资源描述：
《基于halcon的车牌的图像识别_整理讲述》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、基于halcon的车牌的图像识别 其实车牌图像识别从技术上已经比较成熟，从理论上来说无外乎就是如下几个步骤： 灰度化：实际就是对原始车牌图片进行预处理，把彩色图片转化为黑白图片，然后对不符合指定阙值范围的灰度值进行过滤。 车牌定位：这是技术难点之一，根据我的经验，定位车牌位置对于车牌的准确识别而言实际上就成功了60%。很多车牌识别的产品都对车牌的定位预留了很多配置参数，例如截取原始图片的位置参数、车牌的长宽比例、大小等等，这些都是为了提高车牌定位的准确率。 字符分割：车牌定位后是字符分割，本人使用的识别过程是：对定位的车牌位置进行降噪处理=>
2、边界模糊=>从右向左找出前6个封闭的图形=>剩余的封闭图形综合为一个图形进行汉字的识别。 字符识别：就是根据字符模板进行模板匹配，因此需预先建立相应的字符模板。基于图像进行字符识别也可配置很多参数来大大提高字符的识别率。例如限定车牌头的字符，车牌各位字符的识别优先级等等。 以下通过大车黄牌号码为例，看看车牌识别的效果。 1、原始图片如下图所示： 2、限定车牌识别区域，本例中将裁剪掉上下左右各10%的区域： get_image_pointer1 (FullImage, Pointer, Type, Width, Height)gen_recta
3、ngle1 (Rectangle, Height*0.1, Width*0.1, Height*0.9, Width*0.9)reduce_domain (FullImage, Rectangle, Image) 看看裁剪结果： 3、把选中的区域灰度化，方便后续处理：decompose3 (Image, Red, Green, Blue)trans_from_rgb (Red, Green, Blue, Hue, Saturation, Intensity, 'hsv') 灰度化后的效果图： 4、灰度阙值过滤，本例中只选中灰度值在100
4、至255之间的区域，可根据实际情况进行相应的设置，然后进行降噪处理： threshold (Saturation, HighSaturation, 100, 255)remove_noise_region (HighSaturation, OutputRegion, 'n_48') 过滤降噪后的效果，和实际的位置很接近了吧！ 5、根据预定义的车牌长宽比例等查找符合特定特征的区域： 代码connection (OutputRegion, ConnectedRegions1)closing_rectangle1 (ConnectedRegions
5、1, RegionClosing1, 10, 10)select_shape (RegionClosing1, ASelectedRegions, 'area', 'and', 3000, 9000)select_shape (ASelectedRegions, HSelectedRegions, 'height', 'and', 30, 90)select_shape (HSelectedRegions, SelectedRegions, 'width', 'and', 60, 180) 效果图如下，分割成了多个区域哈： 6、呈现出车牌区域的
6、灰度化图像：reduce_domain (Hue, SelectedRegions, HueHighSaturation) 效果如下，是不是和实际位置一致啊！ 7、对上述车牌的精确区域进行阙值过滤，主要是为了去掉车牌周围的黑色边框：threshold (HueHighSaturation, Region, 30, 50) 效果图如下： 8、填充有字符而没有在上述算法中被选中的内部区域：closing_rectangle1 (Region, RegionFillUp, 20, 20) 填充后的相关效果图如下：
7、 9、根据选中的上述区域，从原始图片中加载该区域：reduce_domain (Image, RegionFillUp, TruckTagImage) 效果图如下，车牌又出现了哈 10、确定识别区域字符的偏移角度，根据摄像机位置的不同其倾斜度也会有所不同（根据分割算法的不同，其实此步骤可以省略）：connection (RegionFillUp, ConnectedReducedRegions)text_line_orientation (ConnectedReducedRegions, TruckTagImag
8、e, 30, -0.523599, 0.523599, OrientationAngle) 1
