车牌识别的第一步自然是想办法把车牌从一张图片中提取出来,也就是所谓的车牌定位。目前方法有很多,这里采用的是基于边缘检测的车牌定位方案。
一般来说由于车牌区域有车牌字符的存在,所以会有相当丰富的边缘信息,所以可以求取车牌的边缘图像,然后把所有分布密集的边缘聚合在一起就可以得到一些候选区域,而这些候选区域中就应当包含有我们要找的车牌区域,这时候只要再通过候选区域的长宽比,颜色等信息就可以找到车牌了。
测试源图像如下:
1.彩色图转灰度图
首先要把RGB彩色图像转为灰度图像,OpenCV自带库函数
void cvCvtColor( const CvArr* src, CvArr* dst, int code );
一行直接搞定,其中src表示输入的源彩色图像,dst存放输出的灰度图像,code选CV_RGB2GRAY得到灰度图像
灰度图
2.对比度增强
对比度增强这一步是为了让图像中的边缘更加明显。这里采用基于顶帽变换和底帽变换的方法来增强对比度。即:
enhanced(g)=g+Tophat(g)−Bothat(g)
其中, g表示源图像,Tophat(g)表示对 g的顶帽变换,Bothat(g)表示对 g的底帽变换,enhanced(g)表示对比度增强后的图像。
无论顶帽变换还是底帽变换都可以用OpenCV中的morphologyEx函数实现。主要代码和结果如下。
Mat tophat,blackhat; //分别用于保存顶帽变换和底帽变换后的图像 Mat element =
getStructuringElement(MORPH_RECT, Size(15, 15)); morphologyEx(temp,
tophat, MORPH_TOPHAT, element, Point(-1, -1)); //这里的temp是源图像
morphologyEx(temp, blackhat, MORPH_BLACKHAT, element, Point(-1, -1));
add(temp, tophat, temp); subtract(temp, blackhat,temp);
对比度增强后的灰度图