基于OpenCV的车牌识别(1. 车牌图像识别)

本文和下文用于开源项目OpenCV的车牌识别的学习！！！

车牌识别的过程可分为四步：1）车牌图像切割；2）车牌图像分类；3）车牌字符切割；4）车牌字符分类；

1）车牌图像切割： 

a.将原图转化为灰度图，可去除多通道产生的外界噪声；

b. sobel滤波 ，车牌分割的一个重要特征是车牌中的垂直边缘比较多，为了提取垂直边缘，采用sobel一阶垂直方向导数；

c. 阈值化处理，应用一个OSTU法自动获取阈值滤波器来获得一个二值图像；

d. 闭运算形态学 ，连接含有边缘数量很多的所有区域，删除边缘之间的空白区域，将车牌区域连接起来;

e. 漫水填充， 所有的车牌都有统一的背景颜色。使用漫水填充算法来获取旋转矩阵的精确修剪。漫水填充函数用颜色把连通区域填充到掩码图像，填充从种子开始。填充的像素点都是与种子点进行比较，如果像素值为x，seed-low<=x<=seed+up，则该位置将被填充。一旦得到了用来剪切的掩码图像，进而可得到掩码图像点的最小外接矩形，再次检查矩形大小。对于每一个掩码，白色像素获得位置用minAreaRect函数重新得到最相近的修剪区域；

f. 仿射变换，用来去掉检测矩形区域的旋转；

g. 提取矩形；

h. 调整为统一大小，直方图均衡化，提取的矩形图像不能很好的在训练和分类中使用，因为他们没有相同的大小。并且，每个图像包含不同的光照条件，增加了他们之间的差别。

/* imageSlicer.cpp */

#include <iostream>
#include <opencv2/opencv.hpp>
#include <time.h>

using namespace std;
using namespace cv;

//筛选旋转矩形的面积和宽高比
bool areaDetection(RotatedRect rectArea)
{
	float error = 0.4;//允许错误率
	const float width_height = 4.7272;//获得西班牙车牌的宽高比 57200

	int min_area = 25 * 25 * width_height;//获得允许矩形的最大最小面积
	int max_area = 100 * 100 * width_height;

	float min_value = width_height*(1 - error);//获得允许矩形的最大最小宽高比 1.890-6.6180
	float max_value &#