基于halcon的車牌的圖像識別整理

1、基于halcon的車牌的圖像識別其實車牌圖像識別從技術(shù)上已經(jīng)比較成熟，從理論上來說無外乎就是如下幾個步驟：灰度化：實際就是對原始車牌圖片進行預(yù)處理，把彩色圖片轉(zhuǎn)化為黑白圖片，然后對不符合指定闕值范圍的灰度值進行過濾。車牌定位：這是技術(shù)難點之一，根據(jù)我的經(jīng)驗，定位車牌位置對于車牌的準(zhǔn)確識別而言實際上就成功了60%。很多車牌識別的產(chǎn)品都對車牌的定位預(yù)留了很多配置參數(shù)，例如截取原始圖片的位置參數(shù)、車牌的長寬比例、大小等等，這些都是為了提高車牌定位的準(zhǔn)確率。字符分割：車牌定位后是字符分割，本人使用的識別過程是：對定位的車牌位置進行降噪處理=>邊界模糊=>從右向左找出前6個封閉的圖形=>

2、;剩余的封閉圖形綜合為一個圖形進行漢字的識別。字符識別：就是根據(jù)字符模板進行模板匹配，因此需預(yù)先建立相應(yīng)的字符模板?；趫D像進行字符識別也可配置很多參數(shù)來大大提高字符的識別率。例如限定車牌頭的字符，車牌各位字符的識別優(yōu)先級等等。以下通過大車黃牌號碼為例，看看車牌識別的效果。1、原始圖片如下圖所示：2、限定車牌識別區(qū)域，本例中將裁剪掉上下左右各10%的區(qū)域： get_image_pointer1 (FullImage, Pointer, Type, Width, Height)gen_rectangle1 (Rectangle

3、, Height*0.1, Width*0.1, Height*0.9, Width*0.9)reduce_domain (FullImage, Rectangle, Image) 看看裁剪結(jié)果： 3、把選中的區(qū)域灰度化，方便后續(xù)處理：decompose3 (Image, Red, Green, Blue)trans_from_rgb (Red, Green, Blue, Hue, Saturation, 

4、Intensity, 'hsv') 灰度化后的效果圖：4、灰度闕值過濾，本例中只選中灰度值在100至255之間的區(qū)域，可根據(jù)實際情況進行相應(yīng)的設(shè)置，然后進行降噪處理： threshold (Saturation, HighSaturation, 100, 255)remove_noise_region (HighSaturation, OutputRegion, 'n_48') 過濾降噪后的效果，和實際的位置很接近了吧！ 5、根據(jù)預(yù)定義的車牌長

5、寬比例等查找符合特定特征的區(qū)域： 代碼connection (OutputRegion, ConnectedRegions1)closing_rectangle1 (ConnectedRegions1, RegionClosing1, 10, 10)select_shape (RegionClosing1, ASelectedRegions, 'area', 'and', 3000, 9000)select_shape (A

6、SelectedRegions, HSelectedRegions, 'height', 'and', 30, 90)select_shape (HSelectedRegions, SelectedRegions, 'width', 'and', 60, 180) 效果圖如下，分割成了多個區(qū)域哈：6、呈現(xiàn)出車牌區(qū)域的灰度化圖像：reduce_domain (Hue, SelectedRegio

7、ns, HueHighSaturation) 效果如下，是不是和實際位置一致啊！ 7、對上述車牌的精確區(qū)域進行闕值過濾，主要是為了去掉車牌周圍的黑色邊框：threshold (HueHighSaturation, Region, 30, 50) 效果圖如下：        8、填充有字符而沒有在上述算法中被選中的內(nèi)部區(qū)域：closing_rectangle1 (Region, RegionFillUp, 2

8、0, 20)         填充后的相關(guān)效果圖如下：        9、根據(jù)選中的上述區(qū)域，從原始圖片中加載該區(qū)域：reduce_domain (Image, RegionFillUp, TruckTagImage)        效果圖如下，車牌又出現(xiàn)了哈    &

9、#160;  10、確定識別區(qū)域字符的偏移角度，根據(jù)攝像機位置的不同其傾斜度也會有所不同（根據(jù)分割算法的不同，其實此步驟可以省略）：connection (RegionFillUp, ConnectedReducedRegions)text_line_orientation (ConnectedReducedRegions, TruckTagImage, 30, -0.523599, 0.523599, OrientationAngle)     

10、;   11、顯示真實的車牌位置圖像，主要是方便調(diào)試：dev_display (TruckTagImage)        效果圖如下：        12、進行字符分割，過濾掉非字符區(qū)域：代碼segment_characters (RegionFillUp, TruckTagImage, ImageForeground, RegionForeground,

11、 'local_auto_shape', 'false', 'false', 'medium', 12, 30, 2, 10, UsedThreshold)select_characters (RegionForeground, RegionCharacters, 'false', 'medium', 12, 30, 'false&#

12、39;, 'false', 'variable_width', 'false', 'medium', 'false', 15, 'completion')closing_rectangle1 (RegionCharacters, RegionCharactersClosing, 1, 2)        效果圖如

13、下，是不是離真正的識別又跟進了一步哈！        13、根據(jù)各個分割的區(qū)域的左上角坐標(biāo)排序（主要是方便從右向左依次進行字符識別）：connection (RegionCharactersClosing, ConnectedRegionCharactersClosing)sort_region (ConnectedRegionCharactersClosing, SortedRegions, 'first_point', 'fal

14、se', 'column')        14、顯示分割的字符區(qū)域的效果圖，怎么樣？字符分割成功了吧?。?#160;        15、加載字符模板，從右向左依次進行字符識別，并把識別結(jié)果繪制到對應(yīng)字符位置的上方： <./p>代碼read_ocr_class_mlp ('D:/MVTec/HALCON/ocr/Industrial_0-9.omc', 

15、OCRHandle)for Index := 1 to 5 by 1    if (Number>=Index)        SelectedSortedRegion := SortedRegionsIndex        do_ocr_single_class_mlp (Sel

16、ectedSortedRegion, Image, OCRHandle, 1, Class, Confidence)        smallest_rectangle1 (SelectedSortedRegion, Row1, Column1, Row2, Column2)        set_tposition (Wind

17、owID, Row1 - 30, (Column2 + Column1) * 0.5 - 5)        write_string (WindowID, Class0)        dev_display (SelectedSortedRegion)    end

18、ifendforclear_ocr_class_mlp (OCRHandle)if (Number>5)    read_ocr_class_mlp ('D:/MVTec/HALCON/ocr/Industrial_0-9A-Z.omc', OCRHandle)    SelectedSortedRegion := SortedRegions6    do_ocr_single_class_mlp (SelectedSortedRegion, Image, OCRHandle, 1, Class, Confidence)    smallest_rectangle1 (SelectedSortedRegion, Row1, Column1, Row2, Column2)&