车牌识别（二）根据车牌背景颜色二值化

最新推荐文章于 2024-01-09 12:27:46 发布
最新推荐文章于 2024-01-09 12:27:46 发布
阅读量4.8k 收藏 9
点赞数
分类专栏： 车牌识别

一般的车牌，背景颜色都是蓝低，那么我们可以根据这一特色，分角出蓝色区分，有蓝色的变为白色，其它颜色通通变为黑色。

#include <stdio.h>
#include <stdlib.h>
#include <string.h>

typedef unsigned long       DWORD;
typedef int                 BOOL;
typedef unsigned char       BYTE;
typedef unsigned short      WORD;
typedef float               FLOAT;
typedef unsigned char       byte;

#define max(a,b)            (((a) > (b)) ? (a) : (b))
#define min(a,b)            (((a) < (b)) ? (a) : (b))

//BMP图像结构
struct BMP_img
{
    //{BMP头
    BYTE  bfType[2];//类型，判断是否为‘B’,‘M’
    DWORD size;//文件尺寸
    DWORD reser;//保留，为0
    DWORD header_length;//头部长度，也就是数据起始位置
    //}BMP头长度，14字节

    //{信息头40字节
    DWORD infoheader_length;//信息头长度,40
    DWORD width;//图像宽度
    DWORD height;//图像高度
    WORD  biplanes;//颜色平面数，为1
    WORD  bmp_type;/* 8bit 24bit; */
    DWORD compres;//0表示不压缩
    DWORD datasize;//数据长度，size-54
    DWORD bixpm;//水平分辩率
    DWORD biypm;//垂直分辩率
    DWORD clrused;//为0所有颜色，其它的为索引数
    DWORD relclrused;//0表示都重要
    //}信息头结束

    //其它信息
    BYTE *image;//指向一块内存，保存BMP的内容
    DWORD lineBytes;//一行占多少字节
};

//蓝色车牌
struct HSV{
  float H;//H值范围：190 ~ 245
  float S;//S值范围： 0.35 ~ 1，我理解为黑白灰度
  int V;//V值范围： 0.3 ~ 1
};

//文件图文件到内存中
int read_img(char const *fn, struct BMP_img *img)
{
    FILE *infile;
    if((infile=fopen(fn,"rb"))==NULL)return 0;

    fread(&img->bfType,2,1,infile);//BM
    if(!(img->bfType[0]=='B' && img->bfType[1]=='M'))return 0;
    fread(&img->size,sizeof(DWORD),1,infile);
    printf("\nBMP size             :%d",(int)img->size);
    fread(&img->reser,sizeof(DWORD),1,infile);
    printf("\n保留位:");
    fread(&img->header_length,sizeof(DWORD),1,infile);
    printf("\nheader length    :%d",(int)img->header_length);
    fread(&img->infoheader_length,sizeof(DWORD),1,infile);
    fread(&img->width, sizeof(DWORD), 1, infile);
    fread(&img->height, sizeof(DWORD), 1, infile);
    printf( "\nwidth   :%d\n  height  :%d ", (int)img->width, (int)img->height);
    fread(&img->biplanes, sizeof(WORD), 1, infile);
    fread(&img->bmp_type, sizeof(WORD), 1, infile);
    printf("\nBMP Tpye             :%d ", img->bmp_type);
    fread(&img->compres, sizeof(DWORD), 1, infile);
    if(img->compres==0) {printf("\nbmp图片为非压缩!");}printf(" ");
    fread(&img->datasize, sizeof(DWORD), 1, infile);
    printf("\nBMP Data Size        :%d ",(int)img->datasize);
    fread(&img->bixpm, sizeof(DWORD), 1, infile);
    fread(&img->biypm, sizeof(DWORD), 1, infile);
    fread(&img->clrused, sizeof(DWORD), 1, infile);
    printf("\n实际使用颜色数=%d ",(int)img->clrused);printf(" ");
    fread(&img->relclrused, sizeof(DWORD), 1, infile);

    if(img->bmp_type==24)//24位色，这里只考虑24位色图，其它的不考虑
    {
        img->lineBytes=((img->width*3+3)>>2)<<2;//计算一行需要多少字节，对齐到4字节

        //byte *temp=(byte *)malloc(sizeof(byte) * img->height * img->lineBytes);//分配一块内存，用于读文件
        img->image=(byte *)malloc(img->lineBytes*img->height);//分配一块内存，用于保存图像数据
        if(img->image==NULL) fprintf(stderr, "\n Allocation error for temp in read_bmp() \n");
        fseek(infile, img->header_length, SEEK_SET);//跳过头部，也就是跳到图像位置
        fread(img->image, sizeof(byte), (img->lineBytes)*img->height, infile);//全部读到内存中
    }
    fclose(infile);
    return 1;
}

void WriteBmp1(char const *fn,byte *bmp,int width,int height)
{
    int w4;
	struct BMP_img img;
	//一行有多少个字节
	img.lineBytes=((width*3+3)>>2)<<2;//对齐到4字节边界
	w4=img.lineBytes*height;//图像尺寸
    img.bfType[0]='B';img.bfType[1]='M';
    img.size=w4+54;
    img.reser=0;
    img.header_length=54;
    img.infoheader_length=40;
    img.width=width;
    img.height=height;
    img.biplanes=1;
    img.bmp_type=24;
    img.compres=0;
    img.datasize=w4;
    img.bixpm=0;
    img.biypm=0;
    img.clrused=0;
    img.relclrused=0;
    
    FILE *infile;
    if((infile=fopen(fn,"wb"))==NULL)
    {
        return;
    }
    fwrite(&img.bfType,2,1,infile);//printf("\n打开的图为 %d",img->bfType);//B M
    fwrite(&img.size,sizeof(DWORD),1,infile);     //        printf("\nBMP size             :%l",img->size);
    fwrite(&img.reser,sizeof(DWORD),1,infile);//printf("\n保留位:");
    fwrite(&img.header_length,sizeof(DWORD),1,infile); //printf("\nheader length    :%l",img->header_length);
    fwrite(&img.infoheader_length,sizeof(DWORD),1,infile);
    fwrite(&img.width, sizeof(DWORD), 1, infile);
    fwrite(&img.height, sizeof(DWORD), 1, infile);     //printf( "\nwidth   :%l\n  height  :%l ", img->width, img->height);
    fwrite(&img.biplanes, sizeof(WORD), 1, infile);
    fwrite(&img.bmp_type, sizeof(WORD), 1, infile);  // printf("\nBMP Tpye             :%l ", img->bmp_type);
    fwrite(&img.compres, sizeof(DWORD), 1, infile);    //if(img->compres==0) {printf("\nbmp图片为非压缩!");}printf(" ");
    fwrite(&img.datasize, sizeof(DWORD), 1, infile);//printf("\nBMP Data Size        :%l ",img->datasize);
    fwrite(&img.bixpm, sizeof(DWORD), 1, infile);
    fwrite(&img.biypm, sizeof(DWORD), 1, infile);
    fwrite(&img.clrused, sizeof(DWORD), 1, infile);    //printf("\n实际使用颜色数=%d ",img->clrused);printf(" ");
    fwrite(&img.relclrused, sizeof(DWORD), 1, infile);
    
    byte *wbmp=(byte*)malloc(w4);
    for(int i=0,s,w;i<height;i++)
    {
		s=i*width;
		w=i*img.lineBytes;
        for(int j=0;j<width;j++)
        {
            if(bmp[s+j]){
                wbmp[w+j*3]=wbmp[w+j*3+1]=wbmp[w+j*3+2]=255;
            }
            else wbmp[w+j*3]=wbmp[w+j*3+1]=wbmp[w+j*3+2]=0;                
        }
    }
    fwrite(wbmp,img.datasize,1,infile);
    free(wbmp);
    fclose(infile);
}

//把RGB数据转换成HSV空间图像数据
//输入，图像，HSV倍象素，宽，高
void hsvzation(byte *image,struct HSV *hsv,int width,int height)
{
    int i,j,k;
    DWORD l,lk;
    //float min,max,delta,tmp;//h,s,v,m,n;
    int min,max,delta,tmp;
    byte r,g,b;
    for(i=0;i<height;i++)
    {
        l=i*width;
        for(k=0,j=0;j<width*3;k++,j+=3)
        {
            lk=l+k;
            g=image[l*3+j+1];
            b=image[l*3+j];
            r=image[l*3+j+2];

            tmp=min(r,g);//取3者最小值
            min=min(tmp,b);

            tmp=max(r,g);//取3者最大值
            max=max(tmp,b);
            hsv[lk].V=max;//V保存三者最大值
            delta=max-min;//保存最大值与最小值的差
            if(delta==0)//如果3值相等
            {
                hsv[lk].H=0;
                hsv[lk].S=0;//这句是我加的
                continue;
            }

            //如果三值依次是100，150，200，则.S=100/200=0.5
            //如果三值依次是0，50，100，则为1
            //如果三值依次是99,99,100，则为0.01
            //意思就是三值越接近，此值越小，越不接近，此值越大
            //应该是指颜色灰度
            hsv[lk].S=(float)delta/max;

            if(r==max)//如果红色为最大值,说明当前点的颜色偏红
            {
                //如果三值依次为200，150，100，则.H=50/100=0.5
                //如果三值依次为100，50，0，则.H还是0.5
                //如果三值依次为：100,99,99，则为0
                //如果为100，0，100，则为-1
                //可以看出，蓝色与绿色越接近，趋向0，否则为趋向+-1
                hsv[lk].H=(g-b)/(float)delta;//tmp;
            }
            else if(g==max)//如果绿色为最大值
                hsv[lk].H=2+(b-r);//没看懂,取值范围-253~255
            else//蓝为最大值
            {
                //和红色最大一样的，[-1,0],[0-1]，加上4后，变成【3,5]
                hsv[lk].H=4+(r-g)/(float)delta;//
            }
            //-1~1 *60=-60~60
            //-253~257,*60=-15180~15420之间
            hsv[lk].H*=60;//(3,5)*60=[180,300]
            
            //可以看到，当其值为【-60，0）时，加上360=【300，360）区间
            //至于那个-15180多的那种结果，加上360也不管用
            if(hsv[lk].H<0)
                hsv[lk].H+=360;//
            //value=(int)(h+0.5);
        }
    }
}

//根据车牌蓝色范围，二值化车牌
void location(byte *image,int width,int height,int yuzhi,int *HL,int *HH,int *VL,int *VH)
{
    int i,j,n;
    struct HSV *hsv;//float,float,int
    byte *temp1;
    hsv=(struct HSV *)malloc(sizeof(struct HSV)*width*height);//分配HSV倍图像像素大小
    hsvzation(image,hsv,width,height);//根据RGB，计算出HSV的值

    //再分配一块内存，像素个
    temp1=(byte *)malloc(sizeof(byte)*height*width);

    for(i=0;i<height;i++)//循环高度
    {
       for(j=0,n=0;j<width;n+=3,j++)//循环宽度
        {
           if((hsv[i*width+j].H<230.0)&&(hsv[i*width+j].H>180.0)&&(hsv[i*width+j].V<250)&&(hsv[i*width+j].S>0.6))
           {
               temp1[i*width+j]=255;//为白色
           }
           else//为黑色
           {
               temp1[i*width+j]=0;
           }
       }
    }//可以看到，本循环的意思就是把原始图像，黑白化，满足条件为白，否则通通为黑
    
    //写入镜像后的数据到2.bmp中
    WriteBmp1("2.bmp",temp1,width,height);
        
    free(temp1);
    temp1=NULL;
    free(hsv);
}

int main(int argc, char **argv)
{
    struct BMP_img img;//定义结构
    int HL=0,HH=0,VH=0,VL=0;

    //把当前文件夹下的1.bmp文件内容，读到img结构中，并上下镜像
    if(read_img("1.bmp", &img)==0)
    {
        printf("error");
        return 0;
    }
    
    location(img.image,img.width,img.height,15,&HL,&HH,&VL,&VH);//根据蓝底找到车牌所在位置
    
    free(img.image);//释放动态分配的内存
    
    printf("请打开2.bmp进行查看\n");
    system("pause");
    return 0;
}

原始图片是这样的

转换后的图片，变成这样了。。。

到此，车牌识别第1步成功完成！

乘简
关注
专栏目录
二值化车牌字符
01-24
在车牌识别系统中，二值化是预处理步骤的关键环节。它通过设定一个阈值，将图像中的像素点分为黑色（低于阈值）和白色（高于或等于阈值）两类，这样可以增强字符与背景的对比度，简化图像结构，降低后续处理的复杂性...
车牌识别之预处理（灰度化，去噪，二值化，分割）
热门推荐
NewDay_的博客
04-11 1万+
灰度化 灰度即R=G=B 二值化只取255 0 对图片进行灰度化处理，目的是 1 减少数据量 （减少不明显） 2 为二值化准备 对数据进行灰度发现数据量减少并不明显 尤其是 最大 和 平均 灰度法 权重法数据量减少明显 但是权重不容易处理（权重需要自己去调整到自己想要的） python 二值化代码 1. 使用cv2方法(注意cv2读取图片是BGR通道,保存的图片时单通道) def gray_cv(img): img2 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
opencv-python车牌颜色判断
Aiden_yan的博客
07-04 3924
在截取出车牌区域之后，我们需要判断车牌是什么颜色。 我的思路是：根据不同颜色的hsv阈值取掩膜，掩膜得到的白色像素值最大的就是对应的颜色。 取hsv颜色的阈值参考我之前的博客：Opencv+python打开摄像头或对图片拖动滑动条取颜色阈值 主要区分3种颜色的车牌：蓝色、黄色和绿色。 得到的阈值如下： lower_blue = np.array([100, 43, 46]) upper_blue = np.array([124, 255, 255]) lower_yellow = np.array([15
图像识别算法研究(1)---二值化概述
cike110120的专栏
01-29 7122
我们遇到的识别图片，经常被认为的加入杂色干扰，形成一个浓淡分布不均的多值图像。把这样一幅多灰度值的图像(Gray Level Image)转化为只有黑(前景文字部分)白(背景部分)分布的二值图像(Binary Image)的工作叫做二值化处理(Binariztion)。对于一般256级灰度的灰度图，0级灰度对应于黑色，255级对应于白色。二值化后0对应于黑色前景文字，1对应于白色背景。   
【图像处理】简单的车牌识别
小昊同学
05-25 9409
前段时间刚刚把毛星云的OpenCV大体上过完了一遍，所以找了个图像处理的小项目练练手。 研一的时候做过车牌识别的小demo，当时对图像处理的一些方法的理解还不是很深刻。 在网上浏览学习了以后，参考学习了图像处理基本算法 车牌识别与定位这篇博客的思路，然后自己编程实现，具体的思路函数大概和前面的物资识别差不多： 1、车牌识别只能针对部分蓝色车牌识别成功，其他颜色的车牌会陆续优化整理的 由于蓝...
图像的二值处理
吃葡萄不吐葡萄皮
06-27 1849
【代码】图像的二值处理。
车牌识别定位车牌二值化
11-08
在车牌识别中，二值化能有效地消除背景干扰，使车牌区域更加明显。C#中可以使用OpenCV库的Threshold函数进行二值化操作，根据图像的灰度阈值将其转换为黑白两色。 五、图像预处理 预处理包括去噪、增强对比度、直方...
myImageDemo.zip_java 车牌定位_定位_灰度化二值化_车牌定位 java
07-14
在车牌识别中，二值化有助于突出目标物体（车牌），减少背景干扰，便于后续的边缘检测和轮廓提取。 4. **边缘检测**： 边缘检测是图像处理的关键步骤，用于识别图像中的边界。常见的边缘检测算法有Sobel、Canny、...
matlab.rar_matlab车牌识别_车牌抽取程序_车牌颜色识别
09-24
这可能包括灰度化（将彩色图像转换为灰度图像）、直方图均衡化（增强图像对比度）、二值化（将图像转换为黑白两色调）以及平滑滤波（如高斯滤波）等操作。 2. **车牌定位**：此阶段的目标是精确地从背景中提取出...
毕业设: 基于颜色和BP神经网络的车牌识别
02-08
二值化则将图像分为前景（车牌）和背景，常用的方法有全局阈值、自适应阈值等。 2. **颜色分割**：利用车牌的颜色特性进行分割。车牌通常具有特定的颜色，如蓝色、黄色、白色等。我们可以构建颜色直方图模型，通过...
复杂背景下的车牌图像二值化
05-19
对预处理后的二值汽车图像采用从下至上的逐行扫描方式来进行车牌区域的粗定位，粗略分割出可能含有车牌的矩形区域
车牌识别中二值化方法的研究
02-07
考虑到关照变化以及定位出的车牌周边环境和自身干扰等因素，提出车牌识别中二值化方法的研究
java 求集合平均数_图像二值化方法介绍（转载学习）
weixin_29147045的博客
03-05 199
ImageJ中图像二值化方法介绍概述二值图像分析在对象识别与模式匹配中有重要作用，同时也在机器人视觉中也是图像处理的关键步骤，选择不同图像二值化方法得到的结果也不尽相同。本文介绍超过十种以上的基于全局阈值的图像二值化方法，其中最大值为255表示白色， 0 表示黑色，H表示图像直方图。imageJ重要开源分支Fiji中已经实现了全局自动阈值16种方法。ImageJ演示首先来看一下原图，是一张人体细胞...
图像二值化处理(全局阈值 自适应阈值 手动阈值操作以及直方图画法)
m0_60447786的博客
08-07 1万+
图像二值化处理(全局阈值 自适应阈值 手动阈值操作以及直方图画法)
opencv 十 提取车辆照片中的车牌区域(基于颜色特征)
m0_74259636的博客
02-26 1791
基于基于颜色特征多个图像提取车辆照片中的车牌区域，保证算法的通用性和算法效果稳定。需要对车牌的颜色和颜色空间有所了解。现有知识信息如下： 1、车牌的场景颜色为为蓝色、黄色和绿色 2、HSV颜色空间的H分量就是描述颜色值 3、车牌的颜色在车辆照片中是较为显著的 最终实现对各种颜色车牌的提取
蓝绿黄车牌识别（附Python代码）
weixin_44376052的博客
02-02 4828
首发于https://juejin.cn/post/6924213303124164621，转载注明出处 GitHub https://github.com/KinghooWei/LicensePlateRecognition 开门见山啦，记得star一下呀 最终效果图 汽车图片来源于网络 设计思路 项目的编程环境为python3.7.7，编译器使用pycharm2019.3.4 x64，设计一个车牌识别系统，有GUI界面。选择一张有车牌的图片后，完成车牌定位、倾斜校
颜色空间转换及切割车牌(python)
junseven164的博客
12-04 832
如愿一、前置准备二、颜色空间转换2.1 转为灰度图片三、切割车牌四、总结五、参考资料 一、前置准备 软件及使用库 python 3.8.12 opencv 3.4.11 图片 二、颜色空间转换 2.1 转为灰度图片 导包及文件路径 #文件路径 #导入相关包 import cv2 import numpy as np source_path="..\\source\\picture\\lena.jpg" 直接读取为灰度图片 #使用opencv #直接读取灰度图片 cv_read=cv
SVM+opencv实现车牌识别（含完整代码）
最新发布
yangshejun的博客
01-09 3597
利用OpenCV基础知识实现车牌识别注：本文会将代码逐条分解，若觉得easy的可直接跳到最后，看如何在自己电脑上运行。# plt显示彩色图片，cv2与plt的图像通道不同：cv2为[b,g,r];plt为[r, g, b]plt.show()# plt显示灰度图片plt.show()# 高斯滤波并且转化为二值图像。
车牌识别（六）灰度图二值化
zwf888的专栏
08-04 3042
再次把灰度图，转成二值图像，用于比较。。。 #include &lt;stdio.h&gt; #include &lt;stdlib.h&gt; #include &lt;string.h&gt; typedef unsigned long DWORD; typedef int BOOL; typedef unsigned char ...
车牌二值化优化与MATLAB车牌识别系统研究
字符切分是车牌识别流程中的核心步骤，它涉及图像预处理中的二值化、倾斜校正和字符分割。首先，对图像进行二值化处理，这是将灰度图像转化为只有两种颜色（黑色和白色）的图像，便于后续处理。二值化的目的是为了...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值