老调重弹：车牌识别
最近一年来忙于研发任务，不得不放下Silverlight 3D的学习。研发中要求逐步解决车牌图像识别、重车桥数（主要用于进行超载检测）图像识别和部分矿种的图像识别。本次将介绍车牌的图像识别。
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=>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：
gen_rectangle1 (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：
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：
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
closing_rectangle1 (ConnectedRegions1, 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、呈现出车牌区域的灰度化图像：
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：
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：
填充后的相关效果图如下：
9、根据选中的上述区域，从原始图片中加载该区域：
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）：
text_line_orientation (ConnectedReducedRegions, TruckTagImage, 30 , - 0.523599 , 0.523599 , OrientationAngle)
11、显示真实的车牌位置图像，主要是方便调试：
效果图如下：
12、进行字符分割，过滤掉非字符区域：
代码
select_characters (RegionForeground, RegionCharacters, ' false ' , ' medium ' , 12 , 30 , ' false ' , ' false ' , ' variable_width ' , ' false ' , ' medium ' , ' false ' , 15 , ' completion ' )
closing_rectangle1 (RegionCharacters, RegionCharactersClosing, 1 , 2 )
效果图如下，是不是离真正的识别又跟进了一步哈！
13、根据各个分割的区域的左上角坐标排序（主要是方便从右向左依次进行字符识别）：
sort_region (ConnectedRegionCharactersClosing, SortedRegions, ' first_point ' , ' false ' , ' column ' )
14、显示分割的字符区域的效果图，怎么样？字符分割成功了吧！：
15、加载字符模板，从右向左依次进行字符识别，并把识别结果绘制到对应字符位置的上方： <./p>
代码
for Index : = 1 to 5 by 1
if (Number >= Index)
SelectedSortedRegion : = SortedRegions[Index]
do_ocr_single_class_mlp (SelectedSortedRegion, Image, OCRHandle, 1 , Class, Confidence)
smallest_rectangle1 (SelectedSortedRegion, Row1, Column1, Row2, Column2)
set_tposition (WindowID, Row1 - 30 , (Column2 + Column1) * 0.5 - 5 )
write_string (WindowID, Class[ 0 ])
dev_display (SelectedSortedRegion)
endif
endfor
clear_ocr_class_mlp (OCRHandle)
if (Number > 5 )
read_ocr_class_mlp ( ' D:/MVTec/HALCON/ocr/Industrial_0-9A-Z.omc ' , OCRHandle)
SelectedSortedRegion : = SortedRegions[ 6 ]
do_ocr_single_class_mlp (SelectedSortedRegion, Image, OCRHandle, 1 , Class, Confidence)
smallest_rectangle1 (SelectedSortedRegion, Row1, Column1, Row2, Column2)
set_tposition (WindowID, Row1 - 30 , (Column2 + Column1) * 0.5 - 5 )
write_string (WindowID, Class[ 0 ])
clear_ocr_class_mlp (OCRHandle)
dev_display (SelectedSortedRegion)
endif
相关效果图如下，字符识别的准确度挺高嘛！
