车牌识别--倾斜矫正

在车牌识别系统中，车牌字符能够正确分割的前提是车牌图像能够水平，以至于水平投影和垂直投影能够正常进行。如果车牌倾斜没有矫正，那么水平投影和垂直投影，甚至铆钉都无法正常处理。所以，当车辆信息中获取车牌的第一步，应该是检查倾斜角度，做倾斜矫正。

倾斜矫正，这里使用的算法：

1、倾斜角度检测：霍夫变换

关于hough变换，可以参考前面图像处理博文：

http://blog.csdn.net/liujia2100/article/details/6989693 直线检测

http://blog.csdn.net/liujia2100/article/details/6989688 文本图像倾斜矫正

2、倾斜矫正：图像旋转

下面详细说明倾斜矫正过程：

原车牌图像为（从车牌图像中，可以看到车牌有倾斜角度）：

1、获取车牌在车辆中的粗略位置（可以用多种方法，这里暂不分析）

2、提取车牌整体图片数据，根据第一步结果，提取出，车牌在辆大体位置信息。

关于车牌定位，我使用两部，第一步粗略定位，然后做一些预处理，比如倾斜矫正，然后第二部才是精确定位，只提取车牌的位置信息图像

3、利用HSV颜色空间转换，获取车牌背景蓝色区域位置，获取车牌粗略信息图像后，由于车牌背景颜色与周围颜色有很明显的区别，这里采用HSV颜色过滤的方法，过滤绿色背景图像

4、水平膨胀，水平膨胀的目的，是为了边缘检测，只要求检测边缘，尽量除去字符信息，也可以降低hough变换的运算量

5、水平差分运算，相当于边缘检测，经过上面的处理后，才进行边缘检测

6、这个时候就可以利用hough变换检测直线了。

由于hough变换运算量十分大，所以，尽量减少图像中的白点，来降低计算量，因此前面才做了这么多步骤。

请看下图的红线，就是检测出来的角度，为177度（Hough代码在下面）。

7、利用旋转算法，旋转刚才粗略提取的车牌位置（旋转代码在下面），尽管旋转后的车牌有些锯齿，但是已经能够保证水平，就可以使用水平投影和垂直投影了

这是旋转后的车牌，有些锯齿出现，由于图像分辨率较低，就没有用差值运算。

8、精确提取车牌

9、正常分割字符

10、识别结果

由于正弦余弦运算，计算量比较大，这里进行一部分优化，就是正弦余弦计算用数组代替。

生成正弦，余弦数组的的代码如下：

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <math.h>

int main(void)
{
    char buf[20];
    int i;
    float p;
    float k;
    FILE *fcos;
    FILE *fsin;

    fcos = fopen(".\\cos.txt", "wb");
    fsin = fopen(".\\sin.txt", "wb");

    if(fcos == NULL || fsin == NULL)
    {
        printf("open error\n");
        exit(-1);
    }

    i = 0;

    for(i = 0; i <= 180; i++)
    {
        k = 3.1415926 * i / 180.0;
        p = cos(k);

        if((i%16 == 0))
            fwrite("\n",strlen("\n"),1,fcos);

        sprintf(buf,"%f, ", p);
        fwrite(buf,strlen(buf),1,fcos);

    }

    for(i = 0; i <= 180; i++)
    {
        k = 3.1415926 * i / 180.0;
        p = sin(k);

        if((i%16 == 0))
            fwrite("\n",strlen("\n"),1,fsin);

        sprintf(buf,"%f, ", p);
        fwrite(buf,strlen(buf),1,fsin);

    }
    fclose(fcos);
    fclose(fsin);
    return 0;
}

生成数组为：

float carCos[] = {
1.000000, 0.999848, 0.999391, 0.998630, 0.997564, 0.996195, 0.994522, 0.992546, 0.990268, 0.987688, 0.984808, 0.981627, 0.978148, 0.974370, 0.970296, 0.965926,
0.961262, 0.956305, 0.951057, 0.945519, 0.939693, 0.933580, 0.927184, 0.920505, 0.913545, 0.906308, 0.898794, 0.891007, 0.882948, 0.874620, 0.866025, 0.857167,
0.848048, 0.838671, 0.829038, 0.819152, 0.809017, 0.798636, 0.788011, 0.777146, 0.766044, 0.754710, 0.743145, 0.731354, 0.719340, 0.707107, 0.694658, 0.681998,
0.669131, 0.656059, 0.642788, 0.629320, 0.615662, 0.601815, 0.587785, 0.573576, 0.559193, 0.544639, 0.529919, 0.515038, 0.500000, 0.484810, 0.469472, 0.453991,
0.438371, 0.422618, 0.406737, 0.390731, 0.374607, 0.358368, 0.342020, 0.325568, 0.309017, 0.292372, 0.275637, 0.258819, 0.241922, 0.224951, 0.207912, 0.190809,
0.173648, 0.156434, 0.139173, 0.121869, 0.104528, 0.087156, 0.069757, 0.052336, 0.034900, 0.017452, 0.000000, -0.017452, -0.034899, -0.052336, -0.069756, -0.087156,
-0.104528, -0.121869, -0.139173, -0.156434, -0.173648, -0.190809, -0.207912, -0.224951, -0.241922, -0.258819, -0.275637, -0.292372, -0.309017, -0.325568, -0.342020, -0.358368,
-0.374607, -0.390731, -0.406737, -0.422618, -0.438371, -0.453990, -0.469472, -0.484810, -0.500000, -0.515038, -0.529919, -0.544639, -0.559193, -0.573576, -0.587785, -0.601815,
-0.615661, -0.629320, -0.642788, -0.656059, -0.669131, -0.681998, -0.694658, -0.707107, -0.719340, -0.731354, -0.743145, -0.754710, -0.766044, -0.777146, -0.788011, -0.798635,
-0.809017, -0.819152, -0.829038, -0.838671, -0.848048, -0.857167, -0.866025, -0.874620, -0.882948, -0.891007, -0.898794, -0.906308, -0.913545, -0.920505, -0.927184, -0.933580,
-0.939693, -0.945519, -0.951056, -0.956305, -0.961262, -0.965926, -0.970296, -0.974370, -0.978148, -0.981627, -0.984808, -0.987688, -0.990268, -0.992546, -0.994522, -0.996195,
-0.997564, -0.998630, -0.999391, -0.999848, -1.000000
};

float carSin[] = {
0.000000, 0.017452, 0.034899, 0.052336, 0.069756, 0.087156, 0.104528, 0.121869, 0.139173, 0.156434, 0.173648, 0.190809, 0.207912, 0.224951, 0.241922, 0.258819,
0.275637, 0.292372, 0.309017, 0.325568, 0.342020, 0.358368, 0.374607, 0.390731, 0.406737, 0.422618, 0.438371, 0.453990, 0.469472, 0.484810, 0.500000, 0.515038,
0.529919, 0.544639, 0.559193, 0.573576, 0.587785, 0.601815, 0.615661, 0.629320, 0.642788, 0.656059, 0.669131, 0.681998, 0.694658, 0.707107, 0.719340, 0.731354,
0.743145, 0.754710, 0.766044, 0.777146, 0.788011, 0.798635, 0.809017, 0.819152, 0.829038, 0.838671, 0.848048, 0.857167, 0.866025, 0.874620, 0.882948, 0.891007,
0.898794, 0.906308, 0.913545, 0.920505, 0.927184, 0.933580, 0.939693, 0.945519, 0.951056, 0.956305, 0.961262, 0.965926, 0.970296, 0.974370, 0.978148, 0.981627,
0.984808, 0.987688, 0.990268, 0.992546, 0.994522, 0.996195, 0.997564, 0.998630, 0.999391, 0.999848, 1.000000, 0.999848, 0.999391, 0.998630, 0.997564, 0.996195,
0.994522, 0.992546, 0.990268, 0.987688, 0.984808, 0.981627, 0.978148, 0.974370, 0.970296, 0.965926, 0.961262, 0.956305, 0.951057, 0.945519, 0.939693, 0.933580,
0.927184, 0.920505, 0.913545, 0.906308, 0.898794, 0.891007, 0.882948, 0.874620, 0.866025, 0.857167, 0.848048, 0.838671, 0.829038, 0.819152, 0.809017, 0.798636,
0.788011, 0.777146, 0.766044, 0.754710, 0.743145, 0.731354, 0.719340, 0.707107, 0.694658, 0.681998, 0.669131, 0.656059, 0.642788, 0.629320, 0.615662, 0.601815,
0.587785, 0.573576, 0.559193, 0.544639, 0.529919, 0.515038, 0.500000, 0.484810, 0.469472, 0.453991, 0.438371, 0.422618, 0.406737, 0.390731, 0.374607, 0.358368,
0.342020, 0.325568, 0.309017, 0.292372, 0.275637, 0.258819, 0.241922, 0.224951, 0.207912, 0.190809, 0.173648, 0.156435, 0.139173, 0.121869, 0.104529, 0.087156,
0.069757, 0.052336, 0.034900, 0.017452, 0.000000
};

旋转RGB图像的主要函数：

image：图像数据

iRotateAngle: 要旋转的角度

width， height：原始图像的宽度，高度

lwidth，lheight：旋转后图像的宽度，高度

unsigned char *RotateRGB(unsigned char *image, float iRotateAngle,int width,int height,int &lwidth,int &lheight)
{

    int i,j,k,m,n;
    long    lNewWidth;
    long    lNewHeight;
      float gray;
    long    i0;
    long    j0;
    float    fRotateAngle;
    float    fSina, fCosa;
    float    fSrcX1,fSrcY1,fSrcX2,fSrcY2,fSrcX3,fSrcY3,fSrcX4,fSrcY4;
    float    fDstX1,fDstY1,fDstX2,fDstY2,fDstX3,fDstY3,fDstX4,fDstY4;

    float    f1,f2;

    if(iRotateAngle >= 0)
    {
        fSina = (float)carSin[(int)iRotateAngle];
        fCosa = (float)carCos[(int)iRotateAngle];
    }
    else
    {
        fSina = 0 - (float)carSin[0 -(int)iRotateAngle];
        fCosa = (float)carCos[0 - (int)iRotateAngle];
    }

    fSrcX1 = (float) (- (width  - 1) / 2);
    fSrcY1 = (float) (  (height - 1) / 2);
    fSrcX2 = (float) (  (width  - 1) / 2);
    fSrcY2 = (float) (  (height - 1) / 2);
    fSrcX3 = (float) (- (width  - 1) / 2);
    fSrcY3 = (float) (- (height - 1) / 2);
    fSrcX4 = (float) (  (width  - 1) / 2);
    fSrcY4 = (float) (- (height - 1) / 2);

    fDstX1 =  fCosa * fSrcX1 + fSina * fSrcY1;
    fDstY1 = -fSina * fSrcX1 + fCosa * fSrcY1;
    fDstX2 =  fCosa * fSrcX2 + fSina * fSrcY2;
    fDstY2 = -fSina * fSrcX2 + fCosa * fSrcY2;
    fDstX3 =  fCosa * fSrcX3 + fSina * fSrcY3;
    fDstY3 = -fSina * fSrcX3 + fCosa * fSrcY3;
    fDstX4 =  fCosa * fSrcX4 + fSina * fSrcY4;
    fDstY4 = -fSina * fSrcX4 + fCosa * fSrcY4;

    lNewWidth  = (long) ( max( fabs(fDstX4 - fDstX1), fabs(fDstX3 - fDstX2) ) + 0.5);

    lNewHeight = (long) ( max( fabs(fDstY4 - fDstY1), fabs(fDstY3 - fDstY2) )  + 0.5);
    unsigned char *temp=myMalloc(lNewHeight*lNewWidth*3,0,0);

    f1 = (float) (-0.5 * (lNewWidth - 1) * fCosa - 0.5 * (lNewHeight - 1) * fSina
        + 0.5 * (width  - 1));
    f2 = (float) ( 0.5 * (lNewWidth - 1) * fSina - 0.5 * (lNewHeight - 1) * fCosa
        + 0.5 * (height - 1));

    for(i = 0; i < lNewHeight; i++)
    {
        for(m=0,j = 0;j < lNewWidth,m<lNewWidth*3;m+=3,j++)
        {
            i0 = (long) (-((float) j) * fSina + ((float) i) * fCosa + f2 + 0.5);
            j0 = (long) ( ((float) j) * fCosa + ((float) i) * fSina + f1 + 0.5);

            if( (j0 >= 0) && (j0 < width) && (i0 >= 0) && (i0 < height))
            {
                 n=i0 * width * 3 + j0 * 3;
                 *(temp + lNewWidth * i * 3 + m + 1) = *(image + n + 1);
                 *(temp + lNewWidth * i * 3 + m + 2) = *(image + n + 2);
                 *(temp + lNewWidth * i * 3 + m) = *(image + n);
            }
            else
            {
                 *(temp + lNewWidth * i*3+ m+1)=0;
                 *(temp + lNewWidth * i*3+ m+2)=0;
                 *(temp + lNewWidth * i*3+ m)=0;
            }
        }
    }

      lwidth = lNewWidth;
    lheight = lNewHeight;

    return temp;

}

Hough变化的主要函数

返回值Kmax，就是检测到最长直线的角度，就是车牌的倾斜角度。

int hough(unsigned char *srcBmp,int width,int height)
{
    int kmax=0;
    int pmax=0;
    int yuzhi=0;
    int i,j,k,m,n,p;
    int mp = (int) (sqrt(width*width + height*height)+1);
    int ma = 180;//180
    int ap;
    int npp[180][1000];
    for(i=0;i<180;i++)
        for(j=0;j<1000;j++)
        npp[i][j]=0;

    for(i = 0;i < height;i++)
        for(j = 0; j < width;j++)
        {
            if(srcBmp[i * width + j]==255)
            {
                for(k = 0; k < ma; k++)
                {
                    p=(int)(i * carCos[k] + j * carSin[k]);
                    p=(int)(p/2 + mp/2);
                    npp[k][p]=npp[k][p]++;
                }
            }
        }
        kmax=0;
        pmax=0;
        n=0;
        for(i = 0; i < ma; i++)
            for(j = 0; j < mp; j++)
            {
                if(npp[i][j] > yuzhi)
                {
                    yuzhi=npp[i][j];
                    kmax=i;
                    pmax=j;
                }
            }
            for(i = 0; i < height;i++)
                for(j = 0; j < width;j++)
                {
                    if(srcBmp[i*width+j]==255)
                    {
                        p=(int)(i*carCos[kmax] + j *carSin[kmax]);
                        p=(int)(p/2+mp/2);
#if defined(DISPLAYDEBUG)
                        if(p==pmax)
                          putpixel(j,i,RGB(255,0,0));
#endif
                    }
                }
                return kmax;
}

原文地址

时间： 2024-08-07 12:24:55

车牌识别--倾斜矫正的相关文章

毕业设计 python opencv实现车牌识别矩形矫正

主要代码参考https://blog.csdn.net/wzh191920/article/details/79589506 GitHub:https://github.com/yinghualuowu 答辩通过了,补完~ 用的是仿射变换 def img_Transform(car_contours,oldimg,pic_width,pic_hight): car_imgs = [] for car_rect in car_contours: if car_rect[2] > -1 and ca

车牌OCR识别的流程，手机车牌识别

车牌的OCR识别的流程如下: 手机车牌识别背景随着人们生活水平的提高,汽车方面的业务量也日益暴涨,加上如今"互联网+"的提出,智能终端(智能手机及平板电脑)及移动通信(4G)发展迅速,人们用手机的频率比用电脑的多,加上手机小巧轻便,成为生活中必要的工作及社交工具,可以预见未来几年60%以上的业务将会逐渐转移到智能终端系统上来.伴随着移动端APP的火爆应用,易泊将原来应用在电脑端的车牌识别技术转移到了移动端,手机车牌识别更加灵活,方便,为人们的应用解决了很多实际困难. 手机车牌识别描述

车牌识别算法介绍与实践

汽车牌照自己主动识别整个处理过程分为预处理.边缘提取.车牌定位.字符切割.字符识别五大模块,当中字符识别过程主要由下面3个部分组成: ①正确地切割文字图像区域: ②正确的分离单个文字: ③正确识别单个字符. 用MATLAB软件编程来实现每个部分,最后识别出汽车牌照. 系统设计概述因为车辆牌照是机动车唯一的管理标识符号,在交通管理中具有不可替代的作用,因此车辆牌照识别系统应具有非常高的识别正确率,对环境光照条件.拍摄位置和车辆行驶速度等因素的影响应有较大的容阈,而且要求满足实时性要求. 该系统是

不想手动输入车牌号？手机Android端车牌识别助你一臂之力！

关键词:手机车牌识别 Android端车牌识别移动端车牌识别车牌识别随着车辆的暴涨,对车辆的管理也是日益严峻.需要更多灵活的有效的管理方式,伴随着移动端APP的火爆应用,北京易泊时代将原来应用在电脑端的车牌识别技术转移到了手机Android端,手机Android端车牌识别更加灵活,方便,为人们的应用解决了很多实际困难. 手机Android端车牌识别产品描述手机Android端车牌识别系统是北京易泊时代开发的基于移动平台的证件识别应用程序,支持Android/IOS等多种主流移动操作系统.

安卓车牌识别与警务通PDA之间的联系

一.安卓车牌识别在PDA中的应用背景 PDA(Personal Digital Assistant),又称为掌上电脑,在使用上,它比手机更多功能,能打单,扫码,相比台式电脑操作简单.移动方便,功能实用. 现在我国警务通用PDA机使用越来越普及了,由于人口越来越多,车辆越来越多,对人与车的管理必须提高效率,如果在这些终端机上能够集成车牌识别.驾驶证识别,行驶证识别,证件识别等用OCR技术研发出的功能,必然省时省力,对于维护交通安全和城市治安,以及实现交通自动化管理亦有着很重要的现实意义. 据了解,

车牌识别LPR（八）-- 字符识别

?第八篇:字符识别车牌定位.车牌倾斜校正.车牌字符分割都是为车牌字符识别做的前提工作,这些前提工作直接关系到车牌识别系统的性能.车牌字符识别是车牌识别系统的核心部分,车牌字符识别的准确率是衡量车牌识别系统的一个很重要的指标. 一般字符识别的方法就是采用模式识别方法,简单的来说模式识别就是先通过提取输入模板的特征,然后通过模板的特征对样本进行分类,从而识别出样本.模式识别主要包括:数据采集.预处理.特征提取.特征匹配,其结构框架如图: 字符识别是模式识别的一个重要应用,首先提取待识别字符的特征:

文通Android平台车牌识别SDK

关键词: Android平台,车牌识别.车牌号识别.汽车牌照识别. 产品描述文通车牌识别系统是北京文通科技有限公司开发的基于移动平台的车牌识别应用程序,支持Android等多种主流移动操作系统.该产品采用手机.平板电脑摄像头拍摄汽车牌照图像,然后通过OCR软件对车牌颜色.车牌号进行识别. 产品特色整牌识别率高,尤其汉字识别遥遥领先同类产品: 识别速度快,极致优化的车牌定位和识别算法: 支持牌照全,包括蓝牌.黄牌(双).军牌(双).武警牌(双).警牌.农用车牌.教练车牌.大使馆车牌等各种规格牌

基于Android、iOS平台的移动端车牌识别技术及实现车牌识别过程

近年来,随着移动行业的爆发式发展,手机配置不断提高,基于手机平台的信息采集.图像处理.数据传输等方面的研究也成为了热点,这使得基于手机平台上的车牌识别成为可能.传统的车牌识别系统一般都基于固定的桌面平台.图像采集不灵活,特别是对于交通管理部门来说,对违章车辆车牌的自动登记非常不便,因此基于Android.iOS平台的移动端车牌识别技术出现了. 那么如何实现车牌识别的呢,下面简单说说: 首先对现存的车牌识别算法进行了研究,在诸多算法中寻找到一种适合在Android.iOS平台上运行的算法.先通过智

车牌识别LPR（一）-- 研究背景

在年尾用了几天的时间将2014年的所有工作都总结了一遍,将之前的文档综合了下. 以下是LPR系统,车牌识别的一些总结资料. 第一篇:LPR研究背景汽车的出现改变了以往出行徒步和以马代步的时代,极大地改变了人们的生活方式,扩大了人们的活动范围,加强了人与人之间的交流.全世界的汽车拥有量呈爆炸性增长,汽车虽方便了我们的出行,但同时也造成了城市交通压力,应用现代科技解决汽车不断增长而出现的交通问题已经成为一项重要的研究课题,智能交通系统应孕而出. 智能交通系统(Intelligent Transpo