opencv实现车牌识别之字符识别

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