LPR

LPR(Vehicle License Plate Recognition)

前言

这是一个车牌识别的实例

我的平台是vs2017和opencv3.4

opencv下载链接点这里

这是老早在学校做的一个作业。github地址

这里分解了车牌识别的步骤。提供了大体的解决思路,其实你每一步都可以尝试用其他的方法来更好地解决问题,譬如最后的识别字符你完全可以使用ocr或者训练好的神经网络来更好的完成输出。


任务:识别下图中的车牌

car

要实现车牌识别,一共分为两大步。
第一,车牌定位,就是在图片中确定出车牌的位置;
第二,字符识别,将提取出来的字符图片进行识别。

正文

一、车牌定位

1. 高斯滤波

为什么要高斯滤波呢?原因很简单,因为要平滑图像,去除噪声点。

car

2. sobel边缘提取

至于什么是sobel呢?
我先引用百度的一句话吧:

Sobel算子是像素图像边缘检测中最重要的算子之一,在技术上,它是一个离散的一阶差分算子,用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子,将会产生该点对应的梯度矢量或是其法矢量。

那我们用sobel算子干嘛呢?我们的目标是定位车牌,因为车牌的周围轮廓分明,使用sobel可以清晰的提取边缘,效果如图所示:
car

3.二值化图像

这时我们就可以看到车牌成为了图像中亮度最大的区域,所以我们这次再来进行二值化,只保留高于一定阈值的点,效果图如下:

car

4.闭运算

图像中的这些点我们怎么利用呢?这时我们需要将这些点所在的区域连通起来,所以会用到闭运算。
什么是闭运算呢?

在数学形态学中,闭运算被定义为先膨胀后腐蚀。

先点这里了解腐蚀和膨胀

再点这里了解开运算、闭运算等

car

5.去除小区域

了解上面的之后,相信你也知道这里该怎么做啦!

car
car

6.提取轮廓

我们在上面已经找到了车牌所在区域,现在我们需要找到车牌的边界点。
我们有这一堆点集,我们可以迭代寻找出最左边且靠上的点之类的。
因为我们下一步要做仿射变换,需要三个边界点,所以我们找出如图所示的三个点就行了。

蓝色框可以点下面了解一下,后面会很有用。
绘制最小外接矩形

car

7.仿射变换

原理还是看博客吧,仿射变换能做到对图像旋转,平移和缩放。
这里根据提取到的点,再对高斯滤波后的图进行仿射变换,只保留车牌部分。

点一下,玩一年

深入版

car

二、字符识别

1.提取字符轮廓

这里先对图像二值化,再寻找最小外接矩形。
当然汉字可不是很简单,因为有很多独立的笔画,所以还需要在容器中移除小于一定面积的矩形。
这样一些点啊,就不会在我们需要识别的对象中。

car

2.识别字符

当时做这个时间因素,采用了最简单也是很有效的一种方法,对每个字符变换到标准大小,和模板点与点之间逐个计算,最后输出与之匹配度最高的字符。
car

输出结果如下:
car