车牌检测--master opencv

自动车牌识别（Automatic Number Plate Recognition,ANPR),使用一种光学字符识别（O菩提差了Character Recognition, OCR)和其他方法（如图像分割与检测）来获取车辆牌照的监控方法。
对于一个ANPR系统，最好的是使用一个红外（IR）摄像机来获得车辆牌照，因为在分割这一步，对检测和OCR分割很简单、干净，误差小。这由光学的一下基本原理决定的。光滑表面，入射角等于反射角，但是粗糙的表面则是导致反射的漫射或者散射。多数车牌还有一个成为回射的特性，如下图所示。这里我们使用普通的图像。

ANPR有两个主要步骤：车牌检测与车牌识别。前者的目的是在整个视频中检测到车牌的位置。当在图像中检测到车牌时，分割的车牌被传到第二个步骤，即车牌识别，它用OCR算法来识别车牌上的字母和数字。

上图展示了项目的整个步骤，下面还将定义模式识别中的三个额外的步骤。
1).分割：检测并裁剪图像中每个感兴趣的块/区域。
2).特征提取：对字符图像集的每个部分进行提取。
3).分类：这一步会从车牌识别那一步的结果中得到每个字符，或从车牌检测那一步中将所得图像块分为“是车牌”或“不是车牌”。
该步骤如下：

一，车牌检测
这一步分为两步：图像分割和对分割的图像进行分类。
图像分割：使用各种滤波器、形态学算子，以及轮廓算法验证所获取图像中有车牌的部分。
图像分类：对每个图像块（即特征）采用支持向量机作为分类器进行分类。
车牌检测的整个过程如下：
1. sobel滤波器
2. 阈值算子
3. 闭形态学算子
4. 一个填充区域掩码
5. 用红色标记（特征图像中）可能检测到的车牌
6. 在执行SVM分类器后检测车牌

车牌分割有一个重要的特征：假定从汽车前面拍摄图像，会在车牌上有大量竖直边。可用来删除没有任何竖直边的区域。

主要步骤的结果：

原图像

sobel 图像

阈值化图像

闭操作图像

最后分割的图片，包括车牌区域与非车牌区域。

这里使用裁剪代码将检测的区域裁剪出来：

//针对每个检测区域，用一个向量来存储裁剪的图像与它的位置。
stringstream ss(stringstream::in | stringstream::out);
ss << "e:/opencvcodetext/ANPR/img"<< "_" << i << ".jpg";
imwrite(ss.str(), grayResult);

裁剪之后的图片：

二、SVM训练文件

在预处理和分割完图像之后，需要决定每部分是不是车牌号，可使用支持向量机（support vector machine，SVM）来分类车牌号与非车牌号。

在开始分类之前，需要训练分类器，这里主要使用图像的像素特征来训练分类器。当然还有其他一些更好的图像特征，比如说，主成分分析PCA， 傅里叶变换，纹理分析等。为了处理方便，可将用于训练和测试的所有图像数据保存到XML文件中。

得到SVM训练文件：

#include "cv.h"
#include "highgui.h"
#include "opencv.hpp"
#include "stdio.h"
#include "stdlib.h"

using namespace cv;
using namespace std;

int main()
{
    Mat SVM_TrainningData;
    Mat SVM_Classes;

    int numPlates = 75 ;  //正样本数量，书本的正样本数量，但是我实验时设为1
    int numNoPlates = 35; //负样本数量，书本的正样本数量，但是我实验时设为2
    int imageWidth = 144;
    int imageHeight = 33;
    char *path_Plates = "E:\\ANPR\\plates\\";   //正样本路径
    char *path_NoPlates = "E:\\ANPR\\noplates\\";  //负样本路径

    Mat trainningImages;