for (int i = 0; i < img->width; i++) {
        cvGetCol(img, &data, i);
        val = cvSum(&data);
        if (val.val[0] < maxVal.val[0]) {
            count = val.val[0];
            if (count > minCount && count < img->width * 255) {
                *max = i;
                if (found == 0) {
                    *min = i;
                    found = 1;
                }
            }
        }
    }

}

//找出含车牌文字的最上端,排除两颗螺丝的位置
void findY(IplImage* img, int* min, int* max)
{
    int found = 0;
    CvScalar maxVal = cvRealScalar(img->height * 255);
    CvScalar val = cvRealScalar(0);
    CvMat data;
    int minCount = img->width * 255 / 5;
    int count = 0;

    for (int i = 0; i < img->height; i++) {
        cvGetRow(img, &data, i);
        val = cvSum(&data);
        if (val.val[0] < maxVal.val[0]) {
            count = val.val[0];
            if (count > minCount && count < img->height * 255) {
                *max = i;
                if (found == 0) {
                    *min = i;
                    found = 1;
                }
            }
        }
    }
}

//车牌字符的最小区域
CvRect findArea(IplImage* img)
{
    int minX, maxX;
    int minY, maxY;
   
    findX(img, &minX, &maxX);
    findY(img, &minY, &maxY);

    CvRect rc = cvRect(minX, minY, maxX - minX, maxY - minY);

    return rc;
}

int main(int argc, char* argv[])
{
    IplImage* imgSrc = cvLoadImage("cp.jpg", CV_LOAD_IMAGE_COLOR);
    IplImage* img_gray = cvCreateImage(cvGetSize(imgSrc), IPL_DEPTH_8U, 1);
   
    cvCvtColor(imgSrc, img_gray, CV_BGR2GRAY);
    cvThreshold(img_gray, img_gray, 100, 255, CV_THRESH_BINARY);

    //寻找最小区域,并截取
    CvRect rc = findArea(img_gray);
    cvSetImageROI(img_gray, rc);
    IplImage* img_gray2 = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 1);
    cvCopyImage(img_gray, img_gray2);
    cvResetImageROI(img_gray);

    IplImage* imgSrc2 = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
    cvSetImageROI(imgSrc, rc);
    cvCopyImage(imgSrc, imgSrc2);
    cvResetImageROI(imgSrc);

    //形态学
    cvMorphologyEx(img_gray2, img_gray2, NULL, NULL, CV_MOP_CLOSE);

    CvSeq* contours = NULL;
    CvMemStorage* storage = cvCreateMemStorage(0);
    int count = cvFindContours(img_gray2, storage, &contours,
        sizeof(CvContour), CV_RETR_EXTERNAL);

    int idx = 0;
    char szName[56] = {0};

    for (CvSeq* c = contours; c != NULL; c = c->h_next) {

        //cvDrawContours(imgSrc2, c, CV_RGB(255, 0, 0), CV_RGB(255, 255, 0), 100);
        CvRect rc = cvBoundingRect(c);
        cvDrawRect(imgSrc2, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0));

        if (rc.width < imgSrc2->width / 10 && rc.height < imgSrc2->height / 5) {
            continue;
        }


        IplImage* imgNo = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
        cvSetImageROI(imgSrc2, rc);
        cvCopyImage(imgSrc2, imgNo);
        cvResetImageROI(imgSrc2);
       
        sprintf(szName, "wnd_%d", idx++);
        cvNamedWindow(szName);
        cvShowImage(szName, imgNo);
        cvReleaseImage(&imgNo);
    }
   
    cvNamedWindow("src");
    cvShowImage("src", imgSrc2);

    cvWaitKey(0);

    cvReleaseMemStorage(&storage);
    cvReleaseImage(&imgSrc);
    cvReleaseImage(&imgSrc2);
    cvReleaseImage(&img_gray);
    cvReleaseImage(&img_gray2);

    cvDestroyAllWindows();

    return 0;
}

 

输入图像:



运行结果截图如下:

 

 


车牌识别之字符分割

#include "stdafx.h" #include "cv.h" #include "highgui.h" using namespace std; using name...
  • NCHFGFB
  • NCHFGFB
  • 2017年09月16日 14:12
  • 338

车牌识别 之 字符分割

直接贴代码: #include "stdafx.h" #include "cv.h" #include "highgui.h" using namespace std; using namespa...
  • u014365862
  • u014365862
  • 2016年09月26日 18:24
  • 1199

车牌识别之二:字符分割

车牌识别大概步骤可分为:车牌定位,字符分割,字符识别三个步骤。细分点可以有以下几个步骤: (1)将图片灰度化与二值化 (2)去噪,然后切割成一个一个的字符 (3)提取每一个字符的特征,生成特征矢...
  • sing_sing
  • sing_sing
  • 2010年10月13日 10:58
  • 14880

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: ...
  • u011630458
  • u011630458
  • 2015年02月11日 13:34
  • 17873

基于OpenCV的车牌识别系统之二 ——字符分割与识别

基于OpenCV的车牌识别系统之二——字符分割与识别   车牌定位完之后就是车牌的字符识别,字符识别又分为字符分割和字符识别。字符分割的步骤采用OpenCV中寻找外轮廓函数,并根据字符轮廓在车牌图像上...
  • chengchaopeng520
  • chengchaopeng520
  • 2017年03月24日 16:23
  • 2068

车牌识别之二:字符分割(转载)

|字号 订阅 车牌识别大概步骤可分为:车牌定位,字符分割,字符识别三个步骤。 细分点可以有以下几个步骤: (1)将图片灰度化与二值化 (2)去噪,然...
  • brotherwyz
  • brotherwyz
  • 2013年12月09日 13:13
  • 1119

基于OpenCV的车牌识别系统之三 ——字符分割与识别(川字分割)

先前的博客之中提到要解决车牌字符识别的问题,由于博主在这俩月没有对车牌识别系统进行进一步的研究。也由于自身的C++语言能力不足。但经过两个月的语言能力提升,现在返过来解决这个问题。不多少说题外话了。...
  • chengchaopeng520
  • chengchaopeng520
  • 2017年06月04日 23:20
  • 534

分享:matlab实现车牌字符分割与识别

我喜欢的智慧石资源:matlab实现车牌字符分割与识别
  • zhouhuiyangzhy
  • zhouhuiyangzhy
  • 2014年05月10日 12:35
  • 1657

图像车牌识别(车牌定位与分割部分)

图像车牌识别(车牌定位与分割部分)图像车牌识别关键就是要从图像中准确地定位出车牌的位置,并将车牌部分的图像分割出来。 本文设计了一个简易的车牌识别识别系统,现介绍其车牌定位和分割部分。 在设计中我...
  • u012470083
  • u012470083
  • 2015年03月07日 16:55
  • 4369

【OpenCV学习笔记】【教程翻译】五 (车牌识别之OCR分割)

车牌识别: 车牌识别的第二步主要是提取出车牌中的字符。对于每个被检测出的车牌,我们对车牌进行分割获取每个字符,然后用神经网络机器学习算法实现字符的识别。在这个过程中,我们也可以学习到如何评估一个分类算...
  • u013035197
  • u013035197
  • 2014年10月15日 21:13
  • 2714
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:车牌识别之二:字符分割
举报原因:
原因补充:

(最多只允许输入30个字)