基于opencv的车牌识别 - - Powered by Discuz!

标题: 基于opencv的车牌识别 [打印本页]

作者: shi'biao1234 时间: 2018-4-16 09:41
标题: 基于opencv的车牌识别
车牌识别流程：

高斯模糊：
车牌识别中利用高斯模糊将图片平滑化，去除干扰的噪声对后续图像处理的影响。
高斯模糊（GaussianBlur()），也叫高斯平滑。
周边像素的平均值，所谓"模糊"，可以理解成每一个像素都取周边像素的平均值。

上图中，2是中间点，周边点都是1。"中间点"取"周围点"的平均值，就会变成1。在数值上，这是一种"平滑化"。在图形上，就相当于产生"模糊"效果，"中间点"失去细节（上图右）。显然，计算平均值时，取值范围越大，"模糊效果"越强烈。

左图分别是原图、模糊半径3像素、模糊半径10像素的效果。模糊半径越大，图像就越模糊。从数值角度看，就是数值越平滑。
接下来的问题就是，既然每个点都要取周边像素的平均值，那么应该如何分配权重呢？
如果使用简单平均，显然不是很合理，因为图像都是连续的，越靠近的点关系越密切，越远离的点关系越疏远。因此，加权平均更合理，距离越近的点权重越大，距离越远的点权重越小。

OpenCV中函数
void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT)
参数详解：
src：输入图片，可以使是任意通道数，该函数对通道是独立处理的，但是深度只能是CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.
dst：输出图片，和输入图片相同大小和深度。
ksize：高斯内核大小。ksize.width和ksize.height允许不相同但他们必须是正奇数。或者等于0，由参数sigma的乘机决定。
sigmaX：高斯内核在X方向的标准方差。
sigmaY：高斯内核在Y方向的标准方差。如果sigmaY为0，他将和sigmaX的值相同，如果他们都为0，那么他们由ksize.width和ksize.height计算得出。
borderType：用于判断图像边界的模式。
1 Mat Gaussian(Mat &img) {2    Mat out;3    GaussianBlur(img, out, Size(3, 3),4       0, 0, BORDER_DEFAULT);5    return out;6 7 }
View Code
原图：（来自百度）


灰度化：
在车牌识别中我们需要将图像转化为灰度图像，这样有利于后续步骤的开展，如Soble算子只能作用于灰度图像。
灰度化，在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。
Opencv中函数
void cvtColor(InputArray src,  OutputArray dst,  int code,  int dstCn=0 )
参数详解：
src：输入图像：8位无符号的16位无符号（cv_16uc…）或单精度浮点。
dst：的大小和深度src.
code：输出图像颜色空间转换的代码。
dstCn：目标图像中的信道数；如果参数为0，则从SRC和代码自动导出信道的数目。
1 Mat Grayscale(Mat &img) {2    Mat out;3    cvtColor(img, out, CV_RGB2GRAY);4 5    return out;6 }
View Code

Sobel算子（X方向）：
车牌定位的核心算法，水平方向上的边缘检测，检测出车牌区域。
主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测。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。
该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下:

图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。

可用以下公式计算梯度方向。

在以上例子中，如果以上的角度Θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。

OpenCV中函数：
void Sobel(InputArray src, OutputArray dst, int ddepth, int xorder, int yorder, int ksize=3, double scale=1, double delta=0, int borderType=BORDER_DEFAULT )
参数:
src： 源图像。
dst：相同大小和相同数量的通道的目标图像。
ddepth：目标图像的深度。
xorder：阶导数的X.
yorder：阶导数的Y.
ksize：扩展Sobel算子–大小。它必须是1, 3, 5，或者7。
scale：计算衍生值的可选刻度因子。默认情况下，不应用缩放。看到getderivkernels()详情。
delta ：可选的delta值，在将它们存储在DST之前添加到结果中。
bordertype：像素外推方法。
convertScaleAbs()——先缩放元素再取绝对值，最后转换格式为8bit型。
1 Mat Sobel(Mat &img) { 2    Mat out; 3 Mat grad_x, grad_y; 4 Mat abs_grad_x, abs_grad_y; 5 6    //X方向 7    //Sobel(img, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT); 8    //convertScaleAbs(grad_x, abs_grad_x); 9    Sobel(img, img, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT);10    convertScaleAbs(img, out);11 12    //Y方向13    //Sobel(img, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT);14    //convertScaleAbs(grad_y, abs_grad_y);15    //convertScaleAbs(img, out);16 17    //合并18    //addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, out);19 20    return out;21 }
View Code

二值化：
进一步对图像进行处理，强化目标区域，弱化背景。
图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。
OpenCV中函数
double threshold(InputArray src, OutputArray dst, double thresh, double maxVal, int thresholdType)
参数:
src：源阵列（单通道，32位浮点8位）。
dst：相同大小和类型的目标数组。
thresh：门限阈值。
Maxval：最大值使用的thresh_binary和thresh_binary_inv阈值类型。
thresholdtype：阈值型，如下。
THRESH_BINARY  当前点值大于阈值时，取Maxval,也就是第四个参数，下面再不说明，否则设置为0
THRESH_BINARY_INV 当前点值大于阈值时，设置为0，否则设置为Maxval
THRESH_TRUNC 当前点值大于阈值时，设置为阈值，否则不改变
THRESH_TOZERO 当前点值大于阈值时，不改变，否则设置为0
THRESH_TOZERO_INV 当前点值大于阈值时，设置为0，否则不改变
1 Mat TwoValued(Mat &img) {2    Mat out;3    threshold(img, out, 0, 255, CV_THRESH_OTSU + CV_THRESH_BINARY);4    //threshold(img, out, 100, 255, CV_THRESH_BINARY);5 6    return out;7 }
View Code

闭操作：
闭操作可以将目标区域连成一个整体，便于后续轮廓的提取。
闭操作可使轮廓线更光滑，但与开操作相反的是，闭操作通常消弥狭窄的间断和长细的鸿沟，消除小的空洞，并填补轮廓线中的断裂。
使用结构元素B对集合A进行闭操作，定义为

这个公式表明，使用结构元素B对集合A的闭操作就是用B对A进行膨胀，然后用B对结果进行腐蚀。

OpenCV中函数
void morphologyEx(InputArray src, OutputArray dst, int op, InputArray element, Point anchor=Point(-1,-1), int iterations=1, int borderType=BORDER_CONSTANT, const Scalar& borderValue=morphologyDefaultBorderValue() )
参数:
src：源图像。
dst：相同大小和类型的目标图像。
element：内核类型用getStructuringElement函数得到。
OP：
可以是以下形式之一的形态学操作的类型：
morph_open -开启操作
morph_close -闭合操作
morph_gradient -形态学梯度
morph_tophat“顶帽”
morph_blackhat -“黑帽”
iterations：侵蚀和膨胀的次数被应用。
bordertype–像素外推方法。
bordervalue–边界值在一个恒定的边界情况。默认值有特殊含义。
关注前4个参数即可，后面用默认参数。

1 Mat Close(Mat &img) {2    Mat out;3    //Mat element(5, 5, CV_8U, cv::Scalar(1));4    Mat element = getStructuringElement(MORPH_RECT, Size(17, 5));5    morphologyEx(img, out, cv::MORPH_CLOSE, element);6 7    return out;8 }
View Code

取轮廓：
将前面处理的车牌目标区域提取出来。
相关函数：
查找轮廓：
void findContours(InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset=Point())
image：输入的 8-比特、单通道图像. 非零元素被当成 1， 0 象素值保留为 0 - 从而图像被看成二值的。为了从灰度图像中得到这样的二值图像，可以使用 cvThreshold, cvAdaptiveThreshold 或 cvCanny. 本函数改变输入图像内容。
storage :得到的轮廓的存储容器
first_contour :输出参数：包含第一个输出轮廓的指针
header_size ：如果 method=CV_CHAIN_CODE，则序列头的大小 >=sizeof(CvChain)，否则 >=sizeof(CvContour) .
mode ：
提取模式.
CV_RETR_EXTERNAL - 只提取最外层的轮廓
CV_RETR_LIST - 提取所有轮廓，并且放置在 list 中
CV_RETR_CCOMP - 提取所有轮廓，并且将其组织为两层的 hierarchy: 顶层为连通域的外围边界，次层为洞的内层边界。
CV_RETR_TREE - 提取所有轮廓，并且重构嵌套轮廓的全部 hierarchy
method :
逼近方法 (对所有节点, 不包括使用内部逼近的 CV_RETR_RUNS).
CV_CHAIN_CODE - Freeman 链码的输出轮廓. 其它方法输出多边形(定点序列).
CV_CHAIN_APPROX_NONE - 将所有点由链码形式翻译(转化）为点序列形式
CV_CHAIN_APPROX_SIMPLE - 压缩水平、垂直和对角分割，即函数只保留末端的象素点;
CV_CHAIN_APPROX_TC89_L1,
CV_CHAIN_APPROX_TC89_KCOS - 应用 Teh-Chin 链逼近算法. CV_LINK_RUNS - 通过连接为 1 的水平碎片使用完全不同的轮廓提取算法。仅有 CV_RETR_LIST 提取模式可以在本方法中应用.
offset :
每一个轮廓点的偏移量. 当轮廓是从图像 ROI 中提取出来的时候，使用偏移量有用，因为可以从整个图像上下文来对轮廓做分析.
函数 cvFindContours 从二值图像中提取轮廓，并且返回提取轮廓的数目。指针 first_contour 的内容由函数填写。它包含第一个最外层轮廓的指针，如果指针为 NULL，则没有检测到轮廓（比如图像是全黑的）。其它轮廓可以从 first_contour 利用 h_next 和 v_next 链接访问到。在 cvDrawContours 的样例显示如何使用轮廓来进行连通域的检测。轮廓也可以用来做形状分析和对象识别 - 见CVPR2001 教程中的 squares 样例。该教程可以在 SourceForge 网站上找到。
绘制轮廓：
void drawContours(InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const Scalar& color, intthickness=1, int lineType=8, InputArray hierarchy=noArray(), int maxLevel=INT_MAX, Point offset=Point() )

相关参数参考——http://www.opencv.org.cn/opencvd ... urs#cv.DrawContours

漫水填充算法：
int floodFill(InputOutputArray image, Point seed, Scalar newVal, Rect* rect=0, Scalar loDiff=Scalar(), ScalarupDiff=Scalar(), int flags=4 )

相关参数参考——http://www.opencv.org.cn/opencvd ... odfill#cv.FloodFill

aec379310a55b31961a2c69743a98226cefc17fc.jpg (6.65 KB, 下载次数: 92)

欢迎光临 (http://www.51hei.com/bbs/)