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：

  

   

    

     [cpp] 
     view plain
     copy
     
     
     

    
   
   
#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：

  

   

    

     [cpp] 
     view plain
     copy
     
     
     

    
   
   
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：

  

   

    

     [cpp] 
     view plain
     copy
     
     
     

    
   
   
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：

  

   

    

     [cpp] 
     view plain
     copy
     
     
     

    
   
   
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.youkuaiyun.com/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