简介
在前面已经讲了车牌的定位和对车牌字符的分割,这里继续是最后对车牌的识别。
字符识别
主要是用了两张办法,第一个是前面 <opencv实现车牌识别之失败经验> 这一篇中用到过的,opencv自带的getPSNR函数,这里不再对它进行讲解。 另一种方法是将分割出来的字符和模板字符都分割成9宫格形式,对比比较每个块中,像素占的比例来匹配分辨出字符。 具体代码如下:
double proCale(Mat& mat1, int width_1, int height_1, int width_2, int height_2){ int number = 0, sum = 0; IplImage pI = mat1; CvScalar s; double result; int i, j; for(i=width_1; i<=width_2; i++){ for(j=height_1; j<=height_2; j++){ s = cvGet2D(&pI,i,j); if(s.val[0] > 0.0){ number += 1; } sum += 1; } } result = (double)number / (double)sum; return result; } int getPro(Mat& mat1){ Mat mat2; int i, j, k; int hArr[4] = {0, 19, 39, 59}; int wArr[4] = {0, 29, 69, 119}; int wArrWidth = 3, wArrHeight = 3, sum; double tmp, tmp1, tmp2, all = 0; double *allPro; allPro = (double*)malloc(match_detect * sizeof(double)); for(k=0; k< match_detect; k++){ all = 0; mat2 = cv::imread(match_pic[k], 0); for(i=0; i< wArrWidth; i++){ for(j=0; j< wArrHeight; j++){ tmp1 = proCale(mat1, wArr[i], hArr[j], wArr[i+1], hArr[j+1]); tmp2 = proCale(mat2, wArr[i], hArr[j], wArr[i+1], hArr[j+1]); tmp = tmp1 - tmp2; if(tmp < 0){ tmp = -tmp; } all += tmp; } } allPro[k] = all; } tmp = allPro[0]; sum = 0; for(i=0; i<match_detect; i++){ // printf("allPro[%d]:%lf\n", i, allPro[i]); if(tmp > allPro[i]){ tmp = allPro[i]; sum = i; } } // printf("sum:%d, %lf\n\n\n\n", sum, allPro[sum]); tmp = allPro[0]; sum = 0; for(i=0; i<match_detect; i++){ if(tmp > allPro[i]){ tmp = allPro[i]; sum = i; } } return sum; } int main(int argc, char** argv){ ............... carCard_Resize(img_5, img_w, wWidth, wHeight); pic_Thresholding(img_w, 50); proSum = getPro(img_w); // proSum = match_ok(img_w); match_result(proSum); sprintf(str, "%d", i+3); namedWindow(str); imshow(str, img_w); } printf("\n"); waitKey(0); return 0; }
函数proCale用来计算出传入图片的255像素所占的比例,然后getPro函数中将传入的目标图面mat1和模板图片,都分成九宫格的块,依次proCale计算,计算出9块中 所有的像素比例差。通过循环,将目标图片mat1和所有的模板都匹配计算出像素比例总的差值,找到其中差值最小的模板,则它就是该目标字符。注意,这里没有匹配 汉字。
结果演示
结果演示如下:
代码下载地址:http://download.csdn.net/detail/u011630458/8444711
时间: 2024-10-24 05:50:12