java车牌识别字符分割_opencv 车牌字符分割 ANN网络识别字符

最近在复习OPENCV的知识，学习caffe的深度神经网络，正好想起以前做过的车牌识别项目，可以拿出来研究下

以前的环境是VS2013和OpenCV2.4.9，感觉OpenCV2.4.9是个经典版本啊！不过要使用caffe模型的话，还是要最新的OpenCV3.3更合适！

一、车牌图片库

以前也是网上下的，如果找不到的小伙伴可以从我这儿下： 链接：http://pan.baidu.com/s/1hrQF92G 密码：43jl

里面有数字 “0-9”，字母“A-Z”的训练图片各50张。

测试车牌图片当时是从他人得到已经定位到车牌的图片，类似如下：

目标当然就是对这些车牌图片进行预处理，单字符分割，单字符识别！

二、预处理

图像的预处理做来做去就是滤波去噪，光照补偿，灰度/二值化，形态学基本操作等等。这些图片都是自然场景得到所以基本的去噪操作可以做一下，然后为了单字符分割，灰度化和形态学可以结合效果调整。

光照补偿其实一直是个问题，大多数有直方图均衡化，亮度参考白，利用公式统计补偿图片。这方面也可以结合图像增强方法来做！笔者当时觉得前两者对大多数场景已经适用。

二值化可以使用 cv::threshold函数，如：

1 Mat t1=imread("2.png",1);2 cvtColor(inimg, gimg, CV_BGR2GRAY);3 threshold(gimg, gimg, 100, 255, CV_THRESH_BINARY);4 imshow("gimg", gimg);

第一行imread()，由于flag设为1所以读的是彩图，采用cvtColor函数转化为灰度图。如果你读入就是灰度图可以省略第二行代码。第三行就是转化为二值化函数，阈值100可以修改，在灰度对比不明显是有必要！

效果：

如果预处理做的好，某些小的白色区域是可以去掉的。这个效果也可以识别。

同时可以发现车牌外围被一圈白色包围，如若能去除外围白色，对于单字符分割更有益。但其实通过寻找列像素之间的变化，白色区域只是影响了阈值不会对结果太大影响。

想要去除白色外圈可以参考：http://blog.csdn.net/u011630458/article/details/43733057

如果想要使用直方图均衡化，OPENCV有equalizeHist(inputmat, outputmat)；非常方便，但是效果不好。

使用直方图均衡化后的上述车牌二值化图片：

效果更惨烈了，因为均衡化就是让直方图的像素分布更加平衡，上图黑色多，均衡之后自然白色多了，反而不好！

二、单字符分割

单字符分割主要策略就是检测列像素的总和变化，因为没有字符的区域基本是黑色，像素值低；有字符的区域白色较多，列像素和就变大了！

列像素变化的阈值是个问题，看到很多博客是固定的阈值进行检测，除非你处理后的二值化图像非常完美，不然有的图片混入了白色区域就会分割错误！而且对于得到分割宽度如果太小也应该使用策略进行剔除，没有一定的宽度限制分割后的图片可能是很多个窄窄的小区域。。。

1 int getColSum(Mat& bimg, intcol)2 {3 int height =bimg.rows;4 int sum = 0;5 for (int i = 1; i < height; i++)6 {7 sum += bimg.at(i, col);8 }9 cout << sum <

13 in