|
前面介紹了用OpenCV的squares實例定位車牌的算法,，效果不是很理想。車牌定位的方法有很多種,，這里我們從汽車圖像的紋理特征入手,，找出車牌不同于背景的特征是車牌定位的關鍵。觀察多幅汽車圖片我們會發(fā)現車身和背景的紋理多為橫向紋理,，而車牌字符則為豎向紋理,，基于這個紋理特征我們可以區(qū)別處車牌位置。車牌的定位我們可以分為如下幾個步驟：
1預處理
圖像的預處理主要是為了后續(xù)處理的需要進行一些濾波和梯度增強的處理,，以濾除噪聲和垂直方向上的增強,。
2 Sobel垂直方向邊緣檢測并2值化
一般的邊緣檢測的方法檢測到的邊緣信息含有大量的無用信息，這里我們使用Sobel邊緣檢測算子對圖像進行垂直邊緣檢測,，由于車牌字符的豎向紋理特征我們可以檢測到車牌字符,，對得到的邊緣圖像進行2值化，排除一些噪聲并增強字符邊緣,。
3形態(tài)學變換
汽車圖像還存在一些豎向的紋理（如車身,，車燈等）我們需要排除這些干擾信息，并把臨近的字符邊緣連通起來,。這一階段主要利用對圖像進行形態(tài)學操作,，即作閉合（先膨脹在腐蝕）開啟（先腐蝕再膨脹）運算，膨脹可以把臨近邊緣連接成一個整體,，腐蝕可以濾除一些細碎的邊緣（建議使用3*1的結構進行操作）經過形態(tài)學變換可以濾除噪聲邊緣,，得到車牌區(qū)域。
4篩選
大多數圖像經過形態(tài)學變化后都可以得到滿意的效果,，但由于圖像背景的一些特殊紋理,，可能會留下一些沒有濾除的邊緣，也有可能字符間空隙較大,，車牌區(qū)域出現分為幾部分的狀況,，還有可能車身的一些標語等被誤認為是車牌圖像等，我們還需要進行聚類和篩選,。
選取一個標準來判斷連通域（如豎直方向兩區(qū)域重合大于10像素,，水平方向兩區(qū)域距離小于10像素）在根據車牌的形狀大小（寬,，高）判斷是否為車牌區(qū),。
程序運行效果圖如下：
 |
|
|
來自： oskycar > 《c\vc\opencv》
