车牌识别中,每一步的效果直接影响整体的识别率,对车牌识别产生干扰的,不仅是车牌的污渍,还有铆钉。
一 、举例说明,铆钉干扰使得车牌识别错误
1、车辆图片
2、通过颜色HSV确认车牌大致位置
3、截取车牌图像
4、二值化后,水平投影,从图片中可以很清楚看到铆钉
5、字符分割后的车牌
6、提取分割后的车牌字符
7、错误的识别结果
二、改善方法
这里针对车牌识别的干扰去除方法加以改善。
1、原先博文中车牌识别中去除铆钉的方法,只是用投影的方法。粗略计算铆钉在车牌的上方,白点信息较少,通过水平投影计算每一行的白点数
但是当铆钉嵌入字符中间时,仍然无法去除干扰。
2、这里采用直接出去铆钉的方法,
1)、首先尽量分离字符与铆钉的链接
2)、计算每行的跳变次数,一边铆钉所在行,都是两次,不大于3次,超过7次的,就是字符区域所在行。
这里使用的方法是在跳变次数小于5的行里面,全局搜索白点,然后计算它的宽度和高度,如果宽度大于15个像素,高度大于25个像素(这里车牌归一化后字符大小为20X40),那么他就不是铆钉,否则就当做铆钉删掉。
全局遍历代码:
for(i = 0; i < img->height/3; i++) { if(PointChg[i] && PointChg[i] < 5)//每行跳变次数 { for(j = 0; j < img->width; j++) { if(dst[i * img->width + j] >= 200 && flag1 == 0)//发现白点即遍历 { x1 = x2 = j; y1 = y2 = i; delRivet(img, dst, &flag, j, i, &x1, &y1, &x2, &y2, 15, 25); //display8(*img, dst, 0, 0); flag1 = 1; } if(dst[i * img->width + j] == 0 && flag1 == 1) { flag1 = 0; } } break; } }
删除铆钉的函数
img:用了记录车牌的宽度高度信息等
dst:是二值化后的车牌信息,即要遍历查找铆钉的空间
*flag:用来标志是不是铆钉
*x1, *x2 用来计算铆钉宽度 *x2-*x1;
*y1, *y2 同上
xlength,ylength,设置铆钉宽度高度阈值。
static int direction[4][2]={{1, 0}, {-1, 0}, {0, 1}, {0, -1}}; int delRivet(Bmp1 *img, byte *dst, int *flag, int x, int y, int *x1, int *y1, int *x2, int *y2, int xlength, int ylength) { int i; int tmp; int x0, y0; tmp = dst[y * img->width + x]; if((*x2 - *x1 > xlength) || (*y2 - *y1) > ylength) { *flag = 1; return 0; } dst[y * img->width + x] = 0; for(i = 0; i < 4; i++) { x0 = x + direction[i][0]; y0 = y + direction[i][1]; if(x0 > 0 && x0 < img->width && y0 > 0 && y0 < img->height && dst[y0 * img->width + x0] && (*flag == 0)) { if(*x1 > x0) *x1 = x0; else if(*x2 < x0) *x2 = x0; if(*y1 > y0) *y1 = y0; else if(*y2 < y0) *y2 = y0; delRivet(img, dst, flag, x0, y0, x1, y1, x2, y2, xlength, ylength); //display8(*img, dst, 0, 0); } } if(*flag) { dst[y * img->width + x] = tmp; } return 0; }
3)、去除铆钉的车牌
4)、正确分割
5)、正确提取字符
6)、正确识别结果
源码稍后,提供,车牌识别的代码,我将继续优化,提高识别率,尽早能够应用在arm平台上。
时间: 2024-10-25 10:28:08