资源描述:
《基于halcon的车牌的图像识别_整理讲述》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、基于halcon的车牌的图像识别 其实车牌图像识别从技术上已经比较成熟,从理论上来说无外乎就是如下几个步骤: 灰度化:实际就是对原始车牌图片进行预处理,把彩色图片转化为黑白图片,然后对不符合指定阙值范围的灰度值进行过滤。 车牌定位:这是技术难点之一,根据我的经验,定位车牌位置对于车牌的准确识别而言实际上就成功了60%。很多车牌识别的产品都对车牌的定位预留了很多配置参数,例如截取原始图片的位置参数、车牌的长宽比例、大小等等,这些都是为了提高车牌定位的准确率。 字符分割:车牌定位后是字符分割,本人使用的识别过程是:对定位的车牌位置进行降噪处理=>
2、边界模糊=>从右向左找出前6个封闭的图形=>剩余的封闭图形综合为一个图形进行汉字的识别。 字符识别:就是根据字符模板进行模板匹配,因此需预先建立相应的字符模板。基于图像进行字符识别也可配置很多参数来大大提高字符的识别率。例如限定车牌头的字符,车牌各位字符的识别优先级等等。 以下通过大车黄牌号码为例,看看车牌识别的效果。 1、原始图片如下图所示: 2、限定车牌识别区域,本例中将裁剪掉上下左右各10%的区域: get_image_pointer1 (FullImage, Pointer, Type, Width, Height)gen_recta
3、ngle1 (Rectangle, Height*0.1, Width*0.1, Height*0.9, Width*0.9)reduce_domain (FullImage, Rectangle, Image) 看看裁剪结果: 3、把选中的区域灰度化,方便后续处理:decompose3 (Image, Red, Green, Blue)trans_from_rgb (Red, Green, Blue, Hue, Saturation, Intensity, 'hsv') 灰度化后的效果图: 4、灰度阙值过滤,本例中只选中灰度值在100
4、至255之间的区域,可根据实际情况进行相应的设置,然后进行降噪处理: threshold (Saturation, HighSaturation, 100, 255)remove_noise_region (HighSaturation, OutputRegion, 'n_48') 过滤降噪后的效果,和实际的位置很接近了吧! 5、根据预定义的车牌长宽比例等查找符合特定特征的区域: 代码connection (OutputRegion, ConnectedRegions1)closing_rectangle1 (ConnectedRegions
5、1, RegionClosing1, 10, 10)select_shape (RegionClosing1, ASelectedRegions, 'area', 'and', 3000, 9000)select_shape (ASelectedRegions, HSelectedRegions, 'height', 'and', 30, 90)select_shape (HSelectedRegions, SelectedRegions, 'width', 'and', 60, 180) 效果图如下,分割成了多个区域哈: 6、呈现出车牌区域的
6、灰度化图像:reduce_domain (Hue, SelectedRegions, HueHighSaturation) 效果如下,是不是和实际位置一致啊! 7、对上述车牌的精确区域进行阙值过滤,主要是为了去掉车牌周围的黑色边框:threshold (HueHighSaturation, Region, 30, 50) 效果图如下: 8、填充有字符而没有在上述算法中被选中的内部区域:closing_rectangle1 (Region, RegionFillUp, 20, 20) 填充后的相关效果图如下:
7、 9、根据选中的上述区域,从原始图片中加载该区域:reduce_domain (Image, RegionFillUp, TruckTagImage) 效果图如下,车牌又出现了哈 10、确定识别区域字符的偏移角度,根据摄像机位置的不同其倾斜度也会有所不同(根据分割算法的不同,其实此步骤可以省略):connection (RegionFillUp, ConnectedReducedRegions)text_line_orientation (ConnectedReducedRegions, TruckTagImag
8、e, 30, -0.523599, 0.523599, OrientationAngle) 1