opencv实现车牌识别之字符分割

简介

　　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：

图像灰阶/二值化

　　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：

上下边缘分离

　　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：
                                          

字符分割

　　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：
                                           

后续处理

　　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：
                                                                

效果演示

　　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

版权声明：本文为博主原创文章，未经博主允许不得转载。

• 上一篇opencv实现车牌识别之车牌号定位_2
• 下一篇opencv实现车牌识别之字符识别

顶