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:
首先也是选择将图像进行灰阶,然后采用以255一遍开始,取占了总pixel为5%的地方作为阀值,进行二值化。 代码如下:
#include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <math.h> #include <string.h> #include <opencv/cv.h> #include <stdio.h> #include "lib/normal.h" #include "lib/cutchar.h" #define DEBUG #ifdef DEBUG #define DE(format, ...) printf(format, ## __VA_ARGS__) #else #define DE(format, ...) while(0) #endif int main(int argc, char** argv){ Mat img, img_2, img_3, img_4, img_5, img_w; IplImage pI_1; IplImage pI_2; int width, reWidth=30, wWidth=20, pic_width; int height, reHeight=100, wHeight = 20; char str[2]; int i = 0, j = 0, k; int threshold = 0, pic_ArrNumber, tmp; int vArr[reHeight]; int **pic_Arr; CvScalar s1; float percentage = 0.0; if(argc < 2){ DE("Please input argv[1]\n"); return -1; } img = cv::imread(argv[1]); namedWindow(str); imshow(str, img); width = img.rows; height = img.cols; pic_gray(img, img_2); threshold = histogram_Calculate(img_2, 5); DE("threshold:%d\n",threshold); pic_Thresholding(img_2, threshold); sprintf(str, "%d", i+1); namedWindow(str); imshow(str, img_2); waitKey(0); return 0; }
首先装载截取出来的车牌号图片到img,然后pic_gray进行灰阶化到img_2,接着计算出5%时候的pixel阀值threshold,最后对灰阶图像img_2进行二值化操作。 结果显示如下:
从图片和周围,我们知道车牌号的四周被白色的边框包围着,所以我们需要排除掉这部分干扰,这里我们首先来去除掉边框的上线边缘干扰。 代码如下:
int detectionChange(Mat& mat1, Mat& mat2, int number){ IplImage pI_1 = mat1, pI_2; CvScalar s1, s2; int width = mat1.rows; int height = mat1.cols; int sum = 0, sum_2 = 0, width_1 = 0, width_2 = 0; int i, j; for(i=0; i<width; i++){ sum = 0; sum_2 = 0; for(j=0; j<height-1; j++){ s1 = cvGet2D(&pI_1, i, j); s2 = cvGet2D(&pI_1, i, j+1); if(((int)s1.val[0]) != ((int)s2.val[0])){ sum += 1; sum_2 = 0; }else{ sum_2 += 1; } if(sum_2 != 0){ if(height / sum_2 < 5){ sum = 0; break; } } } if(sum >= number){ width_1 = i; break; }else{ width_1 = i; } } for(i=width-1; i> 0; i--){ sum = 0; sum_2 = 0; for(j=0; j<height-1; j++){ s1 = cvGet2D(&pI_1, i, j); s2 = cvGet2D(&pI_1, i, j+1); if(((int)s1.val[0]) != ((int)s2.val[0])){ sum += 1; sum_2 = 0; }else{ sum_2 += 1; } if(sum_2 != 0){ if(height / sum_2 < 1){ sum = 0; break; } } } if(sum >= number){ width_2 = i; break; }else{ width_2 = i; } } if(width_2 <= width_1){ width_2 = width; } mat2 = cv::Mat(width_2 - width_1 + 1, height, CV_8UC1, 1); pI_2 = mat2; for(i=width_1; i<= width_2; i++){ for(j=0; j<height; j++){ s1 = cvGet2D(&pI_1, i, j); cvSet2D(&pI_2, i-width_1, j, s1); } } } int main(int argc, char** argv){ pic_Thresholding(img_2, threshold); sprintf(str, "%d", i+1); namedWindow(str); imshow(str, img_2); detectionChange(img_2, img_3, 7); sprintf(str, "%d", i+2); namedWindow(str); imshow(str, img_3); waitKey(0); return 0; }
重点就是函数detectionChange,在这个函数中主要是进行那个判断,首先判断一行中,是否有连续的255像素大于了一定该行宽度的一定比例, 正常的牌照单个字符,它的字符宽度肯定小于整个车牌宽度的1/6;然后还判断一行中pixel从0到255或者从255到0的跳变有没有大于一定的数量,在 车牌号所在的行中,该跳变至少是7次。 detectionChange中首先将img_2从头开始扫描,找到车牌号真正开始的行头。然后反过来,从尾部开始扫描,找到车牌字符真正结束时候的尾部。 最后将这部分图像,复制到img_3中。 图像结果显示如下:
经过如上之后,接着就是根据车牌图片的垂直投影宽度和积累的数值,进行字符分割。 具体代码如下:
void verProjection_calculate(Mat& mat1, int* vArr, int number){ IplImage pI_1 = mat1; CvScalar s1; int width = mat1.rows; int height = mat1.cols; int i, j; for(i=0; i< number; i++){ vArr[i] = 0; } for(j=0; j<height; j++){ for(i=0; i<width; i++){ s1 = cvGet2D(&pI_1, i, j); if(s1.val[0] > 20){ vArr[j] += 1; } } } } int** verProjection_cut(int* vArr, int width, int* number){ int **a; int i, flag = 0; int num = 0; int threshold = 2; a = (int**)malloc(width / 2 * sizeof(int*)); for(i=0; i<width-1; i++){ if((vArr[i] <= threshold) && (vArr[i+1] > threshold)){ a[num] = (int* )malloc(2 * sizeof(int)); a[num][0] = i; flag = 1; }else if((vArr[i] > threshold) && (vArr[i+1] <= threshold) && (flag != 0)){ a[num][1] = i; num += 1; flag = 0; } } *number = num; return a; int main(int argc, char** argv){ int width, reWidth=30, wWidth=20, pic_width; int height, reHeight=100, wHeight = 20; ................ carCard_Resize(img_3, img_4, reWidth, reHeight); pic_Thresholding(img_4, 60); pI_1 = img_4; verProjection_calculate(img_4, vArr, reHeight); pic_Arr = verProjection_cut(vArr, reHeight, &pic_ArrNumber); for(i=0; i< pic_ArrNumber; i++){ printf("pic_Arr[%d]:%d, %d\n", i, pic_Arr[i][0], pic_Arr[i][1]); } sprintf(str, "%d", i+3); namedWindow(str); imshow(str, img_4); waitKey(0); return 0; }
这一步中,首先将消除了上下边缘的img_3,放大保存到img_4(reWidth=30,reHeight=100),接着将放大后图片img_4从新以阀值60来二值化,接着用 verProjection_calculate计算出img_4的垂直投影数据,保存到一维数组vArr中;然后verProjection_cut函数利用垂直投影数据vArr来分割出字符宽度。 在verProjection_cut中,到某一列的垂直投影数据小于等于2,就表示该位置不是字符。 打印出来的字符分割宽度位置和图像表现如下:
在宽度分割出来之后,就可以在img_4上将对应的字符图片分割复制出来,然后在排除掉左右两边的边缘干扰和车牌的中间那一点的干扰,就获取到了合适的 车牌字符图片了。对应代码如下:
float pixelPercentage(Mat& mat1){ IplImage pI_1 = mat1; CvScalar s1; int width = mat1.rows; int height = mat1.cols; int i, j; float sum = 0, allSum = 0, tmp; for(i=0; i<width; i++){ for(j=0; j<height; j++){ s1 = cvGet2D(&pI_1, i, j); if(s1.val[0] > 20){ sum += 1; } allSum += 1; } } tmp = sum / allSum; return tmp; } int main(int argc, char** argv){ ...................... verProjection_calculate(img_4, vArr, reHeight); pic_Arr = verProjection_cut(vArr, reHeight, &pic_ArrNumber); for(i=0; i< pic_ArrNumber; i++){ pic_width = pic_Arr[i][1] - pic_Arr[i][0]; if(pic_width < 3){ continue; } img_5 = cv::Mat(reWidth, pic_Arr[i][1] - pic_Arr[i][0], CV_8UC1, 1); pI_2 = img_5; for(j=0; j<reWidth; j++){ for(k=pic_Arr[i][0]; k<pic_Arr[i][1]; k++){ s1 = cvGet2D(&pI_1, j, k); cvSet2D(&pI_2, j, k-pic_Arr[i][0], s1); } } percentage = pixelPercentage(img_5); if(percentage < 0.1){ continue; } if(pic_width < 6){ printf("the %d is 1\n", i); continue; } carCard_Resize(img_5, img_w, wWidth, wHeight); pic_Thresholding(img_w, 60); sprintf(str, "%d", i+10); namedWindow(str); imshow(str, img_w); } sprintf(str, "%d", i+3); namedWindow(str); imshow(str, img_4); waitKey(0); return 0; }
在代码中,首先计算出分割出来的字符宽度pic_width,如果宽度小于3,表示不是正常的车牌字符,将该图片排除掉。如果满足大于2,则将分割字符图片 复制到img_5中,然后使用函数pixelPercentage计算出img_5中图片255的pixel占了总像素比例的比值,如果小于0.1,则表示该图像是车牌中的那个点。那么该 图片也排除掉,接着再宽度判断,如果宽度大于2而小于6,则表示该图片应该是1,因为1的垂直投影和其他字符相比,相差很多(注意:该方法很容易导致左右 边沿也被检测成了1)。最后在一次将筛选分割出来的字符img_5,归一化为wWidth=20,wHeight = 20的img_5,在以60为阀值的二值化后,将它们分别显示出来。 最后的显示效果如下:
使用该方法做的效果并不好,如下是一些效果演示:
在这图片中,因为1之前已经判断筛选了,所以不会显示出1。
如图所示,该图片的效果就很差。
代码下载位置:http://download.csdn.net/detail/u011630458/8440123
原文地址:http://blog.csdn.net/u011630458/article/details/43733057