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：#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：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：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：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：
人生至少要有两次冲动，一为奋不顾身的爱情，一为说走就走的旅行。
